(Crédito:Samuel Zeller /Unsplash)

Em um post publicado por aqui recentemente nós tratamos dos impactos que a implantação de uma cultura orientada por dados causa no trabalho dos principais executivos de uma empresa. Afinal, trata-se de uma transformação que, para trazer resultados, precisa afetar todos os aspectos do funcionamento de uma companhia.

Contratar um Chief Data Officer não é o suficiente!

Hoje, vamos nos aprofundar em algumas das principais questões que essas lideranças “C-Level” precisarão enfrentar com a chegada de um Chief Data Officer ou com uma guinada da cultura organizacional rumo a uma mentalidade data driven.

O artigo “Can Your C-Suite Handle Big Data”, assinado por Brad Brown é parte do estudo From Data to Action (Harvard Business Review Insight Center), propõe uma espécie de framework em seis pontos para balizar essa evolução dos papéis dos executivos-chave de uma empresa empenhada em navegar pelo universo dos dados.

Vamos a eles:

1. Estabelecer um novo mindset a respeito do valor dos dados — Os executivos de maior senioridade precisam adquirir conhecimento sobre análise de dados o suficiente para entenderem tudo aquilo que é possível ser feito a partir dessas informações e, depois, efetivamente implementar as mudanças que vão garantir saltos na performance conforme o que foi indicado pelas análises. Esse é um exercício que deve ser feito em todas as unidades de negócios e conduzido por um executivo com a influência e a autoridade para inspirar ação.

Importante aqui citar que não é que o executivo tenha que entender tecnicamente as plataformas ou os modelos estatísticos, mas sim o impacto dos dados no seu negócio, pois daí muitas decisões podem ser tomadas de maneira mais rápida e fácil. Como é possível otimizar minha operação e, por consequência, reduzir custos com dados? Como é possível aumentar minhas vendas usando dados? Como é possível criar novas linhas de receita no meu negócio usando dados? Essas são perguntas que esses executivos devem se fazer nesse momento. Se hoje em dia dados são dinheiro, são eles que farão isso virar verdade dentro de suas empresas.

2. Definir uma estratégia de análise de dados — Como qualquer outra oportunidade de negócios, a análise de dados não trará os resultados esperados se não for acompanhada por uma estratégia clara e por iniciativas bem articuladas. É aí que muitas empresas falham, seja porque ninguém está explicitamente encarregado disso, seja por não haver tempo ou discussões suficientes para alinhamento de prioridades.

O que sempre falamos é que a aplicação de uma rotina de trabalho Data Driven Decision Making (DDDM) é um processo grande, que envolve muita gente e precisa ser gerenciado como tal. E como todo projeto, uma estratégia para sua implementação é necessária. Sempre a primeira pergunta a ser feita é: qual objetivo dele? O que a empresa espera de todo esse investimento que está sendo feito? Melhorias em quais áreas, frentes de atuação ou produtos? Quem é responsável pelo o quê? Quais são as prioridades? Uma gestão eficiente como a de qualquer projeto precisa ser pensada aqui. Além disso, uma metodologia de trabalho deve ser aplicada. A metodologia KDD é uma bastante antiga e utilizada no mercado, dentre outras existentes. Para saber mais sobre ela, clique no link abaixo.

Data Sprint

3. Determinar o que desenvolver, comprar, pegar emprestado ou alugar — A experiência e a autoridade de um líder sênior são necessárias para guiar a busca pelo equilíbrio técnico necessário na hora de lidar com dados e de construir os modelos analíticos avançados para melhorar a performance. A demanda por recursos é considerável e, com a grande quantidade de fornecedores oferecendo dados, modelos e ferramentas, a experiência desses profissionais sêniores é essencial para saber o que contratar e o que pode ou deve ser desenvolvido internamente.

Essa é uma premissa importante para evitar gastos desnecessários com parcerias que não são estratégicas para os resultados esperados com o projeto. Mais importante ainda, para não sair coletando e armazenando informações que não são chave para o que queremos como objetivo do projeto. Tudo isso é tempo e custo desperdiçado.

