Um dos grandes desafios nas empresas atualmente é a cultura analítica. Muitas vezes, esse tópico não é inserido no orçamento, nem no cronograma de um projeto de dados mesmo sendo um fator decisor no sucesso do projeto.
Há um investimento pesado em infraestrutura e profissionais de dados para que no fim as pessoas de negócio tomem decisões mais certeiras que deem retorno para empresa, mas do quê adianta todo esse investimento se as pessoas que efetivamente tomam decisões não estão verdadeiramente prontas para consumir e transformar isso em decisão e logo, em retorno para esse investimento?
Por muito tempo, acreditei que a facilidade que eu tinha para entender gráficos e a proximidade que eu tinha com números era natural/óbvia para todas pessoas de negócio, mas não é.
Na prática, o que se tem de “uso de dados” nas organizações sejam elas público/privado é consumir gráficos em barra para analisar indicadores pelo tempo, gráficos pizza/rosca para proporção e grandes tabelas com percentuais verdes ou vermelhos para mostrar crescimento ou decréscimo em power points no final do mês, salvo exceções. Muitas vezes, essas visualizações “mortas” no power point só são transpostas para softwares de inteligência de negócio e a informação é entregue com mais velocidade, o que já é um ótimo passo, mas não podemos parar por aí.
“Uma cultura analítica é democrática e vai do presidente até o analista”
Tableau, 2018
O cenário é ainda pior quando o assunto é Brasil. De acordo com um levantamento da British Council de 2018, 95% dos brasileiros não fala inglês e outros tantos tem dificuldade com raciocínio lógico, insuficiência e medo de matemática, um projeto de dados, mesmo simples pode ser assustador ou mais do que o usuário pode consumir, pois demanda as habilidades citadas acima que são escassas.
Ou seja, dados são usados para tomar melhores decisões e estamos gastando dinheiro e tempo em projetos que diversas vezes as pessoas que efetivamente tomam decisão não sabem ou tem medo de tomar decisão em cima dos dados? Sim.
E você vai ter que desenvolver raciocínio lógico, matemática, comunicação e interpretação de dados nesses profissionais? Sim!
Sim, porque se não, não iremos aproveitar o máximo potencial que os dados estão trazendo para nós. Existem iniciativas como Data University do Airbnb que visam democratizar o acesso a dados e a aprendizado de máquina para seus colaboradores, e isso é tão importante que eles colocam a educação de dados ou cultura analítica com o mesmo peso de ferramentas/acesso para que a empresa tenha sucesso na sua estratégia de ser mais orientada a dados ou data driven em inglês.
Como eu vim trabalhando cultura analítica?
Trabalho com dados e desenvolvo cultura analítica desde 2013 mas foi só em 2018 que fui convidada pelo @Social Good Brasil para fazer uma roda de conversa de como usar dados para o bem, nessa roda de conversa, iria ter uma interprete de LIBRAS (Língua Brasileira de Sinais) e seria aberto ao “grande público”, então eu tinha certeza que não poderia contar com termos em inglês e nem que nada fosse óbvio para ninguém.
Na verdade, nunca podemos contar com obviedades quando estamos falando de assuntos tão recentes e em transformação continua. Nivelar é preciso.
Durante esse período, eu estava liderando uma iniciativa no uso de dados para o setor de internet no Brasil em um laboratório de inovação. Nesse mesmo ano, aprendi a valorizar metodologias visuais de facilitação como canvas (método que usa quadros com algumas perguntas para nortear algum propósito).
Então surgiu a ideia de criar uma metodologia que facilitasse o público em geral a entender e utilizar dados.
Exercitei essa metodologia com pessoas de um público geral, desde de leigos em tecnologia até diversos perfis de executivos à analistas de médias e grandes empresas.
Alguns dos ganhos de utilizar essa metologia são:
- O usuário entende como é uma “arquitetura” de dados, sem que tenha que falar jargões, siglas complexas ou nomes assustadores como Data Warehouse.
- Ajudar o usuário a extrair valor de perguntas para os dados.
- Estimula criatividade do usuário para pensar em visualizações e formas de representar esses dados, conectado as perguntas a serem respondidas.
- Facilita para o processo de entender as expectativas do usuário assim como entender melhor o problema
Vamos nivelar!
Continua em: https://medium.com/@geekwho
Autora: Maria Clara Pires Queiroz
