Transformação digital em telecom: Um longo e inevitável caminho

Muito em breve, a digitalização estará vinculada ao uso das redes 5G e 6G em todo seu potencial, à computação quântica, à busca de soluções de realidade estendida para além da realidade virtual e da realidade aumentada, ou da cocriação e manutenção de metaversos poderosos.

Fernando Moulin, business partner da Sponsorb, professor e especialista em negócios, transformação digital e experiência do cliente

  Telecomunicações é um setor de negócios verdadeiramente fascinante. Passados já quase 25 anos desde a revolucionária – para a época – Lei Geral de Telecomunicações e as inúmeras transformações e impactos que ela trouxe para toda a economia nacional e para a vida das pessoas em geral, ainda sentimos a mesma “excitação” de outrora ao pensar em todas as promessas e potencialidades que o 5G, recentemente licitado, poderá brevemente trazer para nosso dia a dia.

  Fato é que poucas indústrias incorporam em si mesmas tantos elementos de tecnologia quanto o setor de telecomunicações. Inclusive, por muito tempo grande parte da sociedade não conseguia entender com total clareza os benefícios concretos trazidos pela indústria, que teimava em focar excessivamente os aspectos técnicos por detrás de sua constituição e nas infinitas combinações de siglas que os definem.

  Após o advento da crise sanitária decorrente da pandemia da Covid-19, mesmo as personalidades mais resistentes se renderam à necessidade e aos benefícios oriundos da conectividade. Existem mais linhas de celular ativas do que habitantes no Brasil; a quantidade e qualidade dos serviços de banda larga providos pelas ISPs – provedores de serviços de Internet em inúmeras praças do interior do país e cidades de médio porte estão cada vez maiores, facilitando sobremaneira a digitalização, refletida em indicadores quantitativos como a penetração de vendas do e-commerce no total da economia do varejo nacional, bem como na profusão infinita de grupos de WhatsApp e de influenciadores digitais no YouTube, Instagram ou TikTok.

  As operadoras, em sua maioria, seguem investindo robustamente quase 20% de seu faturamento anual na construção e melhoria das redes e de seus serviços, ano após ano. É uma demanda que parece não ter fim e seguir eternamente crescente.

  Tive a oportunidade de trabalhar no setor em seu início, ainda nos anos 2000, bem como de passar por fabricantes constituintes de sua cadeia de valor mais ampla ao longo da carreira e de ocupar, por alguns anos, posição de liderança em uma das principais e maiores operadoras do planeta. Nesta última passagem, fui agraciado com a missão de ajudar a constituir, organizar e liderar um dos maiores programas de transformação digital do Brasil.

  Poderia ser uma frase dita hoje, mas há quase 10 anos (quando comecei esta jornada), já se dizia que as operadoras precisariam realizar uma ampla transformação digital, para não se tornarem inviáveis financeiramente e irrelevantes perante consumidores B2B e B2C cada vez mais exigentes. E ainda que o cenário fosse radicalmente distante do atual em termos de competências e capacidades digitais das empresas do setor, fato é que a transformação digital segue sendo uma dor latente e uma necessidade primordial das telcos.

  Antes, a digitalização consistia em oferecer soluções digitais para os usuários, como aplicativos para autosserviços, portais funcionais e com bom design, canais de e-commerce e atendimento digital; hoje, consiste no uso aprimorado de técnicas de big data e inteligência artificial para desenvolvimento de novos produtos e serviços e para um profundo entendimento das dores dos clientes, no lançamento de novas soluções digitais para os clientes em parceria com startups e empresas de outros segmentos, na otimização inteligente das redes a partir de algoritmos, ou mesmo na contínua automação do back-end e dos softwares para prestação dos serviços core e non-core.

