Pular para o conteúdo principal

(E) Revendo conceitos e quebrando paradigmas com o QlikView - Parte 3


Outra coisa que me chamou muita atenção nesta ferramenta é a possibilidade de aplicar uma metodologia Ágil no desenvolvimento de projetos de BI. Sabemos das etapas e dos processos que envolvem um projeto de BI e sempre se dicutiu muito sobre a possibilidade de se levar as boas práticas de uma metodologia ágil para projetos desta natureza. Mas, sempre se esbarra nos detalhes de operação das ferramentas. Vejamos:

Soluções tradicionais de BI que utilizam queries poderiam ser usadas para criar um aplicativo analítico que fornecesse uma experiência associativa para o usuário: isso quer dizer que o usuário poderia clicar em qualquer campo no modelo e também laçar dados em diagramas e gráficos, aplicando filtros instantaneamente tornando as associações dos dados visíveis.

Porém, seria necessária uma quantidade incrível de tempo e recursos para codificar manualmente todas as associações necessárias para que o usuário pudesse realmente fazer e responder suas próprias perguntas, sem recorrer à TI para novas consultas ou novas visualizações dos dados. Queries demandam muita mão-de-obra e podem se tornar ineficientes, além de que manter as associações manualmente seria um pesadelo. Se um usuário quisesse adicionar uma nova fonte de dados, por exemplo, para se aprofundar mais em um aspecto dos negócios, o desenvolvedor precisaria voltar e codificar todas as associações à mão novamente.

Com o QlikView, todas as associações entre os dados são realizadas automaticamente. Nem os usuários, nem os desenvolvedores precisam gerenciar as associações. Consequentemente, os clientes do QlikView podem passar rapidamente da criação de protótipos à implementação e ao refinamento.
 
As plataformas de Business Discovery são ideais para a exploração e a análise. O BI tradicional é adequada a outros tipos de uso. Segundo o Gartner as plataformas tradicionais de BI são adequadas para relatórios e painéis de indicadores chave de desempenho (KPI). Além disso, as soluções tradicionais de BI são ótimas para situações em que há uma abordagem de cima para baixo, com camadas semânticas modeladas pela TI e nas quais os usuários podem obter aquilo de que precisam consultando repositórios existentes. Outro ponto interessante e recomendado pelo Gartner é que as organizações de TI retornem da busca obstinada de padronização com um único fornecedor para uma abordagem de portfólio mais pragmática, incluindo data discovery e o BI tradicional.



A plataforma de Business Discovery QlikView, consiste em uma forma inteiramente nova de realizar BI. Trata-se de ajudar as pessoas a compartilhar conhecimento e análises entre indivíduos, grupos e organizações. Ele fornece informações e análises focadas precisamente nos problemas de negócio que as pessoas estão tentando resolver.

O QlikView proporciona uma experiência ao usuário que funciona da mesma forma que a mente: de maneira associativa, com uma tecnologia altamente diferenciada no mercado e com um modelo de adoção pelo cliente que é incomum para software empresarial. Da mesma forma que a Salesforce.com fez com o CRM, o Google fez com a pesquisa e a Apple fez com os tablets, a Qlik está transformando o mercado com uma tecnologia altamente sofisticada nos bastidores, mas que proporciona uma experiência intuitiva e divertida para os usuários.

Experimente o QlikView você mesmo? Visite www.qlikview.com.

Referências:

Gartner: Business Users Are Choosing BI Tools”

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.…