BI para indústria têxtil: dashboards que decisores realmente usam

Numa fábrica de malhas em Vizela, o diretor industrial abre o portátil às 7h30 e faz o que faz há doze anos: extrai um mapa do ERP para Excel, cola-o noutro ficheiro que herdou do antecessor, corre uma macro que ninguém sabe explicar, e às 9h tem finalmente um número de produção do dia anterior. Esse número já está errado — foi calculado com os apontamentos que a chefe de turno da noite ainda não fechou. E quando a casa-mãe espanhola liga a perguntar pelo estado da encomenda 4471, ele responde "estou a ver isso" — que em português industrial significa "não faço a mínima ideia".

Isto não é falta de dados. É excesso de dados sem estrutura de decisão. Business Intelligence para a indústria têxtil não é sobre gráficos bonitos — é sobre transformar o ERP num sistema que responde a perguntas antes de o problema custar dinheiro. Este artigo é o guia completo de como lá chegar, com os números, os erros e o contexto português que os artigos genéricos não têm.

1. O problema operacional real

O têxtil português vive de margens finas e prazos apertados. Uma confeção que trabalha para a Inditex tem janelas de entrega medidas em dias, não semanas. Uma tinturaria no Vale do Ave tem de provar rastreabilidade de lote quando a marca exige conformidade com a Estratégia da UE para Têxteis Sustentáveis e Circulares. E o calçado de Felgueiras gere coleções de 800 a 1200 SKUs com três eixos — cor, tamanho, forma — que nenhum mapa de Excel sobrevive a modelar.

O problema não é a ausência de informação. É que a informação vive em silos que não conversam, e chega tarde demais para servir de alguma coisa.

Os dados existem — mas ninguém confia neles

Quando pedimos a um diretor de produção para nos mostrar como calcula a eficiência de uma linha, o percurso é quase sempre o mesmo: apontamentos manuais em papel, transcritos ao fim do turno, agregados numa folha de cálculo por alguém do escritório, comparados com uma quantidade teórica que já ninguém revê há anos. O resultado tem três problemas de origem.

• Chega com 24 a 48 horas de atraso — quando a decisão de reafectar uma máquina já não tem efeito.
• Contém erros de transcrição que ninguém audita, porque auditar exigiria refazer o trabalho todo.
• Não é comparável entre secções, porque cada chefe de turno conta as unidades à sua maneira.

O CFO, entretanto, vive noutro universo de dados: margens por cliente, prazos médios de recebimento, rotação de stock. Esses números vêm da contabilidade, fecham ao mês, e quando chegam à mesa da administração descrevem um passado que já não se pode corrigir. Há aqui uma assimetria temporal cruel: o diretor de produção quer números de horas, o CFO trabalha em meses, e o CEO quer os dois no mesmo ecrã à mesma hora. Nenhuma folha de Excel reconcilia bem estas três velocidades.

O custo escondido do "estou a ver isso"

Vale a pena decompor o que custa aquela frase. Numa confeção com 80 colaboradores, o diretor industrial gasta em média a primeira hora de cada dia a compilar números que já existem — só não estão consolidados. São cinco horas por semana de uma das pessoas mais caras da estrutura, gastas em transcrição e reconciliação em vez de decisão. Multiplique por cinquenta e duas semanas e tem um mês e meio de trabalho anual de um quadro sénior a fazer o que uma máquina faz em segundos.

Mas o custo real não é o tempo. É a decisão que não se toma porque o número chegou tarde. A linha 3 que correu duas horas com a tensão de fio mal calibrada e só se percebeu no fecho do turno. A encomenda que atrasou porque ninguém viu que o lote de tinturaria estava retido em controlo de qualidade. O cliente alemão que reduziu a quota do ano seguinte porque a taxa de cumprimento de prazos foi de 84% quando o contrato exigia 95% — e ninguém, dentro de casa, sabia esse número antes de a marca o apresentar.

A reunião de segunda-feira que não decide nada

A patologia clássica da PME industrial portuguesa é a reunião semanal onde três pessoas trazem três versões diferentes do mesmo número. O diretor comercial diz que faturaram X. O financeiro diz que foi Y. O responsável de produção fala de unidades, não de euros. Perde-se meia hora a reconciliar versões antes de sequer se começar a decidir.

A raiz do problema é quase sempre semântica, não tecnológica. Cada departamento definiu "unidade produzida" de forma diferente. O comercial conta o que faturou. A produção conta o que saiu da linha, incluindo o que ficou em segunda escolha. O armazém conta o que entrou em stock. São três números legítimos que descrevem três coisas diferentes — e a reunião gasta-se a descobrir que estavam todos certos, cada um à sua maneira.

