As tecnologias que sustentam a movimentação e a unificação de dados na nuvem nunca foram tão capazes. As plataformas de dados atuais oferecem controle de versão do código, emulação local, computação sem servidor (serverless) e uma combinação de linguagens para carga e transformação de dados.
Mesmo assim, a qualidade das ferramentas de engenharia e de consumo de dados é apenas um fator para as seguradoras que reavaliam suas bases de dados sustentáveis. As cargas de trabalho de inteligência artificial (IA) são hoje prioridade, mas construir novas capacidades caras sobre uma base pouco confiável não é um bom caminho.
Organizações com ecossistemas de dados fragmentados e legados têm a oportunidade de se beneficiar da experiência de quem saiu na frente. Os líderes de tecnologia do setor podem tirar lições de concorrentes, pares e de suas próprias iniciativas anteriores. Saber o que evitar, no entanto, não é o mesmo que ter um caminho claro a seguir.
Não existe bala de prata
Muitos setores exageram a singularidade de seus desafios tecnológicos, mas o seguro de fato apresenta vários fatores complicadores. O negócio depende de redes nas quais seguradoras e resseguradoras assumem e distribuem riscos, enquanto corretores e atacadistas (wholesalers) conectam clientes e mercados. Grandes organizações de seguros precisam, portanto, administrar uma complexa teia de fluxos de dados entre muitos participantes.
Os sistemas legados também continuam sendo os sistemas de registro e as plataformas operacionais de fato para informações críticas, e seguem moldando a forma como os dados são estruturados e acessados. Ao mesmo tempo, as obrigações regulatórias variam conforme a jurisdição e o ramo de negócio, o que dificulta executar uma governança consistente em larga escala.
Mesmo com boas ferramentas e equipes talentosas, o desafio pode parecer intimidador.
Comece pela confiabilidade dos dados
É tentador partir direto para uma estrutura de unificação de dados, mas as organizações devem primeiro garantir que os dados circulem de forma confiável por toda a empresa, especialmente ao investir em novas ferramentas. A confiabilidade é pré-requisito para uma governança eficaz e pode reduzir o esforço de longo prazo necessário para unificar os dados.
As perguntas básicas são simples: os dados que deveriam circular entre os sistemas estão chegando quando deveriam? Se algo der errado, as equipes responsáveis ficam sabendo e têm uma forma definida de reagir?
A prática pode começar com métricas de contagem de linhas enviadas a sistemas de alerta, para que as equipes responsáveis saibam quando ocorre uma interrupção. Pode evoluir para a validação contínua dos valores dos dados e para a integração estreita com sistemas de governança que preservam a linhagem (rastreabilidade) dos dados. Em sua forma mais madura, pode detectar o vazamento de informações pessoais identificáveis antes que os dados cheguem a um destino indevido e automatizar a resolução de certos problemas temporários, sujeito a governança, auditabilidade e supervisão humana adequadas.
Mesmo práticas básicas de confiabilidade podem ajudar a organização a priorizar e direcionar seu esforço de unificação de dados. Os investimentos nessa área também continuam rendendo ao longo de toda a jornada, do desenvolvimento à produção.
Planeje antes de unificar em escala
Atendidas as necessidades básicas de confiabilidade, as organizações devem fazer uma pausa para o planejamento estratégico. A governança de dados e a governança de IA precisam estar alinhadas, mas continuam sendo disciplinas distintas. Como a unificação de dados em toda a empresa pode ser intimidadora, os líderes devem identificar os casos de negócio mais importantes. Entre eles, podem estar a criação de um produto de dados de alta qualidade, a automação do relatório de sinistralidade (loss runs) para um grande parceiro ou a viabilização de uma plataforma de visão 360º do cliente para os atendentes.
Nossa regra prática é dedicar cerca de 90 dias à elaboração de um roteiro estratégico e estabelecer um primeiro marco relevante dentro de um ano. O roteiro deve conectar os casos de uso prioritários a responsabilidades de governança, padrões técnicos, necessidades de equipe e uma sequência realista de entregas.
As decisões de tecnologia precisam fazer parte desse planejamento. Ambientes modernos de nuvem, voltados ou não a dados, podem rapidamente gerar dispersão e custos sem o valor correspondente. As organizações devem definir padrões para segurança, gestão de identidade e acesso, progressão dos ambientes do desenvolvimento à produção e uso de infraestrutura como código. As plataformas de dados modernas podem sustentar esse nível de controle e colaboração, mas as organizações precisam implementar esses recursos de forma deliberada.
Os modelos de implementação também devem refletir as capacidades e as necessidades das diferentes equipes que contribuem para a plataforma. Equipes com maturidade em nuvem e engenharia de dados podem conseguir operar com orientação das funções centrais de governança. Áreas de negócio que administram dados críticos ou têm menos experiência de implementação podem exigir apoio mais direto de arquitetos e de equipes de entrega auxiliadas por IA. O roteiro estratégico deve levar em conta essas diferenças de pessoal e de suporte.
Prepare-se para uma maratona
Concluir o primeiro caso de uso de alta prioridade merece comemoração, mas é apenas o começo. O que vem depois exige execução disciplinada, cobrança contínua de valor das ferramentas modernas e a garantia de que os dados permaneçam confiáveis quando alimentam relatórios, análises e IA.
Novas capacidades em plataformas de dados unificadas podem criar o impulso inicial, mas CTOs, CIOs e diretores de dados (chief data officers) serão julgados, no fim, por a base permitir ou não que o negócio opere e evolua de forma sustentável. Alcançar esse objetivo começa com dados confiáveis e uma base bem construída.
Escrito por Ryan McElroy, vice-presidente de tecnologia na Hylaine.
Com informações de Iireporter.
Leia mais:
