Embora já longe de ser um conceito recente, o Self-Service BI continua, em muitas empresas, a constituir um desafio difícil de ultrapassar, quer pelas dificuldades técnicas ou funcionais que coloca, quer pela própria incapacidade de adaptação da organização e pela escalabilidade desta própria solução de Business Intelligence.
Como poderá uma organização potenciar ao máximo a utilização dos seus modelos e retirar o maior valor possível do investimento que realizou na construção do seu Data Warehouse / Data Lake e de todos os sistemas envolventes? Partilhamos aqui algumas dicas…
Formação técnica e funcional sobre os modelos e ferramentas
Uma das principais razões iniciais para a resistência às ferramentas de Self-Service BI, prende-se obviamente com a formação, não só técnica, mas também funcional.
Assim, uma estratégia eficiente de formação na área deverá contemplar não só toda a envolvente técnica da tecnologia de eleição, mas sobretudo toda a envolvente funcional dos próprios modelos, demonstrando quais os conceitos, relações e finalidades existentes, bem como disponibilizando análises-tipo que permitam aos utilizadores uma maior familiaridade com o mesmo.
Nesta fase, a organização poderá igualmente optar pela criação de um “Data Dictionary” centralizado, que permita a qualquer utilizador casual consultar a documentação funcional de referência e compreender sem esforço quais os conceitos envolvidos, quais os cálculos efetuados e qual a utilização típica dos mesmos.
Outra estratégia de sucesso nesta fase poderá passar pela criação de “start-up kits” com informação pré-compilada e com algumas análises base realizadas que poderão ser utilizados como ponto de partida para os utilizadores mais casuais, eliminando assim o medo da “blank-page”.
Conceder liberdade de navegação e construção aos utilizadores
Uma das armadilhas mais dissimuladas do Self-Service BI passa precisamente pela restrição do quão Self-Service poderá ser o Self-Service BI.
É importante perceber, nesta altura, que o Self-Service BI poderá ser mais do que mera interatividade nas análises e deverá passar pela livre navegação nos modelos, obedecendo, claro, a todos os requisitos de segurança, confidencialidade e acessibilidade.
O papel da organização deverá passar não pela restrição dos utilizadores a um conjunto de análises interativas, mas sim pela promoção da navegação livre sobre os modelos e pela fomentação de práticas de exploração, visualização e representação de dados, desde que devidamente suportada tecnicamente e funcionalmente.
Cada utilizador deverá ter ao seu dispor não só toda a informação a que tem efetivamente acesso, mas também toda uma panóplia de ferramentas e técnicas para a analisar, podendo aplicar desde o simples “slice & dice” a visualizações avançadas e/ou pequenos modelos preditivos já incorporados nas ferramentas.
Promoção da partilha intra e interdepartamental dos insights
O próximo passo para a potenciação das capacidades de Self-Service passa pela promoção da partilha de todos os insights construídos.
Muitas vezes o Self-Service acaba por resultar em nada mais do que várias ilhas de conhecimento isoladas onde acabam por se realizar análises e trabalhos similares que nunca acabam por ser do conhecimento das restantes ilhas.
Nesta fase a organização poderá optar pela criação de um portal de Self-Service Analytics onde os vários utilizadores poderão navegar e partilhar os seus insights, quer a nível departamental, quer a nível organizacional.
Este tipo de partilha poderá ajudar à disseminação de ideias, análises, técnicas para enfrentar os mais variados problemas e potenciará a evolução da área de Analytics como um todo. Servirá igualmente como um “showroom” para que toda a organização ganhe consciência do trabalho realizado e das análises existentes.
Para além disso, a partilha de informação aumentará o “awareness” global dos modelos existentes e das análises realizadas, tornando toda a experiência de Analytics numa componente interativa entre vários departamentos.
Enriquecimento da informação existente com dados customizados
Para utilizadores com um cariz técnico mais avançado, a simples capacidade de navegar e visualizar os dados pode não ser suficiente e torna-se necessário, no decorrer do seu trabalho, complementar a informação existente num Data Warehouse / Data Lake corporativo com informação externa e customizada.
Este tipo de situações, ao não serem tratadas, induzem frequentemente o aparecimento de uma camada-sombra de BI onde muitas vezes acabam por surgir Data Marts inteiros criados por sofisticados esquemas de customização e enriquecimento de dados.
Assim, uma organização poderá endereçar o problema de duas formas:
• Em primeiro lugar, criando uma camada de dados-mestre transversal a toda a organização da responsabilidade dos principais key-users das várias áreas de negócio. Esta camada permitirá manter atualizada toda a informação crucial às várias análises e centralizar todas as formas de qualificação e categorização de dados
• Em segundo lugar, proporcionando aos key-users o acesso aos metadados do modelo de forma a possibilitar-lhes a criação de ligações entre o modelo corporativo e a sua informação customizada (dados de mercado, campanhas, informação externa, etc.)
Este tipo de evolução poderá permitir, numa primeira fase, enriquecer a informação e responder às necessidades mais prementes do negócio e posteriormente, numa segunda fase, enriquecer a própria camada de integração de dados com os inputs desses key-users, promovendo as suas customizações ao Data Warehouse / Data Lake corporativo e tornando os key-users parte da própria estratégia de BI da organização ao invés de simples clientes da mesma.
Governance e controlo da plataforma
Por último, e como consequência de toda a evolução anterior, deverá surgir a necessidade de criar uma estratégia de governance da própria plataforma de Self-Service.
Com o crescimento em escala da camada de Self-Service BI numa organização, é inevitável que surja a necessidade de coordenação de fontes de dados, revisão de conteúdos, auditorias de performance, bem como documentação e auditoria de todo o processo de Self-Service BI, especialmente todo aquele que será candidato a uma promoção para BI corporativo.
Nesta fase surge frequentemente a necessidade de controlar todo o fluxo de dados do Self-Service existente com mapeamentos fonte-destino de forma a perceber quais as principais fontes e quais os principais outputs que são utilizados em todo o processo. Este tipo de análise poderá ajudar a organização a definir a sua própria estratégia de evolução da área de Analytics.
Por outro lado, o foco da camada de dados-mestre deverá começar a estender-se, abandonando uma perspetiva centrada unicamente nos dados e abarcando a área dos próprios conteúdos que são produzidos, permitindo aos utilizadores descrever qual a análise realizada, qual a finalidade, fontes de dados, etc.
Numa perspetiva mais técnica, poderá surgir uma necessidade de auditar determinados conteúdos produzidos pelos utilizadores, especialmente no que toca a performance, gestão de dados ou disponibilização de informação crítica.
Em conclusão…
Uma organização deverá ver o Self-Service BI como uma camada complementar ao Data Warehouse / Data Lake corporativo, na qual proporcionará aos seus utilizadores, especialmente aos “power-users”, uma capacidade até então inexistente de exploração, navegação e construção.
Esta camada não deverá de forma alguma substituir o Data Warehouse / Data Lake existente, mas sim permitir a maior flexibilidade possível aos utilizadores e auxiliar a própria organização a perceber qual a estratégia de crescimento da área de Analytics.
Como tal, é necessário que todo o crescimento da área de Self-Service BI seja acompanhado pela organização não só numa perspetiva técnica e funcional, mas também numa perspetiva de gestão da evolução da própria plataforma de BI.
