Para detetar erros nos dados da empresa antes de chegarem aos relatórios, defina o que é um dado correto em cada área, procure de forma sistemática os erros mais comuns (registos duplicados, campos em falta, valores impossíveis, datas fora do período e totais que não batem entre tabelas) e corrija-os na origem, e não na folha de cálculo. Uma verificação curta e regular, feita antes do fecho do mês, evita que um número errado chegue à reunião de direção.
Quase todas as PME já passaram por isto. Na reunião aparecem dois valores diferentes para as vendas do mês, ou um cliente com um prazo médio de recebimento impossível, e a conversa passa da decisão para a discussão sobre qual dos números está certo. Raramente o problema está no relatório. Está nos dados que o alimentam. Este artigo explica que erros procurar, como organizar a verificação e o que uma ferramenta de análise pode fazer pela equipa.
Porque é que os erros nos dados chegam aos relatórios?
Os dados de uma empresa são escritos por muitas pessoas, em sistemas diferentes e muitas vezes com pressa. Os erros entram por caminhos conhecidos.
- Introdução manual. Um cliente criado duas vezes com o NIF escrito de forma diferente, um artigo com a unidade trocada, uma data com o ano errado.
- Importações e integrações. Um ficheiro importado duas vezes, ou uma integração que falhou a meio e deixou registos incompletos.
- Mudanças de sistema. Depois de uma migração de ERP, os códigos antigos e os novos convivem, e nem sempre correspondem.
- Regras que mudaram. Uma nova família de artigos ou um novo centro de custo que os relatórios antigos não conhecem.
O relatório não tem forma de saber que um valor está errado. Soma o que encontra. Por isso a verificação tem de acontecer antes, nos próprios dados.
Que erros são mais comuns nos dados de uma PME?
A qualidade dos dados mede-se pelo número de registos que falham testes simples. Estes são os tipos de erro que mais vezes distorcem um relatório.
| Tipo de erro | Exemplo | Efeito no relatório |
|---|---|---|
| Registo duplicado | O mesmo cliente com duas fichas, ou a mesma fatura lançada duas vezes | Vendas ou custos inflacionados, clientes contados a dobrar |
| Campo em falta | Faturas sem centro de custo, artigos sem família | Valores que ficam fora de qualquer agrupamento |
| Valor impossível | Quantidades negativas numa venda, preços a zero, margens acima de 100% | Médias e totais distorcidos |
| Data fora do período | Um documento datado do ano seguinte, ou com o vencimento antes da emissão | Movimentos no mês errado e prazos médios sem sentido |
| Inconsistência entre tabelas | Linhas de fatura que não somam o total do cabeçalho, encomendas de um cliente que não existe | Totais diferentes conforme o relatório que se abre |
Os duplicados merecem atenção especial. Um cliente com duas fichas parte as vendas em duas, e nenhuma das metades parece relevante. Um artigo com dois códigos mostra stock num e zero no outro.
Como verificar os dados passo a passo?
Não é preciso um projeto de qualidade de dados para começar. Uma rotina simples, repetida todos os meses, resolve a maior parte dos casos.
- Escolha as tabelas que alimentam as decisões. Clientes, artigos, faturas, encomendas e movimentos financeiros costumam chegar. Não tente verificar tudo de uma vez.
- Escreva o que é um registo correto. Por exemplo, um cliente tem um NIF válido e único, uma fatura tem a data dentro do período e o total igual à soma das linhas, e um artigo tem família e unidade.
- Conte as falhas de cada regra. Quantos clientes sem NIF, quantas faturas com o total diferente da soma das linhas, quantos artigos sem família. O número dá a dimensão do problema e mostra, mês a mês, se está a melhorar.
- Corrija na origem. Uma correção feita só na folha de cálculo desaparece no mês seguinte. A ficha errada tem de ser corrigida no ERP ou no sistema de onde veio.
- Feche a porta por onde o erro entrou. Se os duplicados vêm sempre da mesma importação, a solução está na importação, e não na limpeza mensal.
- Repita antes de cada fecho. Uma verificação curta antes do fecho do mês poupa horas de explicações depois.
Um exemplo prático antes do fecho do mês
Imagine uma empresa industrial com cerca de 150 pessoas, um ERP com cinco anos de histórico e um relatório mensal de vendas e margens para a administração. No último fecho, a margem de uma família de produtos subiu de forma inesperada, e a direção financeira passou dois dias a perceber porquê.
