Roberto Oliveira

Business Intelligence
Fases do projeto
Uma visão multiplataforma, seus documentos e sistemas de apoio. 1
 Sobre o Autor

Roberto Oliveira
Data Rain Maker

@data_rainmaker linkedin.com/in/robertooliveira/

www.robertooliveira.com.br

2
Conteúdo
1 Introdução
2 Sobre o autor
3 Dedicatória
4 Prefácio
5 Para quem é este livro
6 Estrutura do livro
7 Análise Guiada
8 Data Literacy
9 Metodologia People First
10 Criação do centro de Competência
11 Minimum Viable Data
12 Definição da área piloto
13 Levantamento de requisitos
14 Criação do protótipo
15 Desenvolvimento do DataMart (ETL)
16 Desenvolvimento das telas
17 Testes internos com evidências
18 Homologação e Validação de UX
19 Utilização assistida
20 Sustentação do projeto
21 Documentação e Aceleradores para seu projeto

3
 Capítulo 01

Analise Guiada
Projetos de business intelligence tradicionais

4
Introdução

Introdução
Fases do Projeto de Business Intelligence®
Publicado por Roberto Oliveira
São Paulo - SP Brasil
robertooliveira.com.br
Copyright © 2019

Nenhuma parte desta publicação pode ser reproduzida, armazenada em um sistema de recuperação ou
transmitida de qualquer forma ou por qualquer meio, eletrônico, mecânico, fotocópia, gravação,
escaneamento ou outro sem a prévia permissão do Editor, ou autorização através do pagamento de taxa
apropriada por cópia.

Solicitações ao Editor para permissão devem ser endereçadas pelo site do autor robertooliveira.com.br

5
Sobre o autor
Roberto Oliveira é Professor de pós-graduação no Senac e um veterano da tecnologia,
analista de sistemas, responsável por projetos de Business Intelligence em empresas de
grande porte as 10 anos, possui ampla experiência na fase de levantamento de requisitos e
engenharia de software. Têm palestrado em eventos da ABRACD e é o responsável pelo
QMeeting.

Dedicatória
Agradeço aos alunos que tornaram esse conhecimento possível uma vez que me
incentivaram ao longo dos últimos anos com seus elogios e o carinho inigualável para me
manter motivado apesar de todas as dificuldades.

Agradeço a minha esposa pela dedicação e paciência, muito obrigado também à

inúmeras pessoas que passam todos os dias pela minha vida, seja pelo Skype, pelas
redes ou pelos cursos e acham que aprendem comigo, mas não sabem que eu aprendo
muito mais com elas.

6
Prefácio
Esse livro é um sonho meu: um livro gratuito que ensine aos amigos como iniciar um projeto
de business intelligence sem perder tempo ou dinheiro.

A inteligência de negócios, no seu núcleo, preocupa-se em deixar disponível toda a

informação necessária para que a tomada de decisão seja a mais eficaz possível, sem o
Business Intelligence seria quase impossível acompanhar o fluxo maciço de informações que
existem hoje dentro de qualquer empresa.

O foco desta obra é mostrar as fases de um projeto de business intelligence de uma maneira
moderna e arrojada indo de encontro com as velhas técnicas e talvez almejando uma maior
taxa de sucesso.

Para quem se destina este livro

Tentamos fazer com que este livro fosse útil para muitas categorias de leitores. Primeiro, os
gestores de projeto (novatos e experientes) encontrarão explicações sobre as fases,
documentação e implementação de um projeto de análise de dados.

Eles também terão uma ideia da maioria dos problemas que poderão enfrentar durante o
projeto, juntamente com instruções para se sair bem de cada situação.

Compreender os mecanismos envolvidos no desenvolvimento de Dashboards e do ETL irá

capacitá-los a lidar com problemas imprevistos.

6
Estrutura do livro
Este livro tem sua origem em um compilado de experiências do seu autor e equipe nos mais
diversos projetos de business intelligence, passamos por negócios variados tais como: Setor
farmacêutico, agronegócio, telemarketing, telefonia, governo, turismo, bancos e outros mais.

