*Por Josias Oliveira
Por onde tenho passado e, neste ano difícil, passei por diversas empresas para falar sobre esse tema, encontrei muitos
equívocos no uso de soluções voltadas para Big Data. A começar pelo conceito de Big Data. É difícil tornar o assunto entendido, visto que há o viés da ansiedade para resolver grandes problemas no curto prazo. Quando falamos de Inteligência Analítica, não estamos apenas considerando um investimento em Tecnologia. Há muitas linhas de investimento que precisam ser consideradas e quero, sem entrar muito nos detalhes, explorar este assunto a partir dos erros praticados em cerca de 180 empresas de grande e médio porte que visitei em 2014. Espero que isso possa nortear as ações de liderança com foco em Inteligência Analítica.
Erro 1 - Mudar o conceito de Big Data pela experiência
Muitos líderes, mesmo de Tecnologia da Informação, mudam o conceito de Big Data a partir da sua experiência. Ou seja, se a experiência boa tem sido o emprego de soluções, então, Big Data é a solução empregada. Quem já ouviu anúncios dizendo: Empresa Y aplica Big Data para criar...? Ou, ainda: Governo usa Big Data para aumentar arrecadação de...?
Big Data é o que o nome diz: Dado Grande. O Dado é o principal elemento neste contexto. O Dado aparece em velocidade, variedade e volume muito acima da nossa capacidade de interpretar. As tecnologias, técnicas e metodologias de análise são coadjuvantes e ferramentas para extrair conhecimento do Big Data.
Dessa forma, o olhar sobre o Dado é o mais importante. Assegurar a captura, carga, organização, integração e acesso ao conjuntos de Dados é mais importante do que a tecnologia, metodologia e técnicas empregadas sobre eles. No entanto, quando estes requisitos estão assegurados, todas as ferramentas garantem um espetáculo de criações, quando competentes para esse fim. Portanto, ser diligente no cuidado com Dados é o foco para que mais adiante tudo ocorra bem. Sempre que apresento cases de sucesso de grandes empresas comoAVON, VALE, Petrobras, UOL e outros, me perguntam: Quanto tempo demora para realizar essas tarefas? Eu sempre respondo que empregar Analyticsé rápido, mas preparar o banco de dados é o mais demorado - de 60% a 70% do tempo dedicado. Portanto, invista tempo no Big Data, depois nas soluções que o ajudarão a extrair novos insights, sim, grandes descobertas neste universo a ser explorado.
Erro 2 - Desprezar o Processo que origina o Dado
Os Dados se originam no Processo: a jornada do cliente, a transação bancária, o exame médico, a produção, a extração, o serviço de manutenção, um post no Facebook... tudo passa pelo Processo. Quando o Processo é definitivamente mapeado, temos mais do que a organização do sistema e business, temos a origem dos Dados e o motivo de sua existência. Com isso, podemos criar desde a gestão por índices e matriz de relações entre fenômenos do processo, até os futuros cenários possíveis desses fenômenos.
Os dados nascem no Processo, portanto,conhecer o processo é a base estrutural da aplicação de soluções envolvendo Big Data.
Muitas empresas tem errado no emprego de seus recursos humanos, tecnológicos e financeiros por não observarem primeiramente o Processo. A ansiedade por ter soluções que impactam o resultado do negócio faz com que empreguem energia demasiada e "raça" sem um norte claro e definido no uso das ferramentas, negligenciando a base estrutural que garante o sucesso da aplicação de soluções analíticas: Processo. Entenda como ele flui, entenda como o dado se origina nele e como o Processo, ao final da cadeia, pode apoiar a decisão.
Erro 3 - Exigir excelência analítica em uma Cultura baixa
O investimento em tecnologias é uma entre muitas linhas de investimento para ter sucesso na implementação de soluções envolvendo Big Data. Dificilmente, haverá sucesso sem o desenvolvimento de Cultura Analítica que inclui: Capacitação, Coaching, Suporte, Consultoria, envolvimento com Acadêmicos e Pensadores, criar Cases de Sucesso para motivar outras áreas...
