Nota: O seguinte artigo irá ajudá-lo com: Vinculando o gerenciamento de dados à inteligência de negócios
O sucesso do BI depende de dados precisos e bem preparados. Aqui estão algumas dicas para evitar que dados de BI ruins influenciem os resultados da análise.
Um problema constante que a TI enfrenta é vincular o trabalho de preparação de dados com o trabalho de desenvolvimento em análise e inteligência de negócios (BI).
A qualidade dos dados é um problema menor no desenvolvimento de aplicativos transacionais porque os programas de transação abortam quando os dados estão ausentes ou incorretos. Nesses cenários, os dados precisam ser corrigidos.
É um pouco diferente no trabalho de análise e inteligência de negócios, pois esses aplicativos provavelmente continuarão em execução mesmo se os dados estiverem errados, pois as edições de dados no software provavelmente aplicarão menos escrutínio de dados do que o encontrado em programas transacionais.
No entanto, isso não muda o fato de que dados precisos de BI e análise são tão cruciais quanto dados precisos no processamento de transações do dia-a-dia.
Quando os programas de business intelligence e análise processam dados ruins, a probabilidade de decisões ruins com base nesses dados aumenta. Isso compromete a capacidade de tecnologias como BI de causar um impacto positivo na tomada de decisões corporativas.
VEJA: Microsoft Power Platform: O que você precisa saber sobre isso (PDF gratuito) (TechRepublic)
Como evitar a influência de dados ruins no BI
Para evitar que os resultados da análise sejam influenciados por dados ruins em BI, é importante adotar uma estratégia de TI que vincule estreitamente o gerenciamento de dados aos esforços de BI. Veja como isso pode ser feito:
1. Identifique o grau de precisão de dados necessário para cada aplicativo de BI
Em alguns casos, como analisar boletins meteorológicos dos últimos 100 anos para determinar tendências meteorológicas de longo prazo, pode ser suficiente operar com uma taxa de precisão de dados de apenas 70%. Isso é possível porque apenas uma análise de tendência geral está sendo feita. Mas, se for necessário um boletim meteorológico de precisão muito maior, como é o caso para entender como será o clima para a missão do drone no dia seguinte, seria necessária uma precisão de dados de 95% ou mais.
Dito isso, pode ser difícil determinar a precisão dos dados para cada caso de uso de negócios. Essa é uma decisão que o grupo de aplicativos de BI, os usuários finais e os grupos de banco de dados devem tomar antecipadamente — antes que o trabalho de desenvolvimento de aplicativos de BI seja realizado.
2. Alinhar analistas e desenvolvedores de BI com analistas de dados no grupo de banco de dados
Os dados limpos e precisos dependerão principalmente do trabalho realizado no grupo de banco de dados. É o grupo de banco de dados que istra os dados corporativos e os move para novos repositórios de dados nos quais o BI opera.
Se o grupo de banco de dados e o grupo de aplicativos de BI operarem em dois silos funcionais mutuamente exclusivos, será difícil para a TI vincular boas práticas de gerenciamento de dados com o desenvolvimento de aplicativos de BI.
3. Prepare os dados
Com a ajuda do grupo de banco de dados, os desenvolvedores de BI podem usar ferramentas como software ETL (extrair, transformar, carregar) para limpar e formatar dados corretamente à medida que se movem de várias fontes para o repositório de dados de destino que o BI usará.
VEJA: Melhores ferramentas e software de ciência de dados 2022 (TechRepublic)
A preparação de dados é um processo de várias etapas. Pode envolver a identificação de dados quebrados, duplicados, no formato errado, contextualmente irrelevantes, etc.
O grupo de BI e o grupo de banco de dados devem trabalhar juntos para identificar todos os dados e formulários de dados que são inaceitáveis para cada aplicativo de BI, criando maneiras de reformar os dados ou excluí-los.
4. Espere um desvio para aplicativos de BI e análise
Com o tempo, os dados usados para BI e análise – e os próprios casos de uso de negócios – envelhecem. Pelo menos anualmente, a TI deve revisar o portfólio de aplicativos de BI e análise com usuários de negócios e com o grupo de banco de dados para
- Veja se os casos de uso de negócios se afastaram dos propósitos originais, o que exigirá que programas e dados de BI e análise sejam revisados; e
- Veja se os dados usados pelos aplicativos de BI e análise ainda são relevantes ou se precisam ser atualizados ou revisados.
