Os objetivos, e não os dados, devem conduzir as análises.

Os objetivos, e não os dados, devem conduzir as análises.

A nossa vida sempre esteve regrada por tomadas de decisão. Nas empresas isso não é diferente, mas cada vez mais os objetivos, não os dados, devem conduzir as análises.

A tomada de decisão pode ser definida como uma escolha dentre várias alternativas ou mesmo a reação há um problema. Com isso, antes precisamos alinhar os objetivos que estas decisões precisam nos levar ou reagir. Em várias empresas estamos num momento de descobertas nesse mundo dos dados. A facilidade em criar visualizações de dados e a possibilidade ver painéis (dashboards ou relatórios) cada vez mais detalhados, faz com que os resultados se tornem páginas e mais páginas de indicadores.

Tomada de Decisão: cada vez mais racional com acesso a quantidade maior de dados
Tomada de Decisão: cada vez mais racional com acesso a quantidade maior de dados

Esse contexto de excesso de dados, faz os tomadores de decisão perderem o foco, e as equipes trabalharem horas e horas, para transformar dados em informações e talvez chegarem em alguns insights.

Empresas Data Driven devem ter objetivos e não somente dados.

No dia a dia da empresa, a maior parte da equipe de decisão está extraindo informações a partir dos dados disponíveis. E isso significa buscar extrair informações de tudo o que a empresa coleta de dados nos diferentes meios, como os ERPs, CRMs e Planilhas.

Porém para se tornar orientada a dados, a empresas precisa que os analistas de dados respondam às perguntas certas. Dessa forma a única solução para que isso realmente aconteça é para de procurar utilidade para os dados e encontrar dados para um propósito.

 Analistas de dados precisam responder às perguntas certas
Analistas de dados precisam responder às perguntas certas

Essa abordagem de análise de dados orientada por objetivos, ajuda principalmente a otimizar o fluxo de trabalho e alcançar mais rápido os resultados necessários para tomada de decisão.

O cenário é mais comum do que possamos perceber nas empresas. Por exemplo, quantas vezes, deparamos com a equipe de analistas desenvolvendo um relatório com várias visualizações de dados e finalizando um trabalho com a seguinte frase: “Pronto temos aqui todos os indicadores possíveis para esses dados”.

Pode até ser que no meio de tantas visualizações de dados, encontraremos as mais úteis, porém quanto tempo dedicamos para chegar nesse resultado.

Em vez disso, deveríamos responder: “Temos aqui nessa tela, todos os insights necessários e ações indicadas para atender o objetivo proposto”.

Objetivos conduzem a análise

No estudo, “Closing the Data Value Gap” (Accenture, 2019), os executivos entrevistados apontaram que as iniciativas de análise de dados da empresa, não fornecem insights acionáveis ​​e os resultados são “decepcionantes” em geral. Um dos problemas visível é que na maioria dessas empresas, os dados são analisados pela “Equipe de Análise de Dados” e não envolve demais áreas no processo.

Uma das primeiras medidas para reverter esse quadro, deve envolver os tomadores de decisão para que identifiquem o problema com uma visão ampla e depois limitada, indicando quais são os objetivos de negócio para aquela situação. A partir daí, eles devem determinar quais dados são necessários para alcançar esses objetivos. E por fim devem usar a análise resultante para selecionar a melhor tomada de decisão. Que em alguns casos, pode ser, definir mais objetivos e buscar mais dados.

O big data e a ciência de dados não vão resolver o problema , eles vão ajudar a identificar possibilidades, que devem ser guiadas pelo objetivo.

Data Storytelling auxilia identificar o objetivo
Data Storytelling auxilia identificar o objetivo

Exemplo: Data Storytelling auxilia identificar o objetivo

O planejamento do Data Storytelling, auxilia o processo de indetificar os objetivos para conduzir às análises. Contar a história dos dados a partir do objetivo do público-alvo, no caso o tomador de decisão da empresa, facilita e agiliza o processo de elaboração dos painéis (relatórios ou dashboards).

Um exemplo foi o processo realizado para uma “Galeria de Artes” que tinha o objetivo claro buscar novos clientes (investidores) em obras de arte e ampliar as vendas online.

Case Galeria de Arte - Data Storytelling por Stéfano Carnevalli
Case Galeria de Arte – Data Storytelling por Stéfano Carnevalli

Embora a galeria possuia muitos dados de clientes e para prospecção, se ficassemos presos apenas neles, teríamos uma visão limitada que apontaria apenas para a situação interna nos últimos 20 anos. Onde os clientes estavam acostumados a comprar de forma presencial e totalmente orientado pelos galeristas.

A partir desses objetivos, os dados necessários para responder essas perguntas foram buscados. Parte dos dados estavam disponíveis no CRM da empresa, porém outros foram necessários em relação a mercado e novas coletas foram necessárias em formato de pesquisa.


Stéfano Carnevalli é Data Storyteller e realiza pesquisas com tecnologias imersivas para apresentação de história de dados. É autor do Livro “Data Storytelling, planejando e contando a história dos dados” publicado pela Editora CRV.

Livro Data Storytelling
Stéfano Carnevalli – Data Storytelling

Compre na AMAZON ou EDITORA CRV

Leia também: Planejando o Data Storytelling

Cursos Data Storytelling e Data Literacy

Treinamentos Corporativos

SYMPLA – cursos com aulas ao vivo e on demand

Udemy – Aulas gravadas com arquivos e exercícios práticos

Cursos e palestra para empresas envie uma mensagem para stefano.carnevalli@datastorytelling.com.br ou pelo linkedin