Leia o capítulo 1 "The Business Demand for Data, Information, and Analytics" (A demanda

comercial por dados, informações e análises) do livro "Business Intelligence Guidebook"

(Guia do Business Intelligence) para ter uma boa visão global do que é Business
Intelligence
https://learning.oreilly.com/library/view/business-intelligence-guidebook/9780124114616/XHTML/

B9780124114616000010/B9780124114616000010.xhtml#B9780124114616000010

CAPÍTULO 1
A demanda de negócios por dados, informações
e análises

Abstrato

No mundo dos negócios, conhecimento não é apenas poder. É a força vital de uma empresa
próspera. O conhecimento vem da informação, e esta, por sua vez, vem dos dados. Muitas
empresas estão sobrecarregadas pelo dilúvio de dados, que estão recebendo de todas as
direções. Eles estão se perguntando se podem lidar com Big Data – com seu volume,
variedade e velocidade em expansão. Há uma grande diferença entre dados brutos, que
por si só não são úteis, e informações acionáveis, que os empresários podem usar com
confiança para tomar decisões. Os dados devem ser transformados para torná-los limpos,
consistentes, adaptados, atuais e abrangentes – os cinco Cs dos dados. Cabe a uma equipe
de Business Intelligence (BI) coletar e gerenciar os dados para capacitar os grupos de
negócios da empresa com as informações de que precisam para obter conhecimento —
conhecimento que os ajuda a tomar decisões informadas sobre cada passo que a empresa
dá. Embora haja tentativas de contornar ou substituir o BI por sistemas operacionais, não
há realmente nenhum bom substituto para o verdadeiro BI. Os sistemas operacionais
podem se destacar na captura de dados, mas o BI se destaca na análise de informações.

Palavras-chave

Grandes Dados; Dados; Dados 5 Cs; Captura de dados; Variedade de dados; Velocidade de dados; Volume

de dados; Em formação; Análise da informação; BI operacional
Informações neste Capítulo
• O dilúvio de dados e informações
• O dilúvio analítico
• Dados versus informações acionáveis
• Captura de dados versus análise de informações
• Os cinco Cs dos dados
• Terminologia comum

Apenas uma palavra: dados

“Eu só quero dizer uma palavra para você.  Apenas uma palavra... Você está ouvindo?  …
Plásticos.  Há um grande futuro nos plásticos.”

Mr. McGuire no filme de 1967 The Graduate.

Os Mr. McGuires do mundo não estão mais aconselhando recém-formados a entrar no mundo dos plásticos.  Mas talvez
eles deveriam estar recomendando dados. No mundo digital de hoje, os dados são a chave, o bilhete e o Santo Graal, tudo
em um.
Não quero dizer apenas que está crescendo em importância como profissão, embora seja um ótimo campo para entrar, e
estou emocionado que meus filhos Jake e Josh estejam seguindo carreiras em dados e tecnologia.  Os dados são onde estão os
dólares quando se trata de orçamentos da empresa. A cada poucos anos, há outro relatório mostrando que a inteligência de
negócios (BI) está no topo ou perto do topo da lista de prioridades do diretor de informações (CIO).
As empresas de hoje são movidas por dados ou, para ser mais preciso, por informações obtidas a partir de dados.  Ele
lança luz sobre o que é desconhecido, reduz a incerteza e transforma a tomada de decisão de uma arte em uma ciência.
Mas seja Big Data ou apenas dados antigos, requer muito trabalho antes de ser realmente algo útil.  Você não gostaria de
comer uma xícara de farinha, mas assado em um bolo com manteiga, ovos e açúcar pelo tempo certo na temperatura certa,
ele se transforma em algo delicioso. Da mesma forma, os dados brutos são intragáveis para o empresário que precisa deles
para tomar decisões. É inconsistente, incompleto, desatualizado, não formatado e repleto de erros. Os dados brutos
precisam de integração, design, modelagem, arquitetura e outros trabalhos antes que possam ser transformados em
informações consumíveis.
É aqui que você precisa de integração de dados para unificar e massagear os dados, data warehousing para armazená-los
e organizá-los e BI para apresentá-los aos tomadores de decisão de maneira compreensível. Pode ser um longo eprocesso
complicado, mas há um caminho; existem diretrizes e melhores práticas. Tal como acontece com muitas coisas que são
difíceis de fazer, há atalhos prometidos e “balas de prata” que você precisa aprender a reconhecer antes que eles te
tropecem.
Será preciso muito mais do que apenas ler este livro para tornar seu projeto um sucesso, mas minha esperança é que ele
ajude a colocá-lo no caminho certo.

Bem-vindo ao dilúvio de dados

No mundo dos negócios, conhecimento não é apenas poder. É a força vital de uma empresa próspera. O conhecimento vem
da informação, e esta, por sua vez, vem dos dados. Cabe a uma equipe de BI reunir e gerenciar os dados para capacitar os
grupos de negócios da empresa com as informações de que precisam para obter conhecimento — conhecimento que os
ajuda a tomar decisões informadas sobre cada passo que a empresa dá.
As empresas precisam dessas informações para entender suas operações, clientes, concorrentes, fornecedores, parceiros,
funcionários e acionistas. Eles precisam aprender sobre o que está acontecendo no negócio, analisar suas operações, reagir a
pressões internas e externas e tomar decisões que os ajudarão a gerenciar custos, aumentar receitas e aumentar vendas e
lucros. A Forrester Research resume perfeitamente: “Os dados são a matéria-prima de tudo o que as empresas fazem, mas
muitos os tratam como resíduos – algo para lidar, algo para relatar, algo que cresce como bactérias em uma placa de
Petri. Não mais! Alguns dizem que os dados são o novo petróleo, mas achamos que comparar dados com petróleo é muito
limitador. Os dados são o novo sol: são ilimitados e afetam tudo o que as empresas fazem. Os dados devem fluir com
rapidez e riqueza para que sua organização atenda melhor aos clientes do que seus concorrentes. As empresas devem
investir fortemente na construção de uma capacidade de gerenciamento de dados de clientes de última geração para
aumentar a receita e os lucros na era do cliente. Os dados são um ativo que até os CFOs perceberão que devem ter uma linha
no balanço patrimonial ao lado de propriedades, instalações e equipamentos”[1] .
No entanto, pode ser um problema quando há mais dados do que uma empresa pode manipular.  Eles coletam grandes
quantidades de dados todos os dias interna e externamente à medida que interagem com clientes, parceiros e
fornecedores. Eles pesquisam e rastreiam informações sobre seus concorrentes e o mercado. Eles colocam códigos de
rastreamento em seus sites para que possam saber exatamente quantos visitantes recebem e de onde vieram. Eles
armazenam e rastreiam informações exigidas por regulamentações governamentais e iniciativas do setor. Agora existe a
Internet das Coisas (IoT), com sensores embutidos em objetos físicos, como marca-passos, termostatos e coleiras de cachorro,
onde eles coletam dados. É um dilúvio de dados ( Figura 1.1 ).
Volume de dados, variedade e velocidade

