Entenda o potencial e os benefícios de realizar uma gestão baseada em dados, conheça os passos para criar uma cultura data-driven e descubra ferramentas que apoiam as empresas nessa jornada

Por Francine Pereira

Em muitas empresas, a principal ferramenta de apoio para guiar decisões estratégicas ainda é a intuição ou a opinião dos líderes. Um levantamento nacional feito pelo Instituto Cappra revelou que cerca de 70% das decisões nas organizações são tomadas com base no “feeling” dos gestores.

Ainda que a experiência dos profissionais que ocupam cargos de liderança seja de grande valor na identificação de potenciais ganhos e riscos, decisões baseadas apenas em visões individuais dificilmente dão conta da complexidade dos diferentes cenários atuais (e futuros) e consideram todos os fatores que uma análise baseada em informações e dados consegue englobar.

Lembre que estamos falando de escolhas que têm o potencial de custar muito caro (em termos financeiros e de imagem, aliás) ou de gerar muito dinheiro para uma organização. Por isso, é crucial que o feeling não seja o único guia das tomadas de decisões. Afinal, os instintos de apenas alguns indivíduos podem estar desatualizados ou desalinhados do contexto do problema a ser resolvido.

A boa notícia é que atualmente não faltam dados e ferramentas de análises que oferecem informações factuais e precisas para embasar decisões em diferentes níveis nas empresas. Para se ter uma ideia:

• Um levantamento da International Data Corporation apontou que, em 2020, foram criados ou replicados 64.2 zettabytes (cerca de 70 trilhões MB).
• A previsão é que, globalmente, o volume de dados cresça 23% por ano até 2025.
• A entidade aponta ainda que a quantidade de dados digitais criados nos próximos cinco anos será maior que o dobro da quantidade de dados criada desde o advento do armazenamento digital.

Com tantos dados sendo gerados – por negócios, funcionários, consumidores, fornecedores –, cada vez mais organizações estão percebendo o valor de usar essas informações para guiar suas decisões. É nesse contexto que surge o conceito de empresas data-driven.

✔︎ Organizações data-driven são orientadas a dados. Ou seja, todas as ações e estratégias da empresa são desenvolvidas com base nas informações e no conhecimento gerado a partir da análise de dados coletados em diferentes pontos e áreas.

✔︎ Ao guiar-se pelos dados oferecidos por clientes, colaboradores e parceiros, a empresa consegue oferecer serviços, produtos, relacionamentos e comunicação mais personalizados e segmentados – atingindo diferentes públicos de forma mais efetiva.

✔︎ Além disso, uma empresa que tem uma cultura data-driven permite que todos os profissionais tenham acesso a dados e que possam utilizá-los para guiar suas ações e decisões.

O potencial das decisões baseadas em dados

Segundo análises da Gartner, cerca de 60% das empresas B2B farão a transição da tomada de decisão de vendas baseada na intuição para uma abordagem comercial data-driven até 2025.

Um estudo da Accenture revelou que empresas orientadas a dados têm crescimento médio de mais de 30% por ano.

Negócios que tomam decisões baseadas em dados têm 58% mais probabilidade de superar suas metas de receita do que as empresas que não são data-driven – de acordo com um levantamento global da Forrester.

A PwC indica que empresas que incluem coleta e análise de dados em seus processos superam seus pares em 5% em produtividade e 6% em lucratividade.

Um estudo da Harvard Business Review identificou que organizações que utilizam dados para orientar suas decisões alcançam benefícios como:

• Aumento de produtividade;
• Redução de riscos;
• Diminuição de custos;
• Mais agilidade para tomar decisões;
• Melhor performance financeira;
• Mais soluções inovadoras.

Estágios da maturidade analítica

Por melhor que sejam todos esses benefícios, é importante ter em em mente que não se constrói uma cultura data-driven da noite para o dia.

Até se tornar efetivamente orientada a dados, a empresa passa por diferentes estágios da adoção da mentalidade analítica, que começa com a criação de processos para coleta e organização de dados até o momento em que os dados armazenados conseguem prever cenários e indicar as melhores ações.

Na prática, a evolução da análise de dados acontece assim:

• Descritiva: dados mostram o que está acontecendo.
• Diagnóstico: os dados explicam por que isso está acontecendo.
• Preditiva: os dados conseguem prever o que vai acontecer.
• Prescritiva: os dados indicam as melhores ações a serem tomadas.

Para sair da análise descritiva e chegar ao estágio prescritivo, as empresas precisam avançar em termos de processos e cultura de dados.

Segundo o estudo Insights da Maturidade Analítica Brasileira, desenvolvido pelo Cappra Institute for Data Science, a adoção da análise de dados nas empresas passa pelos seguintes estágios de maturidade:

1) Data-negation – Organizações que não valorizam os dados em seus processos e que não acreditam no potencial do data analytics aplicado a negócios.

2) Data-curious – Organizações que fazem aplicações pontuais para uso de dados, sem constância ou estabelecimento de processos analíticos.

