Implementar business intelligence pode ser uma tarefa complexa. Independentemente do tamanho e nicho da sua empresa, leva tempo, recursos para obter novas ferramentas, aprender novos processos e definir estratégias que farão o trabalho.
Por outro lado, se as ferramentas de BI forem implementadas da maneira certa, o ambiente de análise resultante acelerará vários fluxos de trabalho operacionais.
É por isso que preparamos este artigo com 4 dos erros mais comuns na implementação de um projeto de BI, explicando o que você deve fazer para evitá-los. Acompanhe!
1. Assumir que o projeto de BI é apenas para departamentos de TI
A análise de dados é obtida por meio da implementação de tecnologia, mas os algoritmos por si só não vão levar você aos seus objetivos. Você deve abraçar o conceito de transformação digital e pensar em seu projeto de dados como uma iniciativa de toda a empresa, não simplesmente uma tarefa para sua equipe de TI.
Sua equipe de TI naturalmente fará o trabalho pesado tecnológico. Mas o projeto tem uma chance muito maior de atingir seus objetivos se você trazer mais pessoas para a mesa e atingir níveis de conhecimento de dados entre os usuários de negócios.
Veja o projeto de dados como apenas um elemento de um plano de negócios muito maior, identifique um caso de uso que impulsione sua estratégia geral e reúna uma forte equipe interdisciplinar.
2. Não levar em consideração a escalabilidade
Não há nada de errado em começar pequeno quando se trata de seu projeto de dados — na verdade, quase sempre é a melhor abordagem. Mas sempre considere a escalabilidade, porque não ser capaz de dimensionar uma solução e atrair os usuários se tornará um problema caro e de longo prazo.
Para maximizar o sucesso de sua iniciativa de BI, use uma ferramenta de dados com funcionalidade apropriada para a necessidade e nível de habilidade de cada usuário. Deve ser tão fácil para a equipe de vendas acessar e usar os dados de que precisam quanto para o departamento de TI acessar as peças de que precisam.
3. Basear-se em dados de baixa qualidade
Obviamente, ninguém se propõe a usar dados inadequados de propósito. Mas quando você inicia um projeto de BI pela primeira vez, os dados certos a serem usados (e o que fazer com eles) nem sempre são imediatamente claros, levando a um dos erros de inteligência de negócios mais comuns.
Tenha uma visão geral do status atual e das metas futuras da sua organização, identifique os dados que você vai usar (ou comece a coletá-los) e implemente um método de governança forte. Isso fará com que seu projeto de BI comece da maneira certa e garantirá resultados confiáveis à medida que você continua a explorar a análise.
4. Trabalhar em silos de dados
A análise de dados pode e deve ser self-service. Quando toda a sua organização pode alavancar sua ferramenta de BI e tomar decisões baseadas em dados, todos ganham. Mas com muita frequência, equipes isoladas preparam seus próprios dados e criam seus próprios relatórios, compartilhados apenas entre si.
O problema é ampliado se várias ferramentas de dados estiverem em uso. Todo mundo está comprando a partir de seus pools de dados escolhidos, preparando os dados à sua maneira, inadvertidamente permitindo que erros ocorram e usando cálculos diferentes.
O resultado infeliz é que as pessoas tomam decisões com base em dados insuficientes ou incompletos, perdendo totalmente o objetivo de toda a iniciativa. Não há como garantir que os dados sejam limpos de forma consistente e não há como fazer conexões realmente valiosas entre os insights. Certifique-se de que sua estratégia de dados seja baseada em uma plataforma bem administrada e bem organizada, com dados que refletem a versão única e real da verdade.
Ter esta visão geral das armadilhas comuns é um bom lugar para começar seu projeto de BI. A partir daqui, você pode começar a considerar seus objetivos, reunir sua equipe e decidir quais dados internos e externos são necessários. Por fim, pense em tudo com cuidado, sabendo que as ferramentas de BI alcançam resultados apenas quando implementadas corretamente. Evitar esses erros comuns significa que você já está à frente da concorrência.
E se você quiser uma ajudinha para evitar erros de inteligência de negócios e começar seu projeto de dados com o pé direito, converse hoje com nossos especialistas em dados para ver o que podemos fazer com seus dados.
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.
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.
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 🙂