Se a primeira meia hora de uma reunião é gasta a discutir de quem é o número certo, não tem um problema de gestão — tem um problema de fonte única de verdade.

Um sistema de Business Intelligence bem implementado elimina essa meia hora. Toda a gente olha para o mesmo ecrã, alimentado pela mesma base, com a mesma definição de "unidade produzida" e "margem". A discussão passa a ser sobre o que fazer, não sobre quem tem razão. E é aqui que se percebe o verdadeiro retorno do BI: não está no dashboard, está na qualidade da conversa que o dashboard permite.

2. O que é exatamente BI na indústria têxtil

Business Intelligence é o conjunto de tecnologias e processos que recolhe dados operacionais de várias fontes, os organiza numa estrutura consistente, e os apresenta de forma a suportar decisões. No têxtil, essas fontes são o ERP, os terminais de chão-de-fábrica, o sistema de armazém, a força de vendas e — cada vez mais — sensores nas próprias máquinas.

Da folha de cálculo ao modelo analítico

A distinção crítica está na diferença entre reporting e analytics. Reporting é dizer o que aconteceu — um mapa de produção mensal. Analytics é perceber porquê, e antecipar o que vai acontecer. Um sistema moderno de BI faz as duas coisas, mas o valor real está na segunda.

Há uma escada de maturidade analítica que vale a pena ter em mente, porque define onde a sua empresa está e para onde pode ir. Cada degrau responde a uma pergunta diferente.

A esmagadora maioria das PME têxteis portuguesas está presa no nível descritivo, muitas vezes com atraso de dias. O salto de maior valor imediato não é ir logo para a IA preditiva — é chegar ao diagnóstico em tempo útil. Perceber porque é que a linha 3 falha vale mais, no arranque, do que prever o que vai falhar daqui a três semanas.

Tecnicamente, o coração de um sistema de BI é um motor de análise multidimensional. Os modelos OLAP permitem cruzar métricas por várias dimensões em simultâneo — produção por máquina, por turno, por artigo, por cliente, por semana — sem esperar horas por um relatório. É a diferença entre perguntar "quanto produzimos" e perguntar "porque é que a linha 3 no turno da noite tem 40% mais desperdício quando corre malha felpa para o cliente alemão".

Os termos que vai ouvir numa demo

• ETL/ELT — o processo que extrai dados das fontes, os transforma e os carrega no modelo analítico. É onde 70% do esforço de um projecto de BI realmente vive.
• Data warehouse / data mart — o repositório estruturado onde os dados vivem já limpos e reconciliados, separado do sistema operacional para não o sobrecarregar.
• KPI — indicador-chave. No têxtil, os que importam são OEE, taxa de defeito, prazo médio de entrega, margem por coleção e rotação de stock.
• Dashboard — o ecrã de visualização. O erro clássico é enchê-lo de tudo. O bom dashboard responde a três perguntas e cabe num ecrã.
• Self-service BI — a capacidade de um utilizador de negócio criar as suas próprias análises sem depender do IT para cada pergunta.
• Modelo associativo — a lógica onde clicar num artigo mostra imediatamente todos os clientes, lotes e turnos associados, sem ter de reconstruir a consulta. É o que distingue uma ferramenta moderna de um relatório rígido.

Os KPIs que realmente importam no têxtil e no calçado

Nem todos os indicadores merecem espaço no ecrã. Um dashboard industrial útil concentra-se num punhado de métricas que mudam decisões. Estas são as que vemos gerar retorno real.

• OEE (Overall Equipment Effectiveness) — cruza disponibilidade, desempenho e qualidade numa só percentagem. Uma linha de malha com OEE de 58% está a deixar quase metade da sua capacidade no chão.
• Taxa de primeira qualidade — a percentagem de produção que passa sem retrabalho. No calçado, a segunda escolha destrói margem silenciosamente.
• Cumprimento de prazo (OTD) — quantas encomendas saíram na data prometida. É o número que a casa-mãe internacional vê antes de si.
• Margem por artigo e por cliente — o cruzamento que revela que o cliente que mais fatura pode ser o que menos margem deixa.
• Rotação de stock e cobertura — capital imobilizado em matéria-prima e produto acabado, medido em dias.
• Lead time real vs teórico — a diferença entre o que o planeamento assume e o que o chão-de-fábrica entrega.

