3 etapas para a criação de um ecossistema de data-to-value

Embora muitas organizações estejam usando ferramentas de inteligência artificial (IA) e linguagem de máquina (ML) como facilitadores principais em seus projetos de data analytics, e os gastos com IA em todo o mundo continuem aumentando, a dura verdade é que a maioria dos projetos de ciência de dados está fadada ao fracasso.

Existem vários motivos para essas falhas, que vão desde a complexidade inerente das iniciativas de IA/ML e a falta persistente de talentos qualificados até os desafios que existem em segurança de dados, governança e integração de dados. Essas questões são coletivamente chamadas de preocupações com “prontidão de dados”, de acordo com uma pesquisa global do IDC com mais de 2.000 tomadores de decisão de TI e de negócios, todos envolvidos em algum nível de uso ou desenvolvimento de IA.

Para piorar as coisas, embora a maioria das empresas mantenham rotineiramente grandes quantidades de dados, eles geralmente são armazenados em silos funcionais e não são facilmente acessados ou usados além dessas fronteiras. Avanços em computação em nuvem, ferramentas de engenharia de dados e algoritmos de machine learning também estão chegando mais rápido do que produtos e novos processos podem ser implantados. Depois, há os desafios competitivos que vêm tanto dos canais tradicionais quanto das novas tecnologias disruptivas.

Para superar essa realidade e criar novo valor para clientes e acionistas, os líderes de TI devem criar uma comunidade e uma cultura que possam acelerar e sustentar o crescimento da ciência de dados e analytics em toda a empresa.

Uma necessidade crítica de competência

É óbvio que a ciência de dados requer habilidades em programação de computadores, engenharia de dados, matemática e estatística. O que diferencia um bom cientista de dados de um excelente, no entanto, é a capacidade de traduzir os requisitos de negócios de domínios funcionais em toda a empresa. Esses recursos podem ser escassos, portanto, devem ser focados nos projetos com a maior relação ROI/valor mais rápido e, ao mesmo tempo, ajudam a aumentar a comunidade analítica geral dentro da empresa.

Muitas vezes, um centro de competência de ciência de dados (CoC) é estabelecido como um recurso para a empresa atingir esses objetivos. Tradicionalmente, esses CoCs reportavam-se à organização de TI por causa de sua codependência da infraestrutura de dados.

No entanto, embora a arquitetura e a governança de dados sejam essenciais, um CoC de ciência de dados muito distante dos domínios de negócios resultará em desalinhamento de metas, atrasos e, por fim, aumento de falhas no projeto.

Uma abordagem de organização híbrida, em que um centro de analytics e ciência de dados atua como uma ponte entre a infraestrutura de TI tradicional e os domínios funcionais, é essencial para permitir o sucesso. Isso pode ter sucesso na aceleração do desenvolvimento do ecossistema de dados para valor e na mudança de cultura necessária para o crescimento sustentável.

Visando o sucesso do ROI

Os seguintes objetivos fundamentais são essenciais para o desenvolvimento de um plano estratégico e processo de competência e capacitação sustentável:

• Crie um centro de competência. Os projetos geralmente falham porque são desenvolvidos isoladamente, sem levar em consideração todo o ciclo de vida do modelo, bem como os requisitos de thread digital, linhagem e pipeline de dados. As pessoas podem reter ou ocultar dados e informações por acreditarem que podem ajudá-las pessoalmente. Essa atitude impede o potencial de criação de valor ao buscar insights mais profundos.

É importante entender que a ciência de dados e a analytics são um esporte de equipe. A criação de um centro de competência com foco na colaboração, educação e inclusão ajudará a construir confiança entre organizações funcionais.

• Estenda os esforços de alfabetização em dados e design. Crie uma comunidade virtual em toda a empresa para responder a perguntas, desde os conceitos mais básicos até as construções mais complexas de ciência de dados e design thinking. Como parte de um CoC, este centro de recursos conduzirá o desenvolvimento e administração de planos de estudo com curadoria, variando do nível de habilidade de “analytics integrada” a certificações de ciência de dados mais avançadas.

Este hub também será um ponto focal para o treinamento e certificação de novos cientistas de dados em todos os domínios funcionais da empresa. O objetivo é criar uma comunidade multifuncional que forneça suporte para todos em sua jornada de alfabetização em dados.

• Crie uma equipe multifuncional e diversa de pensadores estratégicos. Isso fornece uma plataforma em toda a empresa para compartilhar ideias e identificar projetos com o maior potencial. Ele também permite que os membros da equipe aproveitem as habilidades uns dos outros e o conhecimento do domínio para cocriar um novo valor para clientes e acionistas.

O alinhamento entre KPI’s estratégicos e métricas individuais reduz o atrito por uma mudança de cultura desejada e coloca o foco nos projetos de maior ROI. Em última análise, no entanto, um ecossistema de dados para valor não é sustentável a menos que a confiança seja estabelecida – tanto na integridade e segurança do pipeline de dados e entre as pessoas e entre as funções. Uma vez que a confiança e o alinhamento são estabelecidos dentro dessa comunidade mais ampla e o funil do projeto é estabelecido, a meta de agregar valor à taxa de negócios pode ser alcançada.