Cloud e os desafios dos custos

cloudTemos trabalhado com Cloud a alguns anos e vivenciado todos os desafios, muitos deles focados no desenvolvimento de aplicações voltados a Cloud, porém muitas vezes esquecemos de um dos ítens principais: O CUSTO. A marcação dos recursos utilizados na Cloud é uma das formas de controlar os custos, mas tenho visto que não necessariamente é eficaz.

Somos e estamos sendo impulsionados a adotar a Nuvem (Cloud) por uma série de fatores, principais impulsionadores tais como velocidade, agilidade, flexibilidade de plataforma e custos reduzidos – ou pelo menos custos mais previsíveis.

É irônico, então, que mais da metade das empresas e até em nossas experiências mostrem que os custos descontrolados da nuvem sejam o maior ponto de dor pós-migração. 

É um grande desafio trabalhar com custos de uma Cloud, e quando se fala em multicloud o cenário fica mais crítico. Quando os custos são acumulados por várias equipes, usando várias contas, envolvendo vários produtos em várias regiões geográficas, em várias plataformas de nuvem, obter uma ideia clara pode ser uma tarefa quase impossível. Por esse motivo, as equipes de infraestrutura e operações geralmente recorrem a soluções de gerenciamento de nuvem para obter melhor visibilidade dos custos.  Desta forma, tenho estudado, procurado com especialistas e definido alguns caminhos para melhorar o entendimento e gestão de custos de uma plataforma em número.

USO DE TAGS: Uma forma comum através das quais as equipes e as soluções de gerenciamento de custos tentam aumentar a visibilidade é através do uso de tags. A marcação é essencialmente o processo de atribuição de nomes à infraestrutura (servidores, bancos de dados, volumes de armazenamento, etc.) e, em alguns casos, aplicativos ou projetos. As tags podem incluir informações úteis, como região geográfica, departamento, ambiente, a finalidade do servidor ou até mesmo o nome da pessoa que provisionou o servidor. Um exemplo é provisionar um banco de dados na região de  leste da AZURE como: evan-mysql-us-east-1.

Agrupamento lógico: Pode-se considerar como agrupar logicamente aplicativos ou infraestrutura provisionada em “projetos” ou até mesmo em equipes. Em seguida, projetos e equipes poderiam receber orçamentos, tornando a alocação de custos e os relatórios muito mais simples, removendo a dependência de tags. O provisionamento de desenvolvedores na nuvem pode associar seus aplicativos aos projetos aos quais pertencem ou aos centros de custo aos quais se reportam. Mas esta é apenas uma solução parcial para o problema. Mesmo que as equipes possam verificar a exatidão perfeita na marcação ou possam ser movidas para um modelo de custo baseado em projeto, a visibilidade dos custos da nuvem é apenas um primeiro passo; é uma abordagem reativa ao gerenciamento de custos e não resolve completamente o problema.

Gerenciamento proativo de custos: Medidas proativas de controle de custos serão sempre mais eficazes em qualquer seguimento, não sendo diferente para Nuvem. Porém, infelizmente, atualmente existem poucas soluções que ajudarão as equipes a fazer isso. Eu diria que a melhor prática é definir políticas orçamentárias a nível do projeto e da equipe e aplicar essas políticas por meio de ferramentas automatizadas. Dessa forma, os aplicativos podem ser agrupados em projetos associados a orçamentos de equipe ou de unidades de negócio. A TI e o Financeiro podem definir controles de custos para unidades de negócios. Unidade de negócio ou equipes individuais podem definir orçamentos para projetos. Essas políticas podem servir de proteção, garantindo que os aplicativos e projetos não excedam o orçamento esperado, ao mesmo tempo em que deem às equipes liberdade para serem produtivas por meio de métodos como o autoatendimento automático.

Com essas práticas implementadas, mesmo no lado reativo, as equipes de TI e finanças terão maior percepção de onde vêm os custos.  Por exemplo, uma análise de custo pode recomendar o uso de instâncias reservadas, quando elas proporcionam economias significativas de custos e sugerem o dimensionamento correto da carga de trabalho, e sempre que as equipes puderem autorizar esse uso automaticamente ou aprovar manualmente. Acabamos de fazer isso em um dos nossos grandes projetos (instâncias reservadas).

Ao habilitar um sistema de controle de custos proativo e um mecanismo de análise de custos mais poderoso e contextual, você pode tornar o descontrole dos custos multicloud  algo do passado.

O fato é que Rapidez, agilidade, flexibilidade  e eficiência de custos – esse é o santo graal e o futuro multicloud.

