GARANTINDO GRANDES RETORNOS PARA BIG DATA

0

Por Rajni Sachan*

Para facilitar a geração de ideias inteligentes e a tomada de decisões com base em informações, as empresas contam atualmente com mais dados do que nunca – provenientes de aplicações empresariais, bancos de dados, mídias sociais, dispositivos inteligentes, celulares e outros equipamentos. Esses dados são gerados em grandes volumes, nos mais variados formatos, com grande velocidade e veracidade meticulosa. Se você imagina que a Lei de Moore, que fala sobre a duplicação do poder computacional a cada 18 meses, foi um avanço, pense novamente. Com mais de um bilhão de posts nas mídias sociais gerados a cada dois dias, o efeito Big Data está fazendo com que Moore pareça algo trivial.

Big Data é igual a Grandes Ideias

Com base no Big Data, você pode examinar os padrões de compra dos consumidores e aumentar as vendas por meio de sugestões do tipo “Compre também”, rastrear a cadeia de suprimentos, analisar tendências para fazer previsões e evitar crimes, associar dados sobre condições meteorológicas à saúde das plantações para garantir colheitas melhores e até mesmo prever surtos epidêmicos – mais rápido do que os registros de admissão em hospitais. Agora imagine basear todas essas decisões em dados imprecisos, falhos. Chegamos ao ponto? A importância de testes de qualidade de software (Quality Assurance – QA) e de Testes para Big Data não pode ser subestimada – simplesmente porque Big Data não significa apenas algo grande – mas também grandes ideias que podem levar a grandes resultados. É preciso ouvir continuamente o fluxo de dados vindo do Big Data e remover o que é irrelevante. Afinal, você não quer dados contaminados, com ruídos, afetando as decisões de negócios e sua agilidade para servir o mercado.

Grande preocupação

Ainda que o potencial do Big Data tenha sido aceito e reconhecido, os analistas seguem alertando sobre a crescente preocupação em torno da qualidade dos dados. De acordo com a Experian, 75% das empresas estão perdendo 14% da receita devido à qualidade sofrível dos dados. Isso evidencia uma clara demanda por tecnologias computacionais e estatística sólidas, apoiadas por uma estrutura robusta de testes de qualidade de software (QA) voltada para análises criteriosas que resultem em uma excelente experiência para os consumidores, custos menores associados à qualidade dos dados e time-to-market acelerado.

Grande diferença

Dada à variedade do Big Data, os bancos de dados que armazenam informações estruturadas são inadequados para arquivar, analisar e processar. Muitas vezes, Big Data é confundido com Data Warehousing. Enquanto Data Warehouse fornece boas respostas para problemas de negócios, Big Data apresenta ideias inteligentes sobre perguntas que importam. Bons exemplos podem ser dados por grandes varejistas, bancos ou negócios de hotelaria que analisam padrões de comportamento em suas bases de dados. Com o Big Data, eles podem acompanhar mensagens em mídias sociais em tempo real, identificar grupos de clientes e ter uma comunicação altamente personalizada oferecendo descontos dirigidos que garantam não apenas vendas cruzadas melhores, mas também satisfação e fidelidade dos clientes. Nesse cenário, o Data Warehousing padrão teria parado na análise de vendas, mas o Big Data pode ir um passo à frente, apresentando uma visão inteligente sobre os negócios para permitir uma transformação nas vendas e potencial para proporcionar uma experiência superior aos clientes.

Grande papel da QA: Uma estrutura 4π

De uma perspectiva de garantia, precisamos avançar ainda mais para assegurar a qualidade do Big Data. Embora tenhamos estratégias de testes bem definidas e testadas para Data Warehousing, essas abordagens tradicionais, quando aplicadas ao Big Data, podem resultar em visões convincentes completamente equivocadas! Os testes para Big Data exigem estratégias para dados estruturados, semiestruturados e não estruturados. Outros pré-requisitos incluem testes estatísticos de conjuntos de dados, um ambiente de teste ideal e expansível e competências para trabalhar com bancos de dados não relacionais. Há uma demanda por uma estrutura de garantia eficiente para Big Data, para que os esforços associados a ele sejam recompensadores. Meu webinar Make your Dive into Big Data rewarding with an Effective QA and Testing Strategy apresenta uma estrutura de QA inovadora que permite processar grandes volumes de dados sem comprometer sua qualidade. A estrutura 4π é composta por:

BIGDATA.ARTIGO

Grandes conclusões

Por meio desses pilares, a estrutura 4π aborda quatro tipos de imprecisão resultantes das quatro fases do ciclo de projetos de Big Data. A estrutura também inclui roteiros de automação e ferramentas para traçar o perfil dos dados, validá-los, gerar e alinhar os dados de teste, fazer análises preditivas e modelagens para assegurar a exatidão da implementação. Usadas em todos os tipos de teste (unidade, sistema e funcional), com a marca RoboTest, as ferramentas de automação reforçam ainda mais o quarto pilar de testes de qualidade de software (automação).

