A inteligência de negócio tradicional baseia-se principalmente em análises descritivas, ou seja, parte-se de dados históricos para obter conclusões que procuram explicar por que razão, certas situações ocorreram, permitindo-nos compreender a nossa situação atual, mas fazendo pouco para contribuir para a tomada de decisões ou para a definição de estratégias futuras.

Felizmente, a análise descritiva não é a única técnica disponível, uma vez que a análise preditiva, baseada em informação histórica e na utilização de modelos matemáticos e estatísticos, permite-nos inferir o que vai acontecer no futuro.

Finalmente, a análise prescritiva baseia-se em técnicas descritivas e preditivas para nos orientar na tomada de decisões e na definição de novas estratégias.

As análises preditivas e prescritivas correspondem ao que muitas vezes é conhecido como analíticas avançadas, que envolve usar e adquirir conhecimento para melhorar as decisões que queremos projetar no futuro. 

Grande parte do sucesso ou insucesso de uma estratégia de análise de dados provém do facto de existirem dados de qualidade disponíveis, mas a verdade é que isso nem sempre é possível. É aqui que aparecem dois conceitos-chave: a governação e a qualidade dos dados. Embora ambos os conceitos sejam semelhantes, podemos distingui-los principalmente pelo facto de uma estratégia de governação de dados considerar tudo o que está relacionado com o ciclo de vida dos dados e dentro deste ciclo está a qualidade dos dados.

A governação de dados é definida como uma estratégia em torno dos dados, através da qual a qualidade e o processamento dos dados são melhorados, resultando numa melhoria da tomada de decisão a longo prazo, maximizando as capacidades de análise de informação. Uma estratégia de governação deve considerar, pelo menos, os seguintes elementos:

• Estabelecer e criar estratégias e políticas de governação de dados para conhecer qual a informação, como, quando e quem a utiliza, garantindo ao mesmo tempo a qualidade e a unicidade dos dados.
• Capacitar as tecnologias, ferramentas e arquitetura de dados através da implantação de uma plataforma apropriada que permita a recolha, armazenamento, exploração, controlo de acesso e qualidade dos dados.
• Definir a coordenação do ciclo de vida dos dados para gerir adequadamente a incorporação de novas fontes de informação.

O enriquecimento de dados é outro elemento-chave num contexto de analíticas avançadas, porque os dados que possuímos restringem muitas vezes a capacidade analítica.

Esse enriquecimento é entendido como um processo pelo qual se pode expandir o valor dos dados, incorporando informação externa complementar que pode melhorar as perspetivas geradas.

Através do enriquecimento de dados é possível, por exemplo, não só ter os endereços dos clientes mas também, com base nessa informação específica existente nos sistemas, acrescentar valor incorporando dados geográficos e/ou meteorológicos que podem ser de grande utilidade para compreender o comportamento dos clientes e, por exemplo, definir estratégias de marketing personalizadas ou produtos ad-hoc adequados às necessidades reais dos clientes.