Como uma organização pode alavancar os dados como um ativo estratégico? Os dados são caros. É preciso investir em captura e limpeza de dados, hospedagem e manutenção, engenheiros de dados, analistas de dados, riscos, qualidade de dados, apresentação de informações, etc.
Se bem feito e de forma ordenada, uma organização pode aproveitar as informações para prosperar em seus negócios. Do MIT, Erik Brynjolfsson, comenta que as organizações baseadas em dados obtêm uma produtividade de 5% a 6% superior à concorrência. Eles também tornaram seus ativos, retorno sobre capital e valor de mercado mais eficientes.
Para se tornar eficaz, é necessária uma cultura global de dados que combine qualidade, acesso, conhecimento e processos de tomada de decisão adequados.
fonte de dados única
Uma única fonte de dados centralizada e com controle de qualidade deve ser o único ponto de extração de dados corporativos. Quando as métrixas são extraídas de sistemas diferentes, resultados diferentes são inevitavelmente gerados.
Isso causa discrepâncias que retardam a tomada de decisões e visões opostas nos cenários, além da falta de uma certeza única e fiel sobre a realidade.
Além disso, os resultados podem aparecer com base em dados obsoletos, imprecisos ou em geral inadequados, que estão sendo operados por bons profissionais, mas produzem resultados falsos.
Quando essa única fonte existe, ela fornece valor superior à organização: os tomadores de decisão. Os tempos de busca de dados são otimizados em toda a organização e o investimento é feito em seu uso.
Além disso, as fontes de dados são mais bem organizadas, documentadas, relacionadas e enriquecidas. Portanto, os usuários estão melhor posicionados para aproveitar os dados e encontrar as informações.
Saber onde obter os dados e fornecer resultados de qualidade é essencial para a tomada de decisão final
Para o gerenciador de dados, uma única fonte também é preferível. Facilita a documentação, evita conflitos de nomenclatura na estrutura (tabelas, campos), controles de carga e qualidade de dados e garante que os identificadores sejam consistentes em todas as tabelas. Também é mais fácil fornecer visualizações simples e fáceis de trabalhar dos principais relacionamentos e entidades que podem ter vindo de diferentes fontes.
Em grandes organizações, muitas vezes há razões históricas pelas quais os dados são armazenados em silos.
Por exemplo, grandes organizações são mais propensas a adquirir sistemas de dados por meio de aquisições entre empresas, ou comprando provedores de dados complementares, ou por questões regulatórias que resultem em sistemas autônomos além do sistema operacional principal.
Assim, uma única fonte, embora seja um investimento grande e complexo, permite que a equipe central de dados forneça orientações oficiais, listando o que está disponível, onde está, onde existem várias fontes, o melhor local para obtê-lo e outros resultados que produzem uma grande vantagem para a organização.
Dicionário de dados
Ter um bom dicionário de dados facilita para os usuários saber o que significam os campos de dados e as métricas.
Este aspecto é muitas vezes um obstáculo intransponível para muitas organizações. Quando você não tem uma lista clara de métricas e suas definições, as pessoas fazem suposições, que podem diferir de todas as outras e levar a divergências de resultados e opiniões.
Uma empresa precisa gerar um glossário com definições claras, inequívocas e acordadas. Isso requer colaboração com todas as principais partes interessadas e especialistas em negócios.
Primeiro, você precisa aceitar essas definições oficiais; impedir que as equipes fiquem desonestas com sua própria versão separada de uma métrica.
Em segundo lugar, muitas vezes não é a definição central onde os entendimentos das pessoas diferem, mas como lidar com casos extremos. Por exemplo, embora todos possam ter um entendimento comum do que significa uma métrica de “pedidos feitos”, eles podem diferir em como desejam ou esperam lidar com cancelamentos, pedidos divididos ou fraudes.
Esses cenários precisam ser apresentados, discutidos e resolvidos. O objetivo aqui é chegar a um consenso de duas maneiras possíveis: ou combinar várias métricas semelhantes em uma única métrica comum, ou identificar as situações em que é realmente necessário dividir uma métrica em duas ou mais métricas separadas para obter diferentes perspectivas.
