O futuro do Qlik: estamos explorando todo o potencial da IA?

[EduardoLopes]

Tenho refletido bastante sobre como estamos utilizando o ecossistema da Qlik no dia a dia, principalmente com a evolução dos recursos de IA e automação, como o Qlik Predict e o Qlik AutoML.

Na prática, vejo que muitas empresas ainda utilizam o Qlik de forma mais tradicional, focado em dashboards e análises descritivas. Mas a plataforma já permite ir além, trazendo análises preditivas e até prescritivas.

Algumas perguntas para troca de ideias:

Vocês já estão utilizando recursos de IA no Qlik? Se sim, em quais cenários?

Quais desafios encontraram ao implementar modelos preditivos?

Como está a aceitação do negócio em relação a essas análises mais avançadas?

Ainda faz sentido separar BI “tradicional” de Data Science, ou o Qlik já está unificando tudo?

Acredito que estamos em um momento muito interessante, onde o papel do analista de dados está evoluindo rapidamente — saindo de apenas explicar o passado para ajudar a prever e influenciar o futuro.

Quero muito ouvir a experiência de vocês 🚀

 

[Josefilhorv]

The future of Qlik: are we really exploring the full potential of AI yet?

I’ve been thinking about how quickly the Qlik ecosystem is evolving, especially around AI, automation, predictive analytics, and features like Qlik Predict / AutoML.

In many companies, Qlik is still mainly used in a traditional BI way: dashboards, KPIs, and descriptive analytics. Nothing wrong with that — it is still extremely valuable. But the platform seems to be moving fast toward predictive and more action-oriented analytics.

We haven’t enabled all AI features in our environment yet, so I’m still evaluating from a distance. But from what I’ve seen, the progress is very real and moving quickly.

A few questions for the community:

Are you already using AI capabilities in Qlik?

Which use cases are actually bringing value?

What challenges have you found with adoption, governance, data quality, or business trust?

Do you still see BI and Data Science as separate areas, or are platforms like Qlik starting to bring them closer together?

I’d be interested to hear how others are approaching this. 🚀

[marksouzacosta]

Fala @EduardoLopes ,

Primeiro, só pequeno ajuste: Qlik Predict é a nomenclatura nova do Qlik AutoML. Eles são a mesma coisa.

Especificamente sobre o Qlik Predict, ele é um produto fantástico mas de implementação muito complexa. A operação da ferramenta em si é simples. O problema é desenvolver os modelos. Isso exige muita criatividade, percepção, experiência, conhecimento técnico, conhecimento dos negócios e tempo. Esses  elementos são bastante raros de se alinhar pra se conseguir um modelo que reflita a realidade. Os resultados também são muito dificeis de serem comprovados.

Qlik Answers e Qlik MCP são por outro lado muito mais simples de se implementar e de ver os resultados, por isso são muito mais populares.

Atenciosamente,

Mark Costa

[EduardoLopes]

Muito bom o ponto! Não sabia que o Qlik Predict era a nova nomenclatura do AutoML, valeu pela correção.

E concordo contigo, a parte mais “difícil” não é usar a ferramenta em si, mas construir modelos que realmente façam sentido para o negócio e tragam resultados confiáveis. Isso exige muito alinhamento entre conhecimento técnico e entendimento da operação.

Também vejo que Qlik Answers e MCP acabam tendo uma adoção mais rápida justamente por entregarem valor mais visível no curto prazo.