A ciência dos dados é um conceito que não tem um fim em si próprio, pois deve sempre servir aos objetivos administrativos da empresa. Seu papel é otimizar os processos de tomadas de decisões em áreas como operações, vendas, produção e operação. Assim, a qualidade dos dados deve focar sempre na realização dos objetivos estratégicos específicos de cada companhia e seus setores.
Então, a primeira coisa que você precisa saber é se as informações fornecidas pela ciência dos dados estão cumprindo esse fim. Para isso, questione-se: sua gestão está cada vez mais eficiente? Há um aumento nas vendas? Os resultados esperados pelo Planejamento Estratégico têm sido alcançados? Caso as respostas sejam negativas, é hora de avaliar se sua estratégia está dando certo.
Quer descobrir como fazer esse diagnóstico e melhorar sua qualidade? Então, acompanhe nosso post!
Qual é a definição de qualidade dos dados?
De forma simples, a qualidade dos dados representa um conjunto de variáveis qualitativas e quantitativas que são úteis para verificar se as informações estão auxiliando um negócio em seus objetivos corporativos. Como explicamos, trata-se de ferramentas para concretizar o plano estratégico da sua empresa.
Ao contrário do que muitos pensam, não há nada na natureza de um dado que indica se ele é bom ou não. Alguns podem ser ótimos para determinado objetivo, mas péssimos para outros. Então, para avaliar a qualidade, é preciso analisar se eles estão:
- auxiliando nos processos de tomadas de decisões, para que sejam mais precisas;
- otimizando constantemente as operações, com informações sobre performance, desempenho e produtividade;
- melhorando o planejamento empresarial, com análises de cenário e projeções para o futuro etc.
De que forma saber se seus dados têm boa qualidade?
Além disso, há outro critério muito importante para certificar a qualidade de um dado: observando se ele realmente está refletindo a realidade. Perceba se suas ferramentas detectam um desaquecimento no mercado que de fato está acontecendo, por exemplo.
Imagine o seguinte cenário: com base nesses dados, você acaba tomando a decisão de reduzir sua produção. Algum tempo depois, os números da economia ou do setor mostram que na verdade houve crescimento. Isso significa que você perdeu uma oportunidade.
Sim, podem ocorrem falhas ocasionalmente. Mas, se sua ferramenta faz previsões e análises ruins com frequência, provavelmente os dados que você está inserindo não têm uma boa qualidade.
Outra forma de perceber que as informações não trazem uma qualidade adequada é notando a estagnação ou piora dos indicadores de desempenho do seu negócio. Apesar de seus esforços em melhorar as tomadas de decisões e operações, por exemplo, ainda há queda na produtividade, redução das vendas, aumento de custos etc.
Como melhorar a qualidade dos dados?
Melhorar a qualidade dos dados não é uma tarefa fácil, portanto sua empresa precisa estabelecer processos bem definidos para que isso ocorra. Veja algumas sugestões abaixo.
Faça uma boa coleta
Primeiramente, você deve saber quais são as informações que precisa obter para elaborar suas estratégias empresariais. Seu objetivo é saber a demanda por um produto para uma campanha de marketing, a produtividade de suas equipes ou o desempenho de um processo?
Depois disso, é fundamental escolher a fonte adequada. Trata-se de interações em redes sociais? Volume de buscas no Google? Transações realizadas no e-commerce? Ou o banco de dados do seu ERP?
Tenha uma política de gestão e governança dos dados
Com uma série de processos sistematizados, seus colaboradores podem saber quais são as ações necessárias para manter a qualidade dos dados em cada tarefa. Então, crie uma política com a documentação de todos os fluxos de trabalho e critérios de aceitação de entradas ou acessibilidade etc.
Como vimos, a qualidade dos dados realmente importa e é essencial para que os negócios realizem seus objetivos. Portanto, sua empresa precisa investir nas ferramentas certas, em uma consultoria de TI adequada e no acompanhamento das estratégias.
E aí, ficou com alguma dúvida? Não deixe de comentar em nosso post!
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?