.png)
O termo Data-Driven, que pode ser traduzido como "orientado por dados", já sugere seu significado prático, ou seja, uma empresa que adota a estratégia de utilizar continuamente dados e inteligência de negócios para fundamentar todas as suas decisões estratégicas. Nesse modelo, todas as áreas e os funcionários são conduzidos por essas informações no dia a dia, desenvolvendo os produtos da companhia e tomando decisões comerciais. Dessa forma, a principal vantagem de implementar esse tipo de abordagem é a segurança. Isso porque, ao basear suas escolhas em previsões precisas, o negócio garante uma maior confiança, em contraste com suposições ou impressões.
Importância na tomada decisões com dados
“Dados são o novo petróleo”, frase mencionada pela Forbes que vem se tornando cada vez mais realidade, no entanto, por que isso ocorre de fato? A abundância de informações possibilitou uma facilitação na coleta de dados, estabelecendo a prática de armazenamento de milhões de conjuntos. Entretanto, as ferramentas que transformam dados em conhecimentos em insights precisos são as mais cruciais para essa disruptura, afinal, o petróleo não seria nada sem as refinarias.
No caso das análises, refinar significa extrair informações, e isso ocorre por meio de diversas técnicas de estatística, machine learning e inteligência artificial. Nesse sentido, várias corporações têm visto muito valor em deixar de lado a antiga intuição e partir para decisões baseadas em modelos matemáticos. Porém, essa mudança pode parecer muito arriscada para a maioria dos gestores, por isso a seguinte pergunta: Qual é o verdadeiro impacto de ser Data-Driven? O melhor jeito de responder à pergunta é com dados.
Analogamente, instituições que ainda consideram o conhecimento empírico para tomar decisões têm sido deixadas para trás por outras que se baseiam em métricas quantitativas de seus clientes. Contudo, essa diferença no desempenho não ocorre somente pelas análises em si, visto que as empresas que possuem essa veia analítica carregam diversas outras características em sua cultura, como: automação de processos, integração de informações e atualizações constantes. Por fim, essas características permitem que as análises sejam apenas a ponta do iceberg, facilitando decisões ágeis e precisas. Além disso, quanto mais madura e integrada for a abordagem analítica, melhores são os resultados alcançados, demonstrando que a profundidade da análise é fundamental para o sucesso. Essa conclusão é baseada nas respostas de CEOs de grandes empresas que utilizam dessa cultura em suas companhias, como visto no gráfico abaixo.
Características de uma Organização Data-Driven
Companhias Data-Driven devem ter dois elementos como pilares: cultura e recursos.
Muitas organizações utilizam abordagens baseadas em dados, mas frequentemente sem a consistência e a proficiência necessárias para obter os melhores resultados. Com a criação de uma cultura orientada a dados, esses problemas são resolvidos, desenvolvendo-se um ecossistema que facilita a implementação de decisões fundamentadas. Para isso, o acesso às informações precisa ser fácil para todas as partes da empresa e devem existir treinamentos frequentes sobre o tema para alinhar todos os colaboradores. Além disso, os produtos das equipes de análise devem ser o braço direito dos gestores, garantindo que o apoio às decisões ocorra de maneira eficiente.
Paralelamente, os principais recursos são: design organizacional, governança e responsabilização. Em termos de estruturas organizacionais, existem duas abordagens principais: centralizada e descentralizada. Na estrutura centralizada, todas as funções relacionadas à análise de dados são concentradas em um departamento ou equipe especializada. Isso pode acelerar a entrega de produtos e garantir uma abordagem uniforme e controlada dos dados, mas também pode afastar outras partes da empresa dos insights gerados, dificultando a integração dos dados nas operações e decisões diárias.
Por outro lado, na estrutura descentralizada, a análise de dados é distribuída por vários departamentos ou equipes. Nesse sentido, cada unidade tem seus próprios analistas que trabalham diretamente com os dados relevantes para suas funções específicas, aumentando a relevância e a aplicação dos insights gerados. No entanto, isso pode levar a inconsistências e duplicações de esforço, além de dificultar a padronização dos processos e a governança dos dados.
Dessa maneira, escolher entre centralização e descentralização deve considerar o tamanho, a complexidade e as necessidades específicas da empresa. Todavia, muitas organizações optam por um modelo híbrido, combinando elementos de ambas as abordagens para equilibrar controle centralizado com flexibilidade descentralizada.