Uma breve história — porque o Excel ainda ganha

O BI empresarial nasceu nos anos 90 com ferramentas caras e centralizadas, servidas por equipas de IT. Democratizou-se a partir de 2010 com plataformas de visualização self-service. Mas na PME têxtil portuguesa, o verdadeiro concorrente do BI nunca foi outro software — foi e continua a ser o Excel. E o Excel ganha por uma razão simples: está sempre lá, ninguém precisa de pedir autorização, e faz 80% do que se quer. O problema são os outros 20% — controlo de versões, escala, automatização, fonte única — que é exatamente onde uma operação industrial se magoa.

O Excel não é o inimigo. É o sintoma. Quando a folha de cálculo se torna a espinha dorsal da gestão de uma fábrica de oitenta pessoas, o que falta não é software — é uma decisão de deixar de adivinhar.

3. O panorama em Portugal hoje

A indústria têxtil e do vestuário é um dos pilares exportadores portugueses. Segundo dados do INE e da Estatística de Comércio Internacional, o setor representa uma fatia relevante das exportações transformadoras nacionais, com forte concentração no Norte — o cluster do Vale do Ave (Famalicão, Guimarães, Barcelos, Vizela) e o calçado de Felgueiras e São João da Madeira. A ATP tem sublinhado, ao longo dos últimos anos, o peso do setor no emprego industrial do Norte e a sua dependência estrutural da exportação.

Digitalização: o fosso entre grandes e pequenas

Os dados do Digital Economy and Society Index (DESI) da Comissão Europeia mostram consistentemente que Portugal está acima da média da UE na conetividade, mas abaixo na integração de tecnologias digitais nas empresas — e o fosso alarga-se quanto mais pequena é a empresa. A adoção de análise de dados (big data / business analytics) pelas PME portuguesas fica sistematicamente atrás das congéneres da UE segundo o Eurostat.

Na prática, isto traduz-se numa realidade que vemos em campo: as grandes casas exportadoras já têm BI a sério, muitas vezes imposto pela casa-mãe internacional. As PME que as subcontratam continuam a decidir com o instinto do dono e uma folha de Excel. O paradoxo é que são estas PME — as mais pequenas, as mais expostas à pressão de preço — que mais beneficiariam de saber exatamente onde está a sua margem.

A marca alemã que compra a sua produção já sabe mais sobre a sua eficiência do que você — porque exige os dados no formato dela. A questão é se você os usa também, ou só os entrega.

O calçado: complexidade que quebra o Excel

Vale a pena isolar o calçado, porque é o caso onde o problema é mais agudo. Uma coleção de Felgueiras tem entre 800 e 1200 referências, organizadas em três eixos combinatórios: cor, tamanho e forma. Uma referência de sapato de senhora em oito cores e oito tamanhos gera 64 combinações — antes de considerar variantes de largura. Multiplique isto por uma coleção inteira e percebe porque é que nenhuma folha de cálculo, por mais bem-intencionada que seja, sobrevive a modelar o planeamento de produção e as necessidades de matéria-prima.

Some-se o ritmo do setor: os compradores internacionais visitam duas vezes por ano — calçado de homem em agosto, de senhora em fevereiro. Entre a feira e a produção há uma janela apertada para converter amostras em encomendas firmes, calcular necessidades e comprometer matéria-prima. Quem decide com dados de ontem perde a janela. A APICCAPS tem documentado como a competitividade do calçado português assenta cada vez menos no custo e cada vez mais na capacidade de resposta rápida e em séries curtas — precisamente o terreno onde a informação em tempo útil vale ouro.

Os números que definem o setor

Sustentabilidade e o passaporte digital de produto

A Estratégia da UE para Têxteis Sustentáveis e Circulares, apresentada em 2022, não é um documento de intenções vago — traz obrigações concretas que se aproximam. O passaporte digital de produto vai exigir que cada peça carregue informação verificável sobre composição, origem e pegada. Isto tem uma consequência direta para o BI: a rastreabilidade de lote deixa de ser um extra de qualidade e passa a ser um requisito legal com prazo. A tinturaria que hoje não sabe, em segundos, que lote de tinta entrou em que rolo de tecido para que encomenda, vai ter de saber. E não há como fornecer essa informação de forma fiável a partir de apontamentos manuais.

