pt

Pare de adiar o seu Projeto de BI

junho 14, 2016

Caso você esteja adiando a implementação do BI por algum dos motivos abaixo, está na hora de agir
“nós não estamos prontos para o BI.” Ouvimos esta frase com muita frequência de empresas que desejam implementar uma solução de business intelligence, porém, elas parecem não possuir os sistemas corretos e nem padrões definidos antes mesmo do início da implementação. Os dados contidos no data warehouse estão desorganizados, ou nem mesmo possuem um data warehouse. Os tomadores de decisão da empresa estão procurando respostas, mas precisam de tempo antes de começar a utilizar o business intelligence. Nós temos novidades para você: É hora de pôr um fim neste atraso.

Se qualquer um dos motivos abaixo lhe soa familiar, eu vou desmitificar alguns equívocos comuns.

1. “O nosso data warehouse é uma bagunça. Precisamos limpar os dados primeiro”.

Não, não é necessário. Mesmo as melhores empresas tiveram problemas com seus projetos de analytics, e os ciclos de decisões começaram com um data warehouse incompleto, inconsistente, ou com algum tipo de falha. E adivinhe: Esta mesma empresa ainda está limpando os seus dados. E tenho novidades para você, o processo de organização de dados nunca termina. As empresas apenas aprendem como gerenciá-lo de modo mais eficaz.

A melhor maneira de iniciar o processo de limpeza de dados é identificar, primeiramente, o que é impreciso ou está faltando. E a única maneira de identificar isso claramente, é por meio de um relatório ou análise gerada a partir de uma plataforma de BI. Isso porque a qualidade dos dados é visual. Por este motivo também, a limpeza de dados sem nada além do Excel é perigosa. Sem compreender o processo de BI primeiramente, é impossível saber o que procurar em um projeto de limpeza de dados para promover um ambiente de dados otimizado para análises.

Por exemplo, um analista pode visualizar o data warehouse e saber que existem 100.000 registros para verificar, mas ele não saberá exatamente de que maneira ou por quê. Mas se ele receber um relatório de vendas incompleto que não exiba os rendimentos porque a região de vendas foi digitada incorretamente ou não foi informada, ele estará mais bem preparado para lidar com esses 100.000 registros sabendo identificar exatamente por que, o quê e como.

Os problemas devem primeiramente ser identificados, para serem corrigidos. Você não pode começar a limpeza se não souber o que está sujo. "Dados sujos" é uma situação. "Região ausente" é um problema concreto com uma solução viável. O momento em que o problema é identificado, é o momento em que sua empresa pode começar a fortalecer os blocos de construção do BI. Uma vez que o novo processo estabelecido pelo business intelligence é colocado em prática, mudanças podem ser feitas ao longo do caminho para fortalecer continuamente o data warehouse e promover um aumento dos Ciclos de Ação.

[O que é um Ciclo de Ação? Este guia lhe mostra o que são, porque eles são fundamentais para o seu sucesso e fornece instruções sobre a criação de Ciclos de Ação do BI em toda a sua empresa para promover uma tomada de decisão melhor e mais rápida: A Melhor Estratégia de BI]

2. “Estamos receosos sobre investir em um grande projeto antes de colocar em prática os processos corretos”.

Plataformas de BI tradicionais exigem das empresas o investimento na plataforma antes da entrega de valor. Porém, o panorama do BI moderno atual permite uma parceria entre investimento e retorno. Isso porque, soluções de BI bimodais modernas são desenvolvidas para o tipo de experimentação e evolução que eu descrevi acima, em outras palavras, “sandbox analytics.” Conforme dito antes, uma estratégia de BI que inclui sandbox analytics é a maneira mais fácil de melhorar a qualidade de dados com ROI rápido.

Ferramentas como o Módulo de Descoberta de Dados do TARGIT possibilitam trabalhar com dados externos ao data warehouse, determinar a sua importância, e realizar a padronização destes caso necessário. Isso permite aos analistas aumentar gradualmente a qualidade dos dados ao longo do caminho conforme os dados forem revelando-se úteis para a organização.

O estilo de evolução da estratégia garante ROI de curto prazo em relação ao que normalmente seria um projeto de limpeza de dados em massa. Ao pensar grande e em longo prazo, as empresas podem começar pequeno, investindo em uma ferramenta como o Data Service do TARGIT que lhes permite trabalhar com os dados dentro de uma plataforma de business intelligence por uma fração do custo de uma solução de grande escala.

Desta forma, os dados sujos podem ser identificados em alguns dias, ao invés de semanas ou meses. Uma vez que os dados mais valiosos para a empresa forem identificados para a limpeza, este processo pode ser iniciado e orientações e normas podem ser colocadas em prática em toda a organização para garantir que os dados sejam inseridos corretamente a partir de então.

Uma vez que a empresa perceba a importância, mesmo que de uma pequena parte do BI, é muito mais provável que o investimento neste seja planejado. Conforme a estratégia de BI amadurece, uma quantidade crescente de ferramentas e recursos podem ser adicionados ao ambiente de BI para disseminar o analytics para todos na organização.

[Saiba mais sobre os três passos necessários para ir dos passos iniciais do BI até um ambiente totalmente orientado a dados no guia: 3 passos para se tornar uma organização orientada a dados]

3. “Não temos um data warehouse.”

Boas notícias! Você não precisa de um! Os avanços nas tecnologias in-memory e nas plataformas de business intelligence que lhes dão suporte tornam possível utilizar por completo o poder da solução de BI sem o investimento em um data warehouse.

Além do ROI rápido, existem outros benefícios significativos para o lançamento do BI sem as limitações de um data warehouse. A velocidade dos processos de trabalho são aumentam significativamente, já que os usuários podem fazer o carregamento de dados em poucos segundos. O In-memory possui também, geralmente, maior facilidade de utilização do que uma configuração típica de data warehouse. Não é preciso treinamento significativo para adquirir as habilidades necessárias para trabalhar diretamente no sistema.

Mais importante ainda, os sistemas In-memory permitem a aproximação da experimentação em tempo real com os dados a partir de uma variedade de fontes. Isto envolve desde planilhas em Excel existentes em seu computador até repositórios de dados, tais como Hadoop. Esta flexibilidade permite também uma fácil de escalabilidade. Empresas que buscam a padronização do data warehouse estabelecem a escalabilidade do seu BI no momento certo.

É hora de iniciar a Jornada de BI

Possuo muito anos de experiência com implementação de BI, e eu nunca encontrei um caso em que uma empresa não se surpreendeu com as informações descobertas já no primeiro dia em que obteve o acesso real aos seus dados - independentemente de terem ou não, o acesso total a todas as informações que eram necessárias. Isso significa que até aquele momento, as suas decisões eram ineficientes. Cada dia que passa, em que as decisões são tomadas com base em hipóteses ou suposições, é um dia perdido quanto para tomar as melhores decisões.

Share