Medindo o nível de maturidade dos dados em sua empresa

Descubra por que medir o nível de maturidade dos dados de uma organização é importante e quais as métricas e escalas são utilizadas.

Em qualquer empresa, a comparação é uma das bases para a avaliação do valor daquilo que é feito. Esse movimento é algo natural, afinal, é preciso ter esse fator de comparação para ter uma noção maior do seu próprio valor dentro do mercado. E quando entramos no universo da competição entre empresas, o benchmarking é uma ferramenta valiosa. Por meio de pesquisas e benchmarking, é possível responder a questões importantes, como qual é sua posição em relação à concorrência, por exemplo.

Mas, na realidade, benchmarking é mais do que apostar nas referências. Em vez disso, os executivos pedem que ajudem a determinar metas e prioridades e definam um curso de ação que os moverá de a para b. Ou de uma posição inferior para uma inferior. Essa abordagem é interessante, e resulta em muitas empresas buscando movimentos e projetos obrigatórios (como o chatbot dentro do setor bancário, por exemplo). O problema é que, sem uma base forte para a sua estratégia de negócio, muitas iniciativas baseadas em dados podem acabar falhando.

Essa abordagem em busca de ganhos rápidos pode fazer com que sua empresa pule de cabeça em uma solução simplista, e que não é a ideal. Por isso, é preciso pensar na questão da mensuração da maturidade dos dados. E a partir daí construir uma boa estratégia de crescimento.

O que informa a maturidade do ecossistema de dados?

Para começarmos a entender sobre a questão da maturidade dos dados, vamos a alguns princípios básicos:

1. Os dados devem necessariamente criar um valor econômico;

2. Os dados são um ecossistema.

O primeiro princípio mostra que todas as iniciativas de dados de sua empresa precisam estar alinhadas com a estratégia de negócios. Sem discussão. E, claro, elas devem fazer de tudo para impactar positivamente os resultados do negócio, aumentando os lucros e diminuindo os custos e os riscos.

Já o segundo princípio aponta para o fato de que, para que as iniciativas de dados tenham sucesso, não se trata apenas de dados, e sim de todo um ecossistema de coisas que estão influenciando a taxa de sucesso do negócio. Podemos citar desde o alinhamento estratégico entre dados e negócios, até as análises e dados em si, bem como a infraestrutura de dados e pessoas.

Esses dois princípios básicos são extremamente importantes para medir a maturidade do ecossistema de dados. Afinal, é sabido que uma escala de maturidade precisa estar relacionada ao valor econômico, e também deve ser aplicável a todo o ecossistema que o envolve.

Outra questão importante: as etapas da escala de maturidade devem ser intuitivas. Ou seja, fáceis de avaliar e até mesmo de se autoavaliar.

Como devemos medir a maturidade do ecossistema de dados?

Agora que falamos sobre o que é preciso para medir a maturidade dos dados, resta saber como fazer isso. Para isso, vamos dar uma olhada na escala a seguir:

• Nenhum: Não evidente;

• Espalhados: Bolsos esporádicos, sem grande coesão e estrutura;

• Fundamental: Estabelecido em um nível básico em toda a organização;

• Eficaz: Utilizado de forma eficiente, bem estruturado e amplamente utilizado;

• Aprimorado: Enraizado e evoluindo para mudanças e oportunidades;

• Transformativo: abordagem e entrega de ponta.

Para entendermos o funcionamento da escala, vamos pensar que a avaliação acima é acerca de um fator estratégico da empresa, como a estratégia de dados. Assim, fazendo uso da escala, uma avaliação sobre a maturidade da estratégia de dados poderia ser mais ou menos assim:

• Sem visão de dados = nenhum.

• Coleção de projetos de dados arbitrários = dispersos.

• Estratégia que garante que a empresa tenha dados sob controle que possam ser usados para a tomada de decisões = fundamental.

• Entender como os dados podem ajudar a direcionar todos os principais problemas e oportunidades de negócios = eficaz.

• Reagir rapidamente a novos desafios, evoluindo facilmente em torno das necessidades do negócio = aprimorado.

• Influenciar as principais decisões de negócios e até mesmo toda a estratégia de negócios = transformativo.

Em outro exemplo, poderíamos aplicar essa escala à noção de representativo de dados. Nesse caso, ela indicaria:

• Nenhum dado disponível = nenhum.

• Alguns fatores abrangidos, outros não = dispersos.

• Fatores-chave bem representados nos dados = fundamental.

• Principais fatores representados = eficaz.

• Detalhes importantes disponíveis = aprimorado.

• A maioria dos detalhes cobertos = transformativo.

Outras escalas de maturidade dos dados

Com esses dois exemplos, fica mais fácil entender como a escala funcionaria em diferentes situações, e como fazer uma delas para medir a maturidade dos dados do ecossistema de sua empresa. Porém, além desta, existem disponíveis hoje diferentes escalas de maturidade dos dados, que também podem ser aplicadas. Veja a seguir:

Modelo Gartner

Apresentado pela primeira vez em 2008, este modelo de maturidade dos dados considera o sistema de gerenciamento de informações corporativas como uma única unidade. Entre seus objetivos, estão a integração de dados em todo o portfólio de TI; a unificação de conteúdo em toda a organização; e o fluxo suave de informações. Ao todo, esse modelo possui um total de seis estágios de maturidade. Cada um possui seus próprios atributos e itens de ação. Confira!