O financiamento existe. O PT2030, o PRR, o COMPETE 2030 e o Norte 2030 têm linhas para digitalização e Indústria 4.0. O que trava não é a candidatura — é o relatório técnico que tem de provar o impacto do investimento, e que muitas PME não conseguem redigir porque não medem o ponto de partida. Não se pode demonstrar que o OEE melhorou de 58% para 71% se nunca se mediu o OEE.

O erro da candidatura sem baseline

Vemos isto repetidamente: uma empresa candidata-se a fundos de digitalização, o investimento é aprovado, o software é implementado — e no relatório final, quando é preciso demonstrar impacto, não há com que comparar. A candidatura prometeu "aumento de eficiência" sem nunca ter medido a eficiência inicial. O resultado é um dossier técnico fraco, um reembolso em risco, e a próxima candidatura mais difícil de defender. A ordem correta é sempre a mesma: medir primeiro, investir depois, provar no fim com números que existiam antes.

4. Os modelos de implementação de BI

Há cinco abordagens realistas para uma PME têxtil implementar BI. Não são todas boas — algumas são becos sem saída disfarçados de solução rápida.

Modelo 1: Excel avançado com Power Query

O ponto de partida de quase toda a gente. Ligações a bases de dados, transformações automatizadas, tabelas dinâmicas. Barato, familiar, imediato. Escala mal, quebra quando o autor sai da empresa, e não serve mais do que dois ou três utilizadores em simultâneo. Serve como prova de conceito, não como destino. O sinal de que já o ultrapassou é quando o ficheiro demora minutos a abrir, ou quando duas pessoas editam a mesma folha e as versões divergem sem que ninguém saiba qual é a boa.

Modelo 2: Relatórios nativos do ERP

Todo o ERP industrial traz relatórios. O problema é que respondem às perguntas que o fornecedor imaginou, não às suas. Cruzar dados de produção com margem por cliente num relatório standard raramente funciona sem desenvolvimento à medida — e aí já não é barato. São excelentes para perguntas fixas e recorrentes — o mapa de faturação mensal, o extracto de conta corrente — e péssimos para exploração livre. Servem, mas não substituem uma camada analítica.

Modelo 3: Plataforma de BI dedicada sobre o ERP

Uma ferramenta de visualização e modelação (do tipo Qlik Sense) que se liga ao ERP e a outras fontes, constrói um modelo analítico próprio, e serve dashboards a toda a organização. É o modelo que recomendamos para a maioria das PME industriais. Exige investimento inicial e uma boa modelação, mas escala, tem governação, e liberta o IT das mil perguntas ad-hoc. O modelo associativo permite que quem faz a pergunta a refine sozinho, sem voltar à fila do IT — e é isso que muda a cultura de decisão, não o gráfico em si.

Modelo 4: BI embebido no ecossistema aplicacional

Quando o ERP, o chão-de-fábrica e o armazém são do mesmo fornecedor, o BI já vem alimentado por dados coerentes. É o cenário ideal: os apontamentos de KORA Productivity alimentam diretamente o modelo, sem ETL frágil pelo meio. Menos integração, menos pontos de falha. A vantagem escondida é a semântica: quando os sistemas são da mesma família, "unidade produzida" significa a mesma coisa em todo o lado, porque a definição vive num só sítio.

Modelo 5: Data warehouse corporativo com equipa de dados

A abordagem das grandes casas. Warehouse dedicado, pipelines de dados robustos, engenheiros de dados internos. Poderosíssimo e proporcionalmente caro. Faz sentido acima de uma escala que a esmagadora maioria do têxtil português não tem. Se a empresa tem várias fábricas, opera em vários países, ou consolida contas de várias entidades, este deixa de ser exagero e passa a ser necessidade.

O custo total de propriedade que ninguém calcula

A comparação de custos acima refere-se ao arranque. Mas o erro mais caro é olhar só para o preço da licença e ignorar o custo total de propriedade ao longo de três anos. Um Excel "gratuito" que consome cinco horas semanais de um diretor custa, em salário, muito mais do que uma licença de BI. Um data warehouse corporativo exige uma equipa de dados que a maioria das PME não tem e não quer contratar. O cálculo honesto inclui licenças, implementação, formação, manutenção, e — sobretudo — o tempo das pessoas que hoje fazem à mão o que o sistema faria sozinho. Quando se inclui tudo, o modelo aparentemente mais caro é muitas vezes o mais barato.

5. Como avaliar se a sua empresa precisa

Nem toda a empresa precisa de BI a sério amanhã. Mas há sinais claros de que a folha de cálculo já custa mais do que parece.

