Com toda a tecnologia, dados e novas técnicas analíticas e análises disponíveis para nós hoje, espera-se que os funcionários e executivos estejam “por dentro”. Estamos vivendo na “Era do Conhecimento Mandatório “. Nesta nova era, você precisa se concentrar nas informações certas e tomar as decisões certas, porque há um “custo em desconhecer”.
Dados ruins causam impacto. E um grande impacto. Disfarçados de relatórios bonitos, dados de baixa qualidade podem incutir uma falsa sensação de segurança. Você precisa confiar em seus dados e ter certeza de que as decisões que está tomando com base nesses dados são as corretas.
A má qualidade dos dados corrói o valor de uma empresa. De acordo com um estudo recente do Gartner, as empresas afirmam que a baixa qualidade dos dados lhes custa uma média de US$ 15 milhões por ano.
Isso só vai piorar à medida que os ambientes de informação se tornarem mais dinâmicos — um problema que organizações de todos os tamanhos enfrentam. Aqueles com inúmeras divisões de negócios e atividades em múltiplas áreas geográficas, bem como muitos clientes, funcionários, fornecedores e bens, sem dúvida enfrentariam problemas mais sérios de qualidade de dados.
A falta de qualidade dos dados é um dos principais contribuintes para uma crise na confiança da informação e no valor dos negócios, afetando negativamente os resultados financeiros à medida que as empresas intensificam seus esforços de negócios digitais.
Agora, se a confiança nos dados não é garantida, insights “precisos” também não deveriam ser. Para evitar ser pego por desconhecer algo que deveria, você deve ter certeza de que não está dependendo de dados incorretos, incompletos ou enganosos. Você precisa de uma solução analítica que tenha a “inteligência” para ajudá-lo a determinar qual é o seu plano, o que aconteceu, por que aconteceu e o que acontecerá a seguir.
Mas por que parar aí? Para obter uma imagem completa e precisa de seus dados sem pontos cegos, você deve implantar modelos preditivos que pontuam seus dados em relação aos resultados pretendidos. E use a otimização de decisão que informa, no ponto de impacto, o que fazer.
Planejamento no Analytics: Qual é o nosso plano?
O processo de gestão do desempenho financeiro, “planejamento” para abreviar, é essencial para qualquer grande organização. Os gestores financeiros e de negócios criam planos, orçamentos e previsões, realizam análises e criam cenários para avaliar os riscos e recompensas de estratégias e ações alternativas.
Mas, para muitos, o planejamento é um desafio hercúleo e uma grande dor de cabeça. Equipes financeiras gastam muito tempo em processos manuais, coleta, consolidação e validação de dados antes mesmo de começar a analisá-lo. Além disso, os profissionais de finanças e gestores muitas vezes consideram o orçamento, que é uma parte fundamental do processo de planejamento, oneroso e de pouco valor no gerenciamento de operações ou na execução da estratégia corporativa.
No centro desses processos fragmentados estão as tecnologias “ocultas”, em muitos casos, simplesmente e-mails e planilhas.
As planilhas são onipresentes. Elas são atraentes por causa de sua familiaridade, mas inadequadas para o planejamento em escala empresarial e notoriamente suscetíveis a erros. Uma tecla errada e problemas sérios se propagam! O orçamento ou previsão mais cuidadosamente elaborado torna-se uma armadilha. Exagero? Na verdade, não.
Um erro numa planilha em sua organização pode nunca chegar às manchetes. Porém mesmo pequenos erros podem causar dores de cabeça, constrangimento e causar problemas a sua carreira. Verdade seja dita, não é realmente culpa da planilha ou do profissional. É simplesmente parte da natureza de qualquer processo que envolve muitos passos que envolvem copiar, colar e inserir dados manualmente.
É por isso que as organizações líderes estão complementando suas planilhas com novas tecnologias para aumentar e automatizar seus processos de planejamento críticos. As empresas agora podem eliminar atividades improdutivas, como rastrear números, consertar links quebrados e depurar macros. Em vez disso, eles podem consumir seu tempo usando as melhores práticas, como planejamento com base em direcionamento e previsões contínuas para ajudá-los a antecipar e responder às forças disruptivas que impulsionam o mercado.
