Grupo 369.png

Por que os projetos de dados falham?

Você conhece algum projeto de Data Analytics que não alcançou o objetivo?

A maioria das pessoas já presenciou grandes iniciativas de dados que tiveram um resultado frustrante ao final.





Importante esclarecer que, quando falamos em “resultado frustrante”, não estamos nos referindo ao projeto não terminar ou não entregar o que estava sendo proposto. Estamos nos referindo ao resultado final para a organização, ao resultado estratégico. O projeto trouxe o resultado esperado? Ele auxiliou a empresa a gerar mais receita e/ou diminuir o custo? Reposicionou a empresa a fim de diminuir o risco? Esses são exemplos de objetivos importantes que podemos alcançar por meio da análise de dados. Porém, ao final de um projeto, muitas vezes, embora ele gere resultados de software, não há um resultado efetivo para o negócio.


Por que os projetos de dados falham?


Quando investigamos esta realidade mais a fundo, vemos que esta é uma questão presente em empresas de todo o mundo. Veja, por exemplo, este estudo elaborado pelo Gartner:




Em 2018 Gartner identificou que um dos maiores causadores de insucesso em iniciativas de dados é a dificuldade em aceitar a mudança cultural. É importante perceber que isso não diz respeito a questões técnicas, mas sim às pessoas.


Analisando, por exemplo, a segunda principal causa de insucesso dos projetos, a “baixa alfabetização de dados”, seguimos falando em pessoas que não foram educadas para tomar decisão baseada em dados simplesmente porque isso não era necessário. Até décadas atrás, não tínhamos dados disponíveis para que se tomasse uma decisão baseada em análises.


No gráfico, percebemos que os dois primeiros itens estão fortemente relacionados às pessoas. Apenas a partir do terceiro elemento falamos em falta de capacidade de execução e falta de habilidade técnica relacionada ao processamento e à análise de dados.


Analisando estes resultados, percebemos que a principal causa de insucesso nos projetos de Data & Analytics está na limitação dos usuários, principalmente aqueles que demandam e que vão usar os projetos de dados elaborados pela equipe técnica.


Qual é o principal objetivo dos produtos de Data & Analytics?


Na nossa visão, o principal papel dos produtos de dados está na tomada de decisão. Eles servem para que os usuários façam a melhor escolha.


Quando nos referimos à tomada de decisão, não estamos falando necessariamente apenas na decisão estratégica do negócio. Estamos falando também das decisões táticas do dia-a-dia, incluindo também as decisões operacionais.


Vamos tomar o Uber como exemplo. Além de estar presente na matriz da empresa, a análise de dados funciona de uma forma distribuída na sua camada mais operacional. Se estivéssemos na matriz do Uber provavelmente teríamos algum analista avaliando indicadores, relatórios e algoritmos. Porém, esse analista não teria a velocidade necessária para influenciar nas decisões para a operação do cotidiano. Quem está apto a tomar uma decisão operacional no Uber hoje é o motorista, que faz isso por meio de um painel em seu celular, que informa o seguinte:


“Você está numa região da cidade que está pagando R$ x pelo quilômetro rodado. Se você andar dez quilômetros para a direita, há uma região que está pagando R$ 3x pelo quilômetro rodado”.


O motorista decide para qual lugar ir. Baseados nas informações que recebem, os operadores decidem empenhar ou não recursos para dirigir o seu carro até o local indicado.


Nesse caso, nós estamos falando de analytics para a tomada de decisão na veia, na camada operacional. Porém, como estamos falando de tomada de decisão, é um tema bastante sensível, que precisa ser trabalhado com bastante cuidado nas organizações, já que envolve pessoas nas mais diversas esferas.


Não podemos esquecer que, se estamos fazendo um projeto de data & analytics, no final, ele quer fazer uma mudança no processo decisório. E o gestor do projeto deveria começar por isso: pensando em como a decisão é tomada hoje, para identificar quais os algoritmos e os painéis de informações que vão nos ajudar a tomar essa decisão daqui para frente.

E notem que, em última análise, eu estou mudando o processo decisório. Eu tenho que compreender que as pessoas precisam aceitar mudar. Isso é uma coisa que não se conversa bem no início de um projeto de data & analytics. Talvez por isso haja tantas falhas relacionadas ao fator humano do processo.


Na metodologia Ciclo Virtuoso de Dados e também na metodologia Data Driven Canvas, as pessoas são o centro do processo.





Com foco no atingimento de objetivos de negócio, as ferramentas que usamos foram projetadas para envolver tanto as pessoas das camadas mais estratégicas quanto as equipes operacionais. Pela nossa experiência, é dessa forma que podemos obter os melhores resultados.


Quer saber mais? Conheça a metodologia:





8 visualizações

Assuntos

Instagram