O conhecimento e o planeamento transformam a análise de dados de uma "ciência das trevas" para uma ferramenta crítica para os negócios.
Embora poucos o admitam publicamente, o data analytics continua a ser uma ciência sombria para muitos líderes de TI, repleta de métodos místicos e práticas aparentemente indecifráveis. No entanto, apesar da sua reputação algo enigmática, a análise tem provado repetidamente ser uma ciência comprovada, uma ferramenta poderosa que geralmente leva a melhorias significativas na produtividade, eficiência, vendas, lucros e outras métricas e objectivos empresariais fundamentais. A revolução analítica de hoje apanhou de surpresa muitos gestores de TI. Até há pouco tempo, as TI não eram suficientemente poderosas para realizar análises avançadas de dados. De facto, a maioria dos gestores de TI de topo formou-se muito antes da revolução da análise de dados.
A análise avançada é essencialmente uma habilidade de investigação, e a maioria dos líderes e executivos de TI nunca foram investigadores profissionais. Estas competências são mais comuns na comunidade académica, e por esta razão a maioria dos cientistas de dados e gestores analíticos de sucesso são antigos investigadores. Como resultado, muitos líderes de TI da velha guarda encaram as iniciativas analíticas emergentes com uma combinação de perplexidade e medo.
Os líderes empresariais de TI devem assumir que a análise irá desafiar os seus departamentos estáveis e bem estruturados. Tem havido uma mudança nos conjuntos de competências necessárias dentro das grandes organizações para impulsionar soluções com base em dados e análises. Muitos conjuntos tradicionais de competências TI não funcionam com os novos motores analíticos, bases de códigos e quadros de gestão de dados que estão a evoluir rapidamente no mercado, alimentando a necessidade de novos talentos.
Muitos gestores de TI podem sentir-se incertos sobre a melhor forma de abordar a análise, especialmente por causa da sua sobreposição com outros departamentos. Embora a análise tenda a ser de natureza técnica, é realmente mais uma função empresarial, semelhante às finanças ou à contabilidade. Ainda assim, este mal-entendido levou a algumas guerras bastante feias de relva em algumas empresas. No entanto, se os gestores de TI investissem mais tempo na aprendizagem de como funciona a análise, bem como nas formas como os processos analíticos podem ser utilizados para ajudar o seu negócio, a adopção aumentaria e as lutas internas sobre papéis e responsabilidades terminariam. Uma compreensão mais profunda da análise também pode ajudar os gestores de TI a compreender porque é que a abordagem à análise pode muitas vezes parecer tão misteriosa. A ciência dos dados, no seu melhor, é um esforço extremamente criativo. Os gestores não precisam de compreender os componentes tecnológicos de cada análise, tal como os proprietários de um projecto de software não precisam de compreender os componentes tecnológicos subjacentes. Mais importante ainda, trata-se de ver o valor criado. Ao contrário das TI, onde as soluções são frequentemente óbvias e amplamente adoptadas por empresas em todo o mundo, os processos analíticos são frequentemente únicos e individualizados. A escolha do melhor método analítico é por vezes simples e por vezes uma arte. Por exemplo, encontrar relações causa-efeito em dados envolve frequentemente alguma forma de regressão, e encontrar características semelhantes em grandes conjuntos de dados de clientes é susceptível de envolver algoritmos de agregação. Ao optimizar um orçamento de marketing, o perito em análise pode seleccionar entre uma miríade de métodos que podem ser utilizados. Nestes casos, é frequentemente mais importante que o método escolhido seja utilizado correctamente e com bons pressupostos do que escolher o "melhor" método de todos os métodos possíveis.
Os especialistas diferem sobre se as iniciativas analíticas empresariais devem ser centralizadas, quer dentro de TI ou de um departamento analítico separado, quer repartidas por áreas empresariais. Muitos acreditam que a TI está melhor posicionada para servir como defensora da análise e apoio tecnológico, e não como base para todas as iniciativas de análise empresarial. Não há razão para que a análise de dados seja isolada dentro de um departamento. Pelo contrário, é um conjunto de competências que deve ser cultivado para crescer em toda a empresa.
