R E L AT Ó R I O

Além da tecnologia:
Criando valor comercial
com Data Mesh

Patrocinado por
P E R S P E C T I VA D O PAT R O C I N A D O R

Houve um enorme avanço no setor de dados e inteligência analítica nas

últimas duas décadas. O crescimento dos dados disponíveis, tanto em
termos de volume quanto de diversidade de fontes, tem sido exponencial,
e as empresas que conseguem utilizar esses dados de maneira eficaz,
usando análises avançadas e inteligência artificial (IA), obtêm uma
vantagem significativa sobre sua concorrência.

No entanto, as organizações que realmente experimentam esses

benefícios permanecem sendo a minoria. Para o restante, a promessa
da IA e da ciência de dados permanece ilusória e até mesmo relatórios John Spens
operacionais eficazes podem ser um desafio. Apesar dos investimentos Diretor, Dados e IA
contínuos em iniciativas de gestão de dados e nas tecnologias mais Thoughtworks
recentes, essas organizações continuam a ter dificuldades com o primeiro
passo: habilitar profissionais a encontrar e consumir os dados de que
precisam para tomar melhores decisões e entregar valor com sucesso.

Essa dificuldade em dar o primeiro passo nos leva a uma pergunta

importante: Por que fornecer acesso seguro e confiável a dados de alta
qualidade continua sendo tão difícil?

A resposta surpreendente é que, na maioria das vezes, a tecnologia não é

o problema central. Em vez disso, a maioria das empresas descobre que os
problemas operacionais e organizacionais que enfrentam são os maiores
impedimentos. Superar esses desafios exige que a empresa mude a forma
como percebe o valor dos dados, como as partes interessadas da empresa
veem suas respectivas responsabilidades pela gestão eficaz dos dados e
como as equipes de gestão de dados operam para apoiar os negócios.

Data mesh, ou malha de dados, é a nova abordagem para criar soluções

de dados que buscam enfrentar esses desafios, aplicando práticas
organizacionais e de engenharia modernas. Ao adotar os princípios e
práticas da malha de dados, as organizações de TI conseguem responder
mais rapidamente às necessidades de dados em evolução da organização
e colaborar de maneira mais eficaz com parceiras comerciais para
criar insights.

Patrocinamos esta pesquisa, feita pela Harvard Business Review Analytic

Services, para compartilhar as experiências de líderes de negócios e de
tecnologia à medida que buscam fornecer insights estratégicos para
otimizar seus respectivos negócios e proporcionar melhores experiências
para clientes. Exploramos os desafios que enfrentam na criação de valor
dos seus respectivos dados e o impacto de adotar o paradigma da malha
de dados para enfrentar esses desafios.

Em nossa economia digital, a capacidade de produzir, compartilhar e agir

com base em inteligência comercial é imprescindível para o sucesso da
organização. Continue lendo para descobrir as principais estratégias para
obter sucesso com a malha de dados.
Além da tecnologia:
Criando valor comercial
com Data Mesh

Transformar dados em insights acionáveis para

melhores resultados de negócio tem sido o objetivo D E S TAQ U E S

das organizações há mais de uma década. A pandemia

ressaltou ainda mais a necessidade da transformação Para que uma organização se torne
orientada por dados, assim como revelou a importância orientada por dados e habilite as
de ter visibilidade das cadeias de fornecimento. As equipes comerciais com insights
acionáveis, os dados precisam se
empresas podem se beneficiar exponencialmente do tornar um produto, essencialmente
uso de dados para entender com mais precisão as um conjunto de dados que é
consumível por qualquer pessoa na
necessidades e expectativas de clientes e profissionais. organização.
As empresas estão fazendo os investimentos necessários em tecnologias de análise
de dados e conjuntos de habilidades para permanecer competitivas e impulsionar
o crescimento. De acordo com um estudo de 2022 da Foundry, 55% das lideranças A malha de dados é uma abordagem
responsáveis pela tomada de decisão de TI planejam aumentar o investimento federada para a gestão de dados,
em orçamentos focados em dados nos próximos 12 a 18 meses.1 O mesmo estudo ao contrário das abordagens
descobriu que essas empresas gastarão uma média de US$ 12,3 milhões no centralizadas mais tradicionais, nas
próximo ano em iniciativas orientadas por dados, inclusive custos com softwares,
quais os dados ficam em armazéns
ou lagos de dados e são controlados
serviços, treinamento, consultoria e outros gastos relacionados.
por um departamento central de TI.
O sucesso das empresas com a análise de dados dependerá da maneira como
abordarão essas transformações. Para muitas pessoas, a TI é a administradora
dos dados, mas esse nem sempre é o caminho mais eficaz para que a empresa
seja totalmente orientada por dados. “Muitas iniciativas de análise de dados O sucesso da malha de dados
não produzem resultados de negócio satisfatórios porque, com a arquitetura depende da capacidade da
de dados tradicional, as equipes de TI centralizadas atuam como guardiãs dos organização de engajar lideranças
dados”, diz Daniel J. Abadi, professor de ciência da computação no College Park, executivas de tecnologia e de
Md., com sede na Universidade de Maryland. “As equipes de TI são especialistas negócios e mudar a infraestrutura
social da organização.
em ferramentas de gestão de dados, mas não nos dados em si.” Neste sistema de
dados centralizado, a tecnologia é considerada uma meta e não uma facilitadora
para alcançar resultados de negócio – concentra-se nas saídas das iniciativas
orientadas por dados e não em seus resultados.
Nos últimos anos, as organizações têm se voltado para uma nova abordagem
de gestão de dados, chamada “data mesh”, ou “malha de dados” em português.

