Você sabe quais são os principais erros em Business Intelligence (BI) cometidos pelas empresas? Quando se pensa em uma gestão corporativa de alto nível, não há como ignorar que ela só será possível se as tomadas de decisão forem suportadas por informações de qualidade. E entre todas as tecnologias disponíveis e recomendadas, são as ferramentas de BI as que mais se destacam.
No entanto, aplicá-las, por si só, não é o suficiente para obter as suas vantagens — é preciso saber usá-las e, mais importante, evitar os equívocos. Do contrário, além de não alcançar os resultados que espera, há a possibilidade de você piorá-los ainda mais.
Pensando nisso, preparamos este artigo para apresentar os 4 erros em Business Intelligence que você não pode cometer! Não perca a leitura:
1. Falta de planejamento na implantação
Engana-se quem pensa que a implantação de uma ferramenta de BI se resume apenas à compra e à instalação do software. É necessário planejar e levar em consideração quais são os objetivos da organização.
Além disso, deve-se avaliar também a forma com que esse tipo de solução pode contribuir para a consecução dos resultados. E é justamente a falta de planejamento um dos principais erros em Business Intelligence.
Por essa razão, a dica é simples: procure por uma consultoria especializada, que lhe ajude a planejar e acompanhar a implantação desse instrumento.
2. Não ter bons repositórios de dados
Outro equívoco que merece ser destacado corresponde ao repositório de dados. Nesse sentido, estamos nos referindo à qualidade das informações em que se têm em mãos.
Elas precisam ser confiáveis e atualizadas e, preferencialmente, estar integradas (ou integráveis), sem serem redundantes. Lembre-se: negligenciar a confiabilidade dos dados pode ser uma falha fatal.
3. Falta de integração entre ferramentas
Diante da união de tecnologias que possibilitam o BI a coletar, processar e analisar os dados de uma companhia, é de fundamental importância que haja uma integração entre as ferramentas de negócio.
A questão a salientar, aqui, é que as informações obtidas virão de uma série de diferentes fontes, como clientes, fornecedores e o mercado como um todo. E, normalmente, elas serão coletadas a partir de softwares de ERP, CRM, automação de marketing, gestão de projetos, WMS e outros tantos.
Porém, se elas não estiverem integradas, as chances de confrontação de dados são significativas. Portanto, para se esquivar dos problemas relativos aos desencontros de informação, tenha a certeza de que as suas ferramentas estejam operando em conjunto.
4. Ausência de um profissional capacitado
Não ter um profissional capacitado também está entre os erros em Business Intelligence que você deve evitar. Tenha em mente que colocar “qualquer um” para desempenhar essa solução dificilmente trará o sucesso da sua iniciativa.
Sendo assim, contrate um profissional qualificado ou promova o treinamento de alguém da sua equipe! E, repetindo o que já falamos neste artigo: procure o apoio de uma consultoria com expertise em BI.
Para concluir, não poderíamos deixar de ressaltar que, se você deseja garantir o crescimento da sua empresa e destacá-la perante a concorrência, a aplicação do Business Intelligence é uma obrigação.
Enfim, o que achou deste artigo sobre os erros em Business Intelligence? Gostou? Sobrou alguma dúvida? Deixe o seu comentário aqui para a gente!
Olá Leandro.
Acredito que o potencial da área de Business Intelligence dentro das empresas pode ser maior do que se imagina hoje.
Trabalho com consultoria de B.I. para agencias e empresas, e enfrentamos diariamente dois grandes problemas.
1- Padronização dos dados: Como utilizamos muitas fontes de dados, todo o processo, desde o que a implementação, até a parte operacional, precisa ser muito bem estruturada. Sem o padrão das informações perde-se muito tempo com “correção”, sendo que “tempo” não é o que temos para identificar um padrão, pois no dia seguinte ele pode mudar se não o tratarmos.
2- Pessoas que não sabem o que querem: Corporações não sabem o que querem, logo querem tudo. O problema é que sabemos que não tudo não é necessário, se consegue identificar padrões e otimizações com metade do volume. Sendo assim o processo de otimização passa a ser inteligente para ser operacional.
