Quando falamos sobre a importância da jornada analítica para o negócio, fizemos uma analogia com um atleta de alto rendimento e toda sua trajetória até o dia da prova final.
O maratonista precisou conciliar nutrição, musculação, treinamento e preparo físico, preparação psicológica e até mesmo intervalos escalonados de descanso para atingir a preparação para uma prova – se tivesse negligenciado um desses fatores, certamente o resultado final seria impactado e iria divergir.
E como num ciclo virtuoso, acabada a competição, tendo o atleta vencido ou não, tudo recomeça, pois os desafios continuam e novas provas e recordes surgem para serem superados. Com a jornada analítica também é assim: organizações que estão iniciando ou passando por ela, precisam estar constantemente atentas, a fim de que os resultados para o negócio sejam os melhores possíveis.
Pilares Analíticos
Dito isso, fica claro o quanto a jornada analítica não é algo estático. O dinamismo que ela exige é determinante para que as empresas possam acompanhar o mercado e ter um modelo de negócio que funcione. Afinal, por mais que se chegue ao nível mais alto de maturidade, novas tecnologias sempre surgem, novas formas de lidar são necessárias e novos processos vão aparecendo.
Isso demanda das organizações um olhar apurado para as quatro dimensões que sustentam a jornada analítica: processos, ferramentas, pessoas e dados. Simultaneamente. Vou explicar melhor usando o exemplo de um cenário que já vivenciamos.
O que não é contraintuitivo pode (também) ter ótimos resultados
Ainda na década de 90, apresentamos um modelo analítico para um frigorífico que fazia o abate de cerca de 7 milhões de frangos por dia. A primeira orientação baseada em dados analíticos para aumento de lucratividade era que a empresa precisaria cessar o abate em 3 de suas unidades por cerca de 3 a 4 dias.
Isso porque a solução analítica da UniSoma, utilizada pela empresa, apontou que nesse período de 3 ou 4 dias os frangos cresceriam de tal modo a entrar em um perfil de peso e formação física que atenderia a outros mercados mais lucrativos. Mas isso era totalmente contraintuitivo, o que levaria pessoas sem perfil e treinamento analítico a desligar a ferramenta e seguir com o processo antigo.
Não foi o que aconteceu, e a empresa ganhou em lucratividade graças a esses quatro pilares que sustentam a jornada analítica e precisam ser trabalhados de forma simultânea.
Em outras palavras: se os processos não estivessem alinhados, o resultado final seria diferente; se a empresa não fornecesse dados suficientes e precisos para que o modelo analítico trabalhasse e não houvesse a combinação de ferramentas analíticas de modo customizado para entender a curva da demanda, não seria possível prever cenários. Por fim, se os gestores (as pessoas) não estivessem preparados para aceitar a mudança, tudo teria sido em vão.
É por isso que sempre reiteramos que essas quatro dimensões têm que ser concomitantes. É preciso acompanhar todo o passo a passo da jornada analítica sob olhar de complexidade a fim de tornar a empresa mais organizada e melhorar seus processos.
Pode ser que em um dos passos seja preciso colocar mais peso em processo que em pessoas — assim como em algumas etapas de sua preparação o maratonista precisa cuidar mais da alimentação que do preparo psicológico —, mas o conjunto tem que estar alinhado para chegar ao resultado final. A boa notícia é que isso sempre pode ser aprimorado ao longo da jornada.
Pessoas + processos + ferramentas + dados (Juntos, SEM ordem de prioridade)
A dinâmica nas empresas mudou. Com a transformação digital, que está relacionada à velocidade, processos repetitivos foram eliminados. Eles cederam espaço à automatização e impactaram no modo de trabalho daqueles que geriam o processual.
Esse cenário já vinha ocorrendo com os RPS, por exemplo, e está cada vez mais acelerado com o Robotic Process Automation (RPA). Essa evolução do mecânico para o analítico está acontecendo, e é preciso que ela esteja alinhada à mudança de mindset, gestão top down e que as decisões humanas estejam focadas naquilo que não é modelável.
A capacidade de filtrar informações que sejam relevantes para aquele negócio e aquele mercado é algo que nenhum modelo ou ferramenta conseguirá fazer. São pessoas com esse perfil, ou que estejam dispostas a serem capacitadas, com as quais as empresas precisam contar.