Relatório | Além da tecnologia: Criando valor comercial com Data Mesh

1
 Harvard Business Review Analytic Services

“Muitas iniciativas de análise de dados não produzem resultados de

negócios satisfatórios porque, com a arquitetura de dados tradicional,
as equipes de TI centralizadas atuam como guardiões dos dados”, diz
Daniel J. Abadi, professor de ciência na Universidade de Maryland.

A malha de dados é uma abordagem federada para a gestão
de dados, ao contrário das abordagens centralizadas mais
tradicionais, nas quais os dados ficam em armazéns ou lagos
de dados e são controlados por um departamento central de TI.
Com a malha de dados, o controle e a propriedade dos dados
são acessíveis a diferentes domínios em toda a organização
e esses domínios são responsáveis por lidar com os dados e
seguir as regras de governança de toda a organização. Com
essa abordagem, os dados são tratados por equipes de outras
funções além da TI, mais próximas dos negócios, para que os
dados sejam mais adequados às necessidades empresariais.
A essência da malha de dados é que ela coloca clientes em
primeiro lugar e se concentra nos dados gerando resultados,
e não saídas. Assim como com qualquer outro produto no
mercado, o valor do produto de dados, ou conjunto de dados,
depende dos consumidores de dados precisarem e usarem esse
conjunto de dados. Essa abordagem federada visa diferentes
resultados e segue vários processos e fluxos de trabalho, em
oposição às abordagens centralizadas tradicionais; portanto,
exige a criação de novas funções, equipes, responsabilidades e
prestação de contas. O maior impacto da malha de dados está
na responsabilidade pelos dados, que reside em domínios de
negócios em vez da TI.
O sucesso da malha de dados depende da capacidade da
organização de engajar lideranças executivas de tecnologia e
de negócios e mudar a própria infraestrutura social. “Minha
recomendação é abordar a malha de dados com a mentalidade
70/20/10. Deve-se colocar 70% do foco na gestão de mudanças,
20% em dados e tecnologia e 10% em modelos e IA”, afirma
Sanjeevan Bala, diretor de dados do grupo e diretor de IA da ITV,
rede de televisão aberta com sede em Londres, Reino Unido.
Este relatório discute os benefícios de adotar uma abordagem
descentralizada para os dados e as desvantagens de um sistema
centralizado de gestão de dados. Explora como as empresas
estão implementando a malha de dados, quais desafios estão
enfrentando e como os superam. O relatório também se
concentra em como formar equipes de malha de dados e na
melhor forma de criar e monitorar métricas.
Uma abundância de dados
Os dados são, sem dúvida, um ativo estratégico. Os dados podem
ajudar a responder a dúvidas importantes que as lideranças
responsáveis pela tomada de decisão têm sobre a melhor forma
de desenvolver suas respectivas organizações, inclusive quais
produtos clientes estão comprando e o nível de satisfação com
esses produtos, bem como se o quadro de pessoas é produtivo
e engajado. Os dados também podem responder a perguntas a
respeito da confiabilidade das cadeias de fornecimento e como
será a demanda no futuro.
Insights extraídos a partir dos dados têm o potencial de
impulsionar a vantagem competitiva das empresas e estimular
o crescimento, melhorando os processos empresariais internos
(50%), conhecimento e relacionamento com clientes (46%) e o
atendimento a clientes (43%), de acordo com o estudo da
Foundry. FIGURA 1
Mas, para muitas organizações, a dificuldade em lidar com
a abundância de dados as impede de usá-los como ativos
estratégicos, porque não conseguem transformar os dados
em insights e derivar seu respectivo valor comercial ideal. O
volume de dados está aumentando em 63% ao mês nas grandes
organizações (com pelo menos mil pessoas empregadas) e o
número médio de fontes de dados por organização é 400, com
um quinto das organizações extraindo de mil fontes de dados
ou mais.2 Essas fontes de dados podem ser estruturadas ou
não estruturadas; internas ou externas; brutas ou formatadas;
e visuais, transacionais ou coletadas por sensores incorporados
em máquinas, entre outros tipos.
FIGURA 1
Buscando insights de negócios
Investimentos em iniciativas orientadas por dados
impulsionados pelos principais objetivos de negócio
50%
Aprimorar/automatizar processos de negócio internos
46
Melhorar os insights e o relacionamento com clientes
43
Melhorar o suporte/atendimento a clientes
43
Aprimorar/automatizar as operações de TI
36
Melhorar os produtos existentes
36
Aumentar a segurança da informação/segurança cibernética
Fonte: Foundry, 2022