• A reunião semanal começa com discussões sobre qual dos números está certo.
• Uma pergunta simples da administração — "qual foi a margem do cliente X este trimestre?" — demora mais de um dia a responder.
• Há uma pessoa (só uma) que sabe manter os ficheiros de gestão, e a empresa entra em pânico quando ela vai de férias.
• Os dados de produção só ficam disponíveis no dia seguinte, quando já não servem para reagir.
• A casa-mãe internacional pede indicadores num formato que obriga a trabalho manual todos os meses.
• Toma decisões de compra de matéria-prima sem saber a rotação real do stock que já tem em armazém.
• Descobre que um artigo dava prejuízo só quando o contabilista fecha o ano.

Passo a passo: o diagnóstico de maturidade analítica

Antes de comprar seja o que for, faça este diagnóstico interno. Leva menos de uma semana e evita comprar a ferramenta errada.

1. Inventarie as fontes de dados. Liste todos os sistemas que contêm informação de gestão: ERP, terminais de produção, armazém, comercial, contabilidade. Anote quais falam entre si e quais são ilhas.
2. Meça o tempo de resposta atual. Escolha cinco perguntas que a gestão faz regularmente e cronometre quanto tempo leva a responder a cada uma hoje. Este é o seu ponto de partida — e o número que vai defender na candidatura a fundos.
3. Identifique a fonte única de verdade que falta. Para cada métrica crítica (produção, margem, stock), determine se há uma definição consensual ou se cada departamento conta à sua maneira.
4. Defina as 5 perguntas que mudariam decisões. Não peça "todos os dados". Pergunte: se soubesse isto em tempo real, que decisão tomaria diferente? Essas cinco perguntas são o âmbito do seu primeiro dashboard.
5. Avalie a qualidade dos dados de origem. BI sobre dados sujos produz decisões sujas mais depressa. Se os apontamentos de produção estão errados na origem, resolva isso antes — não depois.

Não compre BI para ter dashboards. Compre BI para responder a cinco perguntas específicas que hoje demoram dias. Se não consegue nomear as cinco perguntas, ainda não está pronto para comprar.

A qualidade dos dados vem antes de tudo

Insistimos neste ponto porque é onde mais projectos falham. Um sistema de BI é um amplificador: pega no que existe e torna-o visível e rápido. Se o que existe são apontamentos de produção onde o operador regista "aproximadamente" as unidades, ou onde o refugo não é lançado porque dá trabalho, o BI vai mostrar números errados com uma confiança perigosa. A ilusão de precisão de um dashboard bonito é mais perigosa do que a incerteza honesta de uma folha rabiscada. Antes de qualquer plataforma, garanta que a captura na origem é fiável — idealmente através de captura em tempo real no próprio posto de trabalho, que remove a transcrição manual da equação.

6. O que escolher e porquê, por dimensão de empresa

A recomendação muda radicalmente com a dimensão e a maturidade. Não há resposta única.

Micro-empresa (até 15 colaboradores)

Fique-se pelo Excel com Power Query bem feito e pelos relatórios do ERP. Investir numa plataforma de BI dedicada aqui é sobre-engenharia. Concentre-se antes em ter um ERP vertical que registe bem os dados na origem — porque BI mau sobre dados bons é recuperável, BI bom sobre dados maus não é. Nesta dimensão, o dono muitas vezes ainda anda no chão-de-fábrica e sabe o que se passa por observação direta. O BI só se justifica quando a operação cresce ao ponto de o dono deixar de ver tudo com os próprios olhos.

Pequena empresa (15-50 colaboradores)

Comece a modelar. Uma plataforma de BI dedicada torna-se rentável quando há mais de três pessoas a precisar de números e quando a produção passa a ter várias linhas ou secções. O ponto de inflexão é normalmente quando a empresa começa a subcontratar ou a ser subcontratada por marcas que exigem reporting. É também a dimensão onde o custo de um erro de gestão — comprar matéria-prima a mais, aceitar uma encomenda sem margem — já é grande o suficiente para pagar o sistema com uma única decisão evitada.

Média empresa (50-250 colaboradores)

Aqui a plataforma de BI deixa de ser luxo e passa a ser infraestrutura. A combinação recomendada é ERP vertical + captura de chão-de-fábrica + BI, tudo alimentado por uma fonte coerente. Se a operação tem complexidade de configuração muito elevada — muitas variantes, muitas regras — vale a pena olhar para um ERP low-code como o QAD Adaptive ERP que se adapta sem reescrever tudo a cada mudança de processo. Nesta escala, a governação já não é opcional: quem vê o quê, quem pode alterar definições, como se garante que o número da administração é o mesmo do chão-de-fábrica.

