6 desafios de BI que as equipes de TI devem enfrentar

Todos os dias, organizações de todos os tipos são inundadas com dados de várias fontes, e tentar entender tudo isso pode ser estressante. Portanto, uma forte estratégia de business intelligence (BI) pode ajudar a organizar o fluxo e garantir que os usuários corporativos tenham acesso a insights de negócios acionáveis.

“Até 2025, estima-se que teremos 463 milhões de terabytes de dados criados todos os dias”, diz Lisa Thee, Líder do Setor de Dados para o Bem no Launch Consulting Group, em Seattle. “Para que as empresas se mantenham em contato com o mercado, sejam responsivas e criem produtos que se conectem com os consumidores, é importante aproveitar os insights que surgem dessas informações”.

O software de BI ajuda as empresas a fazer exatamente isso, reunindo os dados certos em relatórios analíticos e visuais para que os usuários possam tomar decisões informadas. Mas sem a abordagem certa para implementar essas ferramentas, as organizações ainda enfrentam problemas para maximizar o valor e atingir as metas de negócios.

Aqui estão seis desafios comuns de BI enfrentados pelas empresas — e como a TI pode resolvê-los.

Baixas taxas de adoção do usuário

É fundamental para as organizações que desejam obter os benefícios das ferramentas de BI obter a adesão de todas as partes interessadas imediatamente, pois qualquer relutância inicial pode resultar em baixas taxas de adoção.

“A questão número um para nossa equipe de BI é convencer as pessoas de que a inteligência de negócios ajudará a tomar decisões verdadeiras baseadas em dados”, diz Diana Stout, Analista de Negócios Sênior da Schellman, uma avaliadora global de segurança cibernética com sede em Tampa, Flórida.

Para obter a adesão dos funcionários, a equipe de Stout cria painéis de BI para mostrar a eles como eles podem se conectar e interagir facilmente com seus dados, além de visualizá-los de maneira significativa.

“Por exemplo, digamos que uma parte interessada pense que uma determinada linha de produtos é a mais lucrativa”, diz ela. “Posso construir um painel e mostrar a eles a inteligência que prova que o que eles pensam está correto ou posso provar que eles estão errados e mostrar o porquê”.

Isso permite que os usuários vejam o valor da adoção de ferramentas de BI, de acordo com Stout.

Determinar qual método de entrega de BI se encaixa melhor

Existem muitas maneiras tradicionais gerenciadas pela TI de fornecer relatórios e insights de dados. Mas, ao utilizar ferramentas de BI de autoatendimento, com painéis e interfaces de usuário mais intuitivos, as empresas podem simplificar seus processos, permitindo que os gerentes e outras equipes não técnicas gerenciem melhor os relatórios e, portanto, obtenham maior valor comercial dos dados.

Pode haver obstáculos, no entanto, para adotar a abordagem de autoatendimento. Ter muito acesso em muitos departamentos, por exemplo, pode resultar em uma cozinha cheia de cozinheiros inexperientes aumentando os custos e expondo a empresa a problemas de segurança de dados. E você quer que sua equipe de vendas tome decisões com base nos dados que obtém e tenha autonomia para misturar e combinar para ver o que funciona melhor? O controle central e padronizado sobre a distribuição de ferramentas é fundamental. E para fazer isso corretamente, a TI precisa controlar bem os dados.

Devido a essas compensações, as organizações devem garantir que selecionem a abordagem de BI mais adequada para o aplicativo de negócios em questão.

“Temos mais de 100.000 associados, além de externos, trabalhando para nós, e esse é um grupo de usuários bastante grande para atender”, diz Axel Goris, Líder Global de Análise Visual da Novartis, empresa farmacêutica multinacional com sede em Basel, Suíça. “Um dos principais desafios foi a organização em torno da entrega – como você organiza a entrega, porque uma empresa farmacêutica é altamente regulamentada”.

