Obter o máximo das análises requer um foco de laser nos resultados de negócios. Então, confira como líderes de TI fizeram para transformar análises de dados em ativos de negócios.
Muitas organizações estão lutando para obter valor comercial de suas análises. De acordo com o Gartner, até 2022, só 20% dos insights analíticos entregarão resultados de negócios. Contudo, quando se trata de IA, o Gartner diz que 80% dos projetos este ano continuarão sendo uma “alquimia, dirigida por magos cujos talentos não serão escalados na organização”.
Ou seja, estabelecer projetos de análise ou uma organização de análise é uma coisa. Entretanto, obter valor dessa análise é outra. E a pandemia do COVID-19 torna as coisas ainda mais críticas. Afinal, ela afetou diretamente as economias em todo o mundo. Portanto, as empresas provavelmente irão analisar de perto o ROI quando se trata de análises e grupos de ciência de dados.
A chave é gerar impacto
“Não se trata de análises. Não se trata nem mesmo de insights. É uma questão de impacto. Se você não está causando impacto, está perdendo seu tempo” – Mike Onders, diretor de dados, CIO da divisão e chefe de arquitetura corporativa da Cleveland, KeyBank, Cleveland..
Então, ter foco implacável nos resultados de negócios é fundamental. Contudo, isso não basta. Afinal, é preciso ser capaz de provar rapidamente que a análise pode ter um impacto nos negócios. Em seguida, deve-se entregar resultados em escala.
“Na verdade, trabalhamos retroativamente a partir de resultados de negócios específicos que buscamos alcançar. No final das contas, ML [aprendizado de máquina] e IA tendem a ser veículos que nos levam ao objetivo final. Entretanto, o que falamos, o que compartilhamos, o que dirigimos com nossos clientes traz um melhor conjunto de resultados” – Shri Santhanam, vice-presidente executivo e gerente geral de análise global e IA da Experian.
Obstáculos ao gerar valor analítico
Você sabe qual é o maior obstáculo para um ROI analítico? Pois saiba que são os obstáculos institucionais. Ao menos, é o que afirma Brian Hopkins, vice-presidente e principal analista que atende CIOs na Forrester Research.
“O problema que vemos é que a estratégia de dados dos CIOs envolve muitas mudanças no nível de negócios. Ou seja, mudança de processos de negócios, novas estruturas organizacionais fora da TI para tomar decisões sobre definições de dados e sobre prioridades. Isso, além de aplicar políticas de privacidade de dados e outras coisas que o CIO não pode controlar. Contudo, tudo isso tem um custo.”
É difícil transformar análises em negócios?
Hopkins diz ainda que muitas empresas estão recorrendo a seus CIOs para oferecer uma solução de tecnologia a fim de derivar valor de seus dados. No entanto, não estão vendo o quadro geral. Afinal, independentemente do orçamento para tecnologia, eles podem precisar investir o dobro em uma ampla mudança de negócios.
“Este grande grupo de empresas que têm essa visão elevada da estratégia de dados que recai sobre o CIO em termos de orçamento para investir em soluções de tecnologia vai reconhecer que o custo da estratégia de dados é muito maior do que apenas TI. Afinal, ela envolve muitas mudanças nos negócios. Isso porque inclui mudança de processo, mudança de aplicativo, gerenciamento de mudança organizacional, mudanças de incentivo, etc.”
O que fazer?
Portanto, primeiro os CIOs devem criar parcerias com as partes interessadas de negócios. Contudo, no final das contas, a liderança sênior deve criar incentivos para impulsionar essas parcerias.
“Você deve incentivar os gerentes de negócios a se preocuparem com os dados. Ou seja, saber se eles podem ser consumidos por outras linhas de negócios. Contudo, isso não é algo que a maioria dos CIOs pode agitar prontamente sua varinha e mudar. Aqui, os líderes de TI lançam luz sobre como suas organizações fizeram a mudança para o impacto orientado por análise.
