As ferramentas de Análise de Dados e Business Intelligence expandiram de maneira extraordinária o potencial de vendas de uma empresa. Diariamente, milhões de tweets, likes no Facebook e fotos no Instagram são compartilhados na internet. Ao unir, estruturar e classificar todas essas informações, a ciência de dados permitiu que companhias conseguissem traçar um perfil melhor de seus consumidores, com dados que até então eram difíceis de obter, como hábitos de leitura e preferências musicais.
Governos e fundações de pesquisa foram as primeiras a utilizarem esse tipo de tecnologia. Orçamentos bilionários, dados de trânsito e sobre setores de economia ficam fáceis de serem analisados. Essas informações são utilizadas para melhorar serviços públicos em todo o mundo, permitindo que prefeitos, governadores e presidentes possam definir políticas estratégicas focando em partes sensíveis da sociedade. Quando publicados, esses dados aumentam a transparência das nossas organizações públicas e melhoram o combate a abusos de poder.
As organizações privadas também passaram a investir em ciência de dados. Diversas aplicações foram criadas para estruturar informações de diversas fontes com rapidez e baixo custo. Assim, dados antes desconexos são cruzados e geram mapas estratégicos que guiam organizações na tomada de decisões importantes.
Encontrando agulhas em palheiros
Todos os dias são geradas na internet enormes quantidades de informações que possuem pouca utilidade se não forem bem estruturadas. Em um mundo com mais aparelhos conectados na internet do que humanos, os rastros deixados por internautas vão além de atividades em páginas de redes sociais. Comentários em notícias, hábitos de compra, fotos e e-mails são apenas algumas das fontes de conteúdo utilizadas por mecanismos de mineração de dados. Quem sabe utilizar a ciência de dados para ir além das estatísticas consegue se destacar no mundo dos negócios, seja criando campanhas de marketing mais focadas no público alvo ou identificando tendências de mercado.
A análise tradicional, feita por meio de perguntas bem formuladas deu lugar a uma ferramentas que lidam com bilhões de gigabytes de dados gerados dinamicamente. A ciência de dados permitiu que a simples análise estatística fosse melhorada com uma profunda exploração, análise e classificação de grandes quantidades de dados. Não só problemas são rastreados com mais eficiência, mas os desafios enfrentados na criação de um novo projeto ganham uma nova abordagem, menos intuitiva e mais precisa.
No momento da venda de um produto, o marketing passa a ser mais direcionado ao público alvo. Quando o departamento de marketing de uma companhia sabe para onde os recursos de publicidade devem ser direcionados, a penetração e o sucesso comercial de um novo produto passam a serem metas muito mais simples de serem conquistadas.
Na era do Big Data, companhias de todos os tamanhos utilizam ferramentas como o Pentaho para terem sucesso em mercados mais competitivos. Emissoras de televisão verificam redes sociais em tempo real para medirem a audiência de um programa e qual personagem faz mais sucesso em uma novela.
Empresas de médio porte conseguem criar facilmente relatórios informando quais impressões sobre os seus produtos são compartilhadas na internet. Equipes de futebol não fogem à regra. Ano passado, durante a Copa do Mundo, diversas seleções utilizaram a ciência de dados para definirem as suas estratégias dentro de campo de acordo com as movimentações dos seus jogadores durante a partida. Grandes companhias de tecnologia identificam quais são as características que um consumidor mais deseja em um produto antes de criarem um novo gadget.
Se você pretende começar a utilizar a análise de dados para melhorar o desempenho da sua empresa, talvez seja a hora de contratar umaempresa especializada. Ainda com dúvidas? Faça a sua pergunta na caixa de comentários!
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?