Habilitando a colaboração:

estratégias para reunir as equipes de negócios e técnica

Fevereiro de 2023

keystone.ai

Gaby Lichucki, Cate Tompkins, Ellora Sarkar, Tom Kudrle

 Tempo de leitura estimado
Resumo executivo Resumo executivo: 2 min
Relatório: 16 min

Relevância da pesquisa Resumo da pesquisa

As empresas sabem que precisam usar dados
para permanecerem competitivas. Elas estão
investindo muito em tecnologia para executar seus
negócios de forma mais eficiente e criar novas
oportunidades de receita estratégica. A sabedoria
de seus investimentos é apoiada por evidências:
nossa pesquisa mostra1 que as empresas que
adotam a tecnologia para alcançar o que vamos
chamar de "transformação de dados" experimentam
taxas de crescimento mais do que o dobro de seus
pares que estão menos comprometidos em utilizar
a tecnologia.
Mas a tecnologia por si só não é determinante para
o sucesso. Em nossas entrevistas com líderes de
empresas em vários estágios de transformação
de dados, desde aqueles que começaram a usá-los
até aqueles que começaram como nativos digitais,
descobrimos que a colaboração explícita entre
as equipes técnicas e de negócios é essencial.
Quatro princípios surgiram e são empregados
pelas empresas que promovem essa colaboração
com mais sucesso. Para maximizar as chances de
sucesso da sua organização no uso da tecnologia
para desenvolver as metas de negócios, os
seguintes princípios são recomendados:
• Estabeleça uma linguagem comum entre
as equipes de negócios e técnicas.
• Resolva o problema de negócios certo em vez
de aproveitar uma solução atraente e aplicá-la
a um problema.
• Configure a estrutura de equipe relevante
para abordar um problema específico.
• Alinhe as duas equipes em métricas de sucesso
relevantes para informar o progresso.
Usando essas estratégias, as organizações
líderes criam confiança e empatia nas equipes
multidisciplinares e atingem melhor suas metas
de inovação de dados. Para ajudar sua organização
a implantar essas estratégias, independentemente
do seu nível atual de transformação de dados,
criamos um roteiro a seguir, que está disponível
nas páginas 13 e 14.

O que queremos dizer com "transformação de dados"

Os artigos anteriores desta série descreveram as maneiras como as empresas estão usando a tecnologia
e os dados para transformar seus negócios. Coletar, compartilhar e usar dados corretamente pode impulsionar
a mudança e melhorar a performance. Como observamos no primeiro artigo desta série2, "(...) dados relevantes
e claramente compreendidos permitem decisões inteligentes e inovadoras, colocando o foco na disponibilização
de dados amplamente disponíveis e no estabelecimento de um contexto organizacional compartilhado". Em
suma, as empresas mais bem-sucedidas de hoje não restringem os dados a alguns departamentos, mas sim
a empregam em todas as suas organizações, transformando a forma como as decisões são tomadas e as
funções que os indivíduos desempenham nessas decisões.

1
Referência Democratizing Transformation in Harvard Business Review
2
Referência A cultura dos líderes de dados no Microsoft Azure

