Ok, já tenho uma montanha de dados. E agora?

20 de fevereiro de 2018 - 11h42

Muito se fala que “data is the new oil”, mas muitos executivos de marketing e tecnologia sentem-se inseguros sobre como refinar esse petróleo bruto. Ou seja, sobre como extrair valor dos dados. Geoffrey Moore, autor do famosíssimo livro sobre inovação Atravessando o Abismo, capturou bem esse sentimento ao dizer que “dados são um passivo antes de virar um ativo”.

Uma das primeiras reações da maior parte das empresas neste sentido é criar relatórios e dashboards. Isso traz algum ganho ao gerar um melhor entendimento do negócio e de suas alavancas de resultado, de fato. Mas a eventual empolgação com esse cenário inicial frequentemente faz com que as coisas saiam do controle.

Assim, executivos recebem dezenas de páginas de relatórios coloridos todos os dias, sem falar no acesso real time às informações por smartphones e outros dispositivos móveis. Rapidamente, portanto, percebe-se que é humanamente impossível digerir tanta informação e extrair mais valor dos dados.

Outro passo bastante comum é a contratação de uma equipe de cientistas de dados. Essa estratégia também parece promissora, mas rapidamente as empresas constatam que se trata de outro modelo não escalável. Simplesmente seria necessário um exército de especialistas em analytics para suprir as necessidades da empresa de forma a mover a agulha de resultados.

Isso sem falar na dificuldade de encontrar bons profissionais nesta área. Com a experiência de quem já contratou dezenas deles, posso atestar o quão difícil é achá-los. Não é para menos. Esperamos que esse profissional seja um bom codificador de sistemas, tenha uma habilidade superior em fragmentar problemas maiores em partes mais fáceis de serem revertidas e alguma expertise na área de negócio para entender bem as perguntas e os dados. Esse profissional perfeito simplesmente não existe.

Ora, se criar dashboards ou contratar um time de cientistas de dados não faz com que extraiamos o máximo valor de nossos dados, o que devemos fazer então? Para Malcolm Frank e Paul Roehrig, autores do livro What To Do When Machines Do Everything (ainda sem tradução em português), a solução é criar o que eles chamam de Sistemas de Inteligência, ou seja, automatizar todos os aspectos do refino do petróleo, nesse caso, da extração de valor da montanha de dados que a empresa tem disponíveis.

Isso é possível com o uso de inteligência artificial, por meio de softwares que aprendem e podem digerir automaticamente um volume enorme dados, propondo ações. São verdadeiros motores de decisão. Uma combinação poderosa de inteligência artificial, algoritmos, bots e big data que se traduz em uma camada de inteligência sobre seus sistemas de legado ou ERP (SAP, Oracle, etc.).

Aqui os autores defendem a importância do foco em decisões ou processos específicos e não em tentativas de criação de uma “caixa preta” mágica que resolve todos os problemas da empresa. Mesmo plataformas poderosas como o Watson, da IBM, ou o Predix, da GE, geram mais valor quando focadas em uma área especifica do negócio. Se o objetivo é usar esses dados para melhorar a experiência de seus clientes, por exemplo, um bom começo é focar nos famosos “moments of truth”, aqueles que definem a experiência de um cliente com a marca.

Algumas startups crescem rapidamente porque identificam tais situações e os “pain points”, resolvendo-os por completo. Fintechs oferecem, por exemplo, aprovação de empréstimos pessoais em minutos em vez de semanas, como nos bancos tradicionais.

Notem que essas empresas não revolucionam toda a organização, mas focam em alguns processos específicos. O interessante é que os autores defendem que os futuros titãs digitais serão as empresas tradicionais com décadas de existência — e não as startups que tanto inovam. Para eles, as mais antigas levam uma grande vantagem, pois têm verdadeiras montanhas de dados, o combustível necessário para essa nova revolução digital.

Portanto, se o objetivo é melhorar a tomada de decisão, entendendo de forma mais automatizada sua montanha de dados, já há ferramentas que vão muito além de reportar dados e KPIs. E se o trabalho delas é compreender os dados de forma automatizada, fica para o gestor ou executivo o papel não menos importante de priorizar os pontos sugeridos pela máquina, interpretar o contexto de negócio e tomar a decisão.

Certamente algo muito mais prático do que navegar por páginas e páginas de relatórios todos os dias. Se os dados são petróleo bruto, a inteligência artificial é, sem dúvidas, a melhor técnica de refino.