É i mpossível alcançar excelência em um ambiente no qual não se motiva e encorajao aprendizado contínuo.
Uma empresa investiu R$2,5 milhões em soluções de Data Mining e percebeu que errou em não incentivar disciplinadamente o aprendizado de Analytics em suas equipes. O resultado recente foi não conseguir justificar a renovação do contrato, haja visto que não alcançaram êxito na aplicação e os líderes, intolerantes ao investimento sem retorno comprovado, não aprovaram o orçamento. É a solução que não funciona? Evidentemente, funciona e poderia trazer grande impacto no negócio. No entanto, a Educação Analítica Continuada ficou comprometida e os profissionais não se sentiam motivados ao uso da tecnologia.
Erro 4 - Tornar a Resposta mais importante que a Pergunta
Analytics tem a função de trazer respostas a questões de negócio. O emprego disciplinado de suas técnicas e metodologias podem promover uma jornada muito diferente da experimentada pelo negócio ao longo da sua história. No entanto, muitas empresas usam o poder de análise das novas tecnologias para responder questões antigas e que não provocam o negócio na busca de novas oportunidades.
"São as perguntas que movem o mundo e não as respostas!"
Um órgão público, em particular, usava filtros para analisar o motivo de um evento discrepante com uma solução de Data Mining. Em outra empresa, estavam contentes em conseguir realizar uma consulta simples ao banco de dados usando outra solução de Data Mining. É óbvio que uma licença de SQL Serversoluciona a questão a um custo muito menor de investimento. O fato é que nem mesmo a liderança sabia o que perguntar. E as áreas de negócio estavam felizes em fazer a mesma coisa com soluções avançadas.
Por isso, comece simples, com questões simples e deixe claro o norte. Um Presidente de uma grande empresa nos perguntou, de modo simples: Que outra alavanca de crescimento, fora do meu conhecimento, vocês poderiam me mostrar? Que pergunta fantástica! Com o tempo e maturidade, a Cultura Analítica trará questões complexas, avançadas e com impacto no diferencial competitivo.
Erro 5 - Ignorar a ordem de desenvolvimento da Tecnologia que suporta Analytics
Já discuti em outros posts acerca do Ecossistema de Analytics, bem como sobre a ordem de desenvolvimento de projetos de Analytics e suas camadas. No entanto, isso pouco importa quando a ansiedade por um pequeno avanço toma a liderança da organização. As soluções de Data Visualization tem um apelo maior que soluções de Data Discovery, sem falar em Data Center, Data Managementou Data Integration que são tecnologias mais confortáveis para agentes nas áreas de Information Technology.
Toda a Inteligência do Negócio é desenvolvida com o uso intenso de Métodos Quantitativos, seja para saber o que aconteceu ou o que poderá ocorrer.
Por isso, muitas empresas apostam em tecnologias capazes de realizar consultas muito mais rápido e, com isso, têm acesso mais rápido a conjunto de dados, antes de difícil acesso. Ou, ainda, em soluções que facilmente visualizam montantes financeiros distribuídos no tempo, no território, em categorias de produtos... apenas arrastando o mouse ou o dedo sobre a tela de seus devices. Embora, isso ofereça pequenos avanços, é importante entender que a maturidade em Analyticsnão descansa no conforto de IT e, muito menos, na facilidade de uso das soluções de Data Visualization. É preciso ir mais longe, lançar o negócio no futuro das novas inteligências analíticas.
Os questionamentos podem ajudar o negócio a definir seus caminhos no desenvolvimento de Analytics:
Como podemos criar grupos de clientes com perfis semelhantes?
É possível criar políticas inteligentes de retenção de clientes?
Como reduzir fraude em transações de compra-e-venda?
A inadimplência está crescendo, como podemos gerenciar o risco?