1
Introdução
À medida que as empresas se esforçam para
a transformação de dados, muitos reconhecem
que seus maiores desafios não estão no uso da
tecnologia, mas na mudança do comportamento
de seus funcionários. A transformação bem-
sucedida exige que os funcionários modifiquem
radicalmente a forma como trabalham, desde as
ferramentas que usam até a forma como tomam
decisões. Para apoiar esse esforço, as principais
organizações criam canais de colaboração
totalmente novos em toda a empresa.
Para a inovação de dados bem-sucedida,
os membros técnicos e de negócios
devem trabalhar juntos
Independentemente da indústria ou do tamanho,
quando uma empresa implanta tecnologia em
toda a organização e incentiva a colaboração
e a tomada de decisões orientadas por dados,
ela alcança uma melhor performance nos
negócios. Uma antiga pesquisa da Keystone
mostrou que uma maior "intensidade tecnológica",
ou seja, a maturidade digital, pode resultar em
empresas alcançando mais do que o dobro da
performance de receita e crescimento de seus
pares retardatários.3
Conversamos com líderes de tecnologia
e negócios em várias indústrias sobre seus
sucessos e lições aprendidas em suas jornadas
de transformação de dados. Um tema crítico
em nossa pesquisa emergiu: investir tempo
e recursos para promover a colaboração
de equipe multifuncional aumenta as chances
de permanecer dentro do orçamento, cumprir
prazos e criar o produto certo.
3
Referência Democratizing Transformation in Harvard Business Review
No entanto, a colaboração entre as equipes
técnicas e de negócios não é fácil
Os líderes técnicos e de negócios em intensidades
tecnológicas reconheceram que a colaboração
pode ser difícil. Ouvimos três desafios comuns
para promover a colaboração de equipes técnicas
e de negócios em projetos orientados por dados:
1) diferentes recursos e requisitos de função;
2) diferentes mentalidades e atitudes em relação
a dados e tecnologia; e 3) diferentes normas
de trabalho e expectativas em processos,
saídas e medidas de sucesso.
Os líderes incentivam de forma ativa
e intencional a colaboração multifuncional
Em nossas conversas com as organizações líderes
sobre os muitos desafios para a colaboração,
descobrimos quatro estratégias-chave que as
empresas empregam para terem sucesso. Embora
os contextos organizacionais e as iniciativas de
dados variem entre empresas, organizações líderes:
Estabeleça uma linguagem comum entre
as equipes de negócios e técnicas.
Resolva o problema de negócios certo
em vez de aproveitar uma solução
atraente e aplicá-la a um problema.
Configure a estrutura de equipe relevante
para abordar um problema específico.
Alinhe as duas equipes em métricas
de sucesso relevantes para informar
o progresso.
2
Desafios
Recursos diferentes
As organizações em cada nível de transformação
de dados enfrentam desafios relacionados
aos diferentes recursos de suas equipes.
Tradicionalmente, as equipes de negócios
e técnicas têm habilidades fundamentalmente
diferentes (por exemplo, codificar em Python
versus equilibrar uma demonstração de lucros
e perdas). Com diferentes ferramentas, treinamento
e expectativas, as equipes de negócios e técnicas
podem falar linguagens diferentes. No contexto
de transformação de dados, os proprietários de
empresas muitas vezes não podem expressar o que
precisam de dados, enquanto as equipes técnicas
muitas vezes não têm a capacidade de explicar
o que os dados e a tecnologia podem realizar.
Estratégia de mitigação: experimente
estabelecer uma linguagem comum
para preencher a lacuna (página 4).
Mentalidades diferentes
Mentalidades diferentes entre equipes técnicas
e de negócios apresentam desafios adicionais para
a colaboração bem-sucedida. Essas equipes têm
atitudes diferentes em relação a dados e tecnologia
(por exemplo, um profissional de TI pode se
concentrar principalmente em manter ou atualizar
a infraestrutura principal de uma organização,
enquanto um profissional de vendas pode usar
dados com moderação no dia a dia). Cada equipe
também tem diferentes incentivos e prioridades.
O descompasso de atitudes em relação a dados,
incentivos e prioridades limita ainda mais
a compreensão das equipes do que é possível
com os dados.
Estratégia de mitigação: concentre-se
em resolver o problema de negócios certo
para otimizar retornos sobre o investimento
e mesclar as duas perspectivas (página 7).
Modos de trabalho diferentes
As equipes técnica e de negócios geralmente
têm normas de trabalho distintamente diferentes,
o que torna a colaboração multifuncional mais
difícil. Novas maneiras de trabalhar associadas
a compilações tecnológicas, incluindo processos
de desenvolvimento ágil, podem resultar em
funções e responsabilidades pouco claras. Com
diferentes maneiras de trabalhar e ferramentas
para concluir seu trabalho, as equipes técnicas
e de negócios geralmente têm ideias diferentes de
como é um resultado (por exemplo, um notebook
Python versus uma apresentação do PowerPoint).
Essas diferenças nas normas de trabalho dificultam
a colaboração sem intervenção.
Estratégia de mitigação: concentre-se
em configurar a estrutura de equipe certa
e alinhar em métricas relevantes para
o sucesso (veja as páginas 9 e 11).
Importância da colaboração diante desses
desafios
Embora as empresas invistam na tecnologia
necessária para a transformação de dados, muitas
vezes ignoram a importância da colaboração
multifuncional para o sucesso. As organizações
que permitem a colaboração entre equipes técnicas
e de negócios são mais eficazes para alcançar
suas metas de inovação de dados.
3
Estratégia 1: Estabeleça uma linguagem comum

Abordagem dos desafios da capacidade

As organizações bem-sucedidas percebem as diferenças entre as equipes que identificamos acima e investem
esforços no desenvolvimento de uma linguagem comum entre equipes. A linguagem comum estabelece equipes
multidisciplinares na compreensão mútua umas das outras, bem como as metas de transformação de dados
da empresa.

