O Modelo Associativo

De Qknow
Ir para: navegação, pesquisa

O modelo Associativo da Plataforma Qlik

Associative02.png

O Modelo Associativo responde pela capacidade de explorar os dados utilizando os produtos Qlik, habilitando os usuários de todos os níveis da organização e verem a história completa das informações que reside por trás dos dados. Patenteado, o modelo In-Memory Associativo (QIX Engine) permite visualizar a relação de associação de todos os dados carregados de diversas fontes. Os usuários, na prática, podem explorar todo o potencial dos dados através de simples buscas e seleções respondendo questões em diferentes direções sem restrições ou fronteiras.

Diferente de ferramentas baseadas em visualização providas pelo BI tradicional, os produtos Qlik não limitam o usuário a estruturas hierárquicas pré-estabelecidas. Até porque, criação não é exploração dos dados. A maior parte (se não todas) as ferramentas de visualização conduzem o usuário a analisar os dados através de pesquisas e novas visões gráficas. Porém, mesmo chamando esses recursos de self-service visualization, esta técnica requer que o usuário compreenda o modelo de dados e como construir suas análises.

Mas o que ocorre após os especialistas de BI construírem os dados previamente? O que acontece com os usuários de negócio que precisam ir além das fronteiras de simplicidade de criação de gráficos? O que esperar quando estes usuários querem ir além, querem explorar!? Claro que os produtos Qlik oferecem uma experiência sofisticada para criar visualizações. Muitos dos artigos presentes nesse portal demonstram isso. Mas enquanto isso é o final do percurso para a maior parte das ferramentas de BI tradicional, isso é só o começo para o ferramental Qlik. O modelo associativo de dados fornece a todos uma simples e poderosa forma de explorar de maneira analítica e refinada os dados, conexões, descobertas, além de fornecer insights para tornar o processo de tomada de decisão mais seguro e confiável.


Ferramentas Baseadas na Visualização

Ferramentas de visualização que utilizam de instruções SQL (structured query language) para pesquisar, ligar e analisar criam pontos cegos no entendimento dos dados. Estas ferramentas usam uma estrutura linear para visualizar parte dos sub-conjuntos de dados, ao invés de oferecer uma forma livre de exploração e pesquisa em todos os dados disponíveis. Embora muitas destas ferramentas de BI tradicional simulem o efeito da exploração dos dados, rapidamente esbarram em limites de desempenho e flexibilidade. De fato, a única forma de explorar dados em uma solução baseada em SQL é criando novos elementos gráficos com novas instruções, o que na prática não é algo comum e fácil para a maior parte dos usuários de negócio.

Ferramentas baseadas em consultas SQL extraem um sub-conjunto dos dados em forma de um bloco de registros (ou dataset) e retornam os registros em forma tabular destinado a uma visualização específica. Claro que esse fragmento esconde e pode distorcer uma série de elementos importantes sobre a massa completa de dados, dificultado a análise do sub-conjunto em relação ao todo. E, neste caso, claro que o resultado são sempre os valores relacionados e nunca, jamais, aqueles não relacionados que, por vezes, são até mais importantes dependendo do contexto.

A flexibilidade das ferramentas baseadas em SQL é questionável na medida em que o usuário é limitado ao resultado da consulta. Se a exploração ultrapassa a fronteira de um filtro, o usuário precisa envolver a área de tecnologia de BI para recuperar e carregar a nova parcela dos dados que pode conter a resposta para a nova pergunta. Em muitos casos, quando o usuário interage com um elemento gráfico, os demais objetos visuais não reagem ao contexto por serem construídos com base em uma instrução SQL diferente que pode não ter nenhuma relação de campo dos demais gráficos, ocultando e gerando pontos cegos na exploração. Parte das ferramentas baseadas em SQL procuram resolver esse gap incluindo vários elementos gráficos em um dashboard, mas logo isso se torna um problema de desempenho.

Tropeços e Contratempos

Associative03.png

Perda de Informação

Se a informação é carregada de várias fontes, ferramentas baseadas em consultas SQL podem não alcançar o resultado equivalente a junção das duas ou mais bases. O resultado é a perda visual de uma das partes, o que o usuário de negócio pode não estar ciente (e geralmente não está).

