Colocando o programa de dados da sua empresa de volta nos trilhos

Ao longo de suas carreiras, os gerentes seniores têm visto os dados se tornarem cada vez mais importantes - para "administrar a loja", para tomar decisões e definir a direção e, atualmente, como combustível para IA e transformação digital. No entanto, eles suspeitam que os dados e os programas de dados de suas empresas simplesmente não estão à altura da tarefa: Muitas pessoas reclamam que não têm os dados de que realmente precisam e não confiam nos que têm. Elas já tiveram esses problemas em suas carreiras, mas os viam como "parte do trabalho". Cada vez mais, eles sentem que essa não é uma boa maneira de administrar os negócios. O entusiasmo em torno da IA exacerba essas preocupações. Os gerentes seniores nessa posição querem ajudar, mas muitas vezes não sabem o que fazer. Eles tentaram entender o espaço, mas parece ser uma bagunça confusa, não pronta para o primeiro momento: governança de dados, lagos de dados, data warehouses, privacidade, ética, segurança, gerenciamento de dados mestres, gerenciamento de metadados, alfabetização, visualização, Chief Data Officers e assim por diante, todos fazendo promessas extravagantes. Eles ouviram os quatro grandes consultores e experimentaram várias ferramentas. Mas nenhuma delas cumpre o prometido. Se os dados são um divisor de águas, eles se perguntam, por que é tão difícil extrair algum valor deles? O que sua empresa deveria fazer? Se a sua empresa está lutando para realmente ver os resultados de seu programa de dados, talvez seja hora de começar de novo. Veja a seguir como fazer isso e o que os gerentes seniores devem fazer pessoalmente nesse processo. Onde os programas de dados dão errado Há três questões importantes que esses gerentes precisam entender ao recomeçar. Primeiro, muitas empresas cometeram o erro de ver os dados como um problema de tecnologia, o que as levou a atribuir o problema aos departamentos de TI. Mas, em sua essência, os dados são um problema de gerenciamento e não podem ser resolvidos apenas com tecnologia. Todos os que lidam com os dados têm um papel a desempenhar. Para extrair valor dos dados, é necessário que o senhor coloque em prática as pessoas, as estruturas e os processos certos. Um segundo problema persistente é a simplicidade. Muitas empresas tentam resolver problemas que são muito difíceis - por exemplo, uma empresa desejava fornecer acesso e compartilhamento contínuos de todos os dados em suas centenas de sistemas - logo de cara. No entanto, para fazer isso, seria necessário desenvolver uma linguagem comum suficiente entre os sistemas para permitir que eles "conversassem", reconstruir completamente a infraestrutura de TI e lidar com problemas de pessoal em toda a organização, o que pode levar os gerentes a acumular dados. Em suma, uma tarefa difícil. Se forem bem-sucedidos, esforços como esse podem agregar enorme valor, mas são extremamente complexos e a maioria fracassa. No início, o foco deve ser a solução de problemas mais fáceis, usando métodos mais simples que desenvolvam habilidade e confiança ao longo do caminho. Aprenda e evolua do mais simples para o mais complexo. Um terceiro problema persistente é o desenvolvimento de uma percepção dos dados. Os líderes ganham seu salário empregando seu capital, seu pessoal e, agora, os dados da melhor forma possível. Os dados são um tipo novo e diferente de ativo: intangíveis, matizados, potencialmente valiosos e perigosos. Ao contrário do dinheiro, os dados não são consumidos quando o senhor os utiliza. TI é uma observação óbvia, mas as pessoas podem levar algum tempo para entender todas as implicações. Os dados também têm outras características especiais. O senhor precisa mergulhar no material para ter uma noção de suas propriedades especiais, das maneiras pelas quais ele ajuda a criar valor e dos desafios especiais para gerenciá-lo. Grande parte do trabalho necessário para abordar temas persistentes não pode ser delegada. Colocando seu programa de dados de volta nos trilhos Para começar de novo, as empresas devem seguir três caminhos em paralelo: Atacar a qualidade dos dados As empresas são atormentadas por uma ampla gama de problemas comuns de qualidade de dados, incluindo: "Fatos" que simplesmente não são assim, Dados que são tão mal definidos que as pessoas não conseguem descobrir o que significam, Dados que nunca são usados, o que sobrecarrega o sistema, Redundância e sistemas que