Vamos falar sobre Data Analytics, ou DA para abreviar. Embora esse campo esteja bastante em evidência atualmente, muitos se perguntam coisas como: “temos uma equipe de DA, mas as pequenas startups continuam descobrindo coisas antes de nós e nos vencendo?” e “Por que os resultados do nosso DA não são tão atrativos?”.

Para lidar com essas perguntas frequentes e entender os motivos pelos quais elas existem, Roger Martin, ex-Reitor da Rotman School of Management da Universidade de Toronto de 1998 a 2013 e autor de vários livros sobre estratégia, dá seu ponto de vista sobre o assunto.

O FASCÍNIO PELA ANÁLISE DE DADOS NOS NEGÓCIOS

A maioria das empresas ama a sensação de que os dados podem oferecer a resposta certa para todas as dúvidas, como se eles fossem a solução de todos os problemas. A partir daí, os empresários tomam decisões com confiança e ficam seguros. Isso é fortemente reforçado pela escola de negócios, onde foram ensinados que decisões de negócios legítimas e bem tomadas são as baseadas na análise de dados. Apesar de isso ser correto, é contraprodutivo achar que parte das decisões não podem ser tomadas com base em uma lógica mais intuitiva.

Martin faz uma metáfora interessante com o jogador de golfe. É como se ele fizesse uma longa tacada bem no meio do campo e acreeditasse que isso vai acontecer com mais frequência. Como no golfe, onde o drive perfeito nos convence a continuar tentando, um ótimo resultado baseado em dados mantém os aficionados analisando. Embora na prática isso produza mais decepções do que vitórias.

Por tudo isso, existe um certo fascínio pela análise de dados por parte das empresas. No entanto, é necessário evitar armadilhas e encarar essa disciplina com um olhar crítico e do jeito certo, sem ficar ‘engessado’ confiando em dados por si só. Afinal, dados sem estratégias e análises são só dados, não é mesmo?

Limitações de dados

O que geralmente não é ensinado é que 100% dos dados do mundo são de uma era: o passado. Mesmo que se tenha acabado de executar um experimento ou coletar uma amostra, naquele momento, as ações que deram origem aos dados já aconteceram. Não há dados sobre o futuro. Assim, para cada análise que a educação empresarial moderna diz que você deve fazer para ser um bom gerente, você está restrito a um conjunto de dados que estão no passado no momento em que analisa e tira inferências. Claro que esses dados são a base para modelo preditivos, que aí sim buscam entender movimentos futuros. Mas eles são isso: modelos, não a realidade.

Martin aqui evoca Aristóteles, filósofo que inventou o conceito de análise de dados, que chama esse tipo de cenário de “a parte do mundo onde as coisas não podem ser diferentes do que são”. Por exemplo, se houvesse uma pesquisa sobre os padrões de uso de smartphones em 1999, se descobriria que os clientes nem usam, por um bom motivo: o primeiro smartphone de sucesso foi lançado pela BlackBerry um ano depois, em 2000. O uso humano de smartphones está na outra categoria de Aristóteles: “a parte do mundo onde as coisas podem ser diferentes do que são”. Nos últimos 20 anos, os humanos mudaram radicalmente a maneira como vivem e operam smartphones. Em 2000, apenas uma minúscula fração da humanidade sabia o que eles eram. Agora, metade da humanidade possui e usa sem moderação.

3 RAZÕES PARA ATINGIR RESULTADOS DECEPCIONANTES EM DATA ANALYTICS

Na visão de Martin, existem três razões principais para os resultados decepcionantes aconteceram em relação ao DA.

1) Muito DA é mineração de dados livre de hipóteses

Em grande parte da análise de negócios, é difícil saber o que se está procurando. Isso acontece porque a DA surge na hora errada e, mesmo assim, é analisada de qualquer maneira. O que acontece é que a análise só é útil na medida em que existe uma teoria que está sendo testada e deve ser trazida à luz como algo à priori, que os dados ajudarão ou não a demonstrar. Mas, em vez disso, ocorre muita mineração de dados e, como os sábios já dizem, se você torturar os dados o suficiente, isso lhe dará algo, às vezes, nada útil.

2) A complexidade dos negócios supera as técnicas de DA empregadas

O mundo dos negócios está cheio de relações causais ambíguas com diversas variáveis e relações não lineares ou circulares. O melhor tratamento dos clientes cria maior fidelidade, o que fornece dados que ajudam a descobrir como tratá-los melhor. Mas para onde flui a causalidade? Na maioria dos contextos de negócios, não se pode separar as variáveis ou direcionalidade com certeza.

Por isso, a maneira mais popular de DA de lidar com esse desafio é ignorá-la. Tanto que a grande técnica em data analytics é o popular teste A/B. Há toda uma infraestrutura de especialistas nos gigantes da tecnologia e em empresas de consultoria nestes testes que mostram a sua capacidade de otimização de resultados de negócios, mexendo em determinadas variáveis. E isso acontece porque esse tipo de técnica simplifica o contexto em uma única variável, escolhendo deliberadamente não lidar com a complexidade dos fenômenos.

3) Nos negócios, o DA não pode prever o futuro

Como já mencionado, no momento da análise, todos os dados são do passado. Mas o objetivo da DA é saber algo sobre o futuro. Portanto, 100% da DA é um ato de extrapolar o passado para o futuro em forma de modelos – ou nos casos mais rudimentares, por meio de mera interpretação subjetiva. Essa é a razão pela qual todas startups inventam o futuro muito antes de grandes empresas. Eles imaginam um futuro enquanto você analisa o passado. Até porque, como apontou o filósofo pragmatista americano Charles Sanders Peirce, nenhuma ideia nova na história do mundo foi comprovada analiticamente com antecedência.

PRACTITIONER INSIGHTS

Tenha cuidado: use o DA com moderação. Roger Martin destaca que somente se você estiver confiante de que o futuro será idêntico ao passado, as técnicas que usa serão adequadas ao seu propósito. Ou seja, nunca analise sem ter uma teoria. Respostas úteis não saem de uma análise de dados de forma automática. As correlações sempre aparecem porque, se tiver uma planilha, tudo parecerá relacionado entre si. Isso pode ser tão acidental quanto causal.

É preciso, antes de tudo, reconhecer a complexidade, não de sejar que isso desapareça na tentativa de produzir uma relação causal. Todo o resto dificilmente será igual. É uma parte inerente da complexidade de tudo o que se está analisando. A simplificação para DA é um preço muito alto a pagar, por isso, trabalhe em seu julgamento, considerando todas as formas de informação.

A Planning Academy é uma plataforma de formação de estrategistas, que contempla diversas habilidades fundamentais para esses profissionais, se moldando ao seu momento de vida e carreira. Inclusive, o módulo de Consumer Insights envolve análise de dados de forma direta, tudo para entender as pessoas e definir bem seu público.

Propomos uma ferramenta de autoavaliação, para que nós te conheçamos e possamos sugerir a melhor trilha para você. O que você acha?

 Saiba mais e inscreva-se!