6 barreiras para se tornar uma empresa orientada por dados

Não é surpresa que se tornar uma empresa orientada por dados esteja no topo da agenda corporativa. Um whitepaper recente do IDC descobriu que as empresas com conhecimento de dados relataram um aumento de três vezes na melhoria da receita, quase triplicando a probabilidade de reduzir o tempo de lançamento de novos produtos e serviços no mercado e mais do que dobrando a probabilidade de maior satisfação do cliente, lucros e eficiência operacional.

Mas, de acordo com uma pesquisa de janeiro com executivos de dados e informações da NewVantage Partners, apenas um quarto das empresas se descreve como orientada por dados e apenas 21% dizem ter uma cultura de dados em suas organizações.

Vários fatores importantes ajudam a explicar essa desconexão, mas questões culturais foram citadas por 80% dos entrevistados como o maior fator que os impede de obter valor de seus investimentos em dados, enquanto apenas 20% apontaram para limitações tecnológicas.

Reconhecendo dados inválidos

Mesmo as melhores estratégias de análise podem ser prejudicadas se os dados subjacentes forem ruins. Mas resolver problemas de qualidade de dados requer uma compreensão profunda do que os dados significam e como eles são coletados. Resolver dados duplicados é um problema, mas quando os dados estão errados, é muito mais difícil de corrigir, diz Uyi Stewart, Diretor de Dados e Tecnologia da Data.org, uma organização sem fins lucrativos apoiada pelo Mastercard Center for Inclusive Growth e pela Rockefeller Foundation.

“O desafio da veracidade é muito mais difícil e demorado”, diz. “É aqui que você precisa de conhecimento de domínio para permitir que você separe o fato da ficção”.

Habilidades técnicas simples não são suficientes. Foi o que Lenno Maris descobriu quando ingressou na FrieslandCampina, uma cooperativa multinacional de laticínios, em 2017, quando a empresa estava embarcando em um plano estratégico para se tornar uma empresa orientada por dados.

Foi um grande desafio. A empresa possui mais de 21.000 funcionários em 31 países e possui clientes em mais de 100 países. Rapidamente ficou claro que a qualidade dos dados seria um grande obstáculo.

Por exemplo, o inventário era informado com base no número de paletes, mas os pedidos eram baseados em números de unidades, diz Maris, Diretor Global Sênior da empresa para dados e autorizações empresariais. Isso significava que as pessoas tinham que fazer conversões manuais para garantir que as quantidades certas fossem entregues pelo preço certo.

Ou pegue os códigos de mercadoria. Cada fábrica inseriu o código de mercadoria que melhor se ajustava ao produto, com diferentes fábricas usando diferentes códigos que foram usados para recuperar os impostos de importação e exportação. “Mas os relatórios de impostos são realizados no nível corporativo, portanto, a consistência é necessária”, diz Maris.

Para corrigir os problemas de dados, a FrieslandCampina teve que evoluir sua organização de dados. No início do projeto, a equipe concentrou-se principalmente nos detalhes técnicos da entrada de dados. Mas isso mudou rapidamente.

“Conseguimos treinar novamente nossa equipe para se tornar especialistas em processos, especialistas em qualidade de dados e especialistas em domínio”, diz Maris. “Isso nos permite fazer a transição para o suporte de dados proativo e nos tornarmos consultores de nossos colegas de negócios”.

Da mesma forma, a plataforma de tecnologia escolhida para ajudar a empresa a melhorar a qualidade de seus dados, Syniti, também teve que se adaptar.

“A plataforma é boa, mas altamente técnica”, diz Maris. “Portanto, tivemos alguns desafios com a adoção de nossos usuários corporativos. Desafiamos a Syniti a fornecer uma interface de usuário relevante para os negócios”.

