Business intelligence para empresas: do dado à decisão

Business intelligence para empresas é transformar o dado que a operação já produz em decisão repetida com critério. Não é ferramenta, não é dashboard e não é cargo: é o caminho que leva do número espalhado em cinco sistemas até a conversa de segunda-feira em que ninguém discute se o número está certo.

Este guia é escrito para quem dirige a empresa, e não para quem vai construir a solução. Ele mostra o que BI resolve de fato, os quatro estágios pelos quais toda empresa passa, como começar com o que já existe, quanto custa cada etapa, e por que a maior parte dos projetos de dados entrega painel bonito e nenhuma decisão diferente.

O que é business intelligence, sem jargão

Business intelligence é o conjunto de práticas e ferramentas que reúne dados de várias fontes, organiza esses dados de forma consistente e os apresenta de um jeito que sustente decisão. A definição cabe em uma frase, e a dificuldade toda mora na palavra consistente: é ela que separa um painel útil de um gráfico que alguém contesta na primeira reunião.

Duas confusões atrapalham a conversa dentro das empresas. A primeira é achar que BI é o painel: o painel é a superfície, e abaixo dele existem definição de indicador, origem do dado e regra de cálculo. A segunda é achar que BI é assunto de área técnica: a parte técnica é a mais fácil de resolver, e a parte difícil, que é acordar o que cada número significa, é decisão de negócio.

Vale também dizer o que BI não é. Não é previsão do futuro, que é outro assunto, tratado em análise preditiva. Não é relatório automático, embora relatório automático costume ser o primeiro benefício visível. E não é exclusividade de empresa grande: o que muda com o porte é a estrutura, não a necessidade.

O problema real: dado não falta, decisão falta

Quase nenhuma empresa sofre por falta de dado. O ERP registra cada venda, o CRM registra cada contato, a ferramenta de atendimento registra cada conversa. O que falta é o caminho entre esse registro e a decisão, e ele quebra sempre nos mesmos três pontos.

O primeiro é o dado espalhado: responder qualquer pergunta interessante exige cruzar duas ou três fontes, o que hoje é feito por alguém exportando planilhas. O segundo é a definição divergente: cada área calcula faturamento, cliente ativo e conversão do seu jeito, e a reunião discute o número em vez do negócio. O terceiro é a ausência de rotina: mesmo quando existe painel, ninguém tem hora marcada para olhá-lo, e ele vira link esquecido.

Esses três pontos explicam por que comprar uma ferramenta raramente resolve. A ferramenta ataca o primeiro problema e ignora os outros dois, que são de acordo e de hábito. O quadro completo dessa falha está em por que empresas não usam os próprios dados.

Os quatro estágios de maturidade

A maior parte das empresas brasileiras de porte médio está entre o primeiro e o segundo estágio, e o erro mais caro é tentar saltar direto para o quarto. Cada estágio resolve um problema que o seguinte pressupõe resolvido: base consolidada sem definição acordada apenas distribui a divergência mais rápido.

Comece pelas perguntas, não pelas ferramentas

Todo projeto de BI que dá certo começa com uma lista curta de perguntas de negócio, escritas antes de qualquer decisão técnica. Elas costumam ser menos de dez, e a empresa já as faz informalmente todos os meses.

• De onde vêm os clientes que dão mais margem? Cruza origem, receita e custo.
• Onde o funil está travando neste mês? Cruza etapa, tempo e conversão.
• Quais clientes estão em risco de sair? Cruza uso, atendimento e recorrência.
• Quanto custa entregar cada tipo de serviço? Cruza hora, custo e receita.
• O que mudou em relação ao mês passado, e por quê? Exige histórico.

Cada pergunta dessa lista já indica quais fontes precisam ser reunidas e quais definições precisam ser acordadas. É por isso que ela substitui, com vantagem, o levantamento genérico de requisitos: em vez de mapear tudo o que a empresa tem, mapeia-se apenas o que responde as perguntas que ela já faz.

Os indicadores que sustentam a decisão

Não existe lista universal, mas existe um núcleo que responde à maior parte das decisões de uma empresa de serviços. Doze números organizados em quatro áreas costumam bastar, e é melhor ter doze usados do que sessenta disponíveis.

