O que os grandes analistas de dados fazem
Cassie Koryrkov é uma reconhecida profissional da área da estatística, que atualmente ocupa o cargo de Chief Decision Scientist no Google. Ela também mantém um canal muito legal no youtube com objetivo de desmistificar o uso de estatística nos negócios (ela vai bem além disso, mas a missão é essa), vale a pena acompanhar o trabalho dela.
Ela escreveu recentemente esse artigo para HBR sobre What Great Data Analysts Do — and Why Every Organization Needs Them (ou algo como "O que os grandes analistas de dados fazem – e por que toda organização precisa deles", em uma tradução livre). No artigo ela navega em questões sobre o real papel do analista de dados quando comparado com profissionais mais especialistas - como engenheiros de machine learning e estatísticos/matemáticos. Cassie afirma que apesar das funções mais ligadas a ciência estarem mais na moda, é essa de Analista, ligada ao negócio, a mais importante delas. Pelo menos para dar o impulso inicial ao trabalho dos especialistas, que a partir da demanda poderão atuar em problemas mais específicos. Ela ainda faz uma referência ao tipo de excelência que cada perfil pode atingir, afirmando que: excelência na estatística é o Rigor; excelência no aprendizado de máquina é o Desempenho; e excelência na análise é a Velocidade. Os analistas podem navegar em vastos conjuntos de dados rapidamente, encontrar e apresentar insights relevantes de forma mais ágil do que outros especialistas. Ela escreve também sobre a importância desse profissional analista de dados ser um bom contador de história e ter facilidade para representar visualmente as informações. Cassie finaliza o artigo dando um destaque para a importância da proximidade desse profissional com as áreas de negócio, especialmente dos tomadores de decisão, pois seria o analista de dados o mais próximo do substituto na função fundamental do negócio: tomar melhores decisões.
Esse é um debate contínuo dentro dos negócios que estão aperfeiçoando a gestão analítica, geralmente as lideranças buscam uma fórmula mágica para solucionar o grande problema da análise de dados (e ciência de dados), que atualmente resume-se ao atender a grande demanda por análises de dados (analytics) em situações onde tudo é urgente, político e caótico, como o universo dos negócios. Sem dúvida que esse profissional com perfil analítico, por ser a interface direta entre negócio e técnica, tornou-se o mais requisitado nas situações de incerteza para tomada de decisões que vivemos na turbulência que os mercados de todos os setores enfrentam, mas eles costumam ser mais eficientes naquilo que já conhecem. Explico. Se trata-se de um profissional analítico que conhece muito a área de marketing, que já é acostumado a navegar no banco de dados da empresa, e esse indivíduo estiver fazendo uma análise dentro desse cenário, bingo! Surgirão ali ótimas análises sobre o problema, algo que certamente vai apoiar as decisões. Mas quando esse profissional começa a dar bons resultados, então passa a receber demandas de outras áreas também, afinal está revolucionando as decisões da área de marketing, mas ao trabalhar em uma análise da área de logística, apesar de ágil, não agrega tanto valor no processo decisório. Encontramos situações como essa todos os dias durante a transformação analítica em negócios, geralmente atinge ótimos resultados por um determinado período de tempo, então aquelas análises, com insights impressionantes que surgiam na fase inicial, tornam-se repetitivas, sem descobertas "mágicas". E essa é a realidade, quando torna-se uma rotina, o ganho já não é tão expressivo quanto no início, mas esse processo continua sendo fundamental para um aperfeiçoamento contínuo das decisões de negócio, mesmo que em menor escala de resultados. Talvez a melhor saída para essa situação dos analistas de dados seja aquilo que as análises da Gartner chamaram de "self-service analytics", quando os próprios profissionais de negócio fazem as análises, afinal, se é uma função tão importante e que exige agilidade, ter intermediários nesse processo pode ser uma barreira. Acompanhamos alguns casos onde estruturas e pessoas de negócios foram adaptadas para atuar dessa maneira mais dinâmica, mas existem resistências nessa mudança, em razão de um aperfeiçoamento de habilidades que podem eventualmente carregar complexidades técnicas e até científicas, mas acredito que seja um caminho realmente inevitável daqui para frente. Uma área de negócios que realize as próprias análises do negócio, que quando precisar de determinado conhecimento avançado, possa contar com uma área especialista para dar apoio.
5 coisas para você se perguntar sobre esse caso
No seu negócio, atualmente, os analistas de dados possuem conhecimento profundo sobre a técnica ou sobre o negócio?
A gestão, tem o costume de acompanhar de perto e participar das atividades de análise de dados ou trata isso como entrega de relatórios?
As estruturas do negócio, possuem algum tipo de flexibilidade para esse tipo atuação mais auto-suficiente?
A ambição desses profissionais analistas, é a busca de uma maior profundidade da técnica ou eles querem navegar na amplitude da caótica das descobertas de negócio?
O momento atual do seu negócio, é de pequenos aperfeiçoamentos contínuos ou de grandes descobertas analíticas?
Espero que essa breve análise lhe ajude na jornada de desenvolvimento da gestão analítica do seu negócio ou da sua carreira, se você tiver alguma contribuição, fique à vontade para deixar nos comentários.
*artigo originalmente publicado na minha newsletter do LinkedIn, dia 10/2/22.