O Business Intelligence tem sido cada vez mais adotado para ajudar a empresa na tomada de decisões. Mas, para que funcione, é preciso ter uma boa arquitetura de BI envolvida. Você sabe o que é essa arquitetura? Se não faz a menor ideia, não se preocupe ― neste post vamos explicar de maneira simples para que você compreenda melhor do que se trata.
Não é um pré-requisito fundamental saber tudo sobre BI para implementá-lo, afinal, você pode contar com especialistas para isso. Mas, vale a pena ter uma ideia mais aprofundada para entender como funciona o processo e os impactos que essa abordagem traz para a empresa.
Vamos entender melhor o que é a arquitetura de BI, então? Leia até o final!
O que é arquitetura de BI?
A arquitetura de Business Intelligence pode ser definida como a estrutura para organização de dados, gestão de informações e componentes usados para construir os sistemas de BI.
Os componentes de uma arquitetura de BI incluem as fontes de dados usadas pelos executivos e outros usuários para analisar os aspectos da empresa e tomar decisões acertadas, transformando as informações brutas em um conjunto consistente de referências para usos em Business Intelligence.
Entre esses componentes, podemos citar a integração e limpeza de dados, além da criação de dimensões e regras que estarão em conformidade com as diretrizes da arquitetura.
Como implementar o Business Intelligence?
Para estruturar uma estratégia de BI na sua empresa, você precisa de uma arquitetura que tenha os pontos destacados abaixo.
Seja baseada em evidências
Para desenvolver um sistema de BI eficiente, é preciso trabalhar um modelo prévio do projeto, que simule as situações e trabalhe com dados reais. Só assim será possível identificar se esse sistema irá realmente ajudar o negócio.
Crie soluções para todas as equipes
Não adianta desenvolver uma aplicação de BI que sirva apenas para um setor específico. As empresas estão cada vez mais trabalhando de maneira holística, e nessa abordagem a integração entre dados é essencial.
Não há como definir os rumos de uma empresa com base em apenas uma equipe. Por isso, a solução deve atender as necessidades e trabalhar com informações de todos os times, promovendo assim essa visão geral e clara necessária para uma boa gestão.
Priorize os principais problemas
As soluções de BI devem ter um foco bem claro. Se não há a identificação do problema chave e o direcionamento da ferramenta para esse problema, não há como promover uma melhoria consistente e os investimentos acabam sendo desperdiçados.
Procure então elencar as maiores dificuldades da empresa e ao pensar na arquitetura de BI, estruturá-la para que ela possa realmente resolver as questões que mais incomodam a organização.
Vale lembrar que os dados obtidos por Business Intelligence são estruturados, organizados em relatórios e gráficos que auxiliem a visualização e a análise consciente para a tomada de decisões.
Ficou mais claro para você o que é arquitetura de BI e como é importante para a implementação dessa ferramenta? Tenha em mente que os dados são a melhor maneira de basear os próximos caminhos da organização.
Para receber mais informações que ajudem na gestão de negócio, curta a nossa página no Facebook!
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.