O grande volume de dados gerados por pessoas e empresas precisa ser tratado de forma adequada. Isso implica em usar meios capazes de transformar registros aparentemente disformes e sem correlação em informação e conhecimento útil aos negócios. É em meio a esse contexto que surge o data literacy.
Se o termo é novo para você, não se preocupe. Ao longo do texto você entenderá o que é o data literacy e a sua importância no mundo dos negócios. Falaremos também sobre os seus benefícios e como adotá-lo na empresa. Ficou interessado no tema! Então continue a leitura até o final!
O que é data literacy?
Também conhecido por alfabetização de dados, o data literacy consiste em ler, escrever e compartilhar esses dados. Na prática, é a capacidade de selecionar tudo aquilo que é útil ao negócio, em meio a uma imensidão de dados, tanto estruturados (tabelas e planilhas) como não-estruturados (oriundos, por exemplo, de interações dos usuários em redes sociais). Portanto, o data literacy atua em conjunto com o Big Data, extraindo o máximo possível de insights, conhecimento e valor para os negócios.
Qual a importância do data literacy no mundo dos negócios?
O data literacy trouxe uma visão diferenciada, de modo que a intuição agora deve dar lugar a decisões baseadas em dados. Em outras palavras, o mercado está mais dinâmico e propenso a rápidas mudanças, inclusive nas tendências de consumo. Acompanhe a seguir alguns dos principais benefícios da alfabetização de dados!
Amplia a visão sobre os resultados
Uma visão ampliada sobre os resultados significa maior especificidade. Quando o colaborador possui senso crítico e habilidades analíticas, é possível obter muito mais informações a partir de um incremento nas vendas da empresa, por exemplo. Detalhes que antes eram quase invisíveis hoje podem ser visualizados, agregando conhecimento e valor ao negócio.
Detecta notícias falsas
O data literacy não precisa se limitar a um software com grande poder de processar dados. Pessoas podem detectar notícias falsas e meias verdades pela filtragem, análise e interpretação de tudo o que chega aos seus olhos e ouvidos. Portanto, um profissional alfabetizado em dados estende essa habilidade para além da empresa.
Diferencia-se dos concorrentes
É inegável que a transformação digital aumentou consideravelmente a concorrência entre as empresas. No entanto, quando há profissionais alfabetizados em dados, a chance de obter diferenciais competitivos aumenta, indo desde um atendimento mais ágil até a concepção de produtos que mais ninguém no mercado possui, por exemplo.
Como implementar o data literacy nas empresas?
Implementar o data literacy pode ser algo desafiador para algumas empresas. Planejar é a primeira e mais importante etapa, de modo que os objetivos em relação à alfabetização de dados sejam traçados e possam ser mensurados posteriormente. Dentre as principais dicas de como adotar o data literacy no negócio podemos citar:
- escolha áreas que são mais necessitadas de data literacy, como marketing e vendas;
- disponibilize os dados, de modo que todos os departamentos possam conversar melhor entre si, na soma de esforços para que os objetivos traçados sejam atingidos;
- insira a alfabetização de dados no planejamento de carreira dos profissionais.
O data literacy (ou alfabetização de dados) faz com que os muitos dados produzidos todos os dias se tornem úteis ao negócio. Nós da Know Solutions auxiliamos seu time a desenvolver a habilidade de ler, analisar e interpretar dados, de modo a transformá-los em insights valiosos e diferenciais competitivos.
Acesse o nosso site agora mesmo e conheça melhor as soluções que a Know Solutions tem para elevar o seu negócio a um novo patamar!
Foi aluno de Ralph Kimball, maior referência mundial no assunto, no curso de Modelagem Dimensional realizado pela Kimball University, em Estocolmo – Suécia.
Já ministrou diversas palestras sobre o tema e atualmente mantêm o blog da Know Solutions, com referências sobre Business Intelligence.
Pós Graduado em Gestão de Projetos de Software pela PUC – Paraná. Trabalhou durante 7 anos na empresa Siemens onde participou de projetos em diferentes países.
Materia muito interessante
Obrigada pelo artigo 🙂 Acho que eu tenho uma equipe que pode obter cada sucesso 🙂 Mas sem kanbantool.com, nao conseguimos arranjar e controlar todas tarefas. Ferramentas digitais podem ajudar bastante – tal como manager ou teamledaer, mas mais suave 🙂 Eu planejo o dia do trabalho com kanban e todas tarefas sao cumpridas. Eu sei que nao cada um gosta trabalhar assim, mas comigo funciona 🙂
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.
Gostaria de entender se a utilização da Big data nas empresas gera algum tipo de desvantagem nas pessoas que lá trabalham ?
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.
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.
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
[…] 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 […]
[…] para aumentar seu lucro ou diminuir seus custos operacionais. Esse é o conceito básico de Business Intelligence utilizado como diferencial […]
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?