Qual é o nível de maturidade informacional da sua empresa?

Que tal começar por tirar a “água do porão”? Uma análise sobre o que foi possível observar fazendo o diagnóstico de maturidade informacional em grandes empresas.

Depois de passar cerca de 10 anos liderando áreas de dados em grandes corporações, protagonizar processos de transformação para modernizar e melhorar o nível de contribuição e entrega das áreas, e mais cinco anos como consultor atendendo desde startups a grandes empresas multinacionais, certamente muitas experiências podem ser compartilhadas.

Neste sentido, alavancar o uso de dados dentro de uma organização, especialmente nas de grande porte, não é uma tarefa simples. Lembrando que, aqui, estamos falando de impulsionar o uso de dados de forma corporativa, ou seja, para toda a empresa de forma orquestrada (não estamos falando de iniciativas isoladas chamadas de “departamentais” que, geralmente, são conduzidas por um departamento ou até um indivíduo apenas). Muitas vezes, tais iniciativas são vistas como solução para resolver apenas um assunto ou problema específico de forma pontual.

Isto posto, para alavancar o uso de dados de forma corporativa e orquestrada dentro de uma organização, antes de mais nada, é preciso mergulhar na realidade das áreas de negócios, ou pelo menos nas principais delas com o objetivo de entender as suas reais “dores”, necessidades e até mesmo novas oportunidades em potencial que poderiam ser “destravadas” com uma melhor organização e uso dos dados.

E é aqui que são encontradas as primeiras situações comuns na maioria das empresas avaliadas, o choque do “Desejo vs. Realidade”.

 Desejo comum da liderança: ser “data-driven”, entrar na onda do Analytics e fazer modelos preditivos ou projetos de Inteligência Artificial fazem parte da “wish-list” (lista de desejos) de 100% dos executivos e alta liderança;

 Realidade comum dos analistas: para responder uma pergunta básica, como, por exemplo, “qual é a quantidade de clientes novos no último período?”, um esforço quase que heroico é feito. Partindo de coletas de dados manuais, cruzamentos e muito “massageamento” dos dados usando planilhas básicas para então conseguir chegar na resposta estática, ou seja, precisando de uma atualização na semana seguinte, repete-se todo o ciclo, sendo bem comum essas perguntas serem feitas com prazo de resposta até o horário da reunião seguinte e, mais do que isso, após toda a dolorosa jornada para se conseguir tais respostas, ainda fica a desconfiança sobre a confiabilidade dos números, depois de tanto “Ctrl+C” e “Crtl+V”.

Descompasso no tempo para análise
E assim surge a primeira reflexão que leva ao entendimento de que, antes do desejado Analytics ou da contratação de um mago Cientista de Dados, é preciso sanar as “dores” e necessidades básicas de dados sentidas pelos analistas das áreas de negócios que, em decorrência de não terem os dados que necessitam preparados e disponíveis para fazerem análises, acabam criando a assumindo atividades operacionais de manipulação a sustentação dos seus pequenos silos.

É neste contexto que surge outra frase muito comum: “gastamos a maior parte do tempo no processo de descoberta, coleta e preparação dos dados, e sobra pouco ou nenhum tempo para analisá-los”.

Como conclusão, e baseado na amostra das empresas avaliadas nos últimos cinco anos, antes de definir apenas o “onde” se quer chegar, contratar Cientistas de Dados e fazer projetos modernos de Inteligência Artificial, vale a pena entender as “dores” e necessidades básicas sentidas pelas pessoas no dia a dia e que prejudicam, muitas vezes, a eficiência dos processos, além de ocasionarem um custo elevado que muitas vezes nem é percebido.

Na maior parte das vezes, “tirar a água do porão”, ou seja, resolver problemas básicos não é o tipo de esforço que rende “cases” muito atraentes. Por outro lado, é o que garante a efetividade e resultados mais consistentes.

Por Marcos Palmeiro, fundador da DataStrategy.