É possível influenciar o comportamento de compra do cliente e aumentar oticket médio?
Todas essas questões e muitas outras só tem solução em Data Discovery com uso intenso de Analytics.
Erro 6 - Não ter a Liderança como Power Sponsor de Projetos de Big Data & Analytics
Já aprendi que assuntos estratégicos não se terceiriza ou se delega sem o constante acompanhamento. Tive muitos bons líderes me ensinando o porquê disso. Analytics e outras soluções envolvendo Big Data são assuntos de alto nível estratégico, por isso, devem estar na mesa da Liderança e em suas discussões, periodicamente. Qualquer avanço deve ser notificado e a própria Liderança deve ser a maior demandadora dessas soluções. Hoje, como Chefe de uma Operação na América Latina, não consigo me imaginar tomando decisões sem o forte apoio deAnalytics.
Uma Liderança que ignora o correto uso de soluções que suportam a Inteligência do Negócio, pouco sabe sobre o próprionegócio e, portanto, sempre usará as velhas ferramentas de gestão!
No entanto, tenho visto nas grandes empresas, alguns entusiastas nas áreas de negócio e uma cadeia de Liderança apática, tomando decisões down-top quando o tema é Big Data & Analytics, recebendo demandas das áreas e sem uma linha diretiva do investimento como um todo para tornar o negócio mais eficiente, mais lucrativo, mais produtivo... com uso de Analytics. Ainda que deva-se encorajar entusiastas, quem deve estar na linha de frente é a Liderança.
Erro 7 - Ser negligente em manter e avançar o Capital Intelectual adquirido
Esse talvez seja o pior dos erros que tenho visto. Muitas empresas, no auge do potencial do uso das metodologias de Six Sigma, se lançaram nesses mares e conquistaram, não apenas um amplo aprendizado de suas técnicas, mas trouxeram belas aplicações para o negócio. Investiram grandes somas financeiras para adquirir licenças de softwares estatísticos, consultorias e treinamentos Belts.Com o passar do tempo, foram diluindo o uso das aplicações, investindo menos e promovendo apenas pequenas iniciativas aqui e ali, motivadas pela demanda de algum profissional mais animado.
O exercício disciplinado, criativo econtínuo no uso de soluções de Analytics,produz um ambiente motivador para novos profissionais e para os mais antigos queengrandece o Capital Intelectual e o mantêm ativo para o Negócio.
O Centro de Pesquisas da Petrobras foi na contramão da maioria das empresas que visitei. Ainda que a Petrobras esteja passando por um período de forte crise, o CENPES tem alcançado sucesso em suas pesquisas para melhorar processos, aumentar produtividade, entender a natureza de insumos em sua produção, reduzir custos de operação... usando tecnologias de Analytics. Com técnicas de Cluster Analysis e Principal Components, por exemplo, os engenheiros do CENPES conseguem avaliar a natureza de um petróleo in-natura sem os custos de perfuração. Os profissionais ali são ávidos por novas aplicações, novas técnicas e tecnologias. Além disso, os novos profissionais que chegam ali para iniciar suas carreiras são rapidamente inseridos na Cultura de usar Analytics para tudo.
Bem, espero ter ajudado ao compartilhar essas experiências. Acredito que estaremos em outro nível em menos de 2 anos no uso dessas soluções. Espero encontrar um percentual estatisticamente significante dessas empresas galgando novos desafios em seus negócios apoiadas em soluções envolvendo Big Data & Analytics.
Grande abraço!
Josias Oliveira é CEO na operação da StatSoft para a América Latina, uma empresa que agora faz parte de DELL Group, com mais de 15 anos de experiência em Ciência de Dados. Tem o seu histórico profissional em grandes empresas de diversos segmentos e hoje busca colocar conhecimento em Análise de Dados Aplicada à disposição de quem desejar tornar sua tomada de decisão mais eficaz e inteligente.
