Pilares da Transformação Digital

Prévia do material em texto

AULA 4 
 
 
 
 
 
 
 
 
 
 
BI – BUSINESS INTELLIGENCE 
PARA TRANSFORMAÇÃO 
DIGITAL 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Prof. Roberson Araujo 
 
 
2 
INTRODUÇÃO 
Os pilares técnicos da transformação digital referem-se às tecnologias e 
infraestruturas fundamentais que suportam a transformação digital de uma 
empresa ou organização. Eles incluem os temas relacionados a Cloud Computing 
ou computação em nuvem, Big Data, Inteligência Artificial, IoT (internet das 
coisas) e processos de automação de processos. 
A computação em nuvem permite que as empresas acessem recursos de 
computação, armazenamento e software por meio da Internet, sem precisar de 
servidores físicos ou infraestrutura local. Isso reduz o custo de infraestrutura e 
permite que as empresas sejam mais flexíveis e ágeis. 
O Big Data é o processo de coleta, armazenamento e análise de grandes 
quantidades de dados para identificar padrões, tendências e insights úteis. Ele 
permite que as empresas tomem decisões mais informadas e precisas com base 
em dados em tempo real. 
A Inteligência Artificial (IA) refere-se a sistemas que podem realizar tarefas 
que normalmente exigem inteligência humana, como reconhecimento de fala, 
visão computacional, processamento de linguagem natural e tomada de decisões. 
A IA pode ajudar as empresas a automatizar tarefas e a tomar decisões mais 
informadas e precisas. 
A Internet das Coisas (IoT) tem seu significado na conexão de dispositivos 
e objetos do dia a dia à internet, permitindo que eles se comuniquem entre si e 
com os usuários. A IoT pode ajudar as empresas a coletar dados em tempo real 
sobre o uso de seus produtos e serviços, permitindo melhorias e personalização. 
 
Crédito: Funtap/Shutterstock. 
 
 
3 
A automação de processos refere-se à automação de tarefas manuais e 
repetitivas, permitindo que as empresas se concentrem em tarefas mais 
estratégicas. Isso pode ser alcançado por meio da automação robótica de 
processos (RPA) e outras tecnologias de automação. 
Esses pilares técnicos são essenciais para a transformação digital, mas é 
importante lembrar que eles devem ser implementados de maneira estratégica, 
com foco nas necessidades e objetivos específicos da empresa. Além disso, a 
transformação digital não se resume apenas à tecnologia – envolve também 
mudanças culturais e organizacionais para garantir que a empresa esteja pronta 
para aproveitar as oportunidades oferecidas pelas tecnologias emergentes. 
TEMA 1 – COMPREENSÕES FUNDAMENTAIS DA TRANSFORMAÇÃO DIGITAL 
E NEGÓCIOS 
A transformação digital é um processo contínuo que envolve a integração 
de tecnologias digitais em todos os aspectos dos negócios de uma empresa. As 
compreensões fundamentais da transformação digital e negócios incluem o 
cliente, a inovação, a cultura, a colaboração e a segurança como fundamentos de 
base que preconizam sua existência. 
1.1 Cliente 
O cliente está no centro, ou seja, a transformação digital é impulsionada 
pela necessidade de atender às expectativas dos clientes em um mundo cada vez 
mais digital. As empresas devem compreender as necessidades e desejos de 
seus clientes e usar a tecnologia para fornecer soluções personalizadas, 
relevantes e convenientes. 
1.2 Inovação 
A inovação é fundamental, uma vez que a transformação digital envolve a 
criação de novos modelos de negócios e a reinvenção dos processos existentes. 
As empresas devem estar dispostas a experimentar novas tecnologias e ideias 
para encontrar maneiras de melhorar e inovar continuamente. 
 
 
 
