Para gerar valor na sua empresa, um bom planejamento orientado a dados é o caminho para tomar decisões assertivas. No entanto, como adquirir capacidade e cultura analítica para negócios com foco em dados? 

No dia 14 de março o Simpósio CDOIQ LATAM concretizou sua 1ª edição no Brasil, com renomados líderes e CDO’s do mercado, e essa foi uma dúvida respondida por Marcel Ghiraldini, Founder e CGO da MATH TECH, em conjunto com André Villamar, Head de Data & Analytics da Dexo e Jun Okara, Head de Analytics.  

Sabendo da necessidade de se embasar em dados, aprimorar essa cultura em uma organização e focar na conscientização dos negócios, os profissionais puderam abordar sobre a diferença do uso desses dados, além de conceituar sobre Data Consumer e contribuir com a entrega de valor de um negócio. 

Ademais, a pauta sobre cultura do modismo acerca das novas tecnologias existentes também foi abordada. Que tal um breve brainstorming sobre os temas? 

A diferença de uso de dados nas corporações 

Para descobrir a diferença de uso de dados nas corporações para gerar valor de verdade, o primeiro ponto é conseguir conceituar um pouco sobre o que é um Data Consumer e o que é uma operação Data Driven.  

Para Jun, grande parte das corporações possuem dados em excesso, independente da estratégia. Com isso, como gerar valor com tanta informação? Seria através de painéis executivos, ou então por meios produtizados?  

De fato, para o head de análise, a importância está em olhar variáveis específicas, ao invés de focar em quinze modelos diferentes, com gráficos distintos. No fundo, isto não é ser Data-Driven, nem mesmo só o uso de um ‘lake’ o torna especialista neste meio.  

Essa padronização, segundo Jun, é sinônimo de ser um Data Consumer ou Data User. Ou seja, que somente utiliza os dados. Data Driven é realmente aproveitar-se daquela pouca quantidade de informação, sabendo seus principais KPI’s e ser “drivado” sobre os dados.  

“Segundo pesquisa do Google, 80% dos dados que a empresa precisa, ela realmente tem. Só que, quais são as perguntas que as pessoas estão fazendo aos dados?”. É o que questiona André. 

Afinal, ser Data Driven não é uma abordagem técnica, isso diz muito mais sobre o aspecto cultural e a tríade de ouro: pessoas, processos e tecnologia.  

Sendo assim, ser Data Driven nada mais é do que uma estratégia que orienta decisões com base em análise e interpretação de dados, ao qual impulsiona para tomada de decisões e eficiência. Na prática, é utilizar os dados de forma coerente e minimalista.  

Enquanto Data Consumer significa, segundo os profissionais, uma pessoa que somente consome os dados. Mas, além disso, no ponto de vista técnico, consiste em uma ferramenta de gestão que naturalmente colabora para armazenamento, organização e enriquecimento de informações para leitura de dados.  

Tecnologia além da cultura de modismo nas empresas 

Quando falamos de abordagem cultural, há um elemento que não pode ser excluído: o modismo.  

Data Driven, por exemplo, já foi dito em muitos momentos, bem como Data Mesh. Porém, o tema do momento é o Chat GPT.  

Para Marcel, Founder da MATH, as organizações devem separar o que está sendo feito na realidade e o que se caracteriza como modismo, isto é, que está sendo feito somente com o intuito de acompanhar o que está na moda, como o chat GPT.  

Até mesmo porque, todos querem ser Data Driven, mas em qual lugar você quer chegar exatamente?  

Pensando na indústria, há um pouco das duas frentes, mas o principal motivador é enxergar o dado como um ativo estratégico. Isso, segundo André, diz muito mais a respeito dos movimentos estratégicos do ponto de vista de comunicação e qual o valor daquele dado e sua importância de forma correspondente a cada um dos departamentos. 

Para o profissional, isso tende a trabalhar da melhor forma. Por exemplo, aplicar IA não funciona para resolver qualquer problema, bem como as articulações paralelas podem colaborar com a forma que o modismo é visto. “Como eu entrego valor ao negócio? Fazendo com que o dado seja visto de maneira estratégica”, acrescentou André.  

Já para Jun, o modismo é querer um Data Scientist para tudo o que você precisa. O certo é pensar em valor para a empresa além disso, avaliando a trajetória da evolução de dados, que geralmente começa com uma análise descritiva e pode seguir a preditivas e descritivas.  

Mas, há pesquisas e estudos para entender estes momentos?  

