Elissa Suzuki, da Bayer, Caroline Oliveira, consultora de Marketing e Negócios e Marina Abreu, da Natura, falam de tendências de Data Analytics para 2021.
À medida que mais empresas desenvolvem uma cultura data driven, aumenta a busca por profissionais que atuem com análise de dados. Para Data Analysts, se atualizar constantemente sobre a área é o que garante que as melhores decisões serão tomadas com base em dados.
Neste artigo, experts comentam 6 tendências de Data Analytics para 2021. Veja o que pensam as profissionais Elissa Suzuki, LatAm Data & Analytics Manager na Bayer, Caroline Oliveira, Consultora em Negócios & Marketing Digital e Expert na Tera e Marina Abreu, Coordenadora de Gestão de Performance na Natura.
1. Aplicação do ciclo de vida de dados para gerar valor
Para Elissa Suzuki, uma das principais tendências de Data Analytics, principalmente no contexto de empresas tradicionais, é o desenvolvimento de um ciclo de vida para os dados. A ideia parte do princípio de que, para que analistas e cientistas de dados possam trabalhar de forma adequada, as informações devem passar por etapas de preparação.
“As etapas podem ser: um sistema ERP, Salesforce, um sistema de manufatura, Excel ou banco de dados. Eu preciso capturar esses dados e armazenar em um repositório. Depois de tudo isso tem que limpar para aí poder disponibilizar para um cientista de dados usar.”
Elissa explica que esse ciclo de vida dos dados está diretamente ligado às carreiras em dados:
-
Engenharia de Dados: que é responsável por tornar o dado disponível para uso. Vai estruturar, tornar disponível e fazer um trabalho extremamente técnico, por trás das câmeras.
-
Análise de Dados: que usa dados para começar a responder perguntas, criando dashboards e relatórios. Essas perguntas vão responder o quê e porquê.
-
Ciência de Dados: Por meio de técnicas e estatísticas, e utilizando técnicas e algoritmos de AI, usa o mesmo de dataset de dados que o analista para começar a prever cenários, respondendo perguntas de negócios para o futuro.
“É interessante trazer esse ciclo de dados e carreiras, principalmente para indústrias tradicionais, para levar ao entendimento de que, se a empresa não tem dados organizados, é preciso antes “arrumar a casa” para depois analistas e cientistas de dados começarem a extrair valor. Essa é uma tendência importante antes de começar qualquer projeto.”
2. Contratação estratégica de talentos de dados no mercado tradicional
Mais uma tendência apresentada por Elissa para o mercado de Data Analytics é o uso de um modelo estratégico de contratação de pessoas para cargos na área de dados.
Pensando no cenário de empresas tradicionais como Bayer e Ambev, Elissa explica que é essencial um olhar diferenciado para conseguir atrair e reter os melhores talentos e, assim, conseguir que a marca empregadora possa competir com fintechs e startups que têm um ambiente de desenvolvimento e tecnologias de ponta.
Ela separa macro etapas que são essenciais para trazer profissionais de dados para a empresa:
-
Compreensão do cenário: saber em que etapa de maturidade analítica a empresa está, se ainda precisa estruturar dados ou se já há um fundacional para trabalhar;
-
Início do hunting com base nesse cenário;
-
RH faz primeiro approach para entender o fit cultural das pessoas candidatas com a empresa;
-
Etapa de prova ou case técnico para entender se as pessoas, além de habilidades comportamentais, têm as habilidades técnicas para aquela área;
-
Entrevista técnica, com profissionais da área, para entender se a pessoa conhece o tema e para observar o raciocínio que ela usou para resolver o problema;
-
Entrevista final, com diretor da área.
Por mais que seja um processo que demanda mais tempo, ele se torna essencial para atrair e reter talentos de dados, garantindo que eles terão tanto as habilidades técnicas quanto comportamentais para atuar na empresa.
3. Relatório que gera valor vs compilado de informações
Carol Oliveira, Consultora de Negócios e Expert na Tera, traz como tendência de Data Analytics o olhar mais crítico e analítico para as informações geradas nos negócios, seguindo a ideia de não usar dados por dados, mas ter visão estratégica para eles.
“O dado pelo dado ele te conta qualquer coisa, você pode contar qualquer história, mas existe uma necessidade da gente construir uma mentalidade de questionamento crítico e analítico. Precisamos fazer mais quebras nas dimensões gerais e entender qual dado de fato agrega valor para a operação. O dado foi feito para te ajudar a tomar uma decisão e não para ser um compilado de informações e acho que a gente ainda não absorveu isso.”
Caroline ressalta ainda a importância de acompanhar dados mesmo quando o negócio passa por um bom momento, afinal, esse recurso não deve ser ativado apenas em tempos de crise.
