As informações estratégicas de desempenho do seu negócio estão disponíveis em tempo real? Se não, então você precisa definir KPIs (“Key Performance Indicators” – Indicadores Chave de Desempenho) e gerenciá-los com uma ferramenta de Business Intelligence (Inteligência de Negócios).
Os KPIs em Business Intelligence servem para medir o alcance das metas relacionadas aos objetivos estratégicos da empresa. Nem sempre os dados necessários para apuração dos KPIs estão disponíveis de forma organizada e centralizada, geralmente estão dispersos em diversas planilhas e sistemas não integrados. Para ter informações que agregam valor, é necessário desenvolver uma metodologia de análise de dados com o uso de recursos de inteligência de negócios. Sem isso, os gestores não têm o exato panorama do que acontece em sua empresa.
O que é Business Intelligence?
É um programa de computador de alto nível, associado a um banco de dados (Data Warehouse), capaz de reunir dados dispersos em diversas fontes, tratá-los e combiná-los com base em regras de negócios específicas. Ele gera informações sobre o desempenho da empresa em relação às estratégias traçadas em seu planejamento anual. Seus conceitos básicos foram desenvolvidos nos anos 80 pelo Prof. Dr. Ralph Kimball, dos Estados Unidos da América, de forma pioneira.
Qual a importância dos KPIs em Business Inteligence?
Os KPIs possibilitam aos gestores avaliar o quanto a empresa está perto ou longe de alcançar os seus objetivos estratégicos e, desta forma, ter base para a tomada de decisões que poderão reverter tendências negativas e possibilitar bons resultados.
Qual a diferença entre métrica e KPI?
Uma métrica é uma medida isolada de um resultado. Um KPI informa o padrão de comportamento de uma métrica ao longo do tempo, demonstrando seu ritmo de mudança (taxa) e sua tendência, se crescente ou decrescente.
Como determinar os KPIs mais importantes para a organização?
Primeiramente é necessário determinar os objetivos estratégicos da empresa e suas metas. Em seguida, definir quais KPIs concorrerão para o alcance dos resultados esperados. Alguns KPIs são comuns à maioria dos negócios, tais como: ROI = Return on Investment (Retorno sobre Investimento), Taxa de Lucratividade e LTV = Life Time Value (Valor do Cliente no Tempo). Os demais KPIs variam de acordo com o ramo de atividade da empresa.
Como gerenciar os KPIs?
A melhor maneira de gerenciar os KPIs é aplicando recursos de Business Intelligence (BI). Um caso de sucesso no uso de BI é o da seleção Alemã de futebol, que obteve resultados incríveis melhorando significativamente seu desempenho.
Os gestores de empresas nem sempre percebem que têm à sua disposição um grande volume de informações dispostas de forma desconexa, dificultando seu entendimento e a tomada de decisões. Utilizar KPIs em Business Intelligence possibilita acesso a informações qualificadas, que podem melhorar muito o desempenho geral da empresa. Existem diversos softwares de BI disponíveis no mercado, entre eles destaca-se o Pentaho, que é uma ferramenta Open Source (código aberto) sem taxa de licenciamento e customizável.
Deixe o seu comentário sobre este post. Queremos interagir com você!
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.