Relatório | Além da tecnologia: Criando valor comercial com Data Mesh

2
 Harvard Business Review Analytic Services
A quantidade de dados não ajuda se os dados em si não
forem confiáveis. “Sem foco na governança de dados, há uma
desconfiança geral em relação aos dados porque, mesmo
que sejam de boa qualidade, podem ser usados no contexto
errado e sob suposições erradas”, afirma George Firican,
diretor de governança de dados e inteligência comercial da
Universidade da Colúmbia Britânica em Vancouver, Canadá.
“Muitas organizações estão buscando se tornar orientadas por
dados e investem cada vez mais em análise de dados, mas,
muitas vezes, não investem em uma base sólida criada pela
governança de dados.”
Talvez até as organizações que se concentram na governança
de dados, ou em um conjunto de padrões de dados internos
destinados a assegurar que os dados sejam consistentes e
confiáveis, ainda não consigam usar dados para a tomada
de decisões de negócios devido a abordagens tradicionais
e centralizadas para a gestão de dados. Normalmente, os
dados estão armazenados em armazéns (repositórios para
dados estruturados e filtrados que já foram processados para
uma finalidade específica) ou lagos de dados (repositórios
de armazenamento que contêm uma grande quantidade de
dados brutos no formato nativo até que sejam necessários para
aplicativos de análise), ambos normalmente controlados pela TI.
Os consumidores em potencial, independentemente de serem
líderes empresariais ou analistas de dados, podem não estar
totalmente cientes de quais são esses dados, como acessá-los e
entendê-los e como isso pode ser útil para expandir os negócios.
Para traders, por exemplo, passar pelo grupo central de
dados para obter insights de flutuações de preços falha no
objetivo inicial porque leva muito tempo, diz Sheetal Pratik,
diretora de engenharia e integração de dados da Adidas e
anteriormente chefe de integração de dados do Saxo Bank, banco
de investimentos de Copenhague, Dinamarca, especializado
em negociação e investimento on-line, onde Sheetal lançou
uma plataforma de autoatendimento de governança de dados.
Em um sistema centralizado, profissionais de TI têm a
responsabilidade de transformar dados para produzir insights
relevantes sem serem especialista nos domínios. É necessário
contar com especialistas no assunto para trabalhar em conjunto
nas regras sobre como transformar e governar os dados. E
as coisas nem sempre funcionam de primeira ao processar
e analisar dados ou aperfeiçoar o algoritmo. As pessoas
programadoras precisam recorrer a especialistas no assunto
para fazer ajustes, diz Sheetal. Essa exigência cria muitas idas
e vindas entre diferentes grupos trabalhando separadamente
porque cada grupo tem diferentes conjuntos de habilidades.
Atrasos e dificuldades adicionais ocorrem porque o grupo central
de TI está lidando com solicitações de toda a organização e as
solicitações para a análise de diferentes conjuntos de dados de
vários domínios ficam na fila, aguardando sua vez.
Outra desvantagem de um sistema centralizado é que pode
colocar em risco a reputação dos dados. A produção de dados
que não são confiáveis ou relevantes tem maior probabilidade
de ocorrer em um sistema centralizado porque as equipes de
gestão de dados centralizadas tendem a ficar mais desengajadas
do lado comercial e, portanto, têm menos compreensão do que os
dados significam. Quando confrontadas com dados que não são
Relatório | Além da tecnologia: Criando valor comercial com Data Mesh
3
“Os dados não agregam todo o valor
que poderiam ter devido às práticas
tradicionais de centralização de dados
corporativos em armazéns ou lagos
de dados”, diz Omar Khawaja, chefe
global de inteligência comercial e
soluções analíticas e equipes de
serviços da Roche Diagnostics.
confiáveis, lideranças executivas de negócios podem achar difícil
recuperar a confiança no uso dos dados. Isso vale até mesmo para
dados não confiáveis em modelos ou demonstrações durante
os estágios de teste.
Funções de toda a empresa precisam de acesso a ferramentas
de autoatendimento de dados. Traders, por exemplo, precisam
que insights úteis orientados por dados sejam gerados em
tempo real. Esses insights só podem ser produzidos por pessoas
que entendem as necessidades de negociação de traders.
Profissionais de marketing também precisam de ferramentas
