Como garantir efetividade nas suas entregas de dados?
Pode parecer simples, mas é uma dor comum e sentida por quase todas as empresas. Muitos dados, planilhas, dashboards e modelos de machine learning, mas nem todos os produtos finais são consumidos pelos usuários. O que podemos fazer para evitar isso?
Começando por uma grande verdade: uma entrega sem uso é desperdício. Você já pensou em quantas horas investimos em reuniões de alinhamento, prototipagem, validações e testes de uma entrega? Agora imagine se convertêssemos essas horas em custo, o quão impactante seria se essa entrega caísse em desuso? Em uma megacorporação, multiplicaríamos esse impacto por várias ocorrências. Por esse motivo, cada vez mais falamos sobre efetividade para produtos de dados.
Você que está em tecnologia, principalmente na área de dados, provavelmente sente uma quantidade expressiva de demandas. Direcionar esforços para uma iniciativa mal estruturada traz impactos negativos tanto para a empresa como para os profissionais que se envolvem. Se você já passou e não quer viver novamente essa experiência ou para você que está começando na área e quer evitar esses desperdícios, leia o artigo abaixo.
1. Estruture sua entrega como um produto de dados.
“Produtos de dados englobam qualquer produto ou recurso que dependa de dados para operar.” Gil Sant’Anna
A aplicação do ciclo de produto é uma ótima forma de garantir que essa entrega seja bem executada. Isso porque quando pensamos em nossas entregas como um produto, buscamos como objetivo único sanar ou reduzir as dores do usuário final. Quando tomamos como ponto de partida essas dores que serão devidamente mapeadas e entendidas, dificilmente produziremos uma entrega sem valor.
O ciclo de desenvolvimento do produto envolve etapas como:
Você poderá ler mais sobre essas etapas aqui, pois não entraremos no detalhe de cada etapa neste artigo. Porém, vale pontuar os excelentes benefícios de estruturar a sua entrega desta maneira:
- Evitar desperdícios e retrabalhos como, por exemplo, dashboards sub ou inutilizados.
- Soluções mais inteligentes e eficientes.
- Entregas menos enviesadas — foco na dor do usuário final.
2. Garanta que os dados sejam confiáveis.
Se imagine na seguinte situação: você aplica uma pesquisa para entender o motivo dos usuários não estarem usando a sua solução e a principal correspondência é confiabilidade nos dados. A área até tentou usar a solução, mas logo nos primeiros contatos encontraram anomalias nos dados e acabou descredibilizando a entrega e deixando de usar.
Parece ser algo tão simples que não faria sentido ser um dos feedbacks mais constantes… mas é bem comum. Logo começam os questionamentos:
- Quais as origens desses dados?
- Como eles estão sendo tratados?
- Qual a frequência de atualização deles?
- Foram validados com os times necessários?
Dados que não passam confiança podem criar situações complicadas e é essencial conseguir responder às perguntas acima antes de disponibilizar sua entrega. Não esconda informações dos usuários, sempre deixe documentadas as origens, os tratamentos realizados e as regras de negócio aplicadas. Aqui entra um conceito muito importante e conhecido que é o data quality.
Data Quality (ou Qualidade dos Dados) mede o quão bem uma base de dados atende a critérios como acuracidade, completude, validação, consistência, singularidade e criticidade. Valida se a origem segue as boas práticas definidas internamente pelo time de governança ou seguir boas práticas de mercado.
3. A entrega não será funcional se o time não souber mexer na ferramenta.
Sua entrega ficou excelente, você a planejou e executou com excelência. As rodadas de validação dos dados foram realizadas, você conseguiu contemplar todas as dores listadas no início do desenvolvimento e o time está super motivado para começar a explorar. Porém, nenhum dos usuários faz ideia de como mexer no software onde a entrega será disponibilizada. Subentender que esse conhecimento prévio exista é pedir um pouco demais, não acha?
Investir em treinamentos é indispensável e existem várias formas de fazer isso:
- Treinamentos realizados pelo próprio time de tecnologia ou RH.
- Aplicado por empresas de consultoria.
- Disponibilização de licenças em sites como Coursera, Udemy e Alura.
Existe muito conhecimento disponível na internet: selecione, aplique e entenda o quanto foi absorvido pelo time — de preferência antes mesmo do produto ser lançado.
Gostou das dicas? Deixa nos comentários! 😉
