A importância da Contextualização dos Dados
Introdução
Há muito tempo se fala, em projetos de BI, em buscar informações externas para dar mais significado as informações apresentadas. Um dado isolado pode parecer bom, até ser comparado com outro, que é melhor.
Vou rapidamente abordar dois exemplos que podem nos ajudar a perceber o valor da contextualização.
Contextualização de Valores Brutos
Quando olhamos para valores brutos, as coisas podem ficar distorcidas. Por exemplo, se eu simplesmente olhar o número de ocorrências de um determinado crime, é bem provável que capitais sejam, absolutamente, os locais onde eles mais ocorrem. No entanto, quando eu contextualizo esta informação, e comparo com o número de habitantes da cidade ou região, eu trago esta informação para uma base em comum.
Na prática:
Durante o desenvolvimento do Portal Mapa Social do RS (http://appmapasocial.mprs.mp.br/), um dos indicadores que evidenciamos foi "Crimes Contra Mulher".
Notem que, como esperado, Porto Alegre e Caxias, as duas maiores cidades em população do estado, se destacam em volume destes tipos de crimes. No entanto, quando olhamos o indicador contextualizado, veja o que acontece.
Porto Alegre e Caxias nem sequer aparecem na nossa imagem. Extraí os dados do site para conseguir contextualizar melhor o tamanho da diferença. Vejam:
Com base neste novo indicador, contextualizado, cabe agora ao gestor decidir o que fazer. Algumas vantagens que este indicador poderia trazer para a tomada de decisão seriam a de economizar em uma campanha para um público de 60 mil habitantes (Imbé + Tramandaí), ao invés de outra para um público de 1 milhão e 400 mil habitantes (Porto Alegre), ou então, direcionar melhor o dinheiro com treinamento especializado para servidores que tratam destes casos nas cidades em que elas mais ocorrem proporcionalmente.
Contextualização de Metas
Metas são ótimas. Elas impulsionam uma empresa a buscar mais. Mesmo assim, nem sempre temos a certeza de que a meta é o melhor a ser buscado.
Um de nossos clientes vendia um produto que estava super bem quando olhávamos para sua meta. Parecia até piada. Os vendedores deviam estar lavando a alma" com suas comissões. Felizmente (ou infelizmente), meu diretor teve a brilhante ideia de contextualizar as vendas por um indicador externo. Comparamos as vendas do produto com um dado de demanda que pode ser obtido na internet.
O novo dado possibilitou aos diretores reverem suas metas, uma vez que o mercado teve um crescimento extraordinário naquele período, indo contra qualquer previsão que se pudesse fazer. O que se descobriu é que na verdade, as vendas estavam abaixo do esperado, quando comparado com a demanda.
Conclusão
A importância da contextualização está presente no nosso dia-a-dia. Não podemos abordar certos assuntos perto de pessoas que podem interpretá-lo de maneira errônea. Um conteúdo on-line não pode ser disponibilizado para qualquer público. Assim também, os dados e informações disponibilizadas em uma aplicação de BI não devem ficar sem seu contexto. Dados que contextualizam outros dão um tom de segurança aos tomadores de decisão.
Quando não for possível contextualizar seus indicadores com dados externos, ao menos contextualize com dados históricos. "Year to Date", "Last 12 Months" e "Last Year" são algumas formas que temos de fazer isto.
Contato
Se você tem interesse em saber um pouco mais como uma aplicação de BI pode ajudar a sua empresa, não deixe de entrar em contato através do e-mail: tiago.post@imaps.com.br
Chief Marketing Officer @ CapTable Brasil | Captação de recursos e investimentos
8 aÓtimo! O desafio é integrar isso ao BI. Atualmente bons analistas fazem esses comparativos, mas "por fora". Outra dificuldade ( pra mim é desculpa) é avaliar a confiabilidade de dados externos e assim muitas vezes não querem vincular aos dados internos. Acredito que há pouca gente capacitada pra transformar essa informação em inteligência, por isso não se vai mais a fundo e optam pelo "deixa pra lá", mas seria bom compartilhar bons cases de BI (não de implantação, mas de análise).
Data Engineer
8 aMuito bom!
Gerente de Dados | Especialista de Dados | Arquiteto de Dados | Engenheiro de Dados | Analista de Dados | Administrador de Dados
8 aMuito bom! Parabéns Tiago Post!
Analista de Dados Sênior | SQL (22 anos exp.) | ETL | Data Modelling Specialist | Phyton | SSIS | Airflow | Denodo | Azure | Snowflake | AWS Redshift | QlikView | Qlik Sense | Qlik Cloud | Power BI | Qlik Admin
8 aMuito bom!!! Maltrataram os vendedores que estavam felizes com as metas, hein? Hahahahahahaha!!! Nada como ser 'amado' por fazer um bom trabalho! 😂
Data & Analytics Strategist na iMaps Analytics
8 aÓtimo mesmo Tiago! Gostei bastante dos exemplos...abração