Nível 0 / Inconsciente: não há conhecimento de quaisquer atividades de governança de dados.

Nível 1 / Consciente: a falta de governança de dados se torna evidente.

Nível 2 / Reativo: a empresa finalmente entende a importância e o valor das informações.

Nível 3 / Proativo: o sistema de gestão da informação é aceito e adotado.

Nível 4 / Gerenciado: padrões e políticas são bem compreendidos e implementados em toda a organização.

Nível 5 / Eficaz: este é o nível final, em que é seguro dizer que a organização atingiu seu objetivo em termos de gestão da informação.

Modelo IBM

Introduzido em 2007, este modelo de governança de dados aborda um total de 11 domínios, entre eles gerenciamento de risco de dados, criação de valor, estrutura organizacional, arquitetura de dados e segurança e privacidade da informação. Consiste em um total de cinco níveis:

Nível 1 / Inicial: há pouca ou nenhuma consciência da importância dos dados.

Nível 2 / Gerenciado: os dados passam a ser vistos como um ativo da empresa.

Nível 3 / Definido: as regras de regulação são refinadas e menos ambíguas.

Nível 4 / Gerenciado quantitativamente: todos os projetos seguem as diretrizes e princípios de governança de dados. Os modelos de dados são documentados e disponibilizados em toda a organização.

Nível 5 / Otimizado: o custo do gerenciamento de dados é reduzido e os dados se tornam mais fáceis de gerenciar. As operações são mais fáceis de navegar e simplificadas.

Modelo BCG

Esse índice estabelece benchmarks que ajudam as empresas a avaliar com mais precisão a maturidade de seus recursos de dados em comparação com seus pares. Esse conhecimento pode ajudar as empresas a projetar melhores estratégias digitais para competir de forma mais eficaz com a concorrência.

Ao todo, o índice é baseado nos sete recursos de dados do Modelo de Recursos de Dados do BCG. Entre esses sete recursos, são ponderadas 19 dimensões e 55 critérios e, em seguida, criada uma pontuação agregada de 100 a 500. Essa pontuação coloca cada empresa em algum lugar de maturidade, baseado nesta escala:

Nível 1 / Atrasado: fez pouco ou nenhum progresso nos sete recursos de dados.

Nível 2 / Em desenvolvimento: entende seus desafios de capacidade de dados e começou a trabalhar seriamente neles.

Nível 3 / Convencional: possui recursos de dados médios para sua indústria.

Nível 4 / Estado da arte: possui várias áreas de excelência entre as sete capacidades de dados, mas pode não gerenciá-las de maneira coesa.

Nível 5 / Melhor prática: é avançado em todas as dimensões da construção de capacidade de dados e os gerencia de forma coesa.

Modelo Bill Schmarzo

Por fim, o modelo de Bill Schmarzo, Customer Advocate e Data Management Incubation na Dell. Bill desenvolveu o Índice de Maturidade do Modelo de Negócios de Big Data, com a intenção de auxiliar as organizações a medir o quão eficazes são no uso de dados. A escala é dividida em 5 níveis:

Nível 1 / Monitoramento: nesta fase, as organizações estão usando Business Intelligence (BI) e ferramentas de armazenamento de dados para monitorar os negócios.

Nível 2 / Insights (ou percepção de negócio): une a riqueza de dados internos e externos com análises preditivas para descobrir insights sobre os principais processos dentro da organização.

Nível 3 / Otimização: aplica análises prescritivas para fornecer recomendações aos funcionários da linha de frente, parceiros e clientes e melhorar a eficácia dos processos da empresa.

Nível 4 / Monetização: alavanca a abordagem da fase de otimização para identificar e executar novas oportunidades de negócios dentro do contexto da estratégia de negócios da empresa.

Nível 5 / Metamorfose: alavanca os insights cumulativos, dados e análises da organização para criar novos componentes dentro da estratégia de negócios.

Os dados não agregam valor automaticamente: os produtos de dados também não

Para terminar, uma reflexão importante a se fazer, depois de tudo o que vimos sobre a questão da maturidade dos dados, é que os dados, por si só, não agregam valor ao seu negócio. E os produtos de dados também não. Capturar dados não resolve seus problemas. Dados não são apenas dados, eles se tornam parte de uma série de decisões que devem ser tomadas pela organização. E são um ativo para alguém, seja um cliente ou uma empresa.

Por isso, é preciso pensar em dados como um produto, identificando a lacuna entre os próprios dados e aqueles que funcionam como um ativo. Há muitas formas de transformá-los em ativo, e cada empresa descobrirá aquelas que fazem mais sentido para a sua realidade.

O mais importante é perceber que os dados podem, sim, transformar uma empresa. Mas isso apenas acontecerá se as pessoas envolvidas com estes dados tiverem motivos para iniciar essa transformação. Dados, por si só, não transformam seu negócio.

Concluindo

Lembre-se de criar ou fazer uso de uma escala que atenda aos seus próprios critérios. Ela precisa ser fácil de entender e intuitiva, podendo ser aplicada a todos os fatores do ecossistema de dados de sua empresa. Afinal, a maturidade dos dados está intimamente ligada aos resultados e ao valor econômico que a empresa poderá atingir. Portanto, tenha em mente que o valor dos dados deve sempre ser medido pelo impacto nos negócios. A escala deve fornecer uma visão de onde você está. Mas não é ela quem trará a transformação que você está buscando. Pense nisso.