Inteligência Empresarial: muito além do BI

Inteligência Empresarial: muito além do BI

Daniela Ramos Teixeira Quinta, 4 de Setembro de 2008

No cenário hipercompetitivo do ambiente empresarial, as táticas de guerrilha ganham projeção e seguidores cada vez mais fiéis. Dentre as técnicas para vencer a batalha predominam respostas rápidas ao mercado, parceiras estratégicas, grande conhecimento dos clientes, investimentos na mídia não-convencional e ações que surpreendam o cliente e também o concorrente.

Há 50 anos, no surgimento do Marketing, já se falava em satisfazer as necessidades dos clientes; a partir da década de 90, exceder as expectativas dos clientes e encantá-los passou a ser o foco. Mais recentemente, gurus de MKT e Estratégia levantam a bandeira para a importância das empresas em ‘criar as necessidades’ nos clientes, desenvolvendo produtos/serviços que, além de competitivos, devem ser inovadores.

Para que as empresas alcancem seus objetivos e saiam vitoriosas do campo de batalha diário, a proposta dessa abordagem é que seja trabalhada e desenvolvida uma ‘Rede de Valor para Inteligência Empresarial’ com foco:
- no mercado/concorrência;
- nos produtos/serviços;
- nos clientes e
- nas parcerias estratégicas.
Não é novidade que a Inteligência é Multi: multi-facetada, multi-áreas e multi-informação. Entretanto, a Inteligência Empresarial vai muito além das ferramentas de Business Intelligence, podendo até mesmo sobreviver sem elas.

Paper Inteligência Empresarial, Rede de Valor e Estratégia – 05/2008 2

A Rede de Valor para Inteligência Empresarial (REVIE) é uma rede formada pela empresa, clientes e parceiros estratégicos (fornecedores, distribuidores, provedores de serviços) com o objetivo não só de reunir a informação e integrar os dados, mas de criar e partilhar o conhecimento de forma colaborativa para que os ganhos e resultados sejam maximizados.

Por ser uma Rede de Valor para Inteligência Empresarial (REVIE), a colaboração é uma das principais características dessa rede. Colaboração não apenas intra-empresarial, mas envolvendo desde clientes a parceiros/fornecedores. Esta é a principal diferença entre a REVIE e o Business Intelligence (Inteligência de Negócios).

O conhecimento e a colaboração são a base da Rede de Valor para Inteligência Empresarial (REVIE). A inovação e a criação de valor (para os clientes, empresa e acionistas) – os resultados.

É uma relação win-win em que a empresa e os parceiros estratégicos ganham vantagem competitiva, agregam maior valor ao negócio e inovam com resultados eficientes. Já os clientes, contribuem e interagem com a empresa, de maneira eficiente, quer seja na concepção ou no desenvolvimento das soluções ou mesmo na fase do pós-lançamento, tendo vantagens como agilidade no lançamento dos produto/serviço e soluções mais personalizadas.

É importante que a empresa agrupe os parceiros estratégicos e diferencie esse grupo dos demais parceiros que podem contribuir e fazer parte da rede, mas não no nível de interação dos parceiros estratégicos.
As áreas de negócio das empresas devem liderar a “rede de inteligência” com apoio das áreas técnicas de Business Intelligence/Datawarehousing e Tecnologia.

A hipercompetição já domina o campo de batalha juntamente com produtos similares, clientes cada vez mais exigentes e menos fiéis. Dentre as ações estratégicas, ganham importância a Web 2.0, customer experience dentre outros.
Empresas – deixem as armas convencionais de lado!
As táticas de guerrilha aliadas à construção de uma Rede de Valor para Inteligência Empresarial criam ângulos competitivos com inovação e resultados.

Garantindo o Sucesso do BI

Garantindo o Sucesso do BI

Caros colegas do iMasters. Antes de falar um pouco mais sobre Business Intelligence, gostaria de voltar no tempo, e relembrar alguns conceitos sobre a "Teoria dos Negócios" de Peter Druker. Achei oportuno mencionar algumas de suas experiências que revolucionaram o mundo dos negócios, por que muitas delas se aplicam ao nosso dia-a-dia.

Peter F. Drucker (1909-2005) nasceu em Viena em 1909, lecionou na Universidade de Nova Iorque, foi professor da Claremont Graduate School, na Califórnia, desde 1971. Foi autor de muitos livros publicados sobre gestão, economia e análise social, sendo considerado por muitos como o pai da gestão. Quase tudo o que os executivos fazem, pensam ou enfrentam já foi estudado por Peter Drucker.

Em mais de 30 artigos dedicados para a revista Harvard Business Review, Peter Drucker incentivava sempre seus leitores a empreender a dura tarefa de refletir, sem deixar é claro, de agir com determinação.

Druker viveu boa parte da vida na era da informação. Sua obra, porém, trazia muito mais reflexão do que dados. Em dezenas de ensaios incisivos para a Harvard Business Review e outras publicações, explorou os desafios e oportunidades diante do executivo.

Suas idéias expostas em seus artigos pouco tinha a ver com fatos isolados ou pouco conhecidos. Ao contrário, abordava noções comuns sobre a empresa e o indivíduo. Analisou a fundo o fenômeno do trabalho do conhecimento, e a crescente importância de gente que usa a mente em vez do braço, e explicou como tal trabalho se afastava da tese reinante sobre o funcionamento de uma organização.

