No congestionamento di\u00e1rio de informa\u00e7\u00f5es que caracteriza nossa sociedade atual, \u00e9 comum encontrar diversas coisas: desde artigos, blogs, v\u00eddeos e outros documentos inteiramente emp\u00edricos e sem qualquer base te\u00f3rica, at\u00e9 documentos altamente sofisticados, casos de uso, teoriza\u00e7\u00f5es extremas, entre outros.<\/p>\n\n\n\n
No entanto, h\u00e1 falta de crit\u00e9rios e de sele\u00e7\u00e3o adequada na identifica\u00e7\u00e3o de fontes de informa\u00e7\u00e3o, al\u00e9m da prolifera\u00e7\u00e3o de in\u00fameros autores que, embora possam ter experi\u00eancia e conhecimento em implementa\u00e7\u00e3o, muitas vezes carecem de rigor suficiente na defini\u00e7\u00e3o de termos. <\/p>\n\n\n\n
Essa caracter\u00edstica n\u00e3o \u00e9 comum apenas ao nosso t\u00f3pico atual \u2014 Business Intelligence e Big Data \u2014, mas, de forma geral, a muitos outros t\u00f3picos dentro do mundo dos neg\u00f3cios.<\/p>\n\n\n\n
Assim, constatamos que business intelligence e big data s\u00e3o frequentemente apresentados como temas anacr\u00f4nicos e disjuntivos. O objetivo central desta publica\u00e7\u00e3o \u00e9 esclarecer suas sutis diferen\u00e7as, mas, sobretudo, suas complementaridades e a constru\u00e7\u00e3o de sua vis\u00e3o como um \u00fanico elemento.<\/p>\n\n\n\n
Com isso, esperamos que o leitor consolide um ponto de vista com clareza conceitual suficiente para poder avan\u00e7ar para quest\u00f5es mais relevantes, especificamente aquelas que permitam que essas quest\u00f5es t\u00e3o importantes transcendam um grupo muito espec\u00edfico de empresas, com recursos e desenvolvimento suficientes, para um potencial que pode ser explorado por qualquer tipo de organiza\u00e7\u00e3o, independentemente de sua finalidade, natureza ou porte.<\/p>\n\n\n\n\n\n
Para come\u00e7ar, vamos propor uma defini\u00e7\u00e3o de Business Intelligence (<\/a>BI) que nos permitir\u00e1 consolidar a variedade de conceitos envolvidos.<\/p>\n\n\n\n Quando falamos em BI, estamos descrevendo um conjunto de processos, tecnologias e pessoas capazes de transformar dados em informa\u00e7\u00e3o e informa\u00e7\u00e3o em conhecimento, com o objetivo de otimizar a tomada de decis\u00f5es de neg\u00f3cios e facilitar a gest\u00e3o por meio do rastreamento de padr\u00f5es de comportamento e transa\u00e7\u00f5es.<\/p>\n\n\n\n O BI abrange uma ampla gama de tarefas, incluindo a coleta e consolida\u00e7\u00e3o de bancos de dados centralizados usando conceitos de ETL e data warehouse; o gerenciamento de ferramentas de aproveitamento de informa\u00e7\u00f5es baseadas em an\u00e1lise e minera\u00e7\u00e3o de dados; e um conjunto de ferramentas de visualiza\u00e7\u00e3o e relat\u00f3rios, incluindo tecnologias como OLAP (Online Analytical Processing).<\/p>\n\n\n\n Da mesma forma, o BI representa uma transforma\u00e7\u00e3o completa da gest\u00e3o organizacional. Uma empresa que busca trabalhar com BI deve partir do entendimento de que a gest\u00e3o empresarial est\u00e1 se tornando centrada em uma cultura orientada por dados, onde as decis\u00f5es s\u00e3o baseadas nas evid\u00eancias que os dados fornecem e onde esses dados s\u00e3o transversais \u00e0s atividades tradicionais de planejamento, organiza\u00e7\u00e3o, dire\u00e7\u00e3o e controle.