Dados: implementação, análise e decisões.

23 de setembro de 2021.

A análise de dados está constantemente em crescente ascensão, principalmente nas grandes empresas de tecnologia e nas startups, que se tornam operações milionárias e bilionárias a cada dia.

Com a evolução e desenvolvimento de novas tecnologias e o processo de transformação digital que estamos acompanhando nas empresas e em nossas próprias vidas, o volume de dados cresce em maior velocidade. A internet, os equipamentos conectados e toda massa de dados que geramos diariamente são os insumos para variadas formas de uso. E a previsão de aumento dessa massa de dados é de um crescimento de forma exponencial.

Growth in data consumption via cellular networks and fixed networks.

Saber utilizar os dados de sua empresa, time de trabalho e até mesmo dados pessoais será um diferencial competitivo. Assim como, um tempo atrás, a datilografia, o conhecimento básico em informática e uso de Excel eram excelentes habilidades complementares para todo profissional, já que possuem comandos que impactavam, e ainda impactam, diretamente o resultado e gestão das empresas.

A tendência natural para o curto prazo, e já percebida hoje, é profissionais e empresas que entendam o processo de implementação, análise e decisões baseadas em dados.

Com o surgimento de novas tecnologias, tais como a computação em nuvem, internet das coisas (IoT), ciência de dados, computação quântica etc., as empresas vêm expandindo sua atuação e inserindo uma gama de novas áreas e profissões provenientes destas novas tecnologias; uma demanda crescente de alguns profissionais especializados, como cientistas, engenheiros, analistas de dados, especialistas em computação em nuvem (Cloud Computing).

Grandes empresas de tecnologia já se posicionaram como provedores de um ecossistema completo de soluções em nuvem e integração com os equipamentos físicos das empresas ou apoio a operações 100% hospedadas na nuvem, como a AWS da Amazon, a Microsoft Azure e o Google Cloud.

Mas por que as soluções em nuvem vêm ganhando tanto espaço? O principal motivo é o grande volume de dados gerado e a necessidade de poder computacional que requer um grande investimento por parte das empresas a fim de que possam gerar insights através dos dados. Por exemplo: em 2020, a cada minuto foram enviadas ou compartilhadas 41.666.667 mensagens via Whatsapp - mais de 41 milhões de mensagens por minuto! Aqui (Here’s What Happens Every Minute on the Internet in 2020) você encontra referências de outros serviços.

A análise de dados ajuda a interpretar o ambiente de negócio, apoiar gestão para decisão e agilidade para correção de ações, além do direcionamento organizacional, gerando uma grande vantagem competitiva. Além disso, possui forte impacto na redução de centralização de informação.

Assim, a descentralização será uma forte tendência, bem como a automação de tarefas e processos dentro das organizações, e em torno desses pilares, a privacidade, segurança e legalização da manipulação de dados serão altamente aplicados. A empresa do amanhã será claramente uma empresa capaz de atuar e utilizar de seus dados como diferencial competitivo.

Cada empresa, organização ou time de trabalho possuem maturidades diferentes quanto aos seus dados. Se você é gestor ou executivo de alguma operação, é importante atentar-se para alguns pontos que são estratégicos com base no planejamento da organização ou setor:

● Possuir os dados necessários e utilizá-los;

● A criação de novos dados é tão importante quanto a utilização dos já existentes;

● A disponibilidade desses dados para autonomia de uso de tomadas de decisão;

● Resultados através dos dados requer um time capacitado.

Em outro artigo (OKRs para Planejamento Estratégico no Terceiro Setor) que escrevi para o blog da FreeHelper, citei uma metodologia para planejamento estratégico. A partir dessa construção é que será possível determinarmos os objetivos (qualitativos) e resultados chaves (quantitativos). Dessa forma, com os indicadores e resultados que desejamos, conseguiremos gerar dados ou desenvolver um fluxo de coleta, processamento, exploração e visualização desses dados para tomada de decisão.

Por onde começar? É necessário entender em qual estágio de maturidade de uso de dados sua organização ou time se encontra.

Podemos considerar quatro cenários distintos:

Análise descritiva: o que aconteceu? O cenário passado, análise dos dados sem ainda utilizar de outras técnicas de correlação, gerando entendimento do que aconteceu, baseando-se na análise para tomadas de decisão para impactar os próximos ciclos. Por exemplo: visão dos resultados do último mês, do semestre passado e comparação com anos anteriores.

Análise diagnóstica: por que aconteceu? Objetivo de entender e explicar o que foi detectado na análise descritiva; alguns primeiros insights baseados no passado. Por exemplo: visão de principais departamentos com quedas de receita, volume de pedidos e outros.

Análise preditiva: o que vai acontecer? O objetivo aqui é analisar dados relevantes ao longo do tempo e buscar padrões comportamentais, além de suas variações, e prever como será o comportamento no futuro, dadas as condições atuais, tudo isso através de técnicas de previsão e machine learning. Por exemplo: prever qual será o faturamento para o próximo mês e volume de pedidos.

Análise prescritiva: o que fazer caso aconteça? Ao invés de tentar prever um acontecimento, a análise prescritiva busca trazer informações das consequências desse acontecimento. Segundo o Gartner, apenas 3% das empresas fazem uso dessa análise. Ela busca trazer, por exemplo, um panorama dos tipos de produto que serão mais desejados ou o impacto que essas tendências terão no montante de vendas.

