Pular para o conteúdo principal

Construindo uma Empresa Ágil: O Papel dos Dashboards e Scorecards - Parte 1

Mudanças constantes no ambiente de negócios forçam as empresas a ajustarem continuamente suas estratégias e operações de negócios, redefinir objetivos e indicadores, para analisar sua performance. Definir uma infra-estrutura de gerenciamento de informação para apoiar cenários de negócios em constante mudança torna-se, então, fundamental para dar mais agilidade aos negócios. Dashboards e scorecards tornam-se uma importante ferramenta para os negócios, fornecendo uma visão consolidada da empresa.

Soluções de Business Intelligence (BI) têm ajudado organizações a gerenciar seus desempenhos na última década. Com o passar dos anos, o BI evoluiu das análises e relatórios convencionais para ferramentas de tomada de decisões estratégicas e gerenciamento de performance tornando-se mais fáceis de usar e trazendo mais agilidade. Dashboards e scorecards são a nova face do BI e estão entre as ferramentas mais comuns para monitorar o desempenho. Muito embora os dashboards existam há muitos anos, o seu uso como aplicações de BI só surgiu após a onda das soluções de gerenciamento de desempenho.

Apesar deles, enganosamente, parecerem simples, dashboards não são fáceis de serem construídos. Desde a identificação das métricas corretas, até a seleção das ferramentas certas para a organização de dados, existem múltiplos desafios que precisam ser considerados nas implementações dos dashboards.

1. Definir um framework para gerenciar e monitorar as métricas.

Primeiramente, a equipe de planejamento estratégico entende as estratégias de alto nível de uma organização, define metas e escolhe os parceiros para implementação.

Essas estratégias são mais uma vez destrinchadas em direcionadores chave dos negócios e medidas para alcançar objetivos. KPIs, do inglês “Key Performance Indicators”, ou Indicadores Chave de Desempenho, são identificados mantendo-se o foco nas metas e objetivos da corporação. Cada iniciativa do dashboard é guiada pelas métricas e medidas de performance da organização. Assim, é essencial gerenciar e entender as métricas minuciosamente.

Identificar uma lista otimizada de KPIs: Um excesso de KPIs em um dashboard poderia ser o resultado da falta de foco de alguns gerenciadores de negócio. Alternativamente, muitos KPIs vão distrair e confundir usuários. Estabelecer uma quantidade exaustiva de KPIs é uma tarefa sobre-humana. Faça uma lista otimizada e eficiente de todos os KPIs por dimensões como geografia, funções de usuário, tempo etc.

Mapear KPIs para métricas e métricas para dados: Mapeamento de métrica é o processo de se dividir KPIs em métricas e métricas em elementos de dados individuais. Ligue ou mapeie a métrica de performance para os elementos de dados utilizando regras e fórmulas.

Adicionalmente, identifique os KPIs e métricas que estão atualmente indisponíveis nos sistemas-fonte. Em alguns casos, a informação está disponível, mas não totalmente automatizado ou em um formato legível. Isso poderia requerer mudanças nos sistemas-fonte. Os requerimentos imediatos podem ser alcançados adicionando manualmente os dados aos dashboards.

Monitorar limiares e benchmarks: Qualquer exercício de dashboard constituído por alertas, triggers, indicadores e dials necessita de benchmarking dos KPIs. Benchmarking ajuda na análise pró-ativa e monitoramento de desempenho. Eles devem ser traduzidos em regras de negócio da organização. Alguns exemplos de limiares e regras de negócio são ilustrados abaixo:

- Se o custo de mão-de-obra exceder o do trimestre anterior por mais que 5% sinalize com uma marca amarela, e por mais que 15%, sinalize com uma marca vermelha.
- Se a média diária de vendas para o trimestre aumentar em 10%, sinalize com uma marca amarela, em 15%, sinalize com uma marca verde.
- Dispare um alerta se o nível de inventário de um produto cair para menos de 100 unidades.
Valores de limiar podem variar dependendo do nível de agregação nos dashboards. Limiares locais e globais são capturados pelas hierarquias nos dashboards. Eles devem ser continuamente monitorados e facilmente alteráveis.

2. Construir uma arquitetura de informação para o gerenciamento de performance.

Convergir BI com soluções de gerenciamento de performance requer uma sólida infra-estrutura de gerenciamento de dados e processos de governança corporativa. Descubrir os dados corporativos: na fase de descoberta de dados, as fontes para os KPIs são identificadas, e uma lista exaustiva de seus atributos são capturadas. A aplicação de dashboard geralmente se encarrega do KPI e os cálculos da métrica. Separar os dados de performance de maneira lógica: a prática padrão é construir um Data Warehouse de nível corporativo. Entretanto, mantendo os custos e tempo em mente, é bem aconselhável avaliar a necessidade desse DW Corporativo.