Sendo assim, a reflexão é de que a orientação a dados justifique uma decisão que já foi tomada ou para ser pensada a um processo futuro. 

Cultura de dados nas organizações  

E por falar em profissional Data Scientist, já reparou como está a competitividade do profissional de dados na empresa?  

A montagem de times voltado ao setor é sempre um desafio quando se fala de cultura de dados. Isto porque, segundo Marcel, o olhar do profissional é abordado através da tecnologia.  

Ou seja, nem sempre é de conhecimento o valor da categoria em questão para o mercado.  

Empresas não são maduras no entendimento em dados e análise de dados, uma vez que geração de informação transformacional é o que modifica e amplia a posição desses especialistas.  

Tendo isso em mente, a camada de dados é a custódia sistêmica e, de toda maneira, é necessário que a aplicação seja avaliada em todos os cenários, mas principalmente, atuem como professores, treinamentos e geração de pertencimento.  

Para André, essa posição vai muito além do técnico e o fato de conseguir gerar pertencimento ao time e apresentar o valor do que eles têm para a companhia no ponto de vista de gestão estratégica de dados, independente da camada, é como isso se correlaciona aos processos de negócio.  

Então,  

  1. Primeiro, falamos de pessoas e engajamento, expondo vulnerabilidade;
  2.  Em segundo lugar, trabalhar o pertencimento, a fim de estabelecer confiança; 
  3. Por fim, criar um ambiente incrível, tendo uma equipe de alta performance, com a liderança trabalhando de forma estendida para a geração de negócios.

O processo do ROI

Através de um time orientado a dados, e com os princípios da tríade citada acima, bases com treinamentos acabam sendo para o mercado.  

No entanto, sem eles, é impossível que se alcance um time ideal para esse processo. Através disso, Marcel provoca e questiona que a organização em vendas também precisa fazer parte dessa linha.  

Sendo assim, pensando em ROI – Return on investiment, ou em português, Retorno sobre Investimento – ele não está autocontido. Dessa maneira, como é o processo hoje pensando em cadeia sob avaliação de mercado ou ainda é pensado em qual posição está esse retorno?  

Para isso, Jun reflete através da função que ele desempenha. “Como área de dados geral, ROI é importante, e no setor financeiro é o que mais importa. Não estou dizendo que todos eles têm maturidade para acompanhar, e essa é uma grande discussão quando se fala de performance e produto usando dados, o que realmente é Data-Driven.  

Mas, o mais importante de tudo é: qual o ROI que o business analytics traz junto do time de produtos e qual o ROI que o Data Scientist traz para a corporação de outra forma? Depende muito de como foi formado a estrutura, mas podemos utilizar exemplos através de testes A/B”. 

Afinal, não adianta só falar de informações e implementar para 100% da base e ter um aumento com relação à curva normal. Ainda pensando que, o mercado pode melhorar naquele momento, “sem querer”.  

Por isso, é necessário ter alinhamento com o time de negócios e ter compatibilidade para a realização de testes A/B que derivam em demonstração de valor para vender além do seu próprio resultado.  

Segundo Marcel, inclusive, não é possível fazer operações sem separar o crescimento alfa do beta. Ou seja, ao fazer o teste, não é realizado a separação do que o mercado fez sozinho entre o que sua empresa fez, a ponto de confundir o teu produto com o concorrente que fez “besteira”.  

É compreensível então o alinhamento do time de finanças com dados, tendo ROI ao ano e demandas suficientes para pedir mais recursos e justificar investimento.  

Governança de dados X pessoas  

Por fim, no contexto digital, o apoio a uma estratégia de dados é além de visão do ROI, com engenharias e camadas de dados frente a um processo de evolução fundamental a uma estratégia.

Pensando nisso, os maiores desafios vão além de treinamentos, pessoas e cultura de dados motivado aos profissionais.  

Isso consiste em governança e pessoas serem os maiores desafios dos CDOs e profissionais da área. Um exemplo trazido por Marcel é no uso do Chat GPT, que erra por consequência da governança dos dados da internet inexistirem, e assim sendo utilizada de dados falsos, com má qualidade e retornos com respostas “malucas”.  

Sendo assim, governança que já é importante, porém deixada de lado, passa a ser ainda mais relevante. Contudo, o principal desafio hoje segue sendo a governança de dados e a necessidade de atenção nessa centralização de informações. 

E a sua? Como estão seus desafios e premissas para seu ano de negócios? 

CTA | Ebook - Data Driven