As formações bem sucedidas apresentam competências diversas e multi-funcionais para responder a prioridades de negócio claras, sem perder de vista o valor da experimentação e da formação contínua.
Para obter o máximo dos seus activos de dados, as empresas precisam de ter uma equipa consistente de analítica. O que é necessário para montar e manter uma equipe de alto nível, e o que essas equipas devem fazer para se tornarem bem-sucedidas?
Não são questões triviais. Num ambiente de negócio fortemente orientado a dados, a forma como as empresas constroem e geram uma equipa de especialistas em analítica, pode ter um grande impacto no negócio durante os próximos anos.
Mas antes de se montar a equipa é preciso formular a missão, objectivos e princípios, diz Jeffry Nimeroff, CEO da Zeta Global, uma empresa de gestão do ciclo de vida do marketing de clientes.
“Como sempre há outra maneira para formular relatórios mais significativos, há o potencial de se iniciar um ciclo sem fim em que o verdadeiro poder da analítica nunca é plenamente concretizado”.
No princípio está a diversidade
Ao construir uma equipa, não limite o foco e esforços à contratação de profissionais de analítica. A diversidade é crítica para o sucesso, dizem os especialistas.
“É muito importante incluir não só as pessoas com habilitações para analítica, mas também as que possuem competências comerciais e de relacionamento que podem ajudar a enquadrar a questão em primeiro lugar e depois comunicar os resultados efectivamente no final da análise”, diz Tom Davenport, consultor sénior da Deloitte Analytics e autor do livro “Competing on Analytics: The New Science of Winning”.
A GE valoriza uma diversidade de capacidades nas suas equipas de analítica. “Os dados e a analítica são mais eficazes quando as habilidades tecnológicas de classe mundial são combinadas com um forte conhecimento de domínio funcional”, diz Christina Clark, directora de dados da empresa.
Isso pode obter-se com uma equipa variada com origens no negócio, uma mistura de TI e competências funcionais, diz ela. O forte conhecimento sobre a ciência de dados, naturalmente, é crítico para qualquer equipa de analítica, e deve haver especialistas em estatística, matemáticos e aprendizagem automática no conjunto capaz perceber o funcionamento de algoritmos e como podem ser aplicados sobre os dados, acrescenta a TP Miglani, CEO da Incedo, uma empresa de serviços de tecnologia.
“Também é preciso de tecnólogos ‒ engenheiros de dados ‒ capazes de construir ligações para obtenção de dados e completar todas as análises”, acrescenta. É importante ter especialistas em negócio que compreendam as complexidades do domínio para o qual se está a resolver o problema.
Por exemplo, se o problema em questão for o desenvolvimento de medicamentos com base em dados, então é preciso farmacologistas e biólogos de quantitativos”. Tecnicamente, um cientista de dados deve ser um “unicórnio” que pode fazer quase tudo simultaneamente, diz Miglani. “Mas os unicórnios não existem”, ironiza.
Gestão da mudança e o valor do TI
Se um projecto analítico envolve analítica prescritiva ou operacional (por exemplo, se os resultados estiverem vinculados a um processo comercial ou a um conjunto de tarefas), também há necessidade de alguém gerir o processo de mudança, diz Davenport. Dado que a equipa se apoiará fortemente em infra-estrutura tecnológica, como grandes ferramentas de dados, também é importante o departamento de TI estar representado.
Foco na experiência
Quem estiver na equipa de análise deve ter muita experiência nas suas funções, diz Nimeroff. “A analítica de dados é uma arte e uma ciência, e os indivíduos mais experientes são mais capazes de aproveitar as ferramentas de forma criativa e eficaz do que os noviços”, diz.
“Também já percebi os mais novos contam com ferramentas para fazer o trabalho mais pesado e com o qual não estão totalmente à vontade. Por outro lado, conheci grandes cientistas de dados capazes de fazer tudo à mão. Mas não promovem o incremento de escala nem ajudam uma equipa a acelerar”, alerta.
Assim, o responsável concentra-se em descobrir pessoas que podem executar sem ferramentas, mas entender e aproveitar o valor das ferramentas modernas.