Em 2018, os objetos de dados mestres de primeiro nível estavam em vigor: fornecedores, materiais, clientes e finanças. No ano seguinte, isso se expandiu para objetos de dados de nível dois, incluindo contratos, listas de materiais, abatimentos e preços. No final de 2022, a empresa finalizou a orquestração dos fluxos lógicos do negócio e o projeto foi totalmente implantado. O resultado foi uma melhoria de 95% na qualidade dos dados e uma melhoria de 108% na produtividade.

“Antes da implementação da plataforma de dados fundamental, tínhamos mais de 10.000 horas de retrabalho em nossos dados mestre anualmente”, diz ele. “Hoje, isso foi reduzido a quase zero”.

A qualidade dos dados também foi um problema na Aflac, diz a CIO da Aflac, Shelia Anderson. Quando a Aflac começou sua jornada para se tornar uma empresa orientada por dados, havia diferentes operações comerciais nos vários livros de negócios da Aflac, diz ela.

“Havia vários sistemas de entrada de dados, que apresentavam inconsistências na qualidade dos dados”, diz ela. Isso dificultou a obtenção de informações úteis a partir dos dados. Para resolver o problema, a Aflac mudou para uma abordagem digital e centrada no cliente. Isso exigiu a consolidação de dados em vários ecossistemas e, como resultado, a experiência do cliente melhorou e a empresa conseguiu aumentar a automação em seus processos de negócios e reduzir as taxas de erro.

“Um benefício significativo é que ele libera largura de banda para os agentes de atendimento ao cliente, permitindo que eles se concentrem em reclamações de maior complexidade que exigem um toque mais pessoal”, diz ela.

Vendo a consolidação de dados como um problema de tecnologia

Um dos empregadores anteriores de Randy Sykes passou oito anos construindo um data warehouse sem sucesso. “Isso porque tentamos aplicar técnicas de desenvolvimento de sistema padrão sem ter certeza de que o negócio estava com você em sincronia”, diz ele.

Hoje, Sykes é Diretor de TI de Serviços de Dados na Hastings Mutual Insurance Co. Desta vez, ele adotou uma abordagem diferente para consolidar os dados da organização. Dez anos atrás, a empresa decidiu reunir tudo em um data warehouse. Na época, os relatórios levavam 45 dias para serem produzidos e os usuários de negócios não tinham as informações necessárias para tomar decisões de negócios.

Primeiro, os dados seriam coletados em uma área de desembarque por meio de importações em lote noturno de sistemas legados. Em seguida, passaria para uma área de preparação, onde as regras de negócios seriam aplicadas para consolidar e reconciliar dados de diferentes sistemas. Isso exigia uma compreensão profunda de como a empresa opera e o que os dados significam. Mas, desta vez, o projeto foi bem-sucedido porque havia especialistas no assunto na equipe.

“Tínhamos alguns empresários que estavam na empresa há muito tempo e tinham muito conhecimento da organização”, diz ele. “Na verdade, você tem uma equipe multifuncional para ter sucesso”.

Por exemplo, diferentes sistemas de apólices de seguro podem ter termos diferentes e diferentes áreas de cobertura e riscos. Para consolidar todas essas informações, a equipe de dados precisa ter um bom entendimento da linguagem de negócios e das regras necessárias para transformar os dados brutos em um formato universal.

“Esse é o maior desafio que as empresas enfrentam”, diz ele. “Eles tentam obter os dados e montá-los tecnicamente e esquecem a história do negócio por trás da informação. Muitas vezes, esses tipos de projetos falham”.

Hoje, um laudo que demorava 45 dias pode ser feito em 24 horas, diz. Então, à medida que os bancos de dados continuam a ser modernizados e orientados a eventos, as informações ficam disponíveis em tempo real.

Sem benefícios comerciais de curto prazo

Depois que Hastings começou a coletar dados, o projeto de dados começou a gerar valor para a empresa em um ano, embora o projeto de data warehouse, iniciado em 2014, não tenha sido entregue até 2017. Isso porque as áreas de aterrissagem e preparação já estavam agregando valor em termos de coleta e processamento de dados.