Separei as apresentações do assunto de acordo com o objetivo do projeto, hoje com o

advento do Self Service BI temos duas propostas de projeto, na estratégia da análise guiada
existe a necessidade de alguns indicadores e visões e o departamento de BI cria um ambiente
para consulta e exploração das informações, no outro caso temos um modelo de dados
disponível e a área cria suas próprias visões.

O Self Service BI tão falado e aclamado está ligado a onda da democratização dos dados,
porém muitos tem a expectativa de que com isso irão diminuir o trabalho de TI e passar a
responsabilidade para os departamentos do negócio, se isso acontecer a governança dos
dados estará comprometida e a infraestrutura tende a não suportar.

Você verá que, para qualquer uma das abordagens vamos iniciar com uma série de
workshops e treinamentos para "educar" nosso usuário.

Nesta metodologia admitimos que existe um tripé que sustenta o projeto de BI, o famoso PPP
(Plataforma, Processo e Pessoas) e somos bem firmes em acreditar que a parte mais
importante é a humana, as pessoas que fazem o projeto dar certo ou errado, são elas que
fornecem o feedback e o veredito final, minha equipe se dedica bastante em traze-los para
dentro do projeto e treina-los nesta nova cultura.

Este ebook é sobre análise guiada, no final do livro veja como ter acesso ao ebook sobre
projetos de self servisse bi.

Vamos promover a cultura dos dados. (abaixo ao

achismo...)

6
Metodologia deste livro - People First
w/ Governance

PFWG

Podemos chamar a metodologia apresentada aqui de "People First w/

Governance", isto é uma nova estratégia de gestão de projetos que
prioriza a valorização das pessoas. Todo o sucesso do projeto é medido
pela aderência aos processos diários da empresa.

Outro ponto importante desta metodologia são os controles

(documentos) e processos internos criados para dar suporte ao time
de business intelligence, estes documentos estão listados no último
capítulo e poderão ser fornecidos mediante interesse.

5
Metodologia deste livro - People First
w/ Governance

A cultura analítica

Passamos por uma dificuldade enorme para a adoção da

cultura analítica pelas empresas e a troca de mindset pelos
executivos "da velha escola" onde a informação deve ser
trancada a 7 chaves ao invés de distribuída e aberta.

Atender às demandas dos negócios em constante mudança

exige ferramentas que sejam fáceis de implementar, ofereçam
uma arquitetura flexível e, ao mesmo tempo, trabalhem com
altos níveis de segurança e padrões de governança. Tudo isso
aliado a valores de entrada justos para vários tamanhos de
corporação, uma das ideias é utilizar a nuvem para diminuir a
dificuldade em acessar estes tipos de ferramenta.

5
Capítulo 1 - Análise Guiada
Conceito Geral de Guided Analytics
Normalmente é um tipo de projeto mais tradicional, após os
requisitos serem levantados em um departamento, uma equipe fica
responsável em extrair os dados e criar os painéis.

Estes dados poderão ser filtrados e cruzados mas qualquer

mudança necessária deve ser enviada a equipe para ser verificado e
adicionado ao projeto padrão.

7
Capítulo 1 - Análise Guiada
Vamos ter as seguintes fases de projeto:

1. Data Literacy
2. Criação do Centro de Competência
3. Definição da área piloto
4. Levantamento de requisitos
5. Criação do protótipo
6. Desenvolvimento do Datamart (ETL)
7. Desenvolvimento das telas
8. Testes internos com evidências
9. Homologação e Validação de UX
10. Utilização assistida
11. Sustentação

7
Data Literacy
Conceito geral

Segundo a consultoria Gartner, Data Literacy é a capacidade de ler,

escrever e comunicar dados de forma contextual.

A “alfabetização em dados” pode ser definida como um conjunto de

habilidades que englobam duas áreas máximas do conhecimento:
capacidade de usar os dados e capacidade de analisar os dados.