Os KPIs, objetivos, metas, métricas e todos outros direcionadores são tão dinâmicos em uma organização que o DW em algum momento pode não atender a uma demanda de mudança. No entanto, a partir do momento que ele armazena dados no seu nível elementar, um DW será a fonte para um distinto depósito de dados analíticos que suporta exclusivamente a solução do dashboard e scorecard chamado Depósito de Dados de Performance, do inglês, Performance Data Store (PDS). O DW poderia armazenar os dados empresariais, enquanto que o PDS armazenará os dados como requerido pelos dashboards. Idealmente, pelo fato dos requerimentos dos dados estarem freqüentemente mudando em um dashboard, é aconselhável que se separe os repositórios físicamente, ou pelo menos, logicamente. Assim, o PDS resolve o problema da dinâmica de armazenamento e da mudança freqüente dos KPIs, fórmula de métrica e componentes. Mesmo depois de sua criação, um DW ainda pode não ser capaz de fornecer dados diretamente para um dashboard.

No entanto, aplicações analíticas deveriam ser integradas. Os dashboards, relatórios e scorecards deveriam ser interconectados e permitir drill-down. A análise pode então, oscilar entre um nível mais alto de informação e dados detalhados e granulares.

3. Integrar os dados orçamentários e previstos (forecasting) com dados de performance.

Dados orçamentários e previstos (forecasting), agem como alvos (targets) e benchmarks para medir performance. Analistas de performance precisam medir e monitorar constantemente os alvos.

Uma das funcionalidades chave de uma solução de Gerenciamento de Performance, do inglês, Enterprise Performance Management (EPM) é disponibilizar uma aplicação dinâmica para o seu usuário. A aplicação de dashboard deve ter capacidade de integração de dados e aplicações com os sistemas de planejamento. Se a análise da causa-raiz de um problema na aplicação de dashboard recomenda mudanças nos dados do planejamento, os dados modificados nos sistemas de planejamento devem ser retornados às aplicações de dashboard.

Essa automação se torna a chave para o sucesso de qualquer solução de dashboard.

4. Entregar a informação com alto fator de latência.

Integração de dados em tempo real minimiza atrasos na restauração e restituição de dados nos sistemas de dashboard. Automação pode fornecer dados auditados no momento preciso para usuários autorizados e autenticados. Para iniciativas que abrangem toda a corporação como concordância com os regulamentos e gerenciamento de riscos, a integração automatizada e quase em tempo real se torna vital.

Junto com os dados, automatize a criação dos dashboards e minimize a entrada manual de dados nos sistemas de dashboard. A integração de dados deve endereçar diversos níveis de latência nos dashboards. Garanta uma avaliação completa da freqüência ótima para a atualização dos dados usando a latência e a matriz de implementação de custos.



Comentários

Postagens mais visitadas deste blog

(T) Como indexar uma tabela Fato - (Best Practice)

A base de qualquer projeto de bi é ter um bom dw/data mart. Podemos falar em modelagem star-schema durante dias, sem falar nas variações do snowflake, mas o objetivo principal deste artigo é apontar algumas negligências que tenho percebido no tratamento da tabela fato. Tabela esta que é o principal pilar da casa que reside um modelo star-schema.

Ouço muitas vezes os clientes reclamando do desempenho das consultas enviadas contra o seu dw/data mart, ou do tempo de resposta das análises solicitadas ao bi. Isto é realmente inaceitável, não só numa perspectiva de implantação do projeto, mas também de desempenho da entrega das informações.

Como eu mencionei anteriormente o meu objetivo neste artigo, é alertar sobre a importância da indexação da tabela fato: o que deveria ser, porque é necessário, porque chaves compostas são boas e más, e porque você deveria se preocupar com isso.

Então, vejamos:

|a| Indexação padrão (default):
De forma rápida, todas as colunas de chave estrangeira (FK) devem …

(A) Tucson Best Buy Analysis

“Data! Data! Data!” he cried impatiently.  “I can’t make bricks without clay.” —Arthur Conan Doyle
The Ascendance of Data

We live in a world that’s drowning in data. Websites track every user’s every click. Your smartphone is building up a record of your location and speed every second of every day. “Quantified selfers” wear pedometers-on-steroids that are ever recording their heart rates, movement habits, diet, and sleep patterns. Smart cars collect driving habits, smart homes collect living habits, and smart marketers collect purchasing habits. The Internet itself represents a huge graph of knowledge that contains (among other things) an enormous cross-referenced encyclopedia; domain-specific databases about movies, music, sports results, pinball machines, memes, and cocktails; and too many government statistics (some of them nearly true!) from too many governments to wrap your head around.
Buried in these data are answers to countless questions that no one’s ever thought to ask. In…