9 dúvidas comuns sobre Big Data e Business Intelligence

em Tendências.

Existe uma sobreposição clara entre Business Intelligence e Big Data, e isso é evidente pelo fato de que os dois termos são usados de forma intercambiável entre si em todo tipo de estudo sobre algum desses dois tópicos.

Embora a maioria das organizações implemente um ao lado do outro, os dois processos são diferentes, e uma coisa é certa: você não pode praticar um sem o outro com êxito.

Quando perguntados, alguns especialistas do setor agrupam os dois termos, mas para aqueles que levam a sério a transformação de dados em insights para a gestão de um negócio, é importante diferenciar os dois.

Na tentativa de obter um foco mais claro, vamos detalhar cada tópico abaixo e mostrar para você a diferença entre Big Data e Business Intelligence, e ainda como essas práticas podem ser usadas para otimizar a tomada de decisão e as estratégias da sua empresa. Acompanhe!

1. Qual é o conceito de Big Data?

Esta é a tecnologia que armazena e processa dados de fontes internas e externas à sua empresa. Em geral, Big Data se refere aos imensos volumes de dados disponíveis online e na nuvem, o que exige cada vez mais poder de computação para reuni-los e analisá-los.

Como as fontes são tão diversas, é normal que os dados estejam crus e desestruturados. É provável que você vá usar esses dados para fins aos quais eles não eram originalmente destinados, portanto será necessário “limpá-los” um pouco antes de conseguir retirar informações úteis desse meio.

Os sistemas que você utiliza internamente para rastrear KPIs (Indicadores-chave de processos) são, é claro, a principal fonte para a qual você recorre quando precisa responder a uma pergunta sobre o seu negócio. Mas com Big Data, quantidades quase ilimitadas de informação são disponibilizadas para análise por meio de insights relacionados ao seu setor, seu negócio e seus potenciais clientes.

Big Data é a biblioteca que você visita quando a informação para responder às suas perguntas não está pronta. E, como uma biblioteca real, ele permite que você procure respostas para perguntas que você nem sabia que tinha.

2. O que significa Business Intelligence?

Business Intelligence nada mais é do que uma tomada de decisão baseada em dados. Ele inclui a geração, agrupamento, análise e visualização de dados para informar e facilitar a gestão de negócios e estratégias.

Enquanto Big Data refere-se a um aspecto de como a informação é recolhida ou agrupada, Business Intelligence ultrapassa os dados para incluir o que os líderes empresariais de fato fazem com as informações que descobriram.

Business Intelligence, portanto, não é estritamente tecnológico. É uma estratégia que envolve os processos e procedimentos que suportam a coleta, o compartilhamento e os relatórios de dados, tudo a fim de tomar melhores decisões.

Uma das tendências nos últimos anos está em fornecer relatórios e gráficos para os decisores pelo que é chamado de “self-service BI”. Ele permite que os usuários de negócios gerem seus próprios relatórios e visualizações para compartilhar com colegas, sem depender da equipe de TI, e ajudando a todos escolher qual o melhor curso a seguir.

3. Quais são as diferenças entre eles?

Em geral, Big Data é chamado de sucessor do Business Intelligence, mas não é exatamente assim que se relacionam. A principal diferença entre Big Data e Business Intelligence é a escala.

Business Intelligence lida com tamanhos de dados típicos para a maioria das organizações, de pequenas empresas até grandes corporações. Por sua vez, Big Data Analytics e seus aplicativos manipulam a análise para conjuntos de dados muito grandes.

Em seus princípios fundamentais, as análises de Big Data podem ser resumidas aos seguintes pontos:

  • volume;
  • velocidade;
  • variedade;
  • veracidade;
  • valor.

