Um líder de dados precisa saber quais tipos de projetos pode assumir e as diferenças básicas entre cada um deles. Veja algumas dicas de como começar
As equipes de dados costumam ser responsáveis por vários dos pilares importantes dentro de uma empresa. E isso pode ser um desafio e tanto quando você é um Head Of Data (líder de dados) e precisa escolher qual o próximo projeto a ser realizado.
Afinal, quando você é constantemente bombardeado por pedidos e solicitações de novos projetos de suas equipes, qual a decisão correta a se tomar? Esta é a questão discutida no artigo “3 Key Types Of Data Projects You Will Need To Take On As A Head Of Data Analytics”, publicado pelo Engenheiro de Dados Ben Rogojan, em sua página no Medium. E é sobre isso que trabalharemos neste conteúdo.
Principais tipos de projetos: analytics, automação e produtos de dados
Em seu texto, Ben tenta lançar luz sobre o assunto e dá algumas dicas sobre como você pode começar a selecionar melhor os projetos a serem realizados durante o trabalho como líder. O primeiro passo, de acordo com ele, é dividir os projetos existentes em 3 principais categorias:
-
Análise
-
Automação
-
Produtos de dados
A seguir, você entenderá melhor o que são cada um desses projetos, e quais os fatores você deve levar em conta na hora da sua escolha com qual deles trabalhar. Confira.
Projetos de análise
A primeira categoria que falaremos são os projetos de análise. Em geral, eles são extremamente práticos, começando com poucas perguntas sobre os dados coletados e sempre terminando com alguma forma de insight.
Na maioria das vezes, os projetos de análise de dados podem parecer com um relatório de dados ad-hoc, um Jupyter Notebook clean, ou mesmo uma apresentação comum de powerpoint. É possível utilizar diferentes meios para contar essa narrativa. O importante é que as pessoas entendam o que está acontecendo na empresa.
Normalmente, em qualquer projeto, você terá alguma forma de fase de análise ad-hoc enquanto trabalha para descobrir se há algum motivo para se aprofundar nos dados em questão. O ponto chave aqui é criar uma narrativa com dados, com dicas importantes que você deseja que seu gerenciamento obtenha de sua análise, e possa construir algo a partir dela.
E por que escolher trabalhar em um projeto de análise?
Basicamente, você precisa ter certeza de que este processo vai gerar um valor tangível para o negócio. Na hora de identificar os projetos de maior valor para sua empresa, uma boa dica é reunir-se com seus stakeholders e descobrir quais perguntas são mais urgentes no momento, bem como o que responder a essas perguntas impactaria nos negócios.
Analise, por exemplo, quais indicadores-chave de desempenho (KPIs) a empresa usa para administrar os negócios; quais métricas deveriam estar ao seu alcance todos os dias; qual a melhor forma de medir os impactos de cada ação nos negócios; etc.
Além disso, ao tentar descobrir qual projeto de análise assumir, lembre-se de que o objetivo da análise não é apresentar dados por si só, mas sim trazer ao conhecimento das equipes informações que possam se transformar em ações, e que estas tenham um impacto material dentro da empresa.
Projetos de automação
Projetos de automação podem trazer resultados importantes para a organização. Por exemplo, é possível aumentar a escalabilidade de um processo; reduzir custos e tempo de trabalho; diminuir ou zerar a quantidade de erros humanos na operação, entre outros fatores.
O problema com a questão da automação é que a maior parte do trabalho acontece nos bastidores, o que faz com que, em muitos casos, gestores e gerentes não se importem muito com isso. Em outras palavras: a menos que o trabalho de automação impacte diretamente os resultados financeiros da empresa, provavelmente o C-suite não ficará impressionado com o que foi alcançado.
Porém, para que todos os negócios orientados a dados funcionem, é necessário possuir sistemas automatizados sólidos e robustos. E é função do líder de dados mostrar isso para a gerência.