Resultados Incorretos

Baseado em consultas SQL, o usuário de negócio requer um alto conhecimento do modelo de dados e precisa estar familiarizado com os conceitos de relacionamento e cardinalidade. Doutra forma, o risco de obtenção de dados incorretos é altíssimo, sobretudo quando mais tabelas são envolvidas.

Baixo Desempenho

Ferramentas baseadas em SQL estão a mercê do desempenho do banco de dados que as suportam. E não importa quão robusto um banco de dados pode ser, o desempenho uma hora será afetado pelo inúmero conjunto de consultas SQL que são disparadas contra o banco de dados simultaneamente. Sem contar quando os conjuntos de dados estão hospedados em plataformas diferentes e precisam ser conectados umas às outras. Neste momento, os dados completos são obtidos de uma das partes e relacionados a uma outra instrução SQL provida da segunda conexão, elevando o tempo de resposta.


Analogia

Associative04.png

Assuma que o usuário queira entender como funciona um motor a combustão. Com uma ferramenta baseada em consultas SQL, ele pode ver os componentes individuais realizando buscas (instruções SQL) por partes individuais do motor. É possível avaliar cada componente, mas não a relação que existe entre eles. Com o modelo associativo é possível ao usuário analisar o motor inteiro, cada parte individualmente e as ligações que existem entre elas. Ao apertar o acelerador (fazer uma seleção) é possível ver o efeito do combustível sendo injetado, o movimento do sistema de injeção e por último a exaustão dos gases. Será possível visualizar os pistões se movimentando e outras funções do motor reagindo a uma única interação.

Neste contexto, o usuário não foi forçado a pensar em cada parte que deveria se mover ao pisar no acelerador. Ao contrário, esta foi uma relação automática dos componentes que se ligam. Este é o poder do modelo associativo. Com uma pequena interação, o usuário é capaz de percorrer um conjunto enorme de dados relacionados dentro e fora do contexto da ação. Por exemplo, os faróis do carro não foram acionados pelo pisar do acelerador. Ou seja, estão fora do contexto e mesmo assim o usuário pode constatar facilmente que esta parte do veículo não reagiu. Não há restrição para visualizar parte dos dados como ocorreria em uma instrução SQL tradicional. Tudo está sempre disponível!

O Modelo Associativo

O modelo associativo permite que usuários de todos os níveis possam explorar os dados e refinar o contexto através de pesquisas e seleções, começando de qualquer lugar a qualquer momento. Cada vez que o usuário interage através de uma click em um elemento do QlikView/QlikSense, o QIX (algorítimo associativo) responde instantaneamente, recalculando dinamicamente todos os elementos com base no novo contexto em todas as associações existentes de múltiplas bases de dados/arquivos. O feedback instantâneo incentiva os usuários a pensar em novas questões e a continuar no seu caminho de exploração sem limites. O modelo associativo está sempre pronto para a próxima pergunta!

Associative05.png

Uma associação é simplesmente uma relação que existe entre o valor de uma coluna/campo e o valor de outra coluna/campo em qualquer fonte de dados. Por exemplo, um produto pode ser vendido em certos países mas não em outros. Este produto poderia estar associado com um país e não relacionado a outros. No modelo associativo, se um produto é selecionado ele será apresentado em verde, enquanto os países associados (onde houveram vendas do produto) aparecerá em branco e os países onde jamais houve uma venda será apresentado em cinza.

Uma associação pode ser positiva por natureza. Ou seja, o valor selecionado tem referências (associações) com outros valores de outras tabelas ou, negativo, quando o valor selecionado não tem propagação em outras tabelas, sendo apresentados em cinza. Associações podem envolver diversas origens e tabelas. No exemplo, o produto foi vendido para alguns países, mas também foi produzido por fábricas, transportado por empresas de logística, armazenado em estoques da companhia, comercializados por vendedores e assim por diante.

