O que é business intelligence generativa?

A business intelligence generativa, também chamada de "BI generativa" ou "BI gen", é a prática de aplicar IA generativa aos processos de business intelligence. As ferramentas de BI generativa podem automatizar e otimizar as principais tarefas de análise de dados, como a identificação de padrões e a criação de visualizações.

Business intelligence ou BI, refere-se a um conjunto de processos para analisar dados de negócios para informar decisões de negócios. As ferramentas e fluxos de trabalho tradicionais de BI são altamente manuais, exigindo tempo significativo e conhecimento técnico para transformar dados brutos em insights praticáveis. As partes interessadas que não possuem experiência em ciência de dados geralmente não conseguem fazer uso completo das técnicas de BI.

A BI generativa permite que mais pessoas participem da análise de dados de negócios. Normalmente impulsionadas por grandes modelos de linguagem (LLMs), as ferramentas de BI generativa funcionam de forma muito parecida com outras ferramentas comuns de IA generativa, como ChatGPT ou Microsoft Copilot. Os usuários inserem instruções em linguagem natural e a ferramenta responde de acordo. 

Ao contrário do BI tradicional, os usuários não precisam aprender linguagens de programação especiais, realizar cálculos manuais ou criar gráficos do zero. Podem pedir à ferramenta de BI generativa, em linguagem simples, para conduzir análises avançadas e criar relatórios para elas.  

Dessa forma, a BI generativa permite análises de autoatendimento para usuários em toda a organização, independentemente do conjunto de habilidades. A análise de autoatendimento, por sua vez, ajuda as organizações a tomarem decisões mais baseadas em dados.

BI generativa é uma categoria de Tecnologia relativamente nova. De acordo com uma pesquisa, apenas 3% das organizações relatam que colocaram a BI generativa em “uso operacional total”. No entanto, mais da metade das organizações relata que estão em vários estágios de Explore da IA generativa.¹ Espera-se que as taxas de adoção cresçam à medida que as ferramentas de BI generativa se tornarem mais refinadas e prontamente disponíveis. 

BI generativa e IA generativa não são tipos diferentes de tecnologias ou modelos de IA. Em vez disso, é possível conceber a BI generativa como um caso de uso da IA generativa. Especificamente, BI generativa é a prática de utilizar soluções de IA generativa para coletar, gerenciar e analisar dados organizacionais para informar as operações de negócios.

IA generativa (IA gen) refere-se a uma categoria de modelos de inteligência artificial (IA) e aprendizado de máquina (ML) capazes de criar conteúdo original, como texto, imagens ou código, em resposta ao prompt de um usuário. A BI generativa é um tipo de análise de dados de IA  porque aplica algoritmos de IA para processar e analisar dados de negócios.

As ferramentas de BI generativa funcionam da mesma forma que outras ferramentas impulsionadas por IA. Um usuário insere um prompt em linguagem natural e a ferramenta gera conteúdo em resposta.  

Por exemplo, um usuário pode digitar: "Mostre-me um gráfico de pizza com nossos cinco produtos mais vendidos no ano passado, dividido pela porcentagem de vendas de cada produto". A ferramenta de BI generativa analisa o conjunto de dados correspondente e retorna exatamente isso: um gráfico de pizza com análise dos produtos mais vendidos por porcentagem de vendas.

A maioria das ferramentas de BI generativa vem em uma das 3 formas:  

1. Modelos de IA generativa de uso geral, como o Llama da Meta, aplicados a tarefas de BI.   

2. Plataformas de BI com modelos de IA integrados. Por exemplo, o Amazon QuickSight Q incorpora o chatbot Amazon Q com tecnologia LLM ao QuickSight, ferramenta de business intelligence da Amazon Web Services (AWS). 
    

3. Modelos de IA especificamente adaptados para business intelligence. Por exemplo, o IBM Project Ripasso é uma plataforma impulsionada por LLM, treinada em conteúdo relevante para empresas, com recursos integrados de governança de dados.

Embora os modelos de IA generativa de uso geral possam executar muitas funções de BI, muitas organizações optam por ferramentas e modelos de BI mais especializados. Isso normalmente concede às organizações mais controle sobre como seus dados são usados.

Os recursos podem variar entre as ferramentas, mas os recursos comuns de BI generativa são:

• Processamento de linguagem natural (PNL): as ferramentas de BI generativa utilizam interfaces de NLP e de bate-papo para os enviarem prompts, consultar conjuntos de dados e executar cálculos sem utilizar linguagem de consulta estruturada (SQL) ou outra sintaxe especializada. 

• Painéis, relatórios e visuais personalizados: a maioria das soluções de BI generativa conta com ferramentas de criação que permitem aos usuários criar painéis, visualizações de dados, relatórios escritos e histórias de dados descrevendo o que precisam, em vez de criá-los manualmente. 