Repare que quase todos exigem cruzar pelo menos duas fontes: margem por serviço precisa de receita e de custo, ticket por origem precisa de venda e de canal. É exatamente por isso que o estágio de painel de uma fonte só vai até certo ponto, e é onde a maioria das empresas percebe que precisa reunir os dados em algum lugar comum.

Há também uma regra de higiene: para cada indicador, defina qual é o número esperado. Indicador sem referência não sustenta decisão, apenas informa. Saber que a conversão foi de doze por cento não diz nada; saber que o normal da casa são dezoito diz o que fazer na semana.

As peças de uma solução de BI

A base analítica é a peça que costuma ser comprada cedo demais. Ela passa a valer a pena quando as perguntas cruzam fontes, quando o relatório pesado atrapalha a operação ou quando o histórico começa a ser perdido, e os sinais completos estão em data warehouse. A camada de definição, por sua vez, é a que quase nunca é comprada e a que resolve mais discussão: é o assunto de governança de dados.

Escolha da ferramenta, e por que ela vem por último

Ferramenta de visualização é a decisão mais visível e a menos determinante. As opções populares no mercado brasileiro resolvem bem os casos comuns, e a diferença entre elas aparece em requisitos específicos: quantidade de usuários, necessidade de compartilhar com clientes, integração com o ambiente que a empresa já usa e custo por acesso.

O critério prático é escolher a ferramenta depois de saber quais são as perguntas e onde estão as fontes, e não antes. A comparação das opções mais usadas por empresas pequenas está em Looker Studio, Power BI e Metabase, e o caminho de migração a partir da planilha, em da planilha ao dashboard.

Um alerta sobre o vocabulário do mercado: boa parte do material sobre BI é publicado por quem vende ferramenta, o que empurra a conversa para funcionalidades. Na prática, empresa nenhuma decide melhor porque trocou de software de gráfico. Decide melhor porque acordou definições e criou rotina.

Quem faz o BI acontecer

Projeto de dados costuma ser entregue a quem entende de ferramenta, e é aí que ele começa a morrer. A distribuição que funciona envolve quatro papéis, e apenas um deles é técnico.

• Patrocinador. Alguém da direção que usa os números para decidir e cobra o uso. Sem essa pessoa, o projeto perde prioridade no primeiro mês difícil.
• Dono de cada indicador. De negócio, responsável pela definição e por aprovar mudanças nela. Faturamento é do financeiro, conversão é do comercial.
• Responsável técnico. Constrói cargas e painéis e garante que a definição acordada esteja implementada igual em todos os lugares.
• Curador da rotina. Quem conduz a leitura semanal e transforma o que apareceu em tarefa com responsável.

Sobre construir com time interno ou com parceiro, a escolha depende de duas coisas: se existe alguém dentro com tempo dedicado, e se a empresa pretende evoluir a estrutura continuamente. Time interno acumula conhecimento do negócio e costuma ser mais lento no começo. Parceiro entrega mais rápido e exige um cuidado explícito com transferência: documentação do modelo, acesso à infraestrutura e alguém de dentro acompanhando desde o primeiro dia. O modelo de contratação com time dedicado está descrito em squad as a service.

Uma última consideração de escala: em empresa de até algumas dezenas de pessoas, esses quatro papéis são frequentemente duas ou três pessoas acumulando funções, e isso é normal. O que não funciona é nenhum deles existir com nome.

Quanto custa e em quanto tempo

O custo se distribui de forma que costuma surpreender quem só olhou o preço da licença.

• Ferramenta de visualização. A menor parte, e em alguns casos gratuita para o volume de uma empresa média.
• Infraestrutura. Barata na nuvem, cobrada por armazenamento e consulta.
• Construção. A maior parte do investimento inicial: levantar fontes, definir regras, montar cargas e painéis.
• Manutenção. Contínua, porque sistema de origem muda algumas vezes por ano.
• Acordo de definições. Não aparece em proposta nenhuma, e é o que mais atrasa o projeto.

Sobre prazo, a régua honesta é esta: o primeiro painel útil, respondendo uma pergunta real, deve estar no ar em semanas. Se o cronograma apresentado começa com meses de modelagem antes de qualquer entrega, o projeto tem alta probabilidade de terminar sem uso, porque a empresa perde o interesse antes de ver valor.

