Lições do HSBC para uma equipe eficaz de dados

O chefe global de análise de dados de uma das maiores instituições financeiras do mundo conta como estrutura um time de alto desempenho

O chefe global de análise de dados do HSBC, Ranil Boteju, palestrou no evento Big Data LDN, onde contou sobre a construção de uma equipe eficaz e escalável de Dados e revelou alguns bastidores da área dentro da instituição financeira, que está sediada em Londres e possui mais de 40 milhões de clientes em todo o mundo.

Já falamos em outro post aqui no blog sobre os principais pontos a considerar ao montar uma equipe de dados e quais os modelos que o mercado costuma praticar. Dentro da estrutura principal do HSBC, a equipe de análise de dados concentra seu trabalho em cinco áreas principais:

1. Dados voltados à geração de resultados comerciais e de receita. Esse é o ponto mais importante e bastante amplo, envolvendo também ações ligadas à Marketing Digital para personalização de ofertas via e-mail ou automações de jornadas de compra para aquisição de novos clientes.

2. Dados combinados com técnicas como Aprendizado de Máquina, Processamento de Linguagem Natural ou Reconhecimento Ótico de Caracteres para construir novas experiências para os clientes, levando-os a fazer upsell, diminuir o churn e aumentar o LTV da base.

3. Medir o trabalho de equipes de Back Office e linha de frente para que possam aplicar automações e utilizar Inteligência Artificial nos processos para eliminar o trabalho manual e repetitivo.

4. Criar algoritmos e mecanismos que aumentam a proteção de dados e transações de clientes a fim de evitar fraudes e a atuação de criminosos em diversas frentes.

5.   Atuação “pura” em negócios, criando painéis, analisando métricas e fornecendo insights às equipes diversas para inúmeros melhoramentos.

Na palestra, Ranil Boteju destaca que um ponto crucial para escalar essas práticas de dados é ter uma equipe centralizada e que atue de forma global, construindo um produto de uma vez só, testando em um mercado para depois implementá-lo de forma rápida em outras regiões, já colhendo os aprendizados dos testes.

Por exemplo, um mecanismo de recomendação da melhor oferta de recompensas para um cartão de crédito em Hong Kong pode ser ajustado para operar no Reino Unido e nos EUA. Os dados são diferentes, mas o contexto é muito semelhante e esse formato permite escalar de forma muito mais ágil. Esse mindset foi assumido pela instituição há cerca de seis ou sete anos. Antes disso, “a roda era reinventada todas as vezes em todos os país”, conta Boteju.

Um movimento recente que ocorreu neste sentido foi um processo de simplificação para o desenvolvimento de aplicações, com a migração de 65 bancos de dados relacionais para uma instância global do MongoDB. Narasimha Reddy, designer de dados, conta que, na prática, significa que cada país será capaz de manter seus requisitos de aplicação individuais, mas sem ter que operar um banco de dados de país exclusivo. Um único modelo de dados está sendo criado, o que não apenas economiza custos e recursos para o banco, mas também dá a liberdade de conduzir seu próprio design de modelo de dados. Os benefícios são custos reduzidos, flexibilidade e a capacidade de executar análises e relatórios globais com mais facilidade.

As habilidades dos profissionais

Para construir uma equipe de dados eficaz, a lição de Ranil Boteju é contar com uma gama multidisciplinar de profissionais, abrangendo habilidades sociais, habilidades técnicas e especialização de domínio. Ele destaca três skills que chamam a atenção na hora de contratar:

Curiosidade

Ser curioso e pensar em coisas que não existem, pensar em inovações conectando pontos para resolver problemas de formas diferentes e melhores, é um dos diferenciais importantes.

Aprendizagem contínua

Estar sempre de olho em novidades e disposto a aprender continuamente para tornar melhor o processo, a solução, a implementação e tudo o que for possível. Há sempre uma abordagem ou técnica nova surgindo e estar aberto a considerar essas possibilidades é importante.

Pró-atividade

Ser pró-ativo é ter impulso comercial para juntar a curiosidade e a vontade de aprender sempre em busca de casos que possam trazer melhorias para clientes ou até alterar todo o fluxo de trabalho de um colega. “Não estamos em um mundo onde alguém vai chegar até você e dizer, por favor, construa isso para mim. Precisamos do analista de dados para fazer isso e estar realmente faminto por isso”, reforça Boteju.

O executivo também faz questão de destacar o quanto é importante para uma instituição, seja do tamanho que for, contar com uma equipe de dados diversificada e consistente, ao invés de apostar todas as fichas em um único especialista. Ele explica que já houve uma visão de que uma única pessoa poderia fazer tudo – da engenharia de dados à construção de algoritmos, à comunicação e à integração de tudo.

“Isso realmente não funcionou e se essas pessoas existem, boa sorte para eles. Para organizações como o HSBC, simplesmente não conseguimos encontrar o suficiente dessas pessoas. Precisamos escalar maciçamente. O que descobrimos é uma abordagem diferente, onde vemos diferentes tipos de papéis. Portanto, em vez do unicórnio que faz tudo, temos algumas pessoas com habilidades em engenharia de dados, temos pessoas que fazem modelagem e gerenciamento de dados, temos cientistas de dados que amam brincar com dados, criar algoritmos, resolver problemas de negócios. Também existe um tipo de função diferente que consideramos um papel de tradutor de negócios – essas são as pessoas que podem definir o escopo e realmente possuir um serviço de aprendizado de máquina digital ou, alternativamente, alguém que pode realmente traduzir isso para negócios ou leigos”.

Boteju também cita que uma nova função surgiu há pouco na estrutura da companhia: o engenheiro de Machine Learning, que é o profissional que se encarrega da construção dos algoritmos e trabalha com a equipe de DevOps para criar os pipelines de Aprendizado de Máquina. É uma pessoa dedicada exclusivamente à essa tarefa, sem misturar com outras ocupações, uma vez que o intuito é ter especialistas em cada segmento e não atuações generalistas.