4 
1.3 Cultura 
A cultura é extremamente importante, pois a transformação digital não é 
apenas sobre a tecnologia, mas também envolve mudanças culturais e 
organizacionais para permitir que as empresas se adaptem rapidamente às 
mudanças do mercado e às oportunidades oferecidas pelas tecnologias 
emergentes. 
1.4 Colaboração 
A colaboração é necessária dentro do processo de compreensão acerca 
da transformação digital e negócio, pois a transformação digital envolve a 
colaboração entre diferentes áreas de negócios e funções, bem como com 
parceiros externos e startups de tecnologia. As empresas devem estar dispostas 
a trabalhar em conjunto e a compartilhar informações para obter os melhores 
resultados. 
1.5 Segurança 
A segurança é crítica devido ao fato de a transformação digital envolver o 
uso de tecnologias avançadas, como a Internet das Coisas e a Inteligência 
Artificial, que podem aumentar o risco de violações de segurança e privacidade. 
As empresas devem garantir que a segurança seja uma prioridade em todas as 
etapas da transformação digital. 
1.6 Resumo sobre as compreensões fundamentais da transformação digital 
e negócio 
Essas compreensões fundamentais são essenciais para ajudar as 
empresas a ter sucesso na transformação digital e a aproveitar as oportunidades 
oferecidas pela tecnologia. No entanto, é importante lembrar que a transformação 
digital é um processo contínuo que requer adaptação e evolução constantes para 
se manter relevante e competitivo. 
 
 
 
5 
TEMA 2 – AQUISIÇÃO DE DADOS 
A aquisição de dados pode ter seu entendimento quanto ao processo de 
coleta e armazenamento de informações relevantes de fontes variadas, tais como 
sensores, bancos de dados, aplicativos e sistemas de terceiros, para suportar a 
tomada de decisões. A aquisição de dados é uma etapa crítica em muitas 
atividades empresariais, incluindo análise de dados, inteligência de negócios e 
transformação digital. 
Atualmente, encontramos várias técnicas e tecnologias disponíveis para a 
aquisição de dados. As principais delas são baseadas em sensores, sistemas de 
monitoramento, redes sociais, APIs e coleta de dados por meio de questionários 
e pesquisas. 
2.1 Aquisição de dados por sensores 
Os sensores são dispositivos que podem ser usados para coletar dados de 
diversas fontes, incluindo equipamentos, máquinas e dispositivos móveis. Eles 
podem medir uma variedade de dados, desde temperatura e umidade até 
movimento e vibração. 
 
 
Crédito: metamorworks/Shutterstock. 
 
 
6 
2.2 Aquisição de dados por monitoramento 
Os sistemas de monitoramento são usados para coletar dados em tempo 
real sobre o desempenho de equipamentos e processos. Eles podem ajudar as 
empresas a identificar e resolver problemas de forma proativa, antes que se 
tornem críticos. 
2.3 Aquisição de dados por redes sociais 
As redes sociais são uma fonte importante de dados para muitas empresas, 
especialmente aquelas que operam em setores como marketing e publicidade. As 
empresas podem usar ferramentas de análise de dados para extrair informações 
valiosas sobre os clientes, incluindo preferências de compra, opiniões e 
comportamentos. 
2.4 Aquisição de dados por APIs 
As APIs (Interfaces de Programação de Aplicativos) permitem que os 
desenvolvedores acessem dados e funcionalidades de aplicativos e sistemas de 
terceiros. As empresas podem usar APIs para integrar dados de várias fontes em 
seus próprios sistemas e aplicativos. 
2.5 Aquisição de dados por coleta de dados mediante questionários e 
pesquisas 
As empresas podem realizar pesquisas para coletar dados diretamente dos 
clientes, funcionários e outros stakeholders. Esses dados podem incluir 
informações sobre preferências, necessidades, satisfação do cliente, entre outros. 
2.6 Tomada de decisão diante da aquisição de dados 
Diante dessas principais formas de aquisição de dados, podemos entender 
que a aquisição de dados é um processo crítico para a tomada de decisões 
informadas em todas as áreas de negócios. 
 
 
7 
Crédito: T.Dallas/Shutterstock. 
As empresas podem usar uma variedade de técnicas e tecnologias para 
coletar dados de fontes diversas, permitindo que tomem decisões baseadas em 
dados e obtenham vantagem competitiva. 
TEMA 3 – SISTEMAS E PROCESSOS 
Business Intelligence (BI) é um conjunto de técnicas e ferramentasque 
ajudam as empresas a coletar, analisar e visualizar dados de várias fontes para 
tomar decisões informadas e estratégicas. Sistemas e processos com BI permitem 
que as empresas aproveitem seus dados para melhorar a eficiência, produtividade 
e rentabilidade dos negócios. Existem diversas formas de exemplificar essa 
afirmação, entre elas temos os relatórios e dashboards, a efetiva realização da 
análise de dados, a previsão e o planejamento, o monitoramento de desempenho, 
além da integração de dados. 
3.1 Relatórios e dashboards 
Os sistemas de BI podem gerar relatórios e dashboards personalizados, 
permitindo que os usuários visualizem e analisem dados em tempo real. Os 
relatórios e dashboards podem incluir informações sobre vendas, desempenho 
financeiro, produção, satisfação do cliente, entre outros. 
 