Para obter melhores resultados do Big Data, só é preciso se lembrar dos quatro pilares de garantia – e, se os controles e balanços parecerem intimidantes, a estrutura 4π facilitará as coisas ao resumir o processo em uma sigla fácil de lembrar– “4π” – quatro fases que podem resultar em quatro tipos de imprecisão e quatro pilares para abordá-los.

Grandes recompensas

Com testes de qualidade de software (QA) baseada na estrutura 4π, as ideias geradas via Big Data podem ajudá-lo a se antecipar à concorrência, explorar novos mercados, prever o comportamento dos consumidores, aprimorar o marketing e elevar o valor da marca – todos fatores importantes para melhorar os resultados e a agilidade dos negócios. Da próxima vez que precisar monitorar o comportamento dos consumidores, não fique preso a pesquisas e amostras, vá fundo no Big Data, atenda à demanda certa, na hora certa e com o preço certo e garanta seu sucesso com a “4π”.

Uma versão anterior deste post foi publicada no #ThinkAssurance, o blog de Testes de Qualidade de Software (QA) da Tata Consultancy Services.

*Rajni Sachan, gerente de relacionamento de negócios da TCS Assurance Services, tem mais de 14 anos de experiência em Business Intelligence e Testes de Qualidade de Software, programas complexos e estratégicos de transformação de TI em vários os domínios. Bacharel em Engenharia Eletrônica e de Telecomunicações, ela tem vasta experiência ciclo de vida de programas, soluções de negócios empresariais e consultoria. Suas áreas de interesse incluem tecnologias disruptivas e soluções inovadoras para negócios.

https://www.linkedin.com/pub/rajni-sachan/39/9a3/520

Sobre a Tata Consultancy Services Ltd (TCS)

A Tata Consultancy Services é uma empresa de consultoria de serviços de TI e soluções corporativas que oferece resultados reais para negócios globais, garantindo um nível de segurança que nenhuma outra empresa pode igualar. A TCS oferece uma equipe de consultores próprios e um portfólio integrado de serviços de TI, BPS, infraestrutura, engenharia  e serviços de garantia. A entrega é realizada através de seu modelo exclusivo chamado Global Network Delivery Model™, reconhecido como referencial de excelência no desenvolvimento de software. Como parte do grupo Tata, o maior conglomerado industrial da Índia, a TCS conta com mais de 353 mil dos consultores mais bem treinados do mundo, em 46 países. A empresa gerou uma receita consolidada de US$ 16,5 bilhões no exercício fiscal encerrado em 31 de março de 2016, e está listada nas bolsas de valores National Stock Exchange e Bombay Stock Exchange na Índia

Compartilhar.

Sobre o autor

Comentários desativados.

000-017   000-080   000-089   000-104   000-105   000-106   070-461   100-101   100-105  , 100-105  , 101   101-400   102-400   1V0-601   1Y0-201   1Z0-051   1Z0-060   1Z0-061   1Z0-144   1z0-434   1Z0-803   1Z0-804   1z0-808   200-101   200-120   200-125  , 200-125  , 200-310   200-355   210-060   210-065   210-260   220-801   220-802   220-901   220-902   2V0-620   2V0-621   2V0-621D   300-070   300-075   300-101   300-115   300-135   3002   300-206   300-208   300-209   300-320   350-001   350-018   350-029   350-030   350-050   350-060   350-080   352-001   400-051   400-101   400-201   500-260   640-692   640-911   640-916   642-732   642-999   700-501   70-177   70-178   70-243   70-246   70-270   70-346   70-347   70-410   70-411   70-412   70-413   70-417   70-461   70-462   70-463   70-480   70-483   70-486   70-487   70-488   70-532   70-533   70-534   70-980   74-678   810-403   9A0-385   9L0-012   9L0-066   ADM-201   AWS-SYSOPS   C_TFIN52_66   c2010-652   c2010-657   CAP   CAS-002   CCA-500   CISM   CISSP   CRISC   EX200   EX300   HP0-S42   ICBB   ICGB   ITILFND   JK0-022   JN0-102   JN0-360   LX0-103   LX0-104   M70-101   MB2-704   MB2-707   MB5-705   MB6-703   N10-006   NS0-157   NSE4   OG0-091   OG0-093   PEGACPBA71V1   PMP   PR000041   SSCP   SY0-401   VCP550   HP0-S42   70-483   101   000-080   1z0-434   CCA-500   CAP   1Z0-804   220-802   70-483   SY0-401   70-980   300-101   c2010-652   ICGB   1Z0-144   101   70-533   000-017   1Z0-060   640-916   9L0-012   MB2-704   9L0-066   2V0-621D   1Z0-144   1Y0-201   74-678   EX200   70-483   700-501   210-260   200-310   100-105  , JK0-022   350-080   300-070   CISSP   810-403   CAS-002   300-206   200-101   OG0-093   000-104   MB6-703   CISSP   1Z0-144   070-461   1Z0-060   SSCP