Data-driven organizations often use the terms “business intelligence” (BI) and “data analytics” indistintamente. Não são a mesma coisa, mas se alguém te pedisse para explicar a diferença, o que dirias?
algumas pessoas distinguem entre os dois dizendo que a inteligência de negócios olha para trás os dados históricos para descrever coisas que aconteceram, enquanto a análise de dados usa técnicas de ciência de dados para prever o que vai ou deve acontecer no futuro. Achamos que está perto, mas há mais.
Business intelligence envolve o uso de dados para ajudar a tomar decisões de negócios, ou como OLAP.com coloca, BI “refere-se a tecnologias, aplicações e práticas para a coleta, integração, análise e apresentação de informações de negócios. O objetivo da inteligência de negócios é apoiar uma melhor tomada de decisões de negócios.”No entanto, pode-se dizer o mesmo sobre análise de dados.
para traçar a linha entre a inteligência de negócios e a análise de dados, pensamos que é mais útil falar sobre o que queremos realizar. Podemos dividir a análise em três categorias.: descritivo, preditivo e prescritivo.
a análise descritiva toma dados e transforma-os em algo que os gerentes de negócios podem visualizar, compreender e interpretar. Ele fornece inteligência para o desempenho histórico, e responde a perguntas sobre o que aconteceu. Relatórios analíticos descritivos são projetados para serem executados e vistos em uma base regular. Exemplos incluem relatórios de Clientes, operações e vendas.
a análise preditiva fornece insights sobre possíveis resultados futuros-previsões, com base em dados descritivos, mas com previsões adicionais usando a ciência dos dados e, muitas vezes, algoritmos que fazem uso de múltiplos conjuntos de dados. Quanto mais dados disponíveis, melhor as previsões. Exemplos incluem previsão de vendas, pontuação de Crédito ao consumidor, e sugestões dos varejistas para o que você pode querer ler, ver ou comprar a seguir.
a análise prescritiva oferece conselhos sobre as medidas a tomar. Examina os resultados possíveis resultantes de diferentes acções possíveis e sugere quais as acções que terão resultados óptimos. A criação de análises prescritivas requer técnicas avançadas de modelagem e conhecimento de muitos algoritmos analíticos — tudo parte do trabalho de cientistas de dados.
Big data strategist Mark van Rijmenam writes, ” If we see descriptive analytics as the foundation of business intelligence and we see predictive analytics as the basis of big data, than we can state that prescriptive analytics will be the future of big data.”
so what’s the difference between BI and data analytics?
usando estas três categorias, podemos fazer uma melhor distinção entre BI e análise de dados.
Todas as analíticas descritivas se inserem na categoria de inteligência empresarial. Algumas análises preditivas também constituem BI. Afinal, por que olhar para a análise se você não pretende usá-los para tomar medidas para melhorar os resultados futuros? Analytics Prescriptive, however, rises above BI into the realm of data analytics.onde traçamos a linha? A inteligência de negócios depende de dados com os quais os gerentes de negócios trabalham. Se eles são treinados em usar ferramentas de visualização, tais como Tableau, Microsoft Power BI, Looker, ou qualquer uma de uma série de outras opções, eles poderiam criar seus próprios relatórios BI.
a análise de dados requer um nível mais elevado de conhecimentos matemáticos. Os cientistas de dados pegam grandes conjuntos de dados e aplicam algoritmos para organizá-los e modelá-los ao ponto em que os dados podem ser usados para relatórios prospectivos e preditivos. Baseia-se em algoritmos, simulações e análise quantitativa para determinar relações entre dados que não são óbvios na superfície. Isso não acontece com o BI.
ao invés de responder perguntas sobre o que aconteceu, a análise de dados tenta aprender por que as coisas aconteceram. Stitch Co-fundador e Talend SVP Jake Stein diz, ” Data analytics é sobre iterativamente fazer perguntas. A resposta a qualquer pergunta dada é muitas vezes vista apenas uma vez e usada para informar a próxima pergunta no nosso caminho respondendo a uma pergunta fundamental do negócio ou resolvendo um problema.”
terreno comum para a inteligência de negócios e análise
a inteligência de Negócios aborda as operações em curso, ajudando as empresas e departamentos a cumprir os objetivos organizacionais. A análise de dados pode ajudar as empresas que querem transformar a forma como fazem negócios. Ambas as disciplinas podem beneficiar de uma pequena preparação de dados.
análise de dados geralmente requer modelagem de dados, em que os dados brutos são coletados, limpos, categorizados, convertidos, agregados, validados e de outra forma transformados. Dados limpos também é útil para BI.
Uma vez que os dados estão limpos, ele é armazenado em uma estrutura e formato que se presta a relatórios. Muitas vezes isso significa que os dados são armazenados em um armazém de dados — uma loja de dados colunares que, hoje em dia, muitas vezes funciona em uma infraestrutura de nuvem escalável. Os dados no data warehouse representam uma única versão da verdade para todos os relatórios organizacionais, tanto para análise de dados e BI.tanto BI quanto data analytics pedem uma pilha de analytics fundada em um armazém de dados, com dados canalizados através de uma ferramenta ETL. O Stitch facilita a popularização do armazém de dados.
Try Stitch for free
Email Address Sign up
Case closed?
esta discussão resolve a questão? Não me parece. Não importa como a definimos, as pessoas ainda vão usar termos como quiserem. E se alguém disser: “análise de dados é como se chega à inteligência de negócios”ou” inteligência de negócios engloba análise de dados”? E se eles quiserem falar sobre análise de negócios? Que assim seja. O objetivo de ambos os processos é analisar dados e criar relatórios para melhorar a tomada de decisões-nesse ponto, todos concordam.