AESE insight #66 > Thinking ahead

Quais os dados que suportam esta decisão? O caminho para uma organização data-driven

Francesco Costigliola, Head of Business Intelligence & Analytics na EDP Comercial e Professor da AESE Business School

“Temos de transferir a inteligência de negócio da periferia das operações para o centro de como os negócios são feitos”.  Bob McDonald, Procter & Gamble


As organizações mais bem-sucedidas utilizam atualmente os dados para obter uma vantagem competitiva, suportando através dos mesmos processos de decisão de negócios de grande relevância.

Perguntas simples como “quais os dados que suportam esta decisão?” podem frequentemente revelar se as decisões de negócio estão suportadas por processos analíticos que permitem transformar os dados em informação relevante.

Todas as aplicações analíticas desenvolvidas com o objetivo de suportar uma decisão são constituídas por uma combinação de quatro componentes, de igual importância: Dados, Processo e Modelo Organizacional, Tecnologia e Pessoas e Cultura.

Dados

Qualquer processo de decisão informado tem como ponto de partida os dados. Ackoff define os dados como algo “em bruto”, explicando que “Simplesmente existem e não têm significado para além da sua existência. Podem existir em qualquer forma, utilizável ou não. Não têm significado por si só”. Basta pensar que se estamos perante o número 75, sem informação adicional, unidade de medida ou contexto, não é possível efetuar qualquer operação ou análise.  A passagem dos dados à informação acontece quando aos dados é atribuído um significado. No caso anterior, ao adicionar a unidade de medida “quilómetros por hora” ao número 75, consigo atribuir-lhe um significado e perceber que se está a referir a uma velocidade.  O passo final diz, pois, respeito à extração de conhecimento e passa pela definição de um contexto onde diversas informações são utilizadas para um determinado fim. Ao adicionar a informação da velocidade máxima permitida numa estrada consegue-se, através da contextualização do âmbito de aplicação, efetuar uma comparação entre as duas velocidades.

A definição do contexto relativo aos dados é fulcral para uma correta análise e utilização dos dados disponíveis nas organizações, bem como para atingir uma mais ampla literacia de dados.

Processo e Modelo Organizacional

A Gartner define a literacia de dados como a capacidade de ler, escrever e comunicar os dados em contexto. A literacia de dados inclui a compreensão das fontes de dados, dos métodos analíticos, das técnicas aplicadas e sobretudo a capacidade de descrever o caso de uso, a aplicação e o valor resultante.

O caminho para a literacia de dados obriga as organizações a efetuar uma profunda reflexão sobre o seu grau de maturidade analítica e qual a estratégia de dados a implementar para obter uma vantagem competitiva no seu setor de atividade.

Independentemente do grau de maturidade analítica, os requisitos para uma correta estratégia de dados passam por quatro pilares: tecnologia, modelo de governo, estrutura organizacional e valor de negócio.

No que diz respeito à tecnologia e ao modelo de governo, é fundamental (a) desenvolver competências na gestão de dados, no governo da informação e no analytics e (b) definir uma estrutura de governo com uma correta definição de responsabilidades e dos processos de decisão.

A estrutura organizacional é um dos pontos mais interessantes e menos unânimes entre as empresas. É possível encontrar casos de sucesso onde o modelo de gestão das atividades de dados e analytics é centralizado e outros tantos onde existe um modelo descentralizado ou híbrido. Independentemente do tipo de modelo organizacional, as organizações de alto desempenho em analytics caracterizam-se por um profundo conhecimento funcional, parcerias estratégicas e um centro de gravidade claro para organizar o talento analítico da organização. A organização dessas empresas geralmente inclui um ecossistema de parceiros que permite o acesso a dados e tecnologia e promove o codesenvolvimento de competências analíticas, bem como a amplitude e profundidade de talentos necessários para implementar um programa de analytics robusto.

Concretizando, a implementação de um programa de analytics passa por três fases principais:

  1. localizar a unidade analítica numa organização, o que nem sempre é uma decisão simples. Estas funções costumam ser mais eficaz quando estão ligadas a uma unidade de Business Intelligence, desde que tenha uma perspetiva empresarial ampla;
  2. escolher o modelo organizacional (centralizado, híbrido ou descentralizado) mais apropriado, o que depende do tipo de empresa e da sua maturidade analítica; no entanto, segundo um benchmark internacional, todos podem ser implementados com sucesso desde que seja definido um modelo de governo que previna e evite que estas unidades se tornem ilhas analíticas. Independentemente do modelo organizacional utilizado, é fundamental notar que este é evolutivo e pode alterar-se de acordo com o nível de adoção do analytics na organização; e
  3. definir qual o papel do outsourcing no percurso para uma organização data-driven, dependendo da estratégia e da centralidade do analytics na empresa. Nestas organizações em transformação, o analytics tem um papel fundamental e representa o “cérebro” da organização que suporta os diversos processos de decisão; por esta razão e pela importância estratégica dos dados, as empresas devem minimizar a utilização de outsourcing para funções analíticas.