de autoatendimento de dados para buscar insights de dados
de clientes e determinar qual conteúdo publicitário distribuir.
E profissionais de planejamento em uma fábrica que decidem
sobre os níveis de estoque ou compras de materiais precisam
dessas ferramentas para acessar dados de produção e vendas
em tempo hábil.
Não é de se admirar, então, que 83% das lideranças
responsáveis pela tomada de decisão de TI concordem que
oferecer ferramentas de autoatendimento para tornar os dados
mais acessíveis aos negócios é uma prioridade máxima, de
acordo com o estudo da Foundry.3
Mas não é assim que a geração de insights orientados por
dados funciona na maioria das organizações atuais. Quase um
terço das organizações diz que as soluções de análise de dados
estão disponíveis para todos, ou para a maioria dos usuários, mas
para acessá-los e usá-los, precisam ter habilidades especializadas
em análise de dados ou ciência da computação. Outras 41% ou
demais organizações dizem que as soluções de dados e análises
podem ser usadas somente por algumas equipes qualificadas,
como equipes de análise e departamentos de TI. Somente uma
em cada cinco (21%) tem soluções de dados e análises disponíveis
e fáceis para todos os usuários aproveitarem.4
“Os dados não agregam todo o valor que poderiam ter devido
às práticas tradicionais de centralização de dados corporativos
em armazéns ou lagos de dados”, diz Omar Khawaja, chefe
global de inteligência comercial e soluções analíticas e equipes
de serviços da Roche Diagnostics, empresa multinacional de
assistência à saúde com sede na Basileia, Suíça. “Como uma
equipe centralizada de 50 ou 100 pessoas em uma empresa que
 Harvard Business Review Analytic Services
“Minha recomendação é abordar a malha de dados com a
mentalidade 70/20/10. Deve-se colocar 70% do foco na gestão de
mudanças, 20% em dados e tecnologia e 10% em modelos e IA”, diz
Sanjeevan Bala, diretor de dados do grupo e diretor de IA da ITV.
tem 100 mil pessoas pode tornar toda a empresa orientada por
dados? Isso é viver no paraíso dos tolos.”
Habilitando pessoas com a
malha de dados
Para que uma organização se torne orientada por dados e
habilite as equipes comerciais com insights acionáveis, os dados
precisam se tornar um produto, essencialmente um conjunto
de dados que é consumível por qualquer pessoa na organização.
Assim como qualquer outro produto bem-sucedido, um produto
de dados precisa criar e atender a uma necessidade ou atender
às expectativas dos consumidores de dados, ser facilmente
acessível e oportuno.
“Os dados devem ser acessíveis, interoperáveis e reutilizáveis”,
diz Omar. “Isso significa que o produto de dados é publicado
em um marketplace de dados interno para que pessoas como
cientistas de dados, analistas de negócios ou equipes de outros
domínios possam acessar os dados. Dessa forma, poderão
gerar insights por conta própria ou usar esses pontos de dados
para criar outros produtos de dados para gerar mais insights,
conectando os pontos entre diferentes domínios.”
A malha de dados oferece uma metodologia para criar
produtos de dados. Sheetal, da Adidas, que implementou a
malha de dados enquanto estava no Saxo Bank, vê o valor da
malha de dados como a capacidade de devolver o controle
dos dados aos domínios de negócios o mesmo tempo em que
configura protocolos em toda a organização.
Com essa abordagem, as unidades de negócios tornam-se
responsáveis por como produzem e usam os dados para seus
próprios negócios, bem como pela utilidade que seus respectivos
produtos de dados terão para toda a organização. A maneira
de implementar a malha de dados, diz Sheetal, é habilitar as
equipes de negócios com tecnologia, combinando equipes
técnicas e de negócios. Dessa forma, a equipe integrada possui
todos os conhecimentos e conjuntos de habilidades necessários
para criar um produto de dados de ponta a ponta, sem precisar
fazer transferências para outras equipes.
Sanjeevan, da ITV, que começou a buscar uma abordagem
de malha de dados há dois anos, explica: “Em vez de criar
uma equipe centralizada, uma espécie de torre de marfim,
descentralizamos totalmente as equipes de tecnologia e dados
para que possam trabalhar com as unidades de negócios, na
verdade, nativas do negócio”.
A ITV já viu vários benefícios com a adoção da malha de dados.
Por exemplo, o compartilhamento de dados e a colaboração entre
