Soluções / DDDM

Um passo a passo para começar a usar Data Driven Decision Making (DDDM) na sua empresa

Se você ficou interessado em tomar decisões com base em dados na sua empresa mas não sabe como começar, os passos a seguir podem ajudar. E não se esqueça: na dúvida, conte sempre com a Just a Little Data!

Line-19

1. O objetivo 

2. A hipótese

3. Dados necessários

4. Construção de processos

5. Coleta dos dados

6. Análises

7. Apresentação e decisão

Frame-44

1. Defina um objetivo 


Comece definindo quais objetivos de negócios você pretende alcançar por meio dos dados e trace uma estratégia geral. O ponto fundamental aqui é saber como você acha que os dados vão ajudar a alcançar os seus objetivos. Por exemplo, se você tem uma rede de mercadinhos de bairro, você pode analisar como os seus clientes compram frutas com o objetivo de melhorar o fornecimento, a localização desses itens nas lojas, os preços e até mesmo as embalagens. Estabelecer esses objetivos vai ajudar a formatar sua coleta e análise de dados já na largada. 


Este é também o momento de comunicar toda a equipe a respeito do compromisso com a tomada de decisões com base em dados e começar a criar essa cultura dentro da empresa. O envolvimento de todos nessa missão é tão importante quanto a infraestrutura e as ferramentas certas. 


Pontos principais nesta etapa:


- Identifique as funções e as pessoas necessárias para esse projeto, especialmente profissionais especializados.

- Certifique-se de que todos entendem o básico de DDDM e o valor de tomar decisões com base em dados.

- Defina os objetivos do projeto em termos específicos e mensuráveis como, por exemplo, “aumento de 10% nas vendas do item X em seis meses”.

Frame-45

2. Estabeleça uma hipótese


Foque em um área específica do seu negócio (clientes, finanças, operações etc.) que precise de mais atenção no momento. Priorize inicialmente aquela que você acredita que trará mais benefícios em termos de crescimento dos negócios. Em seguida, identifique as perguntas específicas para as quais você quer encontrar as respostas usando os dados e que estejam relacionadas aos objetivos que foram definidos no passo 1. Procure formular essas perguntas em forma de hipótese, que poderá ser comprovada ou não a partir da investigação a ser feita. Por exemplo, “se nós colocarmos uma seção de perguntas frequentes no site da empresa, diminuiremos o número de ligações para o nosso serviço de atendimento ao consumidor”. Com isso, você também saberá antecipadamente em quais fontes de dados precisará focar e quais dados pode esperar coletar para essa finalidade.  


Pontos principais nesta etapa:


- Identifique a área de negócios que trará mais impacto com o uso de dados.

- Formule a pergunta principal como uma hipótese que possa ser comprovada ou não.

Frame-46

3. Identifique os dados necessários


Os dados que você vai examinar devem ser relevantes para a pergunta que foi formulada anteriormente. Se tomarmos como exemplo a questão da empresa que deseja colocar uma sessão de perguntas frequentes em seu site para diminuir as ligações para o serviço de atendimento ao consumidor, o número de ligações e duração das chamadas podem ser dados úteis, ao passo que as condições meteorológicas no momento das ligações, nem tanto.


Existem duas categorias gerais de dados que você poderá usar, idealmente em conjunto:


Dados Qualitativos:
Subjetivos e não numéricos. São observados e não medidos. Exemplo: as impressões do seu cliente sobre determinado produto ou serviço, que podem ser coletadas via formulário ou entrevista. 


Dados Quantitativos:
Objetivos e numéricos. São medidos e não observados. Exemplo: dados transacionais (quem comprou o quê, quando, quanto custou, qual a frequência etc.). 


Nem todos os dados terão a qualidade necessária para serem utilizados. Para servirem, os dados devem medir algo significativo, serem precisos, formatados corretamente e não conterem duplicidade. Por isso, antes de começar a coletar definitivamente, convém criar um teste piloto para avaliar a qualidade daquilo que está sendo captado. Ainda assim, pode ser que após a coleta seja necessário fazer uma “limpeza” dos dados antes da análise, ou seja, verificar as informações, consertar erros e remover redundâncias.


Existem algumas perguntas que podem ajudar a determinar a qualidade dos dados: 


- Quem coletou? Qual a confiabilidade desses dados (eles medem o que deveria ser medido, todos os dados foram coletados com os mesmos parâmetros e não contém respostas falsas)? 

- Qual a amostragem? Ela representa a realidade ou só parte dela? 