Esforço
inorgânico

Treinamento Documentação
localizado formal

Benefícios Benefícios
a curto a longo
prazo prazo

Tradutor Emparelhamento
informal de mentoria
individual

Esforço
orgânico

As quatro estratégias comuns para estabelecer uma linguagem comum variam no momento de realizar
os benefícios e o esforço orgânico ou inorgânico necessário

Treinamento técnico e de negócios localizado

Muitas empresas introduzem treinamentos para
criar entendimento entre equipes técnicas e de
negócios. Embora os níveis de treinamento variem,
os treinamentos mais frequentes se concentram
em explicar aos usuários corporativos como
uma tecnologia específica pode beneficiar os
KPIs de negócios. Os treinamentos pontuais são
particularmente eficazes quando novas ferramentas
são complexas ou quando os indivíduos operam
em um ambiente altamente regulamentado e devem
cumprir as regulamentações específicas. A limitação
desses treinamentos é que eles não enfrentam
a incompreensão fundamental da linguagem
e das motivações da outra equipe. Portanto,
essa estratégia é mais impactante quando usada
em conjunto com orientação e/ou documentação
formal descrita nas próximas páginas.

4
Tradutor informal
Na ausência de outras soluções, muitas
organizações acabam com um tradutor informal
que, após experimentar continuamente falhas de
comunicação, aparece para preencher as lacunas.
Esse tradutor informal geralmente é alguém com
experiência em equipes técnicas e de negócios
e, portanto, fala as linguagens de ambas as
equipes. Essa abordagem funciona quando
uma organização tem um funcionário motivado
que deseja aprimorar seus dados ou habilidades
de negócios.
As desvantagens dessa abordagem são que os
tradutores informais emergem de forma ad hoc
e, portanto, não são distribuídos uniformemente
por toda a empresa. Além disso, se o papel não
for formalmente reconhecido, o tradutor informal
pode ficar sobrecarregado executando essa função
além de suas tarefas de trabalho regulares. Por
fim, a tecnologia e o conhecimento de tradução de
dados que eles fornecem são perdidos quando os
tradutores deixam seu departamento ou a própria
empresa. Consequentemente, os tradutores são
mais eficazes quando a posição é formalmente
reconhecida como uma posição separada
e a organização investe em documentação.
Emparelhamento de mentoria individual
Em contraste com os modelos de treinamento
em grupo, um programa de mentoria faz
a correspondência entre um membro de negócios
com um membro técnico. As relações de mentoria
tendem a ser bastante casuais, com o objetivo
de permitir que ambos os membros se conheçam
e criem empatia pela sua contraparte. Os
funcionários da equipe de negócios podem fazer
perguntas sobre dados e ferramentas técnicas;
os funcionários da equipe técnica podem praticar
a comunicação e receber comentários sobre
a terminologia usada e relevância para os
objetivos de negócios.
Isso permite que o par desenvolva uma
compreensão uns dos outros, crie confiança
e reúna-se entre suas duas disciplinas. No entanto,
como esses relacionamentos são informais,
é difícil controlar a qualidade dos relacionamentos
de mentoria. Para ser mais eficaz, essa estratégia
requer que o planejamento administrativo
seja escalonado por toda a organização
e a dedicação sustentada de ambos
os membros do relacionamento de mentoria.

“
As equipes de dados precisam se comunicar com a empresa e a empresa precisa ser capaz de se
comunicar de forma técnica, é um encontro no meio termo. Para mim, quero usar a palavra regressão
e você sabe o que estou falando. Minha abordagem é emparelhar meus membros da equipe de dados
com alguém que tenha um MBA. Eu tenho a minha equipe prática fazendo uma apresentação para
uma pessoa com MBA e os faço regurgitar o que entenderam. Eles aprendem uns com os outros.