Partindo disso, podemos afirmar que as análises de Big Data são semelhantes às de BI para dois desses que são os chamados 5 Vs (valor e veracidade, que devem mesmo remeter a qualquer tipo de informação e explicaremos logo a seguir), mas se diferem ligeiramente nos outros 3. Observe:

Variedade

Os dados podem ser divididos em 3 grupos individuais:

  • estruturado: dados de estruturas de dados gerados a partir de modelos de dados;
  • semiestruturado: dados que estão em conformidade com algum tipo de estrutura sem ter um modelo de dados;
  • não estruturado: dados sem modelo de dados predefinido.

O escopo de Business Intelligence é limitado a dados estruturados, enquanto no Big Data dados podem lidar com todos os tipos de dados (tabelas de banco de dados, XML, arquivos de áudio e vídeo etc.).

Desbloquear as possibilidades de manipulação de dados não estruturados é uma diferença entre Big Data e Business Intelligence.

Volume

Estima-se que 90% dos dados mundiais que existem hoje foram criados nos últimos 2 anos. Essa carga nova está dando às empresas a oportunidade de trabalhar com muitos dados (gigabytes, terabytes, petabytes etc.) em apenas um único conjunto.

As tecnologias específicas de Business Intelligence, como os appliances de armazenamento de dados, as bases de dados de coluna e de memória, também podem lidar com Big Data. Portanto, tudo se resume a saber se o desafio é o volume e o desempenho, a variedade e a complexidade ou suas combinações.

Velocidade

Também conceituada como a frequência de geração ou de entrega de dados. O armazenamento é construído principalmente usando fluxos orientados por lotes ou usando dados agregados em bancos virtuais (virtualização de dados).

Big Data, por outro lado, permite processar fluxos de dados em tempo real e, portanto, reagir de maneira mais ágil do que os concorrentes.

Em linhas gerais, podemos dizer que o conceito de Business Intelligence tradicional pode responder às perguntas “o quê?” e “onde?”, enquanto a análise de Big Data responde “por quê?” e “como?”.

4. O que os dois têm em comum?

Mesmo que na prática as análises de Big Data possam ir além dos sistemas de BI tradicionais e estes possam abranger outros tipos de análises, é possível enxergar em suas bases pontos comuns.

O principal aspecto que ambos compartilham é o objetivo de fornecer respostas às questões empresariais, mas também observamos similaridades na forma como seus princípios se apresentam.

Dos 5 Vs já apresentados, adiantamos os que se manifestam distintamente, agora abordaremos os que se fundamentam de maneira comum:

Valor

Quando se trata de dados para análise e tomada de decisão, quanto mais ricos forem, mais importante é a eficácia das perguntas feitas no início de todo processo.

Questões diretas sobre a orientação do negócio definem o valor que os dados coletados podem agregar e responder aos questionamentos adiante sobre o custo-benefício da própria análise dos dados. Tanto em análises de Big Data como em BI, o valor em potencial dos dados é um ponto crucial.

Veracidade

Se por um lado a velocidade e o volume dos dados criam margem para discrepâncias quando não tratados da maneira adequada, por outro o seu dinamismo os aproxima da realidade em que são gerados, caso sejam integrados a processos confiáveis.

De nada adianta contar com um alto volume se a relevância dos dados não puder ser levada em conta. Para colher bons frutos dos processos de Big Data e Business Intelligence, é fundamental contar com dados verídicos, totalmente alinhados à realidade.

5. Quais são as ferramentas usadas em cada um?

Agora que já vimos os principais pontos diferentes e o que ambos têm em comum, conheça os softwares e ferramentas específicas de cada uma dessas práticas:

Ferramentas de Business Intelligence

Business Intelligence é um termo abrangente destinado a cobrir todas as atividades necessárias para que uma empresa transforme a informação bruta em conhecimento acionável. Em outras palavras, é um esforço da empresa para entender o que sabe e o que não sabe de sua própria existência e operações. O objetivo final é ser capaz de aumentar os lucros e aprimorar sua vantagem competitiva.