Nesse sentido, encontrar os projetos certos para automatizar pode ser um desafio, mas definitivamente vale a pena. Afinal, a automação pode economizar muito tempo na realização dos processos, o que também gera uma economia financeira a médio e longo prazo.
Para decidir quais projetos de automação assumir, é preciso buscar por projetos que estão levando muito tempo para serem concluídos, ou que levarão muito tempo em um futuro próximo, quando a escala for maior do que é hoje. Além disso, é preciso entender a importância de automatizar determinado processo. Se essa automação não for utilizada com frequência, talvez não valha o investimento.
Em seu texto, Ben Rogojan nos mostra uma imagem que pode dar sentido ao que estamos tentando explicar:
Basicamente, este quadro mostra quanto tempo você precisa trabalhar para começar a fazer sentido automatizar um processo. Porque nem sempre fará, e é função do líder de dados avaliar quando um projeto de automação realmente é algo válido para a empresa.
Portanto, o que você automatiza precisa fazer sentido de uma perspectiva de troca de tempo.
Se a gerência ou os diretores da organização não se importam com projetos de automação, é preciso que analistas, gerentes, líderes de dados e cientistas de dados façam a si mesmos a pergunta: “vale a pena lutar por isso?”.
Projetos de produtos de dados
Por fim, assim que você tiver domínio sobre os projetos de análise e automação, pode começar a considerar a ideia de criar um produto de dados. Isso porque, segundo Ben, você não pode ir direto para os produtos de dados antes de pelo menos ter um conhecimento prático do processo de análise e uma infraestrutura de dados automatizada básica. Pois é a partir disso que os produtos de dados são construídos.
Dito isso, projetos de produtos de dados geralmente podem assumir a forma de um conjunto de dados processado, que categoriza automaticamente as entradas de dados através do processamento de linguagem natural. Ou algo mais simples, com um dashboard ou um endpoint de API.
Esses são apenas alguns exemplos de produtos de dados que podem ser criados de forma interna pelas equipes de dados. Contudo, muitos deles possuem limitações de tempo, orçamento, recursos humanos e mesmo experiência e capacidade técnica.
Dessa forma, apesar de o produto de dados poder ser uma ótima maneira de aumentar os lucros, é preciso entender antes se a empresa consegue arcar com este projeto.
Quase sempre, projetos de produto de dados começam com a captação de dados, através de uma forma de mapeamento que garanta que, independentemente de quem fornece os dados, eles sempre terão a mesma aparência ao final do processamento. Em seguida, a equipe em geral desenvolve alguma forma de modelo ou lógica de negócios padronizada, que processa ainda mais os dados. Por fim, os dados são fornecidos em alguma forma de painel, modelo, lista direcionada, pontos finais de API, entre outros.
Em geral, esse é um dos projetos favoritos dos líderes de dados, uma vez que quase sempre há um retorno sobre o investimento visível, associado à receita criada a partir daquele produto.
Por onde começar?
Depois de entender melhor sobre os principais tipos de projetos de dados, é preciso escolher aqueles com os quais você deseja trabalhar, assumindo o posto de líder de análise.
Lembre-se de que, na maioria das vezes, os gerentes e diretores não estão interessados com como você fará algo, apenas nos resultados que irá atingir.
Portanto, comece pelas perguntas realmente importantes, e foque naquilo que trará resultados visíveis e sólidos para a empresa. Seja a partir de uma análise, seja com automações, seja com a criação de um produto de dados. Foque no resultado final e escolha os projetos que fazem sentido para a realidade do negócio hoje.
3 dicas para liderar uma iniciativa de análise de dados
A seguir, confira 3 princípios chaves compartilhados neste texto e que podem fazer toda a diferença para o sucesso da sua liderança em dados.
1. Escolha o projeto certo
Basicamente, tudo o que falamos até agora. O primeiro passo com a análise é decidir quais problemas você deseja resolver. Comece identificando um problema específico, mas que seja amplamente reconhecido na organização como um problema. Organizações de qualquer tamanho têm muitos problemas que a análise de dados pode ajudar a resolver.
