A revolução em tempo real está aqui, mas está distribuída de forma desigual
A revolução em tempo real está aqui, mas é desigualmente distribuída.
Se você ouvir palestras suficientes em conferências, apresentações de fornecedores e pronunciamentos de analistas, pode ser perdoado por assumir que todas as organizações no planeta agora podem detectar e responder, em tempo real, a eventos que ocorrem em milissegundos.
Embora isso ainda não seja o caso, há boas razões para o desejo de tempo real. Todas as novidades empolgantes que estão surgindo – inteligência artificial, análise preditiva, sistemas incorporados, aplicativos de streaming, monitoramento de localização em tempo real e sistemas de alerta – dependem de tecnologia em tempo real para funcionar. No entanto, o tempo real ainda está em desenvolvimento.
Também: O Ubuntu em tempo real está disponível no AWS Marketplace agora e é ideal para prototipagem rápida
As pesquisas do setor mostram como o tempo real é mais um sonho do que uma realidade. Por exemplo, na gestão da cadeia de suprimentos, embora 77% dos executivos busquem ativamente visibilidade de remessas em tempo real, apenas 25% a utilizam atualmente, conforme uma pesquisa da Tive. Da mesma forma, apenas 23% das empresas em uma pesquisa da Unisphere Research e da ChaosSearch indicam que as informações estão disponíveis para os usuários finais em tempo real.
A irregularidade das capacidades em tempo real pode ser aceitável na maioria das situações. “A maioria das empresas não precisa de dados em tempo real”, diz Nick Amabile, CEO da DAS42. Isso depende se a necessidade é operacional ou analítica. “Sistemas operacionais frequentemente requerem dados em tempo real para casos de uso relacionados à segurança da informação – como monitoramento de ameaças de segurança, esforços de personalização em marketing, logística, tendências de remessa, otimização de custos, melhoria da experiência do cliente, detecção de fraudes e estratégias de negociação”, diz Amabile.
- A Estabilidade AI acaba de lançar um gerador de texto para música, ...
- Já desejou que sua vida tivesse uma trilha sonora? O novo recurso D...
- Apple realiza pesquisas com desenvolvedores utilizando o Vision Pro...
Também: O que os analistas de tecnologia estão dizendo sobre o futuro da IA
As necessidades analíticas, por outro lado, podem ter algum grau de latência. “Para casos de uso analíticos, primeiro definimos um acordo de nível de serviço para latência aceitável”, diz Amabile. “Talvez relatórios voltados para o usuário precisem ser em tempo real, mas relatórios executivos podem ter horas de atraso. Por exemplo, as partes interessadas geralmente solicitam dados e relatórios em tempo real para casos de uso em que o processamento em lote ainda pode ser aceitável.”
Os gerentes também podem querer ser seletivos em relação ao que se torna em tempo real, uma vez que isso também significa atualizações extensas e caras na infraestrutura. “Há uma grande disparidade no nível de prontidão para implantações em tempo real entre diferentes organizações”, diz Tyson Trautmann, vice-presidente de engenharia da Fauna. “Organizações maiores, especialmente aquelas em setores centrados em tecnologia, como finanças, comércio eletrônico e serviços de tecnologia, geralmente possuem infraestruturas robustas capazes de lidar com dados em tempo real. Mas essas capacidades muitas vezes foram construídas adicionando camadas complexas a produtos legados que não suportavam nativamente dados em tempo real.” Isso também traz um “grande ônus operacional”, acrescenta ele.
Também: Relatório sobre o estado da TI: IA generativa em breve se tornará comum, dizem 9 em cada 10 líderes de TI
Vale a pena o esforço e os gastos para fazer a transição? “A infraestrutura e a complexidade na construção, execução e operação de sistemas em tempo real muitas vezes não estão alinhadas com os benefícios de migrar de processamento em lote para verdadeiramente em tempo real”, diz Amabile. “Muitas vezes, quase em tempo real é tão valioso quanto em tempo real para a maioria dos casos de uso.”
