Data-driven Culture – A era onde métricas valem mais do que opinião

5 de agosto de 2019 8 minutos de leitura

Cultura organizacional é por si só, um tema delicado de se tocar, e juntá-lo com o assunto Data-driven, potencializa esse desafio. Esse artigo traz uma reflexão sobre como o pensamento analítico pode (e talvez até, deva), fazer parte das organizações do futuro, principalmente dos níveis executivos e do board estratégico.

Antes de tudo, você sabe o que significa Data-driven?

Como o nome sugere, Data-driven é a capacidade de se “orientar” por dados. Processos, pessoas, entregas e atividades que são geridas dentro de um ecossistema data-driven passam por um mindset diferenciado, pois deixam questões como ego, achismos e opiniões em um segundo plano, dando espaço para decisões embasadas em algum tipo de informação.

Apesar de ter ganhado notoriedade nos últimos tempos, o conceito de Data-driven é essencialmente básico na vida de todas as pessoas. Naturalmente nos guiamos por informações, que via de regra, o nosso cérebro interpreta do ambiente o tempo todo. Tomamos decisão com base nessas informações o tempo todo, seja quando escolhemos onde almoçar, ou quando precisamos resolver um problema de negócios.

O ponto é: apesar de nos guiarmos por informações o tempo todo, esse não é necessariamente, um processo racional e é por isso que os achismos, opiniões pessoais e viéses começam a aparecer nas empresas.

A principal diferença aqui, é o entendimento sobre o que é um dado e o que é uma informação.

Data-driven – A diferença entre dados e informações

A informação é o produto da interpretação de um conjunto de dados (seja ela uma interpretação humana ou artificial) e apesar de fazermos isso o tempo todo, há um abismo que divide o resultado dessa ação que está entre as formas de foco dada à interpretação.

“Milhões de itens (…) são apresentados aos meus sentidos e nunca entram propriamente na minha consciência. Por quê? Porque não têm interesse para mim. Minha experiência é aquilo que eu concordo em prestar atenção (…). Todos sabem o que é a atenção. É a tomada de posse pela mente, de forma clara e vívida, de um dentre o que parecem ser vários objetos possíveis simultâneos ou linha de pensamento. A focalização, a concentração da consciência, são sua essência. Esta implica, a abstenção de algumas coisas para poder lidar eficazmente com outras” (Kandel, 1997, p. 323)

Dentro do processo atencional existem diversas formas de pensar e agir, onde os mecanismos atuam de um modo dinâmico, selecionando os estímulos que chegam pelas diferentes vias sensoriais e organizando os processos mentais, conforme descreve Michael Gazzaniga, pesquisador sobre neurociência cognitiva.

Esses mecanismos e subdivisões podem ser verificados por um resumo esquemático:

Esquematização do Mecanismo Atencional
Esquematização do Mecanismo Atencional

A parte importante deste estudo, é o que divide o nosso foco em dois modelos: o modelo de processamento seletivo (controlado) e o modelo de processamento automático.

No modelo automático , não racionalizamos as análises e interpretações que fazemos, enquanto no modelo controlado nos forçamos (por mindset ou processos) a dirigir nossa atenção para uma análise mais criteriosa aos estímulos (informações) que nos são apresentadas.

Sabendo disso eu te pergunto: de que forma você e a sua equipe agem no dia a dia? Existe uma cultura que evidencia e valoriza o modelo de processamento seletivo, ou independente dos dados (estímulos) agem de forma automática?

O tema “Data-driven Culture” é para discutirmos justamente essas questões, colocando a intenção de se orientar por dados na frente.

Essa primeira etapa é fundamental para os próximos passos que estão a seguir, pois sem intenção, não existe cultura.

Agora que entendemos tudo isso, novos desafios surgem, agora relacionados com os dados em si, trazendo questionamentos sobre a coleta, interpretação e uso dos dados.

