O Instituto

Cappra
O Cappra Institute é uma organização global e independente que
promove a cultura analítica através da ciência de dados. Acreditamos
que a tecnologia da informação é um recurso fundamental para
empoderar pessoas e negócios, por esse motivo, usamos nossa
experiência de mais de 20 anos para criar teorias e métodos que
aceleram o desenvolvimento da maturidade analítica de indivíduos e
negócios. Nossos laboratórios, projetos e iniciativas, espalhados ao
redor do mundo, ajudam a preparar a sociedade e as organizações
para enfrentar um futuro mais analítico.

Nossas análises
Decodificamos o conhecimento sobre dados e tecnologia da
informação, investigando o impacto desses recursos na
sociedade e nas organizações, seja no presente ou no futuro.
Produzimos análises sobre cultura analítica, traduzindo teorias,
mapeando melhores práticas, orientando pessoas e
instrumentalizando negócios, para assim lidarem melhor com o
impacto dos dados no mundo.

Insights da Maturidade Analítica Brasileira 1

Insights da Maturidade
Analítica Brasileira
Bem-vindo(a) ao mapa da maturidade analítica
das organizações brasileiras!

Observar a evolução do mercado com relação ao uso de dados é uma das

missões do Cappra Institute. Para isso ocorrer, usamos alguns recursos
específicos para mensuração, afinal só podemos entender algo quando medimos.
Um dos nossos indicadores mais importantes para essa análise é o Índice de
Maturidade Analítica, uma unidade de medida que criamos especialmente para
compreender a evolução das organizações com relação ao uso de dados, seja na
área técnica, de negócio ou por líderes. Por meio desse indicador, já ajudamos
algumas das principais organizações do mundo a ajustar o caminho de sua
jornada data-driven, aperfeiçoando o processo, economizando energia e obtendo
melhores resultados com analytics.

A partir da investigação de muitas empresas, através de entrevistas com

profissionais, líderes e donos de negócio, mapeamos o DNA da maturidade
analítica no Brasil e, então, nossos especialistas criaram uma visão única para
orientar o movimento data-driven do mercado. Nesse report você vai encontrar
os Insights da Maturidade Analítica Brasileira, através de uma abordagem única,
com descobertas, recomendações e uma visão de futuro próximo para as
organizações que melhor utilizarem esse importante ativo: os dados.

Aproveite a leitura e utilize agora mesmo esses insights para acelerar o

movimento data-driven do seu negócio!

Ricardo Cappra
Cientista-chefe
Cappra Institute

Insights da Maturidade Analítica Brasileira 2

insights da maturidade analítica brasileira

No ano de 2020, analistas e pesquisadores do Cappra

Níveis da Maturidade Analítica

Institute for Data Science entrevistaram diversos líderes
brasileiros com o intuito de mensurar o Índice de
Data-negation

Data-curious

Data-try

Data-safety

Data-driven
Maturidade Analítica (IMA) em algumas organizações. Os
principais objetivos ao se realizar esse estudo foram: oferecer
uma perspectiva do cenário atual das organizações quanto ao
uso de dados, mensurar a maturidade analítica do negócio e
identificar gaps e oportunidades no processo analítico. Para
isso, o IMA identificou e quantificou, para as empresas
entrevistadas, em qual nível, de acordo com a escala de
maturidade analítica, cada organização se encontrava.

No total, foram mais de 500 profissionais entrevistados de

forma individual, incluindo líderes e seus times, com relação
aos tópicos de: analytics (transformação do dado), business
(nível gerencial), cultura (C-level) e big data (tecnologia da
informação), com base nos pilares da maturidade analítica -
Processos, Pessoas, Políticas e Tecnologia (3P1T).
Data-negation As perguntas que nortearam a realização das entrevistas
Organizações que não valorizam os dados em encontram-se listadas abaixo.
seus processos e que não acreditam no
potencial analítico aplicado em negócios.

O quanto o recurso "dados" é

acionável/usado no negócio?
Data-curious
Organizações que fazem aplicações pontuais
Qual a eficiência do processo de
para uso de dados, sem constância ou transformação dos dados em informação?
estabelecimento de processos analíticos.
Quais os impactos reais que os dados
estão gerando no negócio?
Data-try
Organizações em busca da estabilização de O resultado do Índice de Maturidade Analítica das
uma operação orientada por dados, testando
organizações consideradas neste estudo revela que as
alternativas para reduzir o feeling nas decisões.
empresas, de forma geral, encontram-se no nível
Data-Curious. Isso significa que as organizações fazem uso
pontual dos dados no negócio, sem uma constância. Todavia,
Data-safety
elas já começaram a implementar algumas soluções com
Organizações que utilizam os dados de forma
estável, principalmente para justificar suas dados e têm um entendimento do valor que eles podem
ações e que se sentem seguras usando dados. gerar para o negócio.