  Muito em breve, a digitalização estará vinculada ao uso das redes 5G e 6G em todo seu potencial, à computação quântica, à busca de soluções de realidade estendida para além da realidade virtual e da realidade aumentada, ou da cocriação e manutenção de metaversos poderosos e que farão do filme Matrix apenas uma versão embrionária desta realidade cada vez mais integrada entre os universos “real” e “virtual”.

  Mas um fator continua sendo essencial e preponderante para o êxito neste processo de transformação contínuo: a forte demanda por talento capaz de entender soluções digitais, desenvolvê-las e atuar aplicando a tecnologia em negócio, sempre com um profundo viés humano e um olhar individualizado em prol das necessidades mais íntimas de cada cliente, seja ele uma empresa, seja um consumidor final.

  A tecnologia em si nada mais é do que uma habilitadora. Portanto, há que se investir cada vez mais no talento humano que seja capaz de utilizá-la com propriedade, foco no business, mas principalmente no usuário. Para isto, um dos grandes desafios históricos das operadoras é sua simplificação em termos de governança e sistemas, eliminando camadas de ineficiência decisórias e processuais que não agreguem valor ao acionista ou ao cliente final.

  A metodologia agile e soluções como o design thinking têm importante papel neste contexto, ajudando na criação de equipes multifuncionais cada vez mais autônomas e empoderadas. Ainda que todas as operadoras hoje já adotem esta prática (e tenho orgulho de ter ajudado neste pioneirismo, com a concepção do Vivo Digital Labs), ainda vejo enorme espaço para evolução e aprimoramento no processo de adoção do ágil em escala, por exemplo.

  Outro caminho é a alocação de um orçamento específico para que os times de inovação, voltados para o desenvolvimento de novos produtos e serviços ou mesmo buscando soluções mais disruptivas e de impacto potencial menos intuitivo, possam ter relativa autonomia no desenvolvimento de seus projetos e iniciativas sem ampla interferência do status quo. Ainda que eu acredite que uma empresa inovadora em essência não devesse, em teoria, ter um núcleo específico de inovação, o fato é que, em ambientes de culturas conservadoras e avessas à transformação, este núcleo inicial em geral é fundamental para que haja um rompimento da inércia e a entrega de soluções iniciais mais disruptivas e com foco puro em transformação digital para os usuários finais.

  Várias empresas do setor têm encontrado seus próprios caminhos e ritmos na busca de acelerar seus programas de transformação digital. Particularmente, ainda acho que veremos muitas novidades nesta fronteira ao longo dos próximos anos.

  Sabendo da enorme ambição dos executivos do setor e que as operadoras estão bastante distantes de serem a referência de experiência e digitalização que seus clientes esperam, antevejo desafios bastante interessantes para todos que abraçarem a jornada de transformação digital em telecomunicações. O mundo precisa desse setor cada vez mais forte e digital – e eu não tenho nenhuma dúvida de que há uma belíssima oportunidade de carreira para quem quiser fazer a diferença real na vida de milhões de pessoas, que certamente serão beneficiadas pelo processo massivo e inexorável de transformação digital.

Cuide do seu corpo

Edgar Amorim, facilitador DiSC e coach executivo, da Amorizar Pessoas

Segurança cibernética: Uma decisão de negócio

Cesar Candido, diretor de vendas da Trend Micro

  Estamos convivendo, nos últimos anos, em um cenário de cibersegurança muito mais desafiador. A pandemia trouxe mudanças de paradigmas com o estabelecimento do trabalho remoto e híbrido e fez com que a conectividade se tornasse mais necessária do que nunca, permeando diversos aspectos da nossa vida.