Um modelo de entrega de BI gerenciado por TI, explica Goris, requer muito esforço e processo, o que não funcionaria para algumas partes do negócio.

“Isso porque eles acham que é excessivamente complexo; há muita sobrecarga e eles querem se mover mais rápido e ser mais ágeis”, diz Goris. “E se a TI for o local de entrega, ela se tornará um gargalo porque não somos grandes o suficiente para fazer a entrega para todos”.

Para lidar com esse desafio, a Novartis implementou os dois tipos de entrega: o método gerenciado pela TI e a abordagem de autoatendimento gerenciada pelos negócios.

“Com a entrega gerenciada pela empresa, fornecemos as plataformas e ferramentas e permitimos que a empresa, dentro de certos parâmetros, siga por conta própria, use seus fornecedores preferidos ou as próprias equipes façam isso, e isso é muito popular”, diz ele, acrescentando que tudo se resume a determinar “como podemos atender a todos na empresa ou permitir que os usuários de BI atendam a si mesmos de maneira escalável”.

Integrar dados ou não

Como as organizações precisam integrar dados de uma variedade de fontes de dados no local e na nuvem — o que pode ser um processo demorado e complicado — a demanda para simplificar o processo de configuração aumenta. Mas muitos encontram outras soluções. A Lionel LLC, por exemplo, designer e importadora americana de trens de brinquedo e ferrovias modelo com sede em Concord, Carolina do Norte, usa seu ERP como sistema de registro, de acordo com o CIO Rick Gemereth.

“Nossa única fonte de dados é o NetSuite, e temos todo o nosso ERP, nosso e-commerce, baseado no NetSuite”, afirma. “E um dos benefícios disso é que não temos o desafio de tentar casar dados de fontes diferentes”. No entanto, o que funciona para a Lionel pode não funcionar em outro lugar. O desafio é encontrar a solução que funciona melhor para suas circunstâncias particulares.

Stout, por exemplo, explica como a Schellman aborda a integração de seu gerenciamento de relacionamento com o cliente (CRM) e dados financeiros.

“Muitos softwares de business intelligence extraem de um data warehouse onde você carrega todas as tabelas de dados que são o back-end de diferentes softwares”, diz ela. “Ou você tem uma [ferramenta de BI] como a Domo, que Schellman usa, que pode funcionar como um data warehouse. Você pode se conectar ao software e ele o colocará em uma mesa. Então você tem todas essas tabelas em um só lugar para poder pegar as informações e mexer com elas”.

Jim Hare, Distinto Vice-Presidente e Analista do Gartner, diz que algumas pessoas acham que precisam pegar todos os dados isolados em sistemas em várias unidades de negócios e despejá-los em um data lake.

“Mas o que eles realmente precisam fazer é repensar fundamentalmente como os dados são gerenciados e acessados”, diz ele. “O que o Gartner está escrevendo é o conceito de uma estrutura de dados”.

Definido como um facilitador de acesso sem atrito de compartilhamento de dados em um ambiente de dados distribuído, o data fabric visa ajudar as empresas a acessar, integrar e gerenciar seus dados, independentemente de onde esses dados estejam armazenados, usando gráficos de conhecimento semântico, gerenciamento de metadados ativos e machining learning incorporado. “A malha de dados permite que os dados residam em diferentes tipos de repositórios na nuvem ou no local”, diz Hare. “Trata-se de poder encontrar dados relevantes e conectá-los por meio de um gráfico de conhecimento. E a chave para isso é o gerenciamento de metadados”.

Permitir que o perfeito seja inimigo do bom o bastante

A sabedoria convencional diz que as empresas precisam trabalhar com dados de alta qualidade para obter os insights necessários para tomar as melhores decisões de negócios. Mas isso não é muito preciso, diz Nicole Miara, Líder de Transformação Digital da LKQ Europe GmbH, uma subsidiária da LKQ Corp. e distribuidora líder de peças automotivas de reposição com sede em Zug, Suíça.

