Método, o fator Crítico de sucesso de projetos de analytics – Por que a Aquarela desenvolveu a DCM?

Em um cenário com muita tecnologia, conectividade e profissionais letrados em programação, bancos de dados e visualização de dados, sistemas de informação e tecnologia da informação, ainda questiona-se o porquê, mesmo com toda essa base, os resultados em projetos de Analytics e IA não são garantidos e as estatísticas apontam para:

• 96% dos projetos de IA, Data & Analytics não atingem os objetivos. Ou seja, apenas 4% funcionam (Gartner);
• Mais de 60% dos gestores de 2000 empresas não confiam em seus dados (KPMG);
• Desconhecimento de boas práticas e métodos específicos para dados, além de uma enorme dificuldade em formar times de alto desempenho por longos períodos (Aquarela Analytics).

Neste texto vamos falar dos processos de orquestração das análises, que é o método empregado. Em essência, metodologia é o “percurso para a jornada de concretização de um objetivo”.

Gestão do conhecimento

A humanidade sempre empregou metodologias rudimentares para transmitir conhecimento ao longo das eras, inaugurando esse processo após a invenção mais significativa de nossa história: a escrita. 

Basicamente, o que nos diferencia de primatas e hominídeos históricos que ficaram pelo caminho do processo evolutivo, é nossa capacidade de documentar o conhecimento adquirido ao longo do tempo e transmiti-lo a uma nova geração, que fará o mesmo com a próxima e assim por diante – não dependendo de mitos, histórias, canções ou da memória dos mais antigos para lembrar experiências e aprendizados do passado.

“Se eu vi mais longe, foi por estar sobre ombros de gigantes“

Essa frase de Isaac Newton e da metáfora dos anões estarem sobre ombros de gigantes, em latim: “nanos gigantum humeris insidentes”, expressa o significado de “descobrir a verdade a partir das descobertas anteriores” e resume parte fundamental da metodologia científica que é o uso de fontes confiáveis e revisadas por pares.

Não há conhecimento que emerja do éter e nenhuma descoberta é feita por uma mente única e iluminada. Se a humanidade ultrapassou as fronteiras físicas para conectar todo o mundo, foi devido à nossa excepcional capacidade de criar métodos confiáveis para transmissão de conhecimento ao longo do tempo. 

Qual a relação da Gestão do conhecimento com analytics e IA? 

A gestão do conhecimento é bastante dinâmica e pode ocorrer por diversas mídias, desde uma anotação no papel até a digitalização total do processo produtivo. No mundo digitalizado, estamos falando sobre a gestão do conhecimento baseada em sistemas de informações (bancos de dados e redes de computadores), onde começam alguns sintomas que ajudam a enquadrar cenários analíticos em escalas de maturidade analítica. Podemos definir essa maturidade a partir de informações como:

• Nível de coleta de informações para análises posteriores;
• Infraestrutura de tratamento e indexação das informações digitalizadas;
• Integração das informações em processos de harmonização de indicadores;
• Mapeamento e execução de processo;
• Separação conceitual dos sistemas transacionais com sistemas analíticos (mais informações).

O ponto mais importante aqui é que uma boa gestão ou governança dos sistemas de informação é determinante para um alto nível de gestão do conhecimento. Além disso, também é uma base sólida para projetos de analytics e IA, os quais precisam de dados de qualidade, estratégias calibradas com base em estatística e, por fim, um alto grau de comunicação entre os times envolvidos. 

Demanda por métodos dinâmicos para IA e Analytics

Mesmo em empresas com alto investimento em pessoal qualificado e tecnologia de ponta, ainda existem grandes lacunas de informação para tomada de decisão e dificuldade para transformar o conhecimento empírico, da experiência dos profissionais, em regras e processos. Por consequência, todo conhecimento e aprendizado adquirido ao longo do tempo fica retido na memória das pessoas, que eventualmente saem dos projetos e levam consigo a expertise adquirida, deixando essa lacuna de conhecimento em processos vitais para as empresas.

Neste cenário, Scrum ou Kanban, são metodologias que permitem maior flexibilidade, colaboração contínua e entrega incremental de valor, sendo mais alinhadas com a natureza dinâmica e interativa dos projetos de analytics. Porém, não atendem às necessidades dos projetos de analytics em sua completude. 

Por essa razão, a DCM (Data Culture Methodology) se tornou uma metodologia muito aderente para desafios de dados por incluir processos de comunicação eficiente entre times de negócio, de tecnologia da informação, usuário final e, principalmente, a visão da ciência de dados (métodos científicos de testes) para projetos de IA e análise de dados, que adiciona valor aos métodos tradicionais ao avaliar e propor mudanças e novos processos.

Para estes cenários, foram criados processos de estabelecimento de uma cultura data-driven com base em três pilares fundamentais:

• Pessoas treinadas e aptas para registrar as informações, acessá-las de acordo com seus perfis e nível de sigilo da informação;
• Processos definidos para imputar informações de maneira correta, sem sobreposições ou lacunas de responsabilidades sobre as informações entre todos os departamentos;
• Tecnologia de fácil uso para registro de informações, integração e automação dos processos respeitando níveis de permissionamento e decisão.

Esses conceitos envolvem um profundo uso de dados estratégicos e operacionais, que podem ser de fontes internas ou externas à organização, necessitando de constante manutenção dessas fontes de dados em um ambiente organizado e pronto para consumo – chamado no mercado de dados de “Data Lake” ou “Data Warehouse” estratégico. 

Uma dica para o mapeamento e visibilidade da estratégia completa em apenas uma página é o Analytics Business Canvas (Download gratuíto), componente da DCM, que permite que os times de negócio, tecnologia e analytics possam se comunicar de forma eficiente. 

Conclusão – Método, o fator Crítico de sucesso de projetos de analytics

Diferente de projetos de TI tradicionais, que visam automatizar e suportar operações de negócios com Velocidade e Segurança, os projetos de analytics apresentam outro viés (não melhor, nem pior, mas diferente), no qual o objetivo é a extração rápida de padrões, com base científicas a partir das bases analíticas, para tomadas de decisão que podem ser aplicáveis desde a previsão de acontecimento e simulação de cenários até a recomendação de preços de forma dinâmica (Precificação Dinâmica).

Porém, como mencionado anteriormente, a falta de uma metodologia específica para projetos de IA e Analytics faz com que até os projetos dotados de alto investimento e mentes capacitadas acabem fracassando ou demorando muito tempo até que provem o valor investido, levando muitos diretores a desistirem ou sequer iniciarem projetos de alta complexidade. 

Voltando à frase de Sir Isaac Newton, é necessário consumir informações confiáveis de gigantes, para que o conhecimento adquirido possa levar o aprendizado de processos, erros e acertos históricos o mais longe possível. Portanto, devido ao dinamismo e ao alto volume de informações desses projetos, se faz necessária uma metodologia específica que seja ao mesmo tempo confiável e adaptável.

Em resumo, devido às diversas limitações metodológicas existentes na área de Analytics, a Aquarela desenvolveu a DCM a qual, tem uma taxa de resultados muito próxima a 100% de sucesso resultando em grandes contribuições aos negócios dos clientes. 

Consultoria Especializada em IA e Analytics

Conheça a Consultoria Especializada em IA e Analytics feita pela Aquarela, que aborda exatamente todos os pontos citados no tópico e entrega o “mapa da mina” com o passo-a-passo sobre como construir uma cultura de dados organizacional e quais tecnologias, processos e pessoas são necessários para alcançar um alto nível de maturidade analítica.