A partir disso, uma série de highlights pôde ser gerada

Data-driven
com os dados coletados, sendo que, para este estudo,
Organizações analíticas, com estratégia,
separamos as principais descobertas ao explorarmos a
processos, pessoas e espaços plenamente
adequados para usar dados nos negócios. maturidade analítica das empresas brasileiras, e trouxemos
um panorama com os principais desafios e oportunidades de
uso de dados nas organizações. Confira os resultados do
estudo no report a seguir.

Insights da Maturidade Analítica Brasileira 3

Índice
HIGHLIGHT #1

Silos de Informação 5
HIGHLIGHT #2

Governança data-driven 8
HIGHLIGHT #3

Satisfação com analytics 11

HIGHLIGHT #4

Produtos de dados 14
HIGHLIGHT #5

Processo de decisão 17
HIGHLIGHT #6

Gap analítico 20
HIGHLIGHT #7

Definição do papel de analytics 23

HIGHLIGHT #8

O futuro das organizações analíticas 26

Insights da Maturidade Analítica Brasileira 4

Silos de
Informação

Insights da Maturidade Analítica Brasileira 5

Silos de
Informação
Por meio do estudo sobre a maturidade analítica brasileira
identificamos que as empresas entrevistadas possuem, em média,
um volume de dados próximo de 10 petabytes com um crescimento
esperado de 175% nos próximos 5 anos. Apesar de parecer um
volume alto, o sentimento das áreas de negócio é de que (i) faltam
dados para se tomar uma decisão, (ii) nem sempre é possível
confiar na qualidade dos dados existentes e (iii) que o tempo entre
se requisitar algo com dados e de fato receber é alto. Todos esses
sentimentos são, em parte, reflexos da existência de grupos
isolados de dados dentro da organização, os silos de informação.

Pela dificuldade de agregar e cruzar diferentes fontes e tipos de

dados, os silos de informação muitas vezes são considerados um
problema tecnológico. Entretanto, nas entrevistas do IMA, o
Instituto percebeu que, em vários casos, os silos ocorrem por um
motivo nada tecnológico, mas por uma visão que está nas
entranhas das organizações, de que os dados pertencem às áreas e
não à empresa. Essa visão, muitas vezes não é notada, mas gera
impactos indesejados.

Essa visão individualista se mantém por diversos motivos, entre eles: (i) uma estrutura
organizacional que não favorece a troca de experiências e soluções; (ii) a falta de consistência e de
acordo quanto às regras de negócios aplicadas aos dados - ambos problemas de comunicação.
Essa falta de troca de informações entre áreas faz com que soluções muito parecidas sejam
solicitadas para o time de analytics, gerando um retrabalho e, como consequência, demora nas
entregas.

Entretanto, ao tentar resolver este primeiro problema, surge uma desconfiança quanto a qualidade
dos dados, pois muitas vezes os números são apresentados com disparidade ao esperado pela área.
E o problema é um reflexo da falta de consenso entre as regras de negócio, já que cada uma tem a
sua própria definição/conceito para cada métrica.

A visão de que os dados pertencem às áreas e não à empresa gera estes silos artificiais, trazendo
um sentimento de que os dados existentes são poucos e não confiáveis, além de ineficiências e
retrabalho. Somente com melhorias de governança, estrutura e comunicação, as organizações irão
superar essas limitações.

Insights da Maturidade Analítica Brasileira 6

silos de informação

Crescimento esperado do volume de dados

até 2025 nas empresas entrevistadas em média

28
56%
dos dados são considerados
27
disponíveis a todos e
21
22

14

10
12
15
18
48%
dos colaboradores
7
efetivamente usam dados na
sua tomada de decisão.
0
2020 2021 2022 2023 2024 2025

Insights Cappra Institute

1 Antes de qualquer outra ação é preciso mudar a visão

de todos quanto aos dados. Só quando se entender que
os dados são um recurso da empresa como um todo e
que devem ser compartilhados, irá acontecer um
melhor aproveitamento dos recursos existentes.
2
É preciso criar estruturas que incentivem a
troca de experiências e soluções já
desenvolvidas. Isso pode acontecer através
de rotações de pessoas em squads, eventos
mensais para compartilhar cases, discutir
sobre ferramentas internas...

3
Por mais que possa parecer um trabalho extra é preciso
4
Criar um Data Lake não é a
criar um único consenso sobre cada métrica para a solução para silos de
organização, caso contrário não existe confiança e informações. Ele pode ajudar,
agilidade no compartilhamento de materiais. Para isso é mas se as políticas, as pessoas
importante se desenvolver tanto um processo para que e os processos relacionados aos
se chegue nesse consenso, como um guia oficial de dados não se alterarem, os silos
todas as métricas que seja fácil de acessar e consumir. irão continuar de forma cultural.

