Sua cadeia de fornecimento de dados tem responsabilidade legal?

As organizações têm mais dados disponíveis hoje do que nunca, e arquitetos de dados, analistas e cientistas de dados estão se tornando predominantes em todas as funções de negócios. No entanto, à medida que as empresas lutam por funções de analistas qualificados para utilizar os dados para tomar melhores decisões, muitas vezes ficam aquém da melhoria da cadeia de fornecimento de dados e da qualidade dos dados resultante. Sem práticas sólidas de gerenciamento da cadeia de suprimentos de dados, a qualidade dos dados geralmente é prejudicada.

A má qualidade dos dados é citada como a principal razão pela qual as iniciativas não atingem o valor esperado – até 60% das iniciativas de negócios falham devido a problemas de qualidade de dados. A qualidade dos dados se torna uma questão ainda mais urgente à medida que as organizações avançam para a tomada de decisões habilitada para IA/ML. Se os dados usados para alimentar os modelos de IA/ML forem imprecisos, incompletos ou desatualizados, os modelos não fornecerão os resultados desejados.

Os dados são a principal matéria-prima para análises e tomadas de decisão. Todo líder de negócios eficaz pergunta: “Como podemos melhorar a qualidade dos dados para que as decisões que tomamos sejam as melhores que podemos fazer?” A resposta é melhorar os resultados da cadeia de fornecimento de dados de uma empresa para garantir que não seja uma responsabilidade para os recursos de analytics.

Como podemos melhorar os resultados de nossa cadeia de fornecimento de dados?

– Entenda os impactos ‘first mile/last mile’
– Reduza a complexidade/custos da cadeia de suprimentos
– Melhore o monitoramento e a geração de relatórios da qualidade dos dados

As cadeias de suprimentos são compostas por três elementos principais:

Impactos da first mile/last mile

O desafio da first mile/last mile requer abordar a cadeia de suprimentos em geral, começando com o fornecimento dos dados (upstream). A urgência de ter dados disponíveis para análise e tomada de decisão leva as empresas a investir mais esforços na “última milha” – levar dados ao cliente, downstream. No caso da cadeia de fornecimento de dados, o cliente, é claro, é um departamento ou equipe interna que precisa dos dados para análise, relatórios, etc. O desafio é capturar a fonte dos dados corretamente desde o início e garantir que a qualidade dos dados não se degrade ao mover em toda a cadeia de fornecimento de dados.

Uma métrica chave de gerenciamento da cadeia de suprimentos usada para avaliar o desempenho das cadeias de suprimentos físicas é o OTIF – On-Time-In-Full. Embora seja um acrônimo estranho, melhorar o valor tem resultados dramáticos porque se relaciona diretamente com o cliente final e sua capacidade de realizar seu trabalho. Por exemplo, se você precisar de 10 atributos para gerar uma pontuação de satisfação do cliente, mas apenas 9 estiverem disponíveis, o cálculo não poderá ser executado. A utilização de uma métrica que se concentra no impacto da qualidade e disponibilidade dos dados nos processos downstream pode ajudar a aumentar a conscientização organizacional.

– Plano de ação recomendado: Crie um mapa de sua cadeia de fornecimento de dados. O conceito de visibilidade e fornecimento da cadeia de suprimentos se aplica às cadeias de suprimentos de dados, assim como ao gerenciamento físico da cadeia de suprimentos. Compreender as fontes de dados, quaisquer atividades de transformação que ocorram, bem como o “prazo de entrega do cliente” ajuda as organizações a identificar e mitigar os riscos. A implementação de métricas para avaliar quão bem a organização está atendendo às necessidades do cliente ajuda a aprimorar o foco na melhoria.

Complexidade da cadeia de suprimentos

Complexidade da cadeia de suprimentos [‘supply chain complexity’] é o termo usado para descrever a rede de recursos necessários para atender às necessidades de downstream. Quanto maior o número de fornecedores, funções de negócios e distribuidores necessários, maior a complexidade.

Cada elemento adicional na cadeia de suprimentos aumenta a complexidade, e mais complexidade contribui para o aumento da variabilidade. A variabilidade é um grande desafio na qualidade. Nas cadeias de suprimentos físicas, as organizações buscam reduzir a complexidade upstream. Na cadeia de fornecimento de dados, há uma variedade de fontes de dados internos e externos (de corretores de dados, mídia social/análise de sentimentos etc.) e, assim como uma cadeia de fornecimento física, reduzir a complexidade na cadeia de fornecimento de dados ajuda a melhorar a qualidade geral.

Como a redução da complexidade pode melhorar a qualidade? Menos sistemas significam menos transformações de dados, o que aumenta a disponibilidade e a precisão dos dados.

– Plano de ação recomendado: Inventariar os dados disponíveis para uso downstream e mapear para o sistema de origem (interno versus externo). Frequentemente, atributos comuns são criados em mais de um sistema, o que aumenta a complexidade. Para cada elemento de dados, identifique/selecione um único sistema para consumo downstream e estabeleça um “sistema de registro” (SOR) com o objetivo de obter dados do menor número possível de sistemas.

Monitoramento e relatórios de dados

A qualidade dos dados deve ser um indicador chave de desempenho (KPI) para a maioria das empresas hoje. A qualidade das saídas depende da qualidade da entrada. Pense em cada grande refeição que você já teve e o que a tornou ótima; certamente, a companhia e o ambiente do cenário são importantes, mas a qualidade dos ingredientes impacta diretamente no resultado – frutos do mar frescos sempre superam os congelados.

Os métodos e a frequência de avaliação da qualidade dos dados geralmente variam dentro de uma empresa. Diferentes funções em uma organização podem usar métodos diferentes para avaliar a qualidade; a contabilidade pode ser mais rigorosa do que o marketing, por exemplo. No entanto, por que diferentes funções devem ser avaliadas de forma diferente? Uma boa tomada de decisão depende de dados de qualidade e todas as funções não deveriam estar tomando a melhor decisão possível?

– Plano de ação recomendado: Estabelecer uma fórmula comum para medir a qualidade dos dados e utilizar a medição de forma consistente em todas as funções (pontuação de qualidade dos dados). O volume de dados para avaliar exige amostragem e estimativa, e a abordagem deve ser consistente. Uma abordagem pode ser a amostra de 100 registros, revisar cada um e identificar quaisquer erros e, em seguida, contar os registros sem erros para entender a porcentagem de dados criados corretamente.

A cadeia de suprimentos de dados é um conceito emergente e em evolução para muitas organizações. Encontrar e reter talentos para ajudar a melhorar os resultados da cadeia de fornecimento de dados é fundamental para a vantagem competitiva de uma empresa. Certamente, existem diferenças entre produtos tangíveis e intangíveis, mas muitos dos conceitos e ferramentas do mundo físico podem ser aplicados aos dados, e o resultado será tão impactante quanto melhorar as cadeias de suprimentos físicas.

Não espere para começar.