A figura do Data Translator — parte 1: Você sabe o que é um Data Translator?
Saiba como este perfil está se tornando cada vez mais necessário para alavancar a cultura data-driven e data-centric nas grandes organizações
Disclaimer: Este artigo faz parte da série, “Data Mesh na Prática”, que visa abordar de maneira prática e objetiva como de fato trazer o que temos de literatura para o mundo real. Abaixo segue a lista completa dos artigos :
- Data Mesh? O que é isso, é de comer?
- Data Product vs. Data as a Product
- O Ciclo de Desenvolvimento Ideal para Data Products: L5 Framework em Ação
- Equalizando os conceitos — parte 4: Product Team vs Data Product Team
- A figura do Data Translator — parte 1: Você sabe o que é um Data Translator?
- A figura do Data Translator — parte 2: Data Translator vs Data Product Manager
- A figura do Data Translator — parte 3: O dia a dia de um Data Translator
- Data Mesh é cultura!
- Como saber se a minha organização está pronta e/ou precisa do Data Mesh?
- Medindo os resultados de cada um dos princípios do Data Mesh
Quando cheguei na Creditas em agosto de 2021, tive como o principal desafio organizar todo o nosso time de Dados, que compõe as disciplinas de governança, plataforma e produto. Fazer isso não foi fácil, e bebemos muito das fontes de conceitos como o Data Mesh e o Team Topologies, mas quem fez de fato a diferença para cada um desses frameworks e metodologias funcionarem foi a criação desse cargo/função dentro do nosso fluxo.
A Creditas e a dor do crescimento
Para quem não sabe, a Creditas é uma plataforma digital de crédito com escritórios em São Paulo, Barueri, Curitiba, Porto Alegre, Recife, Valência (Espanha) e Cidade do México, dividida em 4 grandes ecossistemas: auto, imobiliário, benefícios corporativos e seguro.
A ideia é que você consiga ter acesso ao crédito de forma fácil e descomplicada, através de uma gama de produtos e serviços: seja através de um empréstimo com imóvel ou automóvel como garantia, assim como a possibilidade de financiamento ou refinanciamento, empréstimo consignado e cartões de benefícios para o RH das empresas e seus colaboradores, ou até mesmo comprando seu carro direto da nossa loja de seminovos, além de seguros de automóveis, residenciais e corporativos.
O desafio de dados no contexto Creditas
Indo pro ponto de vista de dados, tínhamos como principais dores toda a nossa complexidade de contexto, nossa estrutura organizacional e toda uma governança ainda incipiente. Porém vamos por partes:
Estrutura organizacional da Creditas e o nosso ambiente de dados
Principalmente por termos feito muitos M&As desde que a Creditas foi fundada em 2012, garantir que todos esses ecossistemas se comuniquem é um desafio e tanto, desde a tecnologia, os órgãos reguladores, quanto a ontologia e taxonomia desses dados e informações.
Cada empresa adquirida, foi trazendo consigo toda a stack tecnológica, formas diversas de produção, ingestão e consumo dos dados, ferramentas de visualizações, enfim, um ambiente extremamente diverso. O trabalho de unificar o legado (o que vale a pena), com uma stack moderna sem prejudicar o tempo do negócio, se torna algo desafiador em complemento à estrutura organizacional.
Hoje dentro da Creditas, temos uma estrutura híbrida entre uma organização Circular (ou radial) e Matricial. Isso por si só, gera uma complexidade para garantir que um time centralizado de dados, consiga atender toda a Creditas de forma eficiente e organizada, priorizando as necessidades da empresa como um todo e não só uma determinada Business Unit, sem ser gargalo no momento da produção e consumo pelas mesmas.
A complexidade dos nossos produtos
Num ambiente cheio de dados, mas carente de informações, a quantidade de contextos de produtos e negócios diferentes, que por mais que se relacionem tendo como ponto comum o crédito, são negócios que tem suas particularidades e que podem ser bem diferentes mesmo estando num mesmo ecossistema, o que gera um desafio a mais no momento de conexão entre as informações entre os produtos.
A estrutura do Product Team
“Product Teams are cross-functional (product, design and engineering); they are focused on and measured by outcomes (rather than output); and they are empowered to figure out the best way to solve the problems they’ve been asked to solve.” — Marty Cagan
A Creditas foi estruturada exatamente assim, para garantir o funcionamento de cada BU em conjunto de suas tribos e squads de forma independente. O problema é que esse modelo vai contra toda a forma de organização de trabalho operacional quando se fala de dados, principalmente quando se tem um grande legado, e a organização não segue o princípio de Domain Data Ownership.
E onde o Data Translator entra depois disso tudo?
A oportunidade do Data Translator
O Data Translator é um profissional que consegue facilitar a comunicação entre diferentes times ou áreas dentro da organização, literalmente traduzindo toda a informação técnica em insights do negócio, para que facilmente seja entendido pelos stakeholders.
Sendo assim, sua principal responsabilidade é cobrir a lacuna e ser a ponte entre a linguagem técnica utilizada pelos analistas, engenheiros e cientistas de dados, e a linguagem de negócio utilizada pelos executivos e tomadores de decisão, assim como todo o time de produto (desenvolvedores, designers, product managers), evoluindo o Product Team do Cagan, para um Data Product Team.
