Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
Ricardo Cappra
Cientista-chefe
Cappra Institute
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.
Silos de Informação 5
HIGHLIGHT #2
Governança data-driven 8
HIGHLIGHT #3
Produtos de dados 14
HIGHLIGHT #5
Processo de decisão 17
HIGHLIGHT #6
Gap analítico 20
HIGHLIGHT #7
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.
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
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.
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
1Foque no problema/pergunta,
2
Conduza testes e
3
O ótimo é inimigo do bom,
não inicie já pensando na experimentos, errar ou não portanto, não espere o tão
solução, e tenha equipe técnica atingir o objetivo esperado sonhado datalake ficar
e área de negócio trabalhando também é um resultado e pronto ou ter a base de
em conjunto para resolvê-lo; faz parte do processo; 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.
Business
Analytics
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.
Complexity
Usability
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.
com protocolo
(i) o tema analytics é visto pelas áreas de (iv) outro problema recorrente foi na verdade
negócio como um tema técnico e complexo, uma grande contradição, já que a maioria dos
isso afasta as áreas do processo e faz as dados dentro das organizações está disponível
pessoas questionarem as informações em tempo real, porém quase nenhum é utilizado
recebidas posteriormente. em tempo real. Isso acontece muitas vezes por
(ii) sem protocolo de decisão mapeado, falta de planejamento para definir quais dados
trabalho da área de negócios, o esforço para precisam estar disponíveis para tomada de
conseguir dados específicos em tempo hábil decisão, o que acarreta em esforço excessivo e
da tomada de decisão é enorme ou muitas demora para transformar dados brutos em
vezes impossível. Porém, vemos pouco ou informação útil no processo de decisão.
nenhum esforço na criação desse (v) em decorrência dos pontos anteriores, os
mapeamento. dados disponíveis em tempo real ficam
(iii) com a falta do processo/protocolo de escondidos em bancos de dados complexos
tomada de decisão, quase todo conhecimento gerenciados pela TI, sem exploração, o que torna
da empresa fica centralizado em pessoas, o uma tomada de decisão mais informada pelo time
que torna quase impossível escalar a operação de negócios uma batalha épica, cedendo espaço
sem contratar mais pessoas. para o uso o feeling.
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
27%
dos dados são
utilizados pelos
tomadores de decisão
68%
para decisões em
tempo real
4
Olhar relatórios e dashboards não torna
5
Tome decisões em tempo real se você
sua empresa data-driven, crie um tem dados em tempo real. Caso os dados
ambiente de testes e aprendizado, em tempo real não sejam necessários
anote os dados que levaram a uma para tomar decisões em tempo real,
decisão e o resultado gerado. concentre-se em processar os dados que
são importantes para isso.
Valor
Investimento
em ferramentas
Informação
necessária
analytics
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.
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.
3
Times de dados não devem tomar decisões de
negócios. Times de dados entendem de dados,
times de negócio entendem de negócios. Os
4
Toda solução analítica (algoritmos, reports,
times de dados são responsáveis por dashboards, etc) deve estar associada a uma decisão.
disponibilizar as informações certas e no tempo Soluções que não são utilizadas no processo decisório
certo para que as áreas de negócio possam consomem recursos técnicos e analíticos, sem trazer
encontrar a solução ótima para os problemas. nenhum impacto ou retorno para organização.
Tech
tecnologia e
programação
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.
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.
Estágio 3
Decisão Dashboard
quando a empresa possui pessoas e
Empresa ágil produtos analíticos, com aval para
mudar para orientada por 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.
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 Independência de processo,
composto por felling individual deixa seus vícios
desapego estrutural e alto
engajamento analítico:
de lado e passa a olhar para os dados de uma
nova forma. Esse é um impulsionador das Essa é uma das alavancas mais complexas para
empresas do estágio 1 para se tornarem empresas os líderes que estão promovendo a mudança,
conectadas, estágio 2, onde o insight baseado em pois exige uma transformação na forma de
dados é uma rotina muito valorizada no negócio. pensar no negócio como um todo. Quando a
empresa chega ao estágio 5 ela torna-se
orgânica, com uma tomada de decisão
Simplicidade para consumidores de
multidimensional, e o principal agente de
informação (conceitual, visual e
processual): transformação do negócio já não é apenas os
indivíduos, mas sim a própria informação que
Essa é a segunda alavanca, que transporta a
circula pela empresa. As áreas do próprio negócio
empresa do estágio 2 para o estágio 3, tornando-a
já não são mais formais, isso pode ser visto
ágil. A democratização da informação, o fácil acesso
atualmente nas representações de squads, que
e a linguagem amigável, é algo fundamental na
são construídos para resolver problemas
evolução analítica. Nessa fase costumamos ver
específicos, independente de onde ocorrem na
dashboards espalhados pelo negócio, sejam em seus
organização. Nosso estudo no Data Thinking
espaços físicos ou em suas plataformas digitais, e
sobre inforgatizations explica exatamente esse
aqui a participação de qualquer pessoa que tenha
tipo de empresa, orgânica e multidimensional.
acesso àquele tipo de informação é valorizada, afinal
a circulação da informação empodera todos no
processo decisório baseado em evidências.
Fluxo substitui o processo, centrada
nos resultados dos algoritmos e I.A.:
Incremento de soluções de alta A última alavanca, que leva as organizações
tecnologia e análise self-service: analíticas para o estágio 6, é quando a
Na terceira alavanca surge a necessidade de ativação automação do processo decisório é a principal
de recursos tecnológicos mais avançados, muitos rotina de negócio e o papel dos indivíduos passa
deles já disponíveis na área de TI da empresa, mas a ser gerir o conhecimento, moldar os algoritmos
ainda pouco usados. Aqui, na evolução para o estágio e rotinas de inteligência artificial e fazer a
4, todos os indivíduos se tornam consumidores e administração e a governança dos dados, que
produtores de análises de dados (self-service tornam-se o principal ativo do negócio. Aqui, o
analytics), e é quando surge um sistema segmento do negócio importa menos do que a
descentralizado de tomada de decisão. Todo capacidade de administração da informação, já
processo e espaço é analítico, não existem mais que aqueles que melhor dominarem os dados e
barreiras para as informações e dados, qualquer rotinas automatizadas também podem avançar
indivíduo pode gerar suas próprias análises para para outros segmentos do mercado com o
tomar decisões orientadas por evidências. mesmo nível de eficiência.
Equipe
Ane Schutz
Anna Cristina Rezende Braga
Eduardo Santos
Luciano Firpo
Gabriel Rossi Figlarz
Maurício Diello Guggiana
Pedro Venturini
Ricardo Cappra
Uma publicação