Por que é tão difícil ser data driven?

Por que é tão difícil ser data driven?

Uma empresa data driven (orientada a dados) pauta as suas decisões na expertise dos seus decisores e na análise e interpretação dos dados, nunca em somente uma dessas alternativas. E não estamos aqui falando apenas do tratamento dos dados de clientes, mas também de tudo o que envolve fornecedores, parceiros e outros atores do seu mercado, bem como de todas as suas funções internas ou externas, incluindo operações, logística, recursos humanos e todas as suas atividades internas e externas. Dados estão por todos os lados e podem beneficiar a empresa em todos os seus aspectos.

Por que as empresas nativas digitais são data driven?

Você já se perguntou por que as empresas nativas digitais, citadas em qualquer palestra ou post hoje em dia, conseguem ser extremamente data-driven enquanto o mercado tradicional patina nesse quesito? Pode haver muitas explicações, mas uma possível pista é esta teoria adaptada da proposta de Thomas H. Davenport no livro “Competição Analítica; Alta Books 2018”: 

As empresas pioneiras digitais não se tornaram data-driven porque queriam administrar melhor o seu negócio, pelo menos não no início. Elas viveram uma era em que pela primeira vez se podia acompanhar os passos dos clientes através de rastros de dados, os seus cliques. E para isso criaram ou reaproveitaram tecnologias para dar conta do que viria a se chamar Big Data. Daí para frente nunca deixaram de olhar dados e pautar suas decisões em análises.

E se minha organização não é uma Nativa Digital?

 A esmagadora maioria das empresas não é uma nativa digital e conquistou o seu sucesso na forma tradicional. A maioria delas começou a sua aventura em Data & Analytics por meio de equipes centralizadas que entregavam relatórios ou, com muito empenho, painéis de indicadores (Dashboards). Algumas dessas entregas conquistaram sucesso e outras foram subutilizadas por quem precisava tomar a decisão e preferia usar algum tipo de planilha pessoal, mas todas significaram algum tipo de avanço.

 A chegada das plataformas de Self-service BI trouxe um melhor aproveitamento de equipes descentralizadas, mesmo que algumas vezes a governança tenha perdido para a velocidade, e cada vez mais um modelo híbrido que equilibra governança e agilidade tem se difundido. 

A verdade é que ainda hoje vemos um excesso de cabeças se batendo em busca de uma forma harmoniosa de trabalho. Como fazer aquela montanha de dados virar valor para a empresa em forma de decisões? A busca continua.

É realmente preocupante não ser data driven?

Cada vez mais o seu setor pode ser ameaçado por algum nativo digital e pode ter certeza que ele usará os dados de uma forma pouco vista entre os seus concorrentes. Além disso, mesmo os seus concorrentes tradicionais estão evoluindo e buscando superar todas as dificuldades reais que você encontra.

Analisar dados de mídias sociais, internet das coisas e localização dos clientes, misturando com as suas bases internas para entender o que os clientes compraram no passado, quais rotas foram utilizadas para entrega e como as máquinas se comportaram, é o que todos estão buscando fazer em maior ou menor escala incluindo as capacidades prometidas por aprendizado de máquina e demais tecnologias cognitivas para predizer o que ocorrerá e predizer caminhos. Ainda, em muitos mercados, a criação de produtos a partir dos dados promete se tornar maior que o próprio negócio original.

O que realmente impede o avanço?

Conversando com clientes em todo o Brasil, observamos alguns pontos que formam barreiras ao verdadeiro uso de análise de dados para tomada de decisão. Em primeiro lugar, na maioria das empresas não há uma estratégia de Data & Analytics e os avanços têm sido em episódios esparsos com aumento de equipes, compra de tecnologias e projetos independentes.

Em segundo lugar, a cultura é barrada na falta de alfabetização de dados das pessoas e não há mudança que resista à falta de conhecimento. Em terceiro lugar, percebemos que os projetos não são construídos a partir dos objetivos de negócio, mas sim a partir de requisitos muitas vezes técnicos. Por último, mas não mesmo importante, o grupo de tecnologias escolhido muitas vezes é inapropriado para atender aos anseios.

4 sugestões rumo ao data driven

Selecionamos 4 pontos que podem mudar drasticamente a forma como a sua empresa utiliza Data & Analytics para se tornar mais competitiva. Podemos pensar como 1+3, sendo o primeiro a decisão da estratégia de Data & Analytics que ajudará a definir os outros 3.

1) Garanta estratégia e governança das atividades de Data & Analytics para a sua organização

Segundo Saul Judah, VP Analyst do Gartner, “Os líderes de dados e análises estão encontrando dificuldades para identificar quais aspectos da governança precisam melhorar, porque eles não têm uma referência clara para as melhores práticas nas principais áreas de governança”.

