A transformação em dados sustenta a transformação digital
Nas últimas duas décadas, startups digitais como Uber, Amazon, Airbnb e Stripe transformaram por completo setores essenciais como transporte, comércio, turismo e serviços financeiros. Organizações de todos os segmentos entenderam a necessidade de passar por uma transformação digital para competir na nova economia da informação. Isso ficou ainda mais evidente na economia da COVID-19, que acelerou a digitalização de processos e serviços (PwC). Apesar dos altos investimentos, a verdade incômoda é que cerca de 70% das iniciativas de transformação digital não alcançam os objetivos estabelecidos (McKinsey).
Há vários motivos para programas de transformação digital fracassarem, mas um dos principais é não reconhecer que uma transformação em dados sustentável é pré-requisito para o sucesso da transformação digital. A Gartner constatou que menos de 50% das estratégias corporativas documentadas mencionam analytics como alavanca crítica para gerar valor em escala.
Para ter sucesso nas iniciativas digitais, líderes precisam olhar primeiro para os dados, e não tratá-los como algo secundário para projetos pontuais. —Mike Rollings, vice-presidente de pesquisa na Gartner
Existem muitas alavancas para uma transformação em dados bem-sucedida—desde investir em infraestrutura e ferramentas de dados até aprimorar processos e adotar estruturas organizacionais ágeis. Porém, nada disso funciona sem investir em competências de letramento em dados em toda a organização.
Muitas empresas tentaram desenvolver letramento em dados criando times de data science e analytics. Mas apenas contratar cientistas de dados isola a prática como um centro de serviços e não gera letramento em dados para toda a organização. Além disso, como a demanda por cientistas de dados cresce, tentar suprir o gap de habilidades só com contratação se torna insustentável.
Em uma organização orientada por dados, data science—e, de forma mais ampla, o letramento em dados—é uma metodologia inclusiva para responder perguntas do negócio, em que todos têm condições de responder com base em dados. O que diferencia disruptores dos incumbentes não é apenas tecnologia, e sim a cultura orientada por dados, os insights que extraem enquanto analisam e iteram seus serviços, e as competências de letramento em dados que cultivam.
Em resumo, o sucesso da sua transformação digital depende de ter as competências certas de letramento em dados disseminadas por toda a organização.
Como enfrentar o gap de habilidades em letramento em dados
Muitas organizações já reconheceram a necessidade de enfrentar seus gaps de habilidades em letramento em dados. Uma pesquisa da McKinsey com mais de mil empresas de diversos setores apontou analytics como o gap de competência mais urgente a ser tratado—43% dos respondentes o veem como prioridade máxima em capacitação. Da mesma forma, a pesquisa anual de CEOs da PwC de 2019 mostrou que 34% dos CEOs acreditam que lacunas em analytics são a ameaça mais crítica para suas organizações.
Empresas visionárias já estão investindo pesado para capacitar suas pessoas e competir na era digital. Por exemplo, a Marks & Spencer criou uma academia de dados no varejo para capacitar mais de 1.000 funcionários. A Amazon lançou a Machine Learning University para dar aos seus engenheiros as habilidades necessárias para implementar machine learning em escala em produtos e serviços. O Airbnb desenvolveu sua própria Data University para capacitar todos os níveis da organização a tomar decisões baseadas em dados. A AT&T iniciou um projeto de US$ 1 bilhão, com duração de 10 anos, para capacitar mais da metade dos seus 250.000 colaboradores.
No agregado, os esforços de capacitação em letramento em dados estão trazendo retorno. Outro estudo da McKinsey constatou que 70% das organizações que investiram em capacitação relatam impactos positivos no negócio que superam o investimento inicial. Por exemplo, 48% das empresas reportaram efeitos positivos de moderados a significativos no crescimento do lucro devido à capacitação—e 73% relataram melhorias de moderadas a substanciais na satisfação dos colaboradores. Uma pesquisa da DataCamp com mais de 300 líderes de T&D em diversos setores mostrou que companhias que investem em competências maduras de letramento em dados também superam as menos fluentes em crescimento de receita, participação de mercado, lucratividade e mais.
Os desafios de T&D ao construir letramento em dados
Diferentemente de iniciativas tradicionais de treinamento e desenvolvimento, muitas vezes focadas em formações pontuais para habilidades específicas, o letramento em dados é uma metodologia para responder perguntas de negócio que deve ser aprimorada ao longo do tempo. As jornadas de aprendizado variam conforme o nível de interação de cada pessoa com dados. Por exemplo, um analista de marketing que usa Excel com frequência pode precisar aprender R ou Python para avançar no trabalho, enquanto um gestor pode precisar principalmente desenvolver a capacidade de tomar decisões embasadas em dados. Em outras palavras, não existe uma solução única que sirva para todos quando falamos de letramento em dados.
Por isso, uma jornada de aprendizado baseada em papéis e personas é mais eficaz para escalar programas de treinamento em letramento em dados. Cada persona se relaciona de forma diferente com dados, precisa dominar ferramentas específicas e desenvolver competências distintas para prosperar na era digital.
Na DataCamp, identificamos os diferentes tipos de ferramentas necessárias para ter sucesso ao trabalhar com dados. Mais importante, mapeamos 8 personas-chave de dados presentes em toda organização orientada por dados, as competências que precisam desenvolver e as ferramentas que mais utilizam.
Se você quer saber mais sobre essas personas de dados e como elas podem se encaixar na sua organização, baixe nosso white paper.
