Qualquer pessoa pode se tornar um cidadão cientista de dados. É uma afirmação ousada, que muitos proprietários de pequenas empresas questionariam, mas que é possível no atual ambiente digital. A capacidade de pegar dados e transformá-los em um insight para a solução de problemas não está mais exclusivamente ao alcance daqueles profissionais com anos de experiência ou um diploma universitário específico.
Com a democratização da “ação de conversão de dados em insights”, também vemos uma correlação com o tipo de problema que está sendo resolvido. Sem a necessidade de justificar o enorme salário de um cientista de dados, os líderes de negócios podem se concentrar no que causa “irritação” usando dados disponíveis para gerar insights e usar a equipe atual para expandir de forma incremental a partir daí. Tudo isso, combinado às ferramentas e aos dados certos, possibilita os benefícios da ciência de dados para qualquer pessoa que tenha um problema que queira resolver.
No entanto, ainda vemos um grande desencontro na percepção, pois as pessoas acreditam que a ciência de dados é inatingível, mas extremamente valiosa. Assim, existem três áreas principais em qualquer projeto de dados, que podem ser facilmente ampliadas ou reduzidas, independentemente do tamanho da empresa ou do tamanho do desafio:
1. Identifique os problemas certos para resolver
Qualquer líder de negócios que começa uma jornada de análise de dados sem dúvida terá um problema a resolver. Assim como a central telefônica automática foi inventada devido à irritação causada pelas ligações mal direcionadas, também sua empresa deve iniciar o processo de mudança perguntando: “o que mais nos irrita?”.
Esse problema em si pode não ter uma solução imediata, mas com os dados e as ferramentas de análises certos ao seu dispor, a solução se torna muito mais viável. Um desafio pode ser algo tão simples como inserir e-mails em um processo analítico para descobrir quais endereços provavelmente são spams e bloquear esses domínios. No varejo, pode ser tão simples quanto verificar os dados de vendas dos anos anteriores em relação às tendências sazonais e usá-los para orientar a equipe.
É importante considerar o resultado comercial específico que você deseja antes de trabalhar para alcançá-lo. Como em qualquer jornada, os estágios iniciais da análise de dados apresentam uma série de etapas. O importante aqui é começar com desafios pequenos e expandir para desafios maiores. O desenvolvimento dos processos, responsabilidades de função e padrões básicos certos – as facetas principais da governança de dados – são a próxima etapa principal da expansão desse processo para algo que ofereça benefícios muito mais consistentes aos negócios.
2. Avalie quais dados e ferramentas você possui e como deseja usá-los
Um desafio importante no estágio inicial para qualquer empresa que está começando sua jornada de análise de dados é descobrir quais dados e ferramentas elas já possuem. Todas as empresas, de uma forma ou de outra, têm dados que podem ser usados para gerar insights, que por sua vez, podem trazer impactos significativos nas decisões de negócios. A maioria das empresas provavelmente já usa alguma forma de análise, mesmo que seja uma solução simples, como a função PROCV (VLOOKUP, em inglês) de uma planilha Excel.
Ao iniciar a jornada de análise de dados, é aconselhável começar com pequenos desafios e criar um banco de sucessos replicáveis. Alguns acreditam que, para obter insights úteis, você precisa ter uma grande quantidade de dados para trabalhar; mas muitos projetos usam conjuntos de dados relativamente pequenos para entregar um alto valor. A principal consideração é a qualidade dos dados, não a quantidade. À medida que os insights necessários se tornam mais complexos, outros processos e ferramentas fáceis de usar podem ser adotados para uma necessidade específica.
É importante lembrar que, nos primeiros estágios de uma jornada de análise de dados, as metas que foram definidas antes de iniciar podem ser substituídas por desafios menores, igualmente importantes. Isto é normal.
3. Use o sucesso como base para novos projetos
Nos estágios iniciais de qualquer projeto – seja você o proprietário da empresa ou um colaborador – atingir sucessos pequenos, facilmente replicáveis e escaláveis é fundamental para continuar gerando benefícios. Com sucessos financeiramente viáveis e facilmente replicáveis, podemos começar a gerar o capital político e o apoio necessário para expandir ainda mais o projeto de dados.
Com o trabalho de prova de conceito no estágio inicial concluído com êxito, projetos mais complicados podem ser iniciados. Novamente, comece com uma pergunta simples – as empresas podem explorar questões de maior valor, por exemplo: Quem são os clientes mais valiosos? Qual é o melhor momento para apresentar novos produtos?
Porém, o verdadeiro valor do trabalho de análise bem-sucedido vem da automação desses insights, liberando o líder do projeto para se concentrar em projetos mais novos e de maior valor. Os usuários desses insights conhecem o processo de negócios envolvido e, portanto, incluí-los é essencial para a implementação desses projetos. A capacidade de integrar novos pontos de dados em um processo analítico para fornecer insights em tempo real e a capacidade de adaptação rápida às mudanças nas demandas do mercado são características que distinguem empresas nativas digitais, como Netflix e Amazon, de organizações enterradas em dívidas técnicas.
Assim que o processo de implementações iniciais for concluído, basta implementar, expandir e replicar. Embora o caminho para atingir uma estratégia de análise de dados totalmente realizada seja longo e cheio de buracos, saídas e curvas, o objetivo final é uma forma muito mais eficaz e replicável de tomar decisões de negócios acertadas e valiosas. Mesmo as irritações mais simples – depois de corrigidas – podem trazer um benefício significativo.
Leia também: Como big data pode ajudar a evitar interrupções na cadeia de suprimentos.