Por Pedro Ramalhete
Hoje em dia dados é um tema que está na moda, todo o mundo fala sobre dados e como é um pilar para a economia digital. Empresas digitais estão implementando machine learning e outros algoritmos avançados, contudo, não é raro encontrar empresas sem uma estratégia clara de dados. A falta de uma estratégia clara de dados no início pode impactar substancialmente o crescimento e receita por incentivar uma cultura de opiniões em vez de uma cultura de dados e factos. Vamos olhar para duas empresas de serviços em mercados competitivos.
Vamos olhar para a empresa A, esta empresa tem milhões de clientes e precisa de usar dados em todas as áreas de negócio. A Empresa é focada em dados e desde o início construiu um robusto data warehouse onde dados de diferentes sistemas operacionais são armazenados. (vendas / uso de clientes / faturamento etc). Os dados são coletados, limpos e estruturados e cada departamento os pode acessar usando ferramentas como SAS ou SQL. Os dados são usados para diferentes fins entra áreas de negócio, em marketing são usados, por exemplo, para orçamentação, pricing, monitorar receita de clientes e churn, em BI, para modelagem, e construção de dashboards de negócio, em finanças, para monitorar inadimplência, construir modelos de scoring de clientes e testar premissas financeiras, em vendas, para monitorar novos clientes por canal de vendas em cada região etc.
Em cada mês a empresa fecha os números desse mês e tem um histórico de decisões passadas, logo os dados são os mesmos para todas as áreas e todos os analistas tem a mesma fonte. A empresa está trabalhando num data lake para armazenar dados não estruturados. As reuniões na companhia A são sobre as melhores formas de usar os dados e insights para cada área de negócio e decisões de produto, clientes ou canais usando os dados como fonte.
Agora vamos olhar para a empresa B, a empresa é não é focada em dados, logo ter os dados estruturados e com fácil acesso não é uma prioridade. A empresa B, no inicio do ciclo de vida não tinha uma estratégia de dados. Os dados estão em silos, assim, cada departamento trabalha nos seus dados que não são compartilhados com as outras áreas de negócio. A empresa não tem um processo para fechar os números mensais e, logo, o impacto de decisões passadas pode mudar o que significa que números chave podem ser diferentes impactando a qualidade da análise. A empresa tem uma talentosa equipe de BI, mas faltam dados de qualidade e recursos para conseguir efetuar entregas a todos os pedidos internos. Consequentemente, existem muitas reuniões improdutivas com várias opiniões conflitantes. Na maior parte das reuniões não existem dados ou os dados apresentados tem diferentes origens, muitas vezes as discussões são sobre a qualidade dos dados ou qual é a fonte correta.
Como pensa que a receita e os lucros podem ser impactados? Por muito, a probabilidade da empresa A manter a sua rentabilidade e crescimento é alta comparada com a companhia B, que, num mercado competitivo, tem uma probabilidade alta de queda constante de rentabilidade.
A qualidade dos números apresentados para o board para sustentar uma decisão são completamente diferentes quando comparamos as duas empresas
Na empresa A as reuniões são muito mais produtivas, cada área pode cruzar dados, construir as suas analises, as discutir e construir consensos. Não há incentivo para esconder números, dados de qualidade são apresentados para o board que pode rapidamente e eficazmente responder a qualquer mudança em condições de mercado ou tendências dos consumidores.
O mesmo não se aplica para a empresa B. Na empresa B a probabilidade de decisões erradas é alta e várias decisões sem fundamento podem influenciar decisivamente lucros futuros.
SOBRE O AUTOR(S)
