Data AnalyticsStrategy Entrepreneurship Marketing Leadership mai 1, 2015

Guia do líder para análise de dados

Um con­hec­i­men­to práti­co da ciên­cia de dados pode aju­dar você a lid­er­ar com confiança.

Yevgenia Nayberg

Based on insights from

Florian Zettelmeyer

Nos últi­mos anos, a ciên­cia de dados tornou-se uma fer­ra­men­ta de negó­cios essen­cial. Com o aces­so a enormes quan­ti­dades de dados — graças à com­putação avança­da e à inter­net das coisas” — hoje as empre­sas podem medir todos os aspec­tos de suas oper­ações nos mín­i­mos detal­h­es. Entre­tan­to, muitos líderes empre­sari­ais, sobre­car­rega­dos com essa enx­ur­ra­da con­stante de métri­c­as, estão relu­tantes em se envolver no que veem como um proces­so técnico.

Para Flo­ri­an Zettelmey­er, pro­fes­sor de mar­ket­ing e dire­tor do pro­gra­ma de análise de dados da Kel­logg School, os ger­entes não dev­e­ri­am ver a analíti­ca como algo fora de seu escopo. As habil­i­dades mais impor­tantes em analíti­ca não são habil­i­dades téc­ni­cas”, afir­ma. O que são é a capaci­dade de raciocínio”. Não é pre­ciso ser um gênio da matemáti­ca ou um mestre da com­putação para lidar bem com analíti­ca; em vez dis­so, é pre­ciso o que Zettelmey­er chama de um con­hec­i­men­to práti­co” da ciên­cia de dados. Isso sig­nifi­ca ser capaz de sep­a­rar os bons dados dos dados ruins, e enten­der onde exata­mente a analíti­ca pode agre­gar valor.

Um con­hec­i­men­to práti­co da ciên­cia de dados pode aju­dar os líderes a trans­for­mar a analíti­ca em genuíno insight. Ele tam­bém pode poupá-los de tomar decisões com base em suposições equiv­o­cadas. Quan­do a analíti­ca erra”, diz Zettelmey­er, a prin­ci­pal razão é que dados que não resul­taram de exper­i­men­tos foram apre­sen­ta­dos como se tivessem resul­ta­do”, diz ele. Mes­mo para anális­es pred­i­ti­vas e pre­s­criti­vas, se a pes­soa não enten­der os exper­i­men­tos”, adi­ciona, ela não entende analítica”.

Comece pelo prob­le­ma
Muitas vezes, afir­ma Zettelmey­er, os gestores cole­tam dados sem saber como irão usá-los. É pre­ciso pen­sar na ger­ação de dados como um imper­a­ti­vo estratégi­co”, diz ele. Em out­ras palavras, a analíti­ca não é uma práti­ca empre­sar­i­al à parte; pre­cisa ser integra­da ao próprio plano de negó­cios. Seja lá o que uma empre­sa optar por medir, os resul­ta­dos só serão úteis se a cole­ta de dados for fei­ta com um propósito.

Como todas as inves­ti­gações cien­tí­fi­cas, a analíti­ca pre­cisa começar com uma dúvi­da ou prob­le­ma em mente. Seja uma empre­sa de soft­ware que dese­ja mel­ho­rar sua cam­pan­ha de pub­li­ci­dade, ou uma empre­sa de fast food que dese­ja otimizar suas oper­ações globais, a cole­ta de dados deve coin­cidir com o prob­le­ma empre­sar­i­al especí­fi­co em questão. Não se pode sim­ples­mente esper­ar que os dados cri­a­dos de maneira inci­den­tal ao lon­go da con­dução dos negó­cios sejam o tipo de dados que levará a avanços”, diz Zettelmey­er. Emb­o­ra seja óbvio que alguns tipos de dados devem ser cole­ta­dos — por exem­p­lo, o com­por­ta­men­to de nave­g­ação dos con­sum­i­dores — as inter­ações com os clientes devem ser con­ce­bidas com a analíti­ca em mente, a fim de garan­tir a obtenção das medições necessárias”.

Os gestores tam­bém não podem esper­ar que os cien­tis­tas de dados assumam a lid­er­ança. Em últi­ma análise, é respon­s­abil­i­dade do gestor decidir quais prob­le­mas pre­cisam ser resolvi­dos e como a empre­sa deve incor­po­rar a analíti­ca em suas oper­ações. Afi­nal, são os exec­u­tivos que pre­cisam tomar decisões; por­tan­to, devem desem­pen­har um papel cen­tral na deter­mi­nação do que medir e o que os números sig­nifi­cam para a estraté­gia glob­al da empresa.

