De relatórios e alertas à análise

De relatórios e alertas à análise

Relatórios e alertas são necessários, mas não são características suficientes de ser orientado por dados. Não devemos, entretanto, subestimar a importância de ambas as atividades. Os relatórios, especialmente, são um componente altamente valioso de uma organização orientada por dados. Você não pode ter um eficaz sem ele. No entanto, o inverso não é verdadeiro: há muitas organizações que se concentram em relatórios e podem ter pouca ou nenhuma análise real (objetiva). Por um lado, os relatórios podem ser orientados por requisitos e responsabilidades legais, como conformidade com a Sarbanes-Oxley e geração de relatórios de lucros para os acionistas, e não por um impulso cultural interno para melhorar os negócios.

Os relatórios mostram o que aconteceu no passado. Ele também fornece uma linha de base a partir da qual observar mudanças e tendências. Pode ser interessante e pode manter alguns investidores e acionistas felizes, mas é uma visão fundamentalmente retrógrada do mundo. Para ser orientado por dados, você tem que ir além disso. Para olhar para o futuro e se envolver em análises, investigue e descubra por que os números estão mudando e, quando apropriado, faça previsões testáveis ou execute experimentos para reunir mais dados que irão esclarecer o porquê.

Vamos ser mais explícitos e comparar e contrastar os dois. Aqui está um conjunto de definições:

Relatórios

O processo de organização de dados em resumos informativos para monitorar o desempenho de diferentes áreas de uma empresa.

O relatório diz o que aconteceu – atingimos um pico de 63.000 visitantes simultâneos no site na quinta-feira às 10h03. Isso tende a fornecer um escopo muito específico.

Análises

Transformar ativos de dados em percepções competitivas que conduzirão as decisões e ações de negócios usando pessoas, processos e tecnologias.

A análise explica por que aconteceu – a empresa foi mencionada em um artigo no programa da revista de notícias da TV 60 minutos às 10:01 – e deve recomendar o que a organização pode ou deve fazer para gerar mais ou menos do mesmo.

O relatório é prático, descritivo. A análise, por outro lado, é prescritiva.

Principais diferenças (Dykes, 2010)

Relatórios

Descritivo

O que?

Visão passada

Levanta questões

Dados -> Informação

Relatórios, dashboards, alertas

Sem contexto

Análises

Prescritiva

Por quê?

Visão futura

Responde questões

Dados + Informação -> insights

Previsões, recomendações

Contexto + Storytelling

Uma estrutura útil para a compreensão da análise é Davenport et al

PassadoPresenteFuturo
InformaçãoA) O que aconteceu?
Relatórios
B) O que está acontecendo agora?
Alertas
C) O que vai acontecer?
Extrapolação
InsightD) Como e por que isso aconteceu?
Modelagem, design experimental
E) Qual a melhor ação?
Recomendação
F) Qual é o melhor/pior que pode acontecer?
Predição, otimização, simulação
As principais questões hipotetizadas de Davenport abordadas pela análise (modificado de Davenport et al., 2010). D) é uma análise valiosa, mas apenas E) e F) são orientados por dados e se, e somente se, as informações são acionadas (mais explicação no texto).

Aqui, podemos ver as atividades que direcionam o insight na linha inferior. Como observei anteriormente, os relatórios (A) e os alertas (B) simplesmente não são baseados em dados: eles afirmam o que aconteceu no passado ou que algo incomum ou indesejável está acontecendo agora; não há explicação de por que está acontecendo ou por que aconteceu, e nenhuma recomendação de como resolver ou reproduzir a situação. Investigar para entender os fatores causais por meio de modelos ou experimentos (D) é um precursor da orientação por dados. Somente entendendo por que algo aconteceu você pode formular um plano ou conjunto de recomendações (E). E) e F) são verdadeiramente orientados por dados, mas se e somente se a informação for posta em prática – explicada em detalhes abaixo.

C é uma zona de perigo: pode ser fácil estender uma tendência percebida para o futuro – no Excel, clique em “Gráfico” e em “Adicionar linha de tendência” – ou seja, extrapolar para fora do intervalo de dados atual e fazer uma previsão ingênua. Mesmo fazendo uma escolha sensata sobre uma forma funcional para o modelo, há muitos motivos pelos quais essa previsão pode ser enganosa ou totalmente errada. Para ter confiança nessas previsões, você deve se esforçar para ter um modelo causal.

Em resumo, a linha inferior destaca atividades prospectivas que incluem elementos de explicação causal.

Agora estamos começando a abordar o que significa ser orientado por dados.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *