1. O que resolvemos exatamente
- «Fechar o relatório do mês custa-nos três dias.» Exportações de vários sistemas, coladas e formatadas à mão, sempre pela mesma pessoa e sempre à última hora.
- «Cada um vem à reunião com um número diferente.» E a reunião vai-se em discutir o valor em vez de decidir o que fazer.
- «Quando temos o dado, já não serve.» Informação de há três semanas para decisões desta.
- «Temos dados, mas não sabemos o que olhar.» Centenas de campos e nenhuma métrica acordada.
- «Se alguém pergunta de onde sai esse número, é preciso refazer o caminho.» E como custa, deixa-se de perguntar, que é o pior que pode acontecer.
2. Como funciona
Um painel bonito sobre dados que ninguém organizou dura três semanas. O que se constrói por baixo é o que o faz aguentar:
- Ligação às fontes. ERP, sistema de produção, CRM, folhas de cálculo se for preciso. Leem-se sozinhas, no momento que competir; ninguém exporta nada à mão.
- Modelo de dados comum. As entidades do negócio —cliente, encomenda, referência, ordem de fabrico— definidas uma vez, com as suas relações. É a parte que não se vê e a que decide se o projeto envelhece bem.
- Cálculo e atualização programada. À hora que corresponder ao uso: na hora se move uma decisão operacional, uma vez por dia se alimenta um relatório.
- Painéis por perfil. Direção, fábrica e comercial não precisam dos mesmos cinco valores, e dar aos três o mesmo ecrã é a forma mais rápida de que nenhum o use.
- Rastreabilidade até à origem. Clica-se num número e chega-se ao registo que o gera. É o que converte uma discussão numa verificação.
A camada de visualização montamos habitualmente em Power BI: é onde temos o percurso e, na prática, onde a maioria das empresas industriais já tem licenças por estar no Microsoft 365. Se já usa outra ferramenta e vos funciona, o projeto vai por cima dessa: o que decide não é a nossa preferência, é que licenças já paga e quem vai manter isto quando nos formos.
E uma advertência que convém ouvir antes de comprar nada: a ferramenta de painéis é a parte fácil e a que menos decide. Um Power BI ligado diretamente a cinco fontes sem modelo de dados por baixo funciona no primeiro mês e torna-se ingovernável ao terceiro, quando cada relatório resolveu a mesma métrica à sua maneira.
Postos um ao lado do outro, a mudança vê-se melhor. Note que os dados de origem são os mesmos: o que desaparece é o trabalho do meio.
- Exportar de cada sistemaERP, produção, folha de cálculo da equipa
- Colar, conciliar e formatarDois ou três dias por mês, sempre a mesma pessoa
- Enviar o relatórioCom os dados do mês passado
Quando alguém pergunta por que um número não bate, é preciso refazer o caminho inteiro para descobrir.
- As fontes leem-se sozinhasOs mesmos sistemas, sem exportar nada à mão
- Um modelo de dados comumCada métrica definida uma vez e num único sítio
- Calcula-se e atualiza-seÀ hora que competir, sem que ninguém o lance
- O painel está atualizadoE pode descer-se até ao dado de origem
↳ Quando um número não bate, clica-se e chega-se ao registo que o gera. Deixa de ser uma discussão e passa a ser uma verificação.
A equipa passa de montar o relatório a lê-lo, que é para o que é paga.
Os dois percursos avançam ao mesmo tempo e na mesma escala temporal: o de cima ainda vai no segundo passo quando o de baixo já terminou e está à espera. As proporções são ilustrativas — o que sustentamos é que um demora bastante mais do que o outro, não quanto exatamente no seu caso.
3. Uma métrica, uma definição
É a parte menos vistosa do projeto e a que decide se serve para algo. Em quase todas as empresas onde entramos, a mesma palavra significa coisas diferentes segundo quem a usa: «encomenda servida» pode ser quando sai do armazém, quando o cliente a assina ou quando é faturada; «desperdício» pode incluir ou não o material reprocessado.
Enquanto isso não for acordado, cada relatório continuará a dar um número diferente e com razão. Por isso faz parte do trabalho: escrevem-se as definições, acordam-se com quem tem autoridade para as acordar, e implementam-se uma só vez, no modelo e não em cada painel.
Costuma ser a conversa mais incómoda do projeto e a que mais valor deixa, mesmo que ao fim não se chegasse a montar nenhum painel.
4. Casos típicos
A analítica industrial é de onde vimos: os nossos clientes estão em fabricação discreta e de processo —automóvel, alimentação e bebidas—. Os outros são padrões que se repetem em qualquer setor.
Indústria: automóvel, alimentação e bebidas
A produção é seguida com folhas de obra e folhas de cálculo, e o rendimento real de cada linha é calculado a posteriori. Quando se deteta um desvio, o turno que o causou terminou há dias.
Os indicadores de fábrica calculam-se sozinhos sobre os dados que já se registam, e o desvio vê-se no mesmo dia.
Direção
O comité recebe um relatório montado à mão, com dados do mês fechado. Decide-se sobre uma fotografia velha, e metade da reunião vai-se em conciliar valores.
Um painel com as métricas acordadas, atualizado e com o mesmo número para todos.
Comercial
O acompanhamento vive no CRM, as margens no ERP e ninguém os cruza a não ser no fim do mês. Empurra-se o produto que mais se vende, não o que deixa mais margem.
Margem por cliente e por referência à vista, cruzando ambas as fontes sem trabalho manual.
5. O que precisa de ter antes de começar
- Que o dado exista. Soa óbvio e não é: se o tempo de paragem não é registado em nenhum sítio, nenhum painel o vai mostrar. Às vezes o primeiro projeto é começar a captá-lo.
- Acesso às fontes. API, base de dados ou exportação programada, o que cada sistema permitir.
- Alguém com autoridade para fechar as definições. Sem isso, as métricas ficam em discussão permanente.
- Um punhado de perguntas concretas. «Queremos ver tudo» não é um requisito, é a ausência de um. Com cinco perguntas bem feitas monta-se um painel útil.
- Assumir que o primeiro resultado vai incomodar. Medir bem quase sempre destapa algo que se preferia não olhar. É o sinal de que funciona.
6. Quando NÃO é a solução
- Não há nenhuma decisão por trás. Um indicador que ninguém vai usar para decidir nada é um adorno caro de manter.
- Os dados de origem estão mal e ninguém os vai corrigir. Um painel sobre dados sujos não informa: legitima o erro e distribui-o mais depressa.
- Um relatório por mês basta. Se a decisão é mensal e o relatório funciona, montar tempo real é gastar a mais.
- O que é preciso é organizar o processo. Medir um processo que ninguém executa igual duas vezes produz números corretos sobre um caos, que continua a ser um caos.
7. Como se mede o retorno
- Horas por mês que deixam de se ir em montar relatórios, com o seu custo equivalente. É o primeiro que se nota.
- Tempo até ao dado: quanto se demora desde que algo acontece até que se vê. Costuma valer mais do que a poupança de horas, porque encurta o ciclo de reação.
- Decisões que mudam ao ver um número que antes não se via. É o mais difícil de quantificar e o que mais costuma pagar o projeto.
- Discussões de valores evitadas nas reuniões onde havia que decidir.
O quadro completo está em como se mede o retorno do guia.
Aviso: esta página tem finalidade informativa; não constitui assessoria jurídica nem garantia de resultados. Os valores citados são intervalos habituais em projetos reais, não compromissos contratuais, e dependem do âmbito e do ponto de partida de cada empresa.
8. Perguntas frequentes
Que diferença há entre um relatório e um painel?
Um relatório é uma fotografia que alguém monta e envia; um painel é uma fonte viva que se atualiza sozinha e na qual se pode descer até ao dado de origem. A diferença prática aparece quando um número não bate: com o relatório é preciso refazer o caminho para descobrir por quê, com o painel clica-se e chega-se ao registo que o gera.
É necessário montar um data warehouse?
Não sempre. Para poucas fontes e volumes normais de PME costuma bastar um modelo de dados bem definido sobre o que já existe. O armazém de dados justifica-se quando o volume, o número de fontes ou a necessidade de guardar histórico o pedem, e então dizemo-lo. Montá-lo por defeito é uma das formas mais caras de começar um projeto de BI.
Com que ferramenta montam os painéis? Podem usar a que já temos?
Sim, e é o primeiro que olhamos: se já pagam licenças de algo que funciona, o projeto vai por cima disso. Nós trabalhamos habitualmente com Power BI, que é onde temos o percurso e onde a maioria das empresas industriais já tem licenças por estar no Microsoft 365, pelo que se não houver nada montado costuma ser o caminho mais curto. O que decide é que licenças já têm e quem vai manter isto depois, não a preferência do fornecedor.
E se os nossos dados estiverem mal?
Aparece na primeira semana, sempre. O importante é o que se faz então: um painel sobre dados sujos não informa, legitima o erro e distribui-o mais depressa. Se a qualidade do dado não der, o primeiro projeto passa a ser corrigir a origem —ou começar a captar o que não se registe— e dizemo-lo mesmo que seja uma conversa incómoda.
Quanto tempo demora a ter o primeiro painel?
Um painel delimitado a um punhado de perguntas concretas costuma estar a funcionar em três ou quatro semanas. O que alonga o prazo quase nunca é construí-lo: é acordar o que significa cada métrica e conseguir acesso às fontes.
Isto é inteligência artificial?
A maior parte, não, e convém dizê-lo. Ligar fontes, modelar dados e calcular indicadores é engenharia de dados de sempre, e é o que resolve noventa por cento dos casos. A IA entra quando é preciso interpretar texto livre, detetar padrões ou antecipar um desvio, e então acrescenta-se por cima de uma base que já funciona. Ao contrário não costuma sair bem.
Serviços que costumam acompanhar este: integração de sistemas · consultoria estratégica de IA.