Ter dados centralizados e de alta qualidade não é eficaz se não for compreensível pela organização
A especificidade em nomes de tabelas e campos bem escolhidos e definições inequívocas com exemplos são fundamentais aqui. É melhor optar por nomes longos, mas descritivos, como “orders_not_canceled” ou “% conversão de jornadas criadas para jornadas concluídas” do que nomes mais curtos que os usuários pensam que entendem e que produzem interpretações pessoais, não comuns ou aceitas por todos.
Acesso à informação
Ter dados centralizados e de qualidade, com descrição clara e unificada, de nada serve à organização se as pessoas não puderem acessá-los. As organizações devem garantir a acessibilidade aos dados onde quer que sejam úteis.
Isso não significa dar acesso a todos os funcionários ou não ter políticas de acordo com a regulamentação e os controles. Significa harmonizar a segurança com as necessidades da organização de um ponto de vista holístico.
Promova uma cultura para que as pessoas saibam quais dados estão disponíveis e os critérios de segurança, conformidade e regulatórios que os afetam
É a equipe da linha de frente (atendimento ao cliente, por exemplo, lidando com um cliente insatisfeito ou um funcionário do armazém que encontra algum estoque danificado) que aproveita os dados imediatamente para determinar quais ações devem ser tomadas em seguida. Com treinamento adequado, eles estão na melhor posição para resolver uma situação, determinar mudanças no fluxo de trabalho ou lidar com uma reclamação de cliente.
Fomentar a cultura entre as pessoas envolve treinamento, dicionário de dados, acesso e entendimento de KPIs, critérios unificados para compreensão de dados, disponibilidade, casos de uso internos genuínos e tangíveis, além de deixá-los à vontade para solicitar treinamento e processos de acesso interno.
Os procedimentos burocráticos devem ser agilizados para que, com um processo adequado de aprovação e fiscalização, as pessoas tenham acesso sem muitos atrasos ou obstáculos. Naturalmente, os sistemas de revogação também são necessários quando é necessário aplicá-lo.
cultura de dados
Como a organização é orientada por dados com amplo acesso aos dados, as pessoas se deparam com relatórios, painéis, análises e métricas importantes, que podem ter a oportunidade de entender e analisar por si mesmas.
Para fazer isso de forma eficaz, deve haver conhecimento suficiente da informação, de onde ela vem, o que significa e os impactos sobre o negócio e sua função.
A cultura de dados é um esforço multifacetado. Também incentiva o envolvimento de clientes e funcionários em vários níveis de habilidade e funções que exigem uma abordagem personalizada para cada caso.
A área mais difundida é o treinamento em ciência de dados. Isso inclui uma introdução às abordagens mais avançadas e computacionais de aprendizado de máquina e mineração de dados para extrair insights de dados, bem como criar produtos de dados, como mecanismos de recomendação e outros modelos preditivos. Isso envolve focar no topo da pirâmide de habilidades para usuários mais avançados tecnologicamente.
Um dos aspectos mais eficazes para a organização e os clientes é treinar pessoas com habilidades de tecnologia de usuário padrão para se tornarem cientistas de dados.
Por exemplo, os setores farmacêutico e financeiro têm analistas de negócios bem versados em estatística, mas mais fracos em computação. Perfis tecnológicos têm perfis de programação talentosos que carecem de rigor estatístico de negócios. O treinamento de estatísticos em programação e programadores em estatística de negócios produz benefícios rápidos para a organização.
Os dados não estão lá para reforçar ou minar as decisões existentes, mas para ajudar a informar as decisões futuras.
Começar melhorando as habilidades básicas em estatística descritiva geralmente é o mais fácil e eficaz. Ou seja, as formas básicas de construir resumos de dados: média, percentis, amplitude, desvio padrão etc., e detectar quando esses resultados são adequados ou não, dão sentido aos dados que os compõem .
Por exemplo, quando os dados são altamente distorcidos, como preços de imóveis ou renda, a mediana é a métrica apropriada para resumir os dados, não a média.
Capacitar as pessoas a confiar menos em suposições e se concentrar em plotar e examinar os dados e o uso adequado de métricas de resumo adequadas tem uma recompensa significativa em tempo e tomada de decisão adequada.
