As empresas ao redor do mundo tem percebido, cada vez mais, a importância de usar dados para orientar decisões relacionadas aos negócios. Um recente estudo realizado em 2016 pelo instituto Gartner colabora com isso. Foi revelado uma mercado global de aproximadamente $16.9 Bilhões . E todos esse investimento é bastante justificável!

O Business Intelligence — BI é usado pelas empresas para extrair insights a partir de dados. Com o BI, a gestão passa a ter uma ampla visão a respeito da empresa e do mercado e pode se beneficiar de complexas análises realizadas por softwares modernos para tomar as melhores decisões.

As ferramentas usadas nesse processo armazenam e analisam uma grande quantidade de dados de diversas origens, cruzam informações e mostram em dashboards intuitivos e fáceis de se utilizar. Geram também relatórios e gráficos que servem de referência para a organização.

Com isso, os gestores têm uma condição privilegiada para tomarem decisões e melhorarem os processos organizacionais, aumentarem sua eficiência, conhecerem melhor as necessidades dos clientes e a identificarem tendências de mercado.

Consequentemente, a empresa ganha em competitividade e pode se posicionar de forma mais estratégica no mercado.

Porém, essas vantagens ficam em risco quando os dados — o principal insumo para os processos de BI — não têm qualidade suficiente para darem o suporte apropriado às ferramentas de BI. Informações incorretas, incompletas ou inadequadas levam a resultados errados ou inconclusivos para tomadas de decisão, fazendo com que todo o processo fique em cheque.

No artigo de hoje explicaremos as causas dessas falhas e processos que, quando aplicados a um projeto de BI, evitam esses problemas. Boa leitura!

Aspectos que descrevem a qualidade da informação

Os dados que são utilizados em processos de decisão por empresas não podem induzir os gestores ao erro. Caso isso aconteça, a empresa fica sujeita a prejuízos de diversas naturezas como investimentos inadequados, pagamento de multas e rupturas de contratos.

Em BI, os dados dão a orientação para as análises feitas por algoritmos e modelos estatísticos. Como são a principal referência, deve-se zelar por eles, levando em conta os seguintes aspectos:

  • precisão;

  • completude;

  • atualização;

  • relevância;

  • consistência;

  • confiabilidade;

  • acessibilidade.

Entre as causas do não atendimento a esses requisitos estão problemas operacionais, humanos e tecnológicos como veremos adiante.

Falhas na aquisição e gerenciamento dos dados

Os requisitos do negócio em relação ao qual as análises feitas pelas ferramentas de BI serão realizadas devem dirigir todo o processo. Desde a aquisição de dados, passando pelo desenvolvimento e configuração das ferramentas para o processamento das informações até a maneira como serão mostrados nos relatórios e dashboards devem ser norteados pelos objetivos do negócio.

Sem isso, a tecnologia não atenderá às demandas da empresa em qualquer área, sobretudo em BI.

O desalinhamento entre a TI e a área de negócios leva a sérios problemas com relação à geração de dados para o seu input e manejo pelos sistemas.

Isso acarreta falhas no desenvolvimento e customização do software utilizado e também no mau uso delas quando estão em operação. Prejudica também a identificação da origem e pré-processamento dos dados. Esses problemas são comuns quando as pessoas-chave da empresa não são ouvidas na elaboração de requisitos ou quanto são pouco participativas.

Quando os sistemas de BI já estão prontos para serem utilizados, outros problemas costumam gerar inadequação dos dados como falhas humanas ao inserirem informações:

  • uso de softwares desatualizados;

  • mau gerenciamento;

  • falta de suporte para entendimento de sistemas e processos;

  • falhas estratégia de BI, seja em sua definição, seja em sua aplicação.

Há também problemas de governança. Os dados usados nas análises de BI são coletados por longo tempo e devem ser mantidos com segurança. Problemas que possam por em risco sua integridade, como danificação dos sistemas de armazenamento e manipulação por pessoas despreparadas ou desautorizadas.

Ao longo do tempo, informações relacionadas aos agentes envolvidos com o negócio também se alteram. Clientes mudam de endereço, fornecedores são substituídos ou mudam sua razão social. Dados demográficos e econômicos oscilam com frequência.

Assim, ao implementar o Business Intelligence, deve-se atentar para esses cuidados em relação à manutenção do dados e promover ações que garantam a sua qualidade. A seguir veremos processos recomendáveis para isso:

Data Cleansing

É um processo relacionado à descoberta de erros nos dados e sua correção. Tem como objetivo corrigir equívocos, remover dados repetidos, incompletos ou mal formatados. Normalmente, é aplicado sobre cadastros dos clientes como e-mails, números de telefone, endereços, dados bancários e outros que são coletados junto aos clientes ao longo do tempo, como o seu histórico de interação.

Existem ferramentas no mercado que podem corrigi-los de forma automatizada. Elas inserirem informações faltantes como CEPs por exemplo e encontram e removem dados duplicados.

Integração de dados

A grande quantidade e variedade de dados usadas para as análises em BI é armazenada em silos de dados. Cada silo é continuamente incrementado e distingue-se pela natureza das informações que armazena — dados bancários, redes sociais, e-mails e logs de dispositivos móveis — e pelas tecnologias para gerenciamento de dados — sistemas operacionais bancos de dados relacionais e bases de dados NoSQL, por exemplo.

Podem apresentar também formatos distintos como JSON, XML, txt, binários etc.

A integração de dados é um processo que visa combinar esses entre si, para que se tornem mais significativos para análises que resultarão em decisões nos negócios.

Migração de dados

Refere-se à transferência de dados entre diferentes sistemas de armazenamento, formatos distintos e sistemas computacionais. É usada em projetos para diversas finalidades, como backups em nuvem, rotinas de atualização de sistemas, manutenção de infraestrutura, fusão de empresas ou mudança de data center.

Com o crescimento da cloud computing, que reduz o custo com infraestrutura pelas empresas especialmente para projetos mais robustos como BI e Big Data e Analytics, a migração de dados, então, torna-se uma forma de garantir a persistência dos dados e a sua acessibilidade.

Enriquecimento de dados

Quanto maior a quantidade e a variedade de informações, mais as empresas têm poder para gerar conhecimento e compreender as necessidades dos clientes e as variações do mercado em que atua.

O enriquecimento de dados visa agregar uma ampla diversidade de informações ao negócios, como demografia, dados comportamentais e eventos relacionados à sociedade e aos registros dos consumidores. Assim, pode-se ter insights relacionados a seus hábitos de consumo e necessidades e, consequentemente, customizar melhor o relacionamento com eles.

Treinamento para uso das ferramentas

As pessoas envolvidas com o processo de BI devem ser preparadas para selecionar as informações corretas para os processos. Seu treinamento deve zelar pela compreensão do negócio e pelos tipos de informações que serão utilizadas — quanto ao formato, métodos de input e características da informação e métodos de input.

Dessa forma, vemos que o BI é uma ferramenta indispensável para as empresas que pretendem inovar e apresentar vantagem competitiva.

Os dados utilizados em seus processos são o principal insumo e seu gerenciamento adequado impulsiona as chances de sucesso. Assim, processos que levem à limpeza dos dados, integração e melhoria contínua devem ser aplicados. Além disso, as pessoas envolvidas devem estar bem preparadas para os manipularem.

Esperamos que este artigo tenha sido relevante para aumentar sua compreensão a respeito do BI, uma ferramenta indispensável para organizações que pretendem se posicionar de maneira privilegiada no mercado. Assine a nossa newsletter e mantenha-se informado a respeito de tecnologias que estão revolucionando o mercado de TI.