Todos concordam que não somos preparados durante nossos anos de

estudo para trabalhar com os dados, a não ser que você esteja na área
de estatística, matemática ou computação qualquer outra área não tem
tanta preocupação com esses ensinamentos. Na prática quase todos os
colaboradores de sua empresa deve saber verificar a qualidade dos
dados, separá-los, avaliá-los, contextualizá-los e usá-los para compor
estratégias de negócio em reuniões com uso de Data Storytelling.

8
Data Literacy
Objetivo

Na metodologia colocamos esta fase em primeiro lugar porque o

usuário é a ponta mais importante de um projeto de BI, seja qual for a
sua posição e nível de decisão na empresa, nosso objetivo é ter 100%
de adesão da cultura de bi nos processos internos da empresa,
inclusive fomentando um crescimento natural dos painéis disponíveis.

Como fazer

Esta primeira fase é composta por avaliações, workshops e

treinamentos afim de deixar todos no mesmo patamar de
conhecimento em dados, existe um conteúdo básico que deve ser
passado a todos para no final ser realizado uma prova de certificação
em Data Literacy, esta prova é online e fornece um certificado
reconhecido no mundo inteiro. Para ter acesso a um modelo de
avaliação inicial, as formas de treinamento gratuito e a certificação
verifique no último capítulo deste ebook como ter acesso a esta
documentação e curso.
Criação do Centro de Competência
Após todos estarem certificados com o Data Literacy podemos
observar aqueles que possuem mais facilidade para utilizar os dados
no dia a dia, em cada área da empresa teremos os famosos "Power
Users", estes usuários irão se engajar mais no projeto e ajudar no
sucesso da empreitada, nesta fase vamos criar um grupo onde
obteremos uma cumplicidade com o business intelligence, este grupo
não precisa ser muito burocrático, na verdade quanto mais divertido
melhor, se possível a empresa deve fornecer brindes, camisas e mais
cursos de capacitação para os integrantes afim de manter a motivação
e a unidade deste centro de competência.

Conceito Geral

Este Centro de Competência é uma equipe multifuncional com tarefas,

funções, responsabilidades e processos específicos para apoiar e
promover o uso eficaz do BI em toda a organização.

Basicamente, o que faz um Centro de Competência

1. Integra diferentes áreas da organização para pensar e agir em business intelligence.

2. Gerencia a execução da estratégia de BI.
3. Promove a disseminação da cultura de dados.
4. Define, organiza e prioriza projetos de BI.
5. Faz o treinamento das equipes para compreensão das ferramentas.
6. Garante aspectos como padrões, segurança, conformidade, controle de processos,
custos e entregas
Criação do Centro de Competência
Como fazer

Crie uma estratégia para seu projeto de business intelligence e reuna

estas pessoas de vários departamentos (ideal de 6 a 9 pessoas) numa
sala, tente definir os papeis que cada uma pode assumir dentro de
suas capacidades , alcance e interesse, veja quais são os papeis que
devemos definir dentro do centro de competência.

Perfis e papeis dentro do centro de competência de BI

Data Producer

O Data Producer é a pessoa que gera o dado, tem uma visão por
assunto, por exemplo: um auditor que visita um estabelecimento de
varejo para verificar alguns pontos, preenche uma pesquisa onde
fornece notas de 0 a 5 para vários quesitos, estas notas compõem os
dados que serão fornecidos para análise.

Esta pessoa pode tirar dúvidas referentes ao conceito de cada registro

e em quais condições eles foram coletados.

Data Owner

O Data Owner é a pessoa que centraliza o gerenciamento do dado,

tem uma visão de vários assuntos, geralmente de uma área especifica
e logo após o dado ser gravado no repositório. Ele é a pessoa
responsável pelo dado na sua origem, ele gerencia os Data Producer,
geralmente as dúvidas recaem sobre este papel e ele se comunica com
o Data Producer.
Criação do Centro de Competência
Outras atribuições:

• disponibilizar acesso a fonte de dados,

• conhecer a semântica inicial dos campos,
• cadastro da origem dos dados,
• gerenciamento da validade e abrangência dos dados,
• certificação da acuracidade, completude e qualidade dos dados,
• gerenciamento dos dados de terceiros.

