Quando uma empresa decide começar a usar métricas e KPIs para tomar decisões, ela começa a extrair valor de uma commodity de valor inestimável para os negócios no século 21.
Mas existem algumas armadilhas que as empresas iniciantes nesse processo (e mesmo aquelas que já têm uma área/pessoa de dados operando) acabam caindo. A principal razão disso é a mistificação de termos como big data, data science, machine learning e inteligência artificial.
Isso acaba confundindo as organizações, fazendo com que elas posterguem os investimentos nas suas áreas de dados ou mesmo façam investimentos errados, sem levar em conta a ordem dos passos que são necessários para se tornarem de fato data driven.
A Gartner definiu muito bem esse problema quando classificou 4 estágios de maturidade onde as empresas se encaixam com os seus esforços de dados:
1. DESCRITIVO: As empresas olham para o passado e buscam responder, olhando isoladamente as suas ferramentas, a seguinte pergunta: "o que aconteceu?". Esse é o estágio mais simples e que pode ser alcançado facilmente com os conectores disponíveis em ferramentas como Data Studio e PowerBI. Os KPIs são vistos lado a lado, mas não estão cruzados e tomar deciões com base neles é muito perigoso (entenda a diferença entre emparelhamento/cruzamento e dos perigos de tomar decisões nesse estágio). A maioria das áreas de dados ainda encontram-se nesse estágio.
2. DIAGNÓSTICO: Ainda olhando para o passado, responde-se "por que aconteceu?". É necessário entrar a fundo nos dados e fazer cruzamento entre informações de fontes diferentes, que precisam estar com um nível de detalhe adequado. É aqui que os dashboards criados no PowerBI e Data Studio costumam falhar. Eles são capazes apenas de apresentar as informações, mas a menos que as informações estejam no mesmo lugar (como um Data Warehouse ou Data Lake) é impossível fazer um cruzamento entre elas e aprofundar-se nas métricas.
3. PREDITIVO: "O que vai acontecer?" é a pergunta desse estágio. Aliando as informações da fase de diagóstico com o conhecimento de negócio que existe na organização e/ou modelos estatísticos, busca-se chegar em cenários que possuem grandes chances (mas não certeza) de acontecer no futuro. Previsão de vendas e de demanda se encaixam nesse estágio, que é fundamental para o planejamento da empresa. Em muitas empresas, a etapa de planejamento é realizada apenas uma vez por ano, são milhares de planilhas e horas de análise investidos em algo que pode ser realizado de forma mais eficiente e eficaz em empresas que já estão com os seus dados centralizados e acessíveis.
4. PRESCRITIVO: "O que devo fazer?" - como se precaver das situações ruins que foram previstas no estágio anterior ou tornar as boas realidade. Uma vez definidos os cenários que são prováveis de acontecer, são necessários planos de ação para lidar com eles. Empresas data driven conseguem extrair dos seus dados não apenas metas gerais (ou desejos) como "aumentar os leads" mas "aumentar os leads de Google Adwords da palavra-chave X em Y% e contratar mais Z vendedores em W meses" porque sabem como os seus números se relacionam em detalhe e conseguem operar a sua empresa como um verdadeiro foguete usando um painel de controle embasado por dados.
