A analítica avançada está em voga: todas as empresas desejam tê-lo. Sejam pequenas ou grandes e de qualquer tipo de indústria, nos últimos anos se dedicaram a abrir áreas da direita e da esquerda para atendê-la, mas nem todas conseguiram maximizar seus resultados.
A incorporação de analíticas na operação se torna um problema quando é realizada sem entender o que é e o que pode ser feito pela empresa. Não quero ser um estraga prazeres, mas esse é um dos erros mais comuns que custam mais às organizações, pois, apesar dos esforços, elas ainda não conseguem maximizar seus benefícios. Como sair avantes para este problema comum??
Entenda o que é analytics
Para entender o que é analítica avançada, precisamos reconhecer sua natureza e a maneira como os business as usual, são interrompidos no nível organizacional. A chave será desenvolvê-lo como uma competição de forma transversal na organização e transformá-lo em um facilitador. Para chegar lá, identifico três características essenciais para assimilar.
- Sua capacidade de coletar e processar informações. Talvez essa história lhe seja familiar: lembro-me que há cerca de 15 anos fiz minha primeira segmentação; trabalhamos com o SPSS (Statistical Package for the Social Sciences, da IBM) e consideramos cerca de dez variáveis, pois era muito difícil lidar com mais. Hoje, porém, as segmentações consideram até 80 variáveis e isso se deve ao desenvolvimento tecnológico. Portanto, o primeiro ponto a ser lembrado é que a analítica é a capacidade de manipular dados e tomar decisões com mais informações. Quanto? Só para você ter uma ideia do que geramos, todos os dias 3,5 bilhões de pesquisas são realizadas no Google e estima-se que o universo digital chegue a 44 zettabytes até 2020 – sim, no próximo ano – e se isso não lhe indicar muito, imagine que haverá 40 vezes mais bytes do que estrelas observáveis no universo.
- Sua facilidade de configuração. A maneira pela qual os algoritmos podem ser projetados hoje em dia, configurar fórmulas e linhas é muito mais amigável e rápida do que antes. Nós evoluímos do programador clássico, criando milhares de linhas para poder criar um programa que cumprisse o antigo ciclo de execução, repetição e atualização lenta. Pense nas semanas que você passou para projetar uma rede de distribuição com algoritmos e nas poucas horas que ela requer hoje. Um exemplo claro disso é a linguagem de programação R, que possui um código aberto que permite modificá-lo e aprimorá-lo conforme necessário, além de se conectar a outros idiomas, permitindo carregar diferentes bibliotecas ou pacotes com funcionalidades de cálculo e gratificação.
- Como nos permite tomar decisões rapidamente. A granularidade é o que torna possível tomar decisões específicas e personalizadas, e não apenas, por exemplo, no nível da cidade ou zona dessa cidade, mas também no nível individual. A analítica avançada nos dá a capacidade de impactar em tempo hábil, em vez de em um grupo. Um ótimo exemplo disso é a Bluelabs, uma empresa de data science que realiza mineração de dados éticos para apoiar as campanhas políticas dos Estados Unidos e, assim, atingir seus objetivos de maneira oportuna e eficiente, obtendo perfis psicográficos e não demográficos. Essa é uma revolução, tão surpreendente quanto toda vez que a Amazon sugere produtos que complementam o que você vê ou compra com base em suas transações recentes, com que frequência você as faz e seus hábitos de consumo, mesmo fora da Amazon (analisando cookies armazenado no seu dispositivo). Milhares de dados são considerados para encontrar o que pode ser do seu interesse.
Erros comuns ao iniciar uma área analítica
O primeiro erro, como já mencionei, não é entender o que é analítica avançada, nem saber claramente o que ele fará para os seus negócios, onde poderia agregar mais valor e, se estivesse em vários processos, com o qual você deveria começar.
O cenário é desenvolvido da seguinte forma: Pessoas com perfil analítico são contratadas sem saber qual será seu objetivo, são solicitadas a realizar analíticas complexas, por vezes desnecessárias ou que poderiam realmente ser feitas de maneiras mais simples e, em outros casos, são usadas como um curinga para atender a outras áreas da empresa apenas para poder afirmar que a empresa faz uso de analíticas avançadas em seus processos.
Começar a fazer analíticas em toda a organização sem um foco claro é um dos erros mais comuns, porque se torna uma iniciativa interminável, que gera frustração porque você não sabe o que é e o que pode esperar; portanto, é impossível registrar o progresso e ao longo do caminho você esquece a questão mais crítica para criar concorrência: os recursos humanos.
Contratar perfis padrão para desenvolver analíticas avançadas sem perceber que tipo de equipe multidisciplinar será necessária para alcançar os objetivos é outro grande erro. Deve-se entender que são perfis que amam, como dizemos coloquialmente, quebrando a cabeça para resolver problemas usando a matemática. Eles não são apenas criadores de informações! A complexidade desse ponto é que, se sua organização não entende o que você pode fazer com a analítica, você entra nesse círculo vicioso de não saber o que perguntar à pessoa, encarregá-la de atividades que estão abaixo da capacidade intelectual e… ver como está emergindo lentamente em direção a uma oportunidade melhor, onde ela é desafiada, mesmo que esteja fora da sua empresa.