<\/p>\n\n\n\n Com base nisso, a transforma\u00e7\u00e3o proporcionada pelo BI tamb\u00e9m se traduz na implementa\u00e7\u00e3o de tecnologias com foco mais estrat\u00e9gico e menos operacional. Da mesma forma, a mudan\u00e7a cultural significa que as pessoas devem ser treinadas para compreender os processos, a gest\u00e3o de ferramentas e a cultura de dados que o BI envolve, para que possam ser arquitetos da transforma\u00e7\u00e3o dos neg\u00f3cios.<\/p>\n\n\n\n Da se\u00e7\u00e3o anterior, pode-se observar que a intelig\u00eancia de neg\u00f3cios, mais do que simplesmente implementar tecnologias e processos, representa uma mudan\u00e7a empresarial completa. Uma das principais barreiras \u00e0 sua implementa\u00e7\u00e3o \u00e9 a falta de esfor\u00e7os adequados para alcan\u00e7ar a alta administra\u00e7\u00e3o com uma mensagem que facilite o entendimento, ajude-a a compreender suas vantagens e a assumir os projetos de implementa\u00e7\u00e3o que ela envolve.<\/p>\n\n\n\n Uma barreira tradicional aqui \u00e9 que a alta ger\u00eancia \u00e9 resistente aos processos de implementa\u00e7\u00e3o de BI, pois seus resultados geralmente n\u00e3o s\u00e3o imediatos, exigem investimentos iniciais significativos e, em alguns casos, representam uma tarefa altamente exigente, j\u00e1 que envolvem todas as facetas da organiza\u00e7\u00e3o.<\/p>\n\n\n\n O Big Data<\/a> est\u00e1 emergindo com seu potencial como uma forma de atender a essas necessidades. Ao fazer com que a gest\u00e3o empresarial compreenda que praticamente todos os eventos relacionados \u00e0 organiza\u00e7\u00e3o hoje s\u00e3o coletados na forma de dados, e que esses dados n\u00e3o apenas resumem fatos e fornecem insights sobre a realidade do neg\u00f3cio, mas tamb\u00e9m geram custos que poderiam ser amortizados, torna-se mais f\u00e1cil para os empres\u00e1rios entenderem que os dados devem ser aproveitados.<\/p>\n\n\n\n Isso se traduz em processos nos quais maiores esfor\u00e7os para desenvolver uma cultura da informa\u00e7\u00e3o s\u00e3o geralmente bem-vindos, desde que sejam financeiramente autossustent\u00e1veis.<\/p>\n\n\n\n Quando falamos de Big Data, podemos distinguir que estamos falando sobre o aproveitamento de grandes volumes de informa\u00e7\u00f5es para tomar decis\u00f5es de neg\u00f3cios e otimizar processos. \u00c9 not\u00e1vel que as semelhan\u00e7as conceituais com BI possam gerar alguma confus\u00e3o. Nesse sentido, Big Data tamb\u00e9m requer algumas considera\u00e7\u00f5es t\u00e9cnicas.<\/p>\n\n\n\n A integra\u00e7\u00e3o de dados de neg\u00f3cio que n\u00e3o fazem parte do ecossistema de bases de dados da empresa (o data warehouse), como dados de fontes secund\u00e1rias, implica ter reposit\u00f3rios de informa\u00e7\u00e3o espec\u00edficos para a gest\u00e3o do Big Data.<\/p>\n\n\n\n Muitos desses dados, quando processados adequadamente, podem ser integrados ao data warehouse. Nas fases iniciais ou durante o trabalho di\u00e1rio com dados, eles podem ser integrados em reposit\u00f3rios especiais conhecidos como data marts.