”
- Gerente Sênior de Ciência de Dados em Líder de Transformação de Dados

5
Documentação formal
As organizações líderes criam a documentação
formal para definirem claramente dados e termos
de negócios e casos de uso. Como parte dessa
estratégia, as organizações desenvolvem um
catálogo de dados e/ou um glossário de negócios
para definir a terminologia, ajudar os usuários
a encontrar e entender dados entre fontes,
identificar dados relevantes para seus casos
de uso e definir métricas comuns (incluindo fonte
de dados e análise). O resultado é uma solução
abrangente de toda a organização que, por
natureza, é repetível.
Essa estratégia é útil para as organizações que
sofrem de rotatividade frequente e querem reter
o conhecimento. Pode ser uma ferramenta
poderosa para habilitar a tomada de decisões
orientada a dados quando uma organização cria
sistemas de dados robustos. Além disso, o processo
de criação desses documentos pode instigar
a colaboração empresarial e técnica.
No entanto, a documentação requer tempo
e experiência significativos e, quando uma
organização está ativamente transformando,
as informações para documentar estão evoluindo
com a tecnologia avançada e os recursos de dados.
Por isso, a documentação formal tem o maior retorno
sobre o investimento quando uma organização
está mais à frente em sua jornada de transformação
de dados.

Caso de sucesso: a organização de TI em uma empresa de varejo reconstruiu

a confiança com os negócios, implementando um catálogo de dados universal
com administração de dados

Contexto A equipe de produto em uma organização de varejo líder percebeu que as taxas de rotatividade
de aplicativos móveis eram calculadas de forma diferente em diferentes funções de negócios.
A qualidade dos dados não era uma prioridade, e esse mesmo KPI foi calculado de diferentes
maneiras, dependendo da equipe realizando a análise. Essas discrepâncias fizeram com que
as equipes não confiassem mais nas análises de seus colegas e nos dados compartilhados.

Estratégia A organização de TI imaginou um catálogo de dados universal que articulou as fontes de dados,
análises e definições de métricas que são usadas em toda a empresa.

A equipe de gerenciamento de dados corporativos precisou reunir diferentes equipes de negócios

para alinhar em como medir os KPIs mais importantes em diferentes unidades de negócios.

A equipe de gerenciamento de dados identificou e treinou administradores de dados que

entenderam toda a linhagem de dados, os cálculos e as ferramentas para coletar os metadados
em um só lugar.

Resultado O catálogo de dados final ajudou a reconstruir a confiança entre os stakeholders dos negócios
e padronizar métricas em toda a organização; os membros da equipe de negócios começaram
a retornar ao departamento de TI com solicitações de dados, promovendo um relacionamento
mais colaborativo a longo prazo.

6
Estratégia 2: Resolva o problema de negócios certo

Abordagem dos desafios de mentalidade

Quando as equipes de negócios e técnicas se reúnem em organizações líderes, elas se alinham com
antecedência para alcançar resultados de negócios claros, identificar os principais problemas de negócios
a serem resolvidos e selecionar casos de uso impactantes.

Resultados do negócio Problemas de negócios Casos de uso impactantes

Exemplos • Aumente a receita por • Conhecimento limitado • Visível em toda

meio do aumento nas do comportamento a organização.
vendas ou da redução do consumidor
• Factível em uma linha do
da rotatividade e do consumidor
tempo relativamente curta
• Reduza custos • Serviço de atendimento
• Envolva mais membros
aumentando a eficiência ao cliente insuficiente,
da equipe experientes
do processo ou reduzindo levando a clientes
em dados
o desperdício insatisfeitos

Exemplos de resultados de negócios, problemas e critérios de casos de uso que as organizações

usam para priorizar iniciativas de dados

Comece com resultados de negócios claros Resolva problemas de negócios em vez

Um modo de falha frequente ocorre quando as
equipes técnicas fazem às equipes de negócios as
perguntas que desejam que sejam respondidas com
dados. Como as equipes de negócios muitas vezes
não estão cientes da capacidade total da equipe
técnica, essa linha de questionamento geralmente
não é útil para nenhuma equipe. As equipes
técnicas precisam entender as metas de negócios
para fornecer modelos de dados que tenham valor
comercial tangível. Para dar início à conversa sobre
inovação de dados, as organizações líderes reúnem
equipes para o trabalho retroativo nas metas dos
stakeholders.
de fornecer soluções não essenciais
Mesmo nas organizações que estão na vanguarda
da transformação de dados, as equipes de negócios
abordarão a equipe técnica com uma solução
específica em mente. A menos que essa solução
esteja fundamentada no conhecimento de dados,
provavelmente não é a solução certa para resolver
o problema. Em vez de começar com recursos ou
soluções, a equipe de negócios deve se concentrar
em problemas do cliente e pontos problemáticos
na experiência do usuário final. Muitas organizações
líderes adotaram o processo de pensamento
de design como uma ferramenta de organização
para guiar essas conversas.

