O que empresas de tecnologia bem-sucedidas como Amazon, Netflix, Google e Airbnb têm em comum? Todas elas ampliaram e operacionalizaram sua função de ciência de dados. Isso significa que formaram times de dados de alto nível e adquiriram ou construíram suas próprias ferramentas de dados. Para isso, desenharam processos internos e arquiteturas robustas que aproveitam dados para impulsionar o negócio.
No nosso webinar do mês passado, Maksim Percherskiy, engenheiro de dados no The World Bank e ex-Chief Data Officer da cidade de San Diego, explicou que essas empresas estavam bem posicionadas porque cresceram com dados. “Organizações mais antigas — como instituições financeiras, de saúde e governos — não tiveram o privilégio [de construir o negócio em torno de dados]. A cidade de San Diego foi fundada no século XIX e ainda está aprendendo a se ajustar e a alinhar dados de forma eficaz às suas operações.”
Vamos detalhar como grandes organizações podem construir uma função de ciência de dados eficaz. Nos últimos anos, muitas organizações contrataram chief data officers, montaram times de cientistas e engenheiros de dados e encontraram maneiras de monetizar e compartilhar dados. Mas um relatório da NewVantage Partners, de janeiro de 2020, revelou que, entre 70 empresas entrevistadas, 98,8% vinham investindo em iniciativas de big data e IA, porém apenas 37,8% conseguiam afirmar que haviam criado uma organização orientada por dados.
Os obstáculos mais comuns para se tornar orientado por dados estão em pessoas e processos — especialmente operacionalizar e construir processos repetíveis, criar uma infraestrutura de dados funcional e fechar a lacuna de habilidades em dados.
Requisitos de dados
O visual a seguir resume o que torna os dados utilizáveis e confiáveis:
Primeiro, os dados precisam ser coletados na hora certa, da forma correta e com um propósito. Depois, devem ser descobertos, ou seja, todos os usuários de dados na organização precisam saber que esses dados foram coletados e conseguir encontrá-los. Em seguida, os dados precisam se mostrar confiáveis, sem lacunas ou inconsistências. Também devem ser fáceis de entender — por exemplo, com estrutura e rotulagem adequadas. Ser compliant é crucial — é preciso ter os protocolos de segurança certos para controlar o acesso a dados sensíveis, e alguns setores têm normas regulatórias. Por fim, os dados precisam ser acionáveis, o que significa que os usuários de dados têm tecnologia, treinamento e diretrizes éticas para usá-los corretamente.
Desafios para se tornar orientado por dados
Há três frentes de desafios para atender a esses requisitos: organizacionais, culturais e técnicos.
Desafios organizacionais
Grandes organizações costumam ter silos em que times possuem objetivos diferentes. Esses silos podem existir por exigências legais, como é comum em finanças, ou simplesmente porque os times não trabalharam de forma colaborativa no passado. Independentemente da causa, silos geram ruído e desalinhamento, o que prejudica a eficácia geral da organização.
Um sintoma disso pode ser gestores que querem apenas aumentar seus times ou a criação de mais de um centro de excelência em IA.
Desafios culturais
O letramento em dados na organização — em que todos têm habilidades em dados para ter sucesso — muitas vezes é visto como um objetivo distante, e algumas empresas podem ser avessas ao risco de enfrentá-lo. É por isso que a DataCamp busca desmistificar temas como machine learning para ajudar as organizações a entender o uso prático de dados. Empoderar os colaboradores e facilitar o desenvolvimento de habilidades é fundamental.
Desafios culturais também aparecem em incentivos diferentes pela organização. A gestão pode querer dashboards chamativos para apresentar aos superiores, os engenheiros querem usar as ferramentas mais novas e completas, e os usuários de negócio podem só querer responder a uma pergunta específica ou agilizar processos. Nem sempre dá para agradar a todos os stakeholders. Isso se conecta aos desafios organizacionais citados antes — o objetivo é alinhar a estratégia de dados à estratégia geral do negócio.
Desafios técnicos
Maksim diz que grandes organizações costumam ter “um mosaico de sistemas legados” como sistemas centrais de registro de dados. É difícil extrair dados deles ou escalar — e, muitas vezes, líderes de área não querem encarar um projeto grande. Eles temem os custos de troca ao substituí-los, o risco de fracasso do projeto, custos de requalificação e uma queda temporária na produtividade. Esses são erros de visão curta, resultado da falta de uma estratégia de dados unificada.
Outros desafios técnicos incluem padrões de conformidade e segurança, como HIPAA, FERPA, GDPR e CCPA. As empresas precisam seguir esses padrões para evitar o uso antiético de dados.
Cair nessas armadilhas leva ao que Brian Balfour descreve como a Roda da Morte dos Dados, mostrada abaixo. Ela ilustra que dados que não são mantidos de forma consistente se tornam irrelevantes ou falhos, fazendo com que as pessoas percam a confiança e, no fim, usem menos esses dados.
Soluções para se tornar orientado por dados
Então, como empresas consolidadas podem se tornar orientadas por dados como Netflix e Airbnb? É preciso reconstruir o negócio em torno de dados. Aqui vai o caminho.
Entenda o cenário
Grandes organizações precisam entender os diferentes silos existentes e como eles se comunicam. É essencial cultivar patrocinadores no nível executivo que apoiem essa jornada. E comunicar os objetivos de dados a todos os stakeholders.
Identifique seus usuários
Depois, para facilitar uma transformação data-driven bem-sucedida, você precisa entender suas personas. Ter empatia profunda com cada persona — seja consumidor de dados, líder, analista de dados ou cientista de dados — ajuda a entender como melhor apoiá-las e aproveitá-las na sua missão.
Comece pequeno e mantenha a simplicidade
Maksim diz que, no início, não dá para consertar tudo de uma vez. É crucial ter disciplina para focar em impacto. Escolha um projeto visível e de alto impacto para toda a organização, que não exija uma grande quantidade de stakeholders ou coordenação. Conquistar algumas vitórias rápidas logo de cara gera adesão e garante visibilidade para os projetos de dados. Você também poderá iterar no trabalho e aproveitar os aprendizados em projetos futuros.
Alinhe a estratégia de dados à estratégia do negócio
O que significa alinhar a estratégia de dados à estratégia do negócio? O conselho prático do Maksim é escolher projetos de dados que ampliem e testem sua infraestrutura, atendam aos usuários de negócio e estejam alinhados às metas e resultados da empresa. Garanta que todo projeto seja documentado, reproduzível e siga boas práticas. Depois, amplifique as vitórias em toda a empresa com apoio executivo para construir em cima desses resultados e continuar iterando.
Como é ser orientado por dados
Ser orientado por dados exige conseguir medir o sucesso das iniciativas de dados. É tentador usar métricas fáceis, como número total de projetos, quantidade de datasets concluídos ou número de seguidores do repositório.
“Todas são métricas boas, mas não vão ao cerne do seu sucesso”, diz Maksim. “Eu pensaria mais no número de decisões tomadas com dados. Também, quanto tempo alguém leva para encontrar um conjunto de dados, ou o tempo para obter dados. Você também deve observar quantas metas, objetivos e OKRs são definidos e acompanhados com dados, incluindo como são revisados.”
Para saber mais sobre como tornar dados operáveis em grandes organizações com processos complexos, assista ao webinar do Maksim sobre Operationalizing Data Within Large Organizations.
