2.6 Valor

O que todos os quatro Vs anteriores (volume, velocidade, variedade e veracidade) têm em comum? Eles não possuem valor em si, a não ser pelo resultado que permitem obter. Ou seja, são um meio para o fim.

Obter valor da análise de dados é o último e principal desafio. Para isso, vamos recorrer às ferramentas já conhecidas dos analistas de negócios, como relatórios e dashboards, e outras mais recentes, como modelos preditivos, prescritivos e até cognitivos.

Quando analisamos dados, buscamos gerar valor respondendo a desafios distintos. Nos níveis estratégico e tático, os dados trazem informação para a tomada de decisão. No plano operacional, a análise é geralmente mais simplificada e quer garantir que os processos estejam dentro dos padrões pré-estabelecidos.

A área de analytics geralmente se preocupa com o plano informacional mais do que o operacional. Nesse plano, segundo a consultoria Gartner, há quatro tipos de analytics: descritiva, explicativa, preditiva e prescritiva. Somente incluir um gráfico ou uma tabela em um relatório não é o suficiente. Precisamos saber qual tipo de analytics utilizar para cada tipo de problema.

Fig. 2 Os Quatro tipos de analytics.Fonte: adaptado de Gartner (2019)1.

A análise descritiva se preocupa com o passado e é geralmente a primeira a ser implementada. Adicionando contexto e outras técnicas analíticas, como análise estatística, nós passamos para a análise explicativa, isto é, entender o porquê do que aconteceu. Essas duas análises residem geralmente nos relatórios e dashboards que permitem visualizar e explorar dados de forma visual. A grande maioria das empresas ainda está nas etapas da Jornada Data Driven em que essas análises ainda não atingiram seu potencial máximo de geração de valor.

Quando queremos “prever o futuro” ou recomendar novas ações, entramos nos campos da análise preditiva e prescritiva. Nesse momento, é comum que não se utilizem mais apenas relatórios e dashboards, mas também modelos com base em inteligência artificial que tomam decisões automatizadas. Esse é o campo natural da ciência de dados, apenas um entre muitos do data analytics.

Para gerar valor em analytics, não basta saber as técnicas ou ferramentas mais avançadas. Também é importante entender quais perguntas precisamos responder e como aplicar as técnicas certas para resolvê-las. E esse é o tema da próxima seção.

---

1

Gartner. 2019 Planning guide for data and analytics. Disponível em: https://www.gartner.com/en/doc/361501-2019-planning-guide-for-data-and-analytics.