Enten­der o proces­so de ger­ação de dados
Há uma visão que, como a analíti­ca se baseia na ciên­cia de dados, ela de algu­ma for­ma rep­re­sen­ta a ver­dade des­en­car­na­da”, diz Zettelmey­er. Infe­liz­mente, isso é sim­ples­mente incorreto”.

Por­tan­to, como os líderes podem apren­der a difer­en­ciar entre analíti­ca boa e ruim? Tudo começa com a com­preen­são do proces­so de ger­ação de dados”, diz Zettelmey­er. Não se pode jul­gar a qual­i­dade das anális­es se não tiv­er uma ideia muito clara sobre de onde vem os dados”.

Zettelmey­er diz que a maio­r­ia dos gestores com­par­til­ha um viés com­por­ta­men­tal em comum: quan­do os resul­ta­dos são apre­sen­ta­dos como ten­do sido obti­dos por meio de anális­es com­plexas de dados, ten­dem a deferir aos espe­cial­is­tas. Há um peri­go real se os gestores suporem que a análise foi real­iza­da de for­ma razoáv­el. Acred­i­to que isso faz com que seja extrema­mente impor­tante que os gestores ten­ham um sex­to sen­ti­do no que se ref­ere a o que eles real­mente podem apren­der com ess­es dados”. Para tomar decisões fun­da­men­tadas, ele afir­ma, aju­da muito dar um pas­so para trás e definir algu­mas bases.

Como a analíti­ca muitas vezes se resume em faz­er com­para­ções entre gru­pos, é impor­tante saber como ess­es gru­pos são sele­ciona­dos. Por exem­p­lo, um depar­ta­men­to de mar­ket­ing pode quer­er deter­mi­nar a eficá­cia de um anún­cio, com­para­n­do os con­sum­i­dores que foram expos­tos a ele com os que não foram. Se os con­sum­i­dores foram sele­ciona­dos aleato­ri­a­mente, os gru­pos são aqui­lo que os cien­tis­tas de dados chamam de prob­a­bilis­ti­ca­mente equiv­a­lentes”, o que é a base para boas anális­es. Mas se, por exem­p­lo, eles foram expos­tos ao anún­cio porque havi­am demon­stra­do inter­esse prévio no pro­du­to, isto leva a anális­es ruins, uma vez que nem mes­mo as téc­ni­cas analíti­cas mais sofisti­cadas pode­ri­am ofer­e­cer uma respos­ta para uma per­gun­ta bási­ca: O anún­cio foi real­mente efi­caz, ou o con­sum­i­dor já esta­va interessado?

Este não é um prob­le­ma ape­nas de mar­ket­ing. Vamos tomar como exem­p­lo um hos­pi­tal que dese­ja sub­sti­tuir suas máquinas de ultra­ssom. Graças a sen­sores sem fio avança­dos, o hos­pi­tal pode medir, ao lon­go da con­dução dos negó­cios, exata­mente quan­to tem­po leva para realizar um exame usan­do os novos dis­pos­i­tivos, uma métri­ca que aju­daria a decidir se real­mente dese­jam mudar de vez. Mas os dados mostram um resul­ta­do sur­preen­dente: o novo dis­pos­i­ti­vo está levan­do mais tem­po do que o anti­go. O que o hos­pi­tal não tin­ha lev­a­do em con­sid­er­ação era uma difer­ença pré-exis­tente entre os dois gru­pos de téc­ni­cos: téc­ni­cos novatos e téc­ni­cos expe­ri­entes. O que ocor­reu foi que mais téc­ni­cos novatos, nat­u­ral­mente mais lentos que os expe­ri­entes, optaram por uti­lizar o dis­pos­i­ti­vo mais novo, e este fato resul­tou em dados incor­re­tos. O prob­le­ma,” con­tin­ua Zettelmey­er, é con­fundir a exper­iên­cia do téc­ni­co com a veloci­dade do dis­pos­i­ti­vo”. Reiteran­do, a análise fal­hou porque não foram con­sid­er­adas questões fun­da­men­tais: O que fez os téc­ni­cos escol­herem uma máquina em vez da out­ra? Tudo sobre o uso das duas máquinas é com­paráv­el? Se não for, foi uti­liza­da análise cor­re­ta para cor­ri­gir este fato?

