Business Intelligence (BI) é mais uma metodologia do que uma tecnologia. Ela combina diferentes processos e procedimentos, cada um com técnicas próprias, para auxiliar a tomada de decisões com base em dados. Assim, pode ser entendida como o que os gestores fazem com os insights obtidos por diferentes ferramentas.
Os sistemas da maioria das empresas evoluíram independentemente e de forma não-estruturada, com cada departamento sendo responsável por suas próprias soluções. Com isso, a tomada de decisões pode encontrar obstáculos. É aí que a BI pode ajudar, coletando, organizando, analisando e compartilhando os dados.
Os componentes de Business Intelligence são: fontes de dados, Data Warehouse (DWH), Online Analytical Processing (OLAP), Data Mining, Extract, Transform, Load (ETL) e ferramentas de visualização. Venha conhecê-los!
Fontes de dados
Nesta era da informação, a produção de dados está em todos os lugares, dentro e fora das companhias. Muitas soluções de BI já conseguem capturar informações de boa parte delas — incluindo redes sociais, relatórios públicos do governo, e-mails e outros — mesmo quando eles são do tipo não-estruturado.
ETL
São as ferramentas usadas para transferir os dados, já prontos para uso, para o DWH. Para a extração, especifica-se a fonte e quais dados se quer. Em seguida, eles vão para uma área em que podem ser transformados e tratados (para evitar, por exemplo, múltiplas instâncias do mesmo registro). Por fim, devidamente organizados, são enviados para o DWH.
Data Warehouse
O DW permite acesso fácil a todos os dados da companhia, vindos das diferentes aplicações instaladas na empresa — e previamente tratados pelo ETL. São, normalmente, estruturados em tabelas relacionais que podem ser visualizadas, mas não alteradas (isso só é possível na aplicação-fonte).
Quando o DW é alimentado com dados compatíveis e sincronizados, passamos a ter todos os dados da empresa em um único local e em um formato consistente. Com isso, é possível ter uma visão padronizada, única e holística do que está acontecendo na empresa. O volume de dados, porém, continua sendo um desafio.
OLAP
O OLAP ajuda a obter respostas mais rapidamente. Isso é possível porque o OLAP calcula previamente e guarda respostas às possíveis questões dos usuários. Com isso, é possível questionar os dados de forma abrangente e, assim, obter uma visão de alto nível enquanto os inspeciona até o nível do registro individual.
Com respostas mais rápidas, todo o método de análise muda: a informação é extraída mais facilmente dos dados e isso pode garantir vantagens competitivas à organização.
Data Mining
É o processo de extração de informação dos dados corporativos, em busca de correlações, anomalias e tendências. Para que ofereça as respostas corretas, é preciso que sejam feitas as perguntas adequadas. Profissionais especializados podem ajudar a determinar quais resultados são significativos.
Visualização
O BI transforma dados, que no começo eram descontextualizados, em informação relevante para o usuário final, que pode ser ou não técnica. É preciso, portanto, que esses dados sejam didáticos, claros e intuitivos, que possam ser facilmente compreendidos.
Em geral, as ferramentas de visualização de dados utilizam gráficos e mapas para auxiliar esta compreensão. Os formatos tradicionais incluem gráficos de barra, de pizza, radar, funil, chegando até a relatórios e painéis interativos.
Dashboards
Trata-se das primeiras interfaces gráficas com as quais o usuário tem contato. Eles concentram os relatórios e as informações mais importantes, personalizados de acordo com as necessidades do usuário. É neles que as informações mais importantes são organizadas de forma simples e em um único local.
Se você gostou desta publicação sobre os componentes de Business Intelligence, deixe um comentário a seguir contando sua experiência ou expondo suas dúvidas sobre o assunto!
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.