O trio que decide — e quem manda de verdade

Uma nota de campo: a decisão numa PME familiar portuguesa cabe quase sempre a um trio — CEO, CFO e o responsável de IT. Este último é muitas vezes um autodidata com quinze anos de conhecimento do negócio e nenhum diploma formal. É a pessoa mais importante da sala. Ganhe-o e o projecto anda; ignore-o e morre no arranque. Ele conhece cada esquisitice do ERP, sabe onde estão os dados escondidos, e é ele que vai manter o sistema depois de o consultor sair. Um projecto de BI que o trata como executor em vez de parceiro está condenado antes de começar.

O responsável de IT de uma PME industrial portuguesa raramente tem um diploma na parede. Tem coisa melhor: quinze anos a saber exatamente onde é que os números mentem. Ignorá-lo é a forma mais rápida de matar um projecto.

O chefe de armazém e a resistência que ninguém antecipa

Há uma resistência que os fornecedores de software subestimam sempre: a do chão. O chefe de armazém do centro de distribuição no corredor Lousada-Paços não quer saber do dashboard da administração. Quer que o picking corra, que o rádio funcione, e que ninguém o tire da operação por mais de duas horas. Se o rollout de BI lhe pede mais trabalho de registo sem lhe devolver nada útil, ele sabota — não por má-fé, mas por sobrevivência operacional. A regra que aprendemos: cada pessoa a quem o sistema pede um dado tem de receber, em troca, algo que lhe poupe tempo. O KORA Inventory Suite devolve-lhe menos telefonemas e menos rupturas; é isso que o converte, não a apresentação de slides.

7. Quadro regulatório e conformidade aplicável

BI não vive num vazio legal. Os dados que agrega estão sujeitos a regras que a gestão tem de conhecer.

Faturação, SAF-T e a origem dos dados financeiros

Os dados financeiros que o BI consome vêm de um sistema de faturação certificado pela Autoridade Tributária. O Decreto-Lei 28/2019 estabelece as regras da faturação, incluindo o ATCUD e a obrigatoriedade de software certificado. A comunicação do SAF-T à AT segue as regras da Portaria 195/2020. Um bom sistema de BI ajuda a validar a coerência entre o que se faturou e o que se comunicou — antes de a AT o fazer por si. É comum descobrir, ao cruzar os dados, divergências entre a faturação registada e o SAF-T comunicado que passariam despercebidas até uma inspeção.

RGPD e dados de pessoas

Assim que o BI cruza dados de colaboradores — produtividade por operador, absentismo, avaliação — entra no âmbito do RGPD e da Lei 58/2019. A regra é minimização: recolha só o que precisa, para uma finalidade explícita, e nunca use métricas individuais de produtividade para fins que não foram comunicados ao trabalhador. Um sistema de gestão de pessoas bem desenhado já trata desta base legal. Há aqui uma linha ténue que convém não cruzar: medir a eficiência de uma linha é legítimo; construir um ranking individual de operadores para pressão disciplinar sem base legal e sem transparência é terreno de contencioso laboral.

IA preditiva e o AI Act

Quando o BI evolui para modelos preditivos — prever rotatividade, absentismo, defeitos — entra no perímetro do AI Act (Regulamento UE 2024/1689). Sistemas que avaliam ou classificam pessoas no contexto laboral podem cair em categorias de risco que exigem transparência e supervisão humana. Não é motivo para não usar IA — é motivo para a usar com governação documentada. A entrada em aplicação faseada do regulamento dá tempo de preparação, mas quem já usa modelos que tocam em decisões sobre pessoas deve começar a mapear a sua classificação de risco desde já.

NIS2 e a segurança da plataforma

Um sistema de BI concentra o conhecimento mais valioso da empresa num só sítio. Isso torna-o um alvo. A Diretiva NIS2, transposta pelo DL 65/2025, alarga as obrigações de cibersegurança a mais entidades industriais. Certificações como a ISO 27001 deixam de ser diferenciação comercial e passam a ser requisito de muitos cadernos de encargos internacionais. A própria ENISA tem alertado para o aumento de incidentes dirigidos a cadeias de fornecimento industriais — e uma PME têxtil que fornece uma grande marca é, por essa via, parte de uma cadeia crítica.

O dashboard que mostra a margem por cliente é exatamente o ficheiro que um concorrente pagaria para ver. Proteger o BI é proteger a estratégia comercial.

