X

Saiba como a nuvem e as novas tecnologias habilitam a transformação nos negócios e na sociedade.

Por que integrar a estratégia de análise com a estratégia de dados?

This is a syndicated post, view the original post here

A Oracle removeu a complexidade do gerenciamento e análise dos dados, porque optou por simplificá-los.

Por Robert Dutcher*

Sempre que vou a um cliente e ouço suas necessidades de análises, a conversa quase sempre toma um rumo para dados e análises. As duas coisas estão interligadas, porque, em geral, quando líderes funcionais e executivos têm um problema de análise ou insightw, recorrem às métricas de indicadores principais de desempenho (KPIs), pois conseguem as informações de maneira adequada. O fato é que obter informações é algo demorado e trabalhoso.

Às vezes, isso tem a ver com as funcionalidades de suas análises. Eles têm os dados imediatamente disponíveis, mas precisam de uma ferramenta que dê mais agilidade ao processo. Isso é necessário para que os analistas de dados ou negócios consigam fazer a visualização de dados e análises por autosserviço de forma rápida e valiosa. Além disso, os dados costumam estar distribuídos por todos os cantos, ou seja, eles precisam primeiro extrair manualmente esses dados para só depois iniciar suas análises.

Por exemplo, eles podem ter acesso a diversas fontes de dados, pois estão usando muitos aplicativos de vendas. Podem ter acesso a alguns dados financeiros ou de marketing extraídos em formato CSV ou Excel. Podem coletar outros dados de qualquer outro lugar para usar naquele momento. Depois, eles precisam combinar todos esses dados, muitas vezes usando um arquivo do Excel como um banco de dados e criando suas próprias métricas ou análises a partir dali.

-Leia mais: Java 14 torna o código super expressivo, dizem desenvolvedores

Esse processo é muito mais difícil e demorado do que a análise de dados em si. Além disso, por ser muito manual, não recorrente, quando a análise precisar ser refeita três semanas depois, o processo difícil e demorado acontecerá novamente. Isso também gera um problema de consistência dos dados, porque, se eu compartilho uma planilha com alguém enquanto os dados são atualizados, a planilha original agora estará sem sincronização, afinal, diferentes equipes estarão usando diferentes versões, sem acesso a uma fonte em comum. Junte a isso os erros de fórmulas entre versões, links rompidos e, é claro, problemas de segurança e governança que são inerentes em um compartilhamento de planilha. Basicamente, todos os problemas habituais que as pessoas costumam ter entram em cena neste momento.

Quando eu analiso como de fato resolver esse problema de análise dos dados, primeiro recomendo que os clientes comecem a automatizar alguns desses processos com o uso da preparação dos dados por autosserviço. Essa é uma funcionalidade integrada na ferramenta de análise. Com ela, eles conseguem documentar e automatizar os processos de forma que se tornem recorrentes, algo que reduz muito o tempo de análise e de geração de resultados.

Em seguida, existe uma necessidade de conseguir compartilhar os dados de maneira consistente. Mas se você usa o Excel, com o tempo terá um problema de controle de versão.

Também existe o problema de governança e segurança mencionado anteriormente. Digamos que eu seja responsável pelo planejamento e análise financeiros. Se envio a você as planilhas por email ou se as coloco no SharePoint com informações financeiras importantes, essa não será exatamente uma prática recomendada do ponto de vista da segurança.

Então, como resolver esses problemas? Como analista de negócios de reconhecimento de dados, consigo criar de forma ágil um Oracle Autonomous Database em questão de minutos, em apenas algumas etapas, com um repositório de dados seguro e compartilhável. Posso usar a funcionalidade de preparação de dados por autosserviço no Oracle Analytics não só para automatizar o processo de preparação de dados, mas também para popular automaticamente meu repositório de dados seguro e compartilhável. Agora, se eu atualizar os dados, todos conseguirão ver essas atualizações em tempo real, e o problema da consistência e da segurança estará resolvido.