Os 3 principais desafios na implementação de um modelo de Data-driven Culture

Se você está em busca de criar um ecossistema Data-driven, apresento seus três principais desafios: coleta de dados, interpretação da informação e aplicação no negócio.

Vamos entrar em cada um deles, mas antes, tenha em mente o que o termo “Culture” quer dizer. Cultura não se trata de um texto escrito em um documento interno da empresa, nem algum tipo de conjunto de normas que estabelecem leis e compromissos.

Cultura é muito mais do que isso, pois trata de todo complexo que inclui os costumes, entendimentos, as crenças e os hábitos da sociedade que é o seu negócio. Não pode ser tratado como um assunto banal, ainda mais num presente efêmero, onde o salário não é mais o que segura as pessoas num organismo, hoje em dia e cada vez mais, a cultura de uma organização será seu principal ativo. Cuide disso.

Parenteses feito, podemos partir para os 3 principais desafios:

Desafio #01 – Coleta de dados

Olhe para seu ambiente interno. Quais são seus pontos de geração de dados?

  • Você provavelmente tem um CRM, que gera dados sobre a sua performance de vendas.
  • Possivelmente tem Redes Sociais, que geram dados sobre o comportamento do seu público.
  • Talvez você tenha pontos de distribuição, que geram insights de logística.
  • Pode ser ainda que você tenha um ERP robusto, que integra todas as suas áreas e te entrega dados sobre toda sua cadeia administrativa.

Agora, se pergunte quais outros pontos de geração de dados internos você poderia aproveitar ou criar. Explore totalmente seu ambiente interno e tenha em mente que os pontos de coleta podem ser manuais e automáticos.

Depois de hackear o ambiente interno e potencializar sua coleta, vem a hora de olhar para o ambiente externo. Quais tipos de dados podem ser coletados?

  • É possível beber na fonte de data lakes, que vão enriquecer seus dados atuais?
  • É interessante movimentar pesquisas de mercado?
  • Existem ferramentas de inteligência de mercado, que podem me trazer dados complementares?

Independente do caminho, neste momento é importante se concentrar em como as informações externas complementam as internas, afinal, a ideia é aperfeiçoar ao máximo o volume, a veracidade, a variedade e a velocidade com que os seus dados são gerados.

Desafio #02 – Tratamento, análise e interpretação dos dados

A transformação de dado em informação pressupõe identificar quais contextos nos dados servem para um objetivo. Pesquisas de mercado são um ótimo exemplo.

Saber de zero a dez qual a chance de uma pessoa indicar um produto, por si só não vale de nada, porém quando extrapolado para uma população maior, é possível identificar tendências, quantificando a informação estatisticamente – “70% das pessoas indicariam nosso produto, isso pode ser um indicador de satisfação ou qualidade.”

Sobretudo, gerar informações a partir de dados significa a possibilidade de tecer hipóteses sobre uma realidade amostral podendo a partir disso, identificar melhorias ou decisões necessárias para o futuro.

IMPORTANTE: saiba identificar neste processo, quais vieses podem te levar a conclusões precipitadas. Existem vários tipos de vieses, sendo a falsa relação de causa e efeito e o viés confirmatório os mais comuns num ambiente corporativo.

Desafio #03 – Aplicação no negócio

O último desafio está intimamente ligado ao segundo, já que são os desafios do negócio que vão guiar parte das análises, levando à interpretações mais concisas.

O primeiro passo para avançar então, é listar quais os desafios de negócio, bem como quais métricas são importantes para a sua empresa (você deve estar familiarizado com o termo KPI – Key Performance Indicator).

Esse é o básico, que depois de feito, abre portas para outros atributos, como falamos neste artigo sobre os 3 atributos das empresas que mais crescem.

Adotar estas práticas não é tarefa fácil, por isso não deixe para amanhã.
Minha última dica é “Start Small and Smart”.

Se quiser saber mais sobre Inteligência de Mercado, acesse nosso e-book

Material O que é Inteligência de Mercado