3) Data-try – Organizações em busca da estabilização de uma operação orientada por dados, testando alternativas para reduzir a utilização apenas do feeling ou intuição nas decisões.

4) Data-safety – Organizações que utilizam os dados de forma estável, principalmente para justificar suas ações, e que se sentem seguras usando dados.

5) Data-driven – Organizações analíticas, com estratégia, processos, pessoas e espaços plenamente adequados para usar dados nos negócios.

Conceitos importantes

Business Intelligence (BI)

A disciplina de Business Intelligence está diretamente relacionada às atividades de análise de performance, levando em conta dados do passado e do presente. O destaque do BI é o apoio que ele oferece ao dia a dia do negócio, com recursos como dashboards, relatórios, alertas etc. Além disso, o BI oferece processos para análises de negócio, com cruzamentos de informações e criação de relatórios para dar suporte às decisões.

Data science (ou ciência de dados)

Data science é algo mais recente, que surge como uma camada mais profunda do tratamento de dados e análises avançadas, usando novas técnicas e tecnologias para melhorar a eficiência analítica. A ciência de dados está mais relacionada com explorações de cenários futuros, hipóteses ainda não investigadas. Modelos matemáticos complexos e tratamentos de dados não estruturados aparecem como uma competência de data science, por isso sua associação direta com inovação.

Informações: Data Thinking 2020 – Cappra Institute

Entraves para a evolução analítica

O levantamento do Instituto Cappra sobre a maturidade analítica no Brasil indica que a maioria das empresas estão na fase Data-curious. Ou seja, de maneira geral, as organizações fazem uso pontual dos dados no negócio, sem uma constância ou processos estabelecidos.

A análise aponta ainda que falta alinhamento das pessoas nas empresas em torno de um objetivo comum, o que facilita e impulsiona a implementação de métodos, políticas e processos mais analíticos para solucionar um problema de negócio.

Ou seja, em outras palavras, não existe uma cultura data-driven no país. “Há um forte entendimento de que o uso dos dados é crucial para a sobrevivência de

qualquer negócio, mas colocar isso em prática, como parte da cultura da empresa, ainda é um grande desafio”, apontam os responsáveis pela pesquisa.

Nesse sentido, estes são alguns dos fatores identificados no estudo como os principais entraves na evolução analítica das empresas:

➔ Distanciamento entre áreas de negócio (marketing, compras, RH etc.) e áreas técnicas (TI, Analytics etc.), onde, muitas vezes um não entende a língua que o outro fala. A área de negócio não sabe como solicitar as demandas, não envolve a área técnica no seu processo; enquanto a área técnica fica presa no “tecniquês”, não entendendo os problemas de negócio.

➔ Falta de uma cultura ágil. Não existe uma cultura de experimentação e testes, nem a

implementação de soluções MVP (produto viável mínimo), o que acaba “atrasando” a adoção de processos data-driven.

➔ Resistência em mudar a forma de pensar e agir. As lideranças querem ser data-driven, mas temem mudar a forma como tomam decisões.

➔ Acesso limitado aos dados. As organizações continuam trabalhando em silos, impedindo que a informação circule por todas as áreas e departamentos, sendo que só é possível ser data-driven à medida em que o acesso aos dados é democratizado, rompendo essas barreiras.

A cultura analítica começa com a liderança

Ao redor do globo, diversas pesquisas apontam para a mesma conclusão: a falta de uma cultura analítica é o principal fator que impede que as empresas se tornem efetivamente orientadas a dados.

Em um artigo publicado na revista Harvard Business Review, o especialista em Data Science e Analytics David Waller frisa: “Os obstáculos para criar negócios data-driven não são de caráter técnico, mas sim cultural”.

Segundo Waller, uma das questões cruciais para quebrar essas barreiras culturais é o envolvimento direto e o compromisso dos líderes em relação à adoção de processos orientados a dados. “Em empresas com fortes culturas data-driven, a alta liderança estabelece uma expectativa de que as decisões devem ser ancoradas em dados – que isso é normal, não novo ou excepcional. Eles lideram por meio do exemplo”, destaca.

Waller cita o caso de uma empresa líder de tecnologia, em que os executivos seniores passam 30 minutos no início das reuniões lendo resumos detalhados de propostas e seus dados de apoio, para que possam tomar ações baseadas em evidências.

O especialista explica que essas práticas se propagam, fazendo com que os colaboradores reproduzam a abordagem data-driven dos líderes. “Afinal, os funcionários que desejam ser levados a sério precisam se comunicar com os líderes no mesmo idioma que eles utilizam – ou seja, por meio de dados. O exemplo dado por alguns no topo pode catalisar mudanças substanciais nas normas de toda a empresa”, reforça.

Nesse sentido, vale acrescentar que a capacitação dos líderes em relação às metodologias e tecnologias de coleta, organização e análise de dados é um passo crucial na jornada data-driven. Isso porque só entendendo muito bem as limitações e o potencial dos dados, os líderes poderão criar estratégias para:

• Disseminar o mindset data-driven entre os colaboradores;
• Criar processos que suportem o acesso e utilização dos dados por todos;
• Escolher as melhores ferramentas para apoiar a coleta e análise de dados.