 
8 
3.2 Análise de dados 
A análise de dados é uma das principais funções do BI. Os sistemas de BI 
podem analisar grandes quantidades de dados para encontrar padrões, 
tendências e insights ocultos que podem ajudar as empresas a tomar decisões 
informadas. A análise de dados pode ser realizada por meio de técnicas como 
mineração de dados, modelagem estatística e análise de séries temporais. 
3.3 Previsão e planejamento 
A análise de dados também pode ser usada para prever tendências futuras 
e fazer previsões precisas sobre o desempenho do negócio. Os sistemas de BI 
podem ajudar as empresas a criar planos estratégicos e tomar decisões 
informadas com base nas previsões de desempenho futuro. 
3.4 Monitoramento de desempenho 
Os sistemas de BI podem monitorar continuamente o desempenho do 
negócio em tempo real e alertar os usuários sobre problemas ou oportunidades. 
Isso permite que as empresas tomem medidas imediatas para corrigir problemas 
ou capitalizar oportunidades. 
3.5 integração de dados 
Os sistemas de BI podem integrar dados de várias fontes, incluindo bancos 
de dados, aplicativos e sistemas de terceiros. Isso permite que as empresas 
tenham uma visão holística de seus dados e tomem decisões informadas com 
base em informações precisas e atualizadas. 
3.6 Decisão estratégica 
Os sistemas e processos com BI permitem que as empresas aproveitem 
seus dados para tomar decisões informadas e estratégicas. Os sistemas de BI 
podem gerar relatórios e dashboards personalizados, realizar análise de dados, 
previsão e planejamento, monitoramento de desempenho e integração de dados 
para fornecer uma visão holística do desempenho do negócio. 
 
 
 
9 
TEMA 4 – INTEGRAÇÃO E CONSISTÊNCIA 
Integração e consistência são dois conceitos importantes em Business 
Intelligence (BI) que se referem à qualidade dos dados usados para tomar 
decisões de negócios. São aspectos importantes em Business Intelligence (BI) 
para garantir que os dados usados para análise e tomada de decisão sejam 
confiáveis e precisos. 
Integração refere-se à capacidade de reunir dados de várias fontes e 
sistemas em um único ambiente de BI. Isso pode envolver a integração de dados 
de bancos de dados, aplicativos, arquivos de planilhas, arquivos de texto, entre 
outras fontes. A integração eficaz de dados é essencial para garantir que as 
informações apresentadas aos usuários sejam precisas e confiáveis. 
Crédito: spaxiax/Shutterstock. 
Consistência refere-se à uniformidade dos dados em todo o ambiente de 
BI. Isso inclui o uso consistente de definições, cálculos e formatação de dados. 
Por exemplo, a mesma fórmula de cálculo deve ser aplicada em todo o ambiente 
de BI para evitar discrepâncias e erros nos resultados. 
Ao garantir a integração e consistência de dados em um ambiente de BI, 
as organizações podem confiar nas informações que estão sendo usadas para 
 
 
10 
análise e tomada de decisão. Isso pode levar a uma melhor compreensão do 
desempenho do negócio e ajudar a identificar áreas para melhoria e 
oportunidades de crescimento. 
Ainda, para assegurar a integração e a consistência dos dados em BI, é 
importante investir em tecnologias e processos que permitam a captura, a 
transformação e a limpeza dos dados, além de garantir a conformidade dos dados 
com as políticas e regulamentações da empresa. Também é importante garantir 
que os usuários finais tenham acesso fácil e intuitivo aos dados, com ferramentas 
de visualização e relatórios que permitam a análise dos dados de forma eficiente 
e eficaz. 
4.1 Integração de dados 
A integração de dados é o processo de combinar e unificar dados de 
diferentes fontes em um único repositório centralizado. O objetivo da integração 
de dados é fornecer uma visão holística e consistente dos dados para que possam 
ser utilizados para análises, relatórios e tomada de decisões. 
Existem diferentes tipos de integração de dados, como integração manual, 
integração ETL e integração de dados em tempo real. A integração de dados é 
importante porque muitas empresas têm várias fontes de dados que não estão 
necessariamente conectadas entre si. Isso pode resultar em dados duplicados, 
inconsistências e erros. A integração de dados permite que as empresas 
obtenham uma visão única e consistente dos dados, o que é essencial para a 
tomada de decisões de negócios bem informadas. 
4.1.1 Integração manual 
O tipo de integração de dados manual envolve a transferência manual de 
dados de uma fonte para outra. Isso pode ser feito copiando e colando dados de 
uma planilha para outra, por exemplo. 
4.1.2 Integração ETL 
O tipo de integração ETL significa Extração, Transformação e Carga. Esse 
tipo de integração de dados envolve a extração dos dados de várias fontes, a 
transformação dos dados para um formato consistente e a carga dos dados em 
um repositório centralizado, como um data warehouse. 
 