8. Como a INFOS aborda isto

Trabalhamos há mais de três décadas com a indústria portuguesa — têxtil, vestuário, calçado, metal e plástico. Isso significa que quando falamos de BI, não começamos por gráficos. Começamos pela origem dos dados: o ERP vertical que regista bem a produção, os apontamentos de chão-de-fábrica capturados em tempo real, o armazém que sabe onde está cada lote.

A nossa lógica é simples: BI coerente exige dados coerentes. Por isso o Qlik Sense na nossa abordagem alimenta-se de fontes que já falam a mesma língua — o ERP MULTI para a gestão financeira e de produção, o KORA Productivity para o lead time e o OEE em tempo real, e o KORA Inventory Suite para o armazém. Menos pontes frágeis entre sistemas, menos ETL a partir-se de madrugada.

Porque começamos sempre pela captura na origem

A tentação do cliente é começar pelo ecrã bonito — quer ver o dashboard na primeira reunião. A nossa experiência ensinou-nos a resistir. Um dashboard alimentado por dados de produção transcritos à mão vai mostrar números falsos com a autoridade de um gráfico profissional, e isso é pior do que não ter dashboard nenhum. Por isso a primeira pergunta que fazemos não é "que gráficos quer ver" mas "como é que estes números entram no sistema hoje". Se a resposta envolve papel e transcrição, é aí que começamos — com captura em tempo real no posto de trabalho, para que o dado nasça correto e não precise de ser reconciliado depois.

Avaliação técnica e prova de conceito antes do contrato

E sim, sabemos que o chefe de armazém do centro de distribuição no corredor Lousada-Paços vai lutar contra qualquer rollout que o tire do rádio por mais de duas horas. Por isso não vendemos revoluções — vendemos dashboards que ele consulta em trinta segundos e que lhe poupam telefonemas. Antes de qualquer contrato, fazemos uma avaliação técnica e uma prova de conceito com os seus dados reais. Preferimos mostrar valor sobre os seus próprios números do que prometer valor sobre os de outra pessoa. Se quer perceber como avaliar o encaixe vertical de um sistema, o nosso guia sobre fit vertical de ERP industrial aplica-se igualmente à camada de BI.

9. Roadmap 30/60/90 dias

Implementar BI num trimestre é realista se o âmbito for disciplinado. O erro fatal é querer tudo de uma vez. Comece pequeno, entregue valor visível, expanda.

Dias 1-30: fundação e primeiro valor

• Complete o diagnóstico de maturidade analítica dos cinco passos da secção 5.
• Escolha as cinco perguntas que mudam decisões e valide-as com o trio CEO/CFO/IT.
• Ligue a plataforma de BI à primeira fonte — normalmente o módulo financeiro do ERP.
• Entregue um primeiro dashboard funcional com três a quatro KPIs. O objetivo é que a administração o use na reunião da quarta semana.

Dias 31-60: chão-de-fábrica e produção

• Integre os dados de produção — se a captura for em tempo real, ainda melhor.
• Construa o dashboard operacional: OEE por linha, taxa de defeito, cumprimento de plano de MRP.
• Reconcilie as definições de "unidade produzida" entre secções — esta é a semana em que se fixa a fonte única de verdade.
• Forme dois ou três utilizadores-chave em self-service para reduzir a dependência do IT.

Dias 61-90: consolidação e governação

• Cruze produção com margem: o dashboard que mostra que artigo dá dinheiro e qual só dá trabalho.
• Defina permissões e segurança de acesso alinhadas com RGPD e ISO 27001.
• Automatize a atualização dos dados para que ninguém carregue nada à mão.
• Documente o modelo e prepare o dossier de indicadores antes/depois — é o que vai sustentar a candidatura a fundos do PT2030 ou COMPETE 2030.

Os erros que descarrilam um projecto de 90 dias

Vale a pena nomear as armadilhas que vemos afundar cronogramas. A primeira é o âmbito que cresce: começa-se com cinco perguntas e ao fim de um mês há quarenta, cada uma pedida por alguém diferente. A disciplina de dizer "isso fica para a fase dois" é o que separa um projecto entregue de um projecto eterno. A segunda é ignorar a qualidade dos dados de origem e descobrir na semana 6 que os apontamentos de produção não batem certo — resolver isto a meio custa o dobro. A terceira é construir o dashboard perfeito que ninguém usa porque não foi desenhado com quem decide. Um dashboard usado com quatro indicadores vale infinitamente mais do que um dashboard perfeito ignorado.

