4 estratégias para evitar o pântano de dados

Nos últimos anos, a velha máxima de que toda empresa é uma empresa de software ganhou nova versão. Hoje, toda empresa é uma empresa de dados – isto é, se levar a sério a inovação.

Isso porque, devido à explosão no volume e na variedade dos dados produzidos, com empresas e consumidores se tornando cada vez mais digitais, uma elite de entendidos em dados demonstrou como essas informações podem gerar transformação e inovação. Como resultado, organizações de todos os tipos têm, incansavelmente, coletado e armazenado informações de suas operações e bases de clientes por, pelo menos, uma década (muitas vezes, até mais).

Porém, na maioria das empresas, o crescimento vertiginoso dos dados tem levantado dúvidas inquietantes de que eles não estão sendo aproveitados tão bem quanto poderiam. À medida que tecnologias avançadas de análise de dados como IA e aprendizado de máquina se tornam mais acessíveis, os líderes de TI começam a ser questionados sobre como é possível monetizar melhor esses dados.

A solução consiste em entender que, embora os dados em si sempre tenham certo valor latente, se permanecerem brutos, tal valor nunca será materializado. Convertê-los em insights através de análise contribui parcialmente para destravar o potencial dos dados, e muitas organizações são boas em fazer isso. Mas, para realmente monetizar os dados, é necessário colocar esses insights em prática.

Alguns, infelizmente, irão pelo caminho errado. Ao contrário do senso comum, a monetização não está em vender os dados que você possui — o que, além de ser um pouco imediatista, é uma prática arriscada em termos de reputação. Em vez disso, as empresas extrairão muito mais valor dos dados se gerarem resultados melhores com operações e clientes. E isso só acontece quando transformamos dados em insights, e insights em ação.

Para as organizações que conseguem isso, um poderoso ciclo de inovação pode se consolidar, com o valor dos dados aumentando significativamente ao longo do tempo, até se tornar um importante ativo estratégico.

O caminho para a monetização dos dados

O potencial dos dados para criação de valor e consequente monetização está vinculado ao continuum de análise, conforme descrito pela Gartner.

Na extremidade do espectro com baixa dificuldade e baixo valor, a análise descritiva fornece a retrospectiva do que aconteceu. Subindo nas escalas de dificuldade e valor, estão conclusões mais elucidativas para fins diagnósticos (por que aconteceu?) e preditivos (o que vai acontecer). Nos níveis mais altos de dificuldade e valor, aplicativos de análise são utilizados para fornecer prognósticos às organizações — como podemos fazer acontecer?

O caminho para monetizar dados está em obter respostas a essas perguntas — o que aconteceu? Por que aconteceu? O que vai acontecer? Como podemos fazer acontecer? — e agir sobre elas para criar resultados que melhorem a excelência operacional, o crescimento da receita ou a inovação.

As rotas internas para a monetização de dados podem incluir o aprimoramento da sua oferta de serviços, por meio de melhorias na eficiência do atendimento ao cliente, ou a otimização da sua cadeia de suprimentos. As rotas externas podem incluir a criação de novos fluxos de receita, por meio da descoberta de necessidades não atendidas dos clientes, ou o aumento dos fluxos de receita existentes, pela melhoria da experiência do cliente.

O escopo de ação disponível nessas rotas está fortemente vinculado à maturidade de seus dados e análises. No nível basal, está um modelo do tipo "dados como serviço": você é capaz de coletar e organizar dados e analisá-los para tirar conclusões descritivas e prescritivas. No nível transformacional, um modelo de "insights como serviço" lhe permite criar uma plataforma ou negócio para entregar insights diagnósticos ou preditivos de modo que possam ser postos em prática.

No entanto, seja qual for o nível de maturidade, todas as organizações precisam de quatro coisas para monetizar efetivamente os dados.

Quatro estratégias para evitar o pântano de dados

1. Garantir que os dados sejam confiáveis

O primeiro aspecto é óbvio e não está em falta em inúmeras empresas: dados. No entanto, quantidade é apenas metade da história. Os dados devem ser confiáveis, para assegurar insights confiáveis, e ser facilmente acessíveis. Este último quesito é um desafio tanto organizacional quanto técnico: os dados devem ser coletados, armazenados e conectados a aplicativos analíticos. E todos os silos que separam as fontes desses dados devem ser eliminados. Você também precisa ter os recursos técnicos, internos ou por meio de parcerias, para lidar com esses dados corretamente.

2. Ter uma estratégia completa

Em segundo lugar, ter uma estratégia desenvolvida com base na compreensão totalmente mapeada e mensurável dos resultados desejados — bem como um plano para acioná-los — é essencial. Mesmo um pipeline de análise de alto nível, alimentado com dados altamente confiáveis, não conseguirá causar qualquer impacto significativo sem que haja uma visão clara dos resultados a serem alcançados.

3. Obter alinhamento da liderança

Por esse motivo, liderança e estrutura organizacional também são fatores críticos para o sucesso. Sem o apoio executivo à estratégia e uma estrutura que capacite a organização a executá-la, seus insights nunca passarão de fatos interessantes. Para garantir que, em vez disso, eles se tornem resultados passíveis de monetização, é necessário ter mecanismos e canais para levar rapidamente os insights às pessoas que deles necessitam, em um formato acionável.

A liderança e a estrutura organizacional também definem o tom da cultura, que pode viabilizar ou inviabilizar os esforços de monetização. Culturalmente, você deve ser impulsionado a iterar resultados para criar um ciclo de inovação. Caso contrário, corre o risco de acabar do lado errado das previsões, como estas da Gartner:

• Até 2022, apenas 20% dos insights analíticos entregarão resultados comerciais
• Até 2020, 80% dos projetos de IA permanecerão no campo da alquimia, dirigidos por feiticeiros cujos talentos não serão escalonados na organização

4. Criar estruturas e processos de apoio para os dados

A menos que sejam coletados, selecionados e agrupados da maneira correta, os dados terão sempre valor e potencial limitados para serem monetizados. Para que se tornem um ativo de importância estratégica — e possam ganhar valor rapidamente —, as organizações precisam criar as capacidades, estruturas de suporte e estratégias corretas em torno deles.

E, ainda assim, muitos depósitos ou lagos de dados podem se tornar desertos de insights não utilizados. Montes de informações inexploradas, depreciando em valor à medida que seu tamanho cresce e sua utilidade diminui.

Os riscos associados a erros e equívocos na monetização de dados são relativamente altos, levando-se em conta o papel que eles desempenham em balizar sua estratégia de negócios e em capacitar e alimentar os sistemas que desencadeiam decisões e fluxos de trabalho automatizados. Isso significa que não há atalhos, mas também significa que há recompensas igualmente altas, com a transformação de soluções, serviços e processos — até modelos de negócios inteiros.

Para colher essas recompensas, as organizações precisam ter alinhamento cultural e organizacional para pôr em prática os insights extraídos dos dados. Pois, quando se trata monetizar dados, as ações falam mais alto do que os insights.

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.