  A empresas ainda estão se adaptando e buscando alternativas para elevar o nível de proteção contra os riscos e ameaças desse “novo normal”, mas há um consenso entre os CISOS brasileiros sobre os fatores que tornam esse desafio mais complexo. Entre os quais, podemos citar:

• o fato da infraestrutura dos clientes estar em total transformação digital em meio à jornada para a nuvem;

• a transformação do comportamento dos usuários, que desejam trabalhar utilizando diferentes tipos de dispositivos, e em qualquer lugar do mundo, com a tendência de continuidade do “Work from Home” mesmo após a pandemia;

• um cenário de ameaças cada vez mais aprimorado e direcionado, com a era da monetização dos ataques cibernéticos, que já atingiu dezenas de empresas brasileiras;

• a regulamentação de leis de proteção de dados, que já faz com que as empresas vejam a segurança da informação como um diferencial competitivo, e a privacidade de dados como um assunto de CEO e board;

• o enorme déficit de profissionais de segurança cibernética, com alta demanda e turnover de equipe.

  O “Relatório de Riscos Globais 2022” dedica um capítulo inteiro aos riscos de cibersegurança, apontando um gap de 3 milhões de profissionais da área e o aumento de 435% nos ataques ransomware, desde o início da pandemia. O estudo mostra, ainda, que 95% dos problemas de segurança ocorrem devido a erros humanos. Isso gera uma panela de pressão para o executivo e profissionais da área, que perdem o sono pensando em como manter suas empresas seguras diante de tantas ameaças.

  Entendo que é humanamente impossível obter um índice satisfatório de resiliência de cibersecurança sem a ajuda de técnicas de machine learning e inteligência artificial. A sua alta capacidade de processamento permite a coleta de dados e elaboração de estatísticas de todos os elementos e ativos, graças a técnicas avançadas de correlação e avaliação de comportamento. O uso dessas técnicas permite que a equipe de segurança concentre seu tempo e esforços nos incidentes realmente relevantes.

  A inteligência artificial deve estar presente em todas as tecnologias de proteção, sejam nas estações de trabalho, servidores, e-mail, nuvem e rede. Ela é essencial no contexto atual de segurança cibernética, a qual precisa ser tratada como decisão de negócio, fazendo parte das prioridades das organizações. Uma abordagem orientada para resultados requer um olhar atento à transformação cultural e organizacional que vivemos e às providências que precisam ser tomadas para surfar essa nova onda.

Saiba como diminuir os custos operacionais do data center

Pequenos detalhes de otimização acabam gerando um grande impacto nos custos de um data center. A recomendação é fazer uma análise periódica dos equipamentos, ficar sempre atento à eficiência energética ao comprar equipamentos e, por fim, planejar bem a modernização da sua infraestrutura.

Hermano Albuquerque, diretor geral LATAM para o Grupo Halo/Skylane

  Uma necessidade em comum entre os gestores de infraestrutura pelo mundo é a de diminuir os custos operacionais do data center, centro tecnológico de grandes operações e negócios. Por ser um dos alicerces das empresas, demanda uma quantidade significativa de recursos para se manter funcionando e pode provocar uma perda financeira incalculável se houver interrupção em sua operação.

  A estimativa global dos gastos com sistemas de data center é de U$ 207 bilhões em 2022, um aumento de 5,8% em relação ao ano anterior, segundo estudos do Gartner. Apesar dos custos variarem de acordo com as regiões nas quais se encontram, a necessidade de redução de custos é universal e tem sido uma estratégia dos mais diversos setores.

  Um dado interessante, levantado pela Mordor Intelligence, é a conta de energia dessas infraestruturas, estimada em US$ 16 bilhões em 2020, com uma previsão de atingir os U$ 20 bilhões até 2026. Essa fatura tem levado a uma tendência por investimentos em equipamentos que gerem eficiência e economia, dois quesitos que precisam estar juntos quando se trata de infraestrutura tecnológica, visto que cortar gastos sem manter a eficiência acabará prejudicando o negócio.

  A seguir vamos pontuar quatro dicas importantes a fim de diminuir o consumo e manter o desempenho do data center:

 

1 – Eficiência energética

  Ao adquirir um equipamento, muitos analisam apenas o preço, mas é importante considerar a eficiência energética. A energia consumida varia de acordo com a qualidade de fabricação. Alguns fornecedores podem usar peças mais baratas ou cortar custos em seus processos para que os equipamentos funcionem normalmente, mas não são confiáveis ​​no longo prazo.