Druker achava fascinante que certos indivíduos soubessem mais sobre certos temas do que chefes ou colegas, mas ainda assim tivessem de cooperar com outros indivíduos numa grande organização.

Com o amadurecimento do mundo dos negócios na segunda metade do século 20, o executivo passou a julgar que sabia como tocar a empresa, e Drucker assumiu para si a tarefa de desconstruir tal crença, para impedir uma postura acomodada.

Teoria dos Negócios, a chave de um BI eficaz

Convido-os agora a refletir sobre este trecho publicado em setembro-outubro de 1994 onde Peter Drucker fala um pouco sobre a Teoria dos Negócios. Depois pretendo fazer algumas analogias com Business Intelligence.

"A raiz de praticamente todas as crises empresariais não está no fato de que as coisas são malfeitas. E sequer de que a coisa errada esteja sendo feita. Na maioria dos casos a coisa certa é feita - mas de modo infrutífero. Qual a razão do aparente paradoxo? (...) . Falo das noções que determinam o comportamento da organização, ditam as decisões sobre o que ou não fazer e definem o que ela considera significante em termos de resultados. São noções sobre o mercado. Noções sobre a identificação de clientes e concorrentes, sobre seus valores e comportamento. São noções sobre a tecnologia e sua dinâmica, sobre pontos fortes e fracos da empresa. São noções sobre aquilo que a empresa faz para ganhar dinheiro. São o que chamo de teoria do negócio (...)."

Notem que Drucker já salientava o fato crucial da organização em tomar decisões corretas e que a conduzissem por caminhos seguros e rentáveis.

Caros amigos forenses, no mundo dos negócios não existe mágica, ou a coisa dá certo ou não. Uma empresa só dá resultados se tiver lucro. E o BI vem ganhando força no mercado, porque as empresas precisam cada vez mais de sistemas de suporte à decisão que digam a elas os passos a serem tomados num mercado cada vez mais globalizado.

Num projeto de BI a informação disponibilizada precisa ser confiável e estar acessível quando os usuários precisarem dela, caso contrário levará o usuário à desconfianças, descrenças e abandono do sistema. Precisa ser única e uniforme, ou seja, os dados precisam refletir de forma simplificada, as atividades da empresa, seu desempenho, potenciais riscos ou desvios, para que seus gestores tomem decisões com base nestas informações.

Quality Assurence ou Qualidade dos Dados

Sabemos que a informática é uma ciência exata, sendo assim não existem margens para erros, principalmente em um BI. Um de seus conceitos básicos, é que ela possui métricas e unidades de medida que padronizam seus campos de atuação. Da mesma forma o BI trabalha em cima de métricas e precisam passar o sentido de exatidão.

Para assegurar a qualidade dos dados e aumentar a confiança dos números, todo BI precisa ter um mecanismo chamado Qualidade de Dados. Quase todo BI necessita de Data Warehouses ou Data Marts (Repositórios de Dados). Estes por sua vez possuem rotinas de Extração, Transformação e Carga dos Dados (ETL) que trazem as informações de ambientes externos, fazendo tratamentos, agregações ou sumarizações, permitindo que o DW ou o Data Mart tenham dados íntegros e históricos.

Sem um sistema de Qualidade de Dados, os riscos de carregarmos dados errados nestas bases são enormes, por que muito embora, um sistema de BI depois de implantado tende a permanecer estável, os sistemas transacionais e externos que alimentam o DW podem sofrer alterações ao longo do tempo, seja através de cálculos ou regras de negócio.

Esta é uma característica destes sistemas, e como o BI é sempre dependente destas informações, se não tivermos algum mecanismo de defesa, vamos estar carregando verdadeiras massas de lixo para dentro destas bases. E dependendo do tempo e da quantidade de informações carregadas com problema, teremos que despender um tempo considerável de ajustes e reprocessamento deste dados, sem contar com a dor de cabeça. Os critérios de tratamento destes processos de Qualidade de Dados podem variar muito, e alguns tipos de erro podem ser tratados como "warnings", remoção do dado, ou em casos extremos, a paralisação da carga. O objetivo destes procedimentos são eliminar os problemas antes que eles sejam carregados no Data Warehouse ou Data Mart.

Não vejo como implementar um sistema de BI ou mesmo um DW ou DM, sem antes ter esta preocupação com a Qualidade dos Dados, mas acreditem, este ainda é um sério problema enfrentado pela área de TI (Tecnologia da Informação).

Verdades e Mitos sobre Business Intelligence

Drucker salientou que as ferramentas de análise do negócio, não devem ser nossa maior preocupação, mas sim os conceitos que estão por trás delas. Ele fala ainda que conceitos e ferramentas, como a história não cansa de mostrar, são interdependentes e interativas. Um muda o outro. É isso que ocorre hoje com o conceito que chamamos de empresa e a ferramenta que chamamos de informação.

Com frequencia recebo email-s de pessoas interessadas em se tornarem profissionais de BI, querendo saber qual a melhor ferramenta, melhor literatura etc. Tudo o que vocês puderem ler, testar e avaliar sobre as soluções que o mercado oferece, antes de tomarem uma decisão, ou de indicarem para alguém, é valido. Hoje em dia existe uma infinidade de soluções, com preços e promessas das mais variadas. Mas o importante como disse é pesquisar e ler muito, antes de tomar uma decisão precipitada.

