Pular para o conteúdo principal

Um guia de como a TI pode contribuir para melhorar as tomadas de decisões nas organizações

Os executivos das empresas tomam todos os dias decisões empresariais críticas, baseadas nas informações de que dispõem. Estas informações podem vir de diversas fontes: opiniões de colegas ou outros executivos, intuição ou avaliação pessoal do negócio, bem como dados fornecidos interna ou externamente à empresa.

Isto é particularmente preocupante considerando a falta de confiança nos dados disponíveis para os responsáveis por decisões: em uma pesquisa realizada nos EUA, constatou que nove de dez executivos corporativos admitem tomar decisões importantes com base em informações inadequadas. Isto sugere que os problemas na tomada de decisões têm origem na qualidade, quantidade e pontualidade das informações. Como resultado, as pequenas e médias empresas de hoje estão destinadas a tomar inúmeras decisões sem uma base de informações rigorosa, com uma freqüência bastante alarmante. Os executivos muitas vezes não têm as informações necessárias para tomar as melhores decisões em tempo adequado. Por isso, eles têm de descobrir como obter uma visibilidade de 360 graus da sua empresa que seja precisa e viável. A visibilidade em tempo real não só fornece os meios para verificar e justificar os resultados, mas também a certeza absoluta de que as pequenas e médias empresas estão otimizando a consistência, exatidão e pontualidade, através da utilização de uma única fonte de dados que lhes permite tomar melhores e mais rápidas decisões.

Porque necessitam as empresas de uma boa visibilidade das informações?

Atualmente, as empresas têm acesso a mais informações do que nunca. Contudo, muitas tornaram-se vítimas do seu próprio sucesso. O crescimento rápido pode inundar as empresas com grandes quantidades de dados sobre produtos, concorrentes, fornecedores, clientes, etc. Para que os executivos possam tomar as decisões corretas, é necessário que tenham um bom conhecimento dos dados extraindo apenas as informações relevantes no momento preciso.

Quando se trata do gerenciamento de dados, a explosão de informações não é o único problema das empresas. Também existe uma tendência crescente de os empregados usarem os seus conhecimentos de TI para criar e manter arquivos em unidades de disco locais, em vez de em bancos de dados partilhados, criando na realidade “micro-silos” de dados. De acordo com uma pesquisa de 2007 da FileMaker focalizada no gerenciamento de processos de TI em pequenas e médias empresas, esta tendência inclui práticas como a do uso do e-mail para contornar os servidores de rede. O chamado “estilo livre dos empregados” (p. ex. a tendência dos usuários de gerenciar as aplicações de TI de um modo autônomo e não autorizado) está criando um problema de gerenciamento de dados e também graves problemas de workflow, bem como eventuais catástrofes de conformidade.

Estes silos de dados estão impedindo que os departamentos das empresas tomem as melhores decisões, levando em alguns casos a decisões que afetam a empresa como um todo. A maioria das informações empresariais está escondida em planilhas eletrônicas e em “silos” isolados que evoluíram ao longo do tempo, suprindo sem dúvida necessidades de curto prazo, mas acabando por desacelerar fortemente o ritmo na tomada de decisões. Um exemplo típico é quando vendedores individuais entram e atualizam dados de clientes em planilhas eletrônicas Excel. Para todos os efeitos, estes dados estão “escondidos” e seguramente não podem ser manipulados pelos gerentes, para fazer análises da rentabilidade ou do funil de vendas. Isto está diretamente relacionado com a qualidade dos dados à disposição dos gerentes e executivos para o seu processo de tomada de decisões.

A complexidade do problema da qualidade dos dados reside na grande quantidade de dados gerada pela atividade empresarial diária. Estimando 40 gigabytes de espaço de armazenamento de dados no computador de cada usuário, uma empresa com 100 empregados pode gerar 4 terabytes só de dados dos usuários. Se você considerar os dados gerados em todas as cadeias de suprimento e distribuição, poderá obter uma quantidade de informações de proporções

gigantescas. Além disso, no clima empresarial de crescimento acelerado atual, o crescimento dos dados das empresas típicas pode duplicar a cada dois anos.