Os cenários acima estão diretamente relacionados. Ou seja, da análise descritiva até a prescritiva cada etapa deve estar amadurecida para uso da próxima. Os dois primeiros cenários estão fortemente ligados à análise de dados - encontrar correlações significativas entre os dados e criar insights que sejam visualizados e utilizados no dia a dia para tomada de decisões. Já a análise preditiva e a prescritiva estão diretamente ligadas a técnicas mais avançadas de ciência de dados - técnicas estatísticas, linguagens Python, R, SAS, Java, Perl, C/C++ e outras, além de plataformas, como Hadoop e SQL.

Enquanto isso, a ciência de dados tem como objetivos otimizar processos, criação de produtos inovadores e solucionar problemas de negócios, utilizando, para isso, diversas disciplinas, como estatística, matemática, computação e conhecimento de negócio.

Após obtermos um panorama sobre o impacto dos dados e sua crescente exponencial, conceitos introdutórios sobre as possibilidades em análise de dados e ciência de dados e alguns níveis de maturidade de implementações, outros pontos a serem considerados serão as ferramentas e rotinas para criação e manutenção desse ecossistema de dados.

Uma prática inicial interessante é a migração de seus dados locais (em máquinas e dispositivos de armazenamento diversos) para a nuvem. Há diversos serviços e produtos empresariais e até mesmo pessoais no ecossistema da Microsoft, com o Office 365, e do Google, com o Google Workspace. Para organizações do terceiro setor, o Google Workspace possui um programa de gratuidade.

Essa migração para nuvem, de forma inicial, pode se dar através do uso das ferramentas de produtividade, como planilhas e textos, nas ferramentas on-line, e o armazenamento dos arquivos e organização de pastas e acessos.

Por já ter experiência atuando no terceiro setor fazendo uso do Google Workspace, vou relatar um fluxo simples de trabalho quanto às ferramentas do ecossistema Google:

● Google Agenda: útil para o compartilhamento de agendas de times ou departamentos específicos, agendamento de eventos/reuniões - tanto internos como externos; o compartilhamento da agenda pode ser privado ou público;

● Drives compartilhados: possibilita que toda a organização possa ter acessos a dados diversos ou controlar certas pastas de acordo com acesso de membros específicos ou times de trabalho;

● Salas de reuniões personalizadas: úteis para chat, compartilhamento de arquivos e videochamadas;

● Possibilita a criação simples de sites e páginas para consumo, acesso dos membros da organização ou times específicos, sendo uma boa maneira de organizar informação, comunicação, portal da organização etc. - com modelos e tutorias de uso já disponíveis;

● Classroom: é uma sala de aula para criação de turmas, compartilhamento de conteúdos, tarefas, turmas diversas etc. É um ecossistema que pode ser utilizado tanto por professores quanto por alunos;

● Permite a elaboração de formulários que auxiliam na busca e captação de informações, além de gerar tabelas de dados para análises, implementar pesquisas, capturar dados de processos e rotina - pode ser uma ferramenta simples de ERP ou CRM;

● Google Data Studio: é uma ferramenta de análise de dados e criação de Dashboards. Por exemplo: suponhamos que eu tenha um formulário que realiza chamada de alunos do projeto social ou cada contato realizado com um beneficiário/empresa. Com esse formulário poderemos levar os dados obtidos para o Data Studio e criar dashboards (painéis de visualização de dados) interativos e que possuam atualização automática com base em novos dados dos formulários. Ainda, poderíamos programar a permissão de acesso de visualização, além de recebimento diário por e-mail.

Geralmente as organizações quando se propõem a utilizar dos seus dados, possuem profissionais direcionados à estratégia de dados. Algumas menores possuem algum profissional que fica responsável por toda análise e uso os dados da organização; assim, será possível obter uma visão geral dos resultados e insights. Outras ONGs montam times de profissionais de dados e, de acordo com a maturidade, possuem diversos cargos e frentes de atuação.

Enfim, é importante iniciar o processo de organização e frentes de atuação quanto aos dados, avaliar o ciclo e atuar nos pontos críticos e direcionar estratégias de dados de acordo com o planejamento, objetivos e resultados gerados pela organização.

Uma sugestão interessante para organizações do terceiro setor, desde que os responsáveis pelas tomadas de decisões entendam e validem a necessidade de projetos e orientação a dados, é a formação de um pequeno time de profissionais voluntários para iniciar o projeto de implementação.

A implementação, análise e decisões baseadas em dados são componentes de um passo importante, que gera transparência para o público interno e externo e reflete o quanto o planejamento estratégico está gerando resultados, fortalecendo a confiança e credibilidade perante os apoiadores e investidores. Traz consigo decisões baseadas em dados e velocidade de resposta a situações adversas e oportunidades, sejam elas de inovações ou melhorias.

Vitor Diego Ramos

Gerente de Desenvolvimento de Negócios

Atua na iniciativa privada com implementação, desenvolvimento e gestão de operações de varejo e corporativa. Voluntário no Code Club Brasil no time de coordenação nacional e líder de um clube de programação. Voluntário no Brasil Cursinhos como Assessor de Dados, atuando com desenvolvimento de relatórios, análises de dados e projetos diversos em Data Science.

               

A importância das redes sociais para causas sociais: um papo sobre o Instagram

21 de outubro de 2021.

continue lendo

A arte (e o desafio) de gerenciar voluntários

14 de outubro de 202

continue lendo

Entre em contato conosco

Envie um e-mail para contato@freehelper.com.br

Cadastre-se