Uma dica boa para esse momento é entender e mapear todo ambiente que influencia o seu negócio, o seu produto, o momento da sua empresa. Às vezes, uma mudança na lei pode alterar diretamente seu faturamento. Ou, um indicador econômico dentro do seu modelo de negócio pode ajudar a projetar melhor as vendas. Uma simples variação do tempo pode afetar diretamente a venda de coleções de roupa de inverno ou verão. Há muitas informações que não são de controle da empresa, mas que devem, sim, ser consideradas nas nossas análises e modelos. Como coletar esses dados? Há APIs gratuitas que podem ser usadas? Parceiros que os possuem? Esse planejamento é determinante para essa etapa.

Para garantir o sucesso, é preciso que um grupo diverso de gestores se comprometa com a mudança. (Crédito:Campaign Creators / Unsplash)

4. Garantir expertise em analytics — Os líderes nesse novo cenário de transformação têm que lidar com um número crescente de colaboradores cada vez mais especializados. A busca por esses talentos em um mercado aquecido, por si só, já é um desafio para os gestores mais preparados. Reter esses profissionais especialistas e criar um engajamento deles com os líderes de negócios para realmente fazer a diferença é uma tarefa que exige uma alta qualificação gerencial.

Isso é válido para as pessoas mais especializadas, que trabalham com dados, ou qualquer outra área. Profissional bom hoje é algo raro, e isso em diversas indústrias. Quando se fala de profissionais que atuam em dados, nossa orientação é sempre envolvê-los no negócio. Trazer eles para a mesa em que se discute o negócio e não o dado em si, pois com a visão mais técnica ou “de exatas” desse profissional, ele vai poder extrair muito mais valor do trabalho dele tendo em mente todo o contexto do negócio do que simplesmente montar relatórios e buscar correlações. Não há briefing para esses profissionais de uma maneira detalhada, compartilhe com eles as dores do negócio e faça com que eles busquem uma solução para elas através dos dados.

5. Mobilizar recursos — É preciso um esforço árduo dos gestores para mobilizar recursos financeiros e humanos entre diversas funções e unidades de negócios diferentes para criar ferramentas que deem suporte às decisões e ajudem os executivos de linha de frente a explorar modelos analíticos. Para alcançar o sucesso nessa empreitada, é necessário que um grupo diverso de gestores se comprometa com a mudança e quebre as barreiras entre as diferentes áreas envolvidas. Sem envolver as lideranças mais sêniores nesse processo, o risco de fracasso é grande.

6. Criar capacidades na linha de frente — Os modelos sofisticados de análise construídos pelos cientistas de dados devem ser traduzidos em ferramentas que engajem diariamente os gestores e colaboradores da linha de frente dos negócios. Não convém subestimar o esforço necessário para isso — envolvendo treinamentos, acompanhamento e métricas. Muitas companhias dirigem 90% dos seus investimentos na construção de modelos e só 10% na utilização deles na linha de frente. Na verdade, metade do investimento deveria ir para a linha de frente. E, mais uma vez, se nenhuma liderança sênior for envolvida e responsabilizada pelas mudanças que se quer promover, existe uma grande chance de todo esse esforço não dar em nada.

O investimento na linha de frente é tão importante quanto nos modelos, pois nada adianta ele estar funcionando se ninguém utilizar. Muitas plataformas sistêmicas já passaram por isso na vida. Quantas implementações de grandes sistemas receberam muitos investimentos mas o usuário final acabou não utilizando? Quando falamos de modelos e dados, funciona da mesma forma. Mais importante que criarmos os modelos é usarmos e evoluirmos eles. Então, a linha de frente deve estar sempre 100% envolvida em todo o processo, pois são eles que vão utilizar de fato.

No fim das contas, trata-se de colocar as capacidades das lideranças para trabalhar naquilo em que elas são realmente necessárias. E, ao examinar os desafios listados aqui, pode ser que uma empresa se veja precisando de mais papéis de liderança para promover as mudanças desejadas. Pode ser, então, que a criação de uma unidade centralizada dedicada aos dados ajude a fazer esses esforços decolarem de forma mais rápida. No entanto, todas as áreas de negócios precisam ser envolvidas para que possam se beneficiar (e consequentemente à empresa como um todo) dessa transformação na linha de frente dos negócios.

Uma boa forma de começar a pensar nas questões postas aqui é colocar as principais lideranças, e até mesmo membros do board, para examinar a escala do que é preciso para alcançar o sucesso com a análise de dados. Isso deve ser feito sempre em comparação com a capacidade gerencial que já existe na empresa, pois, assim, o risco de acabar sobrecarregando a estrutura já existente com a chegada dessas novas responsabilidades é menor.