3 práticas para uma estratégia de dados eficiente

Dados são o novo petróleo. Mas ainda sim, 85% dos projetos de ciência de dados falham. Acreditamos que não é uma questão técnica, mas sim de estratégia — e temos uma abordagem para isso.

Não há dúvidas sobre o quanto dados podem ser ativos estratégicos para as empresas. Ainda sim, segundo a Gartner, 85% dos projetos de ciências de dados falham ou não apresentam resultados esperados.

Acreditamos que não é uma questão de disponibilidade de dados, mas sim de estratégia, e nesse artigo vamos falar sobre 03 práticas fundamentais para construir uma.

Vamos lá?

Aceleração exponencial

No contexto hiperconectado em que vivemos, tudo é um dado. As compras que fazemos online, o feed que rolamos nas redes sociais ou mesmo o filme que escolhemos assistir. Segundo a IBM, ​​90% dos dados existentes no mundo em 2017 haviam sido gerados apenas nos últimos dois anos. E desde então, com os avanços da Inteligência Artificial e de tecnologias como o IoT (Internet das Coisas), esse cenário tem se tornado ainda mais exponencial.

Segundo a Seagate, em 2025 serão gerados 463 exabytes de dados por dia em todo o mundo. Para se ter uma ideia da dimensão deste número, em apenas 01 exabyte é possível armazenar cerca de 30.000 anos de vídeo em qualidade HD. Tendo em vista que os registros das primeiras civilizações na história da humanidade começaram há cerca de 5.000 anos atrás, fazendo uma conta matemática simples, poderíamos assistir a toda essa evolução seis vezes em alta qualidade — e ainda sobrariam 462 exabytes.

É evidente que a disponibilidade de dados apenas não resolve o problema. É preciso coletar, organizar, limpar e preparar os dados para realizar as análises e modelos, o que por si só já é desafiador. Mas não é nesse ponto que muitos projetos de ciência de dados falham.

Dentro de um cenário de Big Data, uma abordagem comum é observar quais dados existem e explorar o que é possível ser feito com eles. Apesar de pragmática e com potencial para gerar quick wins, essa abordagem não garante que cheguemos mais próximo da nossa visão de negócio.

O caminho inverso, muitas vezes, é o mais assertivo.

Estratégia de dados by design

Ao invés de mapear os dados existentes e nos perguntar como podemos gerar valor a partir deles, é importante estabelecer primeiro o objetivo do negócio e onde queremos chegar. Em seguida, devemos entender como dados podem nos ajudar a alcançar os resultados e, por fim, quais dados seriam necessários para isso.

Um cenário comum em grandes empresas é cada área ter uma parte de seu orçamento destinado para Data & Analytics. Projetos e dashboards são desenvolvidos dentro de silos, por times diferentes, e muitas vezes não se conectam. O budget total é segmentado em pequenas fábricas de dashboards e um ou outro algoritmo mais avançado. São gerados muitos pequenos projetos, que não trazem um impacto significativo no final do dia.

E é aqui que uma estratégia unificada faz toda a diferença. Veja os 3 principais pontos de atenção que você e o seu negócio devem ter:

#1 Pense nos seus dados como um produto

Uma boa estratégia de dados deve ser baseada na estratégia de negócio e nos resultados esperados. Antes de desenvolver modelos e algoritmos avançados, é importante definir o que queremos extrair deles, de maneira sistêmica. Aplicar o pensamento de produto e o design estratégico nesse contexto é essencial para facilitar a mudança.

Ao definirmos uma proposta de valor para os dados, que esteja alinhada com a estratégia da empresa, conseguimos ter uma visão mais clara de onde queremos chegar — e a partir daí, podemos desenhar de maneira mais assertiva o caminho.

Assim, é possível identificar onde devemos investir primeiro, quais os resultados esperados e quais soluções que devem ser construídas. Mas, é importante ressaltar que uma estratégia de dados assertiva deve nascer de um diagnóstico da empresa e do mercado, e aqui, processos de design podem ser muito poderosos.

#2 Discovery & Delivery contínuo

Eficiência é a palavra do ano. A partir do norte e da nossa visão ideal estabelecida durante a construção da estratégia de dados, recortamos e priorizamos MVPs para testar e evoluir na prática. E para garantirmos que estamos entregando valor, não basta criar a estratégia. É importante estabelecer uma governança, métricas, e acompanhar os resultados chave.

O mindset de desenvolvimento de produtos digitais novamente entra aqui como um poderoso aliado, principalmente no que diz respeito ao Discovery & Delivery contínuo.

Em linhas gerais, essa abordagem nos ajuda a descobrir continuamente necessidades e potencialidades dos desdobramentos do que estamos desenvolvendo (discovery), ao mesmo tempo em que se constrói continuamente soluções que abordem estes pontos, de maneira a gerar valor para o negócio (delivery).

#3 Não é sobre dados, é sobre pessoas

No final do dia, as pessoas tomam as decisões. Para uma cultura data-driven de fato, é necessário aumentar a literacia sobre dados nas empresas. Isso não significa que todos devem ter habilidades de ciência de dados, nem mesmo ter afinidade com matemática. E também não significa uma infinidade de palestras ou cursos.

Existem muitas estratégias para simplificar a maneira com que usamos dados no dia a dia. O importante é criar um caminho para empoderamento coletivo que facilite com que as pessoas criem conversas significativas a partir dos dados, potencializando a inovação. Um dos mais promissores, atualmente, é o baixo código (low-code).

Um exemplo disso foi o Power Platform Challenge da Globo, em parceria com a Microsoft. O desafio consistiu em criar soluções para três desafios de negócios específicos, usando uma plataforma low-code que permite criar aplicativos, fluxos de trabalho e painéis sem a necessidade de habilidades de programação avançadas.

As equipes envolviam pessoas de diversas áreas e habilidades, para criar aplicativos e painéis que permitissem a análise de dados, a tomada de decisões informadas e desenvolver soluções que fossem escaláveis, fáceis de usar e que levassem em conta a experiência do usuário. Os vencedores criaram um aplicativo para gerenciamento de estoque, que usava a inteligência artificial para prever a demanda futura de produtos — tudo isso sem habilidades de ciência de dados e nenhuma linha de código.

Por fim, é importante destacar que para uma estratégia de dados assertiva, é importante deixar as conversas mais nítidas, democratizando o conhecimento. Precisamos encontrar maneiras de discutir sobre temas tão complexos de uma maneira mais tangível, para que seja possível trazer mais pessoas para a conversa.

Não existe fórmula mágica ou resposta certa, o importante é compreender bem o desafio que se deseja solucionar e a cultura da organização — e dar o primeiro passo.

______

Ficou com dúvidas ou quer trocar mais ideias sobre inovação?

Na ioasys, usamos a diversidade como catalisador criativo para transformar problemas complexos em soluções simples, por meio de processos de inovação estruturados.

Assim, facilitamos a eficiência digital de empresas ousadas e cocriamos experiências únicas — de pessoas para pessoas. Se interessou pelo assunto? Venha nos conhecer!