Os projetos de dados precisam agregar valor comercial durante todo o processo, afirma Sykes. “Ninguém vai esperar para sempre”.

Uma “vitória rápida” semelhante ajudou a levar ao sucesso um grande projeto de dados, quando Denise Allec, Consultora Principal da NTT Americas, era Diretora de TI Corporativa em uma grande corporação.

Um projeto de prova de conceito de seis semanas mostrou que o projeto tinha valor, diz ela, e ajudou a superar desafios como a relutância das unidades de negócios em abrir mão de seus silos de dados.

“Desistir da propriedade dos dados representa uma perda de controle para muitos”, diz ela. “Informação é poder”.

No entanto, esse tipo de acúmulo de dados não se limita aos executivos seniores. “Os funcionários tendem a não confiar nos dados dos outros”, diz ela. Eles querem validar e depurar suas próprias fontes, além de massagear e criar suas próprias ferramentas de relatórios que funcionem para suas necessidades exclusivas.

“Todos nós já vimos os inúmeros bancos de dados duplicados que existem em uma empresa e os desafios que surgem dessa situação”, diz ela.

Escolher projetos de dados que não trazem benefícios imediatos é um grande obstáculo para iniciativas de dados bem-sucedidas, confirma Sanjay Srivastava, Estrategista-Chefe Digital da Genpact. “Até você fazer isso, é tudo uma discussão teórica”.

O outro lado é escolher projetos que não têm capacidade de escala – outra grande barreira.

Sem a capacidade de dimensionar, um projeto de dados não terá impacto significativo a longo prazo, em vez disso, consumirá recursos para um caso de uso pequeno ou idiossincrático. “A chave é como você entrega valor de negócios em blocos, em um período de tempo que prende a atenção das pessoas e é escalável”, diz ele.

Não fornecer aos usuários finais as ferramentas de autoatendimento de que precisam

Colocar os usuários de negócios em primeiro lugar significa fornecer às pessoas os dados de que precisam no formato que precisam. Às vezes, isso significa planilhas do Excel. Na Hastings, por exemplo, a equipe costumava copiar e colar dados no Excel para trabalhar com eles.

“Todo mundo usa o Excel”, diz Sykes, de Hastings. “Agora dizemos: ‘Por que simplesmente não fornecemos os dados para que você não precise mais copiar e colar’”.

Mas a empresa também vem criando painéis. Hoje, cerca de um quarto dos 420 funcionários da empresa estão usando os painéis, bem como agências externas. “Eles agora podem ajudar os agentes a vender nossos produtos”, diz ele. “Antes não tínhamos isso”.

Mas fornecer às pessoas as ferramentas de análise de serviço de que precisam é um desafio. “Ainda estamos um pouco atrás da bola oito”, diz ele. Mas com 200 painéis focados em negócios já implantados, o processo está em andamento.

Outra organização que iniciou recentemente o processo de democratização do acesso aos dados é o Dayton Children’s Hospital, em Dayton, Ohio.

“Não estávamos tão bem há cinco anos”, diz o CIO J.D. Whitlock. “Ainda havia muitas planilhas. Agora estamos usando a pilha de dados da Microsoft, como muitas pessoas estão fazendo. Portanto, desde que alguém saiba um pouco sobre como usar o PowerBI, estamos fornecendo os dados apropriados, no formato apropriado, com a segurança adequada”.

Além disso, os analistas de dados também foram descentralizados, para que as pessoas não precisem ir a uma única equipe com suas perguntas sobre dados.

“Digamos que você queira saber quantos procedimentos o médico X Y fez no ano passado”, diz Whitlock. “É uma consulta relativamente simples. Mas se você não der às pessoas as ferramentas para fazerem isso sozinhas, terá milhares de pedidos”.

