A Busca do BI Perfeito – 3 Passos Indispensáveis

Muitas ferramentas estão surgindo no mercado com a qualificação de self-service BI, ou seja, realize você mesmo os seus desejos! Algo impensável e nunca antes alcançado pelos diversos gestores em suas organizações, que sempre enfrentaram o problema da má qualidade dos dados, falta de integridade entre as bases de dados e do mais primordial: saber o que deve ser medido e analisado.

A ponta deste iceberg parece que não sumiu com a chegada destas novas ferramentas, conhecidas como Data Discovery e Business Analytics. A depender do codinome que você queira adotar, a dificuldade de entrega continua a mesma. Sem caprichar na seleção, pré-processamento, transformação, e organização dos dados que irão compor qualquer análise, a tecnologia parece coadjuvante neste espetáculo, que merece ter um bom “motorista” no volante, com seu kit de boas práticas.

A preocupação do que analisar é tanta, que processos de entrevistas, mapas mentais ou simplesmente planilhar os dados desejados passam a ser considerados alternativas viáveis na ausência de técnicas robustas e eficazes. Os interessados “mergulham” em brainstorms intermináveis visando levantar, construir e entregar a encomenda que fora pedida. A tarefa deixa de ser prazerosa para ser uma atividade cansativa.

BI NA PRÁTICA - 3 PASSOS

Visando minimizar o tempo necessário para que um projeto de BI seja desenvolvido, sem mágicas à parte, é que surgiram as técnicas denominadas de Matriz de Necessidades, Fonte de Dados e Modelagem Multidimensional.

BI NA PRÁTICA - 3 ETAPAS BI COMPLETO

Matriz de Necessidades: surgiu da importância em apresentar um mapeamento de dados que ora estão armazenados nos sistemas transacionais das organizações (banco de dados, planilhas eletrônicas, arquivos texto, dentre outros) e que servirão de base para a construção de um Data Warehouse. Antes do uso da técnica Matriz de Necessidades, o levantamento de dados era realizado através de entrevistas estruturadas, frente a frente com os gestores da organização, através de perguntas que tentavam identificar elementos como as métricas de desempenho e quais os tipos de análises que os mesmos realizavam na organização, além da solicitação de apresentação de suas cópias de relatórios e planilhas eletrônicas.      

Desta maneira, foi idealizada uma nova forma de documentar os requisitos de negócio, substituindo as entrevistas por sessões programadas para reunir os participantes do projeto (gestores e técnicos) que conjuntamente descreveram um quadro contendo linhas e colunas, com as diversas relações/cruzamentos entre os indicadores e os dados existentes na organização, de forma visual, buscando documentar o que fazem, por que fazem, quais as decisões que são tomadas hoje e como esperam tomar as decisões no futuro.

Fonte de Dados: construída e refletida na busca dos dados apresentados e levantados na Matriz de Necessidades, o documento de Fonte de Dados é o principal guia que o analista de BI possui para desenvolver o seu projeto, permitindo que sejam identificados nos sistemas transacionais da organização os atributos e relacionamentos que por ventura devam ser utilizados na construção do Data Warehouse.

A Fonte de Dados tem por objetivo aumentar a compreensão por parte do analista de BI  do contexto, a solução e os processos de implementação que deverão ser desenvolvidos para que as métricas e descritores ora levantados sejam caprichosamente carregados e mantidos nas tabelas conhecidas como Fatos (métricas) e Dimensões (descritores).

Modelagem Multidimensional: terceira etapa de um projeto de BI, é ela que permite a formatação do banco em um modelo consolidado que armazenará os dados do projeto. Expõe a relação das tabelas Fato com tabelas de Dimensão, interligando-as em um modelo de dados conhecido como modelo estrela (do inglês, star schema), pois apresenta uma tabela no centro ligada por tabelas auxiliares, remetendo ao formato estelar.  A tabela central é a tabela Fato e as outras tabelas são tabelas de Dimensão.