Data Stewards

O Data Stewards possui a responsabilidade de distribuir a informação, enquanto

o Data Owner olha para a base o Data Stewards olha para os Data Consumers,
ou seja, tem uma visão no destino dos dados.

Esse papel lida com a entrega da informação e esta entrega pode ser no
formato bruto (raw data), na forma de relatório com alguns campos
selecionados, registros filtrados ou até agrupados. Não confunda este papel
com o papel de um Desenvolvedor que cria dashboards, este profissional
gerencia a entrega, não quer dizer que ele cria as interfaces, ou seja, não
precisa ser alguém de TI ou programador.

Este profissional é chamado quando a informação não está chegando até você
ou quando você deseja mais informações.

Outras atribuições:

• disponibilizar acesso aos relatórios ou visões,

• gerenciar os perfis de acesso juntamente com a segurança dos mesmos,
• verificar a cadeia de suprimentos dos dados,
• cuida da governança dos dados,
• conhece bem os modelos de dados criados e possíveis.
Criação do Centro de Competência
Bi Owner

Este papel é o dono da regra de negócio, enquanto o Data Owner pode

dizer de onde vem o dado e como está a sua qualidade o Bi Owner
sabe onde e como utilizar este dado, geralmente é acionado para
explicar cálculos de indicadores chave, os famosos KPIs. Sua visão é
para a estratégia da empresa.

* KPI é a sigla para o termo em inglês Key Performance Indicator, que significa indicador-
chave de desempenho.

Esse calculo é utilizado para medir o desempenho dos processos de

uma empresa e, com essas informações, colaborar para que alcance
seus objetivos.

Então, se precisar saber ou mudar algumas regras dentro de uma

plataforma de análise de dados você deve falar com o Bi Owner.

Outras atribuições:

• gerenciar os indicadores e a forma de calculo,

• homologar os resultados com a fonte anterior da informação,
• gerenciamento da validade e abrangência dos indicadores ou regras,
• cuidar da evolução da plataforma de análise,
• estar alinhado com os objetivos da empresa para sugerir mudanças e novos
indicadores,
• é o fiel curador das informações,
• cuida da cultura analítica da empresa promovendo Workshops e
treinamentos.
Tipos de decisão e seus impactos
Operacional, Tático, Estratégico.

Decisões Operacionais

Decisões ligadas ao controle e às atividades operacionais da empresa, para alcançar os

padrões de funcionamento pré-estabelecidos, com controles do detalhe ou do
planejamento operacional, criando condições para a realização adequada dos trabalhos
diários da organização, com nível de informação de pormenores de um dado, uma tarefa
ou uma atividade.

Neste nível devemos ter os detalhes da informação, tais como: número da nota fiscal ou
CPF do cliente.

Decisões Táticas

Decisões que ocorrem no nível gerencial e produzem efeitos a médio prazo e de menor
impacto na organização, com informações sintetizadas por unidade departamental, de um
negócio ou uma atividade da empresa.

Neste nível a informação já está sumarizada por equipes ou por mês.

Decisões Estratégicas

Decisões da alta administração que geram atos com efeito duradouro, a partir do
planejamento estratégico, como por exemplo, uma nova fábrica, nova linha de produção,
novos mercados, novos produtos, novos serviços, que envolvem toda a estrutura
organizacional, com informações macro, ou seja, utilizam informações internas e externas.

Neste nível podemos ter a informação da empresa cruzada com informações de fora:
Indicadores sócio-econômicos, Pesquisa de mercado ou dados de concorrência.
Conceito de Minimum Viable Data (MVD)
Conceito Geral

Minimum Viable Data é a menor quantidade de dados necessária para tomar

uma decisão efetiva, é um conjunto mínimo de dados que permite uma
organização tomar decisões com um custo baixo e sem mudanças bruscas nos
processos.