as equipes de vendas e criação de conteúdo estão dando frutos
Relatório | Além da tecnologia: Criando valor comercial com Data Mesh
4
na publicidade contextual. As equipes que criam programas de
TV disponibilizaram muitos metadados, o que ajudou a equipe
de vendas a entender melhor o contexto dos programas. Quando
um determinado produto é citado em termos positivos em um
programa, isso ajuda a equipe de vendas a vender anúncios
para esse produto. Então, se há uma conversa sobre café em
um episódio de Love Island, um reality show de namoro, a
propaganda do café tem bom desempenho. “É um ajuste natural
porque não há conflito com a publicidade”, diz Sanjeevan. “A
malha de dados permitiu colaborações que não ocorriam antes.”
A velocidade está entre os principais benefícios da malha
de dados. Com a equipe de produtos de dados no controle da
produção e uso dos dados, não há dependência de nenhuma
equipe interorganizacional, o que elimina os atrasos. Os usuários
podem consumir dados em tempo real. Para a ITV, ter produtos
de dados relevantes acelerou a capacidade de ativar segmentos,
promovendo programas para espectadores direcionados (o que
levava três meses e agora leva três minutos). “Vemos a malha
de dados como uma oportunidade para saltar e acelerar nossa
transformação”, diz Sanjeevan.
A nova arquitetura social
impulsionada por valor
A malha de dados rompe com as ideias tradicionais de um
sistema centralizado e as bases da gestão de dados, o que
significa que a abordagem precisa ser adotada na cultura. “É uma
grande mudança de paradigma em termos de forma de trabalho,
mentalidade, estrutura de equipe, tecnologia e arquitetura”,
diz Omar, da Roche.
Omar explica todos os principais elementos envolvidos na
mudança para a malha de dados na Roche Diagnostics. “Em
vez de financiar projetos, financiamos equipes. Em vez de ter
somente a TI envolvida na análise de dados, temos equipes
multidisciplinares”, afirma Omar. “Em vez de fazer projetos,
falamos sobre mentalidade de produto. Em vez de trabalhar em
uma infraestrutura clássica, não escalável e no local, usamos
nossa infraestrutura de dados de autoatendimento de última
geração. Em vez de apenas criar painel após painel, falamos
sobre a criação de produtos de dados reutilizáveis.”
As equipes de produtos são responsáveis pelo ciclo de vida
desse produto de dados de ponta a ponta, acrescenta Omar. Com
a implementação da malha de dados, os silos entre a TI e outras
funções de negócios desapareceram e pessoas de diferentes
domínios integraram equipes de produtos. “Já não importa
de qual função as pessoas são, desde que sigam determinados
limites de governança de dados”, observa ele.
 Harvard Business Review Analytic Services
Na verdade, a malha de dados ajuda a resolver o desafio
perene de tentar fazer com que a área comercial entenda
as equipes de tecnologia e vice-versa. Quando pessoas com
diferentes habilidades colaboram em uma equipe de produtos de
dados, começam a se complementar. Por exemplo, um gerente
de produto de dados pode conversar com um colega de TI
sobre a disponibilidade de determinados tipos de dados e, em
seguida, discutir os possíveis usos algorítmicos desses dados
com analistas de dados e colegas de equipe que administram o
negócio. Essa abordagem faz com que a equipe saiba quais dados
tem e como usá-los para criar valor comercial antes mesmo de
começar a construir o produto de dados, explica Kevin Hong,
professor de tecnologia de negócios da Miami Herbert Business
School da Universidade de Miami.
“Uma vantagem importante da malha de dados é que
cientistas de dados incorporados nas equipes de domínio
tendem a fazer as perguntas certas sobre o que pode ser realizado
com os dados porque trabalham em estreita colaboração com
líderes de negócios”, diz Kevin. “[Dentro de uma abordagem
centralizada,] analistas de dados, muitas vezes, sabem como
analisar os dados, mas talvez não saibam o motivo pelo qual
os analisam.”
Mas, embora a malha de dados resolva muitos problemas,
essa abordagem também altera as funções e responsabilidades
das pessoas, redefine metas e responsabilidades individuais
e cruza estruturas de relatórios tradicionais. Kevin, que já
ministrou vários cursos executivos sobre análise de dados, diz
que as lideranças executivas, muitas vezes, apontam para as
jogadas de poder nas organizações como o motivo pelo qual as
