Geração de valor com dados: um pouco sobre a CDOIQ LATAM

No dia 14 de março, o Simpósio CDOIQ LATAM, conhecido como um dos principais eventos de Data & Analytics do mundo, aconteceu no Brasil. 

Sua 1ª edição no País chegou para tornar ainda mais forte a atuação de líderes e executivos CDOs, e contemplou uma programação extensa com diversos profissionais renomados no mercado. 

Entre os palestrantes, tivemos representantes de marcas como Nestlé, Hospital Israelista Albert Einstein, Ambev, PagBank, AWS, Dexco e Banco Next, ambos parceiros da MATH TECH, a qual também esteve presente tanto como patrocinadora, quanto como participante no evento, compondo o painel sobre Impactos de Negócios: Data Driven vs. Data Consumer.  

Segundo Nilson, co-anfitrião do CDOIQ, “o objetivo principal do simpósio foi de criar, cultivar e fortalecer relacionamentos entre os CDOs”, o que esteve muito presente durante o dia inteiro que houve de trocas. 

Além disso, alguns dos temas abordados trataram especificamente de ciência de dados, geração de valor e promoção da cultura. Confira um breve resumo de algumas das participações dessas organizações.  

Sumário

Mais do que dados, pessoas 

Promoção da Cultura e Geração de valor com Dados 

Governança de dados: o caminho crítico para o modelo data mesh e a cultura data-driven 

A importância da Gestão de Dados para a Competição Analítica 

Mais do que dados, pessoas 

Com a participação do profissional Rodrigo Oliveira, Digital & Business Innovation Lead da Nestlé, a abordagem passou de dados para pessoas. 

O profissional abordou exemplos através de cases sobre como dar sequência na jornada data-driven, tendo pessoas no centro focando nos consumidores, colaboradores e clientes. 

1. As pessoas estão mais digitais do que nunca 

E não é apenas pensando em compras, mas no modo de viver. 

Em vista disso, a Nestlé foca cada decisão  

• No consumidor; 
• No cliente; 
• No colaborador.  

E reforça que mais do que dados, precisamos pensar em pessoas. Para isso, criou um time interno chamado DATA LAB, que hoje ocupam mais de 60 vagas internas e 20 externas, que apreciam os dados da empresa de modo a evoluir a fundação para um ecossistema online de dados, utilizando Azure como data lake, e a treasure data, como CPD.  

2. Exemplos práticos de como conhecer seu consumidor 

Em vista disso, um dos seus outros principais cases trouxe uma situação que ampliou a necessidade de se fazer personas, pensando não só no individual, mas na massa, contemplando os seguintes pontos 

• Aquisição: com mais consumidores 
• Enriquecimento: com mais atributos 
• Engajamento e conversão: com mais vendas 

Tudo isso partindo do princípio de conhecimento do seu público, tendo em mente que nem de todos os cadastros já obtidos é possível alcançar os dados, então enriquecimento é importante.  

Após abordar seu público e reconhecê-los para determinada campanha, os resultados chegaram a:  

• + 11 mil novos cadastros; 
• +40k savings; 
• 14,3k salvage; 
• 30% de CTOR; 
• 7,4% taxa de conversão (a previsão era chegar a 5%).  

3. Foco em alavancar as vendas dos clientes 

Para este caso, o tema sobre recomendação foi a pauta inicial e final desse case. Pensando e utilizando marcas como Netflix e Amazon como principal fonte de inspiração.  

A Nestlé hoje, com base nisso, utiliza de:  

• Recorrência, oferecendo ao cliente o que ele já está acostumado a comprar, para ganhar confiabilidade; 
• Associação, em que se baseia na compra de outros usuários para propor um novo produto, bem como a Amazon quando se utiliza de opções como “outros usuários também gostaram de...”, para indicar novas oportunidades de vendas. 