Pessoalmente prefiro seguir os conselhos de Druker, e não me prender a nenhuma ferramenta, e antes disso, entender bem o conceito que está por trás do BI. Existirão situações em que teremos de participar de projetos onde o cliente é quem vai escolher o que melhor se ajusta às suas necessidades, e se nossa especialização não atende suas necessidades, estaremos fora do projeto.

Os 10 Mandamentos do Consultor de BI

Talvez você já tenha passado por alguma experiência como as que menciono abaixo e sabe melhor do que eu, que uma decisão errada num projeto pode ter consequências imprevisíveis. Falo isto por mim mesmo, porque já passei por algumas delas, por isso, sempre é bom relembrar :

1. Entenda perfeitamente o que o cliente está pedindo, o que ele está querendo e o que

ele está precisando :

• Nem sempre o cliente sabe pedir o que ele está querendo;
• Nem sempre o que o cliente está querendo é o que ele precisa;
• Nem sempre o que ele está pedindo, ou querendo ou precisando é o que ele está disposto a contratar;
• Por isto, o briefing é o momento em que devemos gastar o maior tempo com o cliente;
• Converse, pergunte, sinta.

2. Explique para o cliente exatamente o que e como será feito, quando e por quanto;

3. Procure superar sempre as expectativas do cliente;

4. Procure poupar o cliente e tenha em mente que ele nos contratou para ter soluções;

5. Antecipe-se aos atrasos;

6. Nunca queime etapas, o preço poderá ser caro para você e toda a equipe;

7. Saiba que por trás do negócio tem uma variável imprevisível chamada Tecnologia :

• Nada é extremamente fácil;
• Nada é extremamente difícil;
• Consulte sempre o gestor do projeto, antes de decidir algo por você mesmo;
• Não queira ser o "herói";
• Evite aquelas frases "Deixa comigo, que eu resolvo".

8. Procure não esconder nada, nem empurrar a sujeira para "debaixo do tapete"

• Seja sincero, se tiver que dar uma notícia ruim, faça-o assim mesmo. Mas tenha sempre em mente o "porque" e como você irá "superar o problema"
• Lembre-se que às vezes o "bom" é melhor do que o "ótimo"

9. Na dúvida pergunte sempre:

• Não faça nada por indução ou "achismo";
• Lembre-se que você tem um cronograma a seguir e retrabalho significa atrasos;
• Tenha em mente esta frase de Peter Druker : "Meu maior poder como consultor é ser ignorante e fazer

  algumas perguntas."

10.Você é único, mas não é o único.

• Fique atento à sua apresentação e postura;.
• Todos estão sentindo, ouvindo e vendo o que você está fazendo.

O que pode dar errado num projeto de BI

Muitos fatores podem contribuir para que um projeto de BI fracasse. Entre eles alguns bem simples, como conversar com pessoas erradas, ou com usuários que não sabem definir exatamente o que precisam, pode ser fatal na fase de elaboração e desenvolvimento de um projeto de DW, resultando na construção de um amontoado de dados estáticos e inúteis.

Outra etapa bastante crítica de um projeto de DW é a de ETL (Extração, Tratamento e Carga dos Dados), pois se uma informação é carregada de forma equivocada trará conseqüências imprevisíveis nas fases posteriores. É nessa fase que é feita a integração das informações que vêm de fontes múltiplas e complexas. A utilização de ferramentas de back end (ETL) adquiridas no mercado ou desenvolvidas internamente, agiliza os processos e minimiza eventuais prejuízos advindos de experiências do tipo "tentativa e erro", além de reduzir o tempo de realização desta etapa que geralmente costuma ser subestimada pelos projetistas e que varia de sete meses a um ano.

Outro ponto fundamental é saber alinhar o projeto de BI ao de Knowledge Management (Gestão do Conhecimento). O conhecimento organizacional está embebido não só em dados e documentos, mas também em práticas e processos. O Business Intelligence é entendido como a transformação dos dados brutos em informação e, depois, em conhecimento.

É um contínuo que facilita a extração da informação útil a partir dos dados empresariais e, por isso mesmo, é um componente chave dos sistemas de gestão do conhecimento. O BI é um alimentador do KM e não pode estar dissociado dessa lógica. O ideal é que a corporação preveja isso quando fizer o desenho da arquitetura de seus sistemas, mesmo se a sua implementação efetiva for retardada em alguns anos.

O Planejamento da Informação também é outro fator de peso e sem ele podemos ter problemas no momento de organizar os dados coletados. Os sistemas de informação são peças fundamentais, na medida em que são geradores dos dados e também o meio pelo qual estes trafegam e, portanto, precisam ser avaliados antes de se partir para a implementação de um projeto de BI.

São os dados captados nesses sistemas que irão alimentar o Data Warehouse ou o Data Mart (Repositórios de Dados). Para isso pode ser feito um Planejamento Estratégico da Informação (PEI), que deverá ficar a cargo da área de administração de dados.

O departamento de informática, nesse caso, atuará apenas como um provedor de serviços e soluções. Para que o PEI tenha sucesso é necessário que seja conduzido por um sponsor. Esse "patrocinador" do projeto deve ser um profissional com passe livre em todas as áreas da empresa, inclusive na alta gerência, e que saiba tudo o que ocorre dentro da corporação. Ele deve ter uma visão clara do negócio, conhecer o mercado de atuação da empresa e saber traduzir todos esses requisitos para o pessoal da área de informática.

