fbpx
loader image
⏱️ Tempo de Leitura: 2 minutos

Originalmente postado no nosso LinkedIn 

A cada dia, mais empresas passam a enxergar os benefícios de geração de valor proporcionados pela análise de dados, que podem ir desde redução de custo operacional até a previsão de comportamento dos clientes.

Dessa forma, uma boa estratégia de gestão e governança de dados passa a compor o planejamento estratégico das organizações.

Compreender os possíveis níveis de maturidade em relação a dados é o primeiro passo para determinar em que nível uma organização se encontre e para qual deverá ir.

O que é?

Data Analytics, ou análise de dados, é o processo de explorar, transformar e analisar dados, gerado insights significativos para a tomada de decisão.

Níveis de Maturidade

As organizações apresentam diferentes níveis de maturidade de acordo com a sua estrutura de dados. Confira abaixo as características de cada um com exemplos práticos.

 

Reativo

Respondendo à pergunta “O que aconteceu?”, no nível reativo o Analytics é visto de forma incipiente através de ferramentas manuais. Tem como características a informação disponibilizada conforme requisição dos executivos e a extração e estruturação manual.

Um exemplo prático seria perceber que o custo de garantia de um determinado automóvel está aumentando nos últimos meses.

Responsivo

Responde à pergunta “Por que aconteceu?”. No nível responsivo, são utilizadas técnicas de extração e visões estruturadas de dados. Tem como características dashboards e reports automáticos, ferramentas de Power Bi, ranking, comparações, granularidade e avaliação humana para geração de insights.

Seguindo no exemplo prático, no nível responsivo a percepção feita seria de que o aumento no custo de garantia de da devido ao crescimento da taxa de falha no sistema de transmissão.

Preditivo

Responde à pergunta “O que vai acontecer?” com técnicas avançadas de estatística e inteligência artificial. Suas características são a consolidação dos dados de um único repositório estruturado (Data Lake: One source of truth) e a arquitetura que permite fácil integração com sistemas legados.

Ainda no exemplo, no nível preditivo se constataria que o sistema de transmissão apresenta níveis críticos de falha após os 5000 km para regiões onde a temperatura média anual passa dos 20 °C.

Prescritivo

“Como podemos fazer acontecer?” é a pergunta que guia o nível prescritivo, que vai um passo além e utiliza técnicas computacionais complexas para simular cenários de negócio com o objetivo de “automatizar” as decisões. Faz uso de algoritmos com consumo de dados externos e internos, análise de grafos, simulações, redes neurais, machine learning e roteirização.

No nível prescritivo, a conclusão encontrada no exemplo seria que o custo de garantia do parque de automóveis vendidos nas regiões críticas pode ser diminuído em 40% caso seja feita a manutenção paliativa na transmissão após 4000 Km.

Precisa estruturar ou otimizar seus processos de Analytics? Contamos com um time qualificado para trabalhar de ponta a ponta em projetos de análise de dados. Fale com um de nossos consultores e veja como podemos te ajudar.

Deixe seu comentário