Pensando em marketplace, uma boa recomendação é sinal de que o cliente fica feliz por vender mais, enquanto a equipe de vendas consegue realizar um ótimo trabalho para este resultado. 

Promoção da Cultura e Geração de valor com Dados 

E por falar em cultura e pessoas, a geração de valor com dados não pode ficar de fora. Tudo isso porque, se não houver uma boa cultura que envolva pessoas a entender sobre Data & Analytics, é impossível que uma empresa se torne data-driven.  

Neste painel, contamos com a presença de Andrea Suman, CDO do Hospital Israelista Albert Einsten, Diógenes Justo, Head of Data do Zé Delivery, representando a Ambev e Juliana Custódio, Gerente geral de dados da PagBank, que foram moderados por Janete Ribeiro, Especialista de dados da AWS. 

Sabendo que a cultura de uma orientação a dados é de grande demanda, os envolvidos responderam o motivo de uma organização ter dificuldade em ser orientada a dados.  

Para Juliana, há 3três grandes coisaspontos que precisam ser equalizadoas para poder dar valor a uma empresa. Vamos a eleas: 

1. “Como ter uma estratégia clara em que consiga combinar ferramentas, papéis e responsabilidades, para não ocorrer desperdícios?
2. “Como a gente de fato atrela dados a alavancas que temos ali para a empresa, pensando em buscar alguma coisa para jornada operacional e eficiência de custos, para quem trabalha com dados usar dessas alavancas além dos dados técnicos?”;
3. “Por último, como a gente trabalha a cultura e a alfabetização? Pois como vamos fazer isso funcionar sem criar uma consciência de rumo e papel para fazer com que isso se realize?"

“Cultura é um ponto chave para fazer isso acontecer”, ainda segundo a profissional da PagBank.  

Em outros pontos, as dúvidas se tornaram pertinentes nos desafios de uma empresa para extração de dados e a maneira de influenciar na organização das equipes para estruturação de áreas.  

Este, claro, não é problema de uma empresa só. Pelo contrário, ambos os participantes do painel apresentaram desafios para compor uma equipe pautada em Data & Analytics. 

Porém, chama a atenção o fato do uso da Descentralização, por tipo de complexidade de dados, citado por Andrea Suman. “Se eu descentralizo em momentos de construção, temos mais dificuldades”.  

A descentralização nada mais é do que deixar de concentrar todas as informações em um único local. 

“O que temos visto na descentralização é como orquestrar melhor a geração de valor. Ao descentralizar o desafio é olhar os portfólios de forma mais orquestrada”, complementou Andrea.  

Dessa maneira, para quem está começando, a dica dos profissionais é 

• Encontrar o problema do negócio e buscar solução de forma estratégica;  
• Começar pequeno, com um ou dois casos, e achar os sponsors que são engajados, não os detratores, para que eles cheguem até o final da jornada; 

• Ter entregas mais constantes, entender bem o processo, o que você vai transformar e ter as mesmas pessoas durante este desenvolvimento.  

Diógenes ainda acrescenta que se deve ter foco naquilo que vai atribuir mais na busca de geração de valores. 

Governança de dados: o caminho crítico para o modelo data mesh e a cultura data-driven 

Com a participação de Rafael Kataoka, Chief Data Officer & DPO do Banco ABC Brasil, o tema chegou à governança de dados.  

Segundo ele, pensando em dados dentro de decisões de uma instituição financeira, a governança de dados é importante para que não exista impactos negativos, principalmente quando falamos sobre LGPD (Lei Geral de Proteção de Dados). 

Para isso, entramos diretamente em Data Mesh e a Cultura data-driven. O que significa que, para uma plataforma Data Mesh, antes de mais nada é preciso entender a centralização da governança, mas que o dado é por domínio de negócio. 

Ou seja, como é feito para uma empresa consumir o dado? Para Rafael, é preciso ter um Data Marketplace, para que seja centralizado a informação. E para encontrar a informação, utilizamos de Data Product.  