Não é apenas que as empresas acumulam dados em volumes cada vez maiores, a variedade e a velocidade dos dados
também estão aumentando. Embora os bancos de dados "Big Data" emergentes possam fazer com que a capacidade de uma
empresa de coletar dados exploda, o volume, a velocidade e a variedade estão se expandindo, não importa quão "grandes"
ou "pequenos" sejam os dados.
Volume — De acordo com muitos especialistas, 90% dos dados no mundo hoje foram criados apenas nos últimos dois
anos. Quando você ouve essa estatística, pode pensar que vem de toda a conversa nas mídias sociais, mas os dados estão
sendo gerados por todos os tipos de atividades. Para dar apenas um exemplo, pense no surgimento da identificação por
radiofrequência (RFID) para rastrear produtos desde a fabricação até a compra. É uma enorme categoria de dados que
simplesmente não existia antes. Embora nem todos os dados coletados sejam significativos para uma empresa, eles ainda
deixam uma enorme quantidade de dados com os quais lidar.
Velocidade — Muitos dos dados agora são sensíveis ao tempo e há uma pressão maior para diminuir o tempo entre o
momento em que são capturados e o momento em que são usados para geração de relatórios. Agora dependemos da
velocidade de alguns desses dados. É extremamente útil receber uma notificação imediata do seu banco, por exemplo,
quando uma transação fraudulenta é detectada, permitindo que você cancele seu cartão de crédito imediatamente. Empresas
de todos os setores da indústria estão usando dados atuais ao interagir com seus clientes, prospects, fornecedores, parceiros,
funcionários e outras partes interessadas.
Variedade — As fontes de dados continuam a se expandir. Receber dados de fontes diferentes complica ainda mais as
coisas. Dados não estruturados, como áudio, vídeo e mídia social, e dados semiestruturadoscomo os feeds XML e RSS
devem ser tratados de forma diferente dos dados estruturados tradicionais. O CIO do passado pensava que os telefones
eram apenas para conversar, não algo que coletava dados. Ele também achava que o Twitter era algo que os pássaros
faziam. Agora que uma empresa pode coletar dados de tweets sobre seus produtos, como ela lida com esses dados e o que
faz com eles? Além disso, o que ele faz com os dados inestimáveis que os empresários criam em planilhas e documentos do
Microsoft Word e usam na tomada de decisões? Anteriormente, os CIOs só precisavam se preocupar em coletar e analisar
dados de aplicativos de back office, mas agora seus dados podem vir de pessoas, máquinas, processos e aplicativos
espalhados pelo mundo.
 FIGURA 1.1 Muita informação. www.CartoonStock.com .
Infelizmente, as empresas não têm sido tão boas em organizar e entender os dados quanto em coletá-los. Os dados não
têm valor, a menos que você possa entender o que tem, analisá-lo e, em seguida, agir de acordo com os insights da análise.
Consulte o site que acompanha o livro www.BIguidebook.com para obter links para pesquisas do setor, modelos e outros
materiais para ajudá-lo a aprender mais sobre inteligência de negócios e tornar seu próximo projeto um sucesso.
Para receber atualizações sobre o material recém-publicado, assine a lista de e-mail no site ou siga o feed RSS do meu
blog em www.datadoghouse.com .

Domar o dilúvio do Analytics

Com essa enxurrada de dados, vem uma enxurrada de análises. Claro, as empresas são adeptas de coletar todos os tipos de
dados sobre seus clientes, prospects, processos internos de negócios, fornecedores, parceiros e concorrentes.  A captura de
dados, no entanto, é apenas o começo. Muitas empresas ficaram sobrecarregadas pelo dilúvio de informações e não podem
analisá-lo efetivamente ou não podem obter informações atualizadas o suficiente para agir.
Essa é uma enorme e potencial dor de cabeça para os CIOs. De acordo com o State of the CIO Survey de 2014   [2] ,
alavancar dados e análises é a iniciativa de tecnologia mais importante para 2014, com 72% dos CIOs pesquisados afirmando
que é uma prioridade crítica ou alta. O Gartner concorda, com a previsão de que BI e analytics continuarão sendo o foco
principal dos CIOs até 2017, e que os benefícios da tomada de decisão baseada em fatos são claros para os gerentes de
negócios em uma ampla gama de disciplinas, incluindo marketing, vendas, cadeia de suprimentos gestão (SCM),
manufatura, engenharia, gestão de risco, finanças e RH [3] .
Aumentando a complexidade, agora muito mais pessoas em uma organização precisam das informações que vêm de
todos esses dados. Onde no passado apenas alguns gerentes recebiam informações para analisar, agora pessoas de negócios
em todos os níveis estão usando a análise em seus trabalhos. Por exemplo:
• Os dados de remessa se estendem muito além do departamento de remessa para incluir transportadoras e clientes externos.
• A análise de sites não é mais apenas o domínio dos webmasters que analisam os “hits” – os gerentes de marketing os usam
para medir o sucesso das vendas e das campanhas de mídia social.
• As informações médicas são compartilhadas não apenas com médicos, mas também com redes hospitalares, pacientes e
seguradoras.
• Os serviços de streaming de TV compilam dados sobre tudo o que assistimos e os usam para recomendar outros filmes e
programas que acha que gostaríamos.
Todas essas informações tiveram um tremendo impacto na capacidade das empresas de tomar decisões informadas. De
acordo com um estudo realizado pela The Economist   [4] , a enxurrada de informações e análises teve os seguintes efeitos:
• A maioria das empresas (58%) afirma que fará um investimento maior em Big Data nos próximos 3  anos.
 

• Dois terços dos executivos consideram que suas organizações são “orientadas por dados”.
• Mais da metade (54%) diz que as decisões gerenciais baseadas puramente na intuição ou na experiência são cada vez mais
consideradas suspeitas.
• A maioria dos executivos (58%) confia na análise de dados não estruturados, incluindo texto, mensagens de voz, imagens e
conteúdo de vídeo.
• Embora 42% dos executivos digam que a análise de dados desacelerou a tomada de decisão, a grande maioria (85%) acredita
que o volume crescente de dados não é o principal desafio, mas sim poder analisá-lo e agir em tempo real .
• À medida que as organizações buscam cada vez mais o resultado da análise para automatizar a tomada de decisões, a
qualidade dos dados é vista como um grande obstáculo.
A importância da análise

As empresas não podem subestimar a importância de suas iniciativas de análise. Embora as empresas ainda precisem de
líderes e tomadores de decisão com intuição, elas dependem de dados para validar suas intuições. Nesse sentido, os dados
tornam-se um guia estratégico que ajuda os executivos a ver padrões que, de outra forma, não perceberiam. Um estudo da
Bain descobriu que as empresas com os recursos de análise mais avançados superaram os concorrentes por amplas margens,
com os líderes mostrando estes resultados [5] :
• Duas vezes mais probabilidade de estar no quartil superior de desempenho financeiro em seus setores
• Cinco vezes mais probabilidade de tomar decisões muito mais rápido do que os pares do mercado
• Três vezes mais probabilidade de executar decisões conforme pretendido
• Duas vezes mais propenso a usar dados com muita frequência ao tomar decisões.
Desafios do Analytics

O uso de análises não está apenas crescendo em volume; também está se tornando mais complexo. A análise avançada está
se expandindo para incluir análise preditiva, visualização de dados e descoberta de dados.
Analytics não é apenas sobre números; é sobre poder cerebral. Mais empresas estão percebendo que precisam contratar
uma nova classe de pessoas com experiência em dados para desenvolver modelos analíticos complicados; essas pessoas são
frequentemente chamadas de cientistas de dados. Um relatório da McKinsey afirmou que “Até 2018, somente os Estados
Unidos poderão enfrentar uma escassez de 140.000 a 190.000 pessoas com habilidades analíticas profundas, bem como
1,5  milhão de gerentes e analistas com know-how para usar a análise de Big Data para tomar decisões eficazes ”  [6] . As
 

empresas estão preocupadas com isso? Pode apostar! De acordo com o Gartner CIO Agenda Report de 2014, “Cinquenta e
um por cento dos CIOs estão preocupados que a torrente digital esteja chegando mais rápido do que eles podem lidar, e 42%
não sentem que têm as habilidades e capacidades certas para enfrentar este futuro. ”[7] .
Nosso setor enfrenta uma escassez de pessoas qualificadas em inteligência de negócios, análise e integração de dados que
impedem os negócios de usar efetivamente os dados que já possuem. Com a investida do Big Data e as habilidades
avançadas que ele exige, é importante que mais pessoas aprendam a trabalhar com essas soluções de análise avançada.
Estratégia de análise

A análise de negócios é indispensável para analisar esses dados e usá-los para tomar decisões de negócios informadas. Um
relatório da Forrester [8] destaca algumas das razões pelas quais a análise de BI é tão crítica:
• Muitas decisões de negócios permanecem baseadas em palpites intuitivos, não em fatos
• A análise diminui a descontinuidade entre a intuição e a tomada de decisão factual
• A diferenciação competitiva pode ser alcançada pelo uso de dados mais sofisticado
• O Big Data permite novos casos de uso, mas exigirá análises para aproveitar ao máximo seu potencial.
Para aproveitar ao máximo o poder da análise, uma empresa precisa de uma estratégia baseada em como seus executivos
interagem e usam os dados. O Capítulo 15 abordará esse tópico em detalhes, mas, para resumir, uma estratégia de análise
pode incluir:
• Projetar uma arquitetura de dados que permite relatórios, análises, modelagem preditiva e BI de autoatendimento
• Arquitetar um portfólio de BI
• Arquitetar soluções com descoberta de dados, visualização de dados e BI na memória
• Habilitação de BI operacional e analítico
• Projetar e implementar sandboxes e hubs analíticos
• Criação de programas de governança analítica e de dados
• Criação de ambientes compartilhados de metadados de BI.

Muitos dados, pouca informação

Como disse o marinheiro em The Rime of the Ancient Mariner: “Água, água, por toda parte, nem uma gota para
beber”. Que tal “Dados, dados em todos os lugares, mas nenhuma das informações certas de que preciso para fazer meu
trabalho?” As empresas podem estar repletas de dados, mas isso não significa necessariamente que tenham informações úteis
( Figura 1.2 ).
O primeiro emprego do meu filho Jake fora da faculdade foi em uma empresa que analisava grandes volumes de dados
para análise de currículos e correspondência de vagas. Seu chefe expressou um lamento semelhante quando disse: “Para que
serve o Big Data se é apenas um monte de dados? Precisamos de informações que possamos analisar, não apenas uma
grande pilha de dados.”
A diferença entre dados e informações

Há uma grande diferença entre dados e informações, embora os termos sejam frequentemente usados de forma
intercambiável. Os dados são brutos, aleatórios e desorganizados. Informações são dados que foram organizados,
estruturados eprocessado. Informação é o que você usa para obter conhecimento. Todos nós comemos, então vamos ver
como um foodie abordaria esses conceitos:
• Dados: uma coleção de ingredientes sobre o balcão. Eles incluem cenouras, cebolas, alho-poró, alho e batatas do mercado do
fazendeiro, e um pacote de frango, uma caixa de arroz e algumas latas de caldo da mercearia. No mundo de armazenamento de
dados (DW)/BI, isso é como dados de origem de diferentes sistemas operacionais.

FIGURA 1.2 Sem água para beber; nenhuma informação para consumir.

• Informação: então você prepara tudo lavando, descascando e cortando os legumes, cortando o frango e abrindo as latas de
caldo. Você coloca tudo na panela e liga o fogo onde cozinha e vira sopa. No mundo DW/BI, os dados foram movidos para o
sistema ETL (extrair, transformar e carregar) e são transformados em informações.
• Conhecimento: Agora a sopa está pronta para ser colocada em tigelas e comida. No mundo DW/BI, os empresários consomem as
informações em relatórios para obter conhecimento que os ajuda a tomar decisões de negócios informadas.
O papel do BI na criação de informações acionáveis

O BI transforma dados em informações “acionáveis” – informações úteis para o negócio e que o ajudam a obter
conhecimento. A demanda de negócios por informações acionáveis está em constante expansão. Com gerentes de negócios e
funcionários aparentemente conectados 24 horas por dia, 7 dias por semana por meio de seus smartphones, tablets e outros
dispositivos, as expectativas estão aumentando ainda mais para sistemas de BI que podem ir além de relatórios básicos e
fornecer recursos de análise na velocidade do pensamento.
É bom que as empresas tenham reconhecido o valor comercial significativo de analisar a quantidade crescente de
informações e, em seguida, agir de acordo com essa análise. É uma coisa ruim, no entanto, quando as empresas ficam tão
sobrecarregadas pelo dilúvio de informações que não podem analisá-lo efetivamente ou receber informações atuais o
suficiente para agir.
As empresas estão nessa posição porque muitas ainda estão usando as técnicas e tecnologias padrão que se tornaram
comuns em BI e DW antes do dilúvio de informações atual. As empresas têm encontrado aumentos significativos em
volume, variedade e velocidade nos últimos anos, à medida que se expandem da integração de dados de sistemas
operacionais internos para o intercâmbio de dados com clientes, clientes potenciais, parceiros, fornecedores e outras partes
interessadas.
Depois que os dados necessários são localizados e avaliados, muitas vezes é preciso trabalhar para transformá-los em um
conjunto de informações limpo, consistente e abrangente que esteja pronto para ser analisado.
A espinha dorsal da informação

Não importa qual seja a solicitação de BI, as informações comerciais corretas devem estar disponíveis. Isso não significa que
tudo o que você precisa fazer é conceder a uma pessoa de negócios acesso a um banco de dados.  Dados abrangentes,
consistentes, conformados, limpos e atuais não acontecem sem uma estratégia para gerenciar as informações.
Uma vez que as informações estejam em ordem, os empresários podem se conectar ao backbone de informações por meio
de muitas ferramentas de BI, como descoberta de dados, visualização de dados, consulta ad hoc, painéis, scorecards, análise
OLAP, análise preditiva, relatórios e planilhas. As demandas de dados de uma empresa estão sempre se expandindo e
evoluindo, o que significa que o backbone de informações também está se expandindo. Isso geralmente requer integração de
dados, limpeza de dados, criação de perfil de dados e, o mais importante, governança de dados.

Captura de dados versus análise de informações

Você sabe que precisa de BI para equipar o pessoal de negócios de sua empresa com conhecimento, mas existem algumas
áreas cinzentas em que o BI pode não parecer o método ideal. É aqui que muitas pessoas ficam confusas. Antes de explicar
isso, apresentaremos as diferenças entre BI e sistemas de processamento de transações e captura de dados versus análise de
informações.
Os papéis do BI e dos sistemas operacionais

Para entender o papel de um sistema de BI versus um sistema de processamento de transações, comece com os dados – há
uma grande diferença entre apenas capturar dados e usá-los para análise. Capturar dados significa convertê-los ou traduzi-
los para um formato digital. Por exemplo, quando você digitaliza um código de barras impresso no caixa do supermercado,
ele captura dados sobre o preço do item. Quando você usa seu smartphone para escanear o código QR em um pôster de
filme, ele captura esses dados e o envia para um vídeo da Web com uma prévia do filme.  Quando você usa seu telefone para
digitalizar um cheque para depósito on-line e, em seguida, digita o valor do depósito, essa informação é capturada e
enviada ao banco.
Os dados capturados são inseridos nos sistemas operacionais. São os sistemas que realizam as transações do dia a dia de
uma empresa, como depósitos em banco, vendas em loja e matrículas de cursos em uma universidade.  Eles também são
chamados de sistemas de processamento de transações, porque é onde a empresa processa suas transações.
Compare isso com inteligência de negócios, que são os aplicativos usados para relatórios, consultas e análises. Essa
categoria também inclui data warehousing, que é a espinha dorsal do banco de dados para dar suporte a aplicativos de
BI. Um data warehouse não é a única fonte de dados usada pelo BI, mas continua sendo um ingrediente chave para uma
solução corporativa que fornece informações limpas, consistentes, conformadas, abrangentes e atuais, em vez de mais um
silo de dados.
 Tradicionalmente, os sistemas operacionais tinham apenas recursos de relatórios limitados. Isto é incompreensível; eles
são construídos para processamento transacional, afinal. Os dados de uma empresa podem estar espalhados por muitos
sistemas operacionais diferentes, tornando muito difícil coletar e consolidar. Em um grande centro médico, por exemplo, um
sistema pode processar dados relacionados a contas de pacientes, outro pode ser delegado a dados de pesquisas médicas e
outro pode ser usado para recursos humanos. Os sistemas são construídos para processar grandes quantidades de dados e
fazê-lo rapidamente.
A resposta à necessidade de melhores relatórios foi o BI – e ainda é a resposta. Mas também existe um meio termo,
chamado BI operacional, que causa muita confusão.
O BI operacional borra as linhas

O BI operacional (também chamado de BI em tempo real) transfere as consultas e os relatórios para os próprios sistemas
operacionais. No lado positivo, isso permite consultas em dados em tempo real e resultados imediatos. Do lado negativo,
causa confusão. Trabalhei com clientes onde as pessoas não entendiam os limites entre captura e análise de dados;  eles
achavam que os mesmos dados poderiam ser usados tanto para processamento quanto para análise de transações. A
realidade é que os dados ainda precisam ser estruturados para análise – daí o enigma da captura de dados versus análise de
informações.
É perigoso quando uma empresa considera o BI operacional como uma panacéia para suas necessidades de informações
de negócios. Muitas vezes, a tecnologia mais recente é vista como uma solução que evita todas as coisas difíceis e demoradas
de integração de dados que fazemos há anos. Não é um atalho. A TI e os negócios ainda precisam se comunicar e concordar
com as definições de dados e transformações de dados para informações de negócios.
Onde o armazenamento de dados se encaixa

