Como acompanhar o resultado de um