iniciativas de dados não se traduzem em resultados de negócio.
Simplificando, os indivíduos guardiões dos dados que, sob um
sistema centralizado têm poder sobre os dados, com todas as
pessoas vindo até eles com solicitações, perdem esse poder
quando o controle dos dados é transferido para os domínios.
“As organizações estão fazendo muitas coisas em termos
de adoção de tecnologias de última geração para habilitar a
malha de dados. No entanto, o ponto que vejo causar grandes
problemas é [não] educar as pessoas a respeito das novas funções
e a responsabilidade que as acompanham”, diz Sheetal. Sheetal
sugere realizar workshops de treinamento e educar tanto o
lado dos negócios como o de tecnologia sobre novas formas
de colaboração.
“A comunicação [sobre novas funções e responsabilidades
com a malha de dados] é fundamental e, muitas vezes,
negligenciada”, acrescenta George Firican, da Universidade da
Colúmbia Britânica. “As políticas, processos, padrões, funções
e responsabilidades necessárias precisam ser estabelecidas
para esclarecer quem faz o quê, quando e como, mas isso não
é suficiente. A comunicação e a gestão geral das mudanças
precisam ser fortemente acopladas à governança de dados.”
O objetivo da malha de dados não é impulsionar resultados
técnicos, mas resultados de negócio. É por isso que faz sentido
que as organizações iniciem qualquer transformação de malha
de dados estabelecendo o valor de negócio que a malha de dados
gerará e engajando as lideranças executivas do negócio no
processo desde o início. Embora muitas lideranças de negócio
possam ter experiência em tecnologia, a ideia de uma mudança
para a gestão orientada por dados com a malha de dados ainda
Relatório | Além da tecnologia: Criando valor comercial com Data Mesh
5
“[Dentro de uma abordagem
centralizada], analistas de dados,
muitas vezes, sabem como analisar os
dados, mas talvez não saibam o motivo
pelo qual os analisam”, diz Kevin Hong,
professor de tecnologia de negócios
da Miami Herbert Business School da
Universidade de Miami.
está forçando uma mudança na forma como têm operado,
muitas vezes com muito sucesso, há anos.
O primeiro passo que Sanjeevan deu ao implementar a malha
de dados na ITV foi olhar para a cadeia de valor. Ele envolveu
as partes interessadas da empresa perguntando como o uso
de dados e inteligência artificial poderia mudar o que faziam
ao produzirem, promoverem, distribuírem ou monetizarem
o conteúdo. “Estávamos ajudando as partes interessadas a
reimaginar como sua respectiva parte do negócio poderia operar
de forma diferente usando dados e IA”, diz Sanjeevan.
O paradoxo da implementação da malha de dados é que,
embora, em última análise, gere valor comercial, é mais
frequentemente liderada por lideranças executivas de tecnologia
que não controlam o marketing, as vendas ou a produção. Pode
ser muito difícil para líderes de tecnologia convencer líderes
de negócio a abraçar a malha de dados, diz Sheetal Pratik, e é
comum que uma iniciativa liderada pela tecnologia atinja um
beco sem saída no nível dos negócios. “Se [a transformação da
malha de dados] passar a ser liderada pela área de negócios,
será incrível”, diz ela.
Para que a malha de dados possa ser bem-sucedida, a diretoria
deve estar envolvida. A transformação da malha de dados na ITV
fez parte da pauta de inovação da empresa para impulsionar o
crescimento e foi apoiada pelo diretor financeiro, pelo conselho
administrativo e pelo Conselho de Administração. Como foi vista
como uma mudança organizacional e cultural, em vez de apenas
uma implementação de tecnologia, o departamento de Recursos
Humanos também desempenhou um papel importante.
Para fazer com que as pessoas responsáveis pelos negócios
abraçassem a malha de dados em seus respectivos domínios,
Sanjeevan envolveu as partes interessadas certas no mapeamento
dos benefícios comerciais que poderiam ser alcançados com a
malha de dados. Ele usou uma “árvore de valor”, que mostrou
quais produtos de dados levam aos resultados de negócios
desejados da organização. Por exemplo, um produto de dados
que poderia ajudar a prever quantos e quais espectadores
provavelmente abandonarão e do que depende a taxa de
abandono ajudaria a informar o lado comercial sobre quais
mudanças fazer para reter espectadores e, em última análise,
proteger a receita.
 Harvard Business Review Analytic Services