A conjunção destas três técnicas garante a harmonia tão sonhada entre os gestores. Poder utilizar uma tecnologia de self-service com segurança e que por natureza facilita a construção de uma perspectiva que integre a dimensão tecnológica e a dimensão gerencial, facilitando o acompanhamento e direcionamento do processo, fazendo com que o gestor amplie sua autonomia em sua busca pelo conhecimento. O que restou disso, que a tecnologia de Business Intelligence direcione os conceitos e mecanismos que facilitem este processo de redesenho que estão sendo constantemente rediscutidos nesta busca pelo BI perfeito.

Fonte: http://www.binapratica.com.br/

As dez principais tendências de business intelligence para 2016

O ano de 2015 trouxe mudanças significativas para o mundo do business intelligence (BI). Mais organizações abriram o acesso aos dados para seus funcionários e mais pessoas começaram a ver os dados como uma ferramenta importante para realizar seu trabalho.

As regras do BI estão evoluindo, e isso vem causando uma grande mudança cultural em alguns locais de trabalho, não só pela velocidade dos avanços tecnológicos, mas também por novas técnicas para extrair valor dos dados.

Todos os anos, na Tableau, paramos para conversar sobre o que está acontecendo de interessante no setor. Essa discussão é o fio condutor da nossa lista das principais tendências de BI para o ano seguinte. Veja as nossas previsões para 2016.

O início de uma grande amizade entre a governança e a análise de autoatendimento.

Para muitas pessoas, a governança e a análise de autoatendimento são inimigas naturais. Talvez seja por isso que vê-las andando de mãos dadas cause tanta surpresa. A guerra acabou e a lacuna cultural entre empresas e tecnologia está diminuindo. As organizações já sabem que a governança de dados, quando feita corretamente, pode incentivar uma cultura de análise e atender às necessidades dos negócios. As pessoas ficam mais propensas a analisar seus dados quando têm fontes de dados centralizadas, organizadas e rápidas; e quando sabem que alguém (equipe de TI) está cuidando da segurança e do desempenho.

A análise visual se torna um idioma comum.

Os dados estão mudando a forma de conversar – em salas de reuniões, na mídia e nas mídias sociais. As pessoas estão visualizando dados para responder a perguntas, descobrir informações úteis e compartilhar histórias com profissionais de todas as áreas, especialistas em dados ou não. Com o aumento da utilização dos dados, cada vez mais pessoas recorrerão a eles para responder a perguntas profissionais e pessoais. Da mesma forma, os empregadores buscarão pessoas que possam analisar os dados com uma visão crítica. A análise visual será o idioma que permitirá às pessoas descobrir informações úteis com rapidez, colaborar de forma significativa e criar uma comunidade voltada para os dados.

Os produtos de análise de dados estão mais democráticos.

As ferramentas de análise de autoatendimento mudaram permanentemente as expectativas. Em 2016, as pessoas buscarão autonomia no fluxo da análise de dados, especialmente com a chegada de mais membros da geração Y ao mercado de trabalho. Se quiserem continuar dinâmicos, os usuários corporativos devem ser capazes de manipular determinados dados instantaneamente. E é por isso que a demanda por ferramentas de preparação de dados de autoatendimento, e até mesmo por data warehouses de autoatendimento, crescerá como uma extensão natural desse tipo de análise. Essa democratização permitirá que as pessoas respondam rapidamente às mudanças de prioridades.

A integração de dados está ainda mais emocionante.

Atualmente, muitas empresas precisam de análises ágeis. Elas querem enviar os dados certos para as pessoas certas, rapidamente. Esse não é um desafio simples, porque os dados geralmente estão armazenados em vários lugares diferentes. Trabalhar com diversas fontes de dados pode ser tedioso, impossível ou ambos. Em 2016, veremos muitos concorrentes novos na área de integração de dados. Com o aumento da oferta de ferramentas sofisticadas e o surgimento de novas fontes de dados, as empresas desistirão de tentar reunir cada byte de dados no mesmo lugar. Os exploradores de dados se conectarão a cada conjunto de dados em seus respectivos armazenamentos, usando métodos e ferramentas mais ágeis para fazer as combinações ou uniões necessárias.

