A competição na era digital aumentou drasticamente a necessidade empresarial de se apoiar nos dados para tomar decisões sobre processos, produtos e conduzir a visão de futuro dos negócios.
Nesta corrida competitiva, a transformação digital se tornou um caminho sem volta para a maioria das organizações. A transformação digital consiste na incorporação de tecnologias aos processos, produtos e serviços, visando a otimização e sustentabilidade de resultados em um mundo de tecnologias digitais. Neste caminho de incorporação de novas tecnologias e mudança de paradigma em relação aos processo de negócio e na relação com o mercado, está no centro a capacidade analítica das organizações.
O desenvolvimento desta capacidade analítica nas organizações consiste em um grande desafio, principalmente para setores mais conservadores onde a própria informatização dos processos é mais lenta. Para alguns setores como financeiro, seguros e indústrias de alta tecnologia esta necessidade já uma questão primordial de sobrevivência para garantir margem operacional e sustentabilidade econômica.
Ser “data-driven” significa que a organização tem uma capacidade analítica de forma difusa, ou seja que a organização tem capacidades para extrair, processar e analisar dados de diferentes fontes na cadeia do negócio e de mercado e gerar insights, conhecimento e valor em suas operações.
Organizações “data-driven” alcançam um alto potencial de inovação e diferenciação pelo fato de terem amplitude analítica que permeia toda sua cadeia de valor, dos processos de suprimentos aos dados de uso de produtos e serviços pelos seus clientes.
Quais os principais desafios para implementação de soluções analíticas?
Nesta “corrida” para a economia digital e uma estratégia baseada em dados, percebemos que existem vários gaps que estão dificultando que empresas tornem uma realidade diária a utilização de analytics:
1. Pessoas:
O custo de RH para suportar a demanda de analytics é crescente a medida que a oferta não acompanha a demanda.
Assim como em outros setores de tecnologia a escassez de mão de obra é um dos principais desafios para áreas de recrutamento e seleção. Somado a isto estão altos custos relativos a este descompasso entre oferta e demanda. Segundo a plataforma Glass door os salários na área variam em média entre R$ 6 mil a R$ 16 mil, conforme a posição demanda.
2. Frameworks analíticos:
Poucas empresas possuem know-how para aplicar framework com vistas a melhor solução para o seu negócio.
Ser uma organização orientada a dados significa incorporar as equipes de Ciência de Dados totalmente com o negócio e adaptar o coração operacional da empresa (técnicas, processos, infra-estruturas e cultura).
Ter um framework para data analytics significa organizar um portfólio de recursos, métodos e ferramentas tecnológicas, que em conjunto definirão como o processo analítico da organização ocorre, passando pelas etapas de entendimento do negócio, modelagem de soluções, aquisição de dados, até a implantação.
3. Tecnologias:
A aplicação de analytics exige a utilização de um hall complexo de tecnologias e soluções “self-services” ainda estão longe de serem de fácil aplicação.
Tecnologias de infraestrutura, gestão de big data, plataformas de machine learning, deep learning aumentam o grau de complexidade da sua operação de tecnologia. Grande parte das soluções exige um alto know-how técnico, consultorias especializadas para seu processo de implementação tecnológica e grande esforço no seu gerenciamento e manutenção.
Nesta corrida, a definição certa das soluções tecnologias que a organização irá adotar poderá impactar em diferentes níveis o sucesso da sua operação de Analytics, da implantação e capacitação dos times até a manutenção e suporte aos usuários das tecnologias.
Como contornar estas barreiras?
Para se preparar para esta transformação é importante uma definição clara dos objetivos da implantação de uma estrutura de analytics no seu negócio. Um dos maiores erros está na falta de preparação para este processo e em não contar com parceiros que minimizem os riscos inerentes a implantação.
Neste momento é valido um diagnóstico com ênfase a entender o modelo de Analytics a ser implementado e quais as possíveis barreiras de implantação. Algumas perguntas que podem auxiliar neste estágio inicial de preparação são:
- Decisões: O que buscamos com inteligência analítica? Reduzir custos, aumentar as vendas, reter clientes e desenvolver novos produtos e modelos de negócios?
- Fontes de dados: Quais fontes de dados estão disponíveis e como as usamos?
- Refinamento: como podemos combinar e preparar dados para obter insights valiosos?
- Ferramentas: De quais soluções de software, bancos de dados, infraestrutura técnica, etc. precisamos?
- Pessoas: Quais habilidades e especialistas precisamos na empresa?
- Parceiros: Quais empresas parceiras são necessárias?
Fechamento: A cultura é a base!
Em geral pensamos que empresas “data-driven” são aquelas que tem maior grau de utilização de ferramentas tecnológicas e no processamento de dados em relação às empresas tradicionais. Porém por trás das ferramentas e processos está o ativo mais importante de uma organização “data-drive”, a sua cultura.
A transformação digital e a aquisição de capacidades analíticas requer principalmente uma mudança de mentalidade em todos os níveis do negócio. O mindset focado em praticar no dia a dia a análise de dados, com clareza do seu contexto e objetivos, precisa integrar todo o ciclo do negócio. Assim qualquer projeto precisa iniciar com a construção de valores compartilhados, rotinas e boas práticas que serão o alicerce desta jornada.
