Contamos quais as dificuldades que uma organização precisa superar para que possa extrair proveito dos seus dados e trazemos dicas de como evoluir na jornada de se tornar data-driven, aplicando iniciativas de gerenciamento, análise e insights de dados
Já não é novidade ouvirmos que os dados são a nova revolução industrial, são o novo ouro ou o novo petróleo das organizações, principalmente associando ao termo Big Data. Com a percepção de que os dados são um ativo estratégico capaz de gerar uma vantagem competitiva sólida, o desafio de muitas empresas atuais é como “virar a chave” e agir de formar concreta para incorporar essa realidade.
Algumas empresas criadas mais recentemente podem trazer esse mindset de dados em seu DNA, enquanto tantas outras precisarão correr contra o tempo para se adaptar e não ficarem obsoletas. E isso pode ocorrer mesmo com as startups recém-saídas do forno das aceleradoras ou com companhias já consolidadas no segmento tech.
Para quem almeja se tornar data-driven de verdade, o desafio é fazer a gestão da mudança de forma gradual e eficiente, se mantendo totalmente operacional. De acordo com o Engenheiro de Computação e Gerente de Análise de Dados espanhol, Sérgio San Martín, são vários os desafios a serem superados:
-
A existência prévia de projetos de análise de dados descentralizados e não conectados. Projetos que faziam sentido por si só, mas que no seu conjunto não respondem a nenhum plano estratégico global, com o risco de perda de eficiência e confusão interna;
-
Recrutamento e gestão de talentos: a oferta de gerentes, engenheiros de dados e cientistas qualificados está bem abaixo da demanda atual;
-
Qualidade e disponibilidade de dados: se faltar uma política de governança de dados, os dados que tratamos podem não atender às necessidades dos projetos de análise de dados;
-
A introdução incorreta de plataformas tecnológicas de Big Data pode criar um ecossistema complexo como resultado de projetos de curto prazo descoordenados e ineficientes;
-
Resistência à mudança diante de novas formas de trabalhar que transformam os padrões operacionais tradicionais. Se não prestar atenção à maneira como essa mudança é gerenciada, as chances de fracasso são altas.
Os primeiros passos
O que é facilmente percebido, de forma geral, é que cada setor cria seu próprio modelo e repositório de dados, levando a uma enorme proliferação de dados organizados de formas distintas em lugares distintos e acessado por pessoas que não possuem a visão global desses dados, mas apenas o que interessa ao seu mundo. A grande mudança principal é: como projetar essa conexão de dados desde o início?
Uma boa iniciativa é criar um catálogo de dados, identificando quais os dados disponíveis na empresa, quais os dados são de qualidade superior ou de qualidade inferior, quais são confidenciais e quais não são, quais são as fontes desses dados e assim por diante. Com esse “mapa” em mãos é possível avançar em várias iniciativas de uso para os dados, tanto internos da companhia, quanto aplicáveis aos clientes, se for o caso.
Anil Chakravarthy, CEO da Informatica, um dos maiores fornecedores mundiais de serviços baseados em nuvem para gerenciamento de dados, destaca que:
“Essa é a grande diferença que estamos vendo: dar um passo para trás, entender como os dados precisam ser coletados e gerenciados e projetar isso no sistema desde o início. Em última análise, os dados tornam-se o combustível que ajuda a potencializar vários casos de uso ou oportunidades que a empresa pode querer buscar como parte de uma transformação digital”.
Em entrevista a Roger Roberts, sócio do escritório da McKinsey no Vale do Silício, Chakravarthy também defende que o maior valor de encarar os dados como um ativo estratégico nas empresas é ser capaz de coletar e correlacionar informações de diferentes tipos de sistemas:
“Por exemplo, uma grande empresa de petróleo com a qual trabalhamos usou historicamente modelos de dados e bancos de dados tradicionais para determinar coisas como a lucratividade de um poço de petróleo. Eles começariam coletando dados sobre um poço de petróleo. Quais são meus custos? Quanta produção eu tenho? Em seguida, eles poderiam perguntar: se o preço do petróleo atingir X, esse petróleo será bem produtivo ou não? Essa era uma maneira tradicional de fazer uma análise em um poço de petróleo. Agora, por meio da IoT (Internet das coisas), eles têm muito mais dados sobre a produtividade real em termos de coisas como saída e status de manutenção. E eles estão correlacionando esses dados. Portanto, agora eles desenvolvem análises preditivas que identificam os poços de petróleo operados de forma mais eficiente ou mais eficaz, ou os poços de petróleo mais lucrativos. Então, eles podem tomar decisões em tempo real.”