• Integrações: as ferramentas Gen BI podem se integrar a várias fontes de dados, incluindo bancos de dados, data warehouses, data lakes e data lakehouses.

• Recomendações: muitas ferramentas de BI generativa podem enriquecer análises recomendando conjuntos de dados relacionados, sugerindo consultas relacionadas, oferecendo feedback sobre otimização de relatórios e oferecendo outras orientações. 

• Glossários de negócios: algumas ferramentas de BI generativa oferecem suporte ou integração com glossários de negócios. Os glossários permitem que as organizações definam termos, conceitos e processos importantes para a ferramenta apresentar respostas baseadas no contexto exclusivo do negócio.

A IA generativa pode ser utilizada em qualquer estágio do processo de business intelligence, mas é mais comumente utilizada para auxiliar na coleta de dados, análise de dados, visualização de dados e planejamento de ações.

As ferramentas de BI gen podem ajudar os usuários a descobrir, limpar, transformar e agregar dados para análise.  

Por exemplo, um usuário pode solicitar a uma ferramenta de BI gen que elabore um relatório sobre os gastos por unidade de negócios. A ferramenta procuraria dados relevantes em fontes de dados integradas, inclusive de registros financeiros de toda a empresa e registros específicos da unidade, padronizaria a formatação dos pontos de dados e reuniria tudo em um relatório coerente.  

As ferramentas de BI generativa podem consumir grandes quantidades de dados complexos para revelar padrões, responder a perguntas, identificar tendências e muito mais. Isso permite que os usuários tenham insights dos dados sem fazer cálculos manuais.

Por exemplo, o usuário que cria um relatório sobre gastos da unidade de negócios pode pedir à BI generativa para identificar as unidades que ultrapassaram consistentemente o orçamento nos últimos oito trimestres. O usuário também pode pedir ao BI de geração para ajudar a identificar os motivos pelos quais essas unidades podem estar gastando demais.  

O Gen BI pode transformar os resultados de sua análise em gráficos e resumos digeríveis e compartilháveis, destacando as principais métricas e outros pontos de dados e insights vitais.

Por exemplo, um usuário pode gerar um gráfico de barras que compara os gastos da unidade de negócios por trimestre com o orçamento alocado para destacar as disparidades entre os gastos planejados e os reais.  

As ferramentas de BI generativa podem recomendar etapas para as organizações seguirem com base na análise de dados. Por exemplo, a ferramenta pode recomendar a análise dos gastos da unidade de negócios por projeto para identificar projetos que não oferecem retorno suficiente para justificar o investimento contínuo.

As ferramentas de BI generativa podem permitir análises de dados avançadas e de autoatendimento. Os usuários não precisam mais dominar linguagens de programação específicas, fórmulas matemáticas ou ferramentas para trabalhar com dados. Em vez disso, podem consultar, calcular e gerar relatórios por meio de linguagem natural.

Tradicionalmente, os usuários corporativos confiam em cientistas de dados e analistas de negócios para fazer grande parte do trabalho pesado de BI para eles. A BI generativa remove grande parte da complexidade do business intelligence, permitindo que os usuários de toda a empresa tragam dados reais e em tempo real para a tomada de decisões. Por exemplo:

• Os usuários de recursos humanos (RH) podem pedir ferramentas de BI generativa para analisar tendências de talentos e fazer recomendações de planejamento da força de trabalho. 

• s equipes financeiras podem pedir ferramentas de BI generativa para criar previsões mais granulares, analisando a receita nos níveis de cliente, produto e canal.

• As equipes de cadeia de suprimentos e compras podem otimizar o inventário pedindo à BI generativa que use tendências passadas para prever padrões de compra futuros.

• As equipes marketing podem utilizar ferramentas de BI generativa para realizar análises semânticas do feedback do cliente e obter insights que possam ser usados para aprimorar a experiência do cliente.

• As equipes vendas podem utilizar ferramentas de BI generativa para analisar os efeitos de diferentes pontos de preço nos gastos dos clientes. Eles podem utilizar os resultados para otimizar os preços.

Além disso, a introdução da análise de dados de autoatendimento libera os cientistas de dados e analistas de negócios para trabalhar em projetos mais estratégicos. Em vez de responder perguntas restritas que os usuários agora possam responder sozinhos, os especialistas em dados podem criar novas ferramentas de dados ou treinar modelos de IA proprietários, por exemplo.

As ferramentas de BI generativa podem oferecer muitos benefícios

• Melhoria da adoção de ferramentas e práticas de business intelligence
• Melhoria dos resultados de inteligência de negócios
• Solução para a escassez de habilidades em ciência de dados
• Analise volumes maiores de dados mais complexos
• Redução dos custos dos esforços de BI

De acordo com uma pesquisa, apenas 25% dos usuários relatam utilizar ferramentas de business intelligence.² As baixas taxas de adoção são causadas, em parte, pela complexidade técnica dos processos tradicionais de BI.