Insights da Maturidade Analítica Brasileira 7

Governança
Data-Driven

Insights da Maturidade Analítica Brasileira 8

Governança
Data-Driven
Um dos pilares para se implementar a cultura analítica nas
organizações consiste na adoção de práticas de governança
data-driven. Ou seja, é necessário ter pessoas alinhadas em
torno de um objetivo comum, implementando métodos,
políticas e processos mais analíticos para solucionar um
problema de negócio.

Durante nossos estudos sobre a Maturidade Analítica

Brasileira observamos, contudo, que esse cenário data-driven
almejado pela maioria dos executivos ainda não faz parte do
dia-a-dia das empresas. Existe um forte entendimento de
que o uso dos dados é crucial para a sobrevivência de
qualquer negócio, mas colocar isso em prática, como parte
da cultura da empresa, ainda é um grande desafio.

Alguns fatores mapeados como

os principais dificultadores dessa
evolução analítica foram:

(i) o distanciamento entre áreas de negócio (iii) a resistência em mudar a forma de

(marketing, compras, RH, etc) e áreas técnicas (TI,
Analytics, etc), onde, muitas vezes um não
"entende a língua que o outro fala - a área de
negócio não sabe como solicitar as demandas,
não envolve a área técnica no seu processo,
enquanto a área técnica fica presa no "tecniquês",
não entendendo os problemas de negócio;
(ii) a falta de uma cultura ágil - não existe
uma cultura de experimentação e testes, nem a
implementação de soluções MVP, o que acaba
"atrasando" a adoção de processos data-driven;
pensar e agir - as lideranças querem ser
data-driven mas temem mudar a forma como
tomam decisões, continuando a agir da
mesma forma;
(iv) o acesso limitado aos dados - as
organizações continuam trabalhando em silos,
impedindo que a informação circule por todas
as áreas e departamentos, sendo que só é
possível ser data-driven à medida em que
democratizamos o acesso aos dados, rompendo
essas barreiras.

Insights da Maturidade Analítica Brasileira 9

governança data-driven

Existe um forte entendimento de que o uso

BIG DATA dos dados é crucial para a sobrevivência de
DATA SCIENCE qualquer negócio, mas colocar isso em
ALGORITMOS
prática como parte da cultura da empresa,
ainda é um grande desafio.
INTELIGÊNCIA
ARTIFICIAL

CULTURA
ANALÍTICA
Em média, apenas 35% dos líderes
estão usando dados nos seus
inovadores primeiros maioria maioria retardatários processos de tomada de decisão.
adeptos inicial tardia

Insights Cappra Institute

1Foque no problema/pergunta,
2
Conduza testes e
não inicie já pensando na experimentos, errar ou não
solução, e tenha equipe técnica atingir o objetivo esperado
e área de negócio trabalhando também é um resultado e
em conjunto para resolvê-lo; faz parte do processo;
3
O ótimo é inimigo do bom,
portanto, não espere o tão
sonhado datalake ficar
pronto ou ter a base de
dados perfeita para iniciar um
projeto. Aprenda a trabalhar
com as limitações e comece
com o que você tem;

4O processo de implementação
5
Pare de achar que você é o
de uma cultura data-driven não dono dos dados, a
é fácil, mudar é doloroso, mas informação deve circular!
imprescindível. Mude aos poucos Empodere as pessoas para
e sempre tenha ao seu lado que toda a organização
agentes de transformação; possa ser mais data-driven.

Insights da Maturidade Analítica Brasileira 10

Satisfação
com Analytics
Percepção de qualidade da entrega

Business

Analytics

Complexidade prod. dados

Insights da Maturidade Analítica Brasileira 11

Satisfação com
Analytics
Um outro ponto identificado ao longo do estudo da Maturidade
Analítica brasileira foi sobre a satisfação das áreas de negócio
(tomadores de decisões, líderes e executivos) com relação às
entregas de analytics - responsável por todo o processo de
transformação dos dados em informação útil e qualificada para a
tomada de decisão.

De acordo com a visão dos líderes,

analytics se sente mais bem preparada
para o atendimento das demandas de negócio
do que realmente está, visto que apenas 33%
Analytics possui
dos tomadores de decisão se mostraram
as habilidades
satisfeitos com as entregas recebidas
para atender às
(análises, relatórios, dashboards, entre outros
demandas de
produtos). Um dos fatores que demonstrou
negócio? SIM
essa insatisfação foi o alto índice de
44%
retrabalho por parte do negócio ao receber
uma entrega de analytics. Para os líderes, a
informação não vem "pronta" para a tomada
de decisão, existindo ainda todo um trabalho
Analytics possui
de limpeza, ajuste e organização do dado.
as ferramentas
Contudo, a área enxerga que a satisfação do
para atender às
usuário final com suas entregas seja em torno
demandas de
de 65% e diz receber críticas relacionadas a SIM
negócio?
papéis que deveriam ser desempenhados pela 50%
área de tecnologia.