 
11 
4.1.3 Integração de dados em tempo real 
A integração de dados em tempo real é um tipo de integração de dados que 
envolve a transferência contínua de dados em tempo real de várias fontes para 
um sistema centralizado. 
4.2 Consistência de dados 
Consistência de dados refere-se à qualidade dos dados em um sistema de 
informações, garantindo que os dados sejam precisos, válidos e confiáveis. Essa 
qualidade é alcançada por meio de regras e restrições que são definidas para 
assegurar que os dados inseridos no sistema estejam dentro dos limites 
aceitáveis. 
A consistência de dados é importante para garantir a tomada de decisões 
precisas e confiáveis. Se os dados não forem consistentes, os resultados obtidos 
por meio desses dados serão imprecisos e podem levar a decisões erradas ou 
ineficientes. 
Existem vários tipos de consistência de dados, entre elas encontram-se a 
consistência de integridade, de validação, de relacionamento e consistência de 
formatação. Para garantir a consistência de dados, é necessário utilizar técnicas 
e ferramentas adequadas, como restrições de integridade, validação de dados, 
chaves estrangeiras, transações e mecanismos de controle de versão. Além 
disso, é importante que a equipe de desenvolvimento de software seja treinada e 
capacitada para entender e implementar as melhores práticas para garantir a 
consistência de dados em um sistema. 
4.2.1 Consistência de integridade 
Esse tipo de consistência visa garantir que os dados estejam completos e 
que todas as informações necessárias estejam presentes. 
4.2.2 Consistência de validação 
Tem a função de garantir que os dados estejam dentro dos limites 
aceitáveis e que atendam a todos os requisitos necessários. 
 
 
 
12 
4.2.3 Consistência de relacionamento 
Esse tipo de consistência garante que os dados relacionados estejam 
corretos e coerentes. 
4.2.4 Consistência de formatação 
A característica da consistência de formatação está na garantia de que os 
dados estejam formatados corretamente e que sigam as regras de formatação 
definidas. 
TEMA 5 – COLABORAÇÃO DIGITAL & ANALYTICS 
A colaboração digital e a análise (Analytics) de dados são duas tendências 
importantesna era digital, pois permitem que as empresas obtenham insights 
valiosos e trabalhem de forma mais eficiente em equipe. 
A colaboração digital trata do uso de tecnologia para trabalhar em conjunto 
de forma mais eficiente e eficaz, independentemente da localização física. Isso 
pode incluir o uso de plataformas de comunicação como o Slack, o Microsoft 
Teams ou o Zoom, além de ferramentas de colaboração em projetos, como o 
Trello, o Asana ou o Jira. A colaboração digital permite que as equipes trabalhem 
de forma mais integrada, compartilhem informações e ideias em tempo real e 
tomem decisões mais rapidamente. 
Já a análise de dados é relacionada à coleta, processamento e 
interpretação de dados para extrair insights valiosos e informar a tomada de 
decisões. Isso pode incluir o uso de técnicas de análise de dados, como 
mineração de dados, aprendizado de máquina e análise preditiva. A análise de 
dados pode ajudar as empresas a entender melhor seus clientes, melhorar a 
eficiência operacional e identificar novas oportunidades de negócios. 
A combinação da colaboração digital com a análise de dados pode ser 
extremamente poderosa. As equipes podem trabalhar juntas para coletar e 
analisar dados, compartilhar insights e colaborar para tomar decisões informadas. 
Além disso, as ferramentas de colaboração digital podem ajudar a distribuir 
informações de análise de dados de forma mais eficiente e em tempo real, 
permitindo que as equipes tomem medidas rapidamente com base em insights 
recém-descobertos. 
 