O Planejamento Estratégico da Informação deve estar alinhado ao Planejamento Estratégico Corporativo. Seu desenvolvimento requer o emprego de uma metodologia flexível para que possa suportar possíveis mudanças de rumo ou correções, sem perder seu foco principal.

Esta metodologia compreende quatro etapas principais. A primeira delas visa realizar um levantamento genérico e básico sobre a empresa e sobre a cultura da empresa em termos de sistemas. O segundo passo é fazer um levantamento e análise dos sistemas existentes, verificando sua performance, funções exercidas, volumes de dados gerados, características dos processamentos, entre outras questões.

É nessa fase que são avaliados os sistemas de forma quantitativa (volume, recursos e custos) e qualitativa (atendimento das necessidades dos usuários, controle interno e eficiência). Na terceira etapa é feita a apuração e avaliação da qualidade dos dados existentes. E finalmente, é desenvolvido um modelo global do sistema de informação vigente, salientando pontos fracos e fortes, e identificando as oportunidades e ameaças existentes no ambiente de TI.

Além destes pontos levantados, podemos listar mais alguns erros clássicos que vocês já devem ter vivenciado ou ouvido falar :

1) Querer economizar no projeto contratando mão de obra barata;

2) Começar o projeto sem o envolvimento da diretoria;

3) O projeto não ter foco no negócio da empresa;

4) Não ter um gestor que divulgue o BI na empresa;

5) Não ter um administrador de BI na empresa;

6) Começar o projeto sem ouvir os usuários;

7) Criar expectativas que não poderão ser cumpridas;

8) Não dar um treinamento adequado aos usuários sobre o que é um BI e o que ele pode oferecer;

9) Ter resistências ou não aceitação do projeto pelos usuários;

10) Não ter documentação do Sistema ou das Regras de Negócio;

11) Ter falhas na Modelagem dos Dados;

12) Acreditar nas promessas de performance, capacidade e escalabilidade dos

Fornecedores;

13) Acreditar que quando o BI estiver rodando, os problemas estarão terminados;

14) Achar que BI é um Sistema Operacional;

15) Não ter um controle de Qualidade dos Dados para o BI.

Com esse Raio-X do seu BI, será possível verificar se haverá necessidade de remodelar seus processos ou apenas fazer alguns ajustes para que os sistemas se enquadrem no seu projeto de BI.

Abraços a todos

Fontes Consultadas

Next Generation Center

Carlos Barbieri, consultor de empresas, diretor da Carlos Barbieri & Consultores Associados, com

especialização em BI e CMM, professor de cursos de pós-graduação da FUMEC - Fundação Mineira de

Cultura e da UNIBH, e articulista do Computerworld.

• Artigos de Laércio Serra
• Virid - Interatividade Digital
• DW Brasil
• Ralph Kimball
• www.datawarehouse.com
• Bill Inmon
• www.dmreview.com
• www.intelligententerprise.com
• Arquivo IDG (Jornal Computerworld e revista Business Standard)

Referências para Estudo

DRUKER, PETER. Peter Drucker na Prática. Editora Campus, 2004

DRUKER, PETER. Administrando em Tempos de Mudança, Editora Thomson Learning, 1995

CARVALHO, R.B. Tecnologia da Informação aplicada à gestão do conhecimento. Belo Horizonte: Editora Arte,2003.

DAVENPORT, T.H.;PRUSSAK, L. Conhecimento Empresarial, como as empresas gerencial seu capital intelectual. 5 edição. Rio de Janeiro: Campos, 1988

HAN, J., KAMBER, M. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, 2001.

BARBIERI, CARLOS - BI - Business Intelligence - Modelagem & Tecnologia - Axcel Books - 2001

SERRA, LAÉRCIO. A Essência do Business Intelligence - São Paulo, Berkeley, 2002

BOAR, BERNARD - Tecnologia da Informação. A Arte do Planejamento Estratégico, São Paulo, Berkeley, 2002

Sugiro ainda uma visita ao link abaixo que além de livros e revistas, indicações de artigos, referências on-line, além estudos de caso, fóruns de discussão e muito mais.

http://www.cni.org.br/links/links-at-gestaoconhecimento.htm

A Ressaca da globalização

A Ressaca da globalização

Edição de Artigos de Sábado do Alerta Total http://www.alertatotal.blogspot.com
Adicione nosso blog e podcast aos seus favoritos.