O futuro da área esta encaminhando para segmentações e clusterizações dinâmicas para analise de Big Data, mas se o processo de todos envolvidos precisa ser muito bem desenhado e a área de B.I. precisa ter este knowhow também.
Obrigado e muito bom seus artigos.
Oi João, obrigado pelo seu comentário! Concordo com você!
Realmente, a padronização dos dados é o ponto mais sensível mesmo. Aqui estimamos em torno de 60% a 70% do tempo em um projeto de BI apenas para esta parte.
Sobre as pessoas não saberem o que querem, aqui vemos como uma certa vantagem. Muitas vezes não é nem exatamente não saber o que querem, mas não saberem o que é possível fazer. Com isso, parte do nosso trabalho aqui é exatamente entender do que o cliente sofre aí então sugerir algumas coisas. Tentamos não ir para uma abordagem de “o que você quer” mas sim de “quais são seus problemas”.
Isso me deu até a ideia de criar um post focado nisso, vou deixar anotado para o futuro!
Existe uma técnica chamada Árvore de Realidade Presente, da Teoria das Restrições, que lida justamente com essa barafunda de problemas e entendimentos. Eu experimentei a mesma frustração que você, João, e decidi resolver esse problema. A imagem https://geekbi.files.wordpress.com/2020/10/bi_toc-crt-x.png é um resumo do que eu tenho até agora.
Adoraria uma contribuição. “O cliente não sabe o que quer” já está lá. “Dados são sujos” e “Dados são bagunçados” me parecem boas adições.
O que você acha? E você, Leandro?
[…] para aumentar seu lucro ou diminuir seus custos operacionais. Esse é o conceito básico de Business Intelligence utilizado como diferencial […]
[…] de BI — Business Intelligence ou, traduzindo, Inteligência Empresarial — é justamente o diferencial que uma empresa precisa para tratar dados gerados por vários meios. Veja alguns contextos que podem servir de […]
eu precisava para compor você uma pouco de note ajudar diga obrigado again com o extraordinário conselhos você compartilhado nesta página . Foi certamente maravilhosamente generoso com você dando abertamente tudo o que muitas pessoas {poderiam ter | poderiam possivelmente ter | poderiam ter | teriam | distribuído para um ebook para gerar alguma massa para eles mesmos , especialmente considerando que you poderia ter tried it se você nunca desejado . Those estratégias também agido como outras pessoas tenha semelhante desire como my own entender bom negócio mais relacionado este assunto . Eu tenho certeza há alguns mais agradáveis ocasiões ahead para pessoas que ver seu site
Bom dia,
Há muita diferença das versões do livro The Data Warehouse Toolkit?
Vejo que ele esta na 3 edição.
Posso comprar apenas a 3 ou devo comprar todas?
Oi Marcos!
Há algumas atualizações com conceitos mais atuais. Não precisa comprar todas as edições não, apenas a 3a já cobre tudo que precisa.
Sim e não. A maior diferença é entre a primeira edição e as restantes. Da segunda edição em diante, quando a Margy Ross assumiu o livro, é tudo mais ou menos o mesmo.
A primeira edição, que por acaso chegou a ser publicada em português, é a melhor, na minha opinião. Ela é mais concreta, menor e mais focada. Se conseguir achá-la, compre. Vale ouro.
Sobre o comentário do João Kechichian, concordo em relação às empresas não terem claro o que querem, e concordo com o Leandro sobre a abordagem de “Qual o seu problema” para dar as sugestões.
Mas vale ressaltar que as empresas não conseguem identificar o que querem por não terem claro um Planejamento Estratégico e objetivos bem descritos. Isso facilita muito perceber quais indicadores serão necessários acompanhar para atingir os resultados esperados.
Gostaria de entender se a utilização da Big data nas empresas gera algum tipo de desvantagem nas pessoas que lá trabalham ?
Parabéns por trazer a CRISP-DM de volta ao tablado. O “produtocentrismo” que assola o mercardo de BI pressiona os players a comprar o último brinquedo, a seguir a última moda, quando quase tudo que tem algum uso prático já existe há décadas – como o CRISP-DM
Seria legal um artigo um artigo comparando-o com SEMMA. Pode ser muito interessante para quem entrou na área há menos de 20 anos.