<\/p>\n\n\n\n Big Data \u00e9 um tema altamente suscet\u00edvel a cair em megatend\u00eancias (modismos) de gest\u00e3o. Al\u00e9m de reconhecer que os volumes de dados est\u00e3o em ascens\u00e3o e adotar o famoso teorema do limite central, que, em uma vers\u00e3o bastante simplificada, afirma que o aumento da informa\u00e7\u00e3o permite maiores n\u00edveis de generaliza\u00e7\u00e3o, seus m\u00e9todos n\u00e3o s\u00e3o, por si s\u00f3, completamente inovadores, pois se baseiam em modelos matem\u00e1ticos e estat\u00edsticos previamente desenvolvidos, incorporam intelig\u00eancia artificial por meio de modelos de minera\u00e7\u00e3o de dados e a aplicam a cen\u00e1rios que envolvem fontes de dados n\u00e3o estruturadas.<\/a><\/p>\n\n\n\n Entretanto, o desenvolvimento do Big Data e a busca por consolida\u00e7\u00e3o e suporte que facilitem seu uso generalizado t\u00eam permitido que os desenvolvimentos computacionais se concentrem em encontrar algoritmos mais eficientes, com melhores tempos de resposta, possibilitando a tomada de decis\u00f5es sob o conceito ut\u00f3pico de \u201ctempo real\u201d.<\/p>\n\n\n\n Em vez de discutir diretamente as diferen\u00e7as entre Business Intelligence e Big Data, fica claro que precisamos caminhar em dire\u00e7\u00e3o a uma complementaridade entre dois conceitos que n\u00e3o s\u00e3o apenas semelhantes, mas tamb\u00e9m muito mais poderosos se integrados, em vez de criar uma disjun\u00e7\u00e3o entre eles. Assim, a mensagem central desta an\u00e1lise n\u00e3o \u00e9 criar caminhos separados, mas sim multiplicar as valiosas caracter\u00edsticas impl\u00edcitas tanto em Business Intelligence quanto em Big Data.<\/p>\n\n\n\n Algumas das dist\u00e2ncias espec\u00edficas que poderiam ser marcadas entre esses dois t\u00f3picos s\u00e3o dadas pelo fato de que o conceito de Big Data n\u00e3o se refere diretamente a processos ou pessoas: \u00e9 um conceito focado em algoritmos e metodologias que permitem extrair conhecimento de dados processados.<\/p>\n\n\n\n Esses dados, por sua vez, podem vir de uma ampla variedade de fontes e podem ser estruturados, como \u00e9 tradicionalmente usado em bancos de dados empresariais, ou n\u00e3o estruturados, que variam de dados textuais a conte\u00fado multim\u00eddia.<\/p>\n\n\n\n Podemos tamb\u00e9m observar que o componente anal\u00edtico do BI \u00e9 potencializado pelo Big Data, mas, ao mesmo tempo, uma concep\u00e7\u00e3o hol\u00edstica e aplicada do Big Data exige as qualidades do BI. Nesse sentido, assumir um cen\u00e1rio de dados mais completo e aberto, com capacidades muito maiores de processar, integrar, analisar e distribuir informa\u00e7\u00f5es, s\u00f3 pode ser positivo e n\u00e3o deve impedir a cria\u00e7\u00e3o de diferen\u00e7as em suas aplica\u00e7\u00f5es.<\/p>\n\n\n\n O cen\u00e1rio ideal \u00e9 aquele que nos permite ter muito mais dados, poder integr\u00e1-los e maximizar sua qualidade e completude, definir metodologias ideais para seu processamento e an\u00e1lise e garantir que cheguem aos tomadores de decis\u00e3o<\/a> com qualidade tal que o n\u00edvel de dificuldade em sua transforma\u00e7\u00e3o em decis\u00f5es e sua implementa\u00e7\u00e3o seja reduzido ao m\u00ednimo.<\/p>\n\n\n\n S\u00f3 assim garantiremos um ambiente de dados suficientemente forte para permitir que as organiza\u00e7\u00f5es sejam mais resilientes, n\u00e3o pelas suas capacidades financeiras ou materiais, mas pelo conhecimento e talento que possuem.<\/p>\n\n\n\nBig Data<\/strong><\/h2>\n\n\n\n
Como Business Intelligence e Big Data se complementam?<\/strong><\/h2>\n\n\n\n