De uma perspectiva da governança, uma equipe centralizada de dados e análises consegue ver quais dados, transformações, métricas, relatórios e análises estão sendo usados. Isso quer dizer que conjuntos de dados, transformações, métricas, relatórios e análises "ad hoc" podem ser controlados dentro da função empresarial e também entre funções. E se forem usados com frequência, poderão ser incorporados em data warehouses e métricas por departamento ou na empresa. Os relatórios podem ser incorporados em dashboards e relatórios padrão, integrando processos ad hoc isolados em um processo por departamento e na empresa, o que possibilita ainda mais consistência, acesso e eficiência.

Quais divisões aproveitam mais as análises?
Cada departamento e função usa dados de algum jeito ou formato. Cada um prefere avaliar seu próprio desempenho e usar os dados para aumentar a eficiência e a agilidade. Ou seja, existem certas linhas de negócios que tendem a ter mais funções de análise, como planejamento financeiro. E, obviamente, sempre existe um desejo de integrar informações financeiras em outras funções, como RH, vendas, marketing, cadeia de suprimentos e manufatura. Essa grande e universal necessidade de dados e análises significa que as organizações precisam dar autonomia para seus departamentos e funções terem suas próprias soluções de análise de dados. Mas essa autonomia também precisa ser administrada e integrada em uma estratégia geral de análise de dados empresariais.

Soluções inovadoras para problemas com os dados
Algumas funcionalidades que a Oracle apresenta são incrivelmente inovadoras. Nenhuma outra solução de análise de dados no mercado consegue fazer o que incluímos em nossa solução.
Primeiro, o Oracle Autonomous Database tem uma natureza de autosserviço. Por ser autônomo, o suporte de TI é menor, e sua criação é muito rápida e simples. Você não precisa se preocupar com os ajustes. Você não precisa se preocupar com a aplicação de patches. Você não precisa de tantos recursos para o gerenciamento.

Outra inovação é a preparação de dados por autosserviço. A Oracle conta com algumas funcionalidades mais extensivas de preparação de dados, que incluem a possibilidade de automatizar o preenchimento de um Banco de dados autônomo. Essas funcionalidades liberam tempo e recursos, que podem ser implantados para identificar quais dados adicionais podem ser usados para tornar a análise mais relevante e impactante.

Também expandimos as análises, que incorporam o machine learning em todos os aspectos do processo de análise. Oferecemos funcionalidades, como a identificação automática de dados adicionais disponíveis que podem melhorar sua análise, a possibilidade de transformar gráficos em narração textual para enfatizar o significado do gráfico, e a capacidade de identificar automaticamente os principais influenciadores de uma métrica, por exemplo, para indicar o que está causando a queda nas vendas.

E a mesma solução de dados e análises pode ser usada em ambientes de autosserviço e gerenciados, o que permite a criação de um processo que captura dados e análises comuns de um processo de autosserviço e altamente ágil e os incorpora de volta em seu ambiente mais centralizado e gerenciado. Então, novamente, a Oracle oferece a você o equilíbrio entre autosserviço e governança.

Resultados controlados por dados
Se a sua empresa for controlada por dados e insights, certamente já estará na frente das empresas que não são. Mas os dados que você usa e os insights que recebe só terão valor se forem adequados. Você não pode esperar um mês para receber informações. Honestamente, você não pode esperar nem uma semana quando está prestes a tomar uma decisão na próxima hora.
Antigamente, as análises precisavam de um profissional de dados e outro de análise. Essa necessidade vai diminuindo a cada ano, pois está cada vez mais fácil usar essas ferramentas de dados e análises, como o Oracle Autonomous Database e o Oracle Analytics, principalmente quando você complementa com o machine learning e o aumento de dados.

A Oracle removeu a complexidade do gerenciamento e análise dos dados, porque optou por simplificá-los. Isso reduz a necessidade inicial, já que muitas pessoas podem acessar, usar e controlar seus dados e análises.

Vemos empresas usando a solução de dados e análise da Oracle para simplificar os processos manuais. Elas admitem que o que levava dias ou semanas hoje leva horas ou minutos. E quando fazem a automação, os resultados de processos recorrentes são obtidos em segundos.

*Robert Dutcher é VP de marketing de produto - Análises e Big Data

Be the first to comment

Comentários ( 0 )
Please enter your name.Please provide a valid email address.Please enter a comment.CAPTCHA challenge response provided was incorrect. Please try again.