O dashboard que ninguém usa

Imagine a cena. A empresa investiu três meses e um bom orçamento em um dashboard. Na apresentação, o time técnico fala de banco de dados, de API, de framework. A diretoria acena com a cabeça. Duas semanas depois, o painel está aberto em uma aba esquecida, e as decisões continuam sendo tomadas pela planilha de sempre. Ninguém errou no código. O projeto falhou do mesmo jeito.

A verdade incômoda é que o cliente está pouco se lixando para a sua estrutura, a sua equipe, a sua tecnologia ou o nome do seu squad. Ele tem um problema e quer que alguém resolva. Se o problema é tráfego, ele espera que o especialista em tráfego resolva. Se o problema é enxergar os números da operação, ele espera um sistema que mostre isso. Se a solução foi feita em PHP nativo ou em Node.js com TypeScript, em C# ou em Java, para ele tanto faz, desde que funcione, seja seguro e entregue o resultado prometido.

Isso não quer dizer que a tecnologia não importa. Importa, e muito. Quer dizer que a escolha técnica é responsabilidade do especialista, e que explicá-la na língua do cliente também é. Este artigo trata dessa segunda parte, que costuma ser esquecida.

Ele foi escrito para desenvolvedores, analistas de dados e gestores de tráfego que entregam bom trabalho técnico, mas sentem que o cliente não valoriza ou não usa o que foi entregue. E também para quem está do outro lado: gestores, diretores e recrutadores que querem reconhecer o profissional que resolve o problema, e não só escreve código. O exemplo central é o dashboard, mas a lógica vale para qualquer entrega técnica: site, sistema, campanha de tráfego, automação.

Por que ninguém usa o dashboard?

O problema é maior do que parece. Em uma pesquisa da BARC com a Eckerson Group, feita com 214 líderes de dados e analytics no fim de 2021, apenas 25% dos funcionários, em média, usam ativamente as ferramentas de BI e analytics da empresa, um número que quase não mudou em sete anos. A principal barreira apontada não foi a tecnologia: foi a falta de treinamento adequado, citada por 50% dos entrevistados, à frente da baixa qualidade dos dados, com 41% (BARC; Eckerson Group, 2022). Ou seja, o problema raramente é a ferramenta. É a tradução.

Gráfico mostrando que só 25% dos funcionários usam ferramentas de BI, segundo BARC e Eckerson Group (2022)

Em 1949, Claude Shannon e Warren Weaver descreveram a comunicação como um caminho com três pontos: quem envia, o canal e quem recebe, com ruído no meio (Shannon; Weaver, 1949). A mensagem só cumpriu o seu papel quando chegou do outro lado com o mesmo sentido. Daí vem uma ideia que deveria estar na parede de todo time técnico: comunicação não é o que você fala, é o que o outro entende.

Modelo de Shannon e Weaver: emissor, canal e receptor, com ruídos como jargão técnico, gráfico confuso e excesso de números

No mundo dos dados, o ruído tem custo. Um painel que ninguém consegue ler sozinho cria dependência do analista, atrasa decisões e, no limite, leva a decisões erradas por um número mal interpretado. Stephen Few, uma das principais referências em design de dashboards, define o painel como uma exibição visual da informação mais importante para atingir um objetivo, organizada para ser entendida de relance (Few, 2013). A palavra-chave é “de relance”. Se precisa de explicação, não é de relance.

Moral da seção: um projeto tecnicamente perfeito que o cliente não entende vale tanto quanto um projeto que não existe.

Como sair do problema e chegar ao dashboard

A comunicação acontece em todo o ciclo do projeto: antes (na escolha da tecnologia e no levantamento de requisitos), durante (nas validações com o cliente) e depois (no uso do dia a dia, que é onde o projeto prova o seu valor).