Como avançar na jornada data-driven

De acordo com Melody Chien, diretora sênior de Análises da Gartner, para se tornar uma empresa com maiores níveis de maturidade analítica, é importante focar nestas áreas:

Estratégia

Uma boa estratégia data-driven começa com uma visão clara. Nesse contexto, a visão pode ser definida como o valor que a análise de dados pode agregar ao negócio. Em conjunto com as lideranças de TI e de outras áreas da empresa, desenvolva uma estratégia de análise de dados abrangente. Em seguida, crie um roteiro de curto prazo com metas alcançáveis, marcos claros, medições de desempenho e monitoramento.

Pessoas

Antecipe as necessidades futuras e assegure-se de que as habilidades, funções e estruturas adequadas para a execução da estratégia data-driven existam dentro da empresa – ou que possam ser desenvolvidas entre a equipe. Se você tem recursos analíticos limitados internamente, esforce-se por um modelo de trabalho flexível, construindo equipes virtuais de BI que incluam líderes de unidades de negócios e usuários.

Governança

Considere a governança como as “regras do jogo”. Essas regras permitem que a organização equilibre oportunidades e riscos no ambiente digital. Comece criando um inventário de seus ativos de informação, onde estão localizados e quem os usa. Em seguida, estabeleça uma estrutura para trabalhar com os dados.

Tecnologia

Para melhorar a maturidade analítica, adote plataformas integradas à sua infraestrutura atual, que utilizem tecnologias analíticas modernas. Por exemplo, além do oferecimento de relatórios sobre os dados atuais, considere usar uma ferramenta que ofereça análises de diagnóstico e preditivas.

15 ferramentas de apoio para se tornar uma empresa data-driven

A seguir, listamos algumas ferramentas que podem apoiar as empresas que queiram tomar decisões baseadas em dados. Muitos desses sistemas servem de complemento a plataformas como CRM e ERP, potencializando a utilização dos dados já presente na organização.

Forlogic Indicators |bit.ly/qualiex-vm

Sistema de gerenciamento de indicadores de desempenho, com funções de integração com ERP e dashboard de análise.

Google Analytics |bit.ly/google-analytics-vm

Plataforma que mensura os indicadores relacionados aos acessos no site da sua empresa.

Google Data Studio | bit.ly/data-studio-vm

Ferramenta online que converter dados em painéis e relatórios informativos personalizáveis, ideal para apresentação de dados de forma mais dinâmica.

Neogrid | bit.ly/neogrid-vm

Soluções de análise de dados de vendas, supply chain e de estoque e distribuição, voltadas para diferentes segmentos e áreas de mercado.

Cortex Intelligence | bit.ly/cortex-vm

Soluções de inteligência de dados para impulsionar o crescimento na jornada de

comunicação, marketing e vendas.

Zeeng | bit.ly/zeeng-vm

Plataforma de Data Analytics voltada para as áreas de marketing e comunicação, com funções para monitoramento do posicionamento online e comparação com concorrentes.

upLexis | bit.ly/uplexis-vm

Soluções de análise e interpretação de grandes volumes de dados (big data) extraídos da internet e de outras bases de conhecimento

Propz | bit.ly/propz-vm

Sistemas de inteligência artificial para o varejo físico que analisam, predizem e reagem ao comportamento de consumo em tempo real e de forma automatizada.

Konduto | bit.ly/konduto-vm

Ferramenta que monitora o comportamento de navegação de um usuário em uma loja virtual e, com isso, calcula a probabilidade de fraude em uma transação online.

Cobli |bit.ly/cobli-vm

Sistema de gestão de frotas, que coleta e envia informações a cada cinco segundos, gera relatórios e análises precisas sobre os veículos e suas operações.

Econodata | bit.ly/econodata-vm

Plataforma de inteligência de mercado que utiliza big data para prospecção e segmentação de leads, com foco na produtividade e precisão dos times de venda.

SEMrush | bit.ly/semrush-vm

Ferramenta que identifica as campanhas de marketing digital mais eficientes do seu mercado, indicando as melhores estratégias para atrair e conquistar prospects na web.

Neoway | bit.ly/neoway-vm

Desenvolve análise da carteira de clientes atual e também disponibiliza dados do mercado e da região de atuação, apontando potencial de consumo e oportunidades de vendas.

Minitab | bit.ly/minitab-vm

Ferramenta que desenvolve análise preditiva dos dados. Utilizando ferramentas de análise estatística e melhoria de processos, oferece insights e aponta tendências.

Siteware | bit.ly/siteware-vm

Software de gestão estratégica, que reúne, organiza e analisa dados referentes às operações em diferentes áreas e níveis da empresa.

Essa é apenas uma pequena amostra do universo das ferramentas data-driven. No SalesTech Brasil, você encontra outras plataformas que podem ajudar a aprimorar sua gestão por indicadores. Acesse salestechbrasil.com.br e confira!