Visto isso, para sanar dificuldades e vencer os desafios, o ideal é:  

1. Ter um bom Data Mesh. Isto é, uma cultura de dados como ferramenta para o marketplace evoluir a plataforma para uso;
2. Não adianta um bom Data Lake com melhor tecnologia possível se não existir um bom Marketplace para gerenciar o uso;  
3. É necessário um catálogo de dados para entender o que determinada informação significa, como um dicionário de negócio do dado. Isto é um incremento inclusive a cultura de conhecimento, citado nos tópicos anteriores, por exemplo;  
4. Informações com dados confiáveis para decisões automáticas. Mas como ter certeza dessa confiabilidade? Inclusive, Rafael apoiao o uso de sistemas operacionais para monitorar a performance, cobrança e alimentação;  
5. Segurança de dados como motivo legal, como a LGPD;  
6. Ser endereçável. Isto é, tendo um Data Lake para endereçar o uso, já que a cultura Data Driven vai precisar fazer você utilizar a informação para uma área especifica e alavancar o negócio, como geração de receita, por exemplo; 
7. Data by Design como interoperável. Usando a descentralização e dividindo componentes em diversas ‘squads’ para conseguir acessar o dado de forma governada, utilizando mais agilidade. 

Leia mais sobre o tema em “Framework na governança de dados: o que é e como escolher o seu” 

A importância da Gestão de Dados para a Competição Analítica 

Por último, acompanhamos André Villamar, Head of Data Analytics & DPO da Dexco, para abordar de forma mais aprofundada sobre a importância da gestão de dados para a competição analítica.  

Cada vez mais o ritmo de crescimento tanto do ponto de vista de modelo de negócio, seja digital ou não, o volume de usuário cresce, bem como volumetria de dados e o uso de Analytics. Isso compete ao desenvolvimento de melhoria de produtos, segundo André.  

O dado chega como um ativo estratégico, trazendo um diferencial competitivo em diferentes linhas de crescimento, tanto em eficiência, quanto em jornada de consumidor. Seguindo essa linha, há muito espaço para crescer.  

E para a Dexco, um modelo de inspiração para conseguir evoluir foi: 

• Delta Plus – definição de qualidade e integração, uma vez que DELTA signifique D (Data); E (Enterprise); L (Leadership); T (Targets); A (Analysts). Podendo ainda, as duas últimas letras também significarem Technology e Analytics Techniques, consecutivamente.  

E como processo metodológico, também optaram por um caminho da comprovação, que atendem a 5 estágios.  

• Deficientes analíticos 

Uma organização possui alguns dados e algum interesse pela inteligência analítica por parte da gestão. 

• Análise localizada 

A gerência funcional desenvolve as condições favoráveis para a análise e o interesse dos executivos por meio da aplicação analítica básica. 

• Aspirantes analíticos 

Os executivos se comprometem com a inteligência analítica ao alinhar rascunhos e definir um cronograma para o desenvolvimento de uma ampla competência analítica. 

• Empresas analíticas 

Recursos analíticos no âmbito de toda empresa. Executivos de alta administração consideram a competência analítica uma prioridade corporativa. 

• Competidores analíticos 

A organização colhe continuamente os benefícios da competência analítica desenvolvida no âmbito de toda a empresa e se concentra na renovação analítica contínua.  

E, assim, finaliza contemplando que os aspectos humanos e organizacionais da competição analítica é que são os verdadeiros elementos diferenciadores, e não a tecnologia. Que é, basicamente, o que alguns dos outros painéis abordaram: pessoas. 

No resumo, isso pode ser arquitetado de modo a treinar quem já existe nas empresas e adotar Data no dia a dia, como aprendizado e crescimento.  

Quer saber mais e continuar por dentro do que a MATH TECH tem para contribuir com soluções e o crescimento do seu negócio? Acompanhe-nos nos canais oficiais.