Esse baixo índice de satisfação apenas

As áreas de negócio estão, em
reforça o gap existente entre áreas técnicas e
média, 33% satisfeitas com as
de negócio (mencionado no tópico anterior),
entregas de analytics. Já analytics
indicando que falta um alinhamento entre o
acredita que os usuários finais
que a área de negócio demanda e o que
estejam 65% satisfeitos.
analytics é capaz de entregar, além da falta
de definição do papel de analytics como um
todo nas organizações (esse tema será
discutido a seguir).

Insights da Maturidade Analítica Brasileira 12

satisfação com analytics

Insights Cappra Institute

1 Líderes, sejam claros e específicos nas

demandas para analytics, principalmente
porque, muitas vezes, essas pessoas não
estão presentes no dia a dia do negócio;

2
Áreas e pessoas de analytics busquem
compreender melhor as demandas
requisitadas pelo negócio identificando
qual problema precisa ser resolvido;

3
Organizações, promovam iniciativas e
treinamentos com o objetivo de
instrumentalizar pessoas com os skills
analíticos, afinal, esse conhecimento não
deve ficar restrito à área de analytics.

Insights da Maturidade Analítica Brasileira 13

 Produtos
de Dados

Complexity
Usability

Insights da Maturidade Analítica Brasileira 14

Produtos
de Dados
Produtos de dados são qualquer tipo de solução baseada em dados
para atender às necessidades do usuário, facilitando a execução das
tarefas do dia-a-dia. Eles podem vir no formato de dashboards,
relatórios, algoritmos, inteligência artificial, etc.

Um ponto que deve-se considerar é que, à medida que a

complexibilidade de um produto cresce, sua usabilidade deve tornar-se
mais simples para o usuário, e vice-versa. Por isso, algoritmos devem
ser produtos de dados extremamente amigáveis para o usuário. Um
outro aspecto a ser considerado é que o produto de dados ideal é
aquele que faz uso da quantidade necessária de dados para cumprir
seu objetivo, sem sobrecarregar a análise com informações demais -
grande volume de informações não significam melhores decisões

Durante o estudo, pudemos verificar que produtos de

dados mais complexos, como inteligência artificial (IA), são
pouco utilizados nas organizações, visto que apenas 18%

42%
dos entrevistados afirmaram que utilizam esse tipo de
produto no seu dia a dia. Os principais pontos identificados
para esses produtos ainda não estarem sendo explorados
o suficiente foram a falta de conhecimento e a falta de
dos entrevistados
capacidade técnica para a interpretação dos resultados.
acreditam que inteligência
Além disso, ainda há uma dependência muito forte com
artificial pode acelerar o
relação à produtos mais tradicionais. Apenas 5% e 8% dos
processo de decisão
entrevistados acreditam que podem viver sem análises e
reports, respectivamente.

82%
Apesar disso, identificamos que os líderes compreendem a
importância de produtos de dados mais complexos, como
algoritmos e IA, dado que 42% dos entrevistados
acreditam que a IA pode acelerar o processo de tomada de
decisão na empresa. Isso mostra que existe consciência não usam de fato
não só da existência, mas do potencial de produtos de
dados mais sofisticados, porém, ainda existe um longo
caminho para que eles sejam implementados na prática.

Insights da Maturidade Analítica Brasileira 15

produtos de dados
Insights Cappra Institute
1 Para análises avançadas de
dados, técnicas avançadas são
necessárias.
3 É preciso dar o primeiro passo
para começar a usar produtos
de dados como inteligência
artificial.
Insights da Maturidade Analítica Brasileira
2
Qualificação dos profissionais é determinante
não só para implementação de modelos
avançados, mas para análise dos resultados.
4
Focar na pergunta de qual
5
Identificar quais são as
problema que se quer barreiras para desenvolver a
resolver e para quem é a solução para evitar retrabalho
solução. e frustração.
16
Processos
de Decisão
sem protocolo

com protocolo

Insights da Maturidade Analítica Brasileira 17

Processos
de Decisão
De forma geral, verificamos que as decisões hoje são tomadas de forma
não estruturada nas empresas - faltam protocolos e processos para se
transformar dados em informação e também para utilização destas
informações no processo decisório. Isso faz com que os negócios sejam
dependentes dos indivíduos, aumentando custos durante contratações,
demissões, substituições, promoções e treinamentos de pessoal, já que
o conhecimento está centralizado nas pessoas, não na organização.
Os principais fatores mapeados que dificultam a utilização de dados na
tomada de decisão são:

(i) o tema analytics é visto pelas áreas de
negócio como um tema técnico e complexo,
isso afasta as áreas do processo e faz as
pessoas questionarem as informações
recebidas posteriormente.
(ii) sem protocolo de decisão mapeado,
trabalho da área de negócios, o esforço para
conseguir dados específicos em tempo hábil
da tomada de decisão é enorme ou muitas
vezes impossível. Porém, vemos pouco ou
nenhum esforço na criação desse
mapeamento.
(iii) com a falta do processo/protocolo de
tomada de decisão, quase todo conhecimento
da empresa fica centralizado em pessoas, o
que torna quase impossível escalar a operação
sem contratar mais pessoas.
(iv) outro problema recorrente foi na verdade
uma grande contradição, já que a maioria dos
dados dentro das organizações está disponível
em tempo real, porém quase nenhum é utilizado
em tempo real. Isso acontece muitas vezes por
falta de planejamento para definir quais dados
precisam estar disponíveis para tomada de
decisão, o que acarreta em esforço excessivo e
demora para transformar dados brutos em
informação útil no processo de decisão.
(v) em decorrência dos pontos anteriores, os
dados disponíveis em tempo real ficam
escondidos em bancos de dados complexos
gerenciados pela TI, sem exploração, o que torna
uma tomada de decisão mais informada pelo time
de negócios uma batalha épica, cedendo espaço
para o uso o feeling.

% Tomada de decisão estruturada em protocolos

Média de tomada de
decisões estruturadas
em protocolos
Menor nível de
50% Maior nível de
estruturação em
das empresas estruturação em
protocolos das
encontram-se protocolos das
tomadas de decisão
abaixo da média tomadas de decisão

Insights da Maturidade Analítica Brasileira 18

processos de decisão

27%
dos dados são
utilizados pelos
tomadores de decisão

68%
para decisões em
tempo real

dos dados das empresas

estão disponíveis em
tempo real

Insights Cappra Institute

1 Processos e protocolos não

tem a função de substituir
pessoas, são necessários para
escalar os negócios e gerar
conhecimento. Crie seus
protocolos de decisão.
2
Tire os dados da TI, estes
precisam ser acessíveis e
analisados, esse trabalho é do
time de negócios que
baseado em uma análise vai
tomar suas decisões.
3
Protocolos de decisão não são
infalíveis e nem escritos em
pedra, estes podem e devem
ser revisitados de tempos em
tempos para refletir o
comportamento do
consumidor.

4
Olhar relatórios e dashboards não torna
sua empresa data-driven, crie um
ambiente de testes e aprendizado,
anote os dados que levaram a uma
decisão e o resultado gerado.
5
Tome decisões em tempo real se você
tem dados em tempo real. Caso os dados
em tempo real não sejam necessários
para tomar decisões em tempo real,
concentre-se em processar os dados que
são importantes para isso.

Insights da Maturidade Analítica Brasileira 19

Gap
Analítico
Data-driven decision making process:

Valor

Investimento
em ferramentas

Informação
necessária
analytics

Insights da Maturidade Analítica Brasileira 20

Gap Analítico
No contexto atual existe um gap analítico nas empresas. Este gap é
formado por alguns pontos relevantes na expectativa e utilização de
dados, formato de entrega e responsabilidades sendo que, a
combinação destes pontos, estende o tamanho do gap dentro das
organizações.

A visão de uma organização não data-driven sobre uma organização

data-driven é de que os dados entregam as respostas, trazem
dinheiro e um nível de certeza próximo do 100%. Este tipo de visão
gera uma disparidade entre expectativa e realidade. A utilização de
dados tem como objetivo suportar a tomada de decisão e direcionar
as decisões levando em consideração variáveis humanas (Como
experiência e intuição), e não substituir a tomada de decisão por um
sistema automático. Isto quer dizer que organizações analíticas
consomem dados para tomar decisões, e não se abstém do processo
em favor de uma resposta automatizada.

De mãos dadas com este aspecto de automação das decisões, existe uma visão de que é
possível implementar ferramentas, que por si só, podem trazer cultura analítica para a
organização. Dentro do mercado atual, existem empresas que entendem que um aumento na
utilização de relatórios e dashboards as transformará em organizações analíticas. Isto causa um
certo gargalo nos recursos de tecnologia, pode sobrecarregar os times e deixar a tomada de
decisão lenta.
Dados suportam a tomada de decisão, ou seja, o foco está na decisão e não em uma solução. O
formato ideal, é aquele que atende o processo e as habilidades da empresa mais facilmente.

Quão data-driven decision making a organização é?

4% 6% 25% 45% 51%

Não é Raramente Às vezes Processual Sempre

Qual é o nível de compreensão das pessoas

da organização quanto ao papel dos dados?
63%
Insights da Maturidade Analítica Brasileira 21
gap analítico

A tomada de decisão baseada em dados surge, é claro,

de uma decisão de negócio. A partir do momento que DATA DRIVEN DECISION MAKING
sabemos a decisão que precisamos tomar, é necessário
entendermos quais informações são necessárias e quais EXPERIÊNCIA
são as ferramentas que vão facilitar esse consumo
de dados. É a partir deste momento que a
FERRAMENTAS
experiência do tomador de decisão, conhecida
também como feeling, é adicionada no
processo. O tomador de decisão consome INFORMAÇÕES
as informações através da ferramenta e
com isso pode entender qual é a DECISÃO DE NEGÓCIO
direção ideal a ser seguida.

