A Inteligência Artificial e Data Analytics para sua empresa pode fazer muita diferença.
Em artigo anterior, explicamos a importância do que chamamos visual storytelling para garantir que toda a empresa pense de uma forma unívoca e efetiva, garantindo o que se define como excelentes “customer experiences“.
Aparentemente, nossos leitores não têm muitas dúvidas sobre como é importante que uma empresa seja “customer-centric” e tenha capacidade de orientar a jornada de cada um dos clientes/consumidores.
Muita gente, no entanto, pediu para explicarmos exatamente como a Always On cria aquelas narrativas visuais.
Para isso, vamos precisar retomar o conceito de Data Visualization, falar um pouco sobre as principais ferramentas que facilitam essa abordagem e também os motivos pelos quais escolhemos uma delas para trabalhar prioritariamente.
Resumidamente, é a representação visual de uma informação ou de um conjunto de informações extraídas de dados coletados e analisados (uma descrição mais abrangente pode ser encontrada no artigo citado).
>>>Fale conosco sobre Inteligência Artificial e Data Analytics e soluções para sua empresa de coleta de dados!
Não é um conceito novo.
Gráficos de pizza, gráficos de barras e colunas sempre foram usados para facilitar o entendimento das informações existentes em um dado momento e/ou em um determinado contexto.
O que mudou foi a quantidade de dados e, portanto, informações que estão disponíveis atualmente.
E a velocidade com que se têm de lidar com esses dados/informações para tomar decisões eficientes e eficazes, o famoso time to market.
Foi necessário pensar em maneiras mais sofisticadas de mostrá-los e compartilhá-los.
E, assim, surgiram as ferramentas de Data Visualization que podem gerar automaticamente as visualizações, capacitar os usuários a criarem suas próprias, ou ambas.
Há, na verdade, soluções para todos os gostos.
Desde ferramentas de visualização de dados mais simples e até gratuitas, dedicadas à construção de infográficos.
Ao invés de realizar análises de dados sofisticadas, até as que podem alterar as visualizações em tempo real.
Com algoritmos sofisticados que mudam após repetidas consultas diretas de dados em tempo real (ou seja, dados de streaming).
As ferramentas que ocupam o meio do espectro não representam dados em tempo real, mas produzem visualizações de saídas analíticas avançadas.
Antes de responder essa questão, temos que passar antes pelo conceito de Business Intelligence, um processo orientado pela tecnologia para analisar dados e apresentar informações acionáveis para ajudar executivos, gerentes e outros usuários finais corporativos a tomar decisões de negócios bem informadas.
Atualmente, BI engloba uma ampla variedade de ferramentas, aplicativos e metodologias que possibilitam às organizações coletarem dados de sistemas internos e fontes externas, preparando-os para análise e desenvolvendo consultas em relação a eles.
Falando especificamente das ferramentas de business intelligence (BI), elas conseguem pegar grandes volumes de dados e interpretá-los.
As ferramentas que vamos discutir em seguida são o que chamamos de “self-service BI tools”, ou seja, são sistemas que permitem às próprias áreas de negócios trabalhar as informações de que precisam, sem a necessidade da intermediação de uma TI, formulando estratégias e fechando negócios com muito mais velocidade e assertividade.
Exatamente por serem “self-service”, essas ferramentas precisam oferecer recursos de visualização de dados para apresentar visualmente as informações.
Sabe a função de gráfico de pizza de seu Excel?
Agora, multiplique o poder dessa função por dezenas, centenas, milhares de vezes, e vai chegar perto do poder dos recursos da “data visualization” dessas ferramentas.
O objetivo de apresentar as informações coletadas e interpretadas pelas ferramentas de BI em imagens é transferi-las rapidamente da máquina para o cérebro humano, não apenas com eficiência, mas também da maneira mais significativa possível.
Portanto, não é o valor estético de uma visualização que conta, mas a clareza da mensagem que ela transmite.