- Existem outliers (medidas excepcionalmente altas ou baixas) e como eles afetam a distribuição geral dos dados? 

- As relações de causalidade que você observa nos dados estão realmente lá ou existem outros fatores e variáveis dando uma impressão de causalidade? 

- Quais premissas você está utilizando na hora de olhar para os dados? Será que elas são reais? Por exemplo, você pode achar que os consumidores compram o seu produto para si mesmos, mas será que muitos deles não irão dá-los de presente?

- Por fim, por que você decidiu analisar os dados de determinada maneira e não de outra?


Pontos principais nesta etapa:


- Dados Qualitativos e Dados Quantitativos.

- Quantas fontes de dados você vai precisar?

- Os dados são confiáveis e comparáveis?

- Os benefícios futuros vão compensar os investimentos para coletar os dados?

- Quanto tempo vai demorar para coletar?

- Quantos desses dados você já está coletando atualmente?

Frame-47

4. Construa processos para obter os dados que você ainda não tem


Pode ser que você descubra que você já coleta os dados que você vai precisar. Isso é ótimo, porque significa que você não vai precisar investir tanto na coleta e sua análise vai poder começar mais cedo. Se você ainda não os tem, vai precisar pensar em como consegui-los, seja coletando você mesmo ou com fontes externas. Nesse momento, é importante levar em conta quatro Vs dos dados (Volume, ou tamanho dos dados; Variety, ou formato dos dados; Velocity, ou velocidade de transmissão dos dados; e Veracity, ou confiabilidade dos dados) e em como otimizá-los. 


Seja qual for o caso, convém lembrar que usar várias fontes diferentes pode ser problemático caso os dados não usem variáveis comuns – o que permitiria integrar essas fontes. Se encontrar esse problema, avalie se esses dados podem ser úteis em projetos futuros. Em caso positivo, talvez valha a pena investir tempo e recursos agora para resolver quaisquer disparidades.  


Falando em investir, é preciso que fique claro que obter os dados está cada vez mais barato, mas ainda é preciso dispor de recursos, principalmente se você mesmo fará a coleta e o armazenamento dessas informações. Assim, é sempre prudente focar nos dados que realmente importam para o seu negócio, além de pesar os custos de um projeto e os possíveis benefícios que você obterá com ele. Se o saldo for negativo, repense. 


Pontos principais nesta etapa:


- Onde obter os dados que você não tem?

- Separe um orçamento para isso.

- Busque as aprovações internas necessárias para o projeto.

- Procure os fornecedores necessários e requisite cotações.

Frame-48

5. Colete os dados


Seja com big data, em que os processos de coleta são automatizados por conta do volume de informações, ou em quantidade menores, em que a coleta é realizada por pessoas, existem três estágios para a coleta:


1. Designe pessoas para os papéis de coleta de dados e gestão de dados – Essas pessoas serão as responsáveis por checar a veracidade dos dados.


2. Defina os processos e protocolos de coleta de dados – Passo importantíssimo, porque os métodos de coleta vão impactar diretamente nos já citados quatro Vs dos dados. Identifique as fontes e determine os métodos precisos de coleta, ou seja, se os dados serão registrados por máquinas ou pessoas. Também é recomendado criar um dicionário de dados e definir cada uma das variáveis registradas. 


3. Faça uma limpeza e um processamento preliminar dos dados – A limpeza dos dados pode ser um processo árduo, mas é de suma importância para garantir a integridade e usabilidade das informações ao buscar dados duplicado, incorretos ou corrompidos. Neste momento o analista ou a equipe de análise pode rodar análises descritivas preliminares que irão abastecer as futuras análises mais avançadas.


Pontos principais nesta etapa:


- Designe pessoas para os papéis de coleta e gestão de dados.

- Defina os processos e protocolos de coleta de dados.

- Faça uma limpeza e um processamento preliminar dos dados. 

Frame-49

6. Faça as análises


Para finalmente chegar aos insights provenientes dos dados é preciso usar uma das várias plataformas de análises disponíveis, sendo indispensável buscar a visão treinada de um especialista. Mas mesmo que você não vá fazer a análise pessoalmente, é interessante ter uma noção de qual é o tipo de análise que será necessária (como diagnóstica ou preditiva, por exemplo), já que cada tipo pede um conjunto diferente de habilidades, então na hora de procurar um analista convém saber a diferença.  


Pontos principais nesta etapa:


- Use as análises para testar sua hipótese.

- Modele diferentes cenários com base em diferentes variáveis.