A implementação com sucesso de analytics em uma organização permite com que o volume necessário de
informações a ser consumida diminua. Além disso, é possível diminuir também a falsa sensação de que o problema
da organização é a falta de tecnologia, ao invés da falta de utilização da informação. Estes fatores em conjunto
conseguem aumentar o valor que a organização retira a partir dos dados disponíveis.

Insights Cappra Institute

1 É preciso mapear o processo de tomada de

decisão e saber quem são as pessoas que fazem
parte do processo e as informações necessárias.
2
Determinar quais são as ferramentas que os
times sabem utilizar e relacionar isso com as
necessidades atuais da organização é de extrema
importância. Não é sempre necessário investir
em novas ferramentas.

3
Times de dados não devem tomar decisões de
negócios. Times de dados entendem de dados,
times de negócio entendem de negócios. Os
times de dados são responsáveis por
disponibilizar as informações certas e no tempo
certo para que as áreas de negócio possam
encontrar a solução ótima para os problemas.
4
Toda solução analítica (algoritmos, reports,
dashboards, etc) deve estar associada a uma decisão.
Soluções que não são utilizadas no processo decisório
consomem recursos técnicos e analíticos, sem trazer
nenhum impacto ou retorno para organização.

Insights da Maturidade Analítica Brasileira 22

 Definição
do Papel
de Analytics
Science Business
matemática
e estatística analytics
Gestão de dados Anlálises avançadas
Mineração de dados Design de produto
Estatística e modelagem Gestão de projetos
Ciência e método Governança e conformidade
Otimização Storytelling
Matemática Visualização da informação
Modelos gráficos
Algorítmos
Estatística bayesiana

Tech
tecnologia e
programação

Dados não estruturados

Dados estruturados
Management
Machine learning
Big data/ dados abertos Tomar decisões estratégicas
Administração de sistemas Desenvolver negócios
Administração de bancos de dados Gerenciar operações
Administração de nuvem Gerir relacionamento
Programação back-end Desenvolver equipes
Programação front-end Fazer orçamentos
Processamento de linguagem natural Apresentar governança e conformidade

Insights da Maturidade Analítica Brasileira 23

Definição do
Papel de Analytics
A área responsável por conectar os dados com as perguntas de negócio
vem enfrentando desafios nas organizações. Seja por uma disparidade
de expectativa ou da própria capacidade do time, tem havido uma
dificuldade sobre a definição do papel da área de analytics nas
empresas.
A área de analytics é responsável por analisar dados para dar
suporte para as áreas de negócios para tomadas de decisão mais ágeis
e assertivas. É uma área técnica que pode disseminar as análises
geradas por relatórios, gráficos, planilhas e até dashboards.
Contudo, durante o estudo observamos que há uma distância entre
área de analytics e negócio. Isso significa que, do ponto de vista da
empresa, áreas técnicas não se misturam com negócios. Isso pode ser
contraprodutivo para as organizações uma vez que para fazer as
perguntas corretas, é preciso ter conhecimento do próprio negócio.

A falta de consenso sobre o papel de analytics pode trazer frustração e insatisfação entre a
liderança com as análises recebidas, conforme observamos. Esse desalinhamento atrasa ou
inviabiliza a entrega de resultados para as empresas. Também identificamos que isso colabora
com uma preocupação de que times de negócios entendem pouco de dados, pois acham que só
analytics tem essa função e que depende-se de ferramentas para realizarem análises.
É importante ressaltar que para trabalhar com dados, fazer análises e insights depende
principalmente de uma mentalidade analítica. Esta mentalidade deve estar presente em todo o
time de dados tanto para desenvolver soluções para problemas relevantes quanto para
interpretar os resultados e compreender o impacto no negócio.

44% dos diretores acham 65% é a satisfação 33% dos gerentes

que a área de analytics que a área de estão satisfeitos
está pronta para suportar analytics acredita com as análises que
uma empresa data-driven que as análises têm recebem

Insights da Maturidade Analítica Brasileira 24

definição do papel de analytics

Insights Cappra Institute

1 O engajamento dos times é fundamental.

Para gerenciamento de expectativas e
comunicação é preciso que os times
estejam alinhados.

2
Uma área de analytics na empresa não
impede que membros de outras áreas
tenham habilidades técnicas para fazerem
suas próprias análises de dados. Os skills
analíticos devem ser difundidos em toda a
organização.

3
As análises são tão boas quanto à
capacidade analítica da pessoa e não da
ferramenta.

Insights da Maturidade Analítica Brasileira 25

O futuro das
organizações
analíticas
Estágio 6 Decisão Autônoma
Empresa de dados quando o item mais valioso da empresa
são os dados, o software direciona

Estágio 5 Decisão Multidimensional

Empresa orgânica quando a empresa é moldada por informação
(leia inforganization)

Estágio 4 Decisão Descentralizada

Empresa sistêmica quando a empresa possui processos e espaços
analíticos, com decisões orientadas por dados

Estágio 3
Decisão Dashboard
quando a empresa possui pessoas e
Empresa ágil produtos analíticos, com aval para
mudar para orientada por dados

Estágio 2 Decisão Insight

Empresa conectada quando algumas pessoas gostam de
dados e usam para iniciativas pontuais

Estágio 1 Decisão Centralizada

Empresa feeling quando o que move a empresa é o felling

Insights da Maturidade Analítica Brasileira 26

O futuro das
organizações
analíticas
A velocidade com que acessamos a informação atualmente está exigindo
uma transformação no modelo de negócio de todas as empresas ao
redor do mundo. Não basta mais ser eficiente ao lidar com vendas,
estoque, logística e serviços, também é necessário usar os dados como
um diferencial competitivo. Foi isso que descobrimos nesse report, ao
investigar a maturidade analítica das organizações brasileiras,
constatamos uma transformação do modelo de negócio como um todo.
Mais do que negócios data-driven, estamos observando o surgimento de
empresas orientadas a dados.

Isso seria natural se estivéssemos nos referindo ao setor de tecnologia, mas estamos
falando de todos os tipos de negócio - bancos, varejo, saúde, esportes, e tantos outros
segmentos - onde a transformação digital modificou tudo, inclusive o core business. Não
é mais sobre o uso da tecnologia nas empresas, estamos falando sobre negócios que se
modificam cada vez que armazenam grandes volumes de dados, os transformam em
informação qualificada, que pode ser acessada através de sistemas ágeis para tomadores
de decisão, mensuram todos os registros e obviamente automatizam tudo isso em rotinas
inteligentes. São empresas orgânicas, que se baseiam em informação para evoluir (já
falamos sobre esse conceito de “inforganizations” no report Data Thinking, que você
encontra em cappra.institute/2020).

Mas aqui, para finalizar essa análise que fizemos sobre a evolução da maturidade analítica
das organizações brasileiras, precisamos registrar para onde essas novas empresas estão
indo. Para começar, registramos a modificação na forma de se tomar decisões, afinal,
esse é um aspecto diretamente impactado pela informação, e transforma completamente
o funcionamento da empresa. Também identificamos as alavancas para a evolução das
organizações em cada degrau de evolução analítica, pois, ao questionar os líderes dos
negócios sobre quais aspectos haviam gerado aquela transformação, eles destacaram os
fatores que impulsionaram a mudança. No gráfico a seguir é possível ver a escalada de
uma organização analítica, destacando os estágios e processo de tomada de decisão,
sendo que, em seguida, você vai encontrar as alavancas para essa escalada.

Insights da Maturidade Analítica Brasileira 27

o futuro das organizações analíticas
As alavancas para a
evolução analítica.
Motivação por dados e apoio da
alta administração:
esse é o primeiro aspecto de uma transformação
analítica, quando uma empresa que costuma ter
um processo de decisão centralizado e geralmente
composto por felling individual deixa seus vícios
de lado e passa a olhar para os dados de uma
nova forma. Esse é um impulsionador das
empresas do estágio 1 para se tornarem empresas
conectadas, estágio 2, onde o insight baseado em
dados é uma rotina muito valorizada no negócio.
Simplicidade para consumidores de
informação (conceitual, visual e
processual):
Essa é a segunda alavanca, que transporta a
empresa do estágio 2 para o estágio 3, tornando-a
ágil. A democratização da informação, o fácil acesso
e a linguagem amigável, é algo fundamental na
evolução analítica. Nessa fase costumamos ver
dashboards espalhados pelo negócio, sejam em seus
espaços físicos ou em suas plataformas digitais, e
aqui a participação de qualquer pessoa que tenha
acesso àquele tipo de informação é valorizada, afinal
a circulação da informação empodera todos no
processo decisório baseado em evidências.
Incremento de soluções de alta
tecnologia e análise self-service:
Na terceira alavanca surge a necessidade de ativação
de recursos tecnológicos mais avançados, muitos
deles já disponíveis na área de TI da empresa, mas
ainda pouco usados. Aqui, na evolução para o estágio
4, todos os indivíduos se tornam consumidores e
produtores de análises de dados (self-service
analytics), e é quando surge um sistema
descentralizado de tomada de decisão. Todo
processo e espaço é analítico, não existem mais
barreiras para as informações e dados, qualquer
indivíduo pode gerar suas próprias análises para
tomar decisões orientadas por evidências.
Insights da Maturidade Analítica Brasileira
Independência de processo,
desapego estrutural e alto
engajamento analítico:
Essa é uma das alavancas mais complexas para
os líderes que estão promovendo a mudança,
pois exige uma transformação na forma de
pensar no negócio como um todo. Quando a
empresa chega ao estágio 5 ela torna-se
orgânica, com uma tomada de decisão
multidimensional, e o principal agente de
transformação do negócio já não é apenas os
indivíduos, mas sim a própria informação que
circula pela empresa. As áreas do próprio negócio
já não são mais formais, isso pode ser visto
atualmente nas representações de squads, que
são construídos para resolver problemas
específicos, independente de onde ocorrem na
organização. Nosso estudo no Data Thinking
sobre inforgatizations explica exatamente esse
tipo de empresa, orgânica e multidimensional.
Fluxo substitui o processo, centrada
nos resultados dos algoritmos e I.A.:
A última alavanca, que leva as organizações
analíticas para o estágio 6, é quando a
automação do processo decisório é a principal
rotina de negócio e o papel dos indivíduos passa
a ser gerir o conhecimento, moldar os algoritmos
e rotinas de inteligência artificial e fazer a
administração e a governança dos dados, que
tornam-se o principal ativo do negócio. Aqui, o
segmento do negócio importa menos do que a
capacidade de administração da informação, já
que aqueles que melhor dominarem os dados e
rotinas automatizadas também podem avançar
para outros segmentos do mercado com o
mesmo nível de eficiência.
28
o futuro das organizações analíticas

Essas são as 5 alavancas para as organizações analíticas que

modificam o processo de tomada de decisão e o modelo de
negócio criando, assim, novos tipos de empresas, que utilizam
dos mais novos recursos tecnológicos, extraindo o máximo dos
dados e usufruindo da informação de forma mais orgânica. As
empresas data-driven, com alto nível de maturidade analítica,
são aquelas que dominam mercados a partir de uma melhor
gestão da informação. Profissionais melhores preparados para
lidar com dados, com capacidade de gerar suas próprias
análises e criar suas rotinas automatizadas serão os que
ocuparão os papéis estratégicos nos negócios do futuro. Não
existe mais espaço para empresas e pessoas que utilizem o
felling como principal instrumento de aceleração do seu negócio
afinal esse é um recurso que gera incerteza, que não se baseia
em evidências e não possibilita simular cenários futuros através
de modelos precisos, tornando-se um risco para qualquer
empreendedor, investidor ou cliente.

A maturidade analítica não é uma opção de caminho e sim uma

transição fundamental de todos os negócios. A velocidade que
sua organização realiza esse movimento será fator chave para o
sucesso do negócio, caso contrário, empresas de tecnologia irão
tomar novos mercados. A transformação digital deixou muitas
organizações tradicionais para trás, à medida que empresas que
não conseguiram acompanhar a velocidade da mudança ficaram
pelo caminho. Dessa forma, é inevitável que a revolução
analítica seja acelerada em razão disso. Comece agora mesmo,
prepare sua empresa, ajude no desenvolvimento dos
profissionais que trabalham com você e acelere a mudança na
mentalidade, pois o mercado vai exigir uma verdadeira corrida da
maturidade analítica para aqueles que querem sobreviver em
mercados tão instáveis.

Insights da Maturidade Analítica Brasileira 29

Editorial
Durante o período de 2019 a 2020, foram feitas entrevistas com
colaboradores de 44 empresas entre instituições financeiras, indústria,
mídia/serviço e varejo. Neste período, 544 pessoas foram entrevistadas de
maneira anônima e questionados sobre o uso de dados para a tomada de
decisões na empresa. As respostas obtidas formaram um mapa da
maturidade analítica das organizações e gerou este documento.

Este é um estudo independente feito pelo Cappra Institute for Data

Science seguindo a metodologia própria. Os colaboradores expuseram suas
perspectivas e os processos de tomada de decisões de suas próprias áreas
de atuação e as demais. Esperamos que esse estudo represente um
retrato de como as organizações no Brasil estão posicionadas na escala da
cultura analítica. Ao diagnosticar a situação das empresas em relação ao
seu desenvolvimento analítico, é possível identificar oportunidades de
aprimoramento dos processos usando dados, consolidar práticas efetivas e
alcançar resultados mais assertivamente.

Equipe
Ane Schutz
Anna Cristina Rezende Braga
Eduardo Santos
Luciano Firpo
Gabriel Rossi Figlarz
Maurício Diello Guggiana
Pedro Venturini
Ricardo Cappra

Insights da Maturidade Analítica Brasileira 30

 www.cappra.institute

Insights da Maturidade Analítica Brasileira

Uma publicação