Como escolher uma ótima solução

Landscape

Tantas ferramentas e fornecedores

como escolher o mais apropriado?

Esta semana, durante a preparação de uma aula para a pós-graduação, me deparei com a situação de como escolher uma ótima solução. Isso porque, para resolver problemas envolvendo Big Data, Machine Learning, Data Science e Inteligência Artificial, existem muitas soluções incríveis no mercado. Mas e ai, qual é a que melhor resolve meu problema?

Pensando nisso, montei a aula trazendo a experiência que uso no meu trabalho. Quando há a necessidade de recomendar uma solução aos clientes, em situações nas quais eles não tem uma exigência específica, tento me basear esta abordagem.

É importante deixar registrado aqui, que essa forma de ação, dá um caminho para montar a proposta. Você não deveria se guiar unica e exclusivamente por este caminho. Mas pode usá-lo como um auxílio.

Conhecendo o mapa macro das ferramentas

Já faz alguns anos que Matt Turck elabora um landscape das soluções envolvendo Data & AI. É uma imagem segmentada por áreas, onde dentro de cada uma delas há indicações de ferramentas e fornecedores que ajudam a resolver aquele tipo de problema. Com grandes áreas como Infrastructure, Analytics & Machine Learning, Applications – Enterprise, Cross-Infrastructure/Analytics, Open Source, Data Source & API e Data Resources. E dentro destas grandes áreas, existem sub-grupos para ajudar a estreitar ainda mais a facilidade de chegar à solução.

Com base nisso, você poderá saber quais são as soluções mais apropriadas, segundo Matt Turck e sua equipe, para te ajudar a resolver problemas daquelas áreas. Clicando na imagem do landscape, abrirá a imagem original em tamanho que permite ler.

Landscape

 

Mas qual escolher?

Após ver as sugestões, como escolher uma ótima solução? Eu, particularmente, gosto de usar análises de organizações independentes. Uma destas consultorias é o Gartner. Eles possuem vários relatórios e análises sobre tecnologia da informação. Um destes relatórios é chamado de Quadrante Mágico. Anualmente o Gartner analisa diversos aspectos de ferramentas, agrupadas por áreas de atuação, e apresentam um relatório bem completo com pontos fortes de cada uma delas, e pontos que devem ser analisados com mais cautela por quem for usar aquela solução.

Veja um exemplo de como é o Quadrante Mágico para Data Science e Plataformas de Machine Learning, em 2020.

Quadrante Magico - 2020

Este relatório é pago, e o Gartner vende seu acesso para qualquer empresa. Contudo, o quadrante mágico tem uma área que destaca os líderes de mercado naquela segmentação. Estes líderes compram o relatório com licença de compartilhamento, para usar a seu favor em questões de marketing e comparação com outros concorrentes. Para nós, que estamos buscando entender os pontos analisados pelo Gartner sobre estas soluções, podemos nos beneficiar destes relatórios comprados pelos líderes.

Por exemplo, o quadrante mágico de 2020 sobre plataformas de Data Science e Machine Learning pode ser acessado gratuitamente através de um cadastro simples no site da Alteryx. A mesma coisa acontece para o relatório de 2020 sobre plataformas de Analytics e Business Intelligence que a Microsoft pagou e fornece gratuitamente. Ou então o de Cloud Infrastructure as a Service de 2019 que a Amazon pagou e fornece para os interessados.

E isso resolve?

Este caminho é um guia que vai te ajudar, mas não faz milagres. Existe um universo de situações que você pode enfrentar no seu dia a dia, e entender o que pode ser usado para resolver aquele problema é fundamental. Use estas sugestões e adapte para sua realidade, unindo estas idéias com o que já faz no seu trabalho.

Sobre Diego Nogare 344 Artigos
Diego Nogare é Gerente Técnico de Engenharia de Machine Learning no Itaú-Unibanco. Também é professor em programas de pós graduação no Mackenzie e na FIAP, em São Paulo. Foi nomeado como Microsoft MVP por 11 anos seguidos, e hoje faz parte do programa Microsoft Regional Director.