Quão importante é a cultura de dados para a sua estratégia de dados como um todo? No nosso podcast DataFramed, Taras Gorishnyy apontou os pilares essenciais de ciência de dados, IA e estratégia de dados dentro de uma organização:
- Apoio da liderança
- Visão para analytics
- Fundamentos de dados robustos
- Comprovação de impacto de analytics desde o início
- Distribuição de habilidades em dados e uma cultura orientada por dados
“Todo mundo, em qualquer nível — do C-level ao início de carreira — deve olhar e mergulhar em dados da mesma forma que se esperava que você começasse a usar e-mail há 20 anos.” — Tanya Cashorali, fundadora da TCB Analytics
Desenvolva letramento em dados em toda a organização
Uma organização fluente em dados é aquela em que todos sabem como explorar os dados de que precisam para fazer seu trabalho. Por exemplo, nossa VP de Marketing talvez não precise escrever SQL — nem qualquer código —, mas, para desempenhar bem sua função, ela precisa saber acessar e interagir com os dashboards de analytics. Ela também precisa saber como fazer as perguntas certas aos cientistas de dados e como usar os resultados que recebe. Na DataCamp, pensamos nisso da seguinte forma, resumida na figura abaixo:
Uma base de dados sólida começa com um engenheiro de dados e, em seguida, a contratação de cientistas de dados e analistas de dados. Depois, podemos incluir analistas de negócios e outras áreas. Esse processo ajuda todos a se tornarem letrados em dados, levando a empresa a se tornar 100% fluente em dados. Uma compreensão básica das ferramentas e dos recursos de dados em toda a empresa melhora muito a qualidade da interação entre os colegas, permite que os times façam solicitações mais assertivas e dá autonomia para que todos tomem decisões.
Para avaliar o estado do letramento em dados em diferentes setores, realizamos uma pesquisa em que perguntamos a mais de 300 organizações em que medida elas têm tomado ações para se tornarem fluentes em dados:
À esquerda, estão as empresas maduras, com competências maduras de letramento em dados; à direita, as competências imaturas. Entre as empresas maduras, apenas 39% haviam implementado redesenho de processos e mudança cultural em relação a dados, e apenas 7% das empresas com competências imaturas o haviam feito. Há muito espaço para avançar aqui.
Envolva seus colaboradores
É fundamental preparar seus colaboradores para o futuro do trabalho ao construir sua estratégia de dados. Isso exige conversas contínuas com todos sobre que tipos de tarefas devem ser automatizadas e quais não, como sua base de colaboradores pode coexistir com as tarefas automatizadas e como será, na prática, essa interface humano-máquina. Em alguns cargos, veremos automação de funções; porém, o desafio maior, de modo geral, será a automação de tarefas, já que partes do trabalho podem ser automatizadas. É muito melhor definir como capacitar e requalificar essas pessoas para que migrem para atividades mais estratégicas e de maior impacto.
Priorize a capacitação dos colaboradores
Outra pergunta que fizemos na pesquisa com 300 organizações foi: “Que tipo de desafios de negócio impedem as empresas de construir ou aprimorar o letramento em dados?” A maioria apontou a dificuldade de contratar talentos de ponta, já que muito talento em dados hoje prefere trabalhar em tech. Isso significa que você não conseguirá contratar tantos “unicórnios” quanto gostaria; portanto, priorize a capacitação e a requalificação de todos na sua organização.
Para construir habilidades em dados, muitas das organizações que pesquisamos consideraram as seguintes opções:
- Criação de universidades de dados ou centros de excelência
- Treinamentos presenciais
- Plataformas de aprendizagem online
- Campanhas internas para promover e incentivar o aprendizado
- Recrutamento
- Contratação de soluções de fornecedores
Em enquetes que realizamos em webinars da DataCamp, mais de 50% dos participantes disseram que menos de 50% do trabalho em dados realmente era usado para embasar a tomada de decisão. Esse desperdício acontece por causa da cultura!
Chamada para ação
Liste de três a cinco entregas de trabalhos em dados na sua organização e faça uma auditoria sobre o quanto elas são realmente usadas para orientar decisões. Com frequência, as empresas contratam excelentes analistas e cientistas de dados para construir dashboards e modelos de machine learning, mas veem esses artefatos não serem usados como o previsto por barreiras culturais. Todo esse bom trabalho pode ser desperdiçado, gerando baixo retorno sobre o investimento.
Saiba mais sobre as melhores práticas para construir sua cultura de dados em The Definitive Guide to Machine Learning for Business Leaders.