Emoldurado dessa forma, Business Intelligence como um conceito existe há tanto tempo quanto o próprio mercado. Mas esse conceito evoluiu a partir de princípios básicos — como relatórios de contas a pagar e contas a receber, e informações de contato e contrato do cliente — para informações muito mais sofisticadas.

Essa informação pode ser qualquer coisa, desde comportamentos de clientes até monitoramento de infraestrutura de TI, até mesmo desempenho de ativos fixos de longo prazo. O rastreamento separado dessas métricas é algo que a maioria das empresas pode fazer, não importa quais sejam as ferramentas empregadas.

A arte de Business Intelligence é justamente transformar resultados diferentes de métricas normalmente não ligadas entre si em informações compreensíveis e acionáveis. O futuro de BI já está se configurando para ampliar de maneira simultânea o escopo e a variedade de dados utilizados e aprimorar o foco para níveis cada vez mais finos e específicos.

O software de BI tem sido fundamental nessa progressão constante para um conhecimento mais profundo sobre negócios, concorrentes, clientes, indústria, mercado e fornecedores, para citar apenas alguns possíveis alvos.

Mas à medida que as empresas crescem e o número de informações aumenta, a captura, o armazenamento e a organização desses dados tornam-se muito complexos para serem inteiramente manuseados por humanos.

Os primeiros esforços para fazer essas tarefas por meio de software — como o de gerenciamento de relacionamento com clientes (CRM) e planejamento de recursos empresariais (ERP) — levaram à formação de “silos de dados”, em que as informações ficaram presas à utilização apenas dentro dos limites do software.

Contudo, como os potenciais benefícios comerciais de uma boa ferramenta de Business Intelligence são ótimos, não é surpreendente que muitos fornecedores de grandes nomes tenham passado a oferecer soluções dedicadas a BI.

Há também um grande número de poderosas soluções de BI de código aberto — tanto gratuitas quanto comerciais — que podem ser usadas como código-base personalizável para se adequar à sua organização. Essas ferramentas de código aberto geralmente são adotadas por pequenas e médias empresas, mas estão ganhando aceitação no grande espaço empresarial.

Ferramentas de Big Data Analytics

Se você estiver trabalhando com Big Data, precisa pensar em como armazenará uma grande quantidade de dados. Parte de como Big Data obteve a distinção como “grande” (Big) é que ele se tornou impossível de ser manipulado pelos sistemas tradicionais.

Um bom fornecedor de armazenamento de dados deve oferecer uma infraestrutura para executar todas as suas ferramentas de análise, bem como um local para armazenar e consultar seus dados. Entre as ferramentas de Big Data disponíveis, podemos citar:

Hadoop

O nome Hadoop tornou-se sinônimo de dados importantes. É uma estrutura de software de fonte aberta para armazenamento distribuído de conjuntos de dados muito grandes em clusters de computadores.

Tudo isso significa que você pode escalar seus dados para cima e para baixo sem ter que se preocupar com falhas de hardware. O Hadoop fornece enormes quantidades de armazenamento para qualquer tipo de dados, amplo poder de processamento e a capacidade de lidar com tarefas ou tarefas concorrentes praticamente ilimitadas.

Cloudera

Em essência, o Cloudera é um nome de marca para Hadoop com alguns serviços extras incorporados. Eles podem ajudar seu negócio a criar um hub de dados empresariais, para permitir que as pessoas em sua organização tenham melhor acesso aos dados que você está armazenando.

Embora tenha um elemento de código aberto, o Cloudera é principalmente uma solução empresarial para ajudar as empresas a gerenciar o seu ecossistema Hadoop.

Eles também fornecerão certa quantidade de segurança de dados, o que é muito importante se você estiver armazenando dados sensíveis ou pessoais.

MongoDB

O MongoDB é a abordagem moderna de inicialização dos bancos de dados. Pense neles como uma alternativa aos bancos de dados relacionais. Essa ferramenta é indicada para gerenciar dados não estruturados, semiestruturados ou que mudam com frequência.