Na hora da escolha, considere que o projeto deve ser prático, possuir um financiamento adequado e, claro, ter acesso a dados.
Outra dica é limitar o foco do seu esforço. Se o seu problema for fraude, por exemplo, comece identificando e reduzindo um tipo específico de fraude. De nada adianta abraçar o mundo de uma só vez.
Tenha sempre um objetivo principal claro, e mostre o valor da análise de dados à medida que consegue resolver problemas pontuais dentro da empresa. Lembre-se: obter adesão e engajamento não somente da sua equipe, mas também de gestores e C-suites é fundamental, uma vez que a análise de dados busca mudar a maneira como as pessoas dentro da organização tomam decisões.
2. Pequenos passos
Algumas empresas novas na análise de dados tentam avançar muito rápido em pouco tempo. Com isso, investem muito dinheiro em projetos iniciais, contratam pessoas com experiência em análise de dados, gastam dinheiro com assinaturas de softwares, entre outras ações.
Contudo, antes de começar a investir tanto em uma cultura orientada a dados é preciso planejamento e adesão organizacional. Se não, será como montar uma academia dentro de casa sem alguém realmente interessado em utilizá-la. Equipamentos e recursos tecnológicos podem parecer ótimos logo de início, mas ter o apoio das pessoas envolvidas é ainda mais importante. Portanto, comece aos poucos, pensando de uma forma mais prática e objetiva, e demonstrando para a empresa como a análise de dados pode, de fato, trazer bons resultados. A partir daí, peça investimentos direcionados e que façam sentido para o momento. Certamente isso trará resultados melhores, e facilitará na hora de mostrar o potencial de mudança de projetos orientados a dados.
3. Liderança é fundamental
Muita coisa pode contribuir para que a taxa de sucesso dos projetos seja baixa, mas a falta de comprometimento está entre as principais delas. Atualmente, muitas organizações simplesmente não estão dispostas a seguir as orientações dadas por meio da análise de dados, mesmo quando é óbvio que essas recomendações levarão a melhorias significativas. E isso muitas vezes sinaliza um problema de liderança.
A falta de uma liderança forte influencia diretamente na adesão das equipes e mesmo da gerência. A verdade é que um projeto de análise de dados provavelmente falhará se você o conduzir sem envolver as partes interessadas e, após a conclusão, informar a essas pessoas quais são os resultados atingidos.
Sabemos que mudar a cultura organizacional não é tarefa fácil, mas é um papel importante do trabalho de líder de dados. Iniciativas de análises preditivas bem-sucedidas exigem necessariamente uma liderança forte e entusiasmada, que consiga com que o restante das pessoas envolvidas também acredite naquele projeto.
Além disso, como os resultados de um projeto de análise de dados podem levar algum tempo para aparecer, manter o curso pode exigir paciência e perseverança, mas sempre vale a pena.
É preciso que os líderes destes projetos lembrem a suas equipes e gestores que soluções rápidas raramente fornecem resultados eficazes a longo prazo. Portanto, é preciso seguir trabalhando até que os resultados apareçam. Ao mesmo tempo, o líder precisa encontrar formas de manter sua equipe motivada, demonstrando que o trabalho realizado se transformará em algo positivo em breve.
Conclusão
Por fim, o que podemos concluir é que o líder de dados tem muitas decisões importantes a tomar. Primeiramente, na escolha do projeto certo, que apoie os objetivos gerais da empresa e tenha adesão das equipes e envolvidos.
Em segundo lugar, um projeto que mostre seu valor ao longo do tempo, e que valha a pena “lutar” por ele. Apenas assim será possível conseguir o financiamento e o apoio adequados para levar o projeto adiante e, se tudo der certo, entregar resultados que realmente façam diferença para a empresa!