7
Escolha casos de uso impactantes (e visíveis)
As organizações tradicionais estão frequentemente transformando toda a organização de uma só vez, o que
leva recursos e tempo significativos para mostrar resultados. As organizações líderes avaliam cuidadosamente
possíveis casos de uso de dados para segmentar áreas com o maior potencial de impacto. Além de priorizar
o impacto comercial mensurável, as organizações bem-sucedidas avaliam casos de uso para facilitar
a implementação (tempo, usuários corporativos experientes em tecnologia etc.) para que eles possam
usar recursos de forma eficiente e demonstrar ganhos rápidos.

Caso de sucesso: uma equipe interdisciplinar em uma organização de bens de luxo

começou com resultados de eficiência específicos, focados em pontos problemáticos
e implementou casos de uso impactantes primeiro

Contexto Uma equipe de dados da organização de bens de luxo tinha uma visão de longo prazo para
digitalizar a cadeia de valor da moda e permitir maior colaboração. A organização reuniu
uma equipe de engenheiros de dados, cientistas de dados, UX designers, ti e empresários
de planejamento de demanda para avaliar onde no processo – desde os estágios de design
e planejamento até o preço e a compra do produto – a equipe de dados pode fornecer automação.

Estratégia Elas começaram com resultados de negócios claros para os objetivos: a equipe estabeleceu
uma meta de aumentar a eficiência do processo para reduzir os custos de distribuição
e acúmulo de estoques, bem como diminuir as faltas de estoque.

Elas trabalharam na resolução de um problema de negócios, em vez de se distrair com uma

solução atraente, mas ineficaz: à medida que a organização crescia e construía novos centros
de distribuição, os pedidos de compra eram muito complexos para que os comerciantes
dependessem de usar planilhas para decidir manualmente como distribuir o estoque. Em vez do
lado comercial que diz ao lado técnico para criar novos painéis como a solução para o problema,
a equipe interdisciplinar focou nos pontos de dor operacionais que precisavam ser corrigidos.

Eles escolheram os casos de uso certos: a equipe começou com uma versão piloto da ferramenta
para gerenciar ordens de compra. Eles argumentaram que, se a ferramenta fosse valiosa, isso
permitiria que a empresa abordasse sua meta estratégica maior de expandir as vendas.

Resultado A equipe de dados produziu um algoritmo de aprendizado de máquina que deu uma divisão
automática de onde o estoque deve ir, reduzindo assim a necessidade de os comerciantes
realizarem análises manuais para decidir alocações de distribuição.

8
Estratégia 3: Configure a estrutura de equipe relevante

Abordagem dos desafios de norma

Estabelecer a estrutura de equipe certa é fundamental para a transformação bem-sucedida dos dados.
As organizações líderes são especialistas em identificar a estrutura de equipe certa para seu contexto
organizacional e a iniciativa específica que estão abordando. A estrutura certa depende da maturidade digital
da empresa, do tamanho e do escopo da iniciativa dados e dos recursos das equipes técnica e de negócios.

Legenda:
Executivo

Pessoa técnica

Equipe

Solução pontual Representação Equipe

permanente multifuncional

Grau de integração da equipe

As três estruturas da equipe variam com base no grau de integração técnica e de equipe de negócios