Já a governança de dados é um sistema abrangente de políticas, processos e controles que uma organização implementa para garantir que seus dados sejam gerenciados de maneira adequada e segura. Ela envolve a definição de normas claras sobre como os dados devem ser coletados, armazenados, utilizados, compartilhados e protegidos ao longo de todo o seu ciclo de vida. Essencialmente, a governança de dados é o framework que assegura a integridade, a qualidade e a proteção das informações dentro de uma empresa, permitindo que essas informações sejam confiáveis e utilizadas para tomadas de decisão estratégicas. Uma governança de dados eficaz não apenas assegura que os dados sejam precisos e acessíveis, mas também minimiza riscos significativos, como o comprometimento de dados sensíveis, a conformidade inadequada com regulamentações legais e a exposição a fraudes ou ataques cibernéticos. Dessa forma, ela contribui para a eficiência operacional e protege a reputação e a segurança jurídica da organização.
Por fim, a responsabilidade na gestão de dados surge quando a organização vai além da mera posse de dados e começa a administrá-los e utilizá-los de forma estratégica. Dessa forma, é essencial que os responsáveis pela administração dos dados compreendam a importância da segurança e da privacidade em cada etapa do processo. Isso inclui:
Marcação dos Dados: Os dados brutos devem ser "carimbados" pelos administradores para garantir que sejam consistentes e de alta qualidade.
Orientação: Os administradores são responsáveis por instruir outros membros da organização sobre como usar e interpretar os dados sob sua supervisão.
Validação e Publicação: Antes de serem utilizados por outros, os dados devem ser validados e disponibilizados pelos administradores, assegurando sua precisão e conformidade.
Implementação de dados bem sucedida
A Engie, empresa do setor energético, decidiu entrar no processo de transformação digital focado em dados e inovação, tornando-se efetivamente Data-Driven em 2018. Inicialmente, a base de clientes global e descentralizada da Engie gerou uma abundância de dados, exigindo abordagens mais sofisticadas e personalizadas para alinhar suas iniciativas e gerenciar esses dados de forma eficiente. Dessa forma, a Engie decidiu acelerar sua mudança, a fim de tirar insights desse banco de dados extenso.
Dessa maneira, a companhia criou um repositório central de dados chamado Common Data Hub, para unificar suas unidades de negócios e clientes em uma solução comum. A ferramenta facilitou a ingestão, o armazenamento, compartilhamento e a utilização dos dados por meio de uma plataforma integrada e segura. Essa mudança permitiu uma melhora da instituições na produtividade, com previsões mais precisas sobre a produção de energia e uma oferta de novos serviços aos clientes.
Além disso, o Common Data Hub é fundamental para a estratégia orientada por dados da Engie, com a promoção e a colaboração entre TI e usuários de negócios, melhorando a alfabetização em dados e otimizando processos. Desse modo, ele permite que todas as unidades desenvolvam rapidamente aplicações baseadas em dados.
Riscos
Apesar da balança de prós e contras revelar a valia da utilização dessa cultura, existem problemáticas atreladas a ela, destacando-se a utilização de dados enviesados. O viés de dados ocorre quando as informações coletadas, analisadas ou interpretadas refletem uma visão distorcida da realidade. Esse viés pode se manifestar devido a diversos fatores, como erros na coleta de dados, amostras não representativas ou erros no processo de análise. Consequentemente, as decisões baseadas em dados enviesados tendem a ser imprecisas, levando a conclusões erradas e decisões que não correspondem às necessidades reais ou às condições efetivas. Em ambientes empresariais, isso pode resultar em estratégias mal orientadas, alocação inadequada de recursos e impactos negativos nos resultados financeiros. Além disso, algoritmos alimentados com dados enviesados podem perpetuar problemas existentes e até criar novos desafios, ao gerar padrões e previsões distorcidos.
Um exemplo notável de dados enviesados no contexto social é o uso de algoritmos de previsão criminal nos Estados Unidos, que, aliás, foram criticados por perpetuar preconceitos raciais. Esses algoritmos, alimentados por dados históricos de prisões e condenações, acabam refletindo o viés existente no sistema de justiça criminal. Como resultado, comunidades minoritárias, especialmente as afro-americanas, têm sido desproporcionalmente visadas e monitoradas, o que reforça ciclos de discriminação e criminalização. Assim, esse exemplo ilustra como dados enviesados podem não apenas falhar em oferecer soluções justas, mas também exacerbar problemas sociais profundos, tornando ainda mais urgente a necessidade de abordar essa problemática.
