Ciência de Dados também precisa da visão do negócio

É bastante comum que para a construção de produtos digitais, estejam eles vinculados a uma startup ou a uma empresa com maior tempo de mercado, precise de uma etapa que faça o alinhamento dos objetivos do produto com o negócio e o problema dos usuários a ser resolvido.

Para isso, diversas técnicas foram criadas baseadas ou no Design Thinking (DT), definido pelo executivo da IDEO como:

Design thinking is a human-centered approach to innovation that draws from the designer’s toolkit to integrate the needs of people, the possibilities of technology, and the requirements for business success. (Tim Brown, Executive Chair)

Ou com o uso de ferramentas que facilitam o entendimento do negócio e integram conceitos do DT, como: Business Model Generation e Lean Startup.

A partir desse kit de ferramentas, uma série de dinâmicas foram desenvolvidas para que produtos e serviços possam corresponder às necessidades de seus usuários e, ao mesmo tempo, às metas do negócio. Algumas dessas dinâmicas baseadas em Design Thinking e Business são: Design Sprint (Google) e Lean Inception (Caroli). Não podemos excluir também os métodos tradicionais que iniciaram com as áreas marketing e engenharia de software, como: Focus Groups e Casos de Uso (UML).

Essas técnicas já estão tão difundidas no mercado que, hoje em dia, é até difícil encontrar uma empresa que desenvolva produtos ou serviços digitais que não inclua no seu processo alguma parte dessas metodologias com o objetivo de atender melhor ao seu cliente. O interessante dessa vibe human-centered é que parece que ela não chegou aos projetos de ciência de dados. Você sabe responder por quê?

Os projetos de dados ainda estão presos na caixinha da TI das organizações.

É só em falar o nome CIÊNCIA DE DADOS que já vem uma sensação de ser uma "coisa" de outro mundo e que apenas pessoas que conversam com números é que podem atuar nessa área.

E é exatamente ai que os projetos de dados saem perdendo. Uma situação comumente encontrada em empresas, sejam elas do setor público ou privado, pequenas ou grandes organizações, é a seguinte:

Os projetos analíticos muitas vezes são tratados pela liderança como se fossem uma simples geração de relatórios, métricas e algoritmos que ficam exclusivamente sob a responsabilidade do time de BI ou dos cientistas de dados. Por outro lado, os gestores, usuários finais do produto analítico, ou o usam para reafirmar decisões já tomadas ou precisam refazer suas próprias análises para conseguir a informação realmente pertinente à tomada de decisão.

Nesse processo desconexo, perdemos por completo o valor que um insight vindo dos dados pode trazer ao negócio pelo simples fato dele estar totalmente desvinculado dos objetivos da empresa, da tomada de decisão e por serem de difícil interpretação. Ou seja, ainda que a organização tenha um super projeto de IA e que a liderança acredite que essa é uma inovação capaz de transformar o negócio sozinha, na prática o que vemos é um resultado um pouco diferente.

Neste artigo da CIO constam 5 desastres com projetos de IA, perceba que estes são desastres porque estão relacionados à grandes players do mercado. E quanto aos projetos de IA que custaram alguns milhares para sua empresa e acabaram virando um produto que nenhum gestor usa ou confia? Oooops!

Não vincular os dados ao negócio, é uma questão cultural. Ter medo de falar sobre projetos analíticos com os colaboradores, é uma questão cultural. Tratar projetos de dados como se fossem de uma área só, é uma questão cultural. Em uma pesquisa sobre o uso de IA na América Latina feita em parceria com o MIT Tech Review a cultura organizacional é trazida como um dos maiores desafios para esse tipo de projeto:

A cultura é uma preocupação realmente grande dos gestores, sendo que 60% deles têm receio de conversar com os colaboradores sobre a adoção de projetos de IA e seus impactos internos. (Sara Álvarez, editor do MIT Technology LATAM)

É importante lembrar que, normalmente, produtos de dados servem ao público interno das empresas e que em geral o processo de desenvolvimento destes produtos não possui as mesmas preocupações com: definição do problema, conexão aos objetivos do negócio ou experiência do usuário. Por se tratar de um produto interno, também é frequente a percepção de custo alto aliada a dificuldade de conseguir visualizar o retorno sobre esse investimento.

• Quanto custará o desenvolvimento?
• Quantas pessoas vou precisar direcionar?
• Quanto e quando esse produto vai trazer retorno?

Essas são algumas das perguntas presentes na cabeça das lideranças e você sabe como podemos ajudar a respondê-las? Conectando o desenvolvimento dos produtos analíticos com o os objetivos de negócio! Projetos internos precisam de um time multidisciplinar, da definição do problema, da conexão com métricas chave de negócio, da conexão com a tomada de decisão! Um dado precisa ser útil à tomada de decisão, um gestor precisa olhar a informação e conseguir fazer o que precisa ser feito com ela, seja mudar um processo interno, direcionar uma campanha ou redirecionar um time.

É muito fácil se perder na exploração dos dados sem ter um objetivo claro. Assim como é fácil se perder em vieses de confirmação na hora de tomar uma decisão. O processo de conexão do negócio com produtos de dados não deverá ser exatamente o mesmo feito para produtos digitais, mas com certeza podemos fazer o que a ciência vem nos ensinando há centenas de anos: experimentar, aprender e ajustar.

Tem um artigo super interessante da MIT Sloan que fala sobre Moving to Decision-Driven Data Analytics e traz umas dicas de como realizar essa mudança:

To move to a decision-driven data analytics approach, a company must start by identifying the business’s key decisions and the people who make them, and finding data for a purpose rather than finding a purpose for the data at hand. (MIT Sloan)

Quem sabe essa não seria uma ótima oportunidade de começar a desenvolver sua equipe para trabalhar de forma mais colaborativa e multidisciplinar e finalmente responder à liderança da empresa qual o retorno sobre o investimento no desenvolvimento de produtos internos.