Então, oferecem conselhos para aqueles que procuram transformar suas práticas de dados em ativos de negócios. “ – Hopkins
Você tem que incentivar os gerentes de negócios a se preocuparem com os dados. Ou seja, saber se eles podem ser consumidos por outras linhas de negócios.
Onders diz que o KeyBank resolveu esse problema de forma simples. Ou seja, fez com que as partes interessadas da linha de negócios fizessem parceria com a equipe de análise. Dessa forma, se tornaram responsáveis pelos resultados de negócios dos projetos analíticos que solicitaram.
Para cada projeto, o KeyBank cria um estatuto de uma página que descreve o resultado que a empresa busca. Tal como as métricas para avaliar esse resultado. A carta lista o seguinte:
- Patrocinador do negócio;
- Líderes de produto, de análise, de risco e de tecnologia.
Segundo Onders, a carta de uma página diz basicamente:
“Quais métricas você está olhando?’ Eles têm que listar as métricas. Se essas análises vão mudar alguma coisa, que métrica vai mudar? Vamos responsabilizá-lo, pois espera-se que você esteja neste ponto, nesta data. Como a análise vai levar você até lá? Ou seja, é apenas um tipo muito mais agressivo de contrato baseado em métricas e impacto, com um líder de negócios sênior responsável por isso”.
Como justificar o investimento?
Então, a cada dois meses, o líder de negócios deve apresentar um relatório que mostre como a análise afetou o resultado do negócio. Afinal, assim poderá justificar o investimento contínuo no projeto. A equipe de dados da Experian também conta com parcerias estreitas com a empresa para conduzir iniciativas de análise, incluindo ênfase em: obter “clareza nos resultados do negócio em um quantificável ”, diz Santhanam.
Contudo, a filosofia analítica da Experian também permite uma abordagem mais flexível e iterativa. “Começamos fazendo coisas que não são escaláveis e alteram o problema de negócios em si. Isso nos permite desviar do que pode ser um conjunto de restrições. Ou seja, nos permite operar muito rapidamente e experimentar e entender onde está a alavancagem ”, diz Santhanam.
Melhorias para o sucesso da análise
Para que uma colaboração entre negócios e TI seja bem-sucedida, a mudança cultural é essencial. Afinal, os profissionais de negócios não devem apenas ser versados em processos e tecnologias orientados por dados. Mas também ajudar a preencher lacunas em áreas onde a demanda por habilidades supera a oferta.
A Jabil é uma empresa que educa profissionais e executivos de negócios sobre o que é necessário para transformar análises em iniciativas de negócios impactantes. A empresa de serviços de manufatura tem se concentrado em se tornar mais orientada a dados por anos. Então, quando lutou para encontrar cientistas de dados, ela criou um programa Citizen Data Science para ajudá-la a extrair os dados à sua disposição.
O CIO da Jabil, Gary Cantrell, diz que os dois principais componentes do esforço da Jabil para se tornar mais orientada a dados têm sido um foco implacável na abordagem de problemas de negócios. Contudo, também de um impulso intimamente relacionado para patrocínio executivo. Afinal, trazer líderes de negócios e executivos seniores a bordo foi um desafio. Contudo, no final das contas, um dos fatores mais importantes para o sucesso analítico da Jabil.
Investindo nos profissionais
Portanto, como parte de seu programa Citizen Data Science, a Jabil criou um grupo de treinamento de nível executivo que colocou os principais executivos em um programa de treinamento de dados intensivo de dois dias. O programa ajudou os executivos a compreender a importância de se tornar uma organização orientada a dados. Contudo, também conquistou seu patrocínio entusiástico quando começaram a procurar problemas de negócios para resolver com os dados. O programa continua a reforçar o patrocínio executivo, convidando executivos seniores a participar de debriefings ao fim do programa.