não se comunicam entre si e/ou não concordam quando se comunicam, e As pessoas não conseguem encontrar e acessar os dados de que precisam. Às vezes, esses dados não existem. De modo geral, as empresas criaram esses problemas para si mesmas e eles se agravam cada vez mais. Cumulativamente, eles dificultam enormemente o trabalho diário e aumentam a incerteza na tomada de decisões, em vez de aumentar a clareza. Para enfatizar esse ponto, um estudo da McKinsey estima em 30% a porcentagem de tempo que as pessoas gastam em trabalho de dados sem valor agregado. Um estudo da Harvard Business Services estima que apenas um em cada seis gerentes confia nos dados que utiliza diariamente. Por fim, dados ruins tornam muito mais difícil qualquer tipo de análise ou IA. Para ver como esses problemas surgem, considere os vendedores, que tentam transformar leads em clientes dos produtos e serviços da empresa. Eles recebem esses leads do marketing, mas rapidamente descobrem que as informações que receberam estão cheias de falhas e erros. Eles fazem o melhor que podem para limpar os dados - afinal, têm trabalho a fazer e indicadores-chave de desempenho (KPIs) a cumprir. Mas a principal percepção é que tempo e dinheiro são gastos em vendas para corrigir o trabalho realizado em marketing. É fácil culpar o marketing por criar todos esses erros. Mas o marketing não sabe o que as vendas precisam e, na ausência de qualquer feedback, continua alegremente. Se o senhor se aprofundar em qualquer departamento, encontrará uma história semelhante. Eu chamo esse trabalho de "fábrica de dados ocultos" e é exatamente o trabalho sem valor agregado citado no estudo da McKinsey. Em alguns aspectos, é possível admirar a atitude positiva do departamento de vendas. Eles passam muito tempo em uma tarefa para a qual não receberam nenhum treinamento ou suporte, muitas vezes sob enorme pressão. Embora seus esforços possam ajudá-los a passar o dia, cada dia é uma repetição do anterior. Esse padrão básico - cometer erros em uma parte da empresa e, em seguida, criar fábricas de dados ocultas para lidar com eles em outras - está na raiz da maioria dos problemas mencionados acima. A chave está em quebrar esse padrão: minimizar as fábricas de dados ocultas cometendo menos erros nos pontos de criação! E a chave para isso está no fato de que as vendas esclarecem o que precisam, discutem essas necessidades com o marketing e o marketing individualizado elimina as causas-raiz dos erros, uma de cada vez. É fácil ver os benefícios e eles se acumulam rapidamente. Ao começar, concentre-se apenas na primeira questão - fatos que simplesmente não são verdadeiros. Os líderes devem escolher vários problemas comerciais importantes, como a necessidade de reduzir as despesas em uma área, de gerenciar melhor os ativos físicos em outra ou de desenvolver medidas confiáveis de participação no mercado. Em seguida, os responsáveis devem determinar quem usa quais dados, medindo a qualidade desses dados, trabalhando "upstream" até onde esses dados são criados; e com aqueles que criam esses dados para encontrar e eliminar as causas básicas dos erros. O impacto é a eliminação de categorias inteiras de erros no futuro. Empresas de setores tão diversos como telecomunicações, finanças, petróleo e gás, produtos de consumo e tecnologia confirmam que essa abordagem é uma grande vencedora. As pessoas gostam de fazer esse trabalho - no mínimo, elas o consideram muito melhor do que encontrar e corrigir erros. Iniciando sua jornada na ciência de dados com técnicas mais fáceis A ciência de dados é ideal para abordar todos os tipos de problemas enfrentados pelas empresas. Em ordem de complexidade crescente, alguns métodos e problemas que eles ajudam a resolver incluem: O controle e a melhoria do processo estatístico são inigualáveis para reduzir o custo, o tempo de ciclo e a incerteza nos processos comerciais. O projeto experimental (incluindo o teste A-B) ajuda a melhorar a qualidade do produto, A modelagem estatística ajuda as empresas a entender o comportamento do cliente, prever as vendas do próximo mês, decidir onde instalar uma nova loja e estimar o preço justo a ser pago por uma aquisição (como exemplos) e Aprendizado de máquina/inteligência artificial, que é usado para analisar grandes conjuntos de dados; descobrir relacionamentos anteriormente desconhecidos; ajudar a melhorar a tomada de decisões; e automatizar muitos tipos de trabalho. Poucos perderam o entusiasmo