Só porque você não acha que os dados são da mais alta qualidade, não significa que eles não tenham valor.

Quando se trata de tomar decisões, o desejo de uma empresa de obter dados perfeitos pode retardar seus esforços, pois eles gastam tempo reunindo o máximo possível, consertando dados incompletos ou corrigindo formatos. É difícil ter dados perfeitos, mas é possível que as organizações trabalhem e analisem dados imperfeitos para começar a traduzi-los em insights de negócios, de acordo com Miara. Ela cita como, com o Project Zebra, um think tank de código aberto composto por líderes empresariais, acadêmicos e tecnólogos trabalhando para impulsionar a melhoria da cadeia de suprimentos, ela conseguiu usar dados imperfeitos para tomar boas decisões de negócios e melhorar significativamente a cadeia de suprimentos.

“Os dados não precisam ser perfeitos para iniciar a jornada”, diz ela. “É uma abordagem passo a passo”. Além disso, ela acrescenta, você não pode fazer previsões se não tiver a camada de dados básica.

Por exemplo, a LKQ Europe estava tentando aplicar seus dados, incluindo dados de vendas, para melhorar as operações de sua cadeia de suprimentos à luz dos 35 meses de interrupção que experimentou devido à pandemia. No entanto, a empresa só tinha dados sobre seu histórico de vendas por cerca de 12 meses.

“Pegamos os dados da fatura e não tínhamos informações adicionais sobre nossas vendas, então pegamos esses dados de vendas imperfeitos e tentamos encontrar correlações com nossos negócios futuros”, diz Miara. “Mas queríamos entender se poderíamos melhorar nossa previsão para prever a demanda com base apenas nesses dados. Descobrimos que nossos dados imperfeitos se correlacionavam muito bem com sinais externos, como inflação e índice de emprego, embora os dados não fossem perfeitos”.

Lidar com a resistência à mudança

O gerenciamento de mudanças foi a luta número um que a Happy Feet International enfrentou para implementar a inteligência de negócios, diz Nick Schwartz, CIO da empresa de pisos de vinil de luxo com sede em Ringgold, Geórgia.

A indústria de pisos é uma criança tecnológica e, como tal, muitas pessoas não usam tecnologia, de acordo com Schwartz. Na verdade, quando Schwartz ingressou na empresa, há três anos, os vendedores nem mesmo usavam e-mail no dia-a-dia, pois se sentiam mais à vontade para fazer negócios por telefone.

“As pessoas estão acostumadas a fazer as coisas de uma certa maneira”, diz ele. “Eles fazem isso há anos e perguntam por que você está tentando fazer de maneira diferente. Portanto, temos que simplificar ao máximo a experiência para eles e também realizar sessões de treinamento mais longas”.

Consistência de governança de dados

As organizações precisam garantir que tenham processos maduros de governança de dados, incluindo gerenciamento de dados mestre, bem como governança em torno de métricas-chave e indicadores-chave de desempenho (KPIs), diz Justin Gillespie, Diretor e Cientista-Chefe de Dados do The Hackett Group, um consultor de pesquisa e empresa de consultoria.

“Todos nós ouvimos as histórias de horror”, diz ele. “Todas as empresas com quem falo têm o mesmo problema, pois as pessoas vêm às reuniões com números diferentes e passam toda a reunião discutindo sobre como fulano conseguiu seu número. Ter um conjunto centralizado de KPIs e métricas que são certificados pela organização é fundamental”.

Governança também é padronizar as ferramentas e plataformas, de acordo com Gillespie. “Do ponto de vista de ferramentas e tecnologias, raramente é sobre não ter ferramentas, geralmente é sobre ter muitas ferramentas”, diz ele. “Portanto, as empresas devem padronizar um conjunto de ferramentas e, em seguida, criar uma proficiência em torno dele”.