O dado precisa ser confiável antes de ser bonito

Existe um momento previsível em todo projeto de BI: o primeiro painel vai ao ar, alguém da diretoria olha e diz que aquele número está errado. Na maior parte das vezes, não está errado, está diferente do que a pessoa esperava, e a diferença vem de definição ou de qualidade do cadastro. Esse momento decide o destino do projeto, porque é ali que a confiança se estabelece ou se perde.

Três cuidados baratos evitam quase todo esse desgaste. O primeiro é mostrar a origem: cada painel deve dizer de onde vem o dado e de quando é a última atualização, porque metade das contestações se resolve com essa informação. O segundo é validar contra algo conhecido antes de publicar: se o faturamento do mês passado no painel bate com o que o financeiro fechou, o painel nasce com crédito. O terceiro é avisar quando a carga falha, já que painel mostrando dado de anteontem com cara de atual é pior que painel fora do ar.

Sobre a qualidade do cadastro, o retorno maior está em corrigir a entrada e não em limpar o histórico. Campo obrigatório que o sistema deixa salvar vazio, cliente cadastrado duas vezes e valor impossível são os três problemas que mais distorcem relatório em empresa de serviços, e todos se resolvem com regra na origem. Limpar o passado só compensa nos indicadores que a empresa realmente usa para decidir, e mesmo assim depois que a entrada estiver arrumada.

Por que projetos de BI falham

• Começam pela ferramenta. A pergunta some, e o resultado é um painel que ninguém pediu.
• Não têm dono do número. Sem responsável por cada indicador, a divergência volta em semanas.
• Entregam tarde demais. Modelagem completa antes do primeiro painel consome o patrocínio.
• Ignoram a qualidade do dado. Painel construído sobre cadastro duplicado entrega erro mais rápido.
• Não criam rotina. Sem hora marcada para leitura, o painel não muda decisão nenhuma.
• Medem o que é fácil. Indicador escolhido por disponibilidade, e não por relevância, produz relatório inofensivo.

O último ponto é sutil e frequente. É mais fácil medir volume de atividade do que resultado, e por isso muitos painéis mostram quantas propostas foram enviadas e não quanto se ganha por origem de cliente. A pergunta que separa os dois é sempre a mesma: o que a empresa faz diferente por causa deste número.

Um plano de noventa dias

Para uma empresa que está no estágio de planilha e quer sair dele sem contratar um projeto grande, noventa dias bastam para chegar a algo que se sustenta.

• Semanas 1 e 2. Escreva as cinco a dez perguntas de negócio e defina, em uma linha cada, os indicadores que as respondem, com fórmula, fonte e dono.
• Semanas 3 a 6. Conecte a fonte principal e publique o primeiro painel, cobrindo duas ou três perguntas. Imperfeito e no ar vale mais que completo e em desenho.
• Semanas 7 a 10. Traga a segunda fonte, a que responde a pergunta que hoje exige cruzamento manual. Aqui aparece a necessidade de integração de sistemas.
• Semanas 11 e 12. Instale a rotina: quinze minutos semanais com as mesmas quatro perguntas, e uma revisão mensal mais longa.

Ao fim desse ciclo, a empresa não terá uma estrutura completa de dados, e terá algo mais útil: uma decisão semanal tomada com número que ninguém contesta. O recorte comercial dessa leitura está em dashboard de vendas, a visão da empresa inteira em dashboard executivo, e o financeiro em indicadores financeiros para PMEs.

Há ainda um desdobramento que costuma aparecer depois do terceiro estágio. Quando a empresa passa a enxergar os próprios números com clareza, é comum descobrir que a planilha ou a ferramenta criada internamente para resolver o problema tem valor fora de casa. Essa é uma pergunta de produto, não de dados, e o caminho para respondê-la sem gastar seis meses construindo está em product discovery e nos critérios de quando a ferramenta interna tem potencial de produto.

Se o gargalo for relatório montado à mão todo mês, o atalho está em automatizar relatórios sem contratar ninguém e em automação de relatórios. Se a empresa é pequena e a dúvida é por onde começar, inteligência de dados para pequenas empresas traz o recorte. E quando o próximo passo for usar o dado para antecipar comportamento, o assunto é análise preditiva e BI com IA na tomada de decisão.

Perguntas frequentes