 

 

Anúncios
Publicado em Cloud, Infraestrutura, Inovação, Profissional, TI - Tecnologia da Informação, Transformação Digital | Marcado com , , , , , | Deixe um comentário

Pontos importantes para carreira Cientista de Dados

Ser um Cientista de Dados por estar estudando disciplinas de estatística, matemática ou computação e já estar atuando em alguma área correlata, ou por ter interesse e ter iniciado um processo de seleção para alguma vaga de Cientista de Dados, é importante prestar atenção para não cair em algumas armadilhas que identificam “falsos” cientistas de dados.

Outro ponto importante e uma verdadeira armadilha para quem contrata, é não fazer do seu cientista de dados um desenvolvedor ou um resolvedor de problemas. Difícil desafio.

Diante disso, seguem alguns pontos importantes para reflexão:

• Não entender se quer contratar um cientista ou um desenvolvedor – Em muitos casos, os empregadores querem contratar essencialmente um desenvolvedor ou um codificador, mas que também seja um cientista – em suma, um unicórnio. Muitas vezes até por falta de conhecimento dos contratantes isso acontece, ou porque a empresa não tem a necessidade real de um cientista de dados.

Minha dica neste caso: DEIXE CLARO O QUE VOCÊ DESEJA. Se quiser tentar convencer quem está contratando, você pode ser capaz de convencê-los que é bom em ambas as tarefas, enfatizando sua perspicácia em negócios, com base em histórias de sucesso verificáveis com fatos concretos e fáceis de quantificar com algumas métricas de performance.

• Candidatar-se ao emprego errado – Caso você se candidate a uma posição de codificador, sendo um cientista, seja muito claro antecipadamente sobre quem você é. Isso vai poupar muito tempo para todo mundo, inclusive você mesmo.

• Ignorar questões de negócios durante a entrevista – E, em vez disso, focar exclusivamente em código, tecnologia, ou teoria. Não adianta falar somente de código, fale de negócios, e como cientista qual é (são) sua (s) linha (s) de estudo de defesa.

• Oferecer respostas artificiais às perguntas, destinadas a seduzir o entrevistador, dizendo exatamente o que ele espera ouvir.

• Falta de menção a histórias de sucesso, juntamente com métricas que medem o sucesso em questão (como redução de custos em 30%, aumento da retenção de 20%).

• Não saber sobre ferramentas, técnicas, plataformas ou linguagens de programação que seus subordinados (se você for contratado), estarão usando. Pelo menos você deve ter uma ideia geral sobre eles: por exemplo, ser capaz de responder quais são as diferenças entre “Python” e “R” mesmo se você nunca usou essas linguagens. É uma boa ideia pedir ao RH informações sobre quem serão seus entrevistadores, e fazer alguma pesquisa sobre seus antecedentes, utilizando LinkedIn. Até mesmo se conectar com eles na rede.

• Não saber as tendências em sua indústria – Você não responder a perguntas como “como você acha que deep learning irá evoluir ao longo dos próximos 5 anos” ou “é a Internet das coisas ou a AI que veio para ficar?”.

• Não diferenciar-se dos outros candidatos ou não mencionar seus pontos fortes (por exemplo: um geek que entende os termos de negócio; um analista que se esforça para completar todos os projetos antes do tempo; um cara que adora automatizar suas tarefas sempre que possível para poupar tempo e para lidar com maiores cargas de trabalho; alguém que trabalha muito bem em equipe e que sabe quem delegar e até mesmo inspirar e gerar energia positiva para os colegas; ou alguém que é um autodidata e aprendeu Python e R tudo por si mesmo; um cara que desenvolve aplicativos populares durante seu tempo livre; um autor respeitado com o seu próprio blog e artigos; experiência com enormes conjuntos de dados, como terabytes; ou um analista que adora otimizar processos e pode fornecer exemplos).

• Não conseguir dizer muito sobre a velocidade (complexidade computacional) de vários algoritmos, oferecendo soluções lentas/ineficientes, quando solicitado a resolver um problema, não sabendo onde as complexidades e gargalos estão em plataformas modernas.

• Acreditar que o dado é rei – Não ser capaz de imaginar possíveis fontes de tendências e variâncias. Não ter nenhuma experiência em trabalhar com dados desorganizados. Não saber como os dados são produzidos e como as métricas são identificadas. Só poder falar sobre dados estáticos.

• Não ser capaz de dizer os prós e contras de plataformas de dois produtos populares, arquiteturas, linguagens de programação ou algoritmos. Você precisa ler a literatura para se familiarizar com isso. Por exemplo: R contra Python; as 8 piores técnicas preditivas; 10 tipos de regressões, qual escolher; ou Hadoop contra Spark.

Por fim, compartilho um estudo feito em 2015 pela Analytics Week & Business Over Broadway com mais de 490 profissionais de dados, onde foram solicitados a informar sua proficiência em 25 elementos numa escala de 0 (não conheço) a 100 (sou expert), chegou à distribuição de áreas de conhecimento abaixo:

data_science_skill

 

Valeu pela leitura moçada!
Enjoy!

