Conforme as equipes de P&D buscam digitalizar seus fluxos de trabalho, encontram o mesmo tema recorrente: uma proliferação de dados de várias fontes e vários padrões e processos em vigor. Onde antes a digitalização se concentrava na disponibilização de dados de forma informatizada, agora, as empresas precisam tornar os dados utilizáveis sem atrito, seja por cientistas ou por computadores, ou seja, inteligência artificial (IA). Unificar diferentes fontes de dados é normalmente uma etapa necessária para a usabilidade e promete um excelente ROI, mas não é barato.
O objetivo de um sistema de dados unificado é unir diferentes fontes de dados em um único sistema. Um exemplo de sistema não unificado pode ser um ELN, que contém notas experimentais, ou um sistema LIMS, que registra os resultados dos testes de desenvolvimento e produção, outro sistema para registrar dados do consumidor e ainda outro para dados regulatórios. Pode ser fácil encontrar dados em um desses sistemas, mas muitas vezes é muito demorado amarrar os dados entre os sistemas e entender como uma mudança experimental registrada no ELN levou a um comportamento de saída diferente observado no LIMS, o que levou a diferentes dados de cliente.
O processo de unificação dos dados normalmente funciona implementando um sistema mais completo, que substitui vários sistemas existentes, ou tentando vincular os dados em um sistema de hub. Uma abordagem mista geralmente funciona melhor; é comum que ELN + LIMS seja substituído por uma solução moderna que traz o melhor de ambas as estruturas, mas as informações de preço muitas vezes ainda são extraídas de um sistema ERP de produção.
As duas principais desvantagens da abordagem unificada são os custos de troca e a necessidade de uma entrada de dados mais rigorosa. O primeiro custo é mais óbvio, existem sistemas em funcionamento com os quais os cientistas estão acostumados a trabalhar e que a TI já verificou. Uma abordagem unificada requer deixar alguns desses sistemas e vincular outros à nova estrutura. O gerenciamento de mudanças será necessário tanto de P&D quanto de TI. As organizações devem garantir que qualquer novo provedor trabalhe com elas e seja investido no sucesso dessa mudança. Seria um erro caro pagar a um fornecedor de software uma grande taxa inicial e não trabalhar com eles depois, pois isso desincentiva o fornecedor original de garantir o sucesso. Abordagens modernas, como o faturamento baseado em assinatura, ajudam a alinhar os incentivos aqui.
A desvantagem menos óbvia é a necessidade de rigor em um sistema unificado. Quando cada cientista trabalha em uma página de caderno de laboratório, é aceitável que um cientista chame algo de “Ing A”, outro de “Ingrediente A” e outro de “Nome comercial XYZ”. No entanto, todo o benefício de um sistema unificado é padronizar essas informações. A organização deve esclarecer internamente que o objetivo é representar cada objeto de maneira consistente, garantindo que o provedor em questão possa acomodar isso. Recursos como direitos de controle de acesso para quem pode editar entradas/saídas e mesclagem de dados devem ser facilmente alcançáveis.
Apesar das preocupações com a unificação de dados, os principais benefícios podem fornecer um alto ROI, especialmente para organizações com equipes maiores. O primeiro benefício-chave é simplesmente a facilidade de encontrar dados. Ser capaz de encontrar uma formulação usada em um experimento de P&D (não de produção) que atendeu a certas metas de produção e usa certos ingredientes, geralmente requer um telefonema hoje. Quando isso se torna uma consulta de 15 segundos, os cientistas podem gastar mais tempo inovando e menos tempo limpando dados.
Uma vez que os dados podem ser encontrados facilmente, a próxima etapa é facilidade de visualização e recursos analíticos. Muitos cientistas em organizações de P&D trabalham extraindo dados desses sistemas, limpando-os no Excel e, a seguir, plotando-os em um programa independente. Cada etapa desse processo leva tempo e cria a possibilidade de introdução de erros. A maioria das equipes de P&D tem perguntas que gostaria de fazer sobre seus dados, mas nunca as questionou, porque simplesmente compilar as informações levaria muito tempo. Essas perguntas podem ser respondidas com muito mais facilidade com um processo simples de consulta e filtragem em um só lugar, ao invés de atingir vários programas.
O objetivo final para muitas equipes de um sistema unificado são os recursos de IA. Embora seja necessário advertir que os ganhos com IA não serão imediatos, pode ser um grande benefício de uma abordagem de dados unificada. O software de IA precisa de dados limpos para funcionar - nenhum algoritmo pode retificar entradas e saídas que não estejam disponíveis em conjunto ou inconsistência do rótulo de entrada. Hoje, como os dados são divididos em vários sistemas, o trabalho de IA frequentemente envolve projetos pontuais com longas fases de limpeza de dados; isso introduz potencial de erro e reduz o pool de dados disponível. Um sistema unificado ajudará a garantir que o trabalho de IA faça parte de um fluxo de trabalho padrão, permitindo que seja usado com mais frequência em uma organização.
Mudar para um sistema de dados unificado requer esforço e atenção dentro de uma empresa. Mas se as organizações aceitarem isso, haverá muitos benefícios a serem colhidos - da pesquisa de dados, análise das informações e, eventualmente, também dos recursos de IA.
Fonte: New Food Magazine