Antes da tecnologia, o requisito

A primeira pergunta de um projeto não é “qual linguagem?”, e sim “qual problema?”. E logo depois: o projeto é sobre segurança, sobre desempenho, sobre acessibilidade, ou engloba tudo? Um sistema que guarda dados de clientes tem a segurança como requisito central, inclusive por obrigação legal (Brasil, 2018). Uma loja virtual vive de desempenho: em um estudo da Deloitte encomendado pelo Google, que acompanhou os sites móveis de 37 marcas de varejo, viagens, luxo e geração de leads na Europa e nos Estados Unidos, melhorar em apenas 0,1 segundo a velocidade de carregamento aumentou a conversão em 8,4%, em média, nas marcas de varejo (Deloitte, 2020). Não é uma regra universal, mas mostra a ordem de grandeza do que está em jogo. Um serviço público precisa ser acessível a todos.

A tecnologia vem depois, como consequência. E é assim que ela deve ser apresentada ao cliente: não “vamos usar Node.js com TypeScript”, e sim “vamos usar uma base que reduz erros no código e aguenta o volume de acessos que vocês esperam para a Black Friday”. É como o médico que não explica ao paciente o nome do princípio ativo, e sim o que o remédio vai resolver e em quanto tempo.

As reuniões que ninguém quer fazer (e que salvam o projeto)

Montar um dashboard exige várias conversas, cada uma com um objetivo:

  • Com o cliente: qual decisão ele quer tomar com o painel? Que pergunta ele faz toda segunda-feira e hoje não consegue responder? Qual é a meta do mês?

  • Com o time interno: de onde vêm os dados, com que frequência são atualizados, quais são confiáveis e quais não são.

  • Com o PO ou o head do projeto: prioridade, prazo, o que entra na primeira versão e o que fica para depois.

Essa etapa tem nome na literatura de BI. No ciclo de vida proposto por Ralph Kimball, o levantamento de requisitos vem antes de tudo, e só depois o projeto se divide em três trilhas paralelas: tecnologia, dados e aplicação de BI (Kimball et al., 2008). A ideia é tão consolidada que aparece até em normas da administração pública: a metodologia de BI do Ministério do Turismo também começa pelo levantamento das necessidades do negócio, dos indicadores, dos dados e dos usuários, valida um protótipo antes de construir e, se surgir dúvida na construção, volta para os requisitos (Brasil, [s. d.]).

Fluxo do projeto de dashboard: reuniões, requisitos, dados, protótipo, validação e versão final, com retorno aos requisitos

A camada que o cliente não vê: os dados

Por trás de todo gráfico existe um banco de dados, e é aí que entra o trabalho do DBA (o administrador de banco de dados) e do engenheiro de dados. Na trilha de dados de Kimball, quatro cuidados decidem se o painel vai merecer confiança:

  • Modelagem: organizar os dados em fatos (o que aconteceu: vendas, cliques, cadastros) e dimensões (por onde olhar: data, canal, região, produto), o chamado modelo dimensional (Kimball; Ross, 2013). É o que permite filtrar e comparar sem reescrever tudo.

  • Qualidade: uma venda contada duas vezes derruba a confiança no painel inteiro. Uma vez que a diretoria pega um número errado, ela volta para a planilha.

  • Desempenho: um filtro que leva 30 segundos para responder é um filtro que ninguém usa.

  • Acesso: quem pode ver o quê. Dado de cliente e de salário não aparece para todo mundo.

Para o cliente, tudo isso se resume a uma frase: “o número que aparece é o número certo, e aparece rápido”. É como a cozinha de um restaurante: o cliente não entra nela, mas é lá que se decide se o prato chega bom.

Como apresentar o mesmo dado para perfis diferentes?

Este é o ponto central do artigo. Comunicação só funciona quando o espectador entende o que o orador está falando. E o desafio é que cada pessoa entende de um jeito.