Ao fim de 90 dias não terá um projecto de BI completo. Terá algo melhor: prova, dentro de casa, de que os números confiáveis mudam decisões — e a base para tudo o resto.

O quick win que pode implementar já nesta semana, antes de qualquer plataforma: escolha a pergunta que mais custa a responder hoje, cronometre-a, e escreva o número numa parede. É o baseline que vai justificar o investimento — e a primeira vez que a sua empresa mediu, em vez de adivinhar.

Fontes

• Comissão Europeia — Digital Economy and Society Index (DESI), relatórios por país (Portugal).
• Eurostat — Digital economy and society statistics: use of big data / business analytics by enterprises.
• Instituto Nacional de Estatística (INE) — Estatísticas do Comércio Internacional e das empresas do setor têxtil e do vestuário.
• ATP — Associação Têxtil e Vestuário de Portugal — dados setoriais de emprego e exportação.
• APICCAPS — Associação Portuguesa dos Industriais de Calçado, Componentes e Artigos de Pele e seus Sucedâneos — estatísticas e monografias do setor.
• Decreto-Lei n.º 28/2019, de 15 de fevereiro — regime de faturação e ATCUD (Diário da República).
• Portaria n.º 195/2020, de 13 de agosto — comunicação de elementos das faturas (SAF-T) à Autoridade Tributária.
• Regulamento (UE) 2016/679 (RGPD) e Lei n.º 58/2019 — execução nacional em Portugal.
• Regulamento (UE) 2024/1689 (AI Act) — Jornal Oficial da União Europeia.
• Diretiva (UE) 2022/2555 (NIS2) e Decreto-Lei n.º 65/2025 — transposição nacional.
• ENISA — Agência da União Europeia para a Cibersegurança — relatórios de panorama de ameaças.
• Comissão Europeia — EU Strategy for Sustainable and Circular Textiles (2022).

Perguntas frequentes

Qual é a diferença entre um dashboard de BI e uma folha de Excel com gráficos?

Um dashboard de BI alimenta-se automaticamente de dados actualizados em tempo real ou próximo, enquanto Excel requer extracções manuais e está sujeito a erros de transcrição. No têxtil, isto significa que o diretor industrial vê números de produção actualizados sem esperar 24 horas e sem macros que ninguém compreende.

Quanto tempo se poupa realmente com um sistema de BI numa fábrica têxtil?

Uma confeção com 80 colaboradores poupa aproximadamente 5 horas semanais de um quadro sénior em compilação de dados — o equivalente a um mês e meio de trabalho anual. Mas o ganho maior é a decisão que se toma a tempo: evitar retrasos, detetar problemas de qualidade antes do fecho do turno, e cumprir prazos com clientes.

O BI resolve o problema de cada departamento ter números diferentes?

Sim. O BI estabelece uma "fonte única de verdade" com definições consistentes — o que é uma "unidade produzida", como se calcula a margem, quando um lote entra em stock. Elimina as discussões de meia hora em reuniões sobre quem tem razão, permitindo focar na decisão real.

Um dashboard de BI precisa de ser muito complexo para ser útil?

Não. Os dashboards mais eficazes no têxtil são simples: mostram o estado da produção do dia, a taxa de cumprimento de prazos por cliente, e alertas de qualidade. A complexidade está na estrutura de dados por trás, não na interface que o decisor vê.

Como é que o BI ajuda a cumprir prazos apertados com clientes como a Inditex?

Fornecendo visibilidade em tempo real do estado de cada encomenda — se está em produção, tinturaria, controlo de qualidade ou pronta para expedição. Permite detetar atrasos antes de se tornarem críticos e reafectar recursos. Sem isto, só se descobre o problema quando o cliente liga a perguntar.

Qual é o primeiro passo para implementar BI numa indústria têxtil pequena?

Começar pelo ERP que já existe — extrair dados de produção, vendas e qualidade, e criar um dashboard simples com as métricas que o diretor industrial e o CFO consultam diariamente. Não é preciso sensores nas máquinas ou sistemas novos; é organizar o que já se tem.

O BI é compatível com a rastreabilidade exigida pela Estratégia da UE para Têxteis Sustentáveis?

Sim. Um sistema de BI permite rastrear lotes por origem, processo, data e resultado de controlo de qualidade — exatamente o que a regulação exige. Transforma a rastreabilidade de um custo administrativo numa vantagem competitiva documentada.