Com­preen­der o proces­so de ger­ação de dados tam­bém pode desven­dar o prob­le­ma de causal­i­dade rever­sa. Aqui, Zettelmey­er desta­ca o caso de uma empre­sa que está decidin­do se deve ou não lim­i­tar e-mails pro­mo­cionais. Os dados rev­e­lam que os e-mails pro­mo­cionais são extrema­mente efi­cazes: quan­to mais e-mails um cliente recebe, mais com­pras eles provavel­mente farão. Entre­tan­to, o que não é aparente nos dados é que a empre­sa está seguin­do uma péro­la de sabedo­ria de mar­ket­ing que a revista Reader’s Digest desco­briu décadas atrás, quan­do con­sta­tou que clientes leais — as pes­soas que com­praram mais recen­te­mente, com mais fre­quên­cia, e que gas­taram mais em com­pras — são mais propen­sos a com­prar nova­mente quan­do são o alvo. Assim, ao invés de ser o número de e-mails ala­van­can­do a quan­ti­dade de ven­das, a causal­i­dade na ver­dade fun­ciona ao con­trário: quan­to mais com­pras os clientes fiz­erem, mais e-mails recebem. O que sig­nifi­ca que os dados são efe­ti­va­mente inúteis para deter­mi­nar se os e-mail impul­sion­am a receita.

Use o con­hec­i­men­to do assun­to
Além de garan­tir que os dados sejam ger­a­dos com a analíti­ca em mente, os gestores devem usar seus con­hec­i­men­tos do assun­to para explicar resul­ta­dos estran­hos. Zettelmey­er recomen­da a seguinte per­gun­ta: Saben­do o que sabe sobre o seu negó­cio, há uma expli­cação plausív­el para esse resul­ta­do?” Afi­nal de con­tas, a analíti­ca não é sim­ples­mente uma questão de faz­er cál­cu­los em um vácuo. Cien­tis­tas de dados não têm a exper­tise no assun­to que os gestores têm, e a analíti­ca não sub­sti­tui a com­preen­são do negócio.

Tomem­os em con­ta uma con­ces­sionária auto­mo­ti­va que faz uma pro­moção em fevereiro. Com base em um aumen­to nas ven­das para este mês, o con­ces­sionário imag­i­na que a pro­moção fun­cio­nou. Porém”, diz Zettelmey­er diz, dig­amos que o que eles estavam ten­tan­do vender é uma Sub­aru com tração nas qua­tro rodas, e igno­raram com­ple­ta­mente o fato de que hou­ve uma nevas­ca gigan­tesca em fevereiro, o que fez mais pes­soas com­prar automóveis com tração nas qua­tro rodas”. Em casos como estes, diz ele, não é sufi­ciente sim­ples­mente ter os dados.

Ten­ha o con­hec­i­men­to — Não sim­ples­mente acred­ite que tem
Na visão de Zettelmey­er, a toma­da de decisões no mun­do dos negó­cios está sendo rev­olu­ciona­da da mes­ma for­ma que os cuida­dos de saúde estão sendo com a adoção da med­i­c­i­na basea­da em evidên­cias”. À medi­da que dados e analíti­cas com­plex­os avançam esta rev­olução, gestores com um con­hec­i­men­to práti­co em ciên­cia de dados terão uma van­tagem. Além de ser os guardiões de suas próprias anális­es, os líderes devem garan­tir que esse con­hec­i­men­to seja com­par­til­ha­do em sua orga­ni­za­ção — uma empre­sa dis­ci­plina­da e ver­sa­da em dados provavel­mente apren­derá rápi­do e agre­gará mais val­or em todas as áreas. Se quer­e­mos que dados analíti­cos com­plex­os ten­ham suces­so, todos pre­cisam acred­i­tar que têm o dire­ito de ques­tionar a sabedo­ria esta­b­ele­ci­da”, diz Zettelmey­er. É pre­ciso ter uma cul­tura em que não seja pos­sív­el se esqui­var com achis­mos” em vez de con­hec­i­men­to”“.

O desen­volvi­men­to dessa cul­tura é um grande desafio para os líderes. As orga­ni­za­ções rara­mente estão dis­postas a admi­tir a neces­si­dade de mudanças, e poucos gestores se sen­tem con­fi­antes o sufi­ciente para lid­er­arem com analíti­ca. Isso, ele afir­ma, vai ter que mudar.

Imag­ine um CFO chegan­do ao CEO e dizen­do: Eu não sei como ler um bal­anço, mas ten­ho uma pes­soa na min­ha equipe que é muito boa nis­so’.” Mor­reríamos de rir dessa pes­soa”, diz Zettelmey­er. E ain­da assim, sei que várias pes­soas em out­ras áreas, como por exem­p­lo de mar­ket­ing, que, sem pes­tane­jar, chegari­am para o CEO e diri­am: Essa coisa de analíti­ca é com­pli­ca­da. Não enten­do isso muito bem. Mas mon­tei uma equipe top de espe­cial­is­tas de análise que vai nos levar ao próx­i­mo nív­el’. Acho que não é mais pos­sív­el aceitar essa resposta”.

About the Writer

Drew Calvert is a freelance writer based in Chicago.

Trending

Editor’s Picks