No entanto, ferramentas de BI generativa permitem que mais usuários trabalhem diretamente com seus dados sem precisar passar por cientistas de dados e analistas. Isso, por sua vez, significa que mais pessoas podem utilizar business intelligence para apoiar decisões mais baseadas em dados em toda a organização.

Além de incentivar o uso de business intelligence, a BI generativa também pode aprimorar os resultados dos esforços de análise de dados comerciais.

Como pode processar mais dados mais rápido do que um usuário humano ou uma ferramenta tradicional de BI, uma ferramenta de BI orientada por IA muitas vezes pode identificar tendências que as pessoas poderiam não detectar.

Muitas ferramentas de BI gen também apresentam prompts de perguntas, dados e insights aos usuários para ajudar a melhorar suas análises. E as ferramentas de BI gen podem transformar os resultados da análise de dados em imagens e relatórios para facilitar o compartilhamento e o consumo. 

O BI tradicional exige uma certa experiência com dados que nem todas as pessoas têm. Pode ser difícil encontrar cientistas de dados e analistas de negócios qualificados em número suficiente para capacitar todos os projetos de BI.

Permitindo análises de autoatendimento, as ferramentas de BI generativa podem ajudar as organizações a mitigar o impacto da escassez de habilidades em ciência de dados em seus esforços de BI.

As ferramentas de BI generativa processam volumes de dados maiores do que um cientista de dados ou usuário corporativo poderia processar manualmente.

Eles também podem processar dados não estruturados, como documentos e imagens, que constituem uma parte cada vez maior dos dados de negócios. Os algoritmos de IA tradicionais, baseados em regras, podem ter dificuldades com dados que não seguem um formato rígido, mas as ferramentas de IA generativa não têm essa limitação.

A BI generativa pode ajudar as organizações a economizar tempo e dinheiro automatizando muitas das partes do business intelligence que consomem mais tempo e recursos, como execução de cálculos e criação de relatórios. Isso significa que as organizações podem gastar menos dinheiro e força de trabalho em análises de negócios sem sacrificar insights práticos.

Embora a BI generativa possa trazer muitos benefícios, a implementação de ferramentas de BI generativa não está livre de desafios. Alguns dos obstáculos mais comuns são:

• Transparência e explicabilidade
• segurança e privacidade de dados
• Alucinações
• Arquiteturas de dados ineficazes

Alguns modelos de IA se comportam como caixas-pretas, apresentando poucas informações sobre o processo por trás de seus resultados. Isso pode ser problemático nos esforços de business intelligence, em que os usuários precisam entender como os dados foram analisados para confiar nas conclusões de uma ferramenta de BI generativa.

Além disso, algumas regulamentações, como Lei de IA da UE, exigem que as organizações sejam transparentes sobre como suas ferramentas de IA processam os dados das pessoas.

O uso de ferramentas de BI generativa que explicam seu "raciocínio", incluindo os dados que utilizam e como chegam às suas conclusões, pode ajudar as organizações a manter a transparência e a explicabilidade. 

As organizações têm razões legais e comerciais para priorizar a segurança e a privacidade de dados. Certas leis, como o Regulamento Geral de Proteção de Dados da UE (RGPD) restringem como as empresas podem utilizar diferentes tipos de dados. Além disso, as violações de dados custam às organizações uma média de US$ 4,88 milhões por violação, de acordo com o Relatório do custo das violações de dados da IBM.

Alguns modelos de IA generativa não contam com medidas fortes de privacidade e segurança de dados. O mais preocupante é o fato de que as organizações podem não ser capazes de controlar como esses modelos utilizam seus dados depois de consumi-los.

Ferramentas de BI generativa com recursos integrados de segurança de dados e governança de dados podem ajudar as organizações a manter o controle sobre seus dados e impedir o acesso não autorizado.

Modelos de IA podem ter alucinações. Ou seja, podem inventar coisas e gerar resultados falsos. As alucinações podem inviabilizar projetos de business intelligence, levando a estratégias e etapas de ação baseadas em informações incorretas.

As organizações podem mitigar alucinações treinando ferramentas de BI generativa apenas em conjuntos de dados relevantes para os negócios e de alta qualidade. Eles também podem explorar outras técnicas, como a geração aumentada de recuperação (RAG), que permite que um LLM baseie suas respostas em uma fonte externa de conhecimento factual.

Como qualquer modelo de IA generativa, as ferramentas de BI generativa precisam acessar grandes quantidades de dados de qualidade. Uma arquitetura de dados corporativos fragmentada, na qual os dados são isolados e espalhados por toda a organização, pode impedir que uma ferramenta de BI generativa acesse os dados necessários.

Uma arquitetura de dados eficaz, com os sistemas de armazenamento de dados apropriados conectados em uma malha de dados integrada, pode ajudar a garantir que as ferramentas de BI generativa tenham os dados necessários para produzir resultados de qualidade.