Estrutura de solução pontual Estrutura de representação permanente

Uma estrutura de solução pontual permite
a colaboração específica do problema, como
resolver um único problema ou eliminar um
gargalo de processo. Essa colaboração única
pode ajudar as equipes a começar a colaborar,
criar relacionamentos e sentir-se à vontade para
compartilhar ideias no futuro. Essa estrutura é
particularmente eficaz para iniciativas de pequeno
escopo, mas se a organização tiver maiores
dados e necessidades técnicas, uma estrutura
de solução pontual não poderá ser dimensionada
adequadamente.
A estrutura de representação permanente posiciona
um dado ou pessoa técnica dentro de uma
unidade de negócios para garantir que os dados
sejam compartilhados de acordo com políticas
de toda a empresa. Essa abordagem é útil quando
a organização está pronta para investir em mais
recursos para facilitar o uso de dados na tomada
de decisão diária. Ela depende da capacidade
do representante técnico de conceber soluções
escalonáveis no nível do sistema, em vez de
uma série de soluções pontuais, que nem todos
os membros técnicos podem realizar. Além disso,
o representante pode ficar sobrecarregado com
solicitações ou subutilizado, dependendo das
necessidades e dos ciclos da equipe.

9
Estrutura de equipe multifuncional
A estrutura final que ouvimos está trabalhando
em equipes ágeis de negócios e representantes
técnicos centrados em torno de uma iniciativa
de dados. Essas equipes reúnem várias unidades
de negócios com representantes técnicos para
criar soluções no nível do sistema. Essas equipes
inerentemente dão a cada membro uma fala no
processo e criam a propriedade compartilhada
do sucesso de uma solução. A estrutura de equipe
multifuncional pode ser muito eficaz quando
implementada com outras estratégias descritas
neste documento. Embora essas equipes aumentem
a agilidade, elas podem ter um tempo significativo
longe do trabalho diário, para que as organizações
forneçam o tempo e os recursos necessários para
os funcionários que participam dessas equipes.
Clareza nas funções e responsabilidades
Independentemente da estrutura da equipe,
ter clareza antecipada sobre as funções e
responsabilidades de cada pessoa envolvida ajuda
a evitar falhas de comunicação e desalinhamento
mais tarde no processo. Algumas organizações
líderes escrevem um contrato detalhando
essas funções e responsabilidades para criar
responsabilidade e propriedade dos membros
e das equipes, referindo-se a ela ao longo
da relação de trabalho.

57% 96%
de
of X de

Retardatários digitais Líderes digitais

experimentam a formação automática de equipes ágeis
para desenvolver soluções

Nossa pesquisa de intensidade tecnológica revela que as equipes ágeis se formam automaticamente para
desenvolver soluções em 57% dos retardatários digitais em comparação aos 96% dos líderes digitais

10
Estratégia 4: Alinhe as métricas de sucesso para informar o progresso

Abordagem dos desafios de norma

Métricas quantificáveis e relevantes

Definir métricas que são quantificáveis e relevantes
para as metas de negócios é vital para a inovação
de dados bem-sucedida. Em nossa pesquisa,
aprendemos que as métricas são mais eficazes
quando há justificativa clara para o motivo pelo
qual elas foram escolhidas e outras excluídas.
As métricas comuns incluem taxa de adoção,
estatísticas de uso, tempo/recursos economizados
e economia de custos, mas à medida que
a organização e suas metas evoluem,
o mesmo ocorrerá com essas métricas.
Estabelecer um conjunto claro de métricas define
um norte para que as equipes de negócios e
técnica trabalhem, permitindo flexibilidade na forma
como as equipes as atingem. Essa flexibilidade
no processo permite que as equipes testem
suas diferentes perspectivas, e tentem várias
abordagens. Quando algo inevitavelmente der
errado, as métricas claras garantirão que a equipe
possa fazer a triagem do que não está funcionando
e discuta isso objetivamente.
Suposições e cálculos acordados
As organizações devem alinhar não apenas em
métricas para rastrear, mas também em quaisquer
suposições subjacentes, a fonte de dados (por
exemplo, valores validados versus vendas em
tempo real) e as etapas adotadas na análise.
Até mesmo as organizações líderes lutam com
diferentes interpretações de medição. Se as
equipes interpretarem métricas e progredirem de
forma diferente, levará mais tempo para alinhar
o progresso e criará dúvidas sobre a validade
das habilidades de medição dos outros. Ao tomar
o tempo para definir as suposições e cálculos
com antecedência, a equipe também dá suporte
à documentação formal discutida na Estratégia 1:
Estabeleça uma linguagem comum.
Medição e aprendizagem frequentes
Por fim, não basta definir métricas e alinhar
suposições. As organizações também devem medir
e ajustar regularmente sua abordagem para garantir
que a iniciativa atinja suas metas. Não importa
o quão bem planejado é um projeto, as equipes
sempre encontram bloqueios ou circunstâncias
imprevistas. As organizações líderes medem
regularmente o progresso em relação a métricas,
investigam bloqueios e procuram identificar
a causa raiz.  