Análise descritiva: descubra o que aconteceu.
“Analytics para todos!” Este foi o grito de guerra que desencadeou uma proliferação de ferramentas de business intelligence (BI) de desktop em empresas de todos os tamanhos e setores. Hoje em dia, a maioria das empresas sente que pode responder “o que aconteceu” e está chegando ao “por que isso aconteceu” com BI, visualização e software integrado de ciência de dados.
Não se engane: sim, as ferramentas de desktop tornaram possível o BI de autoatendimento. Essas ferramentas estão produzindo belos gráficos e painéis. Elas são tão atraentes que muitas pessoas se apressam em agir de acordo com o que estão vendo. Embora a velocidade seja boa, agir antes de responder às perguntas mais complexas pode ter consequências graves.
Para construir uma confiança real em seus dados, comece corrigindo os problemas que podem prejudicar sua análise. Esteja ciente dos pontos cegos existentes para que você possa atingi-los antes que eles te atinjam.
Ponto cego: Influenciadores atraentes
Influenciadores atraentes não são atraentes apenas porque apresentam respostas lindamente visualizadas. Eles também parecem seguros, parecem certos do que informam e podem até ecoar sua teoria de como seguir em frente. Eles dirão o que você quer ouvir, não necessariamente o que você precisa ouvir.
Ponto cego: Influenciadores inconsequentes
Já se foram os dias em que os relatórios esperavam nas mesas dos cientistas de dados. Com aplicativos de BI de autoatendimento para desktop, todos podem produzir relatórios. No entanto, isso também criou vários influenciadores inconsequentes.
Imagine o cenário onde cada influenciador pode escolher diferentes fontes de dados. Eles podem agregar ou analisar esses dados com métodos diferentes. Se eles perderem um fator-chave ou atenuarem o significado para produzir uma visualização, você é forçado a basear suas decisões em fontes não confiáveis. Mesmo se os dados mostrados estiverem corretos, a maneira como os dados são retratados na visualização pode não ser.
Trate seus dados de maneira inteligente.
Seus dados podem ser um recurso fenomenal, mas apenas se você os tratar de forma inteligente. Certifique-se de que está construindo suas análises sobre uma base sólida, caso contrário, a estratégia inteira desabará.
Para ajudar a gerenciar seus pontos cegos, existem quatro perguntas simples que você sempre deve fazer antes de tomar uma decisão:
- Pode estar faltando algum dado?
- É possível que alguma informação está incorreta?
- Algumas destas informações é enganosa?
- Estes números estão bem representados?
É fundamental que você possa responder com segurança a essas perguntas sobre os dados que influenciam suas decisões. Vá além de agir com base em insights rápidos (e enganosos) para eliminar a incerteza de “o que aconteceu” e, ao mesmo tempo, obter insights mais profundos sobre o porquê aconteceu. Uma vez que você tenha reforçado essa base, então você pode seguir em frente e fazer análises avançadas atingível para os tomadores de decisões diárias.
Agora… concluindo
Ao examinar os resultados de sua empresa, você naturalmente se perguntaria quais problemas estão ocorrendo e por quais motivos. A maneira como você reage a essas perguntas decide seu grau de vantagem competitiva. As empresas que usam “conhecimento” para responder a essas perguntas estão confiando em serviços cognitivos, aprendizado de máquina, otimização e planejamento baseado em padrões para conduzir uma melhor tomada de decisão e identificar tendências antes mesmo de saber quais perguntas fazer.
Quando você pensa em transformar processos de negócios percorrendo os cinco principais tipos de análise – planejamento, descritiva, diagnóstica, preditiva e prescritiva – você deve se lembrar de primeiro começar com uma base analítica sólida. Questione sempre o que você está vendo. Gerencie os pontos cegos que podem prejudicar suas análises. Uma vez que você tenha feito isso, então você pode começar a receber as melhores respostas, para que possa estar confiante que as decisões de negócios que você está tomando são as corretas. Afinal, em breve você não poderá dizer que “não sabia”.
Adaptado de Business Analytics: Can you trust your data? (ibm.com)
