Meta descrição: Dados ruins geram decisões erradas. Descubra como garantir a qualidade dos dados e potencializar seu BI com a ajuda da Know Solutions e do Pentaho.
Se você já tentou tomar uma decisão importante com base em informações incompletas, sabe como isso pode ser arriscado. No contexto empresarial, esse risco é ainda maior.
Por isso, garantir a qualidade dos dados é um dos primeiros e mais importantes passos para que qualquer projeto de Business Intelligence (BI) funcione de verdade.
Sem dados confiáveis, até o melhor sistema de BI se torna ineficaz. Vamos entender melhor por que esse tema merece a sua atenção e como a Know Solutions pode ajudar nesse processo. Boa leitura!
O que é a qualidade dos dados, afinal?
Podemos definir qualidade dos dados como a capacidade que um conjunto de dados tem de refletir a realidade de forma precisa, completa, atualizada e consistente.
Ou seja, são dados que podem ser usados com segurança na hora de gerar relatórios, criar indicadores ou embasar decisões estratégicas.
Mas o que acontece quando esses dados não são de qualidade? É hora de falarmos sobre isso!
Quais são os erros mais comuns?
Em muitos negócios, especialmente aqueles com sistemas descentralizados, é comum encontrar problemas como:
- dados duplicados: o mesmo cliente registrado várias vezes com informações diferentes;
- informações desatualizadas: produtos que já saíram do catálogo, mas ainda constam no sistema;
- campos inconsistentes: nomes abreviados, erros de digitação ou formatos diferentes para um mesmo dado.
Esses “detalhes” podem parecer inofensivos à primeira vista, mas prejudicam relatórios, dificultam cruzamentos e comprometem seriamente a análise de dados.
Imagine, por exemplo, que você precisa saber quais são os produtos mais vendidos. Se há duplicidade ou inconsistência nas descrições, o resultado final será distorcido e a decisão tomada com base nele, equivocada.
Por que é importante ter uma boa qualidade de dados?
Um dos grandes perigos de trabalhar com dados ruins é que eles não “avisam” que estão errados. Pelo contrário: muitas vezes parecem confiáveis e até geram dashboards bonitos, mas que não representam a realidade da empresa. E aí vem a armadilha: a confiança no BI vai embora.
É por isso que, antes de investir em painéis sofisticados, é essencial garantir que os dados usados por trás dessas análises estejam limpos, padronizados e atualizados. E isso pode ser conquistado com uma cultura orientada a esse cultivo e coleta.
Como garantir a qualidade dos dados?
A boa notícia é que existem processos e ferramentas capazes de resolver esse problema. O primeiro passo é contar com um processo de ETL bem estruturado. A sigla vem do inglês (Extract, Transform, Load) e se refere às etapas de extração, transformação e carregamento dos dados para dentro de um sistema de BI.
Durante esse processo, é possível:
- eliminar duplicidades;
- corrigir erros de digitação;
- padronizar campos;
- atualizar informações automaticamente;
- aplicar validações automatizadas, que funcionam como filtros de qualidade contínuos.
Essas medidas ajudam a criar um fluxo robusto de dados confiáveis, que vai alimentar seu BI com segurança e precisão.
Você sabia que a Know Solutions pode ajudar com isso?
Sabemos que nem sempre é fácil identificar onde estão os problemas nos seus dados, muito menos como corrigi-los de forma estruturada.
É por isso que a Know Solutions oferece diagnósticos especializados e consultorias completas para empresas que querem organizar e fortalecer a base de dados antes (ou durante) um projeto de BI.
Trabalhamos com a implantação e customização do Pentaho®, uma das ferramentas open source mais eficientes do mercado, e ajudamos sua equipe a estruturar processos de integração e validação de dados de forma contínua.
Se o seu BI ainda não entrega os resultados que você esperava, talvez o problema esteja antes do painel, nos dados que alimentam suas análises. Investir na qualidade dos dados é investir na confiabilidade das suas decisões e, por consequência, na saúde e crescimento do seu negócio.
Quer descobrir como está a qualidade dos dados na sua empresa? Fale com a Know Solutions e conheça nossos serviços de diagnóstico e estruturação de fluxos de dados. Podemos te ajudar a transformar informação em inteligência de verdade.
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?