“
Os dados são ótimos, mas todos estavam usando métricas diferentes – era difícil entender quem estava usando
o tipo de métrica e você tinha que massagear os dados para obter o que queria. Se você diz que devemos
aumentar as vendas deste produto em 10%, em que está se baseando? Então, era difícil alinhar quais dados
seriam utilizados.

”
- Gerente Sênior de Negócios em Líder de Transformação de Dados

11
Conclusão

À medida que as empresas buscam se tornar
mais orientadas a dados, as equipes técnicas
e de negócios devem mudar fundamentalmente
suas formas habituais de trabalho. Na ausência
de colaboração eficaz, as equipes de inovação de
dados podem experimentar falhas de comunicação
constantes, ter funções e responsabilidades
pouco claras, falta de um caminho para o sucesso
e desenvolver soluções que não atendem às
necessidades dos funcionários ou dos clientes.
Essas falhas não só desperdiçam dinheiro e tempo,
elas desencorajam os funcionários e causam
uma falta geral de confiança nas iniciativas
e nas equipes de dados.
Cada uma das estratégias descritas neste
documento é projetada para ajudar as equipes
a entender e trabalhar com pessoas que têm
diferentes recursos, mentalidades e normas
de trabalho. Por meio dessas estratégias de
colaboração, as equipes criam confiança e empatia
pelos seus negócios e colegas técnicos, o que
acaba levando a abordagens melhores de inovação
de dados.
Além das quatro estratégias de colaboração
descritas, a cultura da empresa, a visão de
liderança executiva e uma base de dados sólida
são importantes. Essas facetas permitem, e são
habilitadas pela, colaboração. A cultura afeta
a forma como as equipes interagem; uma cultura
pronta para dados pode catalisar a colaboração
de tecnologia de negócios. Os líderes executivos
podem sinalizar à organização a importância dos
dados e capacitar as equipes para inovar. Uma
base de dados sólida pode fornecer o material
para que as equipes projetem novas ferramentas
e produtos. Coletivamente, esses elementos
resultam em um ambiente que é um terreno
fértil para a transformação de dados.

Cultura da empresa

Linguagem
Resolução de
problemas
Colaboração
em equipe

Métricas
Visão da
Base sólida Estrutura liderança
de dados executiva

As quatro estratégias de colaboração associadas à cultura da empresa, à visão de liderança executiva

e a uma base sólida de dados estabelecem equipes para o sucesso para executar e gerenciar
os desafios inevitáveis na implementação
12
Roteiro: em que a sua organização deve se concentrar?

Com base no contexto organizacional, as empresas podem concentrar esforços em diferentes áreas. As ferramentas
a seguir estão disponíveis para diagnosticar problemas a serem resolvidos e decidir sobre os planos para isso.

Fazer diagnósticos de sua organização:

Se você experimentar... Concentre a atenção em...

DE FUNCIO-
NALIDADE
DESAFIOS

equipes de negócios que não sabem como usar dados ou tecnologia

Estratégia 1:
equipes de negócios que não sabem o que querem dos dados
Linguagem
equipes técnicas que não entendem o funcionamento dos negócios
MENTALIDADE

equipes de negócios que percebem os dados como uma

DESAFIOS DE

ferramenta interna e não são valiosos para suas funções

Estratégia 2:
alocações orçamentárias limitadas para investimentos
Resolução
em dados e tecnologia
de problemas
equipes técnicas entregando produtos que a empresa não adota

Estratégia 3:
DESAFIOS DA

equipes de negócios que não entendem o que as equipes técnicas Estrutura da

TRABALHO
NORMA DE

fazem equipe

equipes técnicas que não estão cumprindo os prazos ou as entregas

esperados falta de acordo sobre o sucesso de uma iniciativa Estratégia 4:
Métricas
de sucesso

13
Decidir onde concentrar seu esforço:
Onde você está
em sua jornada Pré-transformação
da transfor-
mação digital?
Onde você deve
concentrar seus
esforços? Desenvolva os músculos
Recompense tradutores
Como você pode
informais e torne suas
estabelecer uma
posições formais
linguagem
comum? Configure programas
de mentoria
Identifique os principais
comunicadores da equipe
de tecnologia
Como você
pode resolver Reúna alguns dos principais
o problema stakeholders de negócios
com casos de uso de
certo? dados claros para discutir
seus pontos problemáticos
com a equipe técnica
Mapeie quais iniciativas
Como você podem usar uma estrutura
de solução de ponto versus
pode escolher
tentar uma nova abordagem
a estrutura de
equipe certa? Aloque o tempo
do funcionário para
a iniciativa de dados
Métricas de estoque
Como você pode
disponíveis e relevantes
escolher as
métricas de Pratique com frequência
sucesso certas? a medição do sucesso em
relação a essas métricas
No meio de tudo isso
Formalize sua abordagem
Reforce relacionamentos
Desenvolva treinamento
localizado sobre nova
tecnologia
Dedique tempo à criação
de relacionamentos de
mentoria multifuncionais
Invista em sessões de
alinhamento para começar
iniciativas de inovação
de dados
Crie os loops de relaciona-
mentos e comentários
entre as equipes para
expor os pontos
problemáticos
Utilize equipes multi-
funcionais com mais
frequência
Comunique com clareza
a estrutura e o processo
da equipe
Crie métricas de adoção
ativamente em pro-
dutos/ferramentas
Transformado
de inovação de dados
Invista no aprofundamento
de relacionamentos de
mentoria multifuncionais
Crie documentação formal
de dados e terminologia
de negócios business
terminology
Invista na experiência na
resolução de problemas
por meio de treinamento,
modelos e/ou contratação
de designers/pesquisdores
formais da experiência
do usuário
Adote equipes multi-
funcionais ágeis
no trabalho diário
Documente suposições
e cálculos métricos
padronizados
Garanta que as métricas
de sucesso evoluam com
o progresso da organização
14
Publicações relevantes

A cultura dos líderes de dados

As empresas estão ansiosas para adotar as tecnologias mais recentes, aplicar

Advanced Analytics e aproveitar os dados para melhorar a performance e impulsionar
o sucesso dos negócios. Embora os elementos tecnológicos necessários para
a transformação digital bem-sucedida tenham sido explorados profundamente,
menos atenção tem sido dada às mudanças culturais necessárias para impulsionar
essa evolução. Na prática, muitas organizações consideram que os elementos
culturais da transformação digital são os mais difíceis de introduzir e aplicar.

Acesse A cultura dos líderes de dados

Lidar com as mudanças em sua transformação digital

O gerenciamento de alterações é um dos desafios mais comuns na transformação

digital e uma das principais razões pelas quais os esforços de transformação digital
falham. Além de gerenciar as mudanças tecnológicas, os líderes de transformações
digitais devem efetivamente impulsionar mudanças em comportamentos
e mentalidades em todas as partes da organização.

Acesse Lidar com as mudanças em sua transformação digital

Como repensar a empresa

Mesmo antes da pandemia, a economia global estava passando por uma mudança
dramática. A implantação de redes digitais, plataformas de dados e inteligência artificial
causou uma interrupção significativa e uma crescente divisão entre empresas que
adotaram a transformação digital e as que não têm. Para entender como habilitar
a tecnologia para impulsionar o máximo impacto nos negócios, precisamos pensar
na empresa de uma maneira nova.

Acesse Como repensar a empresa

Sobre a Keystone Strategy

A Keystone Strategy é uma empresa líder de consultoria em estratégia e economia inovadora dedicada
a fornecer ideias transformadoras e soluções de ponta para empresas da Fortune Global 500, principais
firmas de advocacia e agências governamentais. Nossa experiência única em transformação digital,
desenvolvimento de produtos, serviços de saúde, finanças, antitruste e litígios liderados por tecnologia
e orientados por Inteligência Artificial nos permite criar estratégias ousadas que têm implicações de longo
alcance sobre negócios, consumidores e políticas públicas. Aproveitamos uma combinação única de
insights estratégicos de especialistas acadêmicos e de indústrias líderes mundiais e experiência prática
de nossos profissionais realizados para fornecer impacto extraordinário aos nossos clientes. Saiba mais
sobre a Keystone Strategy em: www.keystonestrategy.ai.