Publicado em Computação cognitiva, Inovação, Motivação, Pessoal, Profissional | Marcado com , , , , | Deixe um comentário

Características de um bom cientista de dados

Nos últimos 3 anos tenho me dedicado e totalmente envolvido em um projeto do qual hoje é uma empresa denominada ROBBYSON, uma plataforma tecnológica com foco em gestão de pessoas utilizando práticas de gamificação e muita ciência de dados.

Durante a definição do time técnico um dos fatores interessantes e que ilustram a mudança de mercado foi a criação de uma liderança técnica focada em CIÊNCIA DE DADOS. Geralmente criávamos, em projetos de tecnologia, equipes com foco em Banco de Dados e BI (Business Intelligence), mesmo ciência de dados não sendo um tema tão atual relativamente a sua criação.

Bem, diante deste cenário, tenho recebido muitas solicitações de “aconselhamento” no linkedin sobre o que fazer para ser um cientista de dados. Enfim, talvez eu possa colaborar analisando negócio e também avaliando os profissionais que atualmente tenho na equipe.

Basta ser curioso? Basta entender de tecnologia? Basta entender de números? Basta ser desenvolvedor? Basta ser estatístico? Enfim, quantos “bastas”cabem nesta profissão que está em seu auge de crescimento e atualmente temos quase 50% das pessoas que entram para estudar tecnologia optam por ciência de dados.

Existem diversas definições válidas para o termo “ciência de dados”. Gosto particularmente de uma que diz que a ciência de dados é a arte de construir modelos a partir das “coisas que sabemos que conhecemos” (“known knowns”, em Inglês) que, quando aplicados, funcionam para as “coisas que não sabemos que não conhecemos” (ou “unkown unknowns”). Parece loucura e você precisará, assim como eu, ler este trecho várias vezes para entender.

Antes de mais nada é preciso registrar que o cientista de dados é, em sua essência, um CIENTISTA. Por isso, tem que possuir todos os atributos de um cientista tradicional – como curiosidade natural, resiliência, persistência, habilidade e principalmente de lidar com fracasso. Tecnicamente falando, é preciso aliar estas qualidades e características a ferramentas e conhecimentos de dados e estatística.cientista_dados.jpg

 

As características básicas que compõem um bom cientista de dados podem ser vistas na imagem a seguir:

 

 

Diante daqueles “bastas” citados acima, digo que um cientista de dados não basta ser bom em tecnologia ou cálculos matemáticos. Tentei recolher aqui algumas características importantes cruzando conhecimentos acadêmicos e principalmente a aplicação no mundo corporativo real. 

  • Habilidades avançadas – Um estudo de salários de cientista de dados descobriu que 88% deles têm pelo menos um mestrado e 46% possuem Ph.D. Os campos de formação variam de matemática até estatística, ciência da computação a engenharia, ou até mesmo economia e pesquisa operacional. Mas o fato é que, sem possuir a formação em um grau avançado, é incrivelmente raro alguém ter as habilidades técnicas necessárias para ser um cientista de dados.

 

  • Formação é estritamente acadêmica – Pessoas que tenham estudos avançados e que só tenham experiência no mundo acadêmico devem trabalhar no desenvolvimento de sua perspicácia em negócios. Os melhores cientistas de dados são capazes de relacionar dados puros com aplicações de negócios no mundo real.

 

  • Excel é a sua ferramenta de análise primária – Se o Excel é a sua caixa de ferramentas, você pode estar trabalhando com dados, mas não é um cientista de dados. Você provavelmente já sabia disso. Por outro lado, sabendo como usar Hadoop, Python – e não apenas AWS – não garante que você seja a pessoa certa para o trabalho, mas que pode criar com essas ferramentas exemplos de experiências com dados não estruturados.

 

  • Acrescentar itens importantes aos dados – Para mim, a qualidade mais importante de um cientista de dados é a capacidade de agregar valor aos dados por meio da análise e interpretação. Qualquer pessoa pode apresentar os fatos que os dados fornecem. Um bom cientista de dados, porém, será capaz de apresentar esses fatos com interpretação e visualização que ajudará os executivos e cientistas (que não são de dados) na organização a captarem o sentido deles e tomarem decisões importantes.

 

  • Ser criativo – Pode ser apenas o estereótipo do cientista ou estatístico, mas as pessoas não tendem a ver um cientista de dados como criativo. No entanto, a criatividade é uma característica-chave para um bom cientista de dados, porque em suma ele é um contador de histórias. Dados são inúteis sem contexto, e faz parte do trabalho do cientista de dados fornecer contexto e mostrar como os dados podem ajudar a resolver problemas complexos.

 

Bem, em breve escrevo mais sobre este profissional foda!
Enjoy!

