As empresas de maior porte vêm fazendo investimentos vultosos em programas de análise de dados. No entanto, estudos da consultoria McKinsey mostram que a frustração com o valor gerado por essas iniciativas tem sido igualmente vultosa. A McKinsey identificou dez sinais de alerta de que um programa de análise de dados corre o risco de fracassar e avisa: reagir rápido a esses alertas aumenta significativamente a possibilidade de sucesso no prazo de dois a três anos:
**1- A direção da empresa não conhece os programas avançados de análise de dados.**
Muitos gestores não possuem uma compreensão sólida sobre as diferenças entre a análise de dados tradicional – ou seja, inteligência de negócios e geração de relatórios – e iniciativas avançadas, com ferramentas poderosas de previsão de tendências, com base em machine learning.
**Resposta imediata >>** Realizar uma série de workshops com os líderes sobre os princípios fundamentais da análise de dados avançada, esclarecendo visões equivocadas.
**2- Não se determinou o valor que a iniciativa deveria gerar no primeiro ano.**
Frequentemente, o entusiasmo leva à implementação apressada das ferramentas de analytics, na expectativa de que possam beneficiar todas as atividades da empresa. Isso leva a desperdícios, retornos lentos e desconfiança de que a iniciativa possa gerar valor.
**Resposta imediata >>** Logo de início, é preciso definir de três a cinco áreas em que o processamento de dados avançado poderá gerar o maior valor possível e mais rapidamente – no primeiro ano.
**3- Não há uma estratégia que vá além de algumas áreas e funcionalidades.**
É comum ver executivos animados com o analytics avançado e com o potencial de retorno em determinadas áreas e funcionalidades da empresa, mas sem uma estratégia de geração de valor que vá além dessas áreas específicas.
**Resposta imediata >>** Há três perguntas que devem ser respondidas: • Que ameaças as novas tecnologias, como a inteligência artificial, representam para a empresa? • Que oportunidades essas tecnologias trazem para os negócios? • Como a empresa pode utilizar dados e análises para criar novas oportunidades?
**4- O papel dos analistas de dados, no presente e no futuro, está mal definido.**
Poucos executivos conseguem descrever em detalhe com que talentos a empresa conta no campo da análise de dados e muito menos onde esses talentos se encontram, como estão organizados e se possuem competências e cargos adequados.
**Resposta imediata >>** A melhor forma de abordar a questão dos talentos nessa área é pensar em uma tapeçaria com conjuntos de capacidade e papéis. Cada parte dessa tapeçaria deve ter sua própria definição, desde uma descrição de cargo detalhada até as interações organizacionais correspondentes.
**5- Faltam “analistas tradutores”.**
São profissionais que podem ajudar as lideranças a identificar situações de alto impacto para uso da análise de dados e, então, traduzir as necessidades do negócio para os especialistas, a fim de que estes encontrem as melhores soluções.
**Resposta imediata >>** Contratar ou treinar profissionais para esse papel. O candidato ideal, internamente, deve conhecer muito bem a empresa e possuir formação que possibilite o diálogo com os especialistas em análise de dados.
**6- A análise de dados está isolada dos negócios.**
Empresas que ainda lidam para criar valor por meio da análise de dados tendem a isolar essa atividade, ou por meio da centralização excessiva ou em silos distantes e mal coordenados.
**Resposta imediata >>** O melhor modelo organizacional é híbrido: mantendo algumas funções e decisões centralizadas e fazendo com que as equipes de análise de dados estejam envolvidas com o negócio e sejam responsáveis por entregar ações de impacto.
**7- A “limpeza dos dados” já começou e vai custar caro.**
Há uma tendência entre as empresas de achar que todos os dados disponíveis na organização devem estar totalmente “limpos”, ou seja, atualizados e validados, por exemplo, antes que o trabalho de análise possa começar de forma séria. Não é bem assim.
**Resposta imediata >>** A ideia é priorizar a limpeza dos dados que abastecem as áreas e funcionalidades mais valiosas, com base na linha de negócios da empresa.
**8- Novas plataformas não foram construídas segundo um propósito.**
Um erro comum é construir novas plataformas de dados antes de descobrir a melhor forma de introduzir os dados e estruturar o sistema. É fundamental entender, por exemplo, que deve ser segmentado para atender diferentes tipos de situação. Em mais da metade dos casos, as plataformas não se encaixam em um propósito.
**Resposta imediata >>** Na prática, uma nova plataforma de dados pode coexistir com sistemas legados de TI. Novos dados, de múltiplas fontes, podem ser incorporados à nova plataforma, e realizadas as análises desejadas, enquanto os sistemas legados continuam a atender as necessidades transacionais.
**9- Ninguém sabe qual será o impacto da análise avançada nos resultados.**
É surpreendente quantas empresas estão gastando milhões de dólares em análise de dados avançada, e outros investimentos digitais, mas não são capazes de estimar o impacto desses gastos nos resultados.
**Resposta imediata >>** Os líderes, juntamente com os “tradutores”, devem ser os primeiros a responder esta questão. Devem identificar funcionalidades e áreas com potencial para gerar valor com a análise de dados. E se comprometer a mensurar o impacto financeiro.
**10- Não há ninguém focado em identificar potenciais implicações éticas, sociais e regulatórias das iniciativas de análise de dados.**
É importante ser capaz de antecipar como as áreas utilizarão as informações digitalizadas e compreender se há riscos do ponto de vista ético e dos requisitos regulatórios.
**Resposta imediata >>** Como parte de um programa mais amplo de gestão de riscos, é preciso fazer um trabalho em parceria com as áreas jurídicas e de compliance, com a participação dos “tradutores”.
