3 passos para se tornar um negócio movido por dados

News Article -- Novembro 30, 2020

A grande maioria das empresas tem o objetivo de se tornar uma organização movida por dados. No entanto, poucas realmente alcançam esse objetivo. Aquelas que conseguem são, em primeiro lugar, corporações que já nasceram na era digital, tendo construído analytics de dados e algoritmos de machine learning nos seus processos de negócio desde o início da sua existência.

O que se torna muito mais difícil para organizações tradicionais que herdam um atraso em relação a adoção de tecnologia. Mesmo que muitas estejam experimentando o desenvolvimento, a testagem e a criação de processos de negócio informados por análise de dados e modelos de machine learning, muitas ainda têm que implantar aplicações de produção baseadas em resultados previstos. Em vez de focar em inspeção de sistemas estabelecidos, estas organizações podem começar com iniciativas mais incrementadas e com bom custo/benefício, entregando resultados sustentáveis.

O valor de se tornar uma organização movida por dados, se caracterizada em grande parte pela democratização dos dados. Uma pesquisa da Forrester indica que negócios movidos por insights crescem uma média de mais de 30% anualmente. De acordo com uma enquete recente com executivos de empresas da Fortune 1000, conduzida pela NewVantage Partners para a Harvard Business Review, mais de 49% das organizações que começaram iniciativas movidas por dados para diminuir despesas chegaram à conclusão de que o resultado dos projetos geravam valor. Umagrande parte dos executivos cujas empresas adotaram IA reportaram um aumento na receita nas áreas de negócio em que essa tecnologia é usada, e 44% dizem que a IA reduziu custos, de acordo com a McKinsey & Company.

O que você pode fazer para criar um negócio movido por dados?

1. Crie uma cultura centrada nos dados

Você não pode se tornar uma organização movida por dados a não ser que tenha uma cultura centrada neles. Os funcionários precisam enxergar o analytics como algo integral a estratégia de negócio.

Líderes de negócios não precisam entender todos os passos da tecnologia para mover a corporação em direção ao caminho certo para se utilizar de dados, analytics e machine learning nos processos. Porém, você tem que definir a agenda para a organização. Identifique os resultados de negócio e os valores mensuráveis que você espera antes que analytics e IA/machine learning sejam implementados nas operações de negócio.

Se tornar melhor em combinar tecnologias de analytics avançadas com como as pessoas pensam e como elas trabalham acelera a fusão de mentes e máquinas. Conforme o trabalho se torna mais automatizado, o colaborador de informação se torna um contribuidor criativo, que gera crescimento para o negócio.

2. Industrialize os dados e a IA

Para gerenciar e obter valor de dados complexos e grandes, sua organização tem que industrializar os dados e analytics. Como um líder de negócios, você deveria decretar que a organização adote uma abordagem de “dados em primeiro lugar”. Isso significa padronizar sistemas baseados em dados e processos para dar suporte ao fluxo contínuo de informações, da descoberta inicial de analytics à incorporação de analytics preditivos e prescritivos nas operações do negócio, nas aplicações e nos sistemas.

Por exemplo, uma grande distribuidora de gás no Japão obteve sucesso em tirar valor do seu ambiente massivo de dados. Ela integrou sua rede principal com uma plataforma de internet das coisas (IoT em inglês) fora de escala para coletar e administrar os dados de uso de gás de centenas de milhares de metros. Ela processa um número imenso de leituras métricas para fornecer gás de forma segura para seus clientes, e agora está ativando novas soluções de negócio digital, como uma tranca inteligente que abre portas remotamente.

Data lakes, baseados em nuvem e armazéns, propiciam um forte alicerce para industrializar dados e IA. Eles fornecem um armazenamento de dados seguro, massivamente escalável e com bom custo/benefício. Além disso, usar a nuvem para machine learning permite que se construa, se implemente e se tire proveito de modelos de analytics escaláveis e que demandam muito poder de computação.

3. Adote uma abordagem de melhoramento contínuo

Para achar constantemente novas formas de aplicar dados e entregar novos insights de negócio rapidamente, você deve promover uma forma de operar que estimule a experimentação e o aprendizado a partir de erros. Dê suporte a uma abordagem de evolução contínua no pipeline de analytics e você vai conquistar seus resultados de negócio desejados com maior velocidade e precisão. Adotar essa tática permite que seus times de dados melhorem suas habilidades de trabalhar com dados em escala e de responder a situações de negócio conforme elas acontecem.

Afinal, como um líder de negócio, talvez um dos seus maiores trabalhos para nutrir uma corporação movida por dados será incentivar a participação de toda a empresa. Alcançar este estado será um grande ativo para ajudar seu negócio a caminhar a passos largos em direção à performance e ao valor.

Lembre-se sempre: construir uma corporação centrada em dados demanda cuidado e atenção constante.

Sobre o autor

Dragan Rakovich, chief technology officer for Analytics da DXC Technology, lidera a estratégia de tecnologia, analytics e inovação. Dragan traz conselhos estratégicos e liderança de pensamento para consumidores em analytics, business intelligence, machine learning, internet das coisas (IoT) e domínios de plataforma de analytics para criar soluções avançadas na área. Ele tem mais de 20 anos de experiência em analytics, business intelligence, consultoria de gestão, entrega de soluções, arquitetura corporativa e engenharia de software.