“O maior desafio para ter sucesso com a malha de dados é criar

um marketplace de dados interno com produtores de dados e
consumidores de dados”, diz Sandra Cannon, a primeira diretora de
dados da Universidade de Rochester e consultora de gestão de dados.

A ITV cria grupos de controle em relação à experimentação
de produtos de dados da organização para provar o valor
gerado pelo uso de produtos de dados. Os grupos de controle
permitem que a empresa entenda quais produtos de dados estão
funcionando e quais dos principais indicadores de desempenho
(Key Performance Indicators, KPIs) orientados por dados
levam aos resultados de negócios desejados. “A empresa sabe
qual alavanca usar para afetar os KPIs internos, como a meta
mensal de usuários ativos ou metas de horas de visualização
ou abandono, e como esses KPIs internos orientados por dados
afetam as receitas”, diz Sanjeevan. “Foi assim que colocamos a
área de negócios do nosso lado.” A equipe de Sanjeevan agora
se encontra na invejável posição de ser solicitada por outras
lideranças executivas de negócio para ajudar na abordagem
de malha de dados a fim de expandir suas respectivas linhas
de negócio.
Outras empresas também tiveram sucesso significativo com
a malha de dados. Na Roche, os dados usados pelas equipes
de planejamento de fabricação agora estão disponíveis
todos os dias, e não mais todos os meses ou trimestres. Após
implementar a malha de dados e, assim, eliminar os criadores
de dificuldades de um sistema centralizado, a organização
agora pode produzir insights acionáveis a partir dos dados
muito mais rapidamente. Os produtos de dados destacam
detalhes atualizados dos diferentes materiais necessários
no estoque. E o acesso a insights de dados oportunos leva a
economias na manutenção do estoque de materiais e maior
eficácia no processo de fabricação. Apenas no ano passado, uma
redução nas exigências de segurança de ações, habilitada pelo
uso de dados atualizados de ações, gerou economia em termos
de investimento de capital.
Criando um marketplace eficaz para
produtos de dados
“O maior desafio para ter sucesso com a malha de dados é
criar um marketplace de dados interno com produtores de
dados e consumidores de dados”, afirma Sandra Cannon, a
primeira diretora de dados da Universidade de Rochester, N.Y.,
EUA, e agora consultora de gestão de dados para organizações
governamentais e sem fins lucrativos. “Você precisa ter certeza
de que tem os incentivos certos incorporados às funções e
responsabilidades das pessoas que estão fazendo todo o trabalho.
Você precisa abordar a questão dos ganhos que elas obterão.”
Grande parte do trabalho envolvido na criação de produtos de
dados está relacionada à governança de dados. “A governança
de dados é o maior empecilho para a malha de dados. Se você
não fizer isso corretamente, a malha de dados não funcionará”,
diz Daniel Abadi, da Universidade de Maryland, que realiza
pesquisas sobre arquitetura e implementação de sistemas de
banco de dados.
Com a malha de dados, os padrões de gestão de dados
são distribuídos, o que significa que todos os domínios que
trabalham nos produtos de dados precisam segui-los. O primeiro
passo é criar padrões que sejam distribuíveis e aplicáveis em
toda a organização. Esta etapa requer a criação de um padrão
de gestão de dados mestre que descreva definições e regras
padrão, uma linguagem de dados comum, por assim dizer, para
assegurar que as coisas não se percam com a transmissão entre
os domínios, explica Daniel.
O próximo passo é assegurar que as equipes de dados
mantenham esses padrões em seus respectivos produtos. “Criar
dados consistentes requer muito trabalho dos produtores de
produtos de dados upstream”, diz Daniel. Quando, por exemplo,
uma empresa norte-americana e uma europeia se fundem, os
produtos de dados que envolvem os preços da empresa recém-
combinada precisam ser compatíveis. No entanto, as diferentes
moedas podem significar que os conjuntos de dados não podem
ser combinados automaticamente. O preço precisa ser convertido
e limpo com precisão para que, quando os consumidores de
dados consultarem diferentes produtos de dados, inclusive os
preços, obtenham informações corretas. E diferentes funções
dentro de ambas as empresas podem exigir diferentes pontos
de dados. O departamento financeiro da organização como um
todo pode precisar dos preços convertidos em vendas gerais
do projeto, mas os departamentos de marketing em diferentes
países podem precisar dos preços nas moedas locais, com ou
sem descontos, para estabelecer como personalizar programas
de fidelidade para clientes.
Para incentivar e recompensar os produtores de dados, é
necessário monitorar todas as contribuições dos produtores nos
produtos de dados, observa Daniel. Como muitos dos produtos
incorporam outros elementos de dados e são reembalados como
novos produtos, a maioria das equipes de dados é consumidora e
produtora de dados. Consomem os produtos de dados upstream
e produzem novos, que são consumíveis downstream. Por
exemplo, a equipe de dados upstream poderá monitorar as
operações, enquanto uma equipe downstream poderá pegar
esse produto de dados e adicionar outros dados, como locais
ou identidades de clientes, e torná-lo mais valioso.
“Se você criar novos produtos de dados com referências aos
conjuntos de dados originais, saberá de onde os dados vêm e,
se o produto for valioso, saberá quem recompensar”, diz Daniel.
“Consequentemente, os produtores serão incentivados e criarão
mais produtos, o que facilitará a vida de outras pessoas.”