Por Adriano Benayon

Se não quisermos sofrer males ainda maiores que os que vêm assolando nosso País, temos de saltar fora da globalização com urgência. Ela é como um trem em acelerado em direção ao abismo. Mesmo que pular do trem cause algum incômodo, mais vale não nos deixarmos espatifar.
Outra metáfora, válida para todo o Planeta, é comparar a globalização à intoxicação por bebida alcoólica ou por droga entorpecente. Seus terríveis efeitos surgem antes mesmo de cessar a ingestão dos tóxicos.
O tema central do livro Globalização versus Desenvolvimento, cuja 1ª edição foi publicada há onze anos (1998), é a demonstração de ser o desenvolvimento incompatível com a abertura indiscriminada da economia e com o controle dela por capitais estrangeiros.
Essa situação leva a ter política econômica comandada do exterior. Isso transformou a estrutura da economia, tornando mais primário o padrão de produção. Fez, por exemplo, as exportações dependerem cada vez mais de recursos naturais. Em suma, o País regride tecnologicamente, e aumentam as transferências para o exterior.
Venho apontando que, nos EUA e na Europa, entre outros lugares, o colapso financeiro está rapidamente degenerando também em colapso econômico e social. Nos EUA, por exemplo, as demissões estão ocorrendo ao ritmo de 1 milhão por mês. No Brasil foram 600.000 em dezembro e mais de 100.000 em janeiro.
Há tempos, exponho ser enganoso o discurso que afirma estar o Brasil preparado para enfrentar a “crise” mundial. No artigo “Contas externas vulneráveis”, publicado em A Nova Democracia, nº 42, abril de 2008, tratei da vulnerabilidade estrutural da economia brasileira, quase que totalmente desnacionalizada, a inviabilizar as decisões de política econômica necessárias ao desenvolvimento.
Em trabalhos subseqüentes deixei claro que as reservas externas do Banco Central - da ordem de US$ 200 bilhões hoje, pois já foram maiores - podem pulverizar-se em função de simples mudança de conjuntura.
No artigo “Investment grade ou Brasil atrás das grades?”, publicado nº 43, maio de 2008, expus o engodo que foi a elevação da cotação do Brasil pelas agências internacionais de risco de crédito. Elas próprias não merecem crédito algum, haja vista terem dado cotação máxima a títulos tóxicos, inclusive os baseados em hipotecas nos EUA, que perderam depois todo seu valor de mercado.
Em “A nova crise do real”, escrito em agosto e publicado em A Nova Democracia, nº 46, setembro de 2008, disse estar em gestação, para futuro pouco distante, nova crise cambial. De então até agora, o real já caiu 38% em relação ao dólar.
O pior é que os efeitos no Brasil do colapso mundial ainda estão começando a se manifestar. Alguns sinais claros já estão presentes, como o da taxa de câmbio e muitos outros. Entre eles, o fato de a inadimplência das empresas ter crescido nada menos que 149% na comparação de janeiro de 2009 com janeiro de 2008.
Ademais, grandes empresas no Brasil endividaram-se grandemente no exterior em anos recentes, inclusive as transnacionais junto a suas matrizes. Com a desvalorização do real, cresce o serviço dessas dívidas. Os balanços das empresas deterioram-se por causa do câmbio, ao mesmo tempo em que cai o valor em dólares das exportações – e não apenas em função da taxa cambial - pois há brutal redução da procura externa pelos produtos exportados do Brasil.
É de notar a queda, superior a 60%, de março a dezembro de 2008, do preço das commodities (bens agrícolas e metais) no mercado mundial. O grosso das exportações brasileiras se compõe desses recursos naturais com nenhum ou pequeno grau de transformação industrial.
Esses bens ainda tiveram saldo positivo em 2008 de U$ 55,1 bilhões, viabilizando que a balança comercial do País tivesse o superávit de US$ 47,9 bilhões, apesar de déficit de US$ 7,2 bilhões por parte da indústria de transformação.
Mas houve significativa deterioração do Balanço de Pagamentos em 2008, o qual prenuncia maior afundamento em 2009, uma vez que se está acentuando o colapso nos países com que o Brasil tem relações econômicas.
Em 2008 já se registrou a maior saída líquida de divisas do País – excluindo a balança comercial – desde 1982. O último recorde foi em 2005, com US$ 32,5 bilhões. Em 2008 saíram US$ 48,9 bilhões, os quais foram insuficientemente compensados pelos US$ 47,9 bilhões do saldo comercial. Com isso, o Balanço de Pagamentos (BP) fechou com déficit de US$ 1 bilhão, o primeiro desde 2002, o ano da última crise cambial.
Excluindo as transferências unilaterais, para ficar só com o resultado das capitais e de serviços, as saídas líquidas destas contas atingiram US$ 53,6 bilhões, não obstante ter o Brasil mantido as taxas de juros mais altas do Mundo. Em princípio, altas taxas de juros atrairiam capitais para o País.
É visível também a diminuição do saldo comercial, não só pelo declínio, mês a mês, em 2008, mas também pelos resultados dos dois primeiros meses de 2009, quando somou apenas US$ 1,2 bilhão.
As transações correntes, que englobam tudo, menos o movimento de capitais, registraram, em 2008, déficit de US$ 28,7 bilhões. Até 2007 havia superávit, mas já minguando então para US$ 1,7 bilhão. Isso implica que o déficit do BP em 2008 só não foi muito maior que US$ 1,2 bilhão, porque o movimento de capitais registrou apreciável ingresso líquido, em grande parte de investimentos diretos.
Além de ser problemático que isso se mantenha, não haverá, de qualquer modo, como fechar o BP sem recurso a grande aumento da dívida externa brasileira. Mas esta já cresceu muito em 2008, e os bancos do exterior vêm negando crédito. Estão, na maioria, falidos e sobrevivem mediante a vergonhosa injeção de trilhões de dólares por parte dos governos e dos bancos centrais de seus países.
Seriam necessários mais dados para perceber que se aproxima gravíssima crise das contas externas no Brasil?
Fica para o próximo artigo atualizar a situação mundial e avaliar em profundidade a colossal negociata que, em geral, está sendo o auxílio dos governos aos bancos e outras instituições financeiras causadoras do colapso econômico. Este, a continuar o tipo de tratamento que lhe vem sendo dado, promete ser o mais profundo de todos os tempos.
Adriano Benayon, Doutor em Economia é autor de “Globalização versus Desenvolvimento”, editora Escrituras. abenayon@brturbo.com.br

Postado por Alerta Total de Jorge Serrão às 00:01 1 comentários

O Processo de Negociação

Inteligência Empresarial: ferramentas de apoio à tomada de decisão

 

Autores: Manoel Flávio Leal e Jefferson Carlos Martins

1. Introdução

A curiosidade, a busca e a descoberta de novos conhecimentos surgiram desde que o homem veio ao mundo. Esta inquietação permanente provocada pelo exercício contínuo do pensamento é reflexo daquilo que só os seres humanos têm de forma plena: a inteligência.

