Data Culture e Modelos Tradicionais de BI
Nos últimos anos venho trabalhando com projetos de analytics principalmente em empresas digitais, mais especificamente startups em estágio de growth o que nos deu oportunidades de conhecer de perto diferentes cenários e o esforço das empresas para adotarem dados no seu processo de gestão. Durante este processo notamos algumas características em comum nas organizações ao trilharem este caminho, por isso gostaria de compartilhar neste texto algumas reflexões sobre como a estrutura organizacional e os modelos de gestão influenciam diretamente na adoção do uso de dados como parte integrante do processo de gestão e evolução de produtos digitais.
PS: se você tem pressa, tem um vídeo que resume tudo no final deste texto ;)
Modelos Tradicionais de BI
Um ponto crucial para falar de cultura de dados nas organizações é entender como está estabelecido os modelo tradicionais de BI, por isso vou listar aqui algumas características desse modelo:
1 — Informações centralizadas no departamento de BI ou TI o que geralmente configura um cenário no qual quando os times de negócio precisam da informação eles precisam demandar o time de BI, que por sua vez, irá te colocar em uma fila de espera. Essa espera pode te fazer perder o timing do projeto e quando a informação chegar, com sorte após 5 dias, ela já não serve mais.
2 — O fato do time de negócio demandar e receber o relatório pronto acaba gerando um segundo fenômeno que é a baixa confiabilidade no dado, pois as pessoas não sabem como ele foi capturado, tratado e exibido.
3 — Outra característica desse modelo é o fato de que o BI tradicional passa muito tempo acumulando e tratando o dado e pouco tempo analisando e atuando nele.
4 — Historicamente as informações fornecidas pelo BI são resultado de convenções pouco colaborativas, o que eu quero dizer com isso é que poucas pessoas definem qual dado deve ser coletado e disponibilizado para as pessoas da empresa.
Modelos que favorece uma cultura de dados
O que nós acreditamos hoje ser um modelo que melhor proporciona a propagação da cultura de uso de dados:
1 — Primeiramente é ter uma pessoa responsável pela área de dados dentro de cada time de negócio (marketing, vendas, produto, logística, etc). Essa pessoa é responsável por entender as necessidades de dados do seu time e endereçar junto ao departamento de TI ou de BI a infraestrutura necessária para servir esses dados. E ao contrário do que alguns pensam essa pessoa não precisa ser um cientista de dados.
“You Don’t Need a Data Scientist, You Need a Data Culture.” -Rahul Bhargava
Você não precisa de um cientista de dados, você precisa de uma cultura de dados. De fato um modelo que favoreça a cultura é mais eficaz do que ter um especialista em dados. Esse indivíduo no qual nós chamamos de DataHero deve sim ter afinidade com dados, porém mais importante que isso ele deve ter habilidade para entender o business, entender o papel do time no qual ele atua e suas tarefas para conseguir identificar que tipo de informação deve ser disponibilizada para esse grupo para que ao consumir essas informações eles possam executar seu trabalho melhor.
O Time de BI como Mentores e Não Tiradores de Pedido
Neste cenário o time tradicional de BI passam a atuar como mentores do DataHero dando suporte com atividades mais específicas do universo de BI tais como, infraestrutura, extrações, transformações, orquestrações ou consultas avançadas com SQL atuando de forma a desobstruir o caminho para a informação estar sempre disponível para o time de negócio.
Desta forma o time de BI para de atuar como tiradores de pedidos e passam a suportar os DataHeros e os times de negócio em situações pontuais e liberando tempo para cuidar da infraestrutura de BI, qualidade de dados, atuar em análises profundas ou testar novas tecnologias.
Além do DataHero, todos os membros do time devem ter acesso aos dados em alguma ferramenta de visualização de dados que seja simples de ser manuseada para tornar o acesso à informação bem mais democrático.
Desalinhamento da informação com a tarefa
Em modelos tradicionais, poucas pessoas participam do planejamento do que deve ser monitorado, de onde a informação deve ser extraída e qual informação será disponibilizada no final. Esse é um dos principais fatores do baixo engajamento dos usuários com soluções de analytics/BI.
Um bom exemplo são os famosos dashboards que ficam espalhados nas empresas, que exibem alguns indicadores de sucesso que na maioria das vezes só fazem sentido para a alta-gestão ou para a pessoa que projetou o dash.
"Se a informação exposta não ajuda as pessoas a executarem uma tarefa ela não tem utilidade."
Para minimizar essa situação trabalhamos com duas abordagens; a primeira se assemelha com métodos de pesquisa em design e também com o método do “jobs to be done” que consiste basicamente em entender qual é a tarefa executada por cada pessoa dentro de um time, entendendo também contexto (momento, ferramentas, dependências) para identificar qual tipo de informação eu devo fornecer para cada pessoa dentro do seu contexto irá ajudar o indivíduo ou time a executar o “job” melhor. E o segundo ponto é mediar dinâmicas de co-criação para definir de forma colaborativa qual informação deve ser extraída e disponibilizada em um processo onde as pessoas que precisam da informação ajudam a definir o que será útil e conseguem também ter uma visão do todo, ou seja qual informação o colega do lado precisa, o que acaba gerando um consciente coletivo de qual informação existe e por que ela existe.
Definição de Processos
Muito do que é dito sobre uso de dados acaba caindo em algum aspecto técnico do tema, porém barreiras técnicas são facilmente vencidas dada a quantidade de profissionais excepcionais que temos no mercado e a oferta abundante de tecnologias a baixo custo.
O que torna diferencial então para perpetuar umas cultura de dados é um time bem alinhado e processos bem definidos.
“A maior parte dos erros não acontecem por falta de conhecimento e sim por negligenciar processos.”
-Atul Gawande
Portanto tão importante quanto ter o dado e democratizá-lo é necessário também estabelecer uma rotina que contemple tanto as tarefas pertinentes a definição, captura e visualização dos dados quanto a de usar o dado em cerimônias de planejamento e review dentro dos ciclos de trabalho.
Nesse momento tome cuidado para não setar um processo “top down” no qual as pessoas do time não vão se identificar e adotar. Procure adaptar alguns precesso e cerimônias já utilizadas pelo time e também ferramentas nas quais eles já tenham afinidade, desta forma reduzimos o esforço de adoção.
Conclusão
Para implementar uma cultura de dados é necessário mais do que ferramentas de analytics e conhecimento técnico, exige uma criação de consciência coletiva sobre a real necessidade do uso de dados e seus benefícios e como a empresa deve organizar seus times para contribuir de forma mútua para definir papéis e objetivos comuns para serem atingidos e definir processos para chegar até ele.
Versão Resumida em Vídeo:
Quer saber mais sobre cultura de dados, acesse o site da PunkMetrics.
