Nos últimos anos se fala cada vez mais sobre Data Science e inteligência artificial (AI). E, é por isso, que muitas empresas apostam na contratação de especialistas para avançar nesse segmento. Uma pesquisa global realizada pela PwC Brasil, em setembro de 2018, entrevistou cerca de 1.370 CEOs para entender suas perspectivas de crescimento e desafios para os próximos anos.
A pesquisa apontou que apesar de 63% dos entrevistados concordarem que IA terá um impacto maior que a internet, menos de 45% estão com alguma iniciativa em andamento. Além disso, menos de 10% vão além de usos limitado e utilizam IA em larga escala.
Entre outros dados relevantes, a pesquisa também retrata o problema sobre o uso produtivo dos dados, já que um terço dos CEOs considera receber informações compreensíveis acerca de dados que eles julgam críticos/ importantes para a tomada de decisões. Adicionalmente a esse problema, a mesma pesquisa aponta para um gap de skills que impactam diretamente no potencial das empresas inovarem.
Diante desse cenário, as organizações procuram profissionais que acumulem altos níveis de competência em extração e manipulação, modelagem e análise e em storytelling e visualização de dados. Convenhamos que é uma lista e tanto, e dificilmente são preenchidas, mas não podemos reduzir a solução desse desafio apenas na contratação de especialistas. A aproximação entre as áreas de negócios com os times técnicos (Data Analytics/Data Science) é crucial, porque o novo ambiente demanda uma comunicação que seja uma via de mão dupla para produzir informações compreensíveis e eficazes para a tomada de decisão.
Chegou o momento de um upgrade para a abordagem insight-driven
Já se perguntou por que às vezes parece tão difícil obter bons direcionamentos das análises de dados na sua empresa? Ou já se incomodou por achar que suas análises foram mal interpretadas ou muito simplificadas na hora da apresentação?
Se você se identifica com as questões acima, então você provavelmente já está entendendo porque ser Data-Driven não é mais suficiente. Existe muito foco no dado e pouco se fala da compreensão e do seu uso. Por isso, a pertinência de um upgrade dessa abordagem, seja quem desenvolve análises ou quem as consome não estão satisfeitos com a forma com que negócios e especialistas estão endereçando o desafio de interpretar um universo de bilhões de terabytes produzidos a todo tempo por consumidores exigentes e empoderados.
O uso do termo insight, é particularmente importante porque pressupõe não apenas a compreensão dos dados, mas também a sua aplicação efetiva nas tomadas decisão. Entender essa nova definição é compreender que existem dois aspectos que permeiam o conceito, a abordagem insight-driven é ao mesmo tempo um mindset e também um processo.
Mindset
É fundamental conectar expertise com análise, desenvolver times capazes de trabalhar em conjunto tendem a produzir melhores diagnósticos e insights, o expertise das áreas de negócio com a capacidade analítica de times técnicos de dados é extremamente valioso, encurta o caminho de pesquisa e facilita a comunicação entre os departamentos.
É preciso que, independente do nível de complexidade dos dados, a cada análise ou modelo desenvolvido, seja possível elencar hipóteses de ações práticas para serem implementadas e gerar novos dados a partir da sua mensuração. Trata-se de entender que o importante não é desenvolver o modelo perfeito e mais completo, mas de avançar no conhecimento e testá-lo rapidamente, conciliando o expertise de negócio (input humano) com o expertise gerado pelos modelos de machine learning, por exemplo.
Processo
Entenda o processo como uma cadeia de valor do insight, capacidades técnicas e um sólido processo de negócios. O uso produtivo dos dados pressupõe excelência em todas etapas desde a identificação, captura e armazenamento de dados, após essa etapa precisamos mover para as competências técnicas de análise, modelagem e visualização de dados. Ao final da cadeia é preciso que as áreas de negócio estejam preparadas para complementar o analytics com a expertise humana e converter os insights em ações relevantes. Monitore todo ciclo e avalie se as informações ajudam ou não a tomada de decisão e mensure os resultados das ações promovidas pelo processo.
Concluindo, é disso que se trata quando eu falo sobre fazer um upgrade do Data-Driven para o Insight-Driven, trata-se de pensar tanto na implementação do mindset como do processo também, só assim empresas serão mais efetivas no uso produtivo dos dados e informações disponíveis. Sem dúvidas é um desafio, seja pelo ponto de vista do mindset, ou pelo processo irão exigir um alto nível de desenvolvimento dos times atuais. As áreas de Analytics terão de melhorar sua comunicação dominando a arte da persuasão na hora de comunicar o output do seu trabalho, permitindo que os dados fiquem mais compreensíveis para os executivos e líderes de mercado.
Do ponto de vista dos líderes e analistas de negócio o desafio está em aprender a usar as informações como suporte para a formulação de hipóteses consistentes que embasam a recomendação de testes e ações, ainda existe do lado dos negócios um viés de procurar os times de dados com foco em confirmar suas próprias verdades, o amadurecimento passa por se despir da necessidade da autoafirmação e usar os dados disponíveis como evidências para hipóteses a serem testadas.
Fonte:
https://cio.com.br/ser-data-driven-ja-nao-e-mais-suficiente/
Seja o primeiro a comentar