Outra área de eficácia são as habilidades de visualização de dados. Os gráficos geralmente estão cheios de informações não relevantes, confusão desnecessária e anotações que prejudicam o objetivo principal. Ou você usa tipos de gráfico inadequados, como vários gráficos de pizza, cada um com um grande número de segmentos, ou escolhe um esquema de cores que dificulta ou impossibilita a interpretação.
Produz grande desgaste, a nível pessoal e organizacional, despender esforço na recolha e análise, para falhar e reduzir o impacto no ponto final da apresentação. Um pouco de treinamento em visualização de dados ajuda bastante e torna os dados mais claros, mais digeríveis e, em última análise, mais propensos a serem usados adequadamente.
Um próximo nível de complexidade na cultura é a estatística inferencial. Esses são os testes estatísticos padrão e objetivos usados para detectar, por exemplo, se uma tendência ou diferença no tráfego do site entre semanas provavelmente é real ou apenas uma variação aleatória.
A questão não é que um gerente de negócios ou agente de atendimento ao cliente possa realizar esses testes, mas sim conscientizá-los de como as estatísticas podem ser úteis: entender correlação versus causalidade e perceber que as previsões sempre vêm com incerteza. Para tomadores de decisão e gerentes, isso também lhes dá as habilidades para corrigir a qualidade do trabalho ou identificar a motivação quando os dados não corroboram suas conclusões.
Tomada de Decisão
Acima de tudo, os dados têm um impacto real no processo de tomada de decisão. Nesse ponto, a organização pode ter dados relevantes e de qualidade, analistas treinados e relatórios cuidadosamente elaborados e apresentados. Se os relatórios não forem usados ou as decisões forem tomadas sem consultá-los, independentemente do que os dados mostrem, todo o investimento será desperdiçado.
HiPPOs, “opinião da pessoa mais bem paga”, são a antítese do gerenciamento de dados. Eles não se importam com o que os dados dizem, especialmente quando não concordam com suas noções preconcebidas, e vão seguir o plano porque eles sabem o que é melhor. Além disso, eles geralmente têm uma posição de alto comando.
HiPPOs são prejudiciais para as empresas, porque baseiam suas decisões em métricas mal compreendidas na melhor das hipóteses ou em mera suposição. Nenhuma ferramenta inteligente para derivar significado de todo o espectro de interações com o cliente e avaliar como, quando, onde e por que por trás das ações. A abordagem HiPPO pode ser incapacitante para as empresas.
Financial Times
HiPPO é a sigla para "Highest Paid Person's Opinion" é um termo cunhado por Avinash Kaushik. É usado para descrever a tendência de funcionários com salários mais baixos cederem a funcionários com salários mais altos e anos de experiência quando uma decisão deve ser tomada. O termo também é frequentemente usado para descrever a confiança de uma organização no instinto humano em vez de dados no processo de tomada de decisão.
Com alguma frequência, as organizações têm uma cultura em que se valoriza a intuição, o comentário livre ou a falta de responsabilidade. Em uma pesquisa, apenas 19% dos entrevistados disseram que os tomadores de decisão são responsáveis pelas ações nessas decisões. É nesses ambientes que os HiPPOs prosperam.
Uma maneira de combater HiPPOs é cultivar uma cultura de experimentação objetiva, como testes A/B. Nesses cenários, seja uma mudança no design do site ou mensagens de marketing, as métricas de sucesso podem ser visualizadas e os tamanhos mínimos de amostra. A chave é ter um plano de teste claro e estabelecer as métricas de sucesso e quaisquer previsões antes que os testes sejam executados. Em outras palavras, evite que os HiPPOs selecionem os resultados após o fato. O mesmo vale para qualquer piloto ou prova de conceito.
Conclusão
A cultura orientada por dados faz parte de um processo de várias etapas para consolidar formalmente e ao longo do tempo na mentalidade das pessoas:
- Fonte de dados única e de qualidade da qual a análise pode fluir.
- Um dicionário de dados acordado e assumido por toda a organização sobre o significado dos dados.
- Amplo acesso aos dados para permitir a aplicação do conhecimento coletivo de negócios na análise de dados.
- Bom treinamento que ajuda a promover e reforçar a alfabetização de dados.
- Os relatórios resultantes devem estar nas mãos de tomadores de decisão que confiam nos dados e afetam a tomada de decisões.
