Artigos

Por que muitas empresas não são data driven, apesar de acharem que são?

Num passado recente, o sucesso de grandes empresas dependia de tomadas de decisões de altos executivos, que confiavam no conhecimento, experiência e intuição. Com a avalanche de informações vindas de diferentes fontes, há mais de uma década iniciou-se uma discussão sobre Big Data. Na verdade, o que ocorreu foi muito mais do que uma discussão – foi uma revolução. Hoje, toda empresa busca se tornar data driven, isto é, uma empresa cujos executivos tomam decisões orientados pelos dados – e não mais apenas pela perspicácia ou genialidade.

Para entrar nessa nova era, as empresas investiram bilhões de dólares em ferramentas, equipamentos e mão de obra especializada, acreditando que assim alcançariam a condição de Data Driven. Valeu a pena? Segundo pesquisas recentes do Gartner e Forrester, dentre as empresas que implementaram Business Intelligence nos últimos 30 nos, entre 20% e 30% dos tomadores de decisões utilizam dados para tomar decisões. Fica a sensação de que, mesmo com tanto investimento, o conceito Data Driven ainda parece ser uma utopia para a maioria das empresas.

“A utopia serve para que não deixemos de caminhar”, diz o jornalista e escritor uruguaio Eduardo Galeano. Em 2020, durante a pandemia, as empresas compreenderam ainda mais a necessidade de utilizar os milhões de dados coletados de clientes, fornecedores, etc. para obtenção de insights. E foi assim que naquele ano, o mercado movimentou 19 bilhões de dólares em Inteligência Artificial, segundo Gartner.

Se há tanto investimento, por que o mercado ainda não é Data Driven? Por que poucos utilizam seus dados para decisões?

A resposta a essa pergunta requer uma investigação sobre elementos como cultura empresarial, cultura de compartilhamento, perfis e responsabilidades e até mesmo falta de conhecimento. Na busca de respostas, especialistas e consultorias começaram a levantar e identificar o que faltou a essas empresas. O que saltou aos olhos dos analistas foi uma falta de conhecimento e capacidade de confiar nos dados.

Se tanto dinheiro investido não impediu os executivos de estarem à deriva, como resolver esse problema?

Para responder a essa pergunta, é importante fazer uma avaliação específica de cada negócio, a fim de gerar planos exequíveis e traçar metas atingíveis. Ideal que isso seja feito de forma cuidadosa e seguindo o que hoje se chama data literacy, e respeitando princípios de data governance.

Aqui é importante explicar: Data governance é a capacidade de governar os dados, passando pela definição, processos, políticas e posse do dado, a fim de garantir segurança, privacidade e disponibilidade da informação, durante todo o ciclo de vida do dado. Já data literacy é a alfabetização de dados, ou seja a capacidade de ler, trabalhar, analisar e argumentar a partir deles.

No passado, muito se fez e se falou sobre a governança dos dados. O que os especialistas não imaginavam é que a governança por si só não iria garantir a qualidade e o uso. Porque tão ruim quanto não ter o dado é tê-lo e não ver valor nele.

Para mudar esse cenário, o conceito de data literacy chega com a função de auxiliar no trabalho de gerar conscientização, compreensão e expertise nos diferentes públicos.

Os executivos de tecnologia e consultorias de TI estão criando programas com metodologias e métodos de alfabetização de dados para preencher essa lacuna. Esses programas devem ser abrangentes para a companhia como um todo, desde o C-level, estabelecendo metas estratégicas nessa direção.

De acordo com a Forrester Research, o caminho para a alfabetização de dados é conseguir incluir nas metas da empresa a conscientização básica dos dados, a compreensão mais profunda de insights, conectando-os à tomada de decisão e treinamento contínuo dos especialistas.

Na esteira da alfabetização dos dados, o que é preciso fazer é estabelecer caminhos claros para utilização dos metadados ativos, construção de ML (Machine Learning) e data fabrics para dinamicamente conectar, otimizar e automatizar todo processo de gerenciamento dos dados. Esses são elementos que fazem parte desse novo conceito/disciplina chamada de decision intelligence.

Nesse novo conceito, Data Literacy é um de seus principais pilares, envolve também:

  • Augmented analytics: a capacidade de realizar interação com os dados em uma visão analítica aumentada utilizando Machine Learning e inteligência artificial;
  • Decision reengineering: pilar que visa repensar a forma com que as decisões são tomadas, quais outras decisões podem estar conectadas com uma decisão específica, e buscar garantir que estão sendo utilizados todos os contextos, situações – dados – para tomada de decisão;
  • Advanced data viz: disciplina que aborda o uso de visualizações avançadas, multidimensionais, interativas, audiovisuais 2D e 3D imersivas.

Espera-se que, em 2023, pelo menos um terço das grandes organizações terá analistas utilizando decision intelligence. Além disso, cerca de 30% das organizações deverão aproveitar a inteligência coletiva de sua comunidade de analistas, superando aqueles competidores que dependem somente de especialistas centralizados ou do autosserviço.

Decision intelligence vem com o objetivo de disponibilizar todas as vertentes para uma decisão, utilizando o melhor da ciência de dados aplicada à ciência social e gerencial, mostrando ser essencial para o momento tecnológico, abrangente, líquido e ágil em que nos encontramos.

Para o negócio, é uma disciplina para entender como e por que as decisões são tomadas, e, então, buscar formas de melhorá-las. Estar disposto a mudar é decision intelligence. Esse é o futuro do negócio.

Avatar photo

Diretora da NTT Data na área de Data & Analytics. Formada em Contabilidade e Análise de Sistemas, com especialização em Inovação na ESPM, eBusiness na FGV e AI pela Berkeley Haas. Com 18 anos de experiência com dados, que inclui Business Intelligence, Governança de Dados, Big Data, Machine Learning e Decision Intelligence. É conselheira administrativa, formada pelo IBGC em parceria com a B3.

Comentários

PUBLICIDADE