Como o campo do Data Science está a evoluir rapidamente, é muito vantajoso para diferentes equipas colaborar e aprender umas com as outras, mesmo que haja alguma competição amigável entre elas. Duas equipas diferentes irão abordar estes processos de formas diferentes, permitindo uma exploração mais rápida de todo o campo para descobrir os tipos de metodologias mais adequados ao ambiente de negócios de cada equipa. Esta polinização cruzada de ideias pode ser ainda mais encorajada pela rotação de pessoas dentro e fora de diferentes equipas. O modelo do Centro de Análise de Excelência (COE) - um grupo ou equipa que lidera e coordena iniciativas analíticas em toda a empresa - tem sido debatido há muitos anos, e tem recebido pouco apoio face à integração de talentos analíticos em áreas de negócio. Dentro das TI tradicionais, existe frequentemente um modelo centralizado para consolidar e gerir dados operacionais, ao mesmo tempo que dá acesso a esses dados aos recursos analíticos dentro da empresa. No entanto, com algumas excepções, esta abordagem não se ajusta bem às necessidades analíticas únicas e especializadas de cada unidade de negócio. A decisão de centralizar a análise é melhor tomada num destes cenários: onde as sinergias de dados ou competências são amplamente distribuídas por diferentes funções empresariais, ou onde funções empresariais menos maduras poderiam beneficiar da perícia que uma equipa central pode fornecer. Há casos em que uma equipa central de análise pode ser um catalisador temporário para o crescimento da análise funcional, caso em que a equipa central pode ser melhor para necessidades muito especializadas, tais como a aprendizagem de máquinas ou inteligência artificial.
Independentemente de como ou onde se originam dentro da empresa, todos os projectos analíticos requerem uma liderança forte e conhecedora. A chave está em ter um bom líder ao leme. É também desejável que o líder da equipa tenha um historial comprovado, porque essa é, em última análise, a bitola de um bom analista.
A decisão de quem irá liderar um projecto analítico específico depende do nível de maturidade analítica de uma empresa, da sua indústria e património, da sua força de liderança, e das áreas de negócio específicas que impulsionam a sua estratégia e crescimento. Por exemplo, numa empresa que é principalmente orientada para as vendas, um líder sénior de análise de marketing será capaz de tomar mais e melhores decisões orientadas para os dados do que qualquer outro funcionário. No entanto, em empresas com uma forte função central de gestão de dados, um líder de TI pode estar melhor posicionado para elevar as capacidades analíticas. A competição pelo talento analítico é intensa. A maioria das empresas desistiu sensatamente da ideia de contratar o cientista de dados estrela com três doutoramentos para fazer magia e, em vez disso, construíram equipas de pessoas mais jovens mas competentes. Esta estratégia pode ser bem sucedida em quase qualquer lugar se certos princípios forem seguidos: É preciso dar-lhes poder para terem êxito. Proporciona-lhes dados, computação em cloud e as ferramentas de que precisarem.
A direcção deve manter um controlo flexível sobre as equipas de análise. Uma equipa eficaz com um elevado nível de produtividade não precisa de um grupo menor de pessoas para impor a sua autoridade aos outros. Naturalmente, mais pessoas seniores assumirão papéis mais responsáveis, simplesmente porque têm mais experiência e provavelmente mais conhecimentos sobre como realizar a tarefa em questão. Os representantes empresariais devem ser envolvidos no planeamento de projectos analíticos desde o início, desde a identificação das métricas a serem seguidas até à revisão dos painéis de visualização de dados. Por outro lado, a formação de gestores e pessoal para interpretar os dados não deve ser uma preocupação importante. Se um grupo de análise estiver a funcionar da melhor forma, não deverá haver necessidade de formar pessoas para interpretar os resultados. As ferramentas devem ser concebidas com a ideia de serem intuitivas para a área empresarial que digere a informação.
Os gestores de TI devem pôr de lado o seu medo e cepticismo em relação à análise para se concentrarem no desafio em causa: disponibilizar informação accionável aos decisores. Comerciantes, profissionais da cadeia de fornecimento, líderes financeiros e executivos operacionais têm interesse e investimento em análise, o que cria uma nova complexidade e política em torno deste espaço. O papel das TI é ajudar, tanto quanto possível, na criação de dados e informações limpos e disponíveis para alimentar e conduzir as decisões empresariais.
Em vez de descartar a análise como um mistério impossível, os gestores de TI deveriam colaborar para ajudar os cientistas de dados a acederem aos dados e ferramentas de que necessitam para serem bem sucedidos. Muitas vezes, vemos que a falta de sucesso se deve a constrangimentos burocráticos impostos a uma equipa científica de dados e não a uma falta de talento. Não é raro, por exemplo, que as empresas tornem o acesso aos dados demasiado difícil para valer a pena e imponham limites rigorosos às ferramentas que são disponibilizadas. Estas limitações podem facilmente reduzir a produtividade. Os tipos de pessoas ambiciosas que o desejem manter não ficarão por muito tempo em tal ambiente, e a selecção natural deixá-lo-á com uma equipa de analistas composta por pessoas dóceis, pouco criativas, que não entregarão o valor esperado delas. Referências: Todos os direitos reservados ao CIO