Se a sua empresa tem uma estratégia clara e uma governança de Data & Analytics operando a pleno, não há com o que se preocupar a respeito desse tópico. Apenas se a visão não está estabelecida, se os papéis não estão claros, se os processos são confusos, se as entregas são demoradas e, por fim, se o tempo para preparar e validar dados é maior que o tempo gasto em analisá-los, talvez seja a hora de repensar a estratégia e a governança de Data & Analytics de sua empresa em busca de melhores resultados com maior governança.

É importante ter em mente que é impossível ser estratégico em Data & Analytics sem ter uma estratégia clara de Data & Analytics. Identificar se Data & Analytics é um suporte ou alavancador de sua estratégia organizacional, criar uma visão e estratégia clara, dividir os papéis e criar uma governança para garantir o bom andamento dos trabalhos é um bom começo. A partir daí, é focar em mais três pontos, detalhados abaixo.

2)Metodologia para projetos de D&A focadas em objetivos de negócio

A construção de Data & Analytics deveria sempre ser orientada pelas questões de negócio e, pasmem, até hoje algumas iniciativas partem até mesmo da tecnologia. É necessário sempre ter claro que tipo de decisão o gestor quer tomar ou influenciar a partir dos dados. Com essa definição, ficará mais claro quando e de que forma os tomadores de decisão ou seus analistas devem acessar diretamente os dados e quando devem encomendar algo para um time de especialistas. A equipe de especialistas deve saber claramente formular perguntas de negócio e não requisitos funcionais para encaminhar projetos de real valor.

3)Alfabetização de dados

Você sabia que apenas 11% dos funcionários estão totalmente confiantes em sua capacidade de ler, analisar, trabalhar e se comunicar com dados?. Essa é uma das conclusões da pesquisa Data Literacy: the upskilling evolution, da Data Literacy Global Studies and Insights, realizada em 2020, com mais de 1200 executivos e mais de 6000 funcionários de empresas globais.

Decisão baseada em dados não é assunto técnico. Tomar decisões a partir de dados é para todos e todos precisam ser capacitados para isso. A não ser em raros casos super automatizados, as pessoas ainda são fundamentais na tomada de decisão.

Nas palavras de Vinay Dheer, Diretor de Data & Analytics da Regeneron, empresa americana de biotecnologia com 9.000 funcionários, “Uma empresa Data Driven precisa de motoristas (drivers) experientes em dados” em uma clara alusão de que a empresa data driven é apenas uma abstração de um conjunto de pessoas data driven andando pelos seus corredores físicos ou salas virtuais.

Se as pessoas na sua empresa não foram preparadas para ler, trabalhar, analisar e se comunicar com dados, não há do que se envergonhar. Porém, um programa de alfabetização de dados é mais do que necessário para destravar o potencial adormecido.

4)Tecnologia

No final - e nunca no início - é necessário escolher as tecnologias que dão vazão e suporte a uma estratégia de Data & Analytics. A seguinte frase: “não é possível ser data driven sem as tecnologias adequadas” é tão verdade quanto esta outra citação: “as tecnologias devem dar vazão à estratégia data driven da empresa e não definirem essa estratégia”.

 Portanto, escolha com bons critérios a caixa de ferramentas da sua empresa. Note que as super-difundidas tecnologias de dashboard e algoritmos são importantes mas são apenas a última peça de uma engrenagem tecnológica de Data & Analytics.

 É fundamental para o sucesso de Data & Analytics, como direcionador da estratégia, um conjunto tecnológico que permita coletar os dados em tempo real, armazenar esses dados na forma de SchemaOnWrite ou SchemaOnRead, usando o melhor de Data Warehouses e Data Lakes, boas plataformas de ETL, ELT e Virtualização de dados integradas a Catálogo de Dados profissionais e acessíveis por plataformas de Self Service Business Intelligence, Data Preparation e Auto ML, se possível integradas ao disparo de ações automatizados. Caso elas não estejam definidas e integradas a uma estratégia, cada área vai escolher a sua parafernália tecnológica para ganhar a corrida de 100 metros e diminuir a chance da equipe ganhar a corrida de 10.000 metros com revezamento.

Então, voltando à pergunta inicial, “Por que é tão difícil ser data driven?”  Porque, se fosse fácil, não seria um ativo tão valioso. Mãos à obra!

Eu adoraria saber qual das 4 barreiras citadas é a maior barreira para a sua organização em sua opinião. Deixe o seu comentário abaixo ou responda a nossa pesquisa aqui mesmo no meu perfil.