Na última edição do Podcast Itaú Views, nosso Sócio Fundador e Diretor de Expansão Digital Joni Hoppen esteve conversando com Marcelo Serrano e Danilo Picucci, Community Manager do Cubo, sobre com está o cenário de inovação e empreendedorismo tecnológico em diversas regiões do brasil.
O Itaú Views é um podcast semanal que analisa as pautas da agenda econômica, trazendo assuntos relevantes sobre política monetária, atividade econômica, análises setoriais, investimentos e tecnologia.
Nesta edição, Joni e Danilo comentaram sobre os ecossistemas de Florianópolis e Recife, os desafios de empreender fora de SP e as perspectivas para a atividade de startups em todo o Brasil.
Joni contou um pouco da história da Aquarela, que surgiu dentro de um dos principais ecossistemas de tecnologia do Brasil, também falou sobre as características do ecossistema de Florianópolis e como foi o processo de inserção de tecnologias de dados na indústria em diversos pontos do país.
Ouça aqui o podcast, ou então nas principais plataformas de Streaming.
Fundador e Diretor Comercial da Aquarela, Mestre em Business Information Technology com especialização em logística – Universiteit Twente – Holanda. Escritor e palestrante na área de Ciência e Governança de Dados para indústria e serviços 4.0.
A maturidade de dados e a onda data-driven (gestão orientada a dados) vieram para ficar, mas o que muda para as empresas e no dia a dia dos profissionais?
Com especial ênfase para as organizações que não nasceram digitais, há um trabalho importante a ser feito na governança de seus dados e seus processos de negócio. Assim, um desses trabalhos é compreender o nível de maturidade de data analytics.
Neste artigo, apresentamos os 5 níveis de maturidade de governança de dados e analytics, para que os gestores tenham um raio-x da situação atual de sua arquitetura de informação. Além disso, apontamos recomendações de plano de ações em cada nível.
Os 5 níveis de maturidade de data analytics apresentados aqui são o resultado de mais de 10 anos atuando em projetos realizados em diversos setores e organizações no Brasil. Neste contexto, acreditamos que a maturidade analítica é um dos principais fatores no sucesso ou fracasso de projetos envolvendo:
e processos que demandam um uso intensivo de treinamento de máquinas (Machine Learning)
Por que a maturidade de dados é tão importante?
Muitas organizações agora precisam competir em um mundo hiper-digital. Os programas de transformação digital em geral ainda estão engatinhando, com cultura digital fraca ou inexistente, falta de conhecimentos aprofundados em ciência de dados, e pouca clareza de como a inteligência artificial pode transformar e otimizar seus produtos e serviços. A situação é cada vez mais urgente, porque esses negócios enfrentam:
Falta de informações estratégicas de dados para tomada de decisão (ver riscos);
Altos gastos com retrabalho e incertezas em projetos.
Níveis de maturidade DCIM
A Aquarela desenvolveu a DCIM: Data Introduction Culture Methodology, uma metodologia focada no desenvolvimento de projetos de Advanced Analytics de alto impacto. Neste sentido, um dos principais componentes desta metodologia é o Guia de Introdução à Cultura de Data Analytics – Baixar grátis.
Abaixo, apresentamos os diferentes níveis de maturidade analítica, os quais podem ajudar a explicar de forma sintetizada as condições de cada departamento, e até da organização como um todo.
Nesta visão, para cada nível, há um plano de ações que deve ser montado, possibilitando um aumento incremental e estruturado da maturidade em analytics dos departamentos.
Nível de Maturidade DCIM
Plano de Ação
01 – Empírico: ambientes caóticos, sem coleta de dados e decisões empíricas individualizadas.
Investimentos em informatização e digitalização de processos; Mapeamento de processos; Contratação de profissionais com algum conhecimento em sistemas de informação, computação e áreas correlatas.
02 – Adhoc: dados coletados sem uma arquitetura de informação orientada a dados;
Contratação de projetos de integração de dados, infraestrutura analítica, sistemas de BI; Priorização de setores para criação de painéis de gestão;Contratação de consultorias para processos de harmonização de indicadores.
03 – Definido: dados coletados, existência de indicadores validados e orientados à cultura de dados; decisões pautadas em sistemas de monitoramento, uso de sistemas de visualização compartilhada e decisões colegiadas.
Conformação de equipes de analytics; Parcerias de desenvolvimento com empresas de inteligência artificial, principalmente se este não for o core business da empresa; Criação de data-lakes pautados na estratégia do negócio; Foco na integração contínua dos sistemas legados e novos processos orientados pelos monitoramentos já realizados. Uso de plataformas de IA como o VORTX Analytics.
04 – Otimizado: dados coletados e enriquecidos sistematicamente, com alta qualidade das fontes de informação e processamento em alta velocidade; geração automática de recortes para análises preditivas e prescritivas; decisões humanas, baseadas em métricas estatísticas robustas.
Geração de cases das análises (resultados positivos – negativos e aprendizados); Terceirização do processo com empresas especializadas na pesquisa e desenvolvimento de algoritmos de inteligência artificial. Apoio aos gerentes que estão implementando alterações de processo
05 – Exponencial: dados coletados e enriquecidos sistematicamente com decisões executadas de modo automático ou semi-automático, por mecanismos de inteligência artificial com grande nível de transparência; estado da arte na gestão orientada a dados.
Foco na mensuração dos resultados; Pesquisa e desenvolvimento evolutivo da plataforma; Geração de novos indicadores e atenção ao desempenho; Expansão digital dos projetos até a internacionalização dos serviços.
Conclusões
A necessidade de transformação dos negócios para uma cultura mais digital é urgente. Neste sentido, os dados são parte integral de todos os negócios e estes estão intimamente ligados à evolução constante das tecnologias (stack tecnológicos).
Uma estratégia é um plano focado na mudança do estado atual, a fim de alcançar uma visão para o futuro. Uma estratégia coerente de dados estará sempre alinhada à estratégia de negócio. Assim:
“Conhecer os diferentes níveis de maturidade de dados ajuda a tomar decisões de investimento mais adequadas para cada caso”.
É importante que as empresas entendam seu nível de maturidade e avaliem, dentro de suas estratégias, como progredir para níveis superiores. A internalização de processos de analytics pode ser custosa, e existem outras estratégias capazes de alavancar a transformação digital.
Neste artigo, mostramos de forma resumida algumas sugestões de planos de ação para cada nível de maturidade, porém não entramos em questões mais complexas como o risco tecnológico e processual escolhido para cada caso. Isso ficará para publicações futuras.
Eleve o nível de maturidade analítica de sua organização em tempo recorde e tenha mais assertividade nas decisões com o know-how e metodologias da Aquarela por meio de projetos estruturantes.
Fundador e Diretor Comercial da Aquarela, Mestre em Business Information Technology com especialização em logística – Universiteit Twente – Holanda. Escritor e palestrante na área de Ciência e Governança de Dados para indústria e serviços 4.0.
Fundador da Aquarela, CEO e arquiteto da plataforma VORTX. Mestre em Engenharia e Gestão do Conhecimento, entusiasta de novas tecnologias, tendo expertise em linguagem funcional Scala e em algoritmos de Machine Learning e IA.