“Nós realmente começamos a ter aceitação e adesão por toda a equipe executiva quando eles começaram a ver os problemas de sua organização sendo tratados e os resultados que poderiam ajudá-los a melhorar. Com toda a justiça, nos custou muitas vendas no front-end. E então levou quase três anos para deixar os executivos seniores entusiasmados com isso. Mas agora, a pergunta nos últimos dois anos tem sido: ‘OK, o que você está fazendo com o Analytics? O que vem a seguir?’ Então, demorou um pouco, mas finalmente transmitimos a mensagem, relacionando-a de volta ao negócio, onde eles veem o valor.” – Cantrell.
Destruindo os silos de dados
Práticas de dados legados também podem sufocar a capacidade de uma organização de transformar análises em negócios de valor. Qual é o principal culpado? Os silos de dados estão entre os maiores obstáculos para o ROI analítico.
Nos últimos anos, a Bayer Crop Science buscou aplicar o aprendizado de máquina e a inteligência artificial a todos os aspectos de seus negócios. Contudo, atualmene, a agricultura de precisão tem sido o foco principal. Michelle Lacy, líder de estratégia de dados para P&D na divisão de biotecnologia vegetal da Bayer Crop Science, afirma que a adesão da empresa aos dados FAIR foi fundamental para sua transformação orientada a dados, ajudando a quebrar silos de dados.
O que é FAIR?
Trata-se de um conjunto de princípios orientadores para gestão e administração de dados científicos publicados em Scientific Data.
Então, FAIR (localizável, acessível, interoperável e reutilizável) é uma espécie de declaração de direitos de dados. Ela diz que os usuários devem ser capazes de encontrar seus dados facilmente e ser capazes de acessar os dados de que precisam ao tomar decisões (embora ainda sigam as políticas de segurança cibernética). Contudo, os dados devem ser interoperáveis e reutilizáveis.
“Isso é extremamente importante. Afinal, é a base de nossa estratégia de dados”, diz Lacy.
Cooperação
Frequentemente, os dados desenvolvidos por um grupo são úteis para o trabalho realizado por outros grupos. Entretanto, para transformar essas análises em negócios, os vários grupos precisam saber se os dados existem e como encontrá-los. Além disso, os dados devem ser compatíveis.
“Se você está executando vários ensaios em uma única planta, sejam ensaios de campo ou diferentes experimentos em um laboratório, você precisa ser capaz de reunir esses dados. Então, você pode pensar nisso como um quebra-cabeça e todos esses diferentes ensaios que você executa são peças desse quebra-cabeça. Contudo, cabe ao líder do projeto juntar essas peças novamente.” – Lacy.
Confiança
Como ocorre com muitas transformações, a mudança para uma organização orientada por dados depende da confiança. Seja entre os membros das equipes ou em novos processos. Contudo, também que as percepções derivadas dos dados terão um impacto positivo na empresa. Na Experian, quatro pilares orientam todos os projetos de aprendizado de máquina e IA. Segundo Santhanam, eles são:
- Desempenho;
- Escalonamento;
- Adoção;
- Confiança.
Modelos tradicionais de análises de dados
Historicamente, diz Santhanam, a questão da confiança limitou o que os bancos fariam com seus modelos de análises. Afinal, muitos dos modelos de posicionamento têm sido modelos de regressão logística bastante simples. Isso, pelo simples motivo de que a confiança em construir algo mais complexo e opaco cria um nível de risco que parece fora do apetite de risco das organizações mais regulamentadas. O que estamos vendo, no entanto, é que tanto a estrutura regulatória quanto as empresas neste espaço estão reconhecendo o valor de algoritmos mais complexos. Tal como de técnicas mais complexas e, portanto, adotando uma abordagem mais em estágios de movimento responsável para esse espaço com estruturas de IA explicáveis.
Santhanam também afirma:
“Em última análise, impulsionar o impacto requer todas essas quatro coisas. Contudo, é muito fácil perder o rumo se você não tiver os resultados de negócios em mente como meta.”
Ponto de vista executivo
Rahul Pawar é vice-presidente de Gerenciamento de Produto da Commvault. Ele ajuda a definir e gerenciar o roteiro para soluções de software de gerenciamento de dados inteligente.