Tecnologia

Uma vez definido o modelo organizacional e delineada uma estratégia de dados, torna-se imprescindível compreender, com base nas necessidades do negócio, qual a melhor tecnologia e metodologias analíticas a utilizar. Os desenvolvimentos analíticos têm sempre os dados como ponto de partida e passam por diversos níveis de complexidade: descritivo (procurando-se responder a questões sobre o que aconteceu), diagnóstico (com maior foco no porquê do acontecimento), preditivo (que suporta na procura do que irá acontecer) e prescritivo (cujo objetivo é definir qual a melhor ação a desenvolver). As primeiras duas metodologias pertencem ao âmbito do Business Intelligence, concretizando-se através do desenvolvimento de Dashboards, Reports e análises ad-hoc. As componentes preditivas e prescritivas pertencem à analítica avançada, que procura responder às necessidades de negócio através do desenvolvimento de modelos preditivos e de otimização.

Devido aos diversos níveis de complexidade, a implementação das metodologias acima referidas depende fortemente da maturidade e da cultura analítica presente na organização.

Pessoas e Cultura

As componentes anteriores ajudam a definir de que forma é que a organização tem de estar estruturada, qual o papel que os dados assumem no processo de decisão e qual a tecnologia a utilizar para responder às necessidades de negócio. No entanto, existe uma componente com um peso significativo neste processo de transformação das organizações: as pessoas e a cultura analítica.

A cultura depende em grande parte da orientação dos líderes e, especialmente, do CEO. Há poucas dúvidas de que a confiança que o CEO tem nos dados (a) para suportar as decisões e (b) para melhoria contínua do negócio está diretamente ligada à mensagem que partilha com o resto da organização.

Embora o CEO deva assumir um papel visível em representação da nova cultura, é fundamental que escolha um parceiro operacional. Um candidato lógico é o diretor da área de dados (Chief Data Officer), uma função que está a crescer em relevância, visibilidade e âmbito.

Um dos casos de sucesso de um processo de propagação da cultura analítica é o da Procter & Gamble. A partir de 1968, a empresa começou a desenvolver soluções de investigação operacional para sua cadeia de abastecimento e, alguns anos depois, começou a aplicar técnicas analíticas para suportar as decisões de marketing.

Em 2010, o CEO, Bob McDonald, afirmou que a mudança é uma “revolução cultural”, clarificando que “temos que mover a inteligência de negócios da periferia das operações para o centro de como os negócios são feitos”. Durante este período contratou um novo CIO (Chief Information Officer), Filippo Passerini. Uma das primeiras decisões que tomou foi renomear a direção de Tecnologias de Informação para Information and Decision Solutions, colocando o foco no desenvolvimento de soluções baseada em informação e que suportem as decisões da organização.

Em conjunto, apresentaram as três etapas que uma empresa precisava de seguir para colocar o analytics no centro do negócio:
  1. Ter as ferramentas e a tecnologia certas: reunir os diversos elementos tecnológicos, por forma a tornar mais percetível para toda a organização o verdadeiro impacto da inovação tecnológica;
  2. Colocar a pessoas certas nos lugares certos: a empresa precisa de afetar as pessoas com competências analíticas a posições mais próximas das operações e do negócio;
  3. Construir a cultura analítica: apoiar a mudança cultural movendo os dados para o centro das decisões e discussões da empresa.


Uma das iniciativas que foi implementada com o objetivo de propagar a cultura analítica foi a criação da Business Sphere, uma sala de reuniões com paredes de vidro que permite aos gestores tomar decisões enquanto analisam os dados alimentados com técnicas de visualização e metodologias analíticas. Foi um esforço tecnológico significativo, que envolveu muitas equipas externas e internas, cumprindo o propósito de colocar os dados no centro do negócio e tornar realmente visíveis os processos de decisão data-driven.



Links
Ackoff, R. L., “From Data to Wisdom”, Journal of Applies Systems Analysis, Volume 16, 1989 p 3-9.
Gartner, “A Data and Analytics Leader’s Guide to Data Literacy”, http://www.gartner.com/smarterwithgartner/a-data-and-analytics-leaders-guide-to-data-literacy

A Sustentabilidade no Mundo do Trabalho

Maria de Fátima Carioca, Professora de Fator Humano na Organização e Dean da AESE Business School

Compatibilidade dos clientes

Jorge Ribeirinho Machado
Professor e Responsável Académico da Área de Operações, Tecnologia e Inovação da AESE Business School

China’s Vision for Relations With Europe Is Slipping Out of Reach

Brian Wong and Wang Yingliang, The Diplomat
Photo: Flickr/ Friends of Europe

Monetary policy and financial stability implications of central bank digital currencies

Jean-Francois Jamet, Arnaud Mehl, Cyril Max Neumann, Fabio Panetta, Vox EU

Hydrogen: A Hot Commodity Lacking Sufficient Statistics

Anne- Sophie Corbeau, Columbia | SIPA

La guerra de Ucrânia há acelarado la defensa de campeones nacionales

Juan José Toribio, Emeritus Professor de Economía, IESE Business School