Publicações

Dados, seu ativo mais precioso para prosperar em 2025

Imagem: Canva Magic Media

Dados, na economia digital, são frequentemente chamados de “novo petróleo”. Tecnologias emergentes como edge computing, IoT, rede 5G, IA (inteligência artificial), machine learning e blockchain geram uma quantidade massiva de dados ao redor do mundo diariamente. A produção de dados estruturados e não estruturados (vídeos, áudios, posts de redes sociais e imagens) pode chegar a 180 zettabytes (180 bilhões de terabytes) em 2025, segundo estimativa do IDC Global DataSphere. Isso representa um aumento de 20% sobre 2024.

A demanda por dados disparou em 2020, com o aumento das iniciativas de transformação digital, e o mercado global de monetização de dados vem crescendo desde então. Avaliado em US$ 3,6 bilhões em 2023, é projetado para atingir US$ 12,4 bilhões até 2030 (CAGR de 19,1% no período), segundo o relatório "Data Monetization - Global Strategic Business Report", da ResearchAndMarkets. Empresas de todos os tipos aceleram seus esforços tecnológicos para transformar o ativo em receita ou inteligência de negócios.

Megatrends para 2025

O uso de dados como produto é apontado pela IDC no relatório "FutureScape: Worldwide IT Industry 2025 Predictions" como uma das grandes tendências do próximo ano para todas as verticais de negócios, que vai impulsionar o aumento dos investimentos em tecnologia e forçar as empresas a quebrar silos de dados isolados e eliminar ineficiências operacionais. 

Especificamente sobre o mercado de capitais, a consultoria Datos Insights liberou um resumo do relatório "Key Technology Trends in Capital Markets in 2025: The Balancing Act", no qual prevê que entre 2025 e 2026, as empresas do setor vão investir US$ 244 bilhões em tecnologia, US$ 21 bilhões a mais que no biênio 2024/2023. As três principais prioridades do setor, segundo as 171 empresas ouvidas, são: gestão de dados, eficiência operacional e gestão de riscos. Compliance e cibersegurança são duas outras prioridades muito próximas em urgência, segundo o relatório.

Fonte: Datos Insights "Key Technology Trends in Capital Markets in 2025: The Balancing Act"

Dados como insumo, produto e receita

Da mesma forma que o petróleo cru precisa ser refinado, os dados precisam ser depurados para ganhar precisão, consistência, integridade, atualidade, relevância e exclusividade. Dados ruins, ou a falta deles, geram respostas inconsistentes, erros de previsão e poucas alternativas de monetização. 

Esse é um dos grandes desafios para 2025, associado ao crescimento do uso da IA, big data e analytics pelas empresas. Plataformas de IA e analytics dependem dos dados para serem treinadas e para gerar respostas. Sem dados de qualidade, projetos caem na armadilha do GIGO (“garbage in, garbage out”), que em bom português significa “entra lixo, sai lixo”.

No mercado financeiro e de capitais, crescem as oportunidades (e os exemplos) da combinação de plataformas de tecnologia com dados diferenciados para revolucionar negócios e alavancar previsões. Na "árvore de oportunidades" para o mercado de capitais, desenhada pela Datos Insights (gráfico abaixo) é possível ver mais de uma dezena de casos de uso, que têm em suas raízes diferentes tipos de tecnologias e dados.

Fonte: Datos Insights

Dados sintéticos para mercados regulados

Uma tendência começa a aflorar: os dados sintéticos para alimentar previsões e modelos de geração de cenários, especialmente em mercados altamente regulados, como o financeiro. Eles aparecem quando os dados do mundo real não existem em quantidade suficiente, ou não podem ser usados por questões de confidencialidade, privacidade ou conformidade regulatória.

Como o nome já diz, os dados sintéticos são criados artificialmente, por meio de algoritmos, modelos estatísticos ou IA generativa. Dados derivados de atividades do mundo real de todo o tipo são analisados para detectar estruturas e padrões, e usados como base para criar novos conjuntos de dados que imitam as principais características do original.

Um exemplo de instituição que utiliza dados sintéticos para pesquisa e desenvolvimento de modelos para serviços financeiros, inclusive mercado de ações, é o JP Morgan, por meio da divisão JP Morgan AI Research.

Cinco exemplos para o mercado financeiro

O uso de dados para criar novos produtos ou serviços cresce globalmente e deve continuar a acelerar. Abaixo, cinco exemplos do uso nos mercados financeiro e de capitais:

1. Análise preditiva de mercado:
   Modelos de IA generativa estão transformando os algoritmos de negociação, aumentando a precisão da previsão e permitindo a tomada de decisões em tempo real para os mercados de ações.
    
2. Robo-advisors e a gestão digital de patrimônio:
   Plataformas de software estão integrando IA e dados para fornecer consultoria personalizada e expandir a acessibilidade, tornando a gestão de patrimônio mais escalável e mudando as funções tradicionais de consultoria. Recentemente, a BlackRock e a SoFi fizeram uma parceria para oferecer uma plataforma de investimento automatizada para investidores de varejo, que inclui acesso a fundos alternativos. No Brasil, o assistente de IA da B3 ajuda a educar investidores iniciantes.
    
3. Investimentos sustentáveis:
   Ferramentas de métricas ESG que usam IA e big data para avaliações mais precisas, atendendo ao aumento do investimento socialmente responsável. Desde 2021, segundo estudo publicado no início de novembro pelo Dealbook, a área de climate risk intelligence, incluindo modelagem financeira de riscos climáticos, vem recebendo investimentos consistentes. A S&P 500 já dispõe de plataforma para esse tipo de análise.
    
4. Dados alternativos na análise de investimentos:
   Fontes de dados não tradicionais (sentimento de mídia social, dados de geolocalização etc.) estão sendo usadas para criar novas estratégias de negociação, com a IA e a análise de big data tornando essas visões acionáveis.
    
5. Gêmeos digitais e simulação de cenários de mercado:
   A tecnologia de gêmeos digitais, normalmente usada em manufatura e IoT, está sendo aplicada agora para criar réplicas digitais de mercados financeiros, permitindo que os profissionais do mercado de capitais testem estratégias em um ambiente simulado. Isso vem sendo chamado de precision banking ou precision investing. No ano passado, o BMO (Bank of Montreal) utilizou digital twins para a operação de compra do BOTW (Bank of West, no Silicon Valley), avaliando digitalmente 503 agências em apenas 3 meses.