  Olhando para o mercado de transceptores óticos, por exemplo, o consumo de energia pode diferir apenas em alguns décimos de watt por unidade, mas essa diferença se acumula diariamente para uma diferença exponencial nos custos operacionais diários.

  Os data centers atuais visam operar com métricas de eficiência entre 40% e 70% da carga crítica. Isso significa que para cada 1 watt de carga crítica de TI usada, uma carga de suporte adicional de 0,4 W a 0,7 W é usada para resfriar e manter o data center. Dada a economia do data center, reduzir a carga de TI em 1 watt significa reduzir a carga total de energia em 1,4 a 1,7 watts – resultando em economias significativas ao longo do tempo. Por meio de um transceptor óptico de menor consumo de energia, os gerentes de data center podem minimizar os custos operacionais e seu impacto no Opex e no Capex.

 

2 – Modernização dos equipamentos

  Equipamentos antigos, em geral, consomem mais energia do que os atuais. A evolução tecnológica dos dispositivos engloba um consumo mais adequado para um processamento maior e mais eficaz, por isso a modernização do parque tecnológico é fundamental para melhorar a capacidade de processamento e a eficiência das operações.

  Apesar dos investimentos envolvidos na modernização do parque tecnológico, o benefício pode ser vantajoso, tanto em relação a custos operacionais diários como também em relação a aumento da capacidade, melhoria operacional e a segurança das operações no geral. Equipamentos novos tem menos riscos de falhas do que antigos.

 

3 – Economia de espaço

  Uma das principais considerações que os arquitetos de TI têm ao construir um data center é a utilização do espaço. Alguns equipamentos com formatos menores podem economizar mais espaço do que outros com a mesma taxa de operação. A otimização do espaço afeta diretamente no sistema de refrigeração e gasto de energia.

  Voltando ao mercado de transceptores óticos, um módulo ótico de 40G QSFP+ típico tem cerca de 78 mm de comprimento e 18 mm de largura, muito mais curto do que um módulo ótico CFP com aproximadamente 144 mm de comprimento e 82 mm de largura. Como resultado, os transceptores de fibra óptica com formatos menores podem fornecer soluções otimizadas com economia de espaço para um data center de alta densidade. Essa mesma premissa vale para switches, servidores, nobreaks e demais equipamentos.

 

4 – Energia renovável

  Além do valor agregado que as pautas sustentáveis oferecem para as empresas, adotar opções de energia renováveis faz total diferença nos custos de um data center. Até porque, estima-se que o valor da conta de energia dessas infraestruturas fica em torno de 10% do faturamento. Portanto, apesar do alto investimento em equipamentos renováveis, como os painéis de energia solar ou gerador de energia eólica, essa é uma opção que trará um grande custo-benefício com retorno de investimento previsto em até seis anos.

  É importante notar que os mínimos detalhes de otimização acabam gerando um grande impacto nos custos de um data center. Portanto, a recomendação é fazer uma análise periódica dos equipamentos, ficar sempre atento à eficiência energética ao comprar equipamentos e por fim, planejar bem a modernização da sua infraestrutura.

A era dos robôs: O que vem por aí?

Prof.ª e Dra. Alessandra Montini

Os desafios de telecom na batalha contra o ransomware

Paulo de Godoy, country manager da Pure Storage no Brasil

  As maiores e mais rentáveis empresas são os alvos principais dos cibercriminosos, e telecom também está nessa mira. Só no Brasil, o investimento no setor em 2022 seguirá a média do ano passado, permanecendo acima de R$ 30 bilhões, segundo a Conexis Brasil Digital, organização que reúne as empresas de telecomunicações e de conectividade. No ritmo de expressivo crescimento e das modernizações, a tendência é que a preocupação com a cibersegurança também se torne prioridade nesse segmento.

