Como fazer com que todos sejam ótimos em dados

A esta altura, a maioria das empresas sabe - pelo menos em um nível intelectual - que bons dados são essenciais para operações eficientes, tomadas de decisão sólidas e IA poderosa. No entanto, elas não reconhecem o papel fundamental que as pessoas desempenham na criação de bons dados. Na verdade, muitos consideram as pessoas como grande parte do problema, culpando-as pela falta de atenção, pela relutância em aprender novas habilidades e pelo medo indevido de serem substituídas. Essa atitude não condiz com o que vemos como consultores tentando ajudar as empresas a obter melhores retornos sobre seus investimentos em dados; na verdade, vemos pessoas fazendo coisas heroicas todos os dias para tentar criar, usar e analisar dados adequadamente diante da falta de treinamento, suporte e orientação. No entanto, muitos gerentes, na maioria das vezes inconscientemente, dificultam que as pessoas façam as coisas certas quando se trata de dados. Esse ponto de vista parecerá errado para muitos gerentes. Afinal de contas, eles também estão se esforçando para dar o melhor de si - estão preocupados em atender aos KPIs e sob pressão de seus próprios chefes. Certamente, isso não se aplica às suas equipes! Mas, analisando melhor, o senhor pode reconhecer o seguinte (todos eles são eventos reais ou compostos de eventos reais): Cenário 1: Em um banco, a gerência se recusou a treinar os funcionários da linha de frente, com salários baixos, sobre como os dados que eles inseriam eram essenciais para as operações comerciais. Eles não queriam investir nessas pessoas porque a taxa de movimentação era alta. Como resultado, a qualidade dos dados era ruim e os funcionários que estavam a jusante tinham que fazer correções para realizar seu trabalho. Cenário 2: Ao longo de anos de trabalho no departamento financeiro, Mary percebeu que as listas departamentais de fornecedores continham inconsistências, resultado de vários departamentos inserindo os mesmos dados de maneiras diferentes. A senhora também sabe que departamentos diferentes compram os mesmos materiais em pedidos menores e separados e que a organização economizaria milhões de dólares se coordenasse as compras e comprasse em grandes quantidades. No entanto, o bônus dela é calculado com base na precisão das contas a pagar, e a solução desse problema exigiria tempo fora de seu "trabalho diário". Portanto, por enquanto, ela não fala nada sobre essa oportunidade. Cenário 3: uma organização sem fins lucrativos estava procurando usar dados para identificar os principais fatores que melhoram os resultados das famílias atendidas. A equipe de assistentes sociais estava relutante em se envolver com qualquer coisa relacionada a dados; eles estavam na organização para atender às pessoas, não para trabalhar com tecnologia. Além disso, eles haviam visto repetidas vezes que os dados eram usados apenas de forma punitiva e achavam que nada de bom poderia advir do fato de a gerência monitorar seu trabalho com base em dados. Cenário 4: Uma empresa de software do Vale do Silício que buscava aumentar a receita estabeleceu metas trimestrais para cada equipe: As metas de marketing foram definidas com base no número de leads e as metas de vendas com base na receita gerada. Ambas as metas eram claras e acordadas. Para atingir suas metas, o marketing adotou o mantra "se eles estiverem respirando, escaneie o crachá deles" nas conferências. Isso gerava muito trabalho extra para a equipe de vendas, que buscava pessoas sem interesse em seus produtos. O que as vendas realmente precisavam era de leads qualificados, não de crachás escaneados. Em todos os casos, as pessoas faziam seu trabalho da melhor forma possível, mesmo que isso levasse à perda de oportunidades e ao trabalho extra em outras áreas da organização. Como explicaremos no restante deste artigo, não é preciso muito - um pouco de treinamento, uma oportunidade de falar, KPIs melhores - para obter resultados muito melhores. Apoie o orgulho da mão de obra Em cada um desses cenários simulados, ninguém veio trabalhar tentando criar dados ruins, mesmo que tenha sido isso que acabou acontecendo. Os gerentes também não foram trabalhar com o objetivo de incentivar as pessoas a fazer isso. Esses cenários lembram muito os que ocorrem no chão de fábrica desde os primeiros dias da industrialização. A solução desse problema foi o foco de estatísticos e consultores de gestão, como W. Edwards Deming, Joseph Juran e Walter Shewhart, já na década de 1920. Deming, em particular, enfatizou a importância do trabalhador comum e seu direito de entender como seu trabalho se encaixa no restante da organização. Ele reconheceu que quase todos os trabalhadores têm um orgulho natural de propriedade sobre o que fazem e um forte desejo de fazer a coisa certa. Ele argumentou que eles estão singularmente bem posicionados para ajudar a determinar a melhor forma de realizar seu trabalho. Deming codificou sua filosofia em 14 pontos-chave. Seus pontos 7 e 12, que afirmam: "Elimine o medo para que todos possam trabalhar para o benefício da empresa" e "Remova as barreiras que se interpõem entre o trabalhador comum e seu direito ao orgulho de trabalhar", são especialmente relevantes aqui. Seria difícil exagerar as contribuições de Deming para a melhoria da qualidade e da produtividade em todo o mundo. Ele ajudou a lançar a revolução da qualidade, primeiro no Japão pós-Segunda Guerra Mundial e, mais tarde, em