Ao avaliar quais conjuntos de dados são essenciais para manter assegure-se de

que você tenha um ciclo de feedback para medir a experiência do usuário na
construção das análises e, se estiver faltando algo, introduzir novos campos aos
poucos.

Um dos grandes problemas em um projeto de business intelligence é a

preparação dos dados, a quantidade e o estado dos dados torna esta fase a
mais dispendiosa, uma parte das consultorias tecnológicas estão propondo esta
nova abordagem:

menos dados (-) / mais efetividade (+).

Com menos dados é mais fácil garantir a consistência e diminuir o risco de
exposição das informações.

Este conceito se assemelha muito ao conceito de MVP (Minimum Viable

Product)

Um MVP é uma versão mínima de um produto, apenas com as funcionalidades

necessárias para que ele cumpra a função para a qual foi planejado.

A partir do MVP testa-se a eficiência do produto, sua usabilidade, aceitação no

mercado, comparação com a concorrência, entre outras formas de validar.
Conceito de Minimum Viable Data (MVD)
Perceba que cada versão do dado deve ser suficiente para a análise para qual
ele foi reunido ou criado, não esqueça que enviamos astronautas para a lua
usando computadores com apenas 2 Kb de memória RAM!

"O MVD SE TORNA BIG QUANDO SE TEM UMA PARTICIPAÇÃO MASSIVA DE

PENSADORES QUE, DE FORMA INDEPENDENTE, ANALISAM PEQUENOS CONJUNTOS
DE DADOS E DE LÁ TIRAM VALOR COMPARTILHANDO COM TODOS.“

A grande maioria dos dados nunca é usada. Na verdade apenas 0,5% de todos
os dados é, em algum momento, analisado. Antonio Regalado (Editor sênior) –
MIT Technology Review

O que é simples é melhor e elegante

Minimum...

Só porque chama "Minimum" não significa que você terá menos valor. Você não
precisa ser um cientista de dados para entender ou aplicar nas tarefas diárias, e
se você estiver criando ou usando algum aplicativo para extrair inteligência de
seus dados.

"Minimum" significa torná-lo fácil de acessar, construir painéis específicos e

compartilhar relatórios, modelos e ideias com os membros da sua equipe.
Definição da área piloto
Conceito geral

Com todo treinamento e planejamento realizado até o momento você

já deve ter identificado a área e as pessoas com mais maturidade para
participar do projeto piloto, este projeto é um esforço temporário
empreendido para testar a viabilidade de um projeto maior em toda a
empresa onde podemos testar métodos e possivelmente errar sem
muito impacto, podemos utiliza-lo para "vender" os projetos em áreas
estratégicas onde teremos maior custo de recursos e tempo.

Como fazer

Primeiro escolha uma área periférica da empresa (Marketing, RH, TI)

onde temos "power users" e mentores que vão facilitar o andamento
das atividades depois pontuar 2 ou 3 objetivos que, quando atingidos,
nos dará a certeza da entrega com sucesso.

8
Levantamento de requisitos
Nos projetos de business intelligence tradicionais, ou seja, com a premissa
que as análises serão guiadas esta é uma das fases mais importantes para os
desenvolvedores, é aqui que conseguimos ver a complexidade e o esforço
necessário para entregar o projeto.

Existem uma série de informações que devem ser coletadas e organizadas

afim de nortear todo o trabalho, nesta fase também podemos definir os
"goals" para poder atingir e medir o sucesso do projeto.

