Dado é Análise porque transforma conhecimento em informação

A Análise de Dados (Data Analytics) vem sendo praticada há muito tempo no círculo dos estatísticos. Conta a história que a mesma se iniciou por volta do ano de 1797 com o trabalho do economista Godofredo Achenwall e de Adolfo Querele (1796-1874) de nacionalidade belga, matemático, astrônomo, estatístico e sociólogo conhecido por sua aplicação da estatística e teoria de probabilidades aos fenômenos sociais. Ele é considerado o pai das estatísticas modernas por seu interesse em enfatizar a importância da aplicação de métodos estatísticos, orientados em um duplo sentido: teórico e prático.
A análise de dados de forma ampla é a atividade de transformar um conjunto de dados com o objetivo de encontrar respostas a suscetíveis causas e seus efeitos e hoje tem grande aplicação tanto na ciência e no âmbito social assim como no de negócios.
A era digital, os métodos ágeis e as novas ferramentas de análise estão ajudando a diminuir custos, encurtar o tempo de tomada de decisão e provocando uma comoditização geral. Somente a inovação e a excelência do serviço irá permitir que uma empresa se diferencie das outras.
As opiniões pessoais e palpites ainda são importantes, mas devem ser consideradas no contexto do que os dados agora disponíveis nos dizem. A inteligência artificial pode gerar algoritmos e identificar correlações, mas ainda há necessidade de adicionar a dimensão humana para gerar insights.
Os dados e o conhecimento em muitas organizações ainda se encontram dispersos nos departamentos sob responsabilidade de algumas pessoas e o processo de juntar tanto os dados quanto o conhecimento numa organização depende da maturidade da mesma em dar valor a estes ativos.

De acordo com o artigo da HBR de 23-Jun-2017: “Muitas conversas sobre dados e análises (D&A) começam por se concentrar em tecnologia. Ter as ferramentas certas é extremamente importante, mas muitas vezes os executivos ignoram ou subestimam a importância das pessoas e dos componentes organizacionais necessários para criar uma função de D&A bem-sucedida.”

 
A análise multi-dimensional, a análise de negócios ou a análise de segmentação são termos utilizados ​​para descrever como os gestores de negócios analisam dados em várias visões. Isso significa que se pode analisar o desempenho em uma ou várias dimensões tais como: produto/serviço, receita, processo, segmento de cliente, região, canal de vendas. Quais são os perfis sócios econômicos dos meus clientes, quem são aqueles melhor representados na Lei de Pareto 80/20, qual a minha penetração de mercado, quais são os clientes mais propensos a comprar determinados produtos e/ou serviços? O objetivo é entender melhor o desempenho em termos do que aconteceu, ou por quê, ou identificar o que pode acontecer e como melhorar ainda mais o desempenho.
Muitas vezes, esta análise envolve a busca constante de melhorias ou inovações incrementais, para garantir que os recursos do negócio sejam implementados onde os retornos ou a propensão para melhores resultados seja mais previsível.
A análise do negócio visa gerar conhecimento, compreensão e aprendizado e também insights coletivos para apoiar a tomada de decisão baseada em evidências e no gerenciamento de desempenho.
A prática aceita hoje no processo de tomada de decisões nas empresas considera em primeiro lugar os dados, os números e o que eles estão revelando. Em seguida, usa essa visão para chegar a decisões empresariais inteligentes. Isso substitui a abordagem em que as pessoas tomam a decisão em que se sentem confortáveis e depois examinam os números para ver se estão coerentes com as suas conclusões. O insight, portanto, deve impulsionar a tomada de decisões mas a visão também tem um papel mais amplo a desempenhar no panorama das organizações.

Vários tipos de perguntas podem ser abordados nas iniciativas analíticas.