Isso sem imposição, mas com motivação de uma gestão top down que sabe o quão complexo é o planejamento de uma jornada analítica, em como envolver inúmeras variáveis e que o otimizador não vem para penalizar os colaboradores, mas para dar mais uma ferramenta para trazer informações, sabendo que informação é poder, permitindo decisões assertivas.
Assim, arrisco dizer que, nos dias de hoje, tem muito mais poder aquele profissional com capacidade de interpretar corretamente as sugestões sugeridas pelas ferramentas analíticas — sejam elas de otimização, machine learning, etc. — sem se preocupar com o processo de lidar com as variáveis e restrições. Ou seja, o foco sai do processual e vai para se aprofundar no negócio, no mercado e em saber interpretar corretamente os resultados.
Com o conhecimento analítico em mãos, ele terá embasamento para explicar o que aconteceria se o cenário fosse outro. Consegue, inclusive, viabilizar novos cenários para ganhar argumentação e tem total discernimento que a ferramenta analítica não é concorrente, mas parte da empresa. A ferramenta vem para mostrar aquilo que o cérebro não é capaz de fazer.
O profissional precisa estar a postos para fazer aquilo que um modelo analítico jamais conseguirá: tomar decisões. Afinal, apenas o humano sabe o compromisso de fidelidade que tem com determinado cliente e que fazer manutenção de Market Share vale a pena, por exemplo. As ferramentas dão apoio e suporte, mas a decisão tem que estar nas mãos de pessoas — e com perfil analítico. E isso pode ser criado? Sim.
Experimentação e Cultura de Dados
Há alguns anos, a UniSoma percebeu a importância de, a cada novo projeto que iniciava em um cliente, realizar um workshop com a equipe que estaria intimamente ligada ao desenvolvimento do modelo analítico. Os dois objetivos principais:
⮚ Ensinar alguns objetos de análise novos na rotina que estão nas ferramentas;
⮚ Acompanhar a equipe diante de um resultado apresentado de forma diferente do que até então havia sido experimentado.
O que percebemos é que os modelos de inteligência artificial demandam um time disposto à experimentação, mas isso não basta na jornada analítica. Os pilares têm que atuar de forma simultânea, até porque esta experimentação é dos próprios dados e algoritmos, que precisam ser manipulados e combinados. Pode ser que eles contem uma boa história, que não sejam suficientes para isso ou que precisem ser complementados com informações externas do mercado para que apresentem o resultado efetivo. Assim, o primeiro passo é uma organização interna que cuide da curadoria desses dados.
Hoje, muitas empresas lidam com dados dispersos: parte em planilha, parte em banco de dados, parte em sistema logado. Não há uma receita de bolo para essa curadoria, apenas a necessidade em entender que as decisões são tomadas nos vários pontos da cadeia.
É preciso haver um propósito, um mapa de origens e destino, uma arquitetura (que é a parte técnica do armazenamento, distribuição e acesso) e, por fim, uma organização que centralize e faça essa curadoria.
Vale lembrar que, em otimização matemática, se o modelo é bem feito, ele sempre trará melhores resultados que o método empírico, mas os insights podem ser ainda mais vantajosos. A magnitude pode surpreender — e a organização dos dados leva a isso.
Ferramental e Processos
A ferramenta analítica é imprescindível para combinar uma série de variáveis e correlacionar dados, mas é preciso conhecimento de mercado e comportamento analítico de experimentação. E mais: o processo tem que estar afinado porque vai permear toda a cultura da empresa.
Quando se instrumentaliza ferramentas computacionais analíticas, muda-se o processo — e ele tem que se adaptar a isso. Não é mais a pessoa que combina variáveis, é a ferramenta. E quando ele vê algo diferente e quer introduzir uma nova premissa, não vai fazer de novo. Então o processo que antes era de construção do planejamento, por exemplo, passa a ser agora de análise, de revisão, de provocação. E para isso, a ferramenta, é claro, precisa trazer soluções customizadas à empresa e que façam sentido à realidade do negócio e do mercado.
Portanto, ao escolher sistematizar uma melhoria de processos a uma ferramenta de advanced analytics, a organização ganha em termos de segurança de dados, governança, automatização e processo decisório. Isso sem contar a vantagem de evoluir de um método empírico para o analítico no momento de tomar decisões.
Como você pôde ver, pessoas com perfil analítico, processos, dados e ferramentas se correlacionam para que a jornada analítica oriente mudanças positivas à gestão. Assim como trazer insights baseados naquilo que a empresa já tem: suas próprias informações e equipe.