Uma vez que o tempo real também significa mover dados analíticos em alta velocidade de uma fonte para um sistema, é preciso ter cuidado para garantir que esses dados sejam verificados e confiáveis. “O crescimento dos dados criou grandes quantidades de complexidade para as empresas governarem, gerenciarem e avaliarem, muitas vezes com conjuntos de dados expansivos de várias fontes diferentes”, diz Sam Pierson, vice-presidente sênior da Qlik. “É crucial que as organizações tenham uma forte estratégia e infraestrutura de dados para garantir que os dados mais recentes, de fontes válidas e confiáveis, sejam usados em tempo real, ou as decisões provavelmente levarão a resultados incorretos.”
Questões de qualidade dos dados precisam ser abordadas antecipadamente. “Com dados em tempo real, muitas vezes há menos tempo para limpar e preparar os dados antes de serem usados”, diz Trautmann. “Isso pode levar a decisões com base em dados incompletos ou imprecisos, o que pode levar a resultados ruins.”
Também: 5 tecnologias que transformarão as empresas, segundo a Gartner
A questão da confiança em tempo real “está se tornando ainda mais importante em um mundo onde a IA generativa está crescendo em interesse e uso”, diz Pierson. “Ser capaz de confiar nos dados que estão sendo fornecidos aos funcionários, sabendo com certeza que são válidos e apropriados para como estão sendo usados, é essencial para manter a conformidade regulatória e a segurança e governança de dados, ao mesmo tempo em que permite decisões no momento certo que tenham o impacto correto”.
Um sistema em tempo real ou de streaming “requer uma arquitetura complexa, infraestrutura e habilidades de programação além do escopo de uma equipe típica de ciência de dados ou engenharia de dados”, diz Amabile. “Além disso, existem muitas outras considerações que devem ser feitas em relação ao lançamento e implantação, monitoramento e registro, governança, segurança e integração entre aplicativos de negócios, aplicativos voltados para o cliente e sistemas de análise.”
A boa notícia é que existem ferramentas e plataformas que tornam o tempo real mais real – até mesmo para organizações menores ou de médio porte com orçamentos limitados de TI. Na última década, “o surgimento de novas ofertas de infraestrutura em tempo real permitiu a um leque muito mais amplo de organizações aproveitar as capacidades em tempo real”, diz Trautmann.
“Provedores de serviços em nuvem como Amazon Web Services, Google Cloud e Microsoft Azure lançaram serviços gerenciados adaptados para processamento em tempo real, incluindo serviços de dados em streaming e análise em tempo real”, diz ele. “O surgimento de bancos de dados distribuídos, em memória e de séries temporais aborda a necessidade de cargas de trabalho eficientes de dados em tempo real. Ofertas de código aberto como Apache Kafka, Apache Flink e Apache Storm enriqueceram ainda mais o ecossistema de processamento de dados em tempo real.”
Também: IA generativa e o quarto motivo: Construindo confiança com seu cliente
Além disso, “o crescimento da computação de borda também aprimorou o processamento em tempo real, especialmente para aplicativos de IoT, enquanto o potencial da tecnologia 5G para latência mais baixa e maior capacidade de manipulação de dados abre novas fronteiras para aplicativos em tempo real”, acrescenta Trautmann.
No entanto, “a adoção de infraestrutura de dados em tempo real ainda é irregular hoje em dia”, diz Pierson. “Frequentemente, vemos lacunas entre indústrias mais focadas em tecnologia, que tendem a adotar padrões em tempo real mais cedo, em comparação com indústrias como comércio eletrônico e finanças, que podem levar mais tempo. A maioria das organizações também possui uma miríade de tecnologias de gerenciamento de dados e provedores de nuvem, criando complexidade e complicações ao acessar e fornecer dados em tempo real. Regulações de governança e privacidade são outro fator complicador.”