Os casos de uso comum incluem armazenar dados para aplicativos móveis, catálogos de produtos, personalização em tempo real, gerenciamento de conteúdo e aplicativos que oferecem uma visão única em vários sistemas.

Contudo, o MongoDB não é para novatos. Como com qualquer banco de dados, você precisa saber consultá-lo usando uma linguagem de programação.

Talend

Talend é outra grande empresa de código aberto que oferece uma série de produtos. Aqui estamos nos concentrando em sua oferta de gerenciamento de dados mestre, que combina dados em tempo real, aplicações e integração de processos com qualidade de dados e gerenciamento incorporados.

Como é de código aberto, a Talend é gratuita, tornando-a uma boa opção independentemente do estágio de negócios em que você estiver. E evita ter que criar e manter seu próprio sistema de gerenciamento de dados — o que é uma tarefa complexa e difícil.

6. O que é preciso para fazer a integração das propostas?

Volume, velocidade e variedade são as três propriedades de Big Data que separam seus dados do restante que a empresa normalmente gera e poderia gerenciar por meio de conjuntos de ferramentas tradicionais como o Excel e o FileMaker.

Big Data representa insights que antes eram impossíveis e que têm potencial de levar a grandes melhorias de negócios, mudando o jogo para empresas e até indústrias inteiras.

Mas Big Data por si só são apenas dados. Há muita coisa, é claro. Alguns serão relevantes, mas alguns não serão. E tudo isso não significa nada sem a análise adequada. É aí que entra o Business Intelligence.

Se Big Data fosse um pedaço de madeira, BI poderia ser o machado que o cortou e o artista que o reduziu a uma escultura. Business Intelligence é ação. Isso significa envolver-se com suas informações, seja de tamanho normal ou Big Data, e fazer algo significativo acontecer a partir disso.

BI implica a organização e análise de dados brutos para obter informações comerciais valiosas. É uma ferramenta que traduz os dados coletados em massa, que ainda não possuem sentido, em um mapa que leva ao tesouro comercial: melhores decisões, mais eficiência e maior lucro.

7. Qual o objetivo da empresa ao implementar?

Agora que você tem clareza nos dois termos, o próximo passo lógico é avaliar onde sua organização está em relação aos seus dados e quais seus objetivos.

O primeiro passo para a criação de objetivos analíticos significativos é identificar as metas essenciais do negócio. Comece criando uma lista dos itens de ação de alto nível da organização ou os resultados desejados.

Não se preocupe muito com a forma como você vai medir isso agora. Basta fazer uma lista e colocar tudo no papel. Uma boa ideia é reunir outros responsáveis por tomadas de decisões na empresa, em qualquer nível, para também obter suas contribuições.

Diga-lhes que você está trabalhando para alinhar o que a companhia rastreia em análises para os objetivos do negócio. Peça para identificarem o que eles acreditam serem os três objetivos mais importantes para o negócio nos próximos 6-12 meses.

Se você definir estrategicamente como usar Big Data e Business Intelligence para alcançar um objetivo de negócio — como aumentar o faturamento em mais de 30% no próximo ano —, você terá a capacidade de mapear dados importantes para atingir esse objetivo.

Nesse exemplo, poderia ser o histórico de compras dos consumidores, informações de serviço ao cliente ou comportamento dos usuários no site.

8. Quais são os pré-requisitos para adotar?

Existem inúmeras maneiras de incorporar Big Data e Business Intelligence para melhorar as operações da sua empresa. Mas a verdade é que não há uma abordagem única. Além de compreender seus requisitos de infraestrutura, você ainda precisa criar um plano de implementação para entender o que todo projeto significará para sua organização.

No mínimo, esse plano deve incluir as seguintes 8 etapas:

1. Obtenha patrocínio no nível executivo

Os projetos Big Data e Business Intelligence precisam ser propostos e elaborados. Eles levam tempo ao escopo, e sem patrocínio executivo e uma equipe de projeto dedicada, há uma boa chance de eles falharem.