O ponto de partida dessa ferramenta é garantir que a concisão necessária para a clareza não impeça a complexidade da mensagem.
Na verdade, essa é a razão de ser do surgimento e da evolução dessas ferramentas: como muitas das informações que os humanos devem consumir são complexas e diferenciadas, as visualizações de dados são configuradas sozinhas e em grupos para deixar mais claro por meio de imagens uma história maior, seja em amplitude ou em profundidade.
Um exemplo de configuração única é qualquer visualização que revele informações mais granulares ou relacionadas quando o visualizador clica ou passa o mouse sobre uma seção da ilustração.
Exemplos de visualizações de grupo incluem quase todos os dashboards de aplicativos de BI.
A visualização de dados é atualmente uma parte tão integrante das ferramentas de BI que as ferramentas para criá-las e publicá-las compartilham conjuntos de recursos comuns.
Assim, a grande maioria das soluções de BI é capaz de operações de visualização de dados.
No entanto, os clientes que procuram realmente explorar a visualização de dados devem examinar essas ferramentas cuidadosa e exclusivamente através dessa lente antes de tomar uma decisão de compra.
Afinal, às vezes a ferramenta certa para analisar seus dados pode não oferecer uma paleta de visualização suficiente para suas necessidades.
Por exemplo, você pode querer a capacidade de construir um infográfico personalizado ou criar visualizações interativas, mas nem todos os aplicativos de BI oferecem essas opções.
Você pode precisar investir em uma combinação de ferramentas para obter as ferramentas analíticas e de visualização de que precisa.
Em uma busca preliminar, chegamos a 173 ferramentas de Data Visualization oferecidas no mercado, das mais simples às mais sofisticadas.
Mas vamos simplificar para você, apresentando as que foram apontadas como melhores por especialistas reunidos pela equipe da PC Magazine.
Entre as quais, a ferramenta que usamos mais aqui na Always On. Vamos lá.
Entre em contanto conosco para falarmos de Inteligência Artificial e Data Analytics para sua empresa e soluções de BI!
A Tableau Desktop é uma das pioneiras no espaço de self-service business intelligence (BI).
Ela inclui maturidade, portanto, ao seu processo constante de evolução.
Ela tem reagido bem à pressão de novos concorrentes e ao surgimento do Big Data e da Internet das Coisas (IoT).
Com uma excelente interface de usuário (IU) própria, junto com uma etiqueta de preço inicial gratuita, o Tableau Desktop continua sendo um forte concorrente no mercado de BI.
Prós: enorme conjunto de conectores e visualizadores de dados, design amigável, capacidade de processamento impressionante, é um produto maduro com uma grande comunidade de usuários.
Contra: domínio completo da plataforma requer volume substancial de treinamento.
A Sisense é uma empresa que está ganhando impulso no espaço de self-service business intelligence (BI).
Ainda que não goze do reconhecimento de marca de outros pesos pesados do BI, como IBM Watson Analytics e Microsoft Power BI, sua interface de usuário (IU) intuitiva e a profundidade significativa de seus recursos de visualização de dados destacam a ferramenta Sisense.
Prós: consultas consistentes em aplicativos de terceiros, usando linguagem natural, e processamento in-chip, resolvendo gargalos.
>>>Fale conosco sobre Inteligência Artificial e Data Analytics e soluções para sua empresa de coleta de dados!
Contras: talvez seja um pouco complexa para uma ferramenta de self-service business intelligence (BI), processo analítico requer esforço e os recursos de linguagem natural têm limitações.
A Domo pode superficialmente parecer uma boa ferramenta de self-service business intelligence (BI).
No entanto, acaba sendo muito menos amigável para os usuários de negócios do que o IBM Watson Analytics ou o Microsoft Power BI.
Além disso, falta aprendizado de máquina (ML) e componentes de linguagem natural, que muitas outras ofertas de BI, como Sisense, já têm.