A implementação de ferramentas de dados de autoatendimento ajudou a empresa a se tornar uma organização orientada por dados, diz ele. “Com a ressalva de que é sempre uma jornada e você nunca declara vitória”.

Não incluir usuários finais em seu processo de desenvolvimento

Ignorar as necessidades do usuário é quase sempre uma receita para o desastre. Por exemplo, Nick Kramer trabalhou recentemente com uma empresa nacional de serviços de restaurantes, com escritórios em 46 estados dos EUA e até US$ 500 milhões em receitas anuais. Kramer é Líder de Soluções Aplicadas na SSA & Company, uma empresa de consultoria global. A empresa de serviços de restaurante estava crescendo rapidamente, mas os níveis de serviço estavam caindo.

“Todo mundo estava apontando o dedo um para o outro”, diz ele. “Mas o CIO não tinha painéis ou relatórios, apenas anedotas e opiniões”.

Um dos problemas era que o sistema de instalação central era amplamente ignorado. Os funcionários atualizaram os registros, mas depois do fato. O sistema havia sido imposto a eles e era difícil de usar.

“Pessoas no departamento de pedidos, em vendas, jurídico e no lado da instalação – cada escritório tinha suas próprias planilhas nas quais executavam seus cronogramas”, diz Kramer. “Nada da comunicação estava acontecendo e os dados não estavam fluindo. Então você tinha que ir de escritório em escritório para descobrir quem estava fazendo o quê e quão bem, e quais atrasos eram insolúveis e quais poderiam ser resolvidos”.

A solução foi se aproximar dos usuários de negócios, para entender como os dados eram usados.

Joshua Swartz, Sócio da Kearney, teve uma experiência semelhante recentemente, quando trabalhava em um projeto de consultoria para uma empresa de alimentos dos Estados Unidos com vários bilhões de receita anual.

A empresa queria permitir que os gerentes de produção tomassem melhores decisões sobre o que produzir com base em dados reais.

“Por exemplo, há uma linha de produção em um determinado local de produção e pode fazer tortilhas ou pão pita”, diz Swartz. “Se houver uma troca, você precisa parar, limpar e trocar os ingredientes”.

Mas, digamos, o jeito antigo era passar quatro horas comendo tortillas e quatro horas comendo pão pita, e os dados mostraram que você deveria passar duas horas comendo tortilla chips — e amanhã pode ser o contrário. E como os produtos alimentícios são perecíveis, errar na produção significa que algum produto teria que ser jogado fora. Mas quando a empresa projetou sua solução pela primeira vez, os trabalhadores da produção não estavam envolvidos, diz Swartz. “Eles estavam muito ocupados produzindo comida e não tinham tempo para parar e assistir às reuniões”.

Não se esperava que isso fosse um problema porque a cultura da empresa era hierárquica. “Quando o CEO diz algo e bate com o punho na mesa, todo mundo tem que fazer o mesmo”, diz ele.

Mas o novo sistema foi usado apenas por algumas semanas no local piloto e, então, os funcionários descobriram que o sistema realmente não funcionava para eles e voltaram a fazer as coisas da maneira antiga. Além disso, não ajudou em nada o fato de o czar de dados da empresa estar localizado alguns níveis abaixo na organização de tecnologia da empresa, em vez de mais perto da alta administração ou das unidades de negócios.

Corrigir o problema exigia trazer os funcionários reais para a suíte de design, embora exigisse adicionar capacidade às linhas de produção para liberar trabalhadores.

“Empresas de alimentos com margens muito pequenas não se sentiam à vontade para fazer esse investimento”, diz Swartz. Mas quando passaram a fazer parte do processo, puderam contribuir com a solução, e hoje de um terço à metade das instalações estão usando a nova tecnologia.

Swartz também recomenda que o diretor de dados esteja localizado mais próximo dos dados mais valiosos da empresa.

“Se os dados são um ativo estratégico do negócio, eu colocaria o CDO mais próximo da parte do negócio que detém a propriedade dos dados”, diz ele. “Se a organização está focada no uso de dados para eficiência operacional, o COO pode ser o lugar certo”.

