10 razões pelas quais sua organização ainda não é orientada a dados

Quer você ame ou odeie o termo “orientado por dados”, é algo que a maioria das empresas deseja se tornar. Essencialmente, significa que sua empresa é orientada a tomar decisões estratégicas e táticas com base em dados, em vez de opinião ou instinto. Em alguns casos, isso pode até significar que as ações são realizadas de maneira automatizada, sem intervenção humana (por exemplo, recomendações de produtos, aprovações de empréstimos e assim por diante).

Se preferir pode-se dizer “orientado por insights”, “informado por dados” ou alguma outra variação, a intenção é a mesma – tomar melhores decisões e otimizar o desempenho de seus negócios adotando totalmente os dados. Hoje, a maioria das empresas usa dados de alguma forma para a tomada de decisões, mas muitas não podem alegar que são totalmente “orientadas por dados”. Na verdade, na pesquisa anual de executivos da NewVantage Partners, apenas 24% disseram ter “criado uma organização baseada em dados”. Ser orientado por dados significa que você se inclina para os números e confia neles mesmo quando não é fácil ou conveniente fazê-lo. Se você é uma organização orientada por dados, desenvolveu uma cultura de dados que permeia toda a empresa – não apenas no nível executivo ou em certas áreas funcionais.

De acordo com a pesquisa NewVantage, 99% das empresas investiram em iniciativas de dados e 92% relataram que o ritmo de investimento está se acelerando. Se essas estatísticas são representativas da realidade, por que não estamos vendo mais organizações baseadas em dados? Claramente, a maioria das empresas está fazendo investimentos significativos em análise, inteligência de negócios e outras tecnologias de dados. Curiosamente, a pesquisa NewVantage identificou que o principal desafio para se tornar orientado por dados não era a tecnologia (7,8%), mas as pessoas, processos de negócios e aspectos culturais (92,2%). Aprofundando-me nesta última área, compartilharei 10 motivos comuns pelos quais sua organização ainda não é orientada por dados:

1. Baixo incentivo do executivo ou adesão

Se eu olhar para as centenas de empresas com as quais tive a oportunidade de trabalhar ao longo da minha carreira de consultoria de análise, o incentivo executivo e a adesão sempre foram os principais determinantes para saber se uma organização estava no caminho para se tornar orientada por dados ou não. Em uma pesquisa de executivos da McKinsey em 2016, foi visto como o maior fator que contribui para o sucesso da análise. Se os principais tomadores de decisão em sua organização não estão comprometidos em abraçar os dados, como você convencerá todos os outros a fazê-lo? Sua empresa deve ter executivos e gerentes que possam liderar pelo exemplo e não apenas divulgar as iniciativas de dados da boca para fora ou, pior, desconsiderar os dados abertamente. Em uma pesquisa Talend de 2021, 36% dos executivos estavam dando o exemplo errado ao confiar na intuição para tomar a maioria de suas decisões.

2. Falta de alinhamento estratégico

Na pesquisa NewVantage, apenas 30% das empresas relataram ter uma estratégia de dados bem articulada. Se sua meta é gerar melhores resultados de negócios com dados, o que está sendo medido e relatado por seus sistemas de análise deve estar estreitamente alinhado com sua estratégia de negócios Sem uma estratégia de dados bem definida, é mais provável que as pessoas não tenham os dados relevantes e úteis de que precisam para suas funções e responsabilidades. No momento em que os dados não estão vinculados aos seus principais objetivos de negócios ou prioridades, você convida as pessoas a tomarem decisões importantes sem eles.

3. Dados de baixa qualidade

Em um estudo da Accenture, apenas 33% das empresas relataram que confiavam “em seus dados o suficiente para usá-los com eficácia e obter valor deles”. É difícil fazer muito progresso com suas iniciativas de dados quando as pessoas não acreditam nos números devido a problemas de qualidade de dados. Embora os dados nunca sejam perfeitos, as pessoas precisam ter um certo nível de confiança de que os dados subjacentes refletem com precisão o que está acontecendo. Se você vê seus dados como um ativo de negócios, mas não aborda os problemas contínuos de qualidade de dados, não se surpreenderá quando os dados não estiverem sendo usados ​​regularmente.

4. Nenhuma versão única da verdade

Em um relatório de 2019 da Arm Treasure Data, 47% dos profissionais de marketing indicaram que seus dados eram “isolados e de difícil acesso”. Se é difícil obter uma imagem consolidada dentro de um único departamento, pode ser ainda mais difícil estabelecer uma única versão da verdade em toda a empresa. Quando diferentes indivíduos e equipes são deixados para definir sua própria verdade, isso pode levar à confusão e à falta de coesão. Ninguém tem certeza de quais números são os “corretos”. Como resultado, a organização não pode garantir que seu pessoal esteja puxando na mesma direção.

