| Foto: Unsplash
Ouça este conteúdo

A nossa sociedade, e consequentemente nossas organizações industriais, têm passado por um processo massivo de digitalização. Todas as ações humanas de interação na internet ou com os mais diversos dispositivos eletrônicos, os processos organizacionais ou de máquinas e equipamentos, as decisões tomadas anteriormente e mais um sem número de outras ações têm se transformado em dados brutos, disponibilizados dentro das organizações ou em plataformas digitais. Esse fenômeno é popularmente conhecido como big data.

CARREGANDO :)

Neste cenário, muitos dados abertos governamentais ou mesmo de organizações sem fins lucrativos tornam-se mais acessíveis e disponíveis a todos da sociedade, servindo para o monitoramento de diferentes mercados e para a definição de estratégias para novos negócios.

Publicidade

À medida que o desafio técnico de capturar e processar esse volume cada vez maior de dados vai sendo superado, a necessidade de analisar e combinar as diferentes fontes de dados de uma forma útil para a tomada de decisões se torna o grande diferencial competitivo das organizações modernas - e é este o ponto em que residem as maiores ameaças e oportunidades para todas elas.

Ameaças pois muitas organizações ainda não possuem áreas estruturadas de data science devidamente integradas para implantação dessas soluções em seus negócios, ou ainda não compreendem os conceitos, metodologias de trabalho e as próprias tecnologias de suporte para serem aplicadas internamente. Isto significa muitas vezes requalificar boa parte de seus executivos e novos executivos para esta revolução em curso, e assim se capacitarem para definir e implementar estratégias digitais.

Observa-se que boa parte dos investimentos em tecnologia da informação ainda são de caráter de infraestrutura, transacionais para automação de processos e informacionais, visando maior controle interno de informações, mas ainda pouco estratégicos - ou seja, orientados à obtenção de vantagem competitiva por meio do desenvolvimento de novos produtos informacionais, novos mercados e novos canais de venda ou comunicação.

Por outro lado, neste contexto abrem-se muitas oportunidades para as organizações que souberem explorar esses novos conceitos e souberem se movimentar por primeiro com maior maestria em seus setores econômicos. Cada vez mais o campo competitivo das organizações será das que pesquisam e desenvolvem novos produtos e mercados com plataformas tecnológicas e algoritmos que melhor combinam a destreza analítica humana dos dados com o poder computacional da tecnologia da informação.

Atento às novas demandas, o Senai tem se preparado nos últimos anos para dar suporte às mais diversas organizações por meio de três frentes de trabalho:

Publicidade
  • Consultoria em Data Science: para estruturação desta área de negócio dentro das organizações, seja numa perspectiva conceitual, de metodologias de trabalho e tecnologias, ou mesmo na melhor estruturação de potenciais projetos de ciência de dados e avaliação de seus impactos potenciais;
  • Pesquisa e Desenvolvimento: desenvolvimento de projetos de P&D aplicáveis em processos ou novos produtos das organizações, utilizando-se da nossa rede de pesquisadores dos Institutos de Tecnologia e Inovação do Senai ou por meio da nossa rede de startups credenciadas. Importante destacar que, nesta frente de trabalho, as organizações industriais podem ter acesso a diversas fontes de fomento, tais como editais de inovação do próprio Senai e Embrapii, linhas de financiamento da Finep e BNDES e incentivos fiscais à inovação – como na Lei do Bem, Lei de Informática e Rota 2030;
  • Educação: programas executivos e/ou técnicos para capacitação nas habilidades técnicas e executivas requeridas dos novos profissionais, que são demandados dentro deste novo contexto econômico e tecnológico que vivenciamos.

Kleber Canuto Doutor em Tecnologia e Inovação pela UFPR (2018). Pesquisador e Coordenador de Ciência de Dados e Desenvolvimento de Novos Negócios Digitais no Senai PR. Possui experiência com bancos de dados e técnicas estatísticas multivariadas para análise de grandes massas de dados aplicados a distintos projetos de pesquisa e empresariais.