Uso de recursos externos mas integrados
Muitas empresas procuram especialistas externos para obter ajuda com projectos de analítica. Isso é bom, mas é importante garantir que os esforços do projecto estão realmente a responder às necessidades organizacionais.
“Se houver alguns membros da equipa que são trabalhadores externos, tente assegurar a presença de pelo menos um empregado interno em cada projecto, capaz de ajudar a garantir que os resultados das análises sejam adoptados”, recomenda Davenport.
E, sempre que possível, a equipa de analítica deve ser uma parte formal do negócio, ou pelo menos incorporada nela durante o período de um projecto.
Hierarquia de prioridades “cruel”
Com a equipa em campo, definir um modelo operacional com o qual todos possam trabalhar é o próximo passo, diz Nimeroff. “As empresas estão a tornar-se mais ágeis e, tal como no desenvolvimento de software, encontrar uma abordagem para hierarquizar o trabalho, decompor a execução em bocados ‘digeríveis’, desenvolvendo critérios de sucesso específicos para cada esforço de trabalho e fornecer uma estrutura de comunicação contínua, faz muitas vezes a diferença entre sucesso e fracasso “, explica.
Além disso, a equipa terá mais chances de ter sucesso se for capaz de demonstrar o valor comercial do que faz, assinala Miglani. “Envolver-se com as partes interessadas e os consumidores dos resultados da analítica ajuda-os a mostrar esse valor e também a obter uma compreensão mais profunda dos principais focos problemáticos em que devem se concentrar”, diz Miglani.
Enfatize a experimentação e a inovação
Também é importante manter uma mentalidade aberta à experimentação na equipa. “O argumento comercial para estes projectos não é fácil de vingar. Mas importa dar um passo para o desconhecido “, nota Miglani.
“Ao contrário dos projectos só de TI que começam com uma abrangência definida, os projectos de ciência dos dados começam com um problema e um conjunto de hipóteses que precisam de ser testadas”. Contudo não há um mapa claro dos processos anteriores e posteriores para esses projectos, observa o responsável.
As equipas que são novas na ciência dos dados precisam de entender e de sentir confortáveis com isso. No mesmo sentido, deve haver estabelecimentos para a inovação, considera Clark. “Existe uma enorme quantidade de tecnologias emergentes neste campo”, nota.
“Os profissionais vão querer saber que têm tempo e recursos para continuar a desenvolver as suas próprias competências e tentar novas abordagens. Nós procuramos fazer dos nossos pólos digitais globais, um lugar para incubar novas tecnologias e experimentar trabalhos em equipas com auto-organização; uma atmosfera de inovação mantém as equipas motivadas”.
Tal como acontece com a ciência e a aprendizagem em geral, a curiosidade é um elemento-chave da analítica. “As pessoas curiosas têm o desejo de acompanhar a sua própria análise, seja ou não a pedido dos nossos clientes”, observa Stuart Wilson, cientista de dados e líder na equipa da Paytronix Systems, fornecedora de serviços de programas de recompensa para restaurantes e retalhistas.
Dados são a fundação do sucesso
A equipa de analítica tem mais hipóteses de ter sucesso se a organização criar uma “fundação de dados”, nota Clark. “Os especialistas técnicos no campo dos dados querem ver o compromisso real da organização com uma fundação de dados “, diz ela. Garantir dados de alta qualidade deve ser uma pedra angular de qualquer fundação de dados. “Conhecer e gerir dados é fundamental para o sucesso”, acrescenta Wilson.
Formação contínua
Para manter a evolução rápida na analítica, a formação contínua e o desenvolvimento pessoal são importantes para manter uma equipa vibrante e bem-sucedida, confirma Nimeroff. “A analítica está entre o conjunto de áreas que evolui mais rapidamente, e mesmo que as técnicas de ponta não sejam aplicáveis em todas as situações ou organizações, isso não significa que ser capaz de permanecer-se actualizado não seja importante” avisa.
Mas convém ter em mente o objectivo de produzir resultados úteis e práticos para resolver um problema, com atenção para a forma como os utilizadores de negócio mudarão a sua actividade com base nessas informações. Isso ajuda a adaptar, nota Wilson, a abordagem e fazer a curadoria das conclusões fornecidas.