4 D's em Data: Analytics, Strategy, Engineer e Science

Em um mundo hiper conectado, com novas informações sendo divulgadas instantaneamente, a tomada de decisões baseadas em dados deixam de ser um diferencial e viram uma necessidade.

Neste cenário, a formação de equipes multidisciplinares especializadas em dados, conhecidas como equipes data driven, desempenham um papel vital na capacitação de colaboradores. Entre as várias disciplinas que compõem essas equipes, destacam-se quatro soluções fundamentais: Data Analytics, Data Strategy, Data Engineering e Data Science, frequentemente referidos como os 4 D’s.

Iremos explorar neste artigo como essas quatro disciplinas fundamentais nas equipes data driven se organizam, e como a colaboração eficaz entre essas áreas desempenha um papel essencial na criação e aplicação bem-sucedida de estratégias orientadas por dados em organizações.

Data Driven

Antes de qualquer menção dos papéis fundamentais dos 4 D’s, precisamos entender como nasceu a cultura data driven. Durante anos, muitas decisões tomadas pelas gerências das organizações eram feitas a partir de suposições. Trazendo resultados bons, os líderes entendiam que poderiam repetir a estratégia, sendo o contrário também válido. No entanto, tomadas de decisões feitas dessa forma geram insegurança, pois suposições não têm bases sólidas e o que uma vez pode dar certo, na outra pode dar errado, mesmo que a ação seja semelhante.

Dessa forma, surge uma urgente necessidade: o manuseio de informação. Ao adotar uma cultura data driven, as empresas estão melhor equipadas para tomar decisões fundamentadas, mitigar riscos, otimizar processos, melhorar a eficiência operacional e, em última instância, alcançar uma vantagem competitiva. É um movimento estratégico que reflete a necessidade de se adaptar a um mundo em constante mudança, onde os dados são um ativo valioso que impulsiona o progresso.

Seguindo nesse sentido, empresas consolidadas conseguiram separar diferentes setores que, juntos, extraem, transformam, expõem, geram insights e até preveem movimentos futuros baseados em dados, no ecossistema chamado data driven.

Data Analytics

A análise de dados, mais conhecida no mercado como data analytics, é um braço fundamental para o nascimento da cultura data driven. Em empresas com áreas especializadas, como a Cadastra, o profissional de data analytics, realiza o processo de ETL (extract, transform, load) e simplifica a visualização dos dados para os tomadores de decisão, podendo ser estes os próprios colegas ou o cliente, através de ferramentas como o Google Analytics, Power BI, Looker Studio e o Google Sheets.

Data Strategy

Para os estrategistas de dados, a tarefa é diferente. Sim, existem intersecções entre o papel do analista e o estrategista, mas pode-se destacar como fundamental a função de utilizar os dados coletados e, a partir deles, criar planos de negócios que otimizem os resultados do cliente. Sendo assim, análises de custom profile, market basket, event correlation e elasticidade de preço são usadas diariamente pelos estrategistas.

Além disso, esses profissionais também podem trabalhar diretamente na página do cliente. Isso porque cada clique é considerado uma pegada digital, isto é, uma ação que pode ser útil para entender a experiência do usuário. Dessa forma, utilizando ferramentas como o Google Tag Manager (GTM), é possível criar parâmetros que metrifique ações de consumidores no site, buscando otimizar a experiência do cliente e alavancar resultados.

Data Engineering

O papel de um engenheiro de dados, na maioria dos casos, é possibilitar que todo o processo dos outros D’s funcione corretamente.

Uma das funções cruciais desse profissional se refere ao armazenamento dos dados. Para isso, ele implementa sistemas de coletas de dados através de bases, API’s e servidores. Esses sistemas devem ser seguros e escaláveis, respeitando normas que protegem as informações dos usuários. É a partir dessas plataformas de armazenamento de dados que os analistas buscam referências para a transformação, por isso, é fundamental que as bases estejam sempre atualizadas e com os parâmetros corretos de extração.

Engenheiros de dados podem usar diversas ferramentas, de acordo com a necessidade do cliente. Entre elas, destacam-se plataformas para gerenciar bancos de dados, como Postgre e MySQL, Hadoop e Spark, que são sistemas de processamento de grandes volumes de dados ou até mesmo linguagens de programação como Python.

Data Science

Diferentemente de outros profissionais, o conhecimento dos cientistas de dados englobam diferentes áreas como estatística, ciências da computação e matemática. No seu trabalho, se destacam atividades complexas como uso de modelos de machine learning, mais conhecidos como aprendizado de máquinas, cujo um dos principais objetivos é criar algoritmos para automatizar processos, entender padrões de dados e prever resultados. Dessa forma, os conhecimentos técnicos de ciência de dados podem auxiliar uma área na aplicação de ações que visam a melhora da tomada de decisões estratégicas no âmbito empresarial.

A complementaridade dos 4 D’s

Conforme visto anteriormente, o que muitas empresas pecam é considerar o mesmo colaborador como uma pessoa que constrói infra estruturas de gerenciamento e processos em uma base de dados com linguagens de programação, realiza o ETL, analisa os dados estrategicamente buscando insights de negócios e ainda por cima cria modelo de previsões com base em conceitos estatísticos. Podemos usar como exemplo para assimilar essa informação os negócios imobiliários. Neles, são necessários corretores de imóveis que vendem o terreno, engenheiros para mapear os processos, arquitetos para desenhar plantas e pedreiros para construírem as casas. Outrossim, sabemos que esse profissional de fato não existe, pelo menos não com excelência. Isso porque todos os pontos mencionados devem ser tratados por diferentes profissionais que, juntos, se complementam. Da mesma maneira funciona em um ambiente data driven.

Nesse sentido, dentro da Cadastra, estabelecemos que cada um dos D’s (Analytics, Strategy, Engineer e Science) tem uma função específica e que, no todo, auxiliam no entendimento do negócio e otimização dos resultados. Uma das formas de complementaridade desses profissionais é atribuindo a função do engenheiro para criação de estruturas e armazenamento de dados, ao analista a função de extração, transformação e carregamento, ao estrategista criar metodologias e análises de negócio e, ao cientista, buscar usar modelos de aprendizado de máquinas para prever outputs dos dados coletados. Dessa forma, cada profissional se especializa na sua área de atuação e cria excelência no trabalho.

Considerações finais

Entende-se que cada um dos profissionais formados pelos quatro D’s pode ter uma função específica dentro do negócio e a complementaridade, para ser bem sucedida, precisa ter funções claras e um ambiente data driven entre os colaboradores, onde todos têm transparência das suas funções. Dessa forma, o modo de trabalho passa a ser organizado e simbiótico, direcionando cada um a sua função. Obviamente muitos profissionais possuem expertise que ultrapassam suas obrigações nessa separação de tarefas, então um ambiente que fomenta benevolência e colaboração passa a ser essencial para a melhoria de resultados.