2. Aumente em vez de reconstruir

Comece com seu data warehouse existente. Seu desafio é identificar e priorizar fontes de dados adicionais e, em seguida, determinar a tecnologia certa. Nessa fase, você deseja obter aprovação para avaliar algumas opções até se instalar na tecnologia apropriada para suas necessidades.

3. Faça do valor para o cliente uma prioridade

Depois de identificar e priorizar fontes de dados, você deve conectá-las às necessidades e desejos de seus clientes. Por exemplo, se um cliente gosta de sorvete e está caminhando por uma nova sorveteria, não seria ótimo dar-lhe um cupom para uma casquinha grátis para que ele entre e experimente? Claro que sim.

4. Vincule os dados do cliente ao processo da empresa

Cada novo conjunto de dados apresenta uma oportunidade para mudar a forma como você entrega produtos e serviços. Por isso, impulsione decisões direcionadas por dados para a organização em todos os níveis — desde o desenvolvimento de produtos até a embalagem, a promoção, o preço e a publicidade.

5. Crie processos repetitivos

Um dos obstáculos a superar ao adicionar conjuntos de dados adicionais é o desejo de executar relatórios únicos para responder a perguntas interessantes sem conectar essas respostas às ações.

Dados importantes não devem significar paralisia de dados. Peça aos membros da equipe o que pode ser obtido a partir do conjunto de dados e quais ações devem ser tomadas dessas aprendizagens.

É crucial para evitar que as aprendizagens a partir da análise de dados se tornem apenas mais informação solta na empresa, sem conexão real com o cliente ou o produto.

6. Teste, meça e aprenda

Com cada conjunto de dados, teste seus pressupostos. Por exemplo, sistemas responsivos de marketing devem permitir que você envie mensagens personalizadas rapidamente, a partir do que é coletado.

Se você estiver usando Big Data de forma adequada, você poderá determinar no mesmo instante quais anúncios serão exibidos, o que permite que você faça sua otimização no futuro.

7. Mapeie os dados para a jornada de compra do cliente

Depois de ter sido bem-sucedido com um projeto ou dois, você pode se tornar mais criativo e mapear as necessidades de dados para cada etapa do ciclo de vida do cliente, fazendo perguntas como estas: quando os clientes estão descobrindo um produto ou serviço, onde eles estão recebendo suas informações? Como eles descobrem novos produtos? Entre outras.

9. De que forma os resultados são impulsionados?

Quando as organizações estão equipadas para extrair fatos cruciais dos dados operacionais e depois agem com rapidez, o resultado é, muitas vezes, o aumento da eficiência de venda e dos lucros. A boa notícia é que as ferramentas de inteligência de negócios (BI) e de Big Data necessárias para suportar esta análise de dados estão ao alcance da maioria das organizações.

A união das duas práticas pode impulsionar os resultados da empresa de oito maneiras principais, sendo elas:

  • direcionando atividades lucrativas;
  • aumentando a fidelidade dos clientes;
  • aumentando a precisão e a pontualidade das previsões de vendas;
  • aumentando a proporção de clientes de alto valor na sua carteira;
  • reduzindo as atividades de baixo rendimento no processo de vendas;
  • implantando promoções e publicidade de alto rendimento;
  • prevendo o futuro comportamento dos leads e dos clientes.

Nós vemos que as empresas com uma solução de BI consolidada têm mais maturidade para embarcar em projetos extensivos de mineração de dados e Big Data. Descobertas feitas por meio de Big Data podem ser testadas e monitoradas rapidamente por uma solução de BI. Assim, essas duas práticas complementares não só podem como devem coexistir para o sucesso do negócio!

 

Quer saber mais sobre as soluções da Locaweb Corp? Acesse nosso site!.