Quais são as responsabilidades de um Data Translator
Dentro de todo esse contexto, a função de um Data Translator envolve uma série de responsabilidade que são chave para termos times de dados e produtos performáticos, como:
Facilitar a comunicação entre os times de dados e os stakeholders de negócio:
O Data Translator age como intermediário entre esses dois grupos, ajudando a garantir que todo mundo esteja na mesma página quando precisamos entender conceitos técnicos complexos.
Traduzir o jargão técnico em linguagem de negócio:
O Data Translator usa de toda a sua expertise das disciplinas de dados para explicar conceitos e encontrar formas para explicar de maneira não-técnica ao ponto que os stakeholders de fato entendam, utilizando muito de recursos visuais como gráficos, diagramas, apresentações, tudo que possa garantir que o storytelling e a mensagem seja entendida e compreendida.
Identificar oportunidades de negócio através dos dados.
Ser responsável por identificar as dores e potenciais oportunidades e riscos que possam surgir das análises e produtos de dados a serem consumidos pelos stakeholders, trabalhando com eles para desenvolver estratégias para aproveitar tais oportunidades e mitigar os riscos.
Fazer a gestão de programas, projetos e iniciativas de dados
Gerenciar todo o ciclo de vida de um projeto de dados, desde a parte de identificação das dores e oportunidades, os mapeamentos de dados a serem coletados até a análise e o relatório para demonstrar as soluções. O Data Translator é responsável por garantir a saúde do programa/projeto, fazendo o acompanhamento das métricas de performance operacional e financeiras.
Desenvolver soluções data-driven
Os Data Translators trabalham diretamente com os stakeholders, e por isso são sua principal fonte para desenvolver soluções data-driven para melhorar os outcomes do negócio, sendo responsável por mapear todo o processo de construção de um produtos de dados, identificando maneiras de como se pode utilizar os dados já existentes ou coletar novos para os processos de negócio.
Achei interessante, mas o que preciso para ser um Data Translator
Lembre-se sempre: O Data Translator é um profissional que preenche a lacuna entre o time técnico e o não técnico. Então além das suas habilidades técnicas generalistas na carreira de dados, com um pézinho no produto, para ser conseguir fazer um trabalho de excelência, existem algumas soft-skills que são essenciais para conseguir desenvolver na carreira, como:
Comunicação: é a base de tudo
Você deve ser capaz de comunicar informações complexas e técnicas de uma de fácil entendimento para pessoas não-técnicas. Por isso, ter uma escuta ativa para entender suas preocupações e necessidades é vital para o cargo.
Empatia: se colocar no lugar, é uma via de mão dupla
Como tradutor, e como em toda tradução, entender os contextos de cada um e traduzir de acordo como cada um consiga entender, é a chave da comunicação. Porém, conseguir ser empático para entender as limitações de cada uma das partes e tentar achar um senso comum entre elas de uma maneira que satisfaça a todos, requer um exercício de empatia considerável.
Colaboração: O Data translator é um facilitador
Tem que estar disposto a trabalhar colaborativamente com ambos os times, técnicos e não técnicos. O Data Translator, precisa estabelecer um relação de confiança com o trabalho de cada time e gerenciar as expectativas para garantir que o programa/projeto seja um sucesso
Pensamento crítico: sempre questione e saiba quando parar
Conseguir analisar os dados, identificar padrões, e desenhar soluções finais. Para fazer cada uma dessas coisas o Data Translator precisa ter um apurado pensamento crítico para identificar potenciais problemas e oportunidades e desenvolver soluções que beneficiem ambos os times
Adaptabilidade: Flexibilidade cognitiva é o mantra
Ser flexível e capaz de se adaptar a circunstâncias desafiadoras, faz parte do seu dia a dia. Identificar que o ótimo é a melhor solução dentro do prazo e budget que temos e nível de qualidade exigido, saber aprender a trabalhar sobre pressão gerenciando essas variáveis para pivotar soluções quando necessário, assim como mediar conflitos em torno do bem comum do programa/projeto, exige muito do perfil mental de um Data Translator.
Liderança: persuasão é a chave
E por fim, o Data Translator precisa ser um líder capaz de liderar seus times ou grandes programas/projetos, sendo capaz de delegar tarefas, fornecer orientação e motivar os membros da equipe para atingir os objetivos do projeto.
Resumindo
- Em geral, a função do Data Translator se torna crucial para qualquer organização que deseja elevar o nível das suas entregas de negócio sendo guiadas por dados, ajudando as empresas terem uma vantagem competitiva perante seus concorrentes através de produtos de dados mais assertivos que lhes garantam as informações e insights necessários para a tomada de decisão.
- Por ser um perfil generalista, vai te exigir muitos conhecimentos técnicos de várias áreas, o que pode ser complexo para pessoas com um perfil mais especialista
- Soft-skills como comunicação, empatia, colaboração, pensamento crítico, adaptabilidade e liderança, são chaves para o desempenho da função com excelência.
Se identificou com o perfil de um Data Translator? Se você ainda tem dúvidas com a função de Data Product Manager, recomendo a leitura deste artigo: A figura do Data Translator — parte 2: Data Translator vs Data Product Manager
Referências que valem a pena
You Don’t Have to Be a Data Scientist to Fill This Must-Have Analytics Role
Gostou do texto? Tem alguma dúvida, crítica e/ou sugestão? Use os comentários para me mandar feedbacks e compartilhe com quem interessar sobre o assunto e não deixe de me seguir aqui no Medium e no LinkedIn
Abraços e até mais! ❤
