A jornada para a criação de uma cultura de dados

Photo by Franki Chamaki on Unsplash

Você já deve saber que a Gamers Club é uma tech sorocabana (interior de São Paulo) e ao menos aqui pelo interior, palavras com data driven (ou guided) acabam sendo jargões muito repetidos, mas pouco praticados.

Aqui temos um universo enorme de dados, rotacionando desde site analytics, demografia, comportamento, performance in-game etc. É muita variedade e não dá para um único departamento puxar e servir toda empresa no que deveria ser o acompanhamento do café matinal: dados.

Para uma empresa se tornar data driven (ou guided) há todo um processo. Não, não estou falando de Data Lakes, visualizações bonitinhas no Tableau, pipelines estruturados e diversos data engineers para pavimentar o solo. É muito além disso. É sobre a cultura das pessoas com fluxos bem definidos para a tomada de decisão.

Você pode ter tudo, mas isso não vai adiantar se as pessoas:

• Não se interessam pelo dados ofertados;
• Não entendem o significado dos dados, fluxo da feature e variáveis envolvidas;
• Não se sentem confiantes para tomar decisões se orientando puramente em dados;

Foi depois de um certo tempo que eu reparei que não importa o tamanho do seu departamento de dados e quantas demandas você tem. O processo tem que partir da companhia como um todo e por todas as áreas. Um departamento estruturado de dados não vai trazer a confiança e adaptação por simplesmente existir.

O desafio é remodelar a cultura e trazer a analítica como um agradável aliado e não como uma simples obrigação do trabalho.

Muito inspirado no “Data is Cool” nosso departamento de dados começou a falar mais abertamente de dados, a ensinar pessoas, a explicar detalhes básicos como a diferença de média e mediana, para que os percentis servem e como interpretá-los e até a importância de testes (e como eles funcionam).

O processo é (ou deveria ser) bem simples:

• Apresentações para ensinar pessoas a conhecerem elementos básicos de estatística;
• Seguir um padrão de relatório que fosse facilmente compreendido pelas pessoas e que elas se sentissem confortáveis de ler — Uniformidade nos gráficos abordados e no storytelling;
• Explicar pessoalmente para cada um dos interessados como interpretar determinado dado, entender caminhos que possam derivar de lá e até mesmo formular documentos com essas pessoas (baseando-se em dados);

Tudo isso para solidificar o mais importante: trazer segurança para que estas pessoas possam olhar um dashboard/relatório e se sentirem confortáveis para discutir sobre o mesmo.

Dar autonomia para pessoas compreenderem, validarem e concluírem sobre suas ações é o passo primário para uma cultura de dados sustentável.

Algumas pessoas ouvem falar de alguns termos estatísticos em alguma aula, mas são poucos os que entendem de maneira direta o que fazer com isso. Outros sujeitos são mais práticos e simplesmente apresentar conceitos puramente matemáticos vai resultar num “0 a 0” que não ajudaria ninguém. A triste realidade é que muitas pessoas não gostam de dados porque nunca foram introduzidas a eles apropriadamente.

Para encurtar essa dificuldade que nenhuma apresentação conseguiria, nós introduzimos cenários reais nos quais as pessoas visualizam problemas de sua própria área/realidade. Descobrimos que falar de termos genéricos (ainda que seja da empresa) acaba só tirando o interesse geral, pois nem todo mundo enxerga a aplicabilidade em sua área como se fosse algo trivial.

É uma abordagem mais didática e exige acompanhamento, mas para uma pessoa já pensar em analítica antes mesmo de começar a definir seus problemas é a consequência do acompanhamento e suporte de um departamento de dados. Isso não só melhora os fluxos de ideação e priorização como também agiliza diálogos dentro da empresa: Pessoas falam de dados e fazem uso dos mesmos para embasar suas opiniões e próximos passos, o achismo é deixado de lado em muitas situações.

Ah, sim! Sabe aquelas dezenas de dashboards criados do Metabase? O responsável vai ter que sentar com as pessoas interessadas e ensiná-las a usar para certificar se a mensagem está suficientemente clara e se o mesmo entende do jeito que deveria. Nem sempre é intuitivo e até mesmo uma pessoa muito envolvida no produto pode desconhecer todas variáveis de sucesso.

PS: É importante também que as métricas de sucesso de cada feature/produto estejam definidas com todos os envolvidos no processo, não adianta ter acompanhamento de métricas soltas e desalinhadas.

A metodologia é mais humana do que exata e compreende principalmente desmitificar o pensamento comum: “não sou de exatas, eu não entendo”. Nosso objetivo a longo prazo é que cada vez mais as pessoas questionem suas visões, monitorem seus resultados e se planejem com os dados. Ainda estamos a bons passos do cenário ideal, mas o caminho parece bem promissor.