Segundo ele, os dados são essenciais para a transformação digital. Então, as organizações têm metas de transformação digital principalmente para:
- Melhorar o atendimento ao cliente;
- Otimizar a eficiência operacional;
- Serem mais competitivas.
Dados x transformação digital
Ou seja, os dados são essenciais para a transformação digital, assim como a proteção de dados ágil, escalonável, flexível e segura. Então, os clientes estão preocupados com dados fragmentados e perda de dados. Contudo, é muito possível otimizar o gerenciamento de dados, mesmo para as organizações maiores. Afinal, nenhuma empresa quer perder dinheiro – ou clientes – para um problema evitável.
Contudo, os dados que são seu maior ativo podem se tornar um passivo sem as verificações adequadas. E, infelizmente, a dispersão de dados é comum. Os clientes perguntam quais inovações, quais descobertas de dados, quais novos insights podem estar ocultos em seus dados. Então, tornar os dados acessíveis é um passo fundamental para a inovação. Os negócios são globais. Portanto, os dados também precisam ser globalmente acessíveis. Afinal, para transformar análises em negócios é preciso ter acesso aos dados de forma integral.
Os negócios são globais. Portanto, os dados também precisam ser globalmente acessíveis.
Entretanto, muitas empresas não têm o entusiasmo necessário para mover dados e projetos de transformação digital. Contudo, isso as deixa bastante vulneráveis. Nessa frente, existem cinco erros mais comuns.
Primeiro
O primeiro erro é mover apenas o necessário. Então, dados duplicados e dispersão de dados são problemas comuns.
Segundo
Em segundo lugar, não proteger os dados da nuvem em voo e em repouso. Embora a nuvem seja altamente resiliente e disponível, proteger os dados é sua responsabilidade.
Terceiro
Certifique-se de escolher as camadas de armazenamento em nuvem adequadas. Ou seja, com acesso limitado e imutabilidade.
Quarto
Em quarto lugar, está a otimização dos custos da nuvem por meio de políticas de automação. Estas devem fornecer auditoria de gerenciamento do ciclo de vida, classificação automática por níveis e escalonamento automático. Afinal, isso garante segurança e economia.
Quinto
Por último, os aplicativos SaaS precisam de proteção de dados. Vimos uma grande adoção de SaaS para acomodar trabalho remoto. Contudo, os dados nesses aplicativos normalmente não são protegidos pelo fornecedor de SaaS.
Proteja-se
Então, de que tipo de riscos as organizações precisam se proteger quando se trata de proteção de dados? Bom, existem várias maneiras de se proteger contra riscos. A primeira é contar com um plano de recuperação de desastres que cubra seus dados críticos. Ou seja, aplicativos, incluindo aplicativos SaaS, além de suas máquinas virtuais, cargas de trabalho de contêiner, arquivos e terminais. Tudo isso ajuda na hora de transformar análises em negócios.
Alternativas
No entanto, você também pode usar os principais serviços de gerenciamento e auditoria para garantir que o acesso adequado e necessário esteja presente. Então, lembre-se de testar seu plano de recuperação de desastres. Ou seja, certifique-se de que consegue obter o RTO e o RPO. Mas não esqueça de testar também a recuperação de aplicativos de missão crítica em uma região geográfica de nuvem diferente – ou em outra nuvem.
Você também pode empregar uma estratégia de proteção de dados que mostre sua avaliação de risco. Ou seja, que possa reportar ao seu conselho, sua equipe de liderança, seus auditores.
Outra alternativa é contar com o auxílio de uma empresa de TI especializada. Afinal, ela poderá cuidar de toda a parte técnica para você. Contudo, também poderá fornecer insights valiosos sobre como transformar análises em negócios de forma segura e eficaz. A Infonova também atua como consultora de TI para empresas. Então, entre em contato para mais informações sobre novas tecnologias e proteção de dados.
Fonte:
IDG