  A proteção dos dados é uma estratégia improrrogável. A superfície de ataques em telecomunicações é enorme, já que as redes de operadoras suportam milhões de dispositivos de endpoint, incluindo smartphones, roteadores Wi-Fi, dispositivos usados na indústria e comércio e assim por diante. Cada endpoint representa um ponto de entrada potencial que precisa ser protegido, como se fosse um castelo com um milhão de pontes levadiças.

  As redes de telecomunicações e a cabo estão entre as maiores e mais complexas do mundo. Por isso, as condições em que operam e a natureza dos seus negócios as transformam em grandes alvos de ataques de ransomware. Entenda como funcionam:

Um mix de hardware. Embora as operadoras tentem consolidar as funções de rede em uma gama menor de hardware por meio da virtualização, há muito a ser aprimorado. As redes ainda consistem em dezenas de tipos de dispositivos exclusivos e cada um requer seu próprio gerenciamento de segurança, expertise para operá-lo, além de gerenciamento em tempo integral de patches e senhas. Há também muitos sistemas antigos ainda em uso, como servidores Solaris.

A rede é compartilhada. As operadoras são as redes core. Sendo assim, precisam se interconectar na borda com milhares de outras redes. No contexto de proteção, isso significa que cada uma delas pode se tornar um ponto de entrada para um ataque.

Tantas “coisas” conectadas! A IoT – Internet das coisas traz cada vez mais dispositivos autônomos que não são operados por usuários humanos e muitas vezes não são monitorados, se tornando potencialmente vulneráveis. Esses dispositivos geralmente não estão sob o controle da operadora de telecomunicações, mas usam as redes da operadora para transportar dados.

  O ransomware não é novidade, mas a escala e sofisticação desses ataques, sim. Os grupos aprimoraram as técnicas e se tornaram “caçadores de recompensas”, como o DarkSide, que miram um lucro altíssimo. É justamente essa mudança que coloca as telecomunicações como alvo suculento, e isso não é só teoria. Em outubro de 2021, o LightBasin violou 13 redes diferentes de teles. O grupo foi identificado com alta expertise em sistemas específicos de telecom e OMU – unidades de operação e manutenção.

  Os hackers do LightBasin se aproveitaram da interconectividade das redes. Não é surpreendente que os servidores precisem se comunicar uns com os outros como parte de acordos de roaming entre empresas do setor. No entanto, a capacidade do LightBasin de alternar entre várias empresas decorre da permissão de todo o tráfego entre elas, sem identificar os protocolos que são realmente necessários.

 

Dados protegidos podem salvar uma operação do caos

 

  Proteger os sistemas contra ransomware é um desafio mesmo em uma rede pequena. E, mesmo com toda a sofisticação das operadoras de redes e os esforços voltados para a segurança, essa ainda é uma tarefa árdua.

  É importante lembrar que o objetivo da infiltração de ransomware é criptografar dados e usá-los para extrair um pagamento financeiro em troca de uma chave de descriptografia. Mas, durante um ataque não há tempo para sair bloqueando o máximo de dados possível.

  Dessa forma, é imprescindível obter uma cópia segura e imutável dos dados e metadados de backup. Só assim, mesmo quando as credenciais do administrador estiverem comprometidas, é possível restaurar rapidamente os dados críticos para a continuidade dos negócios com apenas alguns cliques, evitando gigantescos impactos financeiros e operacionais causados por uma paralisação.

  Além disso, é preciso ter um planejamento claro e as ferramentas corretas para proteger os conjuntos de dados primários e garantir os destinos de backup também de forma segura, com provedores que ofereçam soluções certificadas e seguem práticas recomendadas por órgãos regulatórios de cibersegurança.