O modelo DISC, que deriva do trabalho do psicólogo William Marston (Marston, 1928), organiza o comportamento em dois eixos: pessoas mais ativas ou mais reflexivas, e pessoas mais voltadas a tarefas ou a pessoas. O cruzamento gera quatro estilos. O DISC não é um teste científico de personalidade, mas é um mapa útil para lembrar que a mesma informação precisa chegar de formas diferentes:

  • Decisor (dominante): quer o resultado e a ação, sem rodeio, e toma providência com base no que leu ao pé da letra. Para ele: o número principal, a meta, o desvio e a recomendação. Uma frase errada no título do gráfico vira uma decisão errada.

  • Comunicativo (influente): entende por histórias e exemplos. Para ele: a narrativa, a comparação com quem ele admira, o “o que isso significa para o time”.

  • Estável: precisa de segurança e de tempo para absorver a mudança. Para ele: consistência, o passo a passo, o que muda na rotina.

  • Analítico (conforme): quer a fonte, o método e o detalhe. Para ele: os filtros, a exportação dos dados, a definição de cada indicador.

O mesmo dado de vendas apresentado para os quatro perfis DISC: decisor, comunicativo, estável e analítico

Um bom dashboard atende os quatro ao mesmo tempo: o resumo em destaque no topo para o decisor, a história no meio para o comunicativo, a estrutura previsível para o estável e o detalhe a um clique para o analítico. Por isso um dash nunca é só um dash, e um site não é só um site. O especialista precisa educar o cliente com base em dados, no formato que ele entende.

Como montar um dashboard que conta uma história

Início, meio e fim

Cole Nussbaumer Knaflic, que trabalhou com visualização de dados no Google, defende que todo gráfico apresentado a alguém deve ter um ponto, uma mensagem que a pessoa leva embora (Knaflic, 2015). Um dashboard é uma história em três atos:

  • Início: o que está acontecendo? Os indicadores principais contra a meta. “Faltam cinco dias e já vendemos 82% da meta do mês.”

  • Meio: por quê? As quebras por área, canal, região ou produto. “O canal de busca paga caiu 30% desde a semana passada.”

  • Fim: e agora? A projeção e o que fazer. “No ritmo da última semana, fechamos em 91%. Recuperar o canal de busca fecha a diferença.”

Dashboard em três atos: indicadores contra a meta no topo, quebras por canal no meio e projeção com recomendação na base

A comunicação está nos detalhes

Nas cores: cor é significado, não decoração. Verde para o que está bem, vermelho para o que precisa de atenção, e o resto em cinza. Usar dez cores é o mesmo que gritar todas as palavras de uma frase. E a cor nunca pode ser a única forma de transmitir a informação: cerca de 1 em cada 12 homens e 1 em cada 200 mulheres têm algum grau de daltonismo (Colour Blind Awareness, [s. d.]). Por isso, o critério 1.4.1 (Uso de cores) das diretrizes de acessibilidade WCAG 2.2 determina que a cor não seja o único meio de transmitir uma informação: é preciso um segundo sinal, como um ícone, um rótulo ou um padrão (W3C, 2023).

Na comparação de períodos: um número sozinho não diz nada. R$ 100 mil é bom ou ruim? Depende: em relação ao mês passado, ao mesmo mês do ano anterior e à meta.

Na projeção: o objetivo de quem olha o painel é a venda no fim do mês. Mostrar só o que já aconteceu é dirigir olhando pelo retrovisor; a projeção é o para-brisa.

Gráfico de linha com vendas acumuladas: realizado em 82% da meta no dia 25 e projeção de 91% no fim do mês

Nos filtros e na exportação: o analista precisa investigar e levar os dados para a reunião dele. Um painel que não deixa filtrar nem exportar vira um pôster.

De relatório a insight

Um dashboard não serve só para ver o relatório. Serve para gerar perguntas e insights para cada área: o marketing descobre o canal que traz o cliente que mais compra, o comercial descobre a região que está esfriando, a diretoria descobre onde investir. Tufte resume o objetivo de um gráfico como mostrar os dados e fazer a pessoa pensar no conteúdo, e não no método (Tufte, 2001).