todo o mundo. Seu pensamento é tão relevante para a "fábrica de dados" de hoje quanto era para a fábrica física anos atrás. Em nosso próprio trabalho, vemos esse tema de pessoas querendo fazer a coisa certa em relação aos dados se repetir todos os dias. Considere o que está acontecendo, ou não está acontecendo, nos cenários acima, fazendo as seguintes perguntas: Compreensão: As pessoas entendem que são criadoras de dados e como os dados que criam se encaixam no quadro geral (por exemplo, os funcionários do banco)? Capacitação: Existem mecanismos para que as pessoas expressem suas preocupações, sugiram possíveis melhorias e façam mudanças? O senhor oferece segurança psicológica para que elas façam isso sem medo (por exemplo, a planilha da Mary)? Responsabilidade: As pessoas sentem orgulho de pertencer à organização e assumem a responsabilidade de criar, obter e colocar em funcionamento dados que apoiem a missão da organização (por exemplo, assistentes sociais sem fins lucrativos)? Colaboração: As pessoas se veem como clientes dos dados criados por outros, com o direito e a responsabilidade de explicar o que precisam e ajudar os criadores a criar soluções para o bem de todos os envolvidos? Como diz o provérbio: "Se o senhor quer ir rápido, vá sozinho; se quer ir longe, vá junto". Se o senhor respondeu "não" a qualquer uma dessas perguntas, deve considerar fortemente a possibilidade de elevar sua abordagem, conforme descrito abaixo. Aproveite a oportunidade Já ajudamos centenas de gerentes a ver os cenários descritos acima em suas equipes e a tomar medidas básicas para transformar "nãos" em "sins". E vimos os dados melhores e os funcionários mais motivados que resultaram disso. Por exemplo, com um programa de treinamento de uma hora, o banco mencionado acima observou uma redução de 90% nos erros. Da mesma forma, vimos como o trabalho de todos fica muito mais fácil quando as pessoas trabalham em todos os departamentos para esclarecer seus requisitos de qualidade de dados. Para ganhar essas recompensas para si mesmos, recomendamos que todos os gerentes façam o seguinte: Ver as pessoas de forma positiva e dar-lhes voz, como recomenda Deming: Esclareça onde o trabalho das pessoas se encaixa no quadro geral. Conceda a elas ampla liberdade para definir metas e decidir como atingi-las. Associe o "trabalho diário" das pessoas aos dados: Embora não se considerem como tal, as pessoas já são clientes e criadores de dados. Incentive-as a assumir essas funções, pois isso ajudará a liberar suas tendências naturais de "fazer as coisas direito". Faça com que as pessoas trabalhem juntas: Os seres humanos têm empatia natural e quase todos trabalharão para melhorar os dados quando entenderem como as outras equipes os utilizam. Ajude-os a se conectarem uns com os outros. Entenda que com o empoderamento vem a responsabilidade: responsabilize as pessoas pela qualidade e deixe que o "orgulho de propriedade" impulsione o desejo de obter os dados corretos. Adote uma atitude do tipo "nenhuma ideia é louca demais": Peça às pessoas que expressem suas opiniões e ajude-as a obter apoio para que essas opiniões avancem. Liderando a mudança cultural Todos os líderes têm seus pratos cheios (ou muito cheios). É fácil não perceber o quanto os dados de alta qualidade são fundamentais para tudo e o quanto as pessoas são fundamentais para a qualidade dos dados. Respeite-as, mostre-lhes o panorama geral e ajude-as a assumir papéis de criadoras de dados e clientes de dados. Conecte os dois, defina altas expectativas, forneça um mínimo de suporte e, em seguida, deixe-os à vontade para encontrar e eliminar as causas básicas dos problemas. Se o senhor fizer isso, não haverá necessidade de capacitar as pessoas - elas se capacitam sozinhas. Isso é "dados bem feitos" e funciona para todos os dados: dados de clientes, dados de operações, dados usados para decisões e relatórios, dados não estruturados e muito mais. Para deixar claro, poucas empresas estão fazendo os dados corretamente. A tentação de resolver os problemas citados acima por meio de políticas, controles ou da mais recente tecnologia é geralmente muito forte. Nada contra a tecnologia - ela pode ajudar o senhor a acelerar determinadas tarefas. Mas, primeiro, o senhor precisa fazer os dados corretamente. Em vez disso, a oportunidade para os líderes seniores, incluindo os diretores de dados, é descobrir como dar vida aos itens acima dentro da cultura atual da sua empresa. Mai AlOwaish, do Gulf Bank, no Kuwait, fez isso por meio de uma rede de embaixadores de dados e treinamento extensivo; Nikki Chang, da Chevron Drilling and Completions, lançou um desafio para as unidades de negócios; Liz Kirscher, da Morningstar, liderou pessoalmente a primeira meia dúzia de projetos de melhoria; e Bob Pautke, da Access Management da TI, definiu um grande problema, estabeleceu uma visão e liberou dezenas de equipes para trabalhar nele. (Divulgação completa: Tom prestou consultoria em todo esse trabalho). A abordagem descrita aqui é vantajosa para todos. Liberar o orgulho natural da mão de obra das pessoas que trabalham na atual "fábrica de dados" ajuda-as a se capacitarem para melhorar a qualidade, da mesma forma que acontecia no chão de fábrica físico de Deming. Experimente essa abordagem de dados centrada nas pessoas. Ouça as pessoas. Apoie-os com os recursos necessários. Ajude-os a fazer grandes coisas.

Como fazer com que todos sejam ótimos em dados

Resumo.

Partner Center