  A maturidade do setor está evoluindo rapidamente, à medida que os líderes reconhecem a necessidade de criar camadas de segurança eficazes para evitar episódios desastrosos que colocam a própria reputação das empresas em risco. E esse é um trabalho que, como qualquer outro, requer planejamento e investimento, mas ainda assim pode ser realizado de forma simplificada, rápida e segura.

Python e plataformas de dados translíticas: Casamento perfeito para machine learning

Os desenvolvedores focados nas aplicações de missão crítica com uso intensivo de dados passaram unanimemente a preferir as plataformas translíticas de dados para suportar todo tipo de dados e cargas de trabalho.

Gerson Koji Saito, engenheiro de vendas da InterSystems no Brasil

  É inegável o crescimento explosivo do uso de Python nas grandes corporações. Isso é facilmente comprovado em várias publicações acessadas na web, tanto acadêmicas quanto jornalísticas. Não é à toa que os desenvolvedores focados nas aplicações de missão crítica com uso intensivo de dados passaram unanimemente a preferir as plataformas translíticas de dados para suportar todo tipo de dados e cargas de trabalho.

  Afinal, análise de bases de dados e baixa latência são características muito vantajosas dessas plataformas para se trabalhar com modelos analíticos e de aprendizado de máquina (ML – machine learning). Esse trabalho tem como base a criação de modelos de análise que precisam passar por um “treinamento”, que consiste em expor esse modelo a dados históricos e observar como o modelo de ML se comporta e se as conclusões do cientista de dados estão corretas ou não.

  A estratégia da escolha por Python, portanto, leva em consideração fatores como grande oferta e demanda de programadores, ter se tornado de fato um padrão de fato para desenvolvimento de modelos de ML e a grande escala de seu uso nas corporações.

  O gráfico abaixo mostra o aumento da demanda por programadores em Python.

  Um dos pontos mais importantes do ML, no entanto, e que muitas pessoas se esquecem ou não levam em consideração, é a qualidade dos dados usados na etapa de treinamento. Um artigo recente publicado na Forbes nos esclarece sobre isso. A seu respeito, um dos pensadores mais respeitados na comunidade de TI no Brasil, Cezar Taurion, fez o seguinte comentário em um post: “(…) Hoje gasta-se, pelo menos 80% do tempo na preparação e limpeza dos dados para um sistema de ML ser treinado. Modelos com esse conceito tendem a apresentar resultados ruins quando os dados mudam, por exemplo, quando entrando em produção.”

  O tempo e o esforço que as corporações despendem preparando os dados para serem ingeridos nos modelos de ML é muito grande e é “preconceituoso”. O preconceito é fazer os dados se adequarem ao modelo, quando o correto seria o inverso. Os dados acumulados representam a vida como ela é, ou seja, a realidade.

  O uso de um “smart data fabric”, no qual os dados são tratados como cidadãos de primeira classe, permite que os dados sejam tratados, limpos e anonimizados sem perder a sua significância e a ligação com a realidade.

  Um dos grandes gargalos de processamento de modelos analíticos ou de ML é o tempo necessário para preparar os dados, que residem num sistema de armazenamento de dados transacional, e levá-los para o sistema de processamento analítico. Os modelos analíticos requerem uma grande massa de dados, e até o tempo de transferência do resultado de uma query entre os dois sistemas pode ser significativo.

  Um dos maiores apelos de se usar Python numa plataforma de dados é conseguir rodar esses processos analíticos no servidor de banco de dados, eliminando a necessidade de transferir os dados do banco transacional para o servidor de processamento analítico.

  Hoje, a necessidade é que as plataformas de dados sejam translíticas. Translítico é um termo usado pelo Forrester Group para descrever um banco de dados que é capaz de executar operações transacionais tradicionais concomitantemente com operações analíticas. HTAP, do inglês “Hybrid Transactional and Analytical Processing” é outro termo usado para descrever esse tipo de servidor.

