BI e ferramentas analíticas: união que faz a diferença

A união entre business intelligence e análise de texto está começando a produzir forte impacto sobre empresas de diversos setores, como serviços de saúde, seguro e finanças, que estão passando a perceber os benefícios de vincular informações de BI estruturadas a texto não-estruturado.

As ferramentas de análise de texto utilizam lingüística, processamento de linguagem natural baseado em regras, algoritmos especializados e outros métodos para impor ordem ao texto não-estruturado espalhado pela corporação.

Um número crescente de executivos de TI está empregando software de análise de texto para explorar diferentes aplicações de gerenciamento de documentos e sistemas de e-mail, blogs e sites. A meta é dar vida nova a relatórios de BI estáticos.

Ao extrair fatos, conceitos e relações de dados enterrados no texto, o software de análise de texto transforma esta informação não-estruturada em dados modelados que, então, podem ser vinculados a bancos de dados de BI.

A análise de texto promete aprimorar o contexto e o significado dos dados de BI, que, com freqüência, são apresentados como  “enlatados” tirados de data warehouses ou de aplicações importantes, como ERP ou CRM.

Apesar de poderosa, a combinação de análise de texto e BI ainda não é padrão. “A maioria das pessoas associa business intelligence a online analytical processing [OLAP], que enfoca dados estruturados em termos do processo e da interface com o usuário”, diz Boris Evelson, analista da Forrester Research.

“Porém, para serem mais eficazes, as experiências com OLAP precisam trazer dados não-estruturados para a análise de uma maneira integrada e transparente para o usuário”, aponta.

Na realidade, apesar de gastarem somas elevadas na criação de bancos de dados de BI sofisticados, muitos executivos acham que uma parcela substancial de dados vitais continua aprisionada sob a forma de texto em todos os cantos da empresa, observa David O’Connell, analista da Nucleus Research.

“Estes dados contêm informação importante sobre tendências da concorrência, marketing, campanhas de vendas e CRM. Mas você só descobre e rastreia estas tendências quando automatiza a análise e a combina com BI”, afirma O’Connell.

“A união de análise de texto a aplicações de BI tradicionais — um processo que não é terrivelmente caro, pois exige pouca limpeza dos dados — amplia o valor de iniciativas de BI. No fim, as empresas obtêm um novo retorno sobre os investimentos em BI existentes.”

A seguradora BlueCross BlueShield (BCBS) é um bom exemplo dos benefícios de expandir BI através de análise de texto. A BCBS juntou as duas tecnologias com êxito para aperfeiçoar a análise dos custos de segurar membros com alto risco e baixo risco em quatro categorias de doenças.

O sistema da empresa é movido pelo Cognos 8 BI versão 8.2 da Cognos e duas ferramentas de análise de texto: Text Miner da SAS Institute e Omni¬Find Analytics Edition da IBM. Ambas as ferramentas de análise de texto estão desempenhando um grande papel na aplicação de prova de conceito da seguradora.

++++

O Text Miner da SAS manipula dados contidos em diversos tipos de arquivos — PDF, ASCII, HTML e Microsoft Word — e torna disponíveis textos como uma representação numérica usando a tecnologia Singular Value Decomposition. Estes modelos numéricos são empacotados para residir em clientes BI, incluindo o Microsoft Excel e muitas soluções de BI da SAS.

As ofertas de análise de texto da IBM são centradas principalmente no Unstructured Information Management Architecture (UIMA), um produto da divisão de pesquisa da empresa. O UIMA utiliza algoritmos core para executar o processamento de linguagem necessário para transformar texto não-estruturado em componentes que podem ser integrados a middleware e sistemas como o WebSphere Portal Server e o Lotus Workplace, os quais, com freqüência, hospedam aplicações de BI.

À medida que os fornecedores de software se empenharem em acrescentar funcionalidade de análise de texto aos seus portfólios de BI, os integradores de sistemas serão os primeiros a capitalizar o interesse corporativo pelos sistemas combinados, sentencia Evelson, da Forrester.

“Ainda é, em grande parte, um jogo de integração”, diz ele. Além do investimento em software, é preciso destinar cerca de 4 dólares a integração de sistemas para cada dólar gasto com software.”

BI e análise de texto evitaram a amputação de uma perna
Aliar análise de texto a business intelligence fez uma grande diferença na vida de uma profissional de TI que utilizou os conceitos subjacentes ao casamento entre as duas tecnologias para impedir que a perna do seu marido fosse amputada.

Para Patricia Cerrito, professora de matemática da Universidade de Louisville, o abismo entre BI e texto tinha repercussões potencialmente devastadoras. Com diabete e osteomielite, uma inflamação do osso causada por infecção, o marido de Patricia enfrentou a possibilidade de uma amputação logo abaixo do joelho.

Um tratamento alternativo envolvia um determinado antibiótico. Mas os médicos relutavam em consentir a não ser que Patricia, pessoalmente, fornecesse informação sobre dosagem e efeitos colaterais. “Os médicos sabiam que tínhamos conhecimento nesta área e, afinal de contas, a perna era do meu marido”, diz a professora, acrescentando que a maioria dos médicos é receptiva a adiar uma amputação contanto que isso seja feito com um grau de segurança.

Para coletar a informação solicitada, Patricia reuniu dados de BI estruturados relacionados a prescrições e combinou com informação preparada por médicos individuais.

O problema era que a informação sobre pacientes preparada por médicos tende a ficar espalhada em diferentes aplicações de gerenciamento de documentos e outros sistemas. “Os médicos são empreendedores independentes. Por esta razão, a mudança é lenta, principalmente quando envolve mudar a perspectiva do gerenciamento de doenças”, aponta.

Agora, Patricia quer ajudar a tornar disponíveis mais informações sobre tratamentos alternativos para doenças específicas por meio da criação de interfaces entre bancos de dados de BI estruturados e texto não-estruturado.
Com o uso do SAS Text Miner, “já é possível examinar decisões criando seqüências de texto a partir de múltiplas colunas de informação”, revela.

O Text Miner explora estas seqüências, formatando e classificando documentos depois de detectar relações entre as porções de informação baseadas em texto. Desta forma, Patricia, seu marido e seus alunos podem pesquisar dados armazenados nos sistemas de cobrança do hospital e em anotações em prontuários médicos.

Patrícia volta ao ponto de partida para ajudar as pessoas. “Esta experiência me levou a pensar se outros pacientes em circunstâncias semelhantes teriam a perna amputada por desconhecer alternativas”, questiona.

Computerworld, EUA