Princípios para renovar sua estratégia de dados
O interesse nos dados e o que pode ser feito com eles atingiu o nível mais alto de todos os tempos — e isso não é surpreendente. Houve uma explosão de dados super interessantes, combinados com ferramentas e tecnologias para dar sentido a eles. A maré crescente de interesse provocou uma onda de pânico corporativo. As empresas correm para absorver cada vez mais, com medo de serem deixadas para trás. É a era da ganância por dados.
Interesse em dados ao longo do tempo
Princípio 1: A estratégia de dados precisa se conectar diretamente aos objetivos do negócio
O pânico gerado pelos dados provoca uma corrida por iniciativas de dados. Mas muitas empresas acabam lançando projetos de dados sem um motivo concreto para testar novas ferramentas. O conselho do autor Simon Sinek é de extrema relevância — comece com o porquê. Por que estamos fazendo isso? Como essas informações ajudarão minhas equipes a agir de maneira diferente?
Os dados em sua forma mais bruta não são de grande ajuda aqui. O que as empresas precisam é de uma visão que ajude as pessoas a se comportar de maneira diferente e a tomar decisões alinhadas com os objetivos de negócio. Mas boas informações não se transformam magicamente em insights, portanto, mesmo as informações mais digeríveis precisam ser trabalhadas extensivamente antes que tenham valor.
“Nunca, jamais, faça um projeto de infraestrutura pura — sem valor comercial imediato, é quase certo que falhará.”
Dr. Christoph Windheuser, diretor global de inteligência artificial na Thoughtworks
Princípio 2: Mais nem sempre é melhor (ou, as startups podem ensinar uma ou duas coisas)
As empresas estabelecidas podem ter mais dados à sua disposição. Mas, na corrida para usá-los efetivamente, a simplicidade e a cultura geralmente dão uma vantagem às startups.
O fato é: maior não se traduz em melhor. O volume de dados nas grandes empresas significa mais possibilidades, mas esse potencial está acorrentado em sistemas isolados, geralmente difíceis de acessar ou difíceis de entender. E, embora ainda haja muito a ser feito, é caro manter uma quantidade colossal de dados. Há também o obstáculo da prestação de contas. À medida que as empresas crescem, fica menos evidente quem é responsável pelas principais considerações referentes aos dados: onde são armazenados, como são limpos, quem tem acesso e assim por diante. Por outro lado, as startups orientadas a dados constroem seus sistemas tendo o fluxo livre de informações como um componente crítico.
Tecnologia por trás de negócios legados vs. empresas orientadas a dados
Princípio 3: os lagos de dados não salvarão você (e nem a IA)
Inovações como IA e lagos de dados podem provocar impacto, mas não são balas mágicas. As empresas precisam ver esses avanços como ferramentas, e não como salvação. A tentação de adotar ferramentas assim que elas são criadas é forte. Mas seguir o que está na moda pode provocar erros estratégicos e distração. A complexidade e as nuances envolvidas significam que o que funciona bem para uma empresa pode ser um desastre para outra — mesmo no mesmo setor.
“O que temo é que estejamos caminhando para um inverno na IA. Depois que todo o hype desaparece, e apenas algumas coisas vingam ou têm seu valor comprovado, a IA poderá ser prejudicada por não corresponder a expectativas irreais.”
Ken Collier, autor do livro Agile Analytics
Princípio 4: Cultura e design são tão importantes quanto a tecnologia (se não mais)
A ganância por dados leva muitas empresas a uma corrida para contratar cientistas de dados e criar departamentos que se concentram única e exclusivamente em dados. Mas essas empresas sabem o que fazer com cientistas de dados?
Déficit de cientistas de dados por cidade nos EUA
Princípio 5: Comece pequeno, aprenda, repita... e nunca pare
Uma verdade inconveniente para muitas empresas tradicionais — o ciclo de encontrar dados, extrair informações e traduzir isso em ação leva meses ou anos. Isso resulta em um tipo de resposta "melhor tarde do que nunca". Mas descobrir como inserir dados nas principais práticas de desenvolvimento ágil, como integração e entrega contínuas, pode ajudar a diminuir o tempo entre informações e ação.
Ciclo de Inteligência
Combinando entrega contínua e ágil com ciência de dados
Perspectives na sua
caixa de entrada
Insights de tecnologia e negócios para líderes digitais.
Inscreva-se para receber artigos, podcasts, vídeos e convites para eventos e webinars com os pontos de vista de especialistas da Thoughtworks sobre temas relevantes.