Programação

Muito se fala sobre a necessidade das empresas serem “data driven”, guiadas por decisões inteiramente baseadas em análise de dados. Isso será possível? E para qualquer empresa? Bastaria contratar engenheiros e cientistas de dados?

Um estudo conduzido pela Gartner, em 2016, mostrou que apenas 21% das empresas estavam satisfeitas com os sistemas de análise de dados e estatísticas, mesmo fazendo grandes investimentos em Big Data. E apenas 29% dessas empresas se diziam capazes de usar os dados para conseguir atingir seus objetivos. Portanto, nesse contexto, seria muito difícil ser totalmente data-driven.

Supondo que todos os problemas relacionados com dados e sua análise sejam resolvidos, ainda assim, a abordagem “data-driven” tem-se mostrado inadequada, ineficaz na área de negócios empresariais. Pronto para saber mais? Siga a leitura!

Onde data-driven é uma flecha certeira

A tomada de decisões impulsionadas por dados tem funcionado perfeitamente bem para aquelas deliberações conduzidas integralmente por computadores. “AI”, “Machine Learning”, programas especializados em agrupamento ou classificação de dados realizam tarefas de “previsão” com grande margem de acertos quando são treinadas com uma amostra adequada de dados. É o que vemos no reconhecimento de pessoas utilizando a biometria, quer seja utilizando digitais, imagens de rosto ou íris.

A decisão de que alguém é quem deveria ser é realizada, inteiramente, utilizando dados, “data-driven”, sem interferência humana, sem conjecturas ou intuição pessoal. É algo muito mais preciso do que qualquer olhar humano.

Onde data-driven erra o alvo ou acerta o alvo errado

No mundo dos negócios, existem variáveis demais, muitas não previstas, ausentes nos conjuntos de dados coletados. Podem ser informações desconexas, que não estariam em qualquer sistema computacional de um determinado negócio.

Por exemplo, um problema de praga de gafanhotos em um país pode alterar o preço do bife em outro país porque o boi aumentou de preço porque a ração ficou mais cara, já que contém milho e o milho aumentou de preço devido à queda na produção mundial, que foi afetada pela praga. Isso não estaria nos dados de uma empresa produtora de ração, por mais que ela utilize sistemas computacionais robustos sobre as várias áreas do seu negócio.

São muitas as decisões tomadas com a percepção do que acontece no mundo fora da empresa, utilizando a chamada intuição, uma percepção humana, uma visão holística, uma capacidade que as máquinas ainda não têm. Nesses casos, os dados não são descartados, mas sim usados para confirmar esses sentimentos. As decisões não são “data-driven”, mas “data-informed”, a intuição é complementada, confirmada, validada, através dos dados.

Fluxo de Transformação de Dados em Valor: “data-Value Chain”

Todos nós sabemos que dados são distintos de informações. Dados podem gerar informações, mas não necessariamente. Um dado precisa ser tratado, classificado, analisado, verificado, consolidado, agrupado, ou seja, precisa passar por uma esteira de transformações até se tornar algo de valor, uma informação útil para o negócio ou não.

A visão dessa esteira de transformações ou corrente, “Chain”, pode ser desenhada de diferentes maneiras, conforme a perspectiva de quem olha. Um profissional de tecnologia, próximo da infraestrutura, por exemplo, vai enxergar aspectos de armazenamento, tráfego de dados, serviços contratados, entre outros. Se pesquisarmos “Data-Value Chain” em qualquer site de pesquisa, obteremos distintos diagramas como esses:

Data-Value-Chain-Data2x-simple-1.png
Screenshot-2020-05-18-at-16.31.37-1024x402.png
0.2-Data-Value-Chain-1024x465.png

Para quem está em alguma área de administração de empresas, é interessante saber que temos esses aspectos acima, ou seja, que existe uma complexidade técnica e analítica para transformar dados em informações de valor para o negócio, não sendo algo direto, certo e gratuito. Existe um custo em todas as etapas, envolvendo tecnologias e pessoas. Sabendo disso, podemos usar um dos gráficos mais simples, sob uma ótica de ciências de dados:

RackMultipart20210510-10598-udhk5y.png
Fonte: www.eckerson.com

Como podemos ver acima, o propósito dessa esteira de transformações de dados é criar um valor para o negócio. É o sonho, o pote de ouro no final do arco-íris. Pode ser algo como reduzir custos ou riscos, manter clientes, aumentar a satisfação com serviços ou produtos, conseguir novos clientes, aumentar a receita, reduzir o rodízio de profissionais e assim por diante.

Para empresas que adotam o método OKR, esse “Value” final é o objetivo escrito na frase “Eu vou (objetivo) medido por (conjunto de resultados-chave)”. Já o “conjunto de resultados-chaves” são os dados utilizados como régua para medir o quanto a flecha atirada está próxima do centro do alvo, um percentual que será 100% ou “na mosca” quando o objetivo for inteiramente atingido.

Esteira de Transformações de Dados sob a ótica “Data-Driven”

Observando a figura acima, a abordagem “data-driven” considera que uma pessoa vai participar dessa esteira de transformações somente naquele estágio em que alguma ação precisará ser realizada. A decisão sobre o que fazer já foi realizada pela Inteligência Artificial, Machine Learning ou outro sistema computacional.