  A possibilidade de executar código em Python nativamente numa plataforma permite que os cientistas de dados executem os processos no servidor de dados em vez de levar os dados para o servidor de processamento analítico. Além disso, plataformas de dados devem suportar PMML – Predictive Model Markup Language, que permite que elas importem ou exportem modelos preditivos de machine learning, o que torna as plataformas ideais para a implementação de MLOps  – Machine Learning Operations.

  MLOps implementa ferramentas para o gerenciamento do ciclo de vida completo de um modelo de ML: treinar o modelo; conduzir análise dos erros para identificar os tipos de dados nos quais o algoritmo apresenta baixa performance; conseguir mais dados via nova coleta; ou conseguir marcações mais consistentes para os dados que foram detectados como ambíguos.

Cada watt conta: Eficiência energética no data center

Sergio Fukushima, gerente de soluções da Axis Communications

  O crescimento do mercado de data centers foi ininterrupto nos últimos anos e a pandemia acelerou ainda mais esse setor, tanto em números quanto em escala. Como o trabalho e a educação se deslocaram dos escritórios, escolas e colégios para a mesa e sala de estar da cozinha, a dependência da Internet e dos serviços baseados na nuvem também aumentou significativamente.

  Como resultado, estão sendo criados mais centros de dados e uma boa parte são data centers ‘hyperscale’ – definidos como tendo um mínimo de 5 mil servidores ou pelo menos 900 metros quadrados (e muitos são bem maiores). Ao mesmo tempo, estamos assistindo uma tendência paralela para micro data centers localizados próximos do “limite”, onde os dados são gerados e consumidos.

  Dada a importância dos data centers ou, mais especificamente, das funções, sistemas e organizações que eles apoiam, não é surpresa que eles sejam agora considerados parte da infraestrutura crítica de uma nação.

 

O alto consumo energético

 

  Embora proporcionem inúmeros benefícios à sociedade, às empresas e aos consumidores, os data centers também têm um lado negativo: o alto consumo energético. Seja na própria potência, no resfriamento necessário ou nos sistemas periféricos de apoio, o consumo de recursos dos centros de dados tem, com razão, chamado a atenção de especialistas.

  Em novembro, a Comissão Europeia publicou os resultados de um estudo focado em serviços em nuvem e centros de dados mais ecológicos. Como parte das metas para ser o primeiro continente neutro em termos climáticos até 2050. O estudo, ao destacar o crescimento do consumo de energia pelos centros de dados nos estados membros da EU, propôs soluções técnicas e políticas para abordar a questão. As soluções técnicas incluem sistemas de refrigeração mais eficientes, reutilização de calor, utilização de energias renováveis e a construção de centros de dados em regiões com clima frio.

  Para fazer justiça, os fornecedores também estão na busca por formas de reduzir a energia necessária para gerir todos os aspectos da instalação. Além disso, como os estudos têm salientado, as credenciais de sustentabilidade de um centro de dados serão a consideração mais importante para a escolha dos clientes sobre qual fornecedor escolher. De fato, ao encontrar formas de reduzir o consumo de energia com o centro de dados, cada watt conta.

 

O papel das soluções de videomonitoramento

 

  O monitoramento por vídeo desempenha um papel central na segurança dos data centers, essencial à medida que a sua importância crítica para a sociedade aumenta. Como em qualquer parte da infraestrutura, a energia consumida pelo videomonitoramento também fica sob observação atenta. As câmeras de vídeo em rede geram dados, e estes requerem transferência e armazenamento, o que exige energia. Há tecnologias capazes de reduzir o consumo global de energia de um sistema de monitoramento, diminuindo a largura de banda e os requisitos de armazenamento em 50%, em média, sem perder nenhum dos detalhes forenses na resolução de imagem e taxa de fotogramas necessários.

 Do mesmo modo, as câmeras equipadas com análise de borda, -onde a análise das filmagens de vídeo tem lugar na própria câmera, transferindo menos dados por meio da rede para análise nos servidores. Assim, é possível poupar mais energia.