Os objetivos da Engenharia de Requisitos para o Business Intelligence

• Investigação de objetivos, funções e restrições de um painel de

indicadores ou dashboard
• Gerar estratégias para converter objetivos vagos em restrições específicas
• Compreender prioridades e graus de satisfação
• Estimar custos, riscos e cronogramas
• Integrar conceitos, representações e visões múltiplas
• Avaliar estratégias de soluções alternativas que satisfaçam os requisitos
• Obter uma especificação completa, consistente e não ambígua
• Obter especificações que sejam apropriadas para as atividades de design e
implementação do BI

8
Criação do protótipo
O protótipo é a tangibilização de uma ideia, a passagem do abstrato para o
físico de forma a representar a realidade – mesmo que simplificada – e
propiciar validações de conceitos.

Nos projetos de BI criar um protótipo é a mesma coisa que diminuir o

retrabalho, eu procuro aprovar o protótipo antes de iniciar o
desenvolvimento das telas, nestes casos o usuário pede menos ajustes
quando vê a tela real criada.

Benefícios da prototipação

Melhorar a comunicação entre os desenvolvedores e o usuário final;

Identificar de forma ágil os requisitos que não foram aplicados;
Reduzir o retrabalho no desenvolvimento do projeto.

Como fazer
Existem alguns softwares para prototipação como o MS-Visio ou o Lucidchart,
neste último é só abrir uma conta e iniciar um novo rascunho, você recebe
uma folha em branco e arrasta e solta os objetos. Fácil assim!

Outra indicação é o: https://www.mockuptiger.com/

Umas das técnicas que mais utiliza a prototipação é o Design Thinking,

quando terminar este livro inicie a leitura do ebook desenvolvido pela MJ.

Press disponível neste link: https://goo.gl/Xz8mSY

8
Desenvolvimento do DataMart (ETL)
Data Mart são banco de dados para consulta porém geralmente
possuem o escopo restrito, ou seja, se referem a um assunto somente.

A intenção do Data Mart é dividir a centralização de dados única de um

Data Warehouse e levar essa consulta de dados para responsabilidade
de cada departamento.

Hoje em dia é muito comum começar com pequenos data marts e

depois do processo maduro juntar tudo em um Data Warehouse.

O que significa ETL?

• “Extract”: extrair informações dos sistemas legados;

• “Transformation”: transformar, limpar, formatar a informação, sem
mudar as propriedades originais;
• “Load”: preparar a informação para a camada de apresentação.

8
Desenvolvimento do DataMart
(ETL)
Algumas ferramentas de ETL:

• Business Objects Data Integrator

• IBM Data Stage
• Informatica PowerCenter
• SSIS – (Microsoft SQL Server)
• OWB – Oracle Warehouse Builder
• ODI – Oracle Data Integrator
• SAS – Enterprise ETL Server
• Pentaho

Ferramentas como o Qlik Sense realizam o ETL utilizando

um script próprio bem poderoso onde podemos realizar
praticamente todos os movimentos e transformações
necessários nesta fase.

Conceitos utilizados no ETL:

• Medida
• Informação numérica proveniente da medição das
transações da empresa
• Tabela fato
• Principal tabela no Datamart onde as medidas são
armazenadas
• Tabela dimensão
• Contém as informações descritivas e qualificadores
do negócio.

8
Desenvolvimento do Data Mart (ETL)
i. Grão
i. Menor nível de informações existente no DW e definida pelas
dimensões ligadas às tabelas fato.
ii. Surrogate Key
i. Chave substituta gerada no DW. É a chave primária das tabelas
iii. Business Key
i. Chave primária do transacional. Utilizada como chave de negócio
iv. Hierarquia
i. Conjunto de atributos que possui uma ordem lógica do maior ao
menor nível
v. Atributo
i. Campo descritivo referente a uma dimensão
vi. Modelagem dimensional
i. Técnica de projeto lógico normalmente usada para datawarehouse
que contrasta com a modelagem entidade-relacionamento.

Segundo o prof. Kimball, a modelagem dimensional é a única técnica viável

para bancos de dados que devem responder consultas em um datawarehouse.
Ainda segundo ele, a modelagem entidade-relacionamento é muito útil para
registro de transações e para fase de administração da construção de um data
warehouse, mas deve ser evitada na entrega do sistema para o usuário final.

A modelagem multidimensional foi definida sobre dois pilares:

• Dimensões Conformados,
• Fatos com granularidade única.

Dimensões conformados diz respeito a entidade que servem de perspectivas

de análise em qualquer assunto da organização. Uma dimensão conformada
não possui atributos conflitantes com um ou mais datamarts. Por grão de fato
entende-se a unidade de medida de um indicador de desempenho.
8
Desenvolvimento das telas
Esta fase é toda baseada nos documentos gerados anteriormente, é muito
importante que estes documentos estejam completos para que não haja
atraso na configuração das telas e objetos gráficos.

Para facilitar seu entendimento segue as informações necessárias ao se criar

uma visão:

1) Layout geral
- Este layout é como um template onde temos alguns objetos que não
fazem parte das análises mas ajudam na experiência do usuário, estes
objetos podem ser botões, logotipos, rodapé, faixas.
- Procuramos levantar com a equipe de endomarketing qual será a
identidade visual que devemos utilizar na visão.

2) Comportamentos da tela
- Como a tela deve se comportar quando o usuário acessa-la? por exemplo,
é muito comum o uso de algum filtro pré-determinado, ou existir um menu
onde podemos navegar por todo conjunto de visões.

8
Desenvolvimento das telas
3) Lista de objetos de análises
- Qualquer gráfico ou tabela podemos considerar um objeto de análise.
- Precisamos saber o tipo do objeto, as dimensões utilizadas, as medidas
necessárias, comportamentos esperados e se existem linhas de meta ou
outra forma de identificar padrões (como cores específicas).

4) Hierarquia dos indicadores

- Geralmente utilizamos um modelo que vai dos números mais
estratégicos, passa pelo números táticos ou gerenciais e pode chegar a uma
tabela com detalhes.

6 dicas para ter um dashboard de primeira linha

1. Transmita a informação mais importante primeiro

2. Alinhamento ao centro é o mais recomendado
3. Cores distintas devem ser usadas para criar destaques
4. Diferentes cores denotam diferentes coisas (Semáforo)
5. Quando se trata de gráficos, menos é mais
6. Dê atenção a iconografia

8
Testes internos com evidências
Após a finalização das telas partimos para verificar os números
internamente, ou seja, a própria equipe de desenvolvedores deve ter
acesso a relatórios de indicadores homologados e realizar
comparações com os resultados apresentados no novo sistema, estes
testes devem seguir um método simples e de fácil entendimento
sempre evidenciando com "prints" da tela do computador quando está
correto ou abrindo um "Bug ticket" para os erros encontrados.

* Bug ticket: Em projetos utilizando Kamban, Trello, Scrum ou outra

metodologia ágil nunca executamos os ajustes quando os mesmos são
encontrados, eles devem ser avaliados e gerenciados para não
atrapalhar o bom andamento das sprints, o Bug ticket é uma anotação
(ou novo Card) que entrará no fluxo de trabalho.

Como fazer

Geralmente os testes internos de um projeto de BI visa verificar

primeiramente os resultados numéricos e depois o comportamento da
tela, elementos como filtros, menus de navegação, mudança de idioma
ou moeda podem apresentar erros e nesta fase podemos evitar que
isso passe para a fase de homologação.

Planejamento dos testes: é onde será definido como os testes serão

realizados tendo como base as restrições do cliente em relação a
prazos, custos e qualidade esperada.
Testes internos com evidências
Planejamento dos testes: é onde será definido como os testes serão
realizados tendo como base as restrições do cliente em relação a
prazos, custos e qualidade esperada.

Especificação dos testes: nessa atividade são especificados os cenários

e casos de teste considerando os requisitos especificados e a
necessidade de cobertura dos testes a serem realizados.

Preparação do ambiente de testes internos: Normalmente podemos

utilizar o ambiente de desenvolvimento para efetuar alguns testes, se
for o caso também pode ser utilizado o ambiente de homologação
porém lembre que o sistema não foi apresentado ainda para o cliente
homologar então não forneça acesso a todos neste momento.

Execução dos testes internos: É aqui que começa efetivamente os

testes, geralmente de 4 a 8 horas já é suficiente para efetuar estes
testes, não esqueça de documentar tudo, no último capitulo deste
ebook você saberá como ter acesso a modelos de documentos que
suportam esta fase.
Homologação e Validação de UX
Homologar é a mesma coisa que confirmar, legitimar ou aprovar, em
nosso caso o mais importante são os resultados numéricos, esta
aprovação só pode ser feita pelo negócio e com base nos dados
originais, de acordo com o projeto pode ser realizado por
amostragem, neste caso um ou dois dias devem ser suficientes.

UX é a sigla para User eXperience

O termo UX Analytcs é normalmente utilizado para descrever a relação

de uma pessoa com uma interface de análise como um dashboard. A
validação de UX deve ser um teste livre onde o usuário realiza uma
navegação na tela e os desenvolvedores observam se houve algum
entrave para encontrar funções, comportamentos ou resultados.

Após a homologação separe um tempo de projeto para os ajustes,

normalmente esta etapa é necessária para aumentar a aceitação dos
usuários ao sistema e torna-lo coautor.
Utilização assistida
Nesta fase acompanhamos bem de perto a utilização dos painéis
disponibilizados, a ideia é oferecer um suporte rápido e efetivo para que
não haja problemas agora, imagine um acompanhamento como se fosse
um mentoring, a velocidade de resposta diante das dificuldades
encontradas é importante para o sucesso do projeto, como se fosse uma
bola de neve que começa pequena e depois se torna grande e
praticamente imparável.

Além dessa proximidade com o usuário procure utilizar alguns módulos

de análise de uso como leitores de log, você deve saber quem está
utilizando a ferramenta, com qual frequência e quanto isso está afetando
o seu servidor, qualquer motivo de lentidão deve ser reconfigurado
rapidamente, a plataforma deve ser rápida e interativa como se fosse o
portal do "google".

Algumas informações importantes

• Uso de licenças
• Visualização dos logs
• Performance do servidor (CPU X RAM)
• Tamanho de cada painel (em gb ou tb)
• Uso dos painéis / sessões
• Tempo médio de utilização
• Quantidade de usuários concorrentes
• Tempo de carregamento total dos dados
• Quantidade de erros capturados

5
Sustentação do projeto
Quando nasce seu primeiro filho quase sempre você não está preparado
para o que vai acontecer, você deve planejar e executar passos curtos e se
preparar para as surpresas no meio do caminho, deve se aconselhar com
os mais experientes sabendo que cada criança possui suas peculiaridades,
ou seja aprender e melhorar durante a jornada, a cada dia ele se tornará
mais independente mas sempre precisará de um porto seguro.

O desafio do business intelligence é exatamente esse, saber que será

diferente para cada empresa, ter um objetivo em mente e disposição para
melhorar sempre, veja abaixo minha lista de dicas para você:

1. Separe um colaborador ou uma equipe para cuidar somente do

sucesso do BI
2. Separe um budget para dar suporte as atividades de sustentação do BI
3. Não queira ter resultados rápidos e piorar a qualidade dos números
4. Envolva sempre as áreas de negócio na solução dos problemas
5. Consiga o apoio direto e transparente da diretoria

Não pense que o projeto de BI vai terminar, esse é um engano muito

comum, ser uma empresa “data driven” não é somente instalar sistemas e
processar os dados, é uma nova forma de fazer negócios, é um novo DNA
correndo na veia da corporação.

O BI é uma iniciativa estratégica fundamental para o sucesso das

organizações, mesmo quando existe uma estratégia definida, seja ela
simples ou complexa, não costuma ser fácil da primeira vez, um pouco de
resiliência da equipe sempre é bom.
 Convite

Continue estudando pelos artigos do Linkedin

https://www.linkedin.com/in/robertooliveira/