em torno da IA, que vem crescendo constantemente há algum tempo e atingiu o ápice em 2023 com a introdução do ChatGPT. Embora o potencial seja grande demais para ser ignorado, o progresso real tem se mostrado lento, caro e incerto. Aprender a usar técnicas mais fáceis é uma primeira etapa melhor para a maioria das empresas. O senhor pode resolver alguns problemas importantes (que talvez não soubesse que tinha), obter alguns benefícios reais e ganhar experiência que aumentará suas chances com métodos mais complexos. Para começar, os líderes devem começar pelo topo da lista acima, selecionar vários processos comerciais importantes (novamente, liderados por pessoas com mentes abertas), pedir a cada um deles que reúna uma pequena equipe, aprenda sobre controle estatístico e, em seguida, faça o trabalho para colocar seus processos sob controle. Aprenda à medida que avança, mas, para deixar claro, esse exercício não se trata apenas de ganhar confiança na ciência de dados. O senhor espera ver benefícios comerciais reais em pouco tempo. Colocar os dados para trabalhar para criar vantagem competitiva Embora a IA tenha atraído a maior parte da atenção no ano passado, há muitas outras maneiras de criar benefícios comerciais a partir dos dados. Quatro ótimos exemplos incluem: Tornar os produtos e serviços mais valiosos ao "informatizá-los" ou torná-los mais valiosos ao incorporar mais ou melhores dados. Isso pode ser feito com praticamente qualquer produto. Meu exemplo favorito é a lata de cerveja Coors - as montanhas ficam azuis quando a cerveja está fria o suficiente para ser bebida. Embalagem e venda de produtos de dados. Criar vantagem sustentada explorando dados proprietários, ou seja, dados que ninguém mais possui. Um bom exemplo é o CUSIP da S&P, que identifica com exclusividade os produtos financeiros. Trazer mais e melhores dados para as decisões, a promessa da "tomada de decisão orientada por dados". No longo prazo, as empresas precisarão escolher uma ou duas que melhor se adaptem a elas com base em seus conjuntos de habilidades, nos dados que possuem ou podem obter e nos mercados em que competem. A informatização é quase sempre um bom ponto de partida, em parte porque o trabalho é simples: Peça a alguns de seus melhores profissionais de marketing que documentem sua compreensão do que os clientes realmente querem e precisam. Em seguida, faça uma "análise de lacunas" simples para determinar o que eles gostariam que o senhor não está fornecendo. Procure preencher essas lacunas com dados. Não se esqueça das pessoas No início deste artigo, enfatizei a importância das pessoas em qualquer estratégia de dados. Se quiser que seus dados agreguem valor, o senhor precisa fazer com que as pessoas assumam novas funções. Para a qualidade dos dados, por exemplo, as pessoas em suas funções de clientes de dados e criadores de dados, respectivamente, são os principais participantes. Para o controle de processos, as pessoas responsáveis pelos processos de negócios devem encontrar e eliminar fontes ou variações desnecessárias. Os profissionais de marketing são o melhor público para a informatização. O senhor precisa preparar essas pessoas para o sucesso: recrute-as, explique o que quer que elas façam, forneça algum treinamento (nenhum trabalho é particularmente difícil, mas é pouco familiar), solte-as e dê-lhes apoio ao longo do caminho. Qualquer gerente, em qualquer nível, pode decidir melhorar a qualidade dos dados, colocar seus processos sob controle ou informatizar seu trabalho. Quase todos os que persistem em meio a um ou dois problemas inevitáveis percebem benefícios reais rapidamente. Mas sem o incentivo dos níveis mais altos da organização, a maioria dos gerentes nem sequer tenta. Seguir as etapas descritas aqui não garantirá que o senhor "vença o jogo dos dados". Mas isso o colocará na direção certa, estabelecerá alguns princípios básicos, ajudará o senhor a ganhar experiência suficiente para criar um caminho de longo prazo e obterá algumas vitórias reais. E vitória gera vitória. Se o senhor é um dos muitos que estão com pressa para implementar a IA, agora é a hora de parar. A TI é muito mais difícil do que parece. Sem dados de alta qualidade e projetos bem-sucedidos de ciência de dados, o senhor pode estar se preparando para o fracasso. Em vez disso, dedique algum tempo para acertar os fundamentos.

Colocando o programa de dados da sua empresa de volta nos trilhos

Resumo.

Partner Center