É fácil ver por que a ideia de simplesmente acessar os dados corporativos onde estão armazenados nos sistemas
operacionais parece tão atraente. O BI operacional tem muitos benefícios, como a simplicidade de um único conjunto de
ferramentas de BI para acessar, relatar e analisar dados. Mas é um grande erro pensar que isso torna o data warehouse
obsoleto. Nem mesmo perto. O armazenamento de dados é uma parte necessária da estratégia de gerenciamento de
informações de uma empresa por vários motivos.
• Os dados operacionais são diferentes dos dados analíticos de várias maneiras:
• Os dados operacionais são estruturados para processar e gerenciar com eficiência as transações e interações comerciais,
enquanto os dados nos data warehouses são estruturados para que os empresários compreendam e analisem.
• Os sistemas operacionais vivem no aqui e agora, enquanto o armazenamento de dados deve suportar o passado, o presente e
o futuro. Os sistemas operacionais registram o evento de negócios como está, enquanto o armazenamento de dados rastreia
as mudanças nas dimensões – produtos, clientes, negócios, geopolíticas, estruturas de contas e hierarquias organizacionais –
para que as informações possam ser examinadas como estão, como eram e como serão.
• Os dados operacionais normalmente contêm um período de tempo relativamente curto, enquanto os dados analíticos são
históricos. Uma empresa precisa realizar análises de período a período ou examinar tendências usando dados históricos.
• Os dados de muitos dos atributos que a empresa deseja analisar não são necessários nem estão disponíveis em um sistema
operacional.
• Os dados operacionais estão espalhados por muitos sistemas de origem, dificultando a reunião e a análise. Quanto mais
fontes você tiver, mais integração de dados você precisará.
• Toda empresa, não importa quão grande ou pequena, deve realizar a integração de dados para garantir que seus dados sejam
consistentes, limpos e corretos.
• Existem muitos algoritmos de negócios usados para transformar dados em informações fora dos sistemas
operacionais. Finanças, vendas, marketing e outros grupos de negócios devem transformar os dados no contexto de
negócios de que precisam para realizar seu trabalho.
• Existem medidas de desempenho de indicadores-chave de desempenho (KPIs) em toda a empresa e específicas de grupos de
negócios que precisam ser derivadas fora dos sistemas operacionais.
Houve inúmeras ocasiões em que os fornecedores proclamaram que o armazenamento de dados não é mais
necessário. Ao longo dos anos, ouvimos falar deles sobre middleware, data warehouses virtuais, data marts conformados,
integração de informações corporativas (EII), integração de aplicativos corporativos (EAI), arquiteturas orientadas a serviços
(SOA), virtualização de dados e acesso em tempo real de cada geração de ferramentas de BI.  Na verdade, é um tema
recorrente. Não há “bala de prata” que ajude uma empresa a evitar o trabalho árduo de integração de dados.  Informações
limpas, abrangentes, consistentes, conformadas e atuais não são um acaso; requer pensamento e trabalho.
Quaisquer que sejam as promessas de bala de prata que você possa ouvir, a resposta não tem nada a ver com
conectividade, largura de banda, memória ou interfaces elegantes. A realidade é que muita análise é necessária para
entender os dados espalhados pelos silos dentro e fora das empresas. Os sistemas operacionais carecem de muitos atributos-
chave e não suportam todas as transformações de negócios necessárias para lidar com essa análise.
 As empresas precisam de BI operacional e analítico. O Capítulo 5 abordará o BI operacional com mais detalhes e incluirá
seus benefícios, riscos e diretrizes para fazê-lo corretamente.