 
13 
Por exemplo, uma empresa pode usar uma plataforma de análise de dados 
para coletar informações sobre o comportamento do cliente em seu site, 
identificando padrões e tendências. Em seguida, a equipe de marketing pode 
compartilhar esses insights em uma plataforma de colaboração digital com outras 
equipes, como vendas, atendimento ao cliente e desenvolvimento de produtos, 
para que possam trabalhar juntas para criar novas campanhas de marketing, 
produtos ou serviços que atendam às necessidades dos clientes. 
Em resumo, a colaboração digital e a análise de dados são duas tendências 
importantes que podem ajudar as empresas a trabalhar de forma mais eficiente e 
obter insights valiosos para tomar decisões informadas e alcançar seus objetivos 
de negócios. 
5.1 Processos de BI com colaboração digital e a análise (Analytics) de dados 
A colaboração digital e a análise de dados são fundamentais para a criação 
de soluções de Business Intelligence (BI). Business Intelligence refere-se à 
utilização de dados e tecnologias de informação para melhorar a tomada de 
decisões empresariais. 
Isso envolve a coleta, análise e visualização de dados para identificar 
tendências, padrões e insights que possam informar as decisões de negócios. 
A colaboração digital é importante em um ambiente de BI, pois permite que 
os usuários de diferentes áreas possam trabalhar juntos para compartilhar 
informações e insights. Ferramentas de colaboração digital como o Slack, o 
Microsoft Teams e o Zoom permitem que os usuários compartilhem ideias, 
discutam problemas e troquem informações em tempo real, independentemente 
da localização física. Isso pode melhorar a eficiência da equipe, a comunicação e 
a tomada de decisões. 
A análise de dados também é fundamental para a criação de soluções de 
BI. A análise de dados pode envolver técnicas como mineração de dados, 
aprendizado de máquina e análise preditiva. A análise de dados permite que as 
empresas identifiquem padrões e tendências em grandes conjuntos de dados, 
possibilitando a identificação de insights valiosos para a tomada de decisões 
empresariais. 
A combinação da colaboração digital com a análise de dados pode ajudar 
as empresas a criar soluções de BI mais eficientes e eficazes. Por exemplo, as 
equipes podem trabalhar juntas para coletar e analisar dados em tempo real, 
 
 
14 
compartilhando insights e colaborando para tomar decisões informadas. As 
ferramentas de colaboração digital também podem ser usadas para distribuir 
informações de análise de dados de forma mais eficiente e em tempo real, 
permitindo que as equipes tomem medidas rapidamente com base em insights 
recém-descobertos. 
Dessa forma, a colaboração digital e a análise de dados são fundamentais 
para a criação de soluções de BI eficientes e eficazes. A combinação dessas duas 
tendências pode ajudar as empresas a coletar, analisar e compartilhar 
informações de forma mais eficiente, o que pode levar à tomada de decisões 
empresariais mais informadas e bem-sucedidas. 
 
 
 
15 
REFERÊNCIAS 
AMARAL, F. Introdução à ciência de dados. Rio de Janeiro: Alta Books, 2018. 
ARAUJO, R. C. A. Modelo de inteligência pública baseado em agente 
inteligente no contexto de serviços da cidade digital estratégica. Tese 
(Doutorado em Gestão Urbana) – Pontifícia Universidade Católica do Paraná, 
Curitiba, 2020. 
ARAUJO, R. C. A. de.; REZENDE, D. A.; ALMEIDA, G. G. F. de. Public intelligence 
framework for strategic digital city services. Informação & Informação, v. 27, n. 
2, p. 302-327, 2022. 
BERGAMO, F. Gestão da experiência e relacionamento com o cliente. São 
Paulo: Senac, 2022. 
FACELI, K. et al. Inteligência artificial – uma abordagem de aprendizado de 
máquina. Rio de Janeiro: LTC, 2011. 
FOREMAN, J. W. Data smart. Rio de Janeiro: Alta Books, 2018. 
FRANCISCHINE, A. S. N.; FRANCISCHINI, P. G. Indicadores de desempenho. 
Rio de Janeiro: Alta Books, 2017. 
GOMES, E.; BRAGA, F. Inteligência competitiva em temos de big data. Rio de 
Janeiro: Alta Books, 2017. 
HARRISON, M. Machine learning: guia de referência rápida: trabalhando com 
dados estruturados em python. São Paulo: Novatec, 2019. 
ROGERS, D. L. Transformação digital: repensando o seu negócio para a era 
digital. São Paulo: Autêntica Business, 2017.