A gestão com base nos dados usa diversas ferramentas que permitam a visualização de diversos aspectos da empresa, no sentido de ter referências claras e permitir uma decisão mais acertada. Um desses recursos é o gráfico de dispersão, muito usado em estratégias de Business Intelligence para entender a relação entre acontecimento e consequência.
Mas, você sabe o que é esse gráfico e como pode ser estruturado? Conheça mais sobre o recurso e sua aplicação dentro do BI!
O que é o gráfico de dispersão?
Um gráfico de dispersão é composto por dois eixos de valor, com dados numéricos nos eixos vertical e horizontal. Com a intersecção de pontos no valor numérico de cada um desses eixos, há a marcação de pontos de dados individuais que relacionam causa e efeito, e podem ser usados pelo BI para entender fatores ou realidades da empresa.
Quais são os tipos de gráficos de dispersão?
A correlação apresentada por um gráfico de dispersão pode ser de três tipos principais, sendo que o último possui duas classificações distintas.
Positiva
Os pontos se unem em uma linha crescente, mostrando o aumento de uma variável por consequência do crescimento dos valores de um dos eixos. Um exemplo prático é o aumento da qualidade na produção como resposta aos treinamentos aplicados.
Negativa
Quando o gráfico apresenta uma linha decrescente, tendo a diminuição de uma variável como consequência de outra. Por exemplo, a queda na qualidade do clima organizacional aponta uma diminuição nos índices de produção da empresa.
Correlação perfeita
É identificada quando não há uma grande diferença entre os pontos, seja uma tendência positiva ou negativa. Nesses casos, pode ser:
- Forte: dados com uma forte correlação apresentam menor dispersão dos pontos
- Fraca: dados com uma correlação fraca indicam maior dispersão dos pontos.
Como obter o gráfico com ferramentas de BI?
O Business Intelligence é usado para entender os cenários da empresa, mostrando quais caminhos podem ser tomados para o alcance dos objetivos ou de resultados que sejam positivos para o negócio.
Quando falamos de gestão empresarial, muitas vezes fica difícil mensurar com exatidão os impactos de algumas mudanças. Afinal, essas alterações foram importantes para os resultados atuais?
É aí que o gráfico de dispersão pode ser usado. Identificando as variáveis de causa e efeito nos dois eixos do gráfico, é possível identificar as ocorrências e perceber como as decisões impactaram os aspectos que serão avaliados. A partir disso, os gestores definem se continuarão no mesmo caminho ou se adotarão uma nova abordagem.
Boas ferramentas de BI facilitam essa avaliação gerando o gráfico automaticamente com o uso de dados que já possui em seu repertório.
Para criar esse gráfico, é necessário informar à ferramenta os parâmetros, indicando como os valores devem ser agrupados. Também é importante indicar quais informações serão usadas nos eixos horizontal e vertical, para que haja a correlação dos dados necessários para a análise. A variável independente fica no eixo horizontal e a variável dependente no eixo vertical.
Ficou claro o que é o gráfico de dispersão e como ele pode ser usado para uma melhor gestão da empresa? Com o BI, é possível obter esses gráficos mais rapidamente e em tempo hábil para uma análise com a urgência que o mercado exige.
Quer ter essa ferramenta na sua empresa? Entre em contato conosco e conheça as nossas soluções de Business Intelligence!
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.