Questão de Banco de Dados — BI (Business Intelligence) — Quadrix 2025
Banco de Dados›BI (Business Intelligence)
Código
qg594937
Banca
Quadrix
Órgão
CFO
Ano
2025
Nível
Superior
Cargo
Analista de Infraestrutura
Business inteligence (BI) e analytics são ferramentas que estão ajudando as empresas a entenderem melhor a dinâmica de seus próprios negócios e estão cada vez mais presentes nas preocupações dos responsáveis pela infraestrutura de TI. Com base nessa informação, julgue o item a seguir.Analytics pode ajudar a personalizar a experiência do cliente.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Analytics e personalização da experiência do cliente
Gabarito: CERTO. Analytics, como componente do ecossistema de Business Intelligence (BI), permite analisar grandes volumes de dados sobre o comportamento, preferências e histórico dos clientes, viabilizando a personalização da experiência — desde recomendações de produtos até ofertas e conteúdos sob medida. A afirmação está correta.
O termo Business Intelligence (BI) é um conceito guarda-chuva que combina arquitetura, ferramentas, bancos de dados, ferramentas analíticas, aplicações e metodologias com o objetivo de habilitar o acesso interativo aos dados, a manipulação desses dados e a capacidade de conduzir análises apropriadas. Dentro desse guarda-chuva, o Business Analytics (ou análise de negócios) é um dos quatro componentes centrais de um sistema de BI, ao lado do Data Warehouse, do Gerenciamento de Desempenho de Negócio (BPM/CPM) e da Interface de Usuário.
O Business Analytics é a variedade de ferramentas e técnicas para trabalhar dados e informações, incluindo relatórios, consultas, mineração de dados (data mining) e ferramentas estatísticas. É exatamente essa capacidade analítica que permite às empresas entenderem o comportamento do cliente em detalhes — o que ele compra, quando compra, por quais canais prefere interagir, quais conteúdos consome — e, a partir desse entendimento, personalizar a experiência de cada usuário.
Na prática, a personalização acontece quando uma empresa de e-commerce analisa o histórico de compras e navegação de um cliente e, com base nesses dados, exibe recomendações de produtos semelhantes ou complementares aos que ele já demonstrou interesse. Ou quando um serviço de streaming analisa o histórico de visualizações para sugerir filmes e séries alinhados ao gosto do usuário. Esses são exemplos clássicos de como a análise de dados (analytics) alimenta a personalização.
É importante distinguir os tipos de análise que compõem o analytics, pois todos contribuem para a personalização em diferentes níveis:
Tipo de Análise
Pergunta que responde
Aplicação na personalização
Descritiva
"O que aconteceu?"
Mostra o histórico de compras e interações do cliente
Diagnóstica
"Por que isso aconteceu?"
Identifica os fatores que levaram um cliente a abandonar o carrinho
Preditiva
"O que vai acontecer?"
Antecipa quais produtos o cliente provavelmente comprará em seguida
Prescritiva
"O que deve ser feito?"
Recomenda a ação ideal, como enviar uma oferta personalizada
A pegadinha que a banca poderia explorar aqui é confundir analytics com as atividades operacionais do BI, como a simples extração e carga de dados (ETL). Mas a questão é direta: analytics, por definição, envolve a análise de dados para gerar insights, e a personalização da experiência do cliente é uma aplicação direta e amplamente reconhecida desse conceito.
NÃO CAIA NESSA!
A banca poderia tentar confundir o candidato ao associar analytics apenas a relatórios descritivos ou ao processo de ETL. Mas analytics vai além: inclui técnicas preditivas e prescritivas que são exatamente o que possibilita a personalização. Fique atento: personalização exige análise avançada de dados, não apenas coleta e armazenamento.