O que?
O que aconteceu? Esta questão busca informações que descrevem uma situação, um evento ou o status de um bem ou produto.
Por que?
O por que aconteceu é um diagnóstico que visa permitir a compreensão das razões pelas quais um evento observado realmente ocorreu. Isso pode exigir a realização de algumas análises de causa raiz ou o uso de dados para testar uma hipótese. Se uma empresa enfrenta a redução de seu faturamento com alguns clientes específicos o melhor a se fazer é entender os motivos para descobrir como reverter a redução, ou seja: tomar uma decisão.
Quando?
Isto pode acontecer, e a tarefa é entender como prever quando um evento futuro provavelmente acontecerá. Isso geralmente exigirá a construção de modelo (s). Em primeiro lugar, os componentes devem ser identificados, antes de determinar, a partir de dados históricos, como todos eles se encaixam. Os dados históricos podem então ser usados ​​para analisar se o modelo é um bom preditor dos resultados que já foram observados. Você pode coletar continuamente  dados sobre o seu desempenho diário e pode analisar esses dados para prever a probabilidade de falha em determinadas dimensões. Por exemplo um varejista pode procurar prever as vendas adicionais geradas por tipos específicos de promoções que está realizando, prever o crescimento devido as sazonalidades de datas festivas como dia dos pais, crianças, namorados, Páscoa, Natal, etc.
Os desafios para se trabalhar com dados
As empresas criadas no mundo da Internet tais como: Amazon, Google, Twitter, Facebook e Netflix, foram construídas com base na exploração de dados. Empresas já estabelecidas tendem a não aproveitar tanto o poder dos dados e da informação. Embora a TI tenha expandido amplamente as oportunidades de coletar, armazenar e processar dados, bem como tenha melhorado o uso dos mesmos para a tomada de decisão baseadas em fatos, esta precisa ser vista através da lente das pessoas e não da tecnologia. A análise de dados requer uma compreensão mais profunda de como a percepção é gerada , através do uso dos mesmos.. A implantação de ferramentas de TI não melhora automaticamente as decisões ou o processo de descoberta de conhecimento.
Comunicação de ideias: contar uma história
Após a extração e coleta de dados, limpeza, integração, teste de hipóteses, correlações e construção de modelos, o maior desafio geralmente consiste em comunicar os resultados de forma convincente. O requisito principal é poder levar as pessoas a vivenciar uma jornada da experiência dos clientes. Embora as ferramentas de visualização estejam se tornando fundamentais para a apresentação dos resultados, a narrativa também é um elemento necessário para transmitir a compreensão e ajudar  a todos na organização a descobrir o  sentido da análise dos dados.
Demonstrar relações entre causa e efeito, procurar chamar a atenção para questões de interesse dos negócios e mostrar como fatores, particularmente aqueles que estão no controle da organização, podem implicar em resultados específicos. É importante ir além dos sintomas, abordando questões como: Qual é o problema? Por que aconteceu? O que pode ser feito?
A partir dos dados, determine as ações ou eventos que parecem produzir certas respostas, uma tarefa que geralmente exigirá a construção de algum tipo de modelo, mas já existem ferramentas com uso da inteligência artificial e algoritmos que podem ser utilizadas.
Esteja pronto para reformular o por quê, o quê e o quando suas abordagens serão aceitas para o negócio. O que queremos fazer de forma diferente? A equipe deve focar para o lado de fora da empresa e não para dentro. Esteja disposto a expor seus pressupostos, preconceitos e pontos de vista a novos e diferentes insights.
Identifique as técnicas e ferramentas analíticas “adequadas” para permitir novas ideias e insights contra os meramente intuitivos. Tenha um ceticismo saudável no uso das ferramentas e técnicas analíticas cujos resultados parecem ser bons para ser verdade. Uma boa massa de dados e experiências controladas são ferramentas para ajudar a pensar, e não substitutos desse processo. São as pessoas, não a  tecnologia, que geram compreensão e conhecimento.
Argumentamos fortemente a favor da necessidade de se concentrar na dimensão humana, como as pessoas processam informações, aprendem, criam conhecimento e tomam decisões, reconhecendo que a criação de sentido e compreensão ocorre na mente humana.
Você pode contar com a experiência da MSI Marketing para ajudar na sua estratégia de MarTech – Marketing e Tecnologia nas áreas negócios, dados, fluxo de processos e tecnologia.

Escrito por: Janine Avancini, Jose Peyon e Antonio Fonseca Ribeiro