Portanto, para enfrentar essa questão, é crucial que organizações e governos adotem abordagens sistemáticas e proativas. Isso inclui, entre outras medidas, a implementação de práticas rigorosas de verificação e validação de dados, o desenvolvimento de algoritmos transparentes e justos, além da promoção de uma análise crítica em todas as etapas do processo de tomada de decisões. Ademais, novas discussões sobre regulamentações que garantam a equidade no uso de dados precisam ser abertas, assegurando, assim, que todas as partes envolvidas sejam tratadas de forma justa e imparcial. Dessa forma, o futuro da governança de dados deve incluir não apenas a correção dos vieses existentes, mas também a criação de um ambiente onde a justiça e a precisão sejam os pilares centrais, garantindo, assim, decisões mais éticas e equitativas.
Tendências do setor
Diante do exposto, torna-se uma consequência imediata a compreensão de que essa cultura só tende a crescer. Porém, urge compreender como ocorrerá essa evolução. Portanto, observando as tendências do setor para 2025, elas podem ser divididas em três grupos: processos, tecnologia e segurança.
No que diz respeito aos processos, primeiramente, observa-se que os dados estarão cada vez mais integrados em decisões, uma vez que torna-se cada vez mais comum ver quase todos os funcionários naturalmente alavancando dados para dar suporte ao seu trabalho. Além disso, a automação de processos, atualização de informações em tempo real e criação de mídias com novas inteligências artificiais generativas vêm se mostrando cada vez mais presentes e também são ótimas promessas de crescimento para os próximos anos.
Já sobre novas tecnologias, destaca-se o desenvolvimento de GPUs (Unidade de processamento gráfico), que estão cada vez melhores, possibilitando o processamento e o consumo de informações cada vez maior e mais rápido, dessa forma, gerando um aumento da precisão dos modelos. Fato esse que tem se tornado cada vez mais claro desde o crescimento exponencial da Nvidia, empresa voltada para a produção dessas unidades de hardware que teve o maior valor de mercado do mundo em 2024. Portanto, a tendência à evolução de novas tecnologias que embasam a estratégia Data-Driven apenas fortalece o crescimento da cultura.
Logo, esse setor tem demonstrado uma forte inclinação com a preocupação em relação à segurança e à privacidade da informação, por isso, muito da cultura pode mudar nesse sentido. A título de exemplo, o setor Open Finance, se baseia em oferecer a melhor experiência para o usuário em troca de dados. Porém, esse mercado tem sofrido bastante com novas leis de proteção à informação (LGPD, GDPR, CCPA), junto a uma baixa confiança de seus clientes. Dessa forma, certamente, podemos esperar novas movimentações do setor Open Finance no sentido de priorizar a segurança com a finalidade de convencimento, que guiarão diversos outros mercados.
Diante dessas mudanças e tendências, é evidente que a abordagem orientada por dados está em plena ascensão e se consolidando como uma prática essencial no mercado. As empresas estão cada vez mais reconhecendo o valor de tomar decisões baseadas em análises precisas e informações detalhadas, o que demonstra o crescimento contínuo e a aceitação crescente dessa abordagem. A capacidade de utilizar insights para melhorar a tomada de decisões e obter resultados valiosos é um diferencial competitivo que as organizações estão cada vez mais buscando. Assim, é claro que essa cultura não apenas está em expansão, mas também é amplamente apreciada pelas empresas, evidenciando sua importância e eficácia no ambiente de negócios moderno.
Referências:
The evolution of the data-driven enterprise. Disponível em: <https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/tech-forward/the-evolution-of-the-data-driven-enterprise>.Acesso em: 10 ago. 2024.
O que é Data Driven. Disponível em: <https://blog.opinionbox.com/o-que-e-data-driven/>Acesso em: 10 ago. 2024.
Five facts: How customer analytics boosts corporate performance | McKinsey. Disponível em: <https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/five-facts-how-customer-analytics-boosts-corporate-performance> Acesso em: 10 ago. 2024.
GOURÉVITCH, A. et al. DATA-DRIVEN TRANSFORMATION ACCELERATE AT SCALE NOW. [s.l: s.n.]. Disponível em: <https://web-assets.bcg.com/img-src/BCG-Data-Driven%20Transformation-May-2017-2_tcm9-159398.pdf>. Acesso em: 3 ago. 2024.
Como se tornar uma organização orientada por dados? | AWS Executive Insights. Disponível em: <https://aws.amazon.com/pt/executive-insights/content/how-do-you-become-a-data-driven-organization/> Acesso em: 10 ago. 2024.
ENGIE desenvolve o Common Data Hub na AWS e acelera a transição para a economia zero carbono | AWS Executive Insights. Disponível em: <https://aws.amazon.com/pt/solutions/case-studies/engie-aws-analytics-case-study/> Acesso em: 10 ago. 2024.