Três motivos que levam projetos de Reporting Analytics a falharem e como evitar as armadilhas

Por Al Cordoba, Diretor do SAS Center of Excellence na Truven Health Analytics

Há muitas razões para os projetos de geração de relatórios, business intelligence e analytics falharem. Aqui estão três áreas de riscos frequentes a serem consideradas antes de mergulhar em um projeto de apresentação de relatórios e analytics, bem como algumas ações que podem ajudá-lo a lidar com as potenciais armadilhas.

Requisitos de dados são complexos

Às vezes é difícil documentar o requisito do negócio corretamente. Pode ser difícil entender as implicações de como os dados se relacionam ou se todos os elementos de dados necessários foram capturados. É provável que se descubra que alguns elementos de dados estão faltando após o término da construção do sistema, e isso criará um atraso. A equipe de implementação pode ter dificuldades para entender as expectativas do projeto. Quando isso acontece, há uma chance de a aplicação resultante não atender a todas as necessidades do negócio. Quanto mais complexos forem os requisitos do negócio, mais tempo levará para analisar, projetar, construir e testar a aplicação.

O que fazer

Para lidar com isso, a equipe de implementação deve usar arquitetos de dados treinados para ajudar a coletar os dados e projetar a forma como as estruturas de dados devem ser. Os arquitetos já passaram por isso. Além disso, a equipe de implementação pode usar uma sessão de planejamento formal a reunir os requisitos de todas as partes interessadas. Isso é útil para a preparação de protótipos e para o desenvolvimento interativo e pode ajudar os usuários a descobrir requisitos para a nova aplicação. O patrocinador do negócio e a administração sênior devem participar desta sessão e fornecer orientação geral. Os requisitos finais do negócio devem ser documentados e aprovados por escrito, e um processo de gerenciamento de mudanças deve ser aplicado depois disso.

A qualidade dos dados de origem pode não ser boa

Outro risco comum aos projetos de reporting e de analytics é a qualidade dos dados disponíveis. Eles podem ser pobres e difíceis de usar. Isso significa trabalhos não planejados para mover dados de sistemas operacionais antigos para o novo sistema de informação, o que irá gerar excesso de custos e atrasos na implementação. A movimentação dos dados dos sistemas existentes é geralmente atingida obtendo extratos do sistema antigo em formatos simples, como arquivos delimitados por vírgula. Este é um método relativamente simples, e se a definição do extrato for clara, então, menos problemas irão surgir. No entanto, mesmo dados limpos ainda podem causar problemas em um novo sistema se a validação de dados adequada não estiver aplicada. Migrações de sistema também causarão problemas quando o sistema estiver operando porque todos os sistemas terão de ser ajustados para considerar o novo mapeamento. No entanto, há um lado positivo para esta situação. Muitas vezes, imprecisões e inconsistências são descobertas em sistemas existentes quando os campos são remapeados. Além disso, você deve considerar os problemas de conversão de dados, que podem causar atrasos significativos ao projeto.

O que fazer

Primeiro, certifique-se de que todos os elementos de dados antigos sejam corretamente mapeados para o novo sistema. Um analista de negócios familiarizado com os sistemas operacionais pode ajudar. Além disso, você deve testar rigorosamente os extratos de arquivos antes de prosseguir para os presentes dados. Às vezes é possível coletar dados a partir de sistemas existentes, o que agiliza a criação de extratos e elimina a necessidade de acessar os sistemas operacionais. Porém, é importante determinar se os custos e problemas associados com os dados existentes valem a pena. Talvez seja melhor começar com uma nova extração dedados para atender as métricas, relatórios ou painéis necessários. Pode ser necessário que os dados sejam limpos manualmente, embora isso deva ser evitado ao máximo, pois isso aumenta a manutenção do sistema.

O software proposto pode ser inadequado

Uma terceira armadilha comum para um projeto de apresentação de relatórios e analytics é a escolha de um software inadequado. Se as tecnologias usadas para construir o sistema forem pouco conhecidas, uma curva de aprendizado pode resultar em menor produtividade inicial. Se as tecnologias utilizadas forem inadequadas, o projeto pode enfrentar problemas de integração entre sistemas antigos e novos. Em algumas organizações, pode haver resistência a determinadas tecnologias, o que poderiam causar atrasos. Se o software não estiver prontamente disponível, como ele pode ser testado? Além disso, o software proposto pode não estar instalado ou configurado corretamente, o que levará a mais atrasos. Se a equipe de implementação tiver de utilizar um software novo e desconhecido, isso pode levar a maiores prazos de entrega, e o desempenho pode ser pior enquanto se obtém experiência na otimização e configuração da tecnologia.

O que fazer

Para lidar com isso, certifique-se que haja um ambiente de teste adequado, no qual a tecnologia de software proposta possa ser facilmente utilizada. A equipe de consultoria já deve estar treinada, ou o treinamento deve ser providenciado o quanto antes. O plano de implementação deve garantir que o treinamento esteja disponível para todos aqueles que precisam instalar, usar ou dar suporte à nova tecnologia. O software deve ser de fácil utilização e apoiado por especialistas técnicos do fornecedor. Além disso, busque um software que seja apoiado por um bom ecossistema de consultores externos familiarizados com a tecnologia. Antes de se comprometer com uma plataforma de software particular, certifique-se de que uma análise sólida das funções, recursos e capacidades da nova tecnologia tenha sido concluída e que esses elementos apontam para as necessidades de sua iniciativa. Desenvolva procedimentos operacionais padrão sobre como usar o software.

Comece pequeno

Como você pode ver, existem vários riscos a serem considerados ao desenvolver um projeto de geração de relatórios, business intelligence e analytics. Por esse motivo, pense grande, mas comece pequeno para reduzir a probabilidade de cair em armadilhas.