Dito isso, o Domo ainda é uma oferta válida para aqueles que desejam investir na curva de aprendizado exigida.
Domo tem uma ampla gama de conectores de aplicativos, recursos de visualização de dados sólidos, além de excelentes habilidades de colaboração.
Prós: vasta gama de conectores, recursos de compartilhamento impressionantes e armazenamento de dados ilimitado.
Contras: a interface do usuário não é intuitiva, a curva de aprendizado é íngreme e é desagradável para novos analistas.
A análise precisa ser feita em relação à Salesforce Analytics, que é a ferramenta self-service business intelligence.
Embora seu foco esteja principalmente na mineração de dados de clientes e vendas, dados de outras fontes também podem ser conectados à ferramenta.
Além disso, precisa ser integrada a outras ferramentas como Sales Analytics para Sales Cloud, Service Analytics para Service Cloud e principalmente a IBM Watson Analytics.
Essa última garante a Inteligência Artificial prometida pela plataforma – para oferecer a capacidade de analisar dados de qualquer fonte.
Prós: projetado com usuários de negócios em geral em mente e retorno sólido do investimento.
Contras: dados que se pode usar são limitados e necessita de plataforma adicional para se conectar.
A Zoho é mais conhecida por sua ferramenta de CRM, mas oferece também uma camada de self-service business intelligence (BI).
Sua principal vantagem é o custo-benefício.
A interface de usuário (IU) intuitiva permite a usuários de todos os níveis de habilidade navegar facilmente pelas funcionalidades do produto.
Embora faça parte de um pacote de software completo de ferramentas de produtividade e aplicativos de negócios, como a maioria dos outros aplicativos do portfólio da Zoho, a Zoho Analytics não depende da suíte ou de qualquer elemento individual dela; funciona bem como um aplicativo independente.
Prós: preço razoável, geração automática de relatórios rápida e simples, e interface fácil de seguir.
Contras: recursos de relatórios frustrantes e curva de aprendizado íngreme.
A SAP é pioneira em Big Data, banco de dados e, agora, ferramentas de self-service business intelligence (BI).
A SAP Analytics Cloud é mais adequada para empresas que já padronizaram outros produtos empresariais SAP, mas é uma entrada sólida por si só devido ao seu preço acessível, conjunto sólido de recursos e forte funcionalidade de visualização de dados.
No entanto, a UI (interface com o usuário) não é intuitiva o suficiente para iniciantes e não há como usar consultas de linguagem natural como o IBM Watson e o Salesforce Analytics Cloud ou mesmo concorrentes Microsoft Power BI e Sisense.
Ainda assim, a SAP fez alguns esforços com sua abordagem de “criar uma história” para alcançar profissionais que não trabalham com dados.
Embora não seja ótimo, isso ainda torna indiscutivelmente mais fácil para os usuários comerciais entenderem do que outras ferramentas.
Prós: análise em tempo real para Internet das Coisas (IoT) e streaming de dados, grande ecossistema enorme com inúmeros extensores, páginas responsivas tornam a publicação móvel mais fácil, excelente paradigma de narrativa e visão centralizada com análises consolidadas.
Contras: faltam recursos de preparação de dados, design de barra de ferramentas é confuso e não é amigável para iniciantes.
>>>Fale conosco sobre Inteligência Artificial e Data Analytics e soluções para sua empresa de coleta de dados!
A Chartio tem 22 conexões diretas de fontes de dados, entre as quais Amazon Redshift, Google Analytics (GA) e Google Big Query para arquivos CSV, Azure, Hadoop, IBM DashDB, MySQL e PostgreSQL.
A empresa diz que há 150 integrações de fontes de dados adicionais disponíveis por meio de seus parceiros de dados, um grupo que inclui HubSpot, Marketo, Salesforce e Zendesk Support.
Tem uma série de conectores para bancos de dados relacionais baseados em nuvem, o que elimina a necessidade de fazer upload de dados.