O que costuma dar errado

a) O painel bonito sem pergunta. Gráficos caprichados que não respondem a nenhuma decisão. Começa na reunião de requisitos que não aconteceu.

b) O painel com quarenta gráficos. Quando tudo é importante, nada é. O excesso empurra o decisor de volta para a pessoa que sabe explicar.

c) Discutir a tecnologia com a diretoria. A diretoria quer saber se resolve, quanto custa, quando fica pronto e qual o risco. A escolha da linguagem é conversa para o time técnico.

d) O teste do “só com você explicando”. Se alguém do time só entende os dados com você ao lado, o problema está no painel, e não na pessoa. É preciso voltar algumas etapas: às perguntas do cliente, ao modelo de dados ou ao desenho.

Conclusão: o cliente compra o problema resolvido

O cliente não compra tecnologia. Compra o problema resolvido e a confiança de que ele vai continuar resolvido. O papel do especialista é escolher a tecnologia certa e, tão importante quanto, traduzir essa escolha em requisitos e resultados que o cliente entende.

No dashboard, essa tradução está em tudo: nas reuniões antes da primeira linha de código, na camada de dados que garante o número certo, nas cores, na comparação de períodos, na projeção e na forma de falar com cada perfil. A régua é simples: se o painel precisa de você para ser entendido, ele ainda não está pronto. Comunicação não é o que você fala. É o que o outro entende.

Referências

BARC; ECKERSON GROUP. Strategies for driving adoption and usage with BI and analytics. Würzburg: BARC, 2022. Disponível em: https://barc.com/research/strategies-for-driving-adoption-and-usage/. Principais resultados disponíveis em: https://bi-survey.com/?p=21462. Acesso em: 18 nov. 2026.

BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Diário Oficial da União: seção 1, Brasília, DF, 15 ago. 2018. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm. Acesso em: 28 out. 2026.

BRASIL. Ministério do Turismo. Metodologia de desenvolvimento de soluções de BI. Brasília, DF: MTur, [s. d.]. Disponível em: https://www.gov.br/turismo/pt-br/centrais-de-conteudo-/publicacoes/normativos-padroes-e-regras-de-ti/metodologia-de-desenvolvimento-solucoes-bi.pdf. Acesso em: 28 out. 2026.

COLOUR BLIND AWARENESS. What is colour blindness? [S. l.]: Colour Blind Awareness, [s. d.]. Disponível em: https://www.colourblindawareness.org/colour-blindness/. Acesso em: 18 nov. 2026.

DELOITTE. Milliseconds make millions: a study on how improvements in mobile site speed positively affect a brand's bottom line. [S. l.]: Deloitte Digital; Google, 2020. Disponível em: https://web.dev/case-studies/milliseconds-make-millions. Acesso em: 18 nov. 2026.

FEW, Stephen. Information dashboard design: displaying data for at-a-glance monitoring. 2. ed. Burlingame: Analytics Press, 2013.

KIMBALL, Ralph et al. The data warehouse lifecycle toolkit. 2. ed. Indianapolis: Wiley, 2008.

KIMBALL, Ralph; ROSS, Margy. The data warehouse toolkit: the definitive guide to dimensional modeling. 3. ed. Indianapolis: Wiley, 2013.

KNAFLIC, Cole Nussbaumer. Storytelling with data: a data visualization guide for business professionals. Hoboken: Wiley, 2015.

MARSTON, William Moulton. Emotions of normal people. London: Kegan Paul, Trench, Trubner, 1928.

SHANNON, Claude E.; WEAVER, Warren. The mathematical theory of communication. Urbana: University of Illinois Press, 1949.

TUFTE, Edward R. The visual display of quantitative information. 2. ed. Cheshire: Graphics Press, 2001.

W3C. Web Content Accessibility Guidelines (WCAG) 2.2. [S. l.]: W3C, 2023. Disponível em: https://www.w3.org/TR/WCAG22/. Acesso em: 28 out. 2026.