A evolução da busca do conhecimento está em constante crescimento nos últimos anos alcançou tal velocidade que foi inevitável que os cientistas buscassem transplantar as formas de raciocínio, memorização e pensamento (formulação de hipóteses) para máquinas, algoritmos e sistemas que permitiriam, de forma integrada, processar quantidades maiores de informação, liberando o homem de uma série de tarefas repetitivas como memorização, cálculos e hipóteses.

Os pesquisadores com o passar dos anos desenvolveram diversas ferramentas para suprir essas necessidades, entre elas estão técnicas de KDD (Knowledge Discovery Database), técnicas essas que têm como objetivo extrair conhecimentos em bases de dados. Em paralelo, as empresas começaram a armazenar cada vez mais dados de seus clientes/produtos, surgindo, assim, a necessidade de transformar estes dados em informações para suportar a tomada de decisão dos executivos.

As empresas cada vez mais precisarão conhecer os seus clientes/produtos através de sua base de informações para atender esta necessidade, nos últimos anos o Data Warehouse (DW) que tem sido apresentado como a solução para este tipo de problema, mas nem sempre esta é a melhor solução. Existem outras ferramentas tais como Database Marketing e Data Mining, que são melhores e apresentam custo bem menor, dependendo do escopo do problema. O objetivo deste artigo é apresentar essas novas ferramentas de apoio e fazer um pequeno comparativo entre Data Warehouse e Database Marketing.

2. Database Marketing (DBM)

Todos falam que o mundo está mudando, que as empresas precisam conhecer cada um de seus clientes, suas individualidades, suas necessidades, para que seja possível atendê-los de forma individualizada e sempre atender as suas necessidades de novos produtos/serviços. Na verdade, isto já existe há muito tempo. Isto é o que aquele pequeno comerciante da mercearia próxima da sua casa, provavelmente na sua infância, já fazia. Conhecia tudo sobre você e sua família, seus hábitos de consumo e principalmente como você gostava de ser tratado. O problema surge agora. O pequeno comerciante deveria ter em média uns cinqüenta clientes, e como conhecer um milhão de clientes de uma empresa? Surge então nesse contexto uma ferramenta que tem como objetivo gerenciar essas informações dos clientes. Esta ferramenta chama-se Database Marketing.

Para (Jackson, 2000), o Database Marketing é um método de longo prazo, voltado para o cliente e profundamente baseado em informações. O Database pode ser utilizado para interligar e orientar os esforços de marketing atuais, assim como para construir uma base completa de informações, de modo a orientar futuros projetos.

O Database Marketing é mais do que uma ferramenta, na verdade é um conjunto de habilidades. Habilidades estas que são compostas de quatro pilares:

- Marketing: A função do marketing abrange a consultoria estratégica e a execução criativa. É o profissional de marketing que vai identificar quais serão as informações necessárias para o desenvolvimento da estratégia de marketing com os seus clientes ou clientes em potencial.

- Tecnologia: Um ponto crucial na tecnologia é que o software de gestão do Database Marketing seja de conhecimento da empresa. Em muitos casos, quando esse controle é terceirizado, a empresa acaba perdendo o controle do que acontece com suas informações estratégicas.
- Estatística: Após a criação da base de dados, as habilidades em estatística são a força que move o Database Marketing. Os dados não têm valor algum se não puderem ser acessados de uma maneira que agreguem valor. A habilidade de segmentar dados e criar modelos permite que o profissional de marketing aperfeiçoe o processo de utilização das informações.

- Gerenciamento de dados: É fundamental para o Database Marketing, é aqui que o profissional de marketing deverá definir quais serão as informações necessárias para que o Database Marketing consiga responder todas demandas dos executivos. Fica aqui o lembrete para os profissionais de marketing: “Se colocarmos lixo (dados inconsistentes) no banco de dados, teremos lixo (informações conflitantes) como resposta”.

Para os profissionais de marketing pode-se dizer que os quatro pilares seriam como os quatro “Ps” da definição clássica do marketing. Produto, preço, praça e promoção.

2.1 Principais utilidades e características de DBM

O Database Marketing tem como objetivo auxiliar o profissional de marketing, através do gerenciamento de informações sobre os seus clientes e a comunicação através de diversos canais de contato. A seguir serão apresentadas as principais utilidades e características que tornam o Database Marketing uma ferramenta imprescindível para as empresas que se encontram em mercados competitivos.

2.1.1 Identificar os melhores clientes

O Database Marketing tem como tarefa fundamental possibilitar que a empresa identifique seus melhores clientes, possibilitando, assim, a geração de lucro no decorrer do tempo.