  As tecnologias de baixa luminosidade também trazem benefícios na redução do consumo global de energia. Os centros de dados geralmente não são muito povoados com pessoas. No entanto, algumas câmeras de videomonitoramento ainda requerem iluminação intensa para fornecer imagens nítidas. Existem tecnologias que proporcionam imagens a cores vivas e detalhes forenses superiores mesmo na escuridão quase total, reduzindo a quantidade de iluminação necessária para alcançar segurança e proteção.

 

 

O poder dos ganhos

 

  Quando se pensa no consumo global de energia de um data center, é muito importante focar na potência computacional e na refrigeração. No entanto, existem muitos outros aspectos de um centro de dados que consomem energia e que devem ser incluídos nas estratégias de eficiência global. Direta e indiretamente, uma solução de monitoramento bem concebida pode satisfazer os requisitos de segurança e proteção, contribuindo ao mesmo tempo com as metas de sustentabilidade.

Python e a ciência de dados

Simone Rodrigues, Editora da Infra News Telecom

  Desenvolvida para ser simples, intuitiva e flexível, a linguagem de programação Python está cada vez mais presente no dia a dia dos profissionais de tecnologia. As empresas já entenderam o “poder” dessa ferramenta open-source, que permite criar aplicativos e software com rapidez e custo acessível.

  Com mais de 30 anos, a Python conta com uma extensa biblioteca de pacotes e é uma linguagem interpretada em tempo de execução e que não precisa ser compilada – diferente de programas escritos em C# ou C++, por exemplo, que devem ser compilados para gerar um programa de código de máquina.

  A Python também é muito usada pelos cientistas de dados para criar modelos e aplicações de machine learning e inteligência artificial. Um artigo publicado nesta edição explica porque essa linguagem, em conjunto com plataformas de dados translíticas, é vantajosa para quem trabalha com ML – machine learning. “Um dos maiores apelos da Python numa plataforma de dados é conseguir rodar o processamento de modelos analíticos ou de ML no servidor de banco de dados, eliminando a necessidade de transferir os dados do banco transacional para o servidor de processamento analítico”, diz Gerson Koji Saito, engenheiro de vendas da InterSystems no Brasil.

  Segundo ele, “executar código em Python nativamente numa plataforma permite que os cientistas de dados operem os processos no servidor de dados em vez de levar os dados para o servidor de processamento analítico”. Isso ainda traz muito mais agilidade ao processo.

  De acordo com uma pesquisa da CodingNomads, empresa global de cursos e especializações de TI, a Python será a linguagem de programação mais usada nos EUA e Europa em 2022, ultrapassando a Java e a C#. Grande parte dessa demanda está atrelada a sua expansão nas indústrias de ciência de dados, aprendizado de máquina e inteligência artificial.

 

Mercado de trabalho

 

  A Python também está aquecendo o mercado de trabalho. Um relatório da plataforma freelancer norte-americana Upwork, divulgado no ano passado, revelou que a ferramenta figurava na lista das 15 linguagens de programação mais bem pagas dos EUA. No Brasil, a procura por profissionais qualificados e com expertise nesse tipo de ferramenta só aumenta. A linguagem é uma das exigências de profissões listadas num levantamento feito pelo Linkedin que aponta os 25 cargos com mais alta demanda no país, incluindo cientista de dados.

  Uma pesquisa da Intera, startup baiana especializada em recrutamento digital, indica que a abertura de vagas destinada a cargos de dados cresceu 485% no primeiro semestre do ano passado, em relação ao mesmo período de 2020. O estudo, realizado com 4 mil profissionais de 34 empresas, incluindo analistas, engenheiros e cientistas de dados, ainda mostra que a média salarial continua alta. Um analista de dados pleno, por exemplo, ganha entre R$ 7.333 e R$ 9.333. Já o salário de um cientista de dados especialista/líder varia de R$ 18 mil a R$ 22 mil.

  Boa leitura!