Você sabe quais são os principais erros na gestão de dados? Sabia que o simples fato de cometê-los pode ser determinante para que você não consiga obter os resultados que tanto espera?
Tendo como base o atual cenário do mercado, em que as informações se tornaram indispensáveis para o crescimento e, consequentemente, o sucesso de um negócio, nada mais justo do que gerenciá-las da forma correta.
Não estamos nos referindo somente ao processo de administrá-las em si, mas sim às práticas que devem ser respeitadas para que essa atividade seja bem-feita. Dessa maneira, mostraremos na sequência quais são os 4 principais erros na gestão de dados. A leitura é importante e por isso merece toda a sua atenção. Não perca!
1. Não definir metas
O primeiro deles é não definir as metas relacionadas a essa gestão. Entenda que a falta de objetivos é o motivo número 1 para a falha dos projetos, pois ao não ter um norte a seguir, o caminho se torna muito mais difícil.
Nesse contexto, a pergunta elementar a se fazer é: “onde quero chegar?”. Com isso, é possível realizar o gerenciamento dos dados sob um planejamento com uma trajetória lógica, indicando quais são as melhores direções.
2. Não estipular o público-alvo
Atirar para todos os cantos está longe de ser uma boa estratégia. É por essa razão que não estipular o público-alvo também está entre os principais erros na gestão de dados.
Aqui, é preciso compreender que se não houver um critério ou padrão que estabeleça as particularidades desse grupo, a obtenção dos resultados pretendidos não será nada fácil: quanto mais pessoas o negócio quiser atingir, mais difícil será sem a definição do seu público-alvo.
Nessa linha, é necessário a realização de uma profunda análise de segmentação, onde a utilização das informações deve ser a mais específica possível.
3. Não usar devidamente os dados coletados
Com o constante crescimento do Big Data, a importância associada aos grandes volumes de dados aumentou rapidamente entre, praticamente, todos os setores da economia.
Embora seja relevante, os gestores devem ter o cuidado para não abusar dessa quantidade, usando as informações devidamente. Nesse caso, a dica é simples: concentrar-se somente nos dados que realmente vão ao encontro com as metas estabelecidas.
Em sua maioria, a base de que se precisa para a execução de algumas ações está no Small Data, aquele pequeno conjunto de informações que faz toda a diferença no que diz respeito às suas tomadas de decisão, por exemplo.
4. Não utilizar dados atuais
Não menos prejudicial ao crescimento da empresa, está a não utilização de dados atuais. Nesse caso, não há segredo algum, basta estar sempre antenado às novas tendências e ao que de fato está acontecendo no ambiente interno e externo do seu negócio.
Para concluir, vale ressaltar que por melhores que sejam as ferramentas empregues, o cometimento de algum desses equívocos pode dificultar, e muito, a conquista de bons resultados.
Esperamos que tenha gostado deste artigo com os 4 principais erros na gestão de dados. Se quiser saber mais sobre o assunto, entre em contato conosco agora mesmo!
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.