#15 Início da Transformação Organizacional
Subscribe to get the latest
on 2020-08-21 00:00:00 +0000
with Darren W Pulsipher, Sarah Kalicin,
Criar resultados bem-sucedidos baseados em dados começa com uma sólida base organizacional. Darren e sua convidada Sarah Kalicin, Cientista de Dados Líder do Grupo de Centro de Dados Intel, discutem os aspectos-chave dessa mudança fundamental.
Keywords
#datamanagement #analytics #people #policy
Construindo uma organização orientada por dados.
O sucesso baseado em dados começa com uma base organizacional. Isso significa que a gestão tem um papel fundamental em conduzir um resultado valioso. Em vez de simplesmente reconhecer a necessidade de dados, buscar insights e esperar por resultados, a gestão deve fornecer um caminho para o sucesso, começando com uma pergunta fundamental: Qual é o valor comercial que queremos obter dos dados?
Uma vez que a gestão determine as questões empresariais, os recursos devem estar disponíveis para apoiar o processo: colocando as pessoas certas no lugar, treinamento, coleta de dados, preparação, criação de insights e operacionalização. Isso requer recursos e tempo suficientes; a organização deve apoiá-lo de um nível fundamental e cultural, com um plano completo em vigor.
Obtendo Valor da IA
Em um artigo da MIT Sloan Management Review de outubro de 2019, intitulado “Ganhar com a Inteligência Artificial”, os autores mostraram que as organizações definidas com uma persona “pioneira” obtiveram o máximo de suas iniciativas de IA. A razão é porque eles estavam altamente focados em sua estratégia de negócios e garantiram que os dados que estavam usando influenciassem seu modelo de negócios como um todo. Em um nível básico, eles estavam usando os dados para descobrir como maximizar a receita enquanto minimizavam as despesas operacionais. Eles estavam gerando valor a partir da receita da IA, ao invés de apenas economia de custos.
Os autores também descobriram que essas organizações são mais bem-sucedidas quando os executivos de alto escalão, em vez do departamento de TI, impulsionam as iniciativas de IA. Os executivos de alto escalão estão mais próximos do modelo de negócio e do contexto de como os dados estão sendo utilizados. Essa estrutura ajuda a evitar o problema de as análises se tornarem meramente um exercício acadêmico.
Identificando perguntas para criar valor empresarial.
Quais perguntas as organizações devem fazer para criar valor comercial? Um bom ponto de partida é perguntar aos membros da unidade comercial sobre suas preocupações e lacunas de conhecimento. Após uma sessão de brainstorming para discutir essas questões, identifique os problemas de grande impacto e baixa complexidade. Em seguida, descubra quais dados você já possui ou pode adquirir para responder a essas perguntas. Obter os dados necessários não é fácil e requer disciplina. É aqui que entra o apoio e comprometimento da gestão durante todo o processo.
Comprometendo-se com uma base organizacional sólida
Uma base organizacional sólida não é algo que se compra, mas um compromisso de toda a organização com um processo de resolução de problemas. Uma vez que você tenha definido os problemas ou o valor comercial que deseja alcançar, divida-o em etapas realizáveis, como encontrar os dados, ter as pessoas certas no lugar e contar com apoio da gestão. Uma abordagem de resolução de problemas na qual todos concordam com a divisão e o processo, em vez de apenas tentarem descobrir uma resposta, é essencial. Também é preciso existir um compromisso com os recursos necessários e o tempo.
Feedback e verificação ao longo do processo é importante. A equipe e a gestão devem entender que este não é um processo linear, mas sim uma prática de melhoria contínua. Pode acontecer, por exemplo, que os dados mais convenientes talvez não sejam os dados corretos. Você pode ter que encontrar uma fonte diferente ou limpar os dados existentes de uma maneira utilizável.
Outra parte da base organizacional é ter a infraestrutura adequada de software e hardware. Big data requer um pipeline sofisticado. A gestão precisa entender que estarão investindo dinheiro na tecnologia para processar os dados de forma útil. Eles também precisam investir em pessoas e fornecer treinamento utilizando software de análise real, para que possam aproveitar ao máximo os seus dados.
Tudo isso contribui para a cultura de uma organização que abraça insights digitais e reconhece o valor neles.
Definindo Funções e Responsabilidades
Embora alguns papéis de TI existam há algum tempo, é útil definir os papéis e responsabilidades para os principais executivos na fase de análise.
O Diretor de Análise de Dados (CAO) possibilita que a análise de dados e a inteligência artificial trabalhem juntas para criar valor para a organização. São eles que fazem a tradução analítica trabalhando em conjunto com os executivos do alto escalão para descobrir como podem aproveitar a análise de dados e a inteligência artificial por meio da entrega e execução.
O Chief Data Officer (CDO) é responsável por fazer a curadoria dos dados da organização para que o CAO e sua equipe de ciência de dados possam utilizar os dados. A estratégia de dados, além da curadoria, envolve segurança, manutenção e qualidade.
O Diretor de Informações (CIO) garante, constrói e mantém a infraestrutura de software e hardware para dar suporte ao trabalho de dados, análises e inteligência artificial. O CIO e sua equipe garantem que os dados possam fluir de acordo com os requisitos dos engenheiros e cientistas de dados.
Todos esses oficiais e suas equipes precisam trabalhar juntos. O CAO e os cientistas de dados definem como os dados serão usados, construindo os modelos e painéis de controle para fornecer insights. O CDO e os engenheiros de dados selecionam e preparam os dados, garantindo que estejam prontos para o trabalho analítico, enquanto o CIO, as equipes de infraestrutura e arquitetos de soluções dependem dos engenheiros de dados, analistas e cientistas de dados para determinar quais hardware e software podem facilitar seu trabalho.
Modelos de Alinhamento Organizacional
Com essas novas posições C-suite, existem diversas opções de alinhamento organizacional em uma escala que vai desde completamente descentralizado até totalmente centralizado.
Em um relatório de 2018 da McKinsey, “Dez Sinais Vermelhos Sinalizando o Fracasso do seu Programa de Análise”, ele destaca os prós e contras dos modelos de alinhamento organizacional. Uma das principais ideias mostra que o benefício de ter uma descentralização completa é que você está colocando a expertise diretamente dentro do negócio. Os trabalhadores de dados estarão intimamente envolvidos e compreenderão os dados, gerando alto valor. No entanto, dependendo da organização, você pode não ser capaz de sustentar tantos profissionais de dados em cada unidade de negócio. Além disso, se houver apenas alguns profissionais de dados, eles podem não conseguir aproveitar a expertise de outros setores da empresa. Nesse caso, algo mais centralizado pode ser mais benéfico.
Conclusão
As organizações estão enfrentando muitas mudanças novas para se tornarem centradas em dados, não apenas na cultura, mas também na estrutura organizacional. Não é suficiente simplesmente desejar os benefícios que a nova inteligência artificial traz; isso requer mudanças fundamentais na forma como pensamos sobre a própria organização.