Análises avançadas não são mais apenas para analistas.

Em todas as áreas das empresas, mesmo os profissionais que não são analistas estão cada vez mais exigentes. Eles querem fazer mais do que um gráfico com seus dados. Buscam uma experiência de análise mais significativa e aprofundada. As organizações adotarão plataformas que permitem aos usuários utilizar estatísticas, fazer uma série de perguntas e continuar no fluxo de suas análises.

O armazenamento de dados e as análises na nuvem decolam.

Em 2015, as pessoas começaram a adotar a nuvem. Elas se deram conta de que colocar os dados na nuvem era fácil e extremamente escalonável. Também viram que a análise na nuvem era mais ágil. Em 2016, mais pessoas migrarão para a nuvem graças, em parte, a ferramentas que as ajudam a utilizar dados da Web. Os primeiros a adotar a nuvem já estão obtendo informações desses dados, e outras pessoas estão percebendo que deveriam fazer o mesmo. Cada vez mais empresas também usarão a análise na nuvem para explorar mais dados com mais rapidez. Esse recurso passará a ser tão importante para elas quanto qualquer outro sistema essencial da empresa.

Centros de Excelência em análise assumem um papel crucial.

Cada vez mais organizações estabelecerão um Centro de Excelência para incentivar a adoção da análise de autoatendimento. Esses centros desempenham um papel vital na implementação de uma cultura baseada em dados. Através de programas de capacitação, como fóruns on-line e sessões particulares de treinamento, os centros capacitam até mesmo profissionais de outras áreas a incorporar a análise de dados em seus processos decisórios. Ao longo do tempo, esses centros permitirão que os dados sejam a espinha dorsal de todo o fluxo de trabalho da organização.

A análise em dispositivos móveis ganha sua independência.

A análise em dispositivos móveis cresceu e saiu da casa dos pais. Ela não é mais apenas uma interface para os produtos de BI tradicionais. Em 2015, começaram a surgir produtos que, desenvolvidos com a abordagem mobile-first, ofereciam uma experiência fluida que priorizava dispositivos móveis. Trabalhar com dados em qualquer lugar deixará de ser um suplício para se tornar parte dinâmica do processo de análise. As pessoas começam a descobrir os dados da Internet das Coisas.

Tudo indica que a Internet das Coisas ganhará ainda mais terreno em 2016.

Parece que tudo terá um sensor que envia informações para a nave-mãe. Pense em todos os dados que são gerados ininterruptamente por dispositivos móveis – e isso é apenas a ponta do iceberg. À medida que o volume de dados da IoT cresce, o potencial para a descoberta de informações também aumenta. Empresas buscarão ferramentas que permitam aos usuários explorar os dados e, em seguida, compartilhar suas descobertas de forma segura, controlada e interativa.

Novas tecnologias surgem para preencher as lacunas.

Há diversas tecnologias novas em desenvolvimento no ecossistema de BI. À medida que elas chegarem ao mercado, veremos lacunas que precisarão ser preenchidas. Novas empresas surgirão para fazer exatamente isso. Aceleradores do Hadoop, integração de dados NoSQL, integração com dados da IoT, aprimoramento das mídias sociais – cada uma dessas áreas oferece uma oportunidade para o surgimento de uma nova empresa. Em 2016, essas lacunas serão cada vez mais preenchidas, resultando na consolidação do mercado. Da mesma forma, as organizações continuarão migrando de soluções únicas para adotar uma pilha de soluções abertas e flexíveis que incluam essas novas tecnologias.

Ellie Fields, vice-presidente de marketing de produtos da Tableau.

Fonte: http://convergecom.com.br/tiinside