Todos sabem que as empresas têm maior interesse em manter seus clientes, do que em agregar novos clientes à sua base, devido ao seu preço de aquisição que pode chegar a ser cinco vezes maior do que manter um cliente da empresa.
Existem dois métodos utilizados freqüentemente para identificar os melhores clientes:

- RFV (Recência, Freqüência e Valor): Utilizando a análise RFV é possível construir um modelo que reflete o valor atual do cliente para a empresa, sendo possível também traçar uma previsão do seu valor em longo prazo.

- Análise Comparativa: Sua finalidade é a criação de segmentos de clientes na base da empresa. Uma vez definido este segmento, tenta-se buscar, em listas externas, clientes com as mesmas características dos segmentos encontrados na empresa.

2.1.2 Conquistar novos clientes

Quando se fala na conquista de novos clientes usando Database Marketing, as empresas podem definir dois tipos de clientes:

- Clientes com o mesmo perfil dos pertencentes à empresa;

- Clientes da concorrência.

Na aquisição de clientes com mesmo perfil dos pertencentes à empresa, um artifício amplamente utilizado é a compra de listas externas contendo o máximo de informações semelhantes às existentes na empresa. Com a posse dessa lista as informações são inseridas no Database Marketing. Em seguida, são realizados relacionamentos para identificar quais clientes da lista possuem perfil semelhante aos clientes da empresa. Uma vez identificado, monta-se uma ação de marketing para agregá-lo à base de clientes da empresa.

2.1.3 Tratamento de dados e de duplicação

Alguns dos dados existentes nas bases de dados operacionais são irrelevantes, impossibilitando, assim, a produção de informações. Este é um grande problema que o Database Marketing precisa resolver antes de conseguir suportar a tomada de decisão dos profissionais de marketing. Em geral os dados existentes nas bases de dados operacionais não possuem alguns critérios de validação, tampouco um tipo de padronização.

Devido a esses fatores faz-se necessária a utilização de processos de tratamento de dados, que consiste, na maioria das vezes, em identificar clientes que estão duplamente cadastrados nas bases de dados, sendo assim considerados dois clientes distintos em vez de um, esse trabalho é chamado de duplicação.

Outra tarefa imprescindível é a realização do tratamento fonético dos dados, pois em muitos casos os clientes são cadastrados com erros de digitação. Para identificar esse problema e agrupar os clientes, podem ser utilizados Algoritmos Fonéticos que geram uma chave resolvendo assim o problema de identificação.

2.1.4 Consolidação de dados por clientes

Existem várias maneiras de consolidar informações. Uma bastante utilizada pelos profissionais de marketing é a consolidação por household (mesmo endereço), que consiste em identificar vários clientes, que residem em um mesmo lugar e identificá-los como um grupo. Uma técnica muito vantajosa para o envio de mala direta. Com este tipo de informação a empresa pode enviar apenas uma comunicação para a residência de seus clientes, reduzindo os gastos e incomodando cada vez menos o cliente.

2.1.5 Acesso descentralizado

A finalidade do Database Marketing é não ficar dependente de profissionais de informática para gerar qualquer tipo de consulta. Para isso é necessária a construção de uma interface user-friendly para que os profissionais possam processar informações quando necessário, não precisando esperar um desenvolvedor para a criação de qualquer tipo de relatório.

2.1.6 Gerenciamento de campanhas

O Database Marketing possui uma vasta infra-estrutura para suportar todas as informações geradas pelas campanhas de marketing. Entre elas estão: armazenamento das campanhas, acompanhamento das campanhas em que o cliente participou e motivação do cliente para comprar o produto, ou seja, possui todo um histórico de participação do cliente nas campanhas realizadas pela empresa. Informações desta natureza são de grande utilidade por possibilitar medição do resultado. Com essas informações é possível identificar quais clientes não esboçaram reação a uma determinada ação, conseguindo, assim, medir como os clientes reagem às ações impostas a ele, quais gostam de ser contatados por uma nova campanha, quais não se interessam por propaganda, campanhas, promoções, etc.

2.1.7 Interface com sistemas de CRM

O Database Marketing tem como finalidade fornecer informações para os sistemas de Call Center, provendo informações sobre o histórico dos clientes, data de nascimento, últimas aquisições e formas de pagamento. Informações estas que são utilizadas para consultar a situação do cliente, mas também de uma forma ativa para venda de novos produtos, pois a atendente de Call Center possui todo o perfil do cliente, podendo realizar uma venda cruzada no momento em que o mesmo cliente entra em contato com a empresa.

2.1.8 Sistema de Loyalty (Programa de Fidelidade)

O Sistema de loyalty, mais conhecido como Programa de fidelização, está em evidência devido à sua ampla divulgação pelas empresas de aviação. É, também, uma funcionalidade do Database Marketing que tem como tarefa gerenciar o controle de pontuação dos clientes, o resgate de prêmios, e comunicações em datas especiais. Ressaltando que todas as regras são definidas pelos gerenciadores do plano de fidelidade e devem ser implementadas no Database Marketing.

3. Data Warehouse X Database Marketing

Muitas pessoas questionam: Quando é necessário o Database Marketing? Quando é necessário um Data Warehouse? Este tipo de dúvida é muito comum, não é necessário entender amplamente as duas ferramentas para resolver este problema. A tabela 1 mostra de forma simples como esclarecer esta dúvida.

4. Data Mining

Um dos grandes problemas dos especialistas em análise de informação é a transformação de dados em informação. Como fazer isso de uma forma automatizada e no menor tempo possível? Uma das respostas para isso é a combinação de estatística convencional e técnicas de inteligência artificial, que resulta em uma técnica muito comentada nos dias de hoje, o Data Mining.