Relatório | Além da tecnologia: Criando valor comercial com Data Mesh

6
“A empresa sabe qual
alavanca usar para afetar
os KPIs internos, como a
meta mensal de usuários
ativos ou metas de horas de
visualização ou abandono,
e como esses KPIs internos
orientados por dados
afetam as receitas. Foi
assim que colocamos a área
de negócios do nosso lado.”
Sanjeevan Bala, diretor de dados do
grupo e diretor de IA da ITV.
 Harvard Business Review Analytic Services

“A tecnologia é um facilitador importante, mas sem o foco nas

pessoas, as iniciativas orientadas pela tecnologia serão prejudicadas”,
diz Omar Khawaja, da Roche Diagnostics.

Inovação de ponta com a malha de dados
A malha de dados tem o potencial de ajudar as empresas a terem
sucesso nas transformações digitais destinadas a torná-las
orientadas por dados, pois aborda a necessidade de transformar
a arquitetura social ao implementar a arquitetura tecnológica.
Mas a malha de dados pode trazer desafios que as organizações
precisam estar prontas para enfrentar.
Tradicionalmente, as empresas têm se concentrado na
tecnologia sem prestar atenção suficiente à gestão de mudanças e
é por isso que tantas transformações digitais falharam. “Embora
escolhas corretas de tecnologia habilitem as equipes a trabalhar
na malha de dados, não comece com a tecnologia”, afirma Omar
Khawaja. “A tecnologia é um facilitador importante, mas sem
o foco nas pessoas, as iniciativas orientadas pela tecnologia
serão prejudicadas.”
Sanjeevan Bala aconselha iniciar a implementação da malha
de dados com o valor de negócio e foco na “última etapa”,
que é quando os consumidores de dados colocam o produto
de dados “nas mãos”. Este momento da verdade revela se
os produtos de dados criados são úteis. Antes de começar a
construir modelos, as organizações precisam assegurar que
profissionais de marketing, operação, planejamento e outras
linhas de negócios tenham ferramentas de autoatendimento
fáceis para acessar os modelos. Essas pessoas também precisam
estar envolvidas no processo para assegurar que os modelos
produzirão resultados de negócios.
É importante que as organizações criem um marketplace
de produtos de dados funcional. Um marketplace eficaz pode
ser alcançado por meio da promoção de uma relação saudável
entre produtores e consumidores de dados com base em um
sistema de incentivos, no qual todos que produzem valor são
recompensados. As organizações devem configurar os incentivos,
oferecer plataformas de tecnologia de autoatendimento e
promover a colaboração das equipes de uma forma que permita
que cada vez mais pessoas se tornem produtores de dados de
valor agregado.
Adotar uma “abordagem iterativa e parcial”, diz Sanjeevan,
o que significa trabalhar com pequenas partes gerenciáveis de
infraestrutura e pequenas quantidades de dados e desenvolver
esses casos de uso parciais de ponta a ponta. Após demonstrar
o valor desses primeiros casos de uso, as organizações podem
criar a partir daí. Embora o início da malha de dados possa ser
baseado em uma estratégia de fatia fina, Sanjeevan vê o potencial
da malha de dados não apenas em toda a empresa, mas também
cruzando os limites entre empresas e setores.
“À medida que diferentes organizações permitem a malha
de dados, isso nos permitirá usar dados em todos os setores.
Com a hiperconectividade subindo um nível e cruzando
setores, poderemos liderar grandes quantidades de inovação”,
diz Sanjeevan.

Notas finais

1 Foundry, “Data & Analytics Study” (Estudo de dados e análises), 2022.

2 IDG Market Pulse Survey, “Optimizing Business Analytics by Transforming Data in the Cloud” (Pesquisa de satisfação de mercado da IDG, “Otimizando a
análise de negócios ao transformar dados na nuvem”), 2022.
3 Foundry, “Data & Analytics Study” (Estudo de dados e análises), 2022.
4 Ibid.

Relatório | Além da tecnologia: Criando valor comercial com Data Mesh

8
SOBRE NÓS

A Harvard Business Review Analytic Services é uma unidade de pesquisa comercial

independente dentro do Harvard Business Review Group, que realiza pesquisas e
análises comparativas sobre importantes desafios de gestão e oportunidades de
negócios emergentes. Buscando fornecer insights de inteligência de negócio e de
grupos de pares, cada relatório é publicado com base nos resultados da análise e
da pesquisa quantitativa e/ou qualitativa originais. As pesquisas quantitativas são
conduzidas com o Conselho Consultivo da HBR e o painel de pesquisa global da
HBR, e as pesquisas qualitativas são conduzidas com lideranças executivas seniores
e especialistas no assunto de dentro e fora da comunidade de autores da Harvard
Business Review. Envie um e-mail para hbranalyticservices@hbr.org.

hbr.org/hbr-analytic-services

Copyright © 2022 Harvard Business School Publishing. MCCRE32170922