Iniciando pelo básico
Com esse backoffice melhor estruturado, os Dados passam a um outro patamar como potencial de geração de resultados para a empresa. E o ponto de partida, geralmente, é um problema. Não que ele seja um problema, mas ter um problema para resolver é a largada.
No webinar BIG DATA & DATA SCIENCE – Como transformar dados em ativos estratégicos?, realizado pela Pharmexx Brasil, o Chief Digital Officer da AstraZeneca Brasil e Co-founder da startup HackMed, Bruno Pina, chama a atenção para este ponto:
“Trabalhar com dados não é simplesmente pedir para a TI juntar todos os dados de uma única fonte e pedir para alguém olhar. Tem muita coisa por trás disso. Primeiro é preciso entender os desafios de trabalhar com dados e, muitas vezes, as empresas buscam ir pelo caminho inverso. Tentam montar uma enorme visão sobre os dados, um grande repositório com todas as informações, com todos os KPIs, mas se esquecem do básico: o que fazer com aquele KPI?”
Utilizando conceitos de Lean Startup e Design Thinking aplicado a Dados, Pina apresenta como ocorre o ciclo envolvendo iniciativas de gerenciamento, análise e insights de dados:
A primeira etapa é onde deve ocorrer a Ideação e a Definição do Problema de Negócios a ser resolvido a partir dos Dados. Aqui, há um momento importante, que é o relacionamento entre as áreas envolvidas:
“O líder de Negócios precisa contar para o líder de Dados quais são os desafios do negócio. Ele não tem que pedir um Excel, um Tableau, um Power BI ou um relatório. Ele tem que conversar sobre negócio para que o líder de Dados entenda o problema e meça o impacto na organização para entender se faz sentido investir na resolução dele”, defende Pina.
A segunda etapa é a Garantia de Qualidade. Com o projeto validado na primeira etapa, o passo seguinte é entender quais os dados disponíveis para utilizar no futuro Data Lake e quais os dados que deverão ser utilizados na busca pela solução do problema delimitado. O processo passa por entender quais são os dados que agregam valor na busca da resposta e também o nível de segurança e privacidade desse dado e se será necessário fazer o enriquecimento dele. De forma geral, é realizar um processo de Governança de Dados.
Após essa etapa vencida, na terceira etapa, ocorre o Planejamento do Sprint, com o Deploy ou a Implantação, uma forma de utilizar os dados em questão e rodar um modelo estatístico para começar a gerar algum tipo de insight.
“A questão central é: se o dado não resolver um problema, ele é um esforço desnecessário nas organizações”, finaliza Bruno Pina.
As pessoas são fundamentais
O processo de tornar os dados um verdadeiro ativo estratégico também passa por criar nos colaboradores essa noção, estabelecendo aos poucos uma cultura data-driven. Fica mais claro quando comparamos a outras áreas que já avançaram nesse processo anteriormente.
Quando se trata de administrar dinheiro, por exemplo, sabemos que esse não é apenas um problema do CFO. É função de todos utilizar os recursos da empresa de forma eficaz. O mesmo ocorre com atrair, reter e desenvolver pessoas – não é apenas o problema do Diretor de RH.
Com os dados, as pessoas precisam reconhecer que não são seus dados, mas os dados da empresa, e que eles são um ativo de todos. A intenção é fazer da governança de dados uma pequena parte do trabalho das muitas pessoas na empresa que estão mais próximas dos dados e os entendem no contexto dos negócios. Isso é feito antes mesmo dos dados serem coletados e processados.
Sem o engajamento e a alfabetização em Dados das partes envolvidas no processo, qualquer ambição de se tornar data-driven irá pelo ralo.