“A crise de 2020 veio próxima de uma grande onda de dados tomando forma, em que as pessoas estavam de fato mais interessadas em entender melhor sobre dados. O que eu percebo é que quando as coisas estão caminhando bem no negócio, a gente tende a não observar nem questionar tanto a informação, indo mais para a linha de experiência e senso comum. Mas quando estamos em uma situação de que tomar aquela decisão impacta o futuro da empresa, aí percebo que as pessoas ficam mais atentas a tirar algum insight daquela informação.”
4. Transformação de dados e informações em insights
Seguindo na linha de usar dados de forma realmente estratégica, Carol traz explica que é essencial começarmos a diferenciar dados, relatórios e insights, compreendendo em quais momentos cada um deles será priorizado.
“Em geral a gente acha que tudo é a mesma coisa, mas na verdade, um origina o outro. Hoje grande parte das empresas está em um ciclo de maturidade de dados que a gente sabe mais ou menos o que é dado e informação, mas ainda não absorveu o que é um insight, como extrair isso dele e como olhar para um relatório e fazer essa análise crítica. Precisamos tomar decisões baseadas em insights e não baseadas em dados.”
Saber diferenciar dados de insights é uma competência fundamental para pessoas que atuam como Data Analytics. Isso porque os insights geram verdadeiras mudanças de rota e conduzem a decisões assertivas.
“Saber fazer essa diferenciação e entender em qual momento usar dado, relatório ou insight é fundamental para 2021 porque a gente não vai ter tempo e nem dinheiro para perder.”
5. Gestão via dados vs gestão por experiência
Marina Abreu, da Natura, pontua a importância de equilibrar experiência e dados na gestão do negócio, principalmente em ambientes corporativos mais tradicionais. Com dados em mãos, é preciso dar o protagonismo a essas informações relevantes em vez de seguir apenas a intuição e o senso comum.
“Com o avanço dos dados e esse universo em evolução, a gente consegue comprovar e entender alguns pontos com dados. Por isso, precisamos entender como essas duas coisas convivem juntas, porque elas não são excludentes, mas complementares.”
O ponto central, segundo Marina, é unir essas duas visões para desenvolver uma gestão sólida baseada em dados.
“Quando você sabe analisar dados, a experiência é importante justamente para gerar entendimento do problema e saber quais dados você precisa coletar e trabalhar para resolver aquele problema e gerar uma recomendação de negócio. A gente precisa ter grupos multidisciplinares trabalhando em equipe, trazendo essa visão do negócio, conectando ferramentas com análise para alimentar o negócio como um todo.”
6. Implementação de cultura analítica nas empresas
A implementação de cultura analítica certamente é uma tendência para 2021. No entanto, ela vem acompanhada de desafios para as empresas. Marina Abreu pontua algumas questões que precisam ser mapeadas pelos negócios.
Primeiro, a implementação de ferramentas que automatizem processos e deem mais tempo para uma atuação analítica do time.
“Muitas empresas já perceberam a importância de saber trabalhar, disponibilizar e utilizar dados no negócio, mas ainda enfrentam dificuldades. As pessoas se interessam pela gestão via dados, mas os processos manuais tiram o tempo dessas pessoas, que poderiam estar fazendo análise e gerando conhecimento. Então, para a gente ter uma cultura de dados robusta, precisamos de investimento em ferramentas, plataformas e capacitação interna para os colaboradores aprenderem a usar essas plataformas e se adequarem a elas.”
A confiabilidade das bases de dados também é um aspecto que precisa ser observado. Informações tiradas de dois locais diferentes precisam estar alinhadas para permitir um trabalho seguro para analistas.
“A comunicação entre quem extrai os dados e quem está utilizando, e a disponibilização dos dados para a empresa e para as pessoas, também é um desafio.”
A falta de mão de obra especializada em análise de dados também é um problema, tornando a contratação da pessoa certa para a posição certa desafiadora. Marina explica que as empresas precisam desenvolver maturidade de dados para contratar as pessoas que realmente poderão fazer a diferença.
“Algumas empresas podem tentar contratar analista de dados para uma posição que deveria ser de cientista de dados, ou vice versa. Então encontrar mão de obra especializada para a necessidade correta, para empresas que ainda não tem maturidade de dados, é um desafio.”
Por fim, é importante que a cultura data driven seja também colaborativa, com um ambiente em que informações relevantes de dados não sejam retidas, mas compartilhadas entre os times.
….
Analisar dados não é mais uma opção e sim um imperativo para organizações que querem se manter competitivas no contexto atual. Esperamos que as tendências de Data Analytics para 2021 apresentadas neste texto ajudem você a desenvolver sua mentalidade orientada a dados e gerar insights relevantes para o negócio.
As tendências trazidas aqui são fruto da conversa que tivemos com experts na Digital Trends. Para assistir a gravação completa, acesse nosso YouTube. Ou baixe o e-book com todas as tendências clicando na imagem abaixo.