Em vez disso, os dados podem ser simplesmente consultados ao vivo nesses bancos de dados, uma marcha na direção certa em termos de usabilidade geral e apelo de mercado.
Tecnicamente falando, Chartio é rápido e poderoso, com poucas falhas.
O que atrapalha é o design da interface com o usuário. Aparentemente, a empresa está assumindo que os analistas de negócios têm mais sofisticação do que têm na realidade.
Prós: impressionante capacidade de processamento, otimização de consulta poderosa em SQL, totalmente baseado na web e muito bom tratamento de consultas complexas.
Contras: interface de usuário mal projetada e curva de aprendizado íngreme.
Esta ferramenta é a Editor’s Choice da equipe da PC Magazine – e é também a da equipe da Always On!
Então vamos explicar o porquê disso.
A Microsoft Power BI faz um trabalho fantástico de combinar o poder de análise com uma interface de usuário (IU) amigável e excepcionais recursos de visualização de dados.
Em sua versão Professional, tem 10 GB de armazenamento de dados, ciclos de atualização de dados mais rápidos (por hora), consumo de dados de streaming (1 milhão de linhas por hora em comparação com as 10.000 linhas por hora oferecidas no nível gratuito) e recursos de colaboração.
A ferramenta tem 74 conectores de dados e está adicionando mais em um ritmo regular, o que é um número notável mesmo quando comparado com a concorrência mais madura.
Os conectores de dados permitem que você aponte sua ferramenta de BI para um aplicativo ou conjunto de dados específico e incorpore esses dados em suas consultas.
Inclui, por exemplo, um conector para MailChimp, que é um aplicativo de marketing por email, bem como um conector para Salesforce.
Ativar ambos significa a capacidade de formar consultas singulares destinadas a cada aplicativo ou consultas mais complexas que forneceriam dados de ambos os aplicativos simultaneamente.
Essas consultas são fáceis de fazer, mesmo para usuários em geral.
Prós: plataforma extremamente poderosa com uma variedade de conectores de fonte de dados, muito fácil de usar e recursos excepcionais de visualização de dados.
No entanto, apesar de sermos fãs do produto, vamos ter que discordar, na medida em que a consideramos uma ferramenta de web analytics.
Ou seja, voltada para a análise de dados quantitativos e qualitativos em relação à experiência dos usuários nos sites – e não de self-service BI.
Embora reconheçamos que o Google tem incrementado o produto nessa direção, o fato é que não acreditamos que possa substituir uma Tableau ou uma Power BI.
Ainda há muitas lacunas e nem sabemos se a empresa tem a intenção real de preenchê-la ou pretende continuar a estimular a operação.
Em conjunto com outros produtos do seu portfólio, como o Google Analytics 360, o Google BigQuery e o Data Studio.
Em última análise, os cientistas de dados da Always On usam nossas ferramentas de visualização de dados para construir dashboards, que funcionam como os painéis de controle de aeronaves.
Com eles, fica fácil garantir que os voos dos nossos clientes sejam sempre seguros e os processos de business analytics muito mais assertivos e eficazes.
Às vezes, o dashboard apresenta uma única história baseada em dados que é significativa para muitos visualizadores.
Outras vezes pode conter muitas histórias para o benefício de um único usuário.
Eles podem ser instalados nos sistemas dos clientes com visualizações pré definidas e fixas.
Ou com várias opções de exibição ou imagens personalizáveis.
Assim, o painel normalmente contém duas ou mais visualizações de dados destinadas a informar e, às vezes, até mesmo solicitar uma ação ou decisão de negócios.
O que você leu até agora pode ser só o início de uma conversa muito mais abrangente e profunda sobre o roteiro desse caminho que leva ao coração.
Experimente marcar uma conversa e vamos falar sobre Inteligência Artificial e Data Analytics para sua empresa?
Vamos demonstrar na prática como tudo isso funciona.
Segurança Cibernética para B2B! O empresário ainda não se protege contra o sequestro de dados e acha que esse é...