 

Publicado em Inovação, Inteligência Artificial, Profissional | Marcado com , , , , | Deixe um comentário

RESKILLING! Entre ou saia!

O que mais escutamos, lemos e observamos sobre carreiras é que A MAIOR PARTE DAS PROFISSÕES SERÁ AUTOMATIZADA. Mas na boa, qual a distância de tempo em que isso será consolidado? Eis a questão!blog-reskilling.png

Eu mesmo já escrevi textos aqui sobre profissões do futuro e outras coisas a este respeito de automatização, inovação, digitalização, porém, uma coisa é fato:

TODOS PRECISAMOS SER ADAPTATIVOS. 

Ser adaptativo está vinculado principalmente a sua capacidade de adaptação, mudança, aprendizado rápido e principalmente encontrar a melhor forma de trabalhar entre e com novas gerações.

Então, à medida que os tipos de habilidades necessárias no mercado de trabalho mudam rapidamente, os colaboradores individuais terão que se engajar na aprendizagem ao longo da vida se quiserem alcançar carreiras satisfatórias e recompensadoras. Para as empresas, as estratégias de requalificação e aperfeiçoamento serão fundamentais para encontrar o talento de que necessitam e contribuir para abordagens socialmente responsáveis ​​para o futuro do trabalho. Para os decisores políticos, a requalificação e reciclagem da força de trabalho existente são alavancas essenciais para fomentar o crescimento econômico futuro, aumentar a resiliência da sociedade face à mudança tecnológica e preparar o caminho para sistemas de educação prontos para o futuro para a próxima geração de colaboradores.

Quando citamos números, em um relatório da McKinsey Global Institute, em 2030 cerca de 375 milhões de trabalhadores – ou cerca de 14% da força de trabalho global podem precisar mudar categorias ocupacionais digitalização, automação e avanços na inteligência artificial interrompem o mundo do trabalho.

Bem, então para toda força de trabalho é necessário a prática do RESKILLING, sejam os profissionais de produção, gestão ou executivos. O que mais preocupa essa mesma pesquisa da McKinsey aponta que somente 14% dos executivos encontram-se preparados para essa mudança.

Eu na prática tenho visto que grandes executivos ainda vestem terno e gravata (modo ilustrativo de comentar sobre o modelo antigo de gestão), ao invés de procurar usar em cada momento a “roupa” adequada. Não há mais espaço em ser quadrado, achar que está em posição de conforto e que sua liderança em modelo “chefe” está garantida por sua experiência e cabelos brancos.

Então, colocando em prática posso falar por mim. Eu pratico e tenho praticado cada vez mais este tal de RESKILLING! O conceito basicamente é: ATUALIZE-SE SEMPRE DE FORMA CONTÍNUA seja na sua área de atuação ou até mesmo áreas de interesse. Sabe aquela prova de conhecimentos gerais?! Então, imagina que sempre precisa estar atualizado para colocar em prática.

Colocar isso em prática passa por novas formações, mas principalmente “estar junto das equipes operacionais”, entender o que está sendo feito, entender tecnicamente aquilo que está sendo criado, participe sempre de grupos de discussões e LEIA! LEIA! LEIA MUITO!

Enjoy!

Publicado em Inovação, Motivação, Profissional | Marcado com , , , , | Deixe um comentário

GOOGLE: Relatório sobre você

O Google mantém uma página com link de download para o relatório com dados que a empresa já coletou sobre você. Com tamanho de cerca de 2 gigabytes, o arquivo traz informações sobre sua navegação no Chrome, interações no Gmail, no Fotos, no Maps, no Drive e no YouTube, para citar seus principais serviços.

O Maps, por exemplo, traz dados sobre o seu deslocamento diário e locais salvos, enquanto a área referente ao YouTube contém informações sobre comentários, playlists e inscrições.

Já o campo chamado “Minha Atividade” tem os dados sobre as suas interações nos diversos serviços do Google, incluindo o serviço de publicidade da empresa e a pesquisa por voz.

Google_analyticsVocê pode fazer o download do relatório com os seus dados neste link. Ele pode ser enviado ao Gmail (como um link para download) ou salvo no Google Drive quando estiver pronto para ser acessado.

O Google não é a única empresa a oferecer isso. Desde que a lei de proteção a dados pessoais entrou em vigor na Europa, conhecida como GDPR, as companhias de tecnologia foram obrigadas, mediante pagamento de multa, a oferecer ferramentas de download para exportação e importação de dados de seus serviços. Instagram, Facebook, WhatsApp e outras grandes empresas que oferecem serviços na web agora têm relatórios pessoais que podem ser baixados pelos usuários.

Fonte: Leitura na revista exame.

Publicado em Marketing Digital, Profissional, TI - Tecnologia da Informação | Marcado com , | Deixe um comentário