Como as organizações podem desenvolver agilidade analítica

Em uma era de mudanças constantes, os recursos de dados e analytics das empresas devem se adaptar rapidamente para garantir que o negócio sobreviva, para então vencer a concorrência. As organizações buscam insights a partir de seus dados para informar as prioridades estratégicas em tempo real, mas muitos dos dados históricos e modelagem aplicados anteriormente para prever o comportamento futuro e orientar ações demonstraram ser muito menos preditivos, ou mesmo irrelevantes, em nosso atual novo normal com a Covid-19.

Para sobreviver a crises, detectar tendências de forma proativa e responder a novos desafios, as companhias precisam desenvolver maior agilidade analítica, agilidade esta que advém de três áreas: melhorar a qualidade e as conexões dos próprios dados, aumentar a “potência” analítica no nível da organização e aproveitar o talento que é capaz de unir as necessidades de negócios com análises para encontrar oportunidades nos dados.

As respostas estão nos dados

A busca por dados melhores não é nova, mas o custo de não tê-los é mais fácil de medir e entender em tempos de crise. Lacunas em sua qualidade, seja porque eles estão defasados, desconectados, insuficientes em granularidade ou mal curados (tornando a análise lenta ou impossível), são intoleráveis em meio ao caos, momento em que as empresas devem agir rapidamente. Crises podem ser oportunidades para o aumento da qualidade dos dados e para enriquecê-los ainda mais, a fim de melhorar o atendimento a clientes e à empresa em si.

Argumentar a favor do investimento em dados repentinamente faz sentido, uma vez que os líderes de negócios sentem na pele as implicações dessas lacunas em tempo real. A monetização de dados costuma vir de quatro fontes:

• Da conexão dos dados com outras informações de maneira diferente realizada até então;

• De novas fontes de dados ou níveis mais específicos dos mesmos dados que você já tinha;

• De um uso melhor ou mais rápido dos dados que seus concorrentes;

• Da obtenção mais rápida dos dados.

Líderes de dados e analytics devem enquadrar os investimentos no contexto atual e priorizá-los de maneira inteligente, tendo uma visão completa do que está acontecendo com o negócio em vários cenários e funções. Por exemplo, a relação de clientes com seu banco é muito diferente em tempos de crise, e isso exige uma mudança de atendimento por parte das instituições financeiras. A pandemia as forçou a avaliar os múltiplos canais pelos quais os clientes passam – agência, celular, serviços online, caixas eletrônicos – e como seus níveis de conforto com cada canal mudaram.

A relação do cliente estabelecida com a instituição e sua jornada no sistema são muito relevantes para que o banco entenda suas metas financeiras. A coleta e análise rápida de dados de vários canais, somadas a fatores econômicos importantes, fornecem dados que permitem melhorias no atendimento. Fontes novas e diferentes de informações – sejam dados em nível de transação, comportamentos de pagamento ou informações de crédito em tempo real – podem ajudar a garantir que o crédito do cliente seja protegido e que atividades fraudulentas sejam mantidas à distância.

Cada equipe de dados e analytics tem uma lista de demandas de dados que ultrapassam os orçamentos. Os investimentos em dados básicos costumam ser fracos e perpetuamente subfinanciados porque seu valor é difícil de isolar e descrever para outras pessoas. Eventos como a Covid-19 apontam os investimentos que provavelmente já estão na lista, mas não possuem adesão organizacional suficiente para impulsioná-los adiante. Como dizem por aí, nunca desperdice uma boa crise – use-a para enriquecer seus dados e a compreensão do cliente.

Aumente a potência analítica com parâmetros de negócios

Analistas experientes reconhecem que analytics requer uma mistura de arte e ciência. No entanto, a natureza das crises e eventos incomuns significa que os analistas simplesmente não têm as janelas de observação padrão sobre as quais podem construir suas projeções típicas e formular linhas de base. A história não é mais tão útil.

Além disso, as condições de mercado em rápida mudança exigem que as equipes reajustem constantemente os modelos e as abordagens analíticas para se manterem atualizados. Isso requer ter um datasense adequado – uma combinação de fatos analíticos e intuição de negócios – para definir os parâmetros corretos e otimizar o negócio.