Os processos de Data Mining são extremamente complexos, além de ser um trabalho que dificilmente será resolvido apenas por um especialista em Data Mining. Em qualquer projeto de Data Mining é obrigatória a existência de um profissional com o conhecimento do negócio, pois ele possui domínio total do assunto. Para evitar que o resultado da modelagem não tenha a menor utilidade para apoiar uma decisão.

Para esclarecer o conceito de Data Mining, segundo (Naliato, 2000), o conceito de Data Mining flutua entre uma forma de estatística e um conceito revolucionário, agora aplicado ao mercado. Na verdade, o objetivo desta técnica é encontrar padrões ainda não descobertos nos dados, que possam gerar respostas corretas para novos casos. Este processo de busca e interpretação de padrões é tipicamente interativo e iterativo, envolvendo a aplicação repetitiva de métodos específicos de mineração de dados ou algoritmos e interpretações dos padrões gerados como resultado destes algoritmos.

Os problemas que podem ser resolvidos com Data Mining normalmente são divididos em dois grandes grupos: Predição e Descoberta de Conhecimento. A predição tem a finalidade de atingir um objetivo específico de acordo com casos ocorridos no passado, como o próprio nome já diz, com o objetivo de projetar respostas para novos casos.

A descoberta de conhecimento já apresenta uma maior abrangência ao suporte à tomada de decisão. Usa-se para resolver problemas que estão em um estágio antes da predição, ou melhor, onde não se conhece nenhuma informação.

Dentro destas duas linhas, existem várias técnicas. Na predição pode-se identificar duas:

- Classificação: A resposta será apresentada na forma de verdadeiro ou falso. Exemplo: Todo paciente que apresenta o vírus X está com gripe? A resposta será sim ou não.

- Regressão: A resposta será um valor numérico. Exemplo: Escore para o possível Churn (cancelamento da linha) de um cliente de uma operadora de telefonia celular.

Para descoberta de conhecimento existem as seguintes técnicas:

- Detecção de desvios: Identifica mudanças nos padrões anteriormente detectados. A técnica clássica para executar tal detecção é o teste de significância, por exemplo, média, variância, desvio padrão.

- Segmentação de bases de dados: O objetivo é dividir um problema em segmentos menores que formam grupos inter-relacionados.

- Clusterização: Processo semelhante à segmentação de bases de dados, mas parte do pressuposto que não se possui resposta previamente conhecida.

- Regras de associação: São regras que são formadas com informações existes na base de dados. São relacionamentos que, na grande parte das vezes, não são conhecidos pelo detentor do negócio.

- Resumo e visualização: O objetivo é encontrar descrições compactas dos dados e prover diferentes maneiras de apresentá-los. O nível de resumo ou detalhamento dos resultados é específico do tipo de usuário desta informação.

- Mineração de textos: A técnica pode ser definida com uma busca de tendências ou padrões, só que em vez de usar uma base de dados, são usados textos (documentos eletrônicos). Textos estes que podem ser transformados numa estrutura mais adequada para um processamento posterior, através de métodos de extração do conhecimento.

Como pode ser visto, existem várias técnicas de Data Mining que podem ajudar as empresas a encontrar informações para fomentar a sua tomada de decisão. Resta aos especialistas identificar a melhor técnica para o seu problema.

5. Conclusão

Várias técnicas, ferramentas e conceitos existem no mercado. Cabe às empresas identificarem qual é seu problema, como atacar o mesmo e, principalmente, como resolvê-lo. Estas perguntas serão de extrema importância para escolha da ferramenta ou técnica exata que deverá ser utilizada para a empresa atingir suas metas.

Não existe nada que possa comprovar que Data Warehouse é melhor que Database Marketing ou Data mining e vice-versa, mas existem conjuntos de particularidades que cada uma delas apresenta que irá adaptar-se de uma melhor forma ao problema que a empresa precisava resolver.

A conclusão que fica é que ferramentas, técnicas e conceitos existem, mas é necessário saber qual usar e como usar. Outra coisa que não se pode esquecer é que um projeto de apoio à tomada de decisão não é um projeto apenas de TI, mas sim um projeto de toda empresa, principalmente de quem conhece o negócio.

Referências

1. CARVALHO, D. R. Data mining através de indução de regras e algoritmos genéticos. 1999. 126 f. Dissertação (Mestrado em Informática Aplicada) - Pontifícia Universidade Católica do Paraná - PUCPR, Curitiba, 1999.

2. INMON, W. H. Como construir o data warehouse. 3. ed. Rio de Janeiro: Campus, 1997. 388 p.

3. JACKSON, R.; WANG, P. Database marketing estratégico. Rio de Janeiro: NTC Business Books, 1997. 298 p.

4. NALIATO, F. C. Aplicação de técnicas de mineração de dados: estudo de caso em marketing direto. 2000. 121 f. Dissertação (Mestrado em Sistema e Computação) - Instituto Militar de Engenharia - IME, Rio de Janeiro, 2000.

5. NASH, E. Database marketing ferramenta atual e decisiva do marketing. São Paulo: McGraw-Hill , 1994. 270 p.

mfleal@celepar.gov.br
jeffcm@celepar.gov.br

Artigo sobre Inteligência Empresarial (EI) versus Inteligência de Negócios (BI)