Os cinco Cs dos dados

Antes que um programa de BI/DW possa fornecer informações acionáveis para pessoas de negócios, ele deve colocar os
dados da empresa em forma. Os dados que foram moldados serão limpos, consistentes, conformados, atuais e abrangentes –
os cinco Cs dos dados.
• Limpo — dados sujos podem realmente atrapalhar a tentativa de uma empresa de divulgação em tempo real e colocam o
CFO em alto risco ao assinar relatórios financeiros e até mesmo comunicados à imprensa com base em informações
incorretas. Dados sujos têm itens ausentes, entradas inválidas e outros problemas que causam estragos na integração e
análise de dados automatizadas. Os dados de clientes e prospects, por exemplo, são notórios por serem sujos. A maioria dos
dados de origem está suja até certo ponto, e é por isso que a criação de perfil e a limpeza de dados são etapas críticas no
armazenamento de dados.
• Consistente — não deve haver argumentos sobre qual versão dos dados é a correta. As reuniões de gerenciamento nunca
devem se dividir em discussões sobre qual número está correto quando realmente precisam se concentrar em como
melhorar a satisfação do cliente, aumentar as vendas ou aumentar os lucros. Pessoas de negócios que usam diferentes
hierarquias ou cálculos para métricas argumentarão independentemente de quão limpos sejam os dados transacionais.
• Conforme — a empresa precisa analisar os dados em dimensões comuns e compartilháveis para que os executivos de toda a
empresa usem as mesmas informações para a tomada de decisões.
• Atual — a empresa precisa basear as decisões em qualquer moeda necessária para esse tipo de decisão. Em alguns casos,
como na detecção de fraudes de cartão de crédito, os dados precisam estar atualizados ao minuto.
• Abrangente — os empresários devem ter todos os dados de que precisam para fazer seu trabalho — independentemente de
onde os dados vieram e seu nível de granularidade.
Muita coisa depende de seus dados. Ninguém pode se dar ao luxo de ser descuidado ou esbanjador em suas estratégias
de BI e integração de dados. Erros são caros e é altamente embaraçoso quando um cliente encontra erros antes de você.  As
empresas, agora mais do que nunca, precisam entender quem são seus clientes atuais e potenciais, bem como quanta receita
e lucro cada produto ou linha de serviço gera. Isso exige dados limpos, consistentes, conformados, atuais e abrangentes.
Não se deixe influenciar por argumentos de vendas de fornecedores para soluções rápidas que prometem
atalhos. Análises pré-empacotadas e painéis corporativos oferecem o fascínio de soluções prontas para uso que parecem não
dar quase nenhum trabalho e fornecem instantaneamente à empresa as respostas para todas as suas perguntas.  Se a solução
parecer boa demais para ser verdade, dê um passo para trás e faça algumas perguntas. Leia as letras miúdas, como os
qualificadores de que tudo funciona bem apenas se todos os seus dados estiverem limpos, todos os dados estiverem
incluídos nas fontes suportadas e sua análise de negócios corresponder aos modelos pré-criados. Em suma, a solução pré-
criada funciona se você já tiver todos os seus dados no lugar. Essas soluções rápidas e sujas geralmente têm a consequência
não intencional de criar mais silos de dados.
Seria ótimo se bastasse comprar a ferramenta certa para fornecer à sua empresa informações comerciais abrangentes,
limpas, consistentes, em conformidade e atuais dos dados de origem. Você precisa comprar ferramentas, mas isso não
acontece em minutos, horas ou dias. Leva tempo e trabalho duro.
A melhor situação para uma empresa é quando, além de usar dados limpos, consistentes, conformados, atuais e
abrangentes, ela usa rotineiramente processos orientados por análise para gerenciar e expandir os negócios.  Ferramentas
avançadas de análise, como visualização de dados, análise preditiva e descoberta de dados, geralmente desempenham um
papel importante nisso. A realidade é que a maioria das empresas não está nesse estado de “nirvana analítico”, mas deve
sempre ser seu objetivo.
Seu caminho deve incluir:
• Levando a sério a governança de dados. A governança de dados, tanto para definições de dados quanto para métricas
acordadas de negócios, é fundamental porque, se os dados não forem consistentes, as visualizações inteligentes não
importarão. O termo da velha escola era GIGO (garbage in, garbage out). Você não precisa fazer tudo perfeito para que o BI
seja útil, mas se os empresários gastam seu tempo debatendo os números ou reconciliando dados (porque eles não confiam
neles), então o trabalho fundamental deve ser feito. Não é glamouroso, mas é essencial.
• Levando a sério a integração de dados. A maioria das empresas tem um backlog de integração de dados, mas continua se
distraindo com especialistas do setor e fornecedores que afirmam que desta vez, com as melhores e mais recentes
ferramentas analíticas, eles não precisam integrar (reunir, limpar, padronizar, conformar e transformar de vários processos
de negócios), mas podem simplesmente “apontar e clicar” para obter suas respostas. Não é tão fácil.
• Levando a sério as planilhas. As planilhas são frequentemente usadas para relatórios, mas é um problema quando são
usadas como ferramenta de integração e transformação de dados sem qualquer governança ou arquitetura. Se uma planilha
for usada para analisar os mesmos dados consistentes, abrangentes, limpos e atuais que os aplicativos de painel, descoberta
de dados e visualização de dados, ela será uma ferramenta viável. Muitos empresários gravitam em torno dele, pois é
verdadeiramente difundido.
 Terminologia comum da nossa perspectiva
Os três principais blocos de construção de um programa DW/BI são integração de dados, DW e BI. A integração de dados é
a base do DW, que, por sua vez, é a base do BI. (Consulte o Capítulo 18 para saber por que uma empresa deve criar um
programa de BI, em vez de lidar com projetos de forma individual e tática.)
Veja a Figura 1.3 para uma representação visual de como eles se inter-relacionam.
Integração de dados — combinando dados de diferentes fontes e reunindo-os para fornecer uma visão unificada.  A
integração de dados e os sistemas de sombra de dados geralmente estão em extremos opostos do espectro DW/BI.  Se uma
empresa tiver dados inconsistentes, é muito provável que ela tenha um problema de integração de dados. Os componentes
da integração de dados incluem as fontes de dados; os processos para reunir, consolidar, transformar, limpar e agregar
dados e metadados; padrões; Ferramentas; e recursos e habilidades.
Data warehousing — o processo de armazenamento e preparação de informações, separado das operações de
processamento de transações diárias de uma empresa, e otimizando-as para acesso e análise em uma empresa.  Nesse
processo, os dados fluem dos produtores de dados para o data warehouse, onde são transformados em informações para os
consumidores empresariais. Ele engloba todas as transformações de dados, limpeza, filtragem e agregações necessárias para
fornecer uma visão corporativa dos dados.
Quanto aos sistemas de relatórios e suporte à decisão, historicamente era um banco de dados centralizado.  Na definição
clássica do livro de Bill Inmon Building the Data Warehouse é:
• Integrado—dados coletados e tornados consistentes de um ou mais sistemas de origem
• Orientado ao assunto - organizado por assunto de dados e não por aplicativo
• Variante de tempo — os dados históricos são armazenados (Observação: no início, os aplicativos corporativos geralmente
armazenavam apenas uma quantidade limitada de dados atuais e históricos online.)
• Não volátil—os dados não foram modificados no DW, eram somente leitura.
BI —apresentar dados a pessoas de negócios para que possam usá-los para obter conhecimento. O BI permite o acesso e
entrega de informações aos usuários de negócios. É a parte visível dos sistemas de dados corporativos, em oposição ao
armazenamento de dados, que fica na “sala dos fundos”. BI é o que os empresários veem por meio de ferramentas e
painéis. Os dados vêm de fontes de dados relacionais ou aplicativos corporativos, como planejamento de recursos
empresariais (ERP), gerenciamento de recursos do cliente (CRM) e SCM. A fonte dos dados pode ser uma “caixa preta” do
ponto de vista do empresário; eles se preocupam principalmente com o que é, não de onde veio.

FIGURA 1.3 Como BI, DW e DI se encaixam.

Alguns dos termos-chave são descritos na Figura 1.4 . Algumas empresas usarão data warehousing como o termo
abrangente para tudo descrito nesse diagrama, enquanto outras usarão BI. Contanto que seja projetado, desenvolvido,
testado e implantado, qualquer termo está bem. A Tabela 1.1 apresenta alguns dos termos-chave e a disciplina a que se
aplicam.
FIGURA 1.4 Categorizando a terminologia de BI, DW e DI.
Cada bloco de construção inclui uma série de tecnologias diferentes, muitas listadas na Tabela 1.1 . Embora haja
sobreposição, tentamos agrupá-los por BI, DW e integração de dados. Esta não pretende ser uma lista ou definições
abrangentes, mas sim nossa perspectiva sobre alguns dos termos maiores. O resto deeste livro mostra como essas
tecnologias são colocadas em ação e onde elas se encaixam umas com as outras. Familiarizar-se com esses termos agora
ajudará a tornar os conceitos mais fáceis de entender.
Observe que muito do que é abordado aqui é tecnologia. Como você lerá na Parte VII, a tecnologia é a parte fácil de um
programa DW/BI. São as questões de pessoas, processos e governança que são a parte mais difícil.

Tabela 1.1

Terminologia comum

Aplica-se
Prazo a BI, DW
e/ou DI

Consulta ad hoc — As pessoas usam SQL para fazer consultas ad hoc em BI

um banco de dados quando necessário. Isso é o oposto das consultas
predefinidas, que são realizadas rotineiramente e conhecidas
antecipadamente. Ferramentas para consultas ad hoc podem ajudá-lo a
manipular dados para análise e criação de relatórios. A maioria dos
empresários, no entanto, não precisa realmente de consultas ad hoc; eles
se saem bem com relatórios interativos e descoberta de dados.