Associações podem trabalhar em qualquer direção. Ou seja, se um país é selecionado ao invés de um produto, todos os produtos comercializados naquele país são automaticamente selecionados. E claro, países estão em continentes, possuem regiões, estados, cidades, etc. Usuários raramente saberão quais são as associações (relacionamentos) em uma ferramenta baseada em consultas SQL. Adicionalmente, a maneira de exibir os valores fora da seleção (em cinza) auxiliará o tomador de decisões a expandir os negócios para países que ainda não adquiriram o produto, o que tipicamente é bem mais complexo de se realizar em uma solução baseada em SQL.

Tudo Num Só Lugar

O modelo associativo integra os dados de diversas fontes sem sofrer com a perda de dados causada pelo processo de ligação conhecido como Joins. Ter acesso a todos os dados permite que o QIX exponha as associações dinamicamente conforme a necessidade de interação do usuário. Isso significa que o usuário terá uma completa compreensão das informações sem pontos cegos ou informações equivocadas.

Explorar e Pesquisar

Com este modelo os usuários analíticos podem explorar associações através de um processo de perguntas recorrentes, natural em um modelo de análise de dados onde um relatório gera novos questionamentos baseando-se nos dados obtidos. As perguntas podem começar em qualquer lugar do processo sem saber aonde as respostas os levarão.

1. Faça uma pergunta.

Use seleções e buscas com linguagem natural (não SQL).
Faça qualquer pergunta, não somente aquelas pré-definidas em um modelo tradicional de BI.
Interaja com formas visuais atraentes e gráficos elaborados.

2. Recebe uma resposta instantânea.

Associações relevantes (verde, cinza e branco).
Todos os gráficos e cálculos atualizados imediatamente com base na interação.
Novo contexto, nova situação dos resultados aplicado ao dashboard inteiro, independente das fontes de dados.

3. Avalie os resultados, faça descobertas e formule a próxima pergunta.

Navegue e visualize os resultados em todas as formas visuais.
Entenda como os dados estão associados a seleção atual.
Formule novas questões com base nesse feedback.

Um Exemplo de Exploração e Descoberta

Associative06.png

Neste exemplo, o usuário inicia por uma pergunta aberta, ampla, e continua com uma série de perguntas que o levam a entender melhor o negócio como um todo. A questão em torno de um cliente específico em uma região é bastante relevante. Outros usuários poderiam iniciar o questionamento a partir de uma perspectiva diferente, mas as respostas estariam disponíveis sem que novas construções de consultas SQL sejam necessárias. O valor está em responder a mais usuários através de um processo de descoberta de negócio.

Além dos recursos associativos, uma pesquisa avançada (Smart Search) permite uma abordagem simples para responder quaisquer questões. Entrando com um valor de pesquisa o Qlik realiza a busca em todo o modelo de dados carregados. Ou seja, em todos os campos e todos os registros, resultando imediatamente nos valores mais relevantes ao usuário. Esta capacidade permite o usuário começar a análise a partir de qualquer ponto dos dados.








Benefícios

  • Com o modelo associativo os usuários podem ver não somente os valores positivos (brancos), mas também os não relacionados. Estes valores exibidos em cinza são fundamentais para exibir situações de risco ou oportunidades de crescimento. Por exemplo, se você selecionar um conjunto de produtos será possível notar quais são as categorias que não estão sendo vendidas.
  • O contexto de seleção do usuário é mantido em todos os dados da aplicação BI em QlikView. Quando o usuário interage com um objeto do painel por meio de um filtro ou seleção, todos os dados e suas associações são imediatamente atualizadas e calculadas. Não são os elementos gráficos que atuam uns nos outros. É o modelo de dados. Os gráficos apenas refletem o que o modelo associativo fez.
  • Não há pontos cegos e nenhuma restrição para o usuário que fica livre para explorar e pesquisar todos os dados em qualquer direção acessando rapidamente as associações (relações) que existem entre as diferentes fontes. Esta flexibilidade é crítica quando a pesquisa dos usuários pode ocorrer por diferentes ângulos e pontos de vista, em diversos níveis, habilitando uma visão completa.



Página Principal