Frame-50

7. Apresente os resultados e tome uma decisão


É a hora de transformar os insights que você encontrou por meio dos dados em recomendações claras de ação que irão beneficiar os negócios. Além de buscar formas didáticas e inspiradora de fazer isso, principalmente utilizando técnicas e ferramentas de data visualization, é preciso se lembrar de destacar tanto os possíveis ganhos quanto os eventuais riscos de agir com base nas informações apresentadas (especialmente quando se trata de grandes decisões). 


Certifique-se de que o processo de decisão com base em dados segue um rito previamente combinado entre os participantes (quanta informação é necessária para se tomar uma decisão, prazos etc.), uma vez que existe o risco de que a decisão em si possa sempre ser postergada enquanto são requisitados mais e mais dados e pesquisas para confirmar aquela hipótese.   


Uma dica que pode ajudar na apresentação das estratégias formuladas a partir dos insights extraídos dos dados é envolver profissionais especializados em comunicação (como designers, redatores etc.) que poderão destacar os pontos mais importantes e “embalar” suas recomendações de uma forma adequada. 


Em seguida, formule uma estratégia de implementação para as decisões tomadas e comunique aos principais stakeholders. 


Pontos principais nesta etapa:


- Crie uma apresentação com os seus resultados usando data visualization e gráfico sempre que possível

- Esclareça os benefícios (e possíveis riscos) das mudanças propostas.

- Tome uma decisão.

- Crie um plano de implementação das mudanças.

- Comunique aos principais stakeholders. 

 

Problemas comuns e como evitá-los


Uma vez que você tenha decidido adotar uma abordagem DDDM e seguir os passos recomendados anteriormente, pode ser que alguns problemas surjam ao longo do caminho. São armadilhas comuns que podem afetar até as organizações mais experientes no uso de dados, então seguem alguns alertas que podem evitar que o seu projeto sofra desnecessariamente.  


Antes de mais nada, é preciso reforçar que usar dados só vai ser um bom investimento se você conseguir trazer benefícios a partir deles. Para garantir isso, reforce a atenção nas etapas de identificação (com clareza) da forma como os dados vão ajudar sua empresa, quais dados serão necessários e como você os conseguirá. Fazer o caminho contrário –  coletar dados indiscriminadamente e depois tentar arrumar um jeito de usá-los – é, no mínimo, um desperdício de tempo e de recursos. 


Outra questão tem a ver com a complexidade inerente do DDDM, que não pode ser ignorada. Se a sua empresa tentar mergulhar de uma vez em projetos enormes e complicados, as chances de fracasso aumentam muito. Procure começar com projetos simples: problemas simples de entender e soluções fáceis de implementar. Da mesma maneira, não tente mudar muitos processos e papéis de uma vez só. Tome decisões uma a uma e com isso você irá conquistando resultados sólidos aos poucos, pegando o jeito do processo e conquistando a confiança da sua equipe no processo.


Ainda falando sobre complexidade, espere trabalhar bastante, principalmente ao projetar os seus processos, e tenha em mente que erros podem e vão acontecer em diferentes etapas. Justamente por isso, não se pode achar que tudo vai funcionar sem supervisão humana constante. A chave aqui é conseguir identificar quaisquer falhas que possam aparecer antes que elas comprometam todo o projeto ou levem a decisões erradas.


Por fim, o elemento humano já citado deve ser motivo de atenção por dois motivos opostos. Por um lado, nossa tendência em confiar na intuição pode acabar “contaminando” as decisões, mesmo que elas sejam, em tese, baseadas em dados. Podemos acabar escolhendo quais números olhar, dar mais valor para alguns indicadores do que outros. Ainda há o risco associado ao pensamento coletivo, que pode nos levar a adotar certas premissas sobre os dados apenas porque o grupo escolheu fazer daquela maneira. Outros fenômenos eminentemente humanos podem atrapalhar, como a falácia dos custos irrecuperáveis (sunk cost fallacy), que nos faz tomar decisões com base no desejo de não desperdiçar investimentos que já foram feitos.


Ao mesmo tempo, não é recomendável seguir cegamente os dados, removendo completamente o elemento humano da equação. Os insights extraídos dos dados funcionam dentro de um contexto maior, que precisa ser interpretado por humanos para que as decisões façam sentido. Desumanizar completamente uma análise é, além de insensível (por tratar pessoas como números, por exemplo), muito arriscado para os negócios.

linha-diag-verde
Divisoria_gradiente_ROSA

RECEBA A NEWSLETTER

Rua Iguatemi, 236 / Itaim Bibi, 01451-010, SP / BRASIL