Costumamos pensar em regras de negócios como a antítese de decisões ou modelos baseados em dados, pois elas introduzem uma camada de subjetividade em um mundo que prospera na objetividade. Entretanto, em uma crise irreconhecível, estabelecer esses parâmetros é importante para uma empresa funcionar de forma prática e tomar decisões analíticas básicas.

Em nosso exemplo bancário, considere as conversas do cliente ocorrendo dentro de uma rede de agências durante toda a crise da Covid-19. Historicamente, existe uma capacidade definida disponível para atender às solicitações, e a natureza das conversas – sejam check-ins financeiros, renovações de hipotecas ou esforços para garantir que os clientes tenham as soluções financeiras certas para atender às suas necessidades imediatas com base nos eventos diários de vida – é conhecida e orientada por modelos.

Na realidade atual, contudo, esse problema de otimização com base em restrições está de cabeça para baixo porque as necessidades do cliente são muito diferentes, a disponibilidade da equipe está mudando, o horário das agências passa por modificações e criar conversas eficazes com o cliente requer novas análises. Aprimorar o processo com regras de negócios ajuda a definir os parâmetros do que pode ser feito.

Em seguida, toda a abordagem para a otimização da conversa com o cliente precisa ser reajustada (entre filiais e todos os canais) com base nas circunstâncias que mudam diariamente, visto que o que você está otimizando mudou. E embora machine learning e automação possam ajudar, a vasta aberração nos dados da pandemia significa que levará tempo para que essas soluções se adaptem e se tornem relevantes.

Isso mostra a necessidade por uma abordagem diferente e aprimorada em relação a analytics que se adeque ao momento. É necessária uma mistura maior de “arte e ciência”, de “homem e máquina” e de regras e modelos de negócios para navegar por essas áreas cinzentas (e imprevistas).

Analytics de negócios híbridos

Saber se movimentar em meio às incertezas e responder às mudanças exige uma camada de tradução excepcional – uma equipe de indivíduos cujos conjuntos de habilidades combinam uma compreensão superior do negócio com a perspicácia técnica para transformar dados em insights. O mundo está sempre ávido por essas habilidades e, no futuro, isso fará a diferença entre marcas que são ágeis e prosperam e aquelas que definham.

A pandemia da Covid-19 foi caracterizada por uma imprevisibilidade rápida e tendências nunca antes vistas. Para que as empresas se adaptem e façam modificações estratégicas importantes em pouco tempo, elas precisam de times com competências híbridas, capazes tanto de encontrar oportunidades em dados quanto de trabalhar com elas com rapidez e precisão.

Em uma crise, dados e análises podem sobrecarregar os líderes e impedi-los de agir velozmente devido ao grande volume, ritmo e mutação contínua de dados. Para categorizar as tendências emergentes e contextualizá-las adequadamente, as funções organizacionais devem se reunir de novas maneiras. Embora poucas companhias tenham antecipado a necessidade de se transformar em forças de trabalho totalmente remotas, muitas estão percebendo que a intensa colaboração e conexão de seu pessoal formaram redes virtuais fortes que estão no centro de sua sobrevivência.

Uma cultura de análise e colaboração empresarial

Quando as equipes se reúnem para examinar dados novos e variáveis a partir de múltiplas perspectivas, elas se sentem mais confortáveis quando estabelecem algumas certezas em um mundo desconhecido. O resultado é que os líderes podem tomar as melhores decisões possíveis no prazo mais rápido. Quando bem executado, isso ajuda as empresas a prosperar na ruptura e obter vantagem competitiva, mas requer um alto nível de conhecimento analítico e, o mais importante, uma cultura de colaboração.

A facilitação dessas trocas contínuas pode acontecer em uma variedade de fóruns, desde os formais (como fóruns de otimização de clientes e trocas de risco) até os informais (como painéis em tempo real e visualizações de cálculos dinâmicos). É importante que esta colaboração seja contínua, interativa e inclusiva, com os times de negócios e analytics presentes para que os dados sejam interpretados de forma adequada e todos os stakeholders entendam as ações necessárias.

Para detectar e responder a eventos disruptivos com agilidade, as empresas devem aumentar sua aptidão analítica e desenvolver uma memória muscular forte quando colocadas à prova. Lidar com a pandemia, muitas vezes, parece como correr uma maratona em alta velocidade no escuro, e uma abordagem ágil de dados e analytics será o farol que as organizações não podem ignorar.

Confira mais artigos sobre data analytics no Fórum Data Science.