A partir da análise dos dados, o sistema computacional deduz a necessidade de intervenção e sugere o que deve ser feito, precisando que alguém providencie as ações no mundo real. Isso porque ainda não temos um robô androide capaz de coordenar ações pelas empresas.

Essa ação sugerida pode ser vista de maneira simplificada como o acionamento de um controle de videogame que tem 4 estados: para cima, para baixo, esquerda e direita. Na esquerda temos “Iniciar algo novo”, na direita temos “Parar algo que estava sendo feito”, para cima temos “Mudar a maneira de fazer algo” e, finalmente, para baixo temos “Continuar fazendo da mesma maneira”. A decisão consiste em dizer qual direção deverá ser acionada e uma pessoa precisará fazer isso.

O perfeito encaixe dessa configuração

Essa metodologia tem sido adequada para problemas de escopo restrito, onde as fronteiras estão bem definidas e todas as variáveis são conhecidas. Como no exemplo já citado da autenticação de pessoas utilizando biometria, o sistema computadorizado coleta a imagem e a processa seguindo o padrão:

  • “Data”: processa em um banco de imagens, obtendo o percentual de coincidência entre a imagem capturada e a imagem armazenada,
  • “Information”: verifica se esse percentual está nos níveis aceitáveis que configuram acerto;
  • Knowledge”: decide se confirma a autenticidade da pessoa, 
  • “Decision”: sugere ao sistema, de quem é guardião, a ação que deve ser tomada;
  • “Actions”: define se liberar ou proibir o acesso de uma porta, ou um aplicativo, tentar outro tipo de autenticação ou bloquear esse cadastro.

Ou seja, uma cadeia que revela o perfeito gerenciamento “Data-Driven”.

Onde a configuração quebra ou ficam faltando peças

Em um universo de negócios, também podemos acreditar que os sistemas da empresa, quando reunidos, poderão fornecer todas as variáveis para sugerir uma ação certeira no negócio. Temos CRM com dados de clientes, RH com dados dos recursos humanos, Financeiro indicando o faturamento, Contábil apontando custos e receitas, mais todos os demais sistemas de diversas áreas da empresa, incluindo os sistemas customizados próprios do negócio.

Então, o que pode dar errado numa decisão utilizando esses dados? Vamos voltar ao exemplo de uma empresa do agronegócio e a notícia da peste de gafanhotos em outro país.

Os líderes do negócio irão ler, ver ou escutar essa notícia enquanto fazem o café da manhã ou no intervalo do almoço, olhando as novidades no sites de notícias ou recebendo de um amigo por um aplicativo de mensagens. Então, vão relacionar essa notícia com o seu negócio. Daí, eles podem correr para os computadores ou checar nos seus smartphones se é possível aumentar a produção, segurar o estoque nos silos, comprar de um concorrente, enfim, tomar uma decisão utilizando a sua intuição somada a informações sólidas sobre as possíveis ações.

Essa é a abordagem “Data-Informed”, onde uma pessoa entra na esteira de transformação já no momento de adquirir o conhecimento, “Knowledge”, usando o conhecimento fornecido pelos dados para incrementar a sua percepção pessoal e, a partir daí, participando ativamente das demais etapas, conduzir a transformação junto aos sistemas computacionais.

Esse entendimento se acopla perfeitamente com os valores do “Manifesto Ágil”, principalmente o primeiro, sobre pessoas, e o último, sobre planejamento:

  • Indivíduos e interações mais que processos e ferramentas
  • Software em funcionamento mais que documentação abrangente
  • Colaboração com o cliente mais que negociação de contratos
  • Responder a mudanças mais que seguir um plano

Valorizar a intuição dos seres humanos, a experiência dos grandes líderes, e adicionar subsídios que vão aperfeiçoar e dar argumentos para as suas decisões é a pretensão da abordagem “data-informed”, porque já foi percebido que não existe qualquer garantia ou certeza de que um conjunto de dados, por maior, ou melhor, que seja a equipe de análise, conseguirá entregar um valor real para o negócio.

A análise de dados precisa ser aquela ferramenta que alguém vai usar junto com sua percepção do mundo. Precisará ser como um arco que, sozinho, não consegue atirar a flecha naquele alvo que é móvel, imprevisível e invisível. Mesmo com a ajuda de um braço mecânico computadorizado e com os mais modernos sensores, ele não conseguirá acertar aquilo que não vê nem prevê com exatidão.

Precisamos confiar na intuição do arqueiro, aquela pessoa que segura o arco e, de olhos fechados, percebe onde o alvo vai estar porque, intuitivamente, sem pensar, escuta, sente o cheiro, percebe as ondulações do vento na pele e tem um sexto sentido afiado com a experiência acumulada de muitas flechas atiradas, que nenhuma máquina tem. Então, poderemos ver uma flecha atirada no vazio que, no final do seu percurso acerta um alvo que apareceu alguns instantes antes da flecha chegar lá. “Data-Informed”.

Se você gostou deste conteúdo, acompanhe outros temas sobre tecnologia, dados e identificação de pessoas no blog da Vsoft.

Author

Gabriel Carmo

Analista de Banco de Dados

Posts relacionados

Todos os posts
go  top