Contudo, a percepção dos executivos é que a maioria das informações necessárias para tomarem decisões está disponível “no sistema informatizado” ou, no mínimo, arquivada até o momento certo para ser acessada e usada. Afinal, com a automatização das funções empresariais, como contabilidade, expedição e produção, existe uma expectativa natural dos executivos de que o aumento de dados se traduzirá necessariamente em mais e mais importantes dados disponíveis. No entanto, para as empresas não cederem à “paralisia de análise” que os volumes de dados podem gerar, a TI deve ser capaz de acessar e fornecer informações exatas e verificáveis para todos os responsáveis das decisões na empresa.

E se o seu sistema empresarial não foi estruturado para rastrear e transmitir estas informações? Ou se estas informações ou esta métrica não tiverem sido defi nidas? Por exemplo, será que todo o pessoal do seu departamento de vendas está em concordância sobre o que constitui um lead qualificado? O pessoal de marketing concorda com o de vendas? E qual é a definição usada pelos gerentes financeiros quando efetuam uma análise de custo-benefício?

A questão é a seguinte: até uma consulta de dados ser definida, formulada e rastreada, estes dados podem não existir ou, no mínimo, certamente não estão disponíveis “no sistema” ao qual têm acesso os executivos.

O exposto não leva em conta as informações por entrar, incluindo a intuição, a avaliação do negócio, etc. O demorado tempo de extração de informações também está tendo um impacto negativo sobre as operações empresariais das empresas. Neste relatório de 2007 também consta o seguinte: “Apenas 10 por cento dos executivos afirmam que as informações para tomar uma decisão estão normalmente disponíveis quando necessário… outro 40 por cento também diz que a espera pela atualização de informações é uma causa comum para o atraso na tomada de decisão.” As informações disponíveis no clima empresarial de hoje são uma espada de dois gumes, tendo as empresas de encontrar uma forma de acessar as informações corretas no momento certo para tomar melhores e mais rápidas decisões sem ficarem atoladas ou atrasadas.

Comentários

Postagens mais visitadas deste blog

(A) Data Science in Practice with Python

The top trending in Twitter or other social network is the term “data science”. But ...
What’s the data science? How do real companies use data science to make products, services and operations better? How does it work? What does the data science lifecycle look like?  This is the buzzword at the moment. A lot of people ask me about it. Are many questions. I’ll try answer all of these questions through of some samples.

Sample 1 - Regression

WHAT IS A REGRESSION? This is the better definition what I found [Source: Wikipedia] - Regression analysis is widely used for prediction and forecasting, where its use has substantial overlap with the field of machine learning.
HOW DOES IT WORK? Regression analysis is also used to understand which among the independent variables are related to the dependent variable, and to explore the forms of these relationships. In restricted circumstances, regression analysis can be used to infer causal relationships between the independent and dependent variable…

(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…

(A) Data Science in Practice with Python - Sample 2

In this post I'll explain what is a recommender system, how work it and show you some code examples. In my previous post I did a quick introduction:

Sample 2 - Recommender System

WHAT IS A RECOMMENDER SYSTEM? A model that filters information to present users with a curated subset of options they’re likely to find appealing.
HOW DOES IT WORK? Generally via a collaborative approach (considering user’s previous behavior) or content based approach (based on discrete assigned characteristics).

Now I'll get into in some concepts very important about recommender systems.

Recommender System in Details:

We can say that the goal of a recommender system is to make product or service recommendations to people. Of course, these recommendations should be for products or services they’re more likely to want buy or consume.

Recommender systems are active information filtering systems which personalize the information coming to a user based on his interests, relevance of the information etc.…