Uma empresa orientada para vendas pode querer colocar o CDO sob o diretor de vendas, no entanto, e uma empresa de produtos, sob o diretor de marketing, diz ele. Uma empresa de bens de consumo embalados com a qual ele trabalhava tinha o relatório do CDO diretamente ao CEO.

“Se você pensar em dados como um problema de tecnologia, continuará enfrentando desafios de quanto valor está realmente obtendo de dados e analytics”, diz Swartz.

Falta de confiança

O uso responsável dos dados é importante para o sucesso das iniciativas de dados, principalmente no setor financeiro.

“A confiança é de extrema importância no setor bancário”, diz Sameer Gupta, Diretor de Analytics do DBS Bank. “É crucial usar dados e modelos com responsabilidade, e considerações éticas devem ser mantidas ao usar dados”.

O uso de dados deve ser proposital, diz ele, respeitoso e explicável, e nunca deve ser uma surpresa. “O uso de dados deve ser esperado por indivíduos e empresas”, diz ele.

Ao focar na confiança, acrescenta ele, o banco conseguiu implantar casos de uso de IA e dados em toda a empresa – 260 na última contagem – variando de negócios voltados para o cliente, como serviços bancários para consumidores e pequenas e médias empresas, para funções de suporte como compliance, marketing e RH.

“Em 2022, o aumento de receita de nossas iniciativas de IA e machine learning foi de cerca de SGD 150 milhões [US$ 112 milhões], mais que o dobro do ano anterior”, diz ele. “Aspiramos atingir SGD 1 bilhão nos próximos cinco anos”.

Ganhar confiança leva tempo e comprometimento. Tornar-se uma empresa orientada por dados é quase impossível sem isso. Mas uma vez conquistada a confiança, inicia-se um ciclo virtuoso. De acordo com um estudo de gerenciamento de mudanças da CapGemini divulgado em janeiro, em organizações com forte data analytics, os funcionários têm 18% mais chances de confiar na empresa. E quando essas empresas precisam evoluir ainda mais, a probabilidade de mudança bem-sucedida é de 23% a 27% maior do que em outras organizações.

“Muitas pessoas, incluindo especialistas em dados, pensam que a maioria dos problemas durante a transição para se tornar uma empresa orientada por dados está relacionada à tecnologia”, diz Eugenio Zuccarelli, Cientista de Dados de um varejista global e ex-Cientista de Pesquisa em IA do MIT.

Mas as verdadeiras barreiras são pessoais, diz ele, pois as pessoas precisam aprender a entender o valor de tomar decisões baseadas em dados.

“Enquanto fazia pesquisas no MIT, muitas vezes vi especialistas e líderes de organizações lutando com sua transição para se tornar uma organização mais orientada por dados”, diz ele. “As principais questões eram geralmente culturais, como a crença de que a tecnologia teria superado sua tomada de decisão, em vez de capacitá-los, e uma tendência geral de tomar decisões com base na experiência e na intuição”.

As pessoas precisam entender que seu conhecimento ainda é vital, acrescenta ele, e que os dados existem para fornecer informações adicionais.

As empresas precisam parar de pensar em se tornar uma empresa orientada por dados como um problema de tecnologia.

“Todos os nossos clientes estão falando em se tornar mais orientados por dados, e nenhum deles sabe o que isso significa”, diz Donncha Carroll, Sócio da Prática de Crescimento de Receita e Chefe da equipe de Ciência de Dados da Lotis Blue Consulting. Eles se concentram em suas capacidades tecnológicas, diz ele, não no que as pessoas poderão fazer com os dados que obtêm.

“Eles não colocam o usuário da solução no quadro”, diz ele. “Muitas equipes de data analytics fornecem painéis de dados que fornecem informações que não são úteis nem acionáveis. E morrem na praia”.