Com uma verificação antes do fecho, os testes teriam mostrado três situações. Um conjunto de faturas de venda com o custo do artigo a zero, porque os artigos tinham sido criados de novo sem o custo padrão. Dois clientes com fichas duplicadas, cada uma com parte das vendas. E um lote de devoluções datadas do mês seguinte, que ficaram fora do período.
Nenhuma destas situações é rara, e nenhuma se vê no relatório final. Vê-se nos dados, quando alguém os procura com as perguntas certas. Neste exemplo, a margem anormal desaparecia depois de corrigidos os custos dos artigos novos, e a reunião de direção podia discutir o negócio em vez dos números.
Que ferramentas ajudam a encontrar inconsistências?
Há várias formas de fazer esta verificação, e a escolha depende do volume de dados e de quem a faz.
- Folhas de cálculo. Servem para começar, com filtros e fórmulas que contam duplicados e campos vazios. O limite aparece quando os dados crescem ou quando a verificação depende de uma só pessoa.
- Regras no próprio ERP. Campos obrigatórios e validações na introdução evitam muitos erros à entrada. Não apanham os que já lá estão.
- Consultas à base de dados. Quem sabe SQL pode escrever um conjunto de consultas de verificação e corrê-las todos os meses. É eficaz, mas fica nas mãos de quem as sabe escrever e manter.
- Ferramentas de análise de dados. Algumas percorrem a base de dados à procura de inconsistências e mostram o que merece atenção, sem que alguém tenha de saber onde procurar.
Seja qual for a ferramenta, convém que mostre de onde vem cada número. Uma resposta que não se consegue verificar é mais um sítio onde um erro se pode esconder. Escrevemos sobre isso em como verificar as respostas de uma IA sobre os dados da empresa.
Como o EngiAnalytics ajuda a encontrar erros nos dados?
O EngiAnalytics é a plataforma de análise de dados conversacional da Engibots. Além de responder a perguntas em linguagem natural, faz descoberta exploratória, ou seja, percorre a base de dados à procura de inconsistências e mostra o que merece ser corrigido antes de chegar a um relatório.
Cada resposta traz uma frase em linguagem natural a dizer o que a consulta devolve e, se essa frase citar um número que não está nos dados devolvidos, o leitor é avisado. A consulta SQL que deu origem a cada resposta pode ser aberta e copiada, ao lado da tabela com os dados devolvidos, para que qualquer número possa ser verificado na origem. No arranque, um ecrã de primeiros passos mostra o que o produto já entendeu dos dados, das áreas de negócio ao período disponível.
O EngiAnalytics liga-se a bases de dados MySQL e PostgreSQL, incluindo as de ERP e CRM que corram nesses motores, e a ficheiros CSV e Excel, sem migração nem substituição de sistemas. A equipa passa a saber onde olhar, e a correção continua a fazer-se no sistema de origem.
Um bom ponto de partida é escolher três tabelas, escrever duas ou três regras para cada uma e contar as falhas antes do próximo fecho. Esse primeiro número já mostra quanto se pode confiar nos relatórios que hoje chegam à direção.
Perguntas frequentes
O que é a qualidade dos dados?
É a medida em que os dados de uma empresa estão completos, corretos, sem duplicados e coerentes entre sistemas. Mede-se contando os registos que falham regras simples, como um cliente sem NIF ou uma fatura cujo total não bate com a soma das linhas.
Quais são os erros de dados mais comuns numa PME?
Registos duplicados, campos em falta, valores impossíveis, datas fora do período e inconsistências entre tabelas, como linhas de fatura que não somam o total do cabeçalho.
Com que frequência se devem verificar os dados?
Pelo menos antes de cada fecho do mês, e sempre depois de uma importação grande ou de uma mudança de sistema. Uma verificação curta e regular funciona melhor do que uma limpeza anual.
Os erros corrigem-se no ERP ou no relatório?
No ERP, ou no sistema de onde o dado veio. Uma correção feita só no relatório ou na folha de cálculo perde-se no mês seguinte e deixa o erro à espera do próximo relatório.
O que faz a descoberta exploratória do EngiAnalytics?
Percorre a base de dados à procura de inconsistências e mostra o que merece ser corrigido antes de chegar a um relatório.