Portanto, ter clareza na complexidade do recrutamento e nas estratégias para reter esse talento é um elemento-chave. O primeiro porque existe uma escassez do perfil; apenas uma informação para ilustrar: no México, há um déficit de pelo menos 15 mil e até 150 mil programadores ou configuradores contra a demanda; portanto, falamos de um desequilíbrio que causa consideráveis dificuldades para obter o perfil correto.
Os primeiros passos do seu negócio em direção à analítica
Quando o CEO tiver a clareza do que é analítica avançada, o próximo passo é determinar as principais funções que geram mais valor para os negócios. Primeiro, devemos nos concentrar em aplicá-lo aos processos core da empresa, tendo em mente quais são os resultados a serem alcançados, em vez de tentar aplicar analíticas a toda a empresa sem realmente obter um benefício econômico para ela.
Depois de estabelecido por onde começar e o que você deseja, podemos começar a desenvolvê-lo como uma competição. O componente que consolidará a iniciativa será a cultura organizacional. Um estudo publicado recentemente pela NewVantage Partners, com entrevistas com 64 executivos C-Level de grandes grupos americanos, como Ford Motor, General Electric e General Motors, mostrou que 62,5 por cento dos entrevistados mencionaram que a principal barreira para avançar em direção a uma cultura de dados são as pessoas.
Em geral, e com o apoio permanente da equipe de gerenciamento, a organização deve assimilar que a tomada de decisões com base em dados será o novo paradigma. Obviamente, não se trata de todo mundo que conhece de repente analíticas avançadas, mas é essencial evoluir de uma cultura de percepções para uma de insumos tangíveis e difíceis, entre os quais a complexidade da implementação, o custo e o possível benefício econômico são permanentes. Trata-se de consolidar uma estrutura organizacional que alinha processos-chave com tecnologia, talento apropriado e seu respectivo gerenciamento de retenção.
Portanto, será necessário saber especificamente como desenvolver e gerenciar esses perfis:
Alimentar o desafio
Uma das variáveis que mais importam para esses perfis é o desafio intelectual que você coloca na mesa. Em outras palavras, se você não tiver certeza do que é e do que deseja usar analíticas avançadas em sua organização, a pessoa ficará entediada.
É muito produtivo incentivar seu contato com outras áreas da organização para que elas possam dimensionar o escopo de suas soluções. Reconhecer suas realizações e permitir que apresentem suas descobertas aos gerentes, faz com que se sintam valorizados e sejam intangíveis com os quais podem ser mantidos.
Pagar para ganhar
São recursos muito caros e, para justificá-los em um caso de negócios, precisamos tornar os benefícios que eles trazem para os negócios mais tangíveis, e é por isso que – novamente – é crucial saber para que eles serão usados. Se assumirmos que há um desequilíbrio entre a oferta e a demanda desses perfis, assim que perceberem que não possuem um esquema de remuneração competitivo, procurarão e encontrarão outra oportunidade melhor. Se você entende quais problemas eles podem resolver, o valor de cada recurso se paga.
Encontrar um líder híbrido
O perfil do líder que gerencia esses recursos é ainda mais escasso e difícil de alcançar, pois não basta ter autoridade no campo técnico, mas também ter as habilidades de liderança; caso contrário, a equipe estará em risco de fuga.
O guia que esse líder contribui é um ponto-chave para potencializar e reconhecer suas habilidades, além de aprender habilidades sociais para continuar crescendo.
Funções em uma equipe analítica
Uma equipe de analítica avançada integra novos perfis e funções em uma organização. Aqui eu compartilho alguns deles:
O que eu recomendo é: comece por ter uma função (não uma área inteira) como teste piloto, implementando com um processo e consolidando os resultados, documentando cada projeto, análise, descoberta, método, algoritmo, programa, ferramenta e configuração. O acima exposto por duas razões: a primeira é que, dessa maneira, o conhecimento pode ser difundido para outras áreas e a segunda é que, naturalmente, haverá alta rotatividade devido aos elementos explicados anteriormente. Depois de “amarrar” o que precede, avance para criar uma área com uma pessoa responsável e algumas pessoas que se reportam a você. O end game é ter aliados de negócios para analíticas avançadas em cada área funcional da empresa. Quando chegar lá, você poderá cantar a vitória.
Referências:
- Dresner Advisory Services (2018) Big Data Analytics Market Study. https://www.globenewswire.com/news-release/2018/12/20/1670374/0/en/Dresner-Advisory-Services-Publishes-2018-Big-Data-Analytics-Market-Study.html
- Jeff Desjardins (2019) How much data is generated each day? https://www.weforum.org/agenda/2019/04/how-much-data-is-generated-each-day-cf4bddf29f/
- Bob Hayes (2019) Programming Languages Most Used and Recommended by Data Scientists. https://businessoverbroadway.com/2019/01/13/programming-languages-most-used-and-recommended-by-data-scientists/
- Andrew McAfee, Erik Brynjolfsson (2012) Big Data: The Management Revolution. https://hbr.org/2012/10/big-data-the-management-revolution
- Michael Li (2014) Retaining your Data Scientists. https://hbr.org/2014/11/retaining-your-data-scientists
- IBM (2017) The Quant Crunch. https://www.ibm.com/downloads/cas/3RL3VXGA
- Syed Balkhi (2019) How Companies Are Using Big Data to Boost Sales, and How You Can Do the Same. https://www.entrepreneur.com/article/325923