5. Fraca alfabetização em dados

Se a maior parte de sua força de trabalho não se sente confortável em trabalhar com dados, você só os verá sendo usados ​​esporadicamente, na melhor das hipóteses. Uma pesquisa da Qlik / Accenture revelou que apenas 21% dos trabalhadores estavam totalmente confiantes em suas habilidades de alfabetização de dados, que podem ser definidas como a capacidade de ler, entender, questionar e trabalhar com dados. Embora os funcionários tenham cada vez mais dados ao alcance das mãos, 74% expressaram que se sentem sobrecarregados ou infelizes ao trabalhar com dados. Sem amplo treinamento e suporte, as pessoas lutarão para abraçar algo que não entendem e consideram intimidante.

6. Ferramentas difíceis de usar

Depois de fazer um investimento significativo em uma plataforma de análise que deveria tornar os dados mais acessíveis, a última coisa que você quer ouvir é que os usuários não os estão usando. Em um estudo da Deloitte, 67% dos gerentes e executivos relataram que não se sentiam confortáveis ​​acessando ou usando dados de suas ferramentas analíticas. Quer seja um ajuste de tecnologia ou um problema de treinamento, o uso da ferramenta não deve ser limitado apenas a analistas e cientistas de dados. Para construir uma cultura de dados inclusiva, você precisa de ferramentas de dados que tornem a experiência de dados convidativa e amigável, não imponente e difícil.

7. Fluxos de trabalho de dados separados

Se suas ferramentas de análise não estiverem integradas aos processos de negócios existentes de seus funcionários, eles não terão tanta aceitação. Em uma entrevista à McKinsey, Cameron Davies, ex-chefe de Ciências de Decisão Corporativa da NBCUniversal, disse que sua equipe de análise identificaria “lugares onde as pessoas já estão tomando decisões”. Sua equipe, então, “revisaria os processos que eles usam e tentaria identificar as lacunas nos dados disponíveis ou a quantidade de tempo e esforço necessários para obter os dados necessários para fazer uma avaliação, insight ou decisão”. Ao integrar as ferramentas aos fluxos de trabalho existentes das pessoas, os dados se tornam uma extensão mais natural de seu trabalho e não uma responsabilidade ou tarefa extra.

8. Colaboração inadequada

Se as ferramentas analíticas forem implementadas com apenas um envolvimento mínimo do lado do negócio, elas não irão gerar tanta adesão, alinhamento ou senso de propriedade. Em uma pesquisa TechRepublic, 27% dos entrevistados sentiram que “um foco mais nítido em casos de uso de negócios agregaria valor”. As equipes analíticas e de negócios devem colaborar em soluções para garantir que suportem as necessidades reais dos negócios. Além disso, a equipe de análise deve estar envolvida desde o início do processo, para que a medição seja um componente central de cada projeto – não apenas uma reflexão tardia.

9. Recursos analíticos insuficientes

Em uma pesquisa da McKinsey, as organizações que tiveram um desempenho insatisfatório com suas análises disseram que seu maior desafio era “projetar uma estrutura organizacional adequada para apoiar as atividades de análise”. Sem um nível adequado de suporte, os usuários de negócios terão dificuldade em interpretar os dados e aproveitar os recursos das ferramentas de análise. No estudo Closing the Data Value Gap da Accenture, mais da metade das empresas descobriu que era difícil contratar e reter o talento de dados de que precisavam. Sem um compromisso sério de se tornar orientado por dados como uma organização, seu talento analítico pode ficar impaciente e partir para pastos de dados mais verdes.

10. Gestão deficiente da mudança

Para a maioria das empresas, tornar-se orientado por dados requer uma mudança significativa na mentalidade e nos comportamentos existentes das pessoas. Infelizmente, muitas vezes não é dada atenção suficiente à preparação de gerentes e funcionários para a transição para uma cultura mais baseada em dados. Por exemplo, as empresas podem ignorar o papel importante que a comunicação desempenha na introdução de tal mudança. Dedicar um tempo para explicar o WIIFM (“O que isso traz para mim?”) Pode ajudar a superar a resistência potencial aos dados ou análises. Um estudo da McKinsey de 2015 descobriu que as empresas que investiram em uma abordagem de gerenciamento de mudança rigorosa relataram uma taxa de sucesso de 79% – três vezes a média de todas as outras iniciativas.

Depois de compartilhar esses 10 possíveis obstáculos que podem estar impedindo sua organização de se tornar mais orientada a dados, você pode questionar se vale a pena o esforço para fortalecer a cultura de dados de sua organização. A resposta é claramente sim. Em uma pesquisa da Deloitte de 2019, empresas com fortes culturas baseadas em dados relataram que tinham duas vezes mais chances de exceder as metas de negócios nos últimos 12 meses em comparação com aquelas com culturas de dados mais fracas (48% contra 22%).

Não existem atalhos fáceis para a criação de uma cultura de dados forte em sua organização. Isso exigirá tempo, esforço e comprometimento. No entanto, com uma visão e um plano claros, qualquer empresa pode aprender gradualmente como abraçar os dados – coletivamente. Não há melhor hora para começar do que agora. Como disse o ex-CEO da GE, Jack Welch, “Mude antes de precisar” e eu acrescentaria – antes que seja tarde demais.

Autor: Brent Dykes
Fonte: Forbes (https://bityli.com/2LXjs)

 

Inscreva-se em nossa newsletter
Crie, treine e implemente modelos de Machine Learning. Ganhe produtividade em sua equipe!