Analytics — O exame de informações para descobrir insights que dão a BI

uma pessoa de negócios o conhecimento para tomar decisões
informadas. As ferramentas de análise permitem que as pessoas
consultem e analisem informações usando a visualização de dados para
comunicar as descobertas de maneira fácil de entender. Existem
diferentes tipos analíticos: descritivo (o que aconteceu), diagnóstico (por
que aconteceu), preditivo (o que é provável que aconteça) e prescritivo
(que ações devem ser tomadas). A análise descritiva é a mais comum e
 Aplica-se
Prazo a BI, DW
e/ou DI

considerada fundamental ou central. Os outros são rotulados de análise

avançada.

Dispositivo de BI — Hardware e software integrados destinados a tornar BI

mais fácil e econômico para as empresas comprar, usar e manter sua
solução de BI. Escalabilidade e flexibilidade são os principais
benefícios. Há uma grande variedade de arquiteturas usadas em
appliances, portanto, uma avaliação formal e uma prova de conceito
(POC) são altamente recomendadas para garantir uma adequação à sua
situação.

Aplicativo de BI —Qualquer entrega de projeto de BI que a equipe de BI BI

desenvolve para que os executivos usem em suas análises. Pode ser um
painel, scorecard, relatório, visualização de dados, consulta ad hoc, cubo
OLAP, modelo preditivo ou modelo de dados. Pode haver muitas entregas
de BI em um aplicativo.

Estilos de BI —Existem diferentes tipos de aplicativos de BI que uma BI

pessoa de negócios pode usar na realização de suas análises, como:
relatórios, painéis ou scorecards, OLAP ou análise dinâmica, consulta ad-
hoc, análise estatística, alertas ou notificações, descoberta de dados,
visualização, planilhas e análises avançadas.

Ferramenta de BI — uma ferramenta de software de um fornecedor BI

usada para desenvolver o aplicativo de BI e fornecer um ou mais estilos
de BI.

EAI (integração de aplicativos empresariais)/SOA — Ferramentas e DI

métodos para consolidar e integrar os aplicativos existentes em uma
empresa. O objetivo geralmente é proteger o investimento em aplicativos
e bancos de dados legados ao adicionar ou migrar para um novo conjunto
de aplicativos que exploram a Internet, comércio eletrônico, extranet e
outras novas tecnologias.

Dashboards — Essa ferramenta de BI exibe informações numéricas e BI

gráficas em uma única tela, facilitando para um empresário obter
informações de diferentes fontes e personalizar a aparência. Isso
geralmente é um mashup de outros estilos de BI.
 Aplica-se
Prazo a BI, DW
e/ou DI

Limpeza de dados — O processo de encontrar e corrigir erros, DI

inconsistências e imprecisões nos dados. O nível de limpeza necessário
depende das melhores práticas de cada setor. As ferramentas de
qualidade de dados são usadas para o processamento mais complexo,
enquanto as ferramentas de integração de dados executam o
processamento básico.

Franquia de dados — Empacota os dados em um armazenamento de DW

dados de BI para que os empresários possam entendê-los e usá-
los. Embora isso crie dados redundantes com o que está no data
warehouse, trata-se de uma redundância controlada. Os
armazenamentos de dados podem ser data marts ou cubos
dependentes. A franquia de dados ocorre após a preparação dos dados.

Data mart — Um subconjunto de um data warehouse que geralmente é DW

orientado a um grupo de negócios ou processo em vez de exibições de
toda a empresa. Eles têm valor como parte da arquitetura geral de dados
corporativos, mas podem causar problemas quando brotam
descontroladamente como silos de dados com suas próprias definições de
dados, criando sistemas de sombra de dados.

Mineração de dados — Esse processo analisa grandes quantidades de BI

dados para encontrar padrões como grupos de registros, registros
incomuns e dependências. A mineração de dados ajuda as empresas a
vasculhar os dados para encontrar padrões e relacionamentos que ainda
não conhecem, como “qual é a probabilidade de um cliente que compra
nosso martelo também comprar nossos pregos?”

Qualidade dos dados — Alcançada quando os dados incorporam os DW

“cinco Cs”: limpos, consistentes, conformados, atuais e abrangentes.

Preparação de dados — O conjunto principal de processos para DW

integração de dados. Esses processos reúnem dados de diversos sistemas
de origem, os transformam de acordo com as regras técnicas e de
negócios e os preparam para etapas posteriores em seu ciclo de vida
quando se tornam informações usadas pelos consumidores de
informações.

Perfil de dados —Uma parte essencial do processo de qualidade de BI

 Aplica-se
Prazo a BI, DW
e/ou DI

dados; isso envolve examinar os dados do sistema de origem em busca de

anomalias em valores, intervalos, frequência, relacionamentos e outras
características que possam atrapalhar esforços futuros para analisá-
los. Permite a detecção precoce de problemas.

Governança de dados — um processo que impõe definições, regras, DI

métricas de negócios, políticas e procedimentos consistentes sobre como
uma empresa trata seus dados. Pode abranger muitas áreas, incluindo
criação de dados, movimentação, transformação, integração, definições,
até o consumo. Um programa de governança de dados ajuda a
 

organização a tratar seus dados como um ativo corporativo e maximizar

seu valor, mas o processo de governança é desafiado por dados não
estruturados e da nuvem, bem como por Big Data.

Visualização de dados — Apresentar dados de forma visual, como BI

gráficos e tabelas, ajuda os empresários a obter insights que, de outra
forma, não poderiam discernir dos dados tabulares. Dashboards e BI de
autoatendimento usam visualização de dados, mas é tão eficaz quanto a
qualidade dos dados que utiliza.

Virtualização de dados — Recuperar e manipular dados sem exigir BI

detalhes de como eles são formatados ou onde estão localizados. Ele
permite que as empresas expandam os dados usados em suas análises
sem exigir que sejam fisicamente integrados. Eles não precisam envolver
a TI (por meio de requisitos de negócios, modelagem de dados e design de
ETL e BI) toda vez que os dados precisam ser adicionados, permitindo
que eles se concentrem mais na descoberta de dados. Também chamado
de federação de dados e anteriormente chamado de integração de
informações corporativas (EII).

Modelagem dimensional — Uma prática geralmente aceita no setor de DI

data warehouse para estruturar dados destinados ao acesso do usuário,
análise e relatórios em modelos de dados dimensionais.

ETL (extrair, transformar e carregar) — O processo no qual os dados DW

são retirados do sistema de origem, configurados e armazenados em um
data warehouse ou banco de dados. As ferramentas de ETL
automatizaram as tarefas de integração de dados.
 Aplica-se
Prazo a BI, DW
e/ou DI

Análise na memória — Aproveitando os avanços na memória para BI

fornecer análises mais rápidas e profundas, consultando a memória de
acesso aleatório (RAM) de um sistema em vez de em discos. As opções
arquitetônicas de análise na memória incluem análise na memória nas
ferramentas de BI, como parte do banco de dados ou na plataforma do
dispositivo de BI.

MDM (gerenciamento de dados mestre) — O conjunto de processos DI

usados para criar e manter uma exibição consistente, também chamada
de lista mestre, dos principais dados de referência da empresa. Esses
dados incluem entidades como clientes, prospects, fornecedores,
funcionários, produtos, serviços, ativos e contas. Inclui também os
agrupamentos e hierarquias associados a estas entidades.

Gerenciamento de metadados — A definição clássica de metadados DI

como “dados sobre os dados”. metadados, é um meio para um fim — um
facilitador para o objetivo desejado de tornar os dados de suporte à
decisão acessíveis à comunidade empresarial em toda a empresa. Ao
gerenciar metadados, uma empresa precisa entender o que os dados
significam, como eles foram transformados da criação ao consumo e a
qualidade dos dados associados.

ODS (armazenamento de dados operacional) — Um tipo de banco de DW

dados às vezes usado em uma arquitetura de dados de BI. Ao contrário de
um data warehouse, um ODS pode servir tanto a funções analíticas
quanto operacionais.

OLAP (processamento analítico online) — Essa técnica para analisar BI

dados de negócios usa modelos dimensionais geralmente implantados
como cubos, que são como tabelas dinâmicas multidimensionais em
planilhas. Muitas vezes responde à pergunta “Diga-me o que aconteceu e
por quê”. As ferramentas OLAP podem realizar análises de tendências e
permitir o detalhamento dos dados. Eles permitem análises
multidimensionais, como análise por tempo, produto e geografia. Os dois
campos OLAP são MOLAP (multidimensional) e ROLAP
(relacional). HOLAP (híbrido) combina-os.

BI operacional — consultas e relatórios são executados nos próprios BI

sistemas operacionais, em oposição ao data warehouse. A maioria das
empresas precisa de uma combinação de BI operacional e BI analítico do
 Aplica-se
Prazo a BI, DW
e/ou DI

DW.

Análise preditiva — Uma forma avançada de análise que usa BI

informações de negócios para encontrar padrões e prever resultados e
tendências futuras. Determinar as pontuações de crédito observando o
histórico de crédito de um cliente e outros dados é um uso típico da
análise preditiva.

Governança de relatórios (ou analítica) — as entregas de BI precisam DI

de uma governança de relatórios sólida para fornecer informações
consistentes com as quais a empresa possa tomar decisões. A governança
de relatórios inclui o gerenciamento não apenas de relatórios, mas
também de painéis, scorecards, BI de autoatendimento, consulta ad hoc,
análise OLAP, análise preditiva, visualização de dados, mineração de
dados e planilhas junto com os dados usados. É mais correto se referir a
isso como “governança analítica” em vez de apenas governança de
relatórios.

Relatórios — Coletar dados de várias fontes e apresentá-los aos BI

empresários de forma compreensível para que eles possam analisá-
los. Este é o estilo central de BI. Os relatórios eram inicialmente estáticos
com formatos predefinidos, mas tornaram-se interativos e
personalizáveis.

Scorecards — Ferramentas de gerenciamento de desempenho que BI

ajudam os gerentes a acompanhar o desempenho em relação às metas
estratégicas. Estes podem ser considerados um tipo de painel.

BI de autoatendimento — Ferramentas intuitivas que permitem aos BI

consumidores de BI obter as informações de que precisam sem a ajuda do
grupo de TI. As pessoas ainda precisam do grupo de TI para o trabalho
árduo de tornar os dados limpos, corretos, consistentes, atuais e
abrangentes.

Dados estruturados — Dados que podem ser organizados em um DI

registro ou arquivo pré-definido e podem ser armazenados em um banco
de dados ou planilha. Alguns exemplos de dados estruturados são os
dados de vendas, funcionários e financeiros de uma empresa.
 Aplica-se
Prazo a BI, DW
e/ou DI

Texto ou análise textual — O uso de mineração de dados para análise de BI

dados textuais não estruturados, como e-mails. As ferramentas de
mineração de texto ajudam a encontrar, por exemplo, casos de fraude em
milhares de e-mails ou menções ao nome de uma empresa nas redes
sociais.

Dados não estruturados — Dados de forma livre ou DI

desorganizados. Mensagens de e-mail, tweets, PowerPoint, documentos
do Word ou imagens de vídeo são exemplos de dados não estruturados.

Referências

[1] Gualtieri M, Yuhanna N, Kisker Ph.D. H, Curran R, Murphy D.  Os dados do cliente devem
ser a força vital de sua empresa . Forrester Research, Inc.; 11 de junho de 2014 Web.

[2] Estado de 2014 da pesquisa do CIO . revista CIO; Janeiro de 2014 PDF.

[3] O Gartner prevê que business intelligence e analytics continuarão sendo o foco principal dos
CIOs até 2017 . Comunicado de imprensa; 16 de dezembro de 2013 Web.

[4] O fator decisivo: big data e tomada de decisão . Capgemini e o Ecomista; 26 de junho de

2012 Web.

[5] Pearson T, Wegener R.  Big data: o desafio organizacional . Bain & Companhia; PDF 2013.

[6] Manyika J, Chui M.  Big data: a próxima fronteira para inovação, competição e

produtividade . Instituto Global McKinsey; 13 de maio de 2011 Web.

[7] Domar o dragão digital: a agenda do CIO para 2014 . Gartner; 2014 Web.

[8] Kisker Ph.D. H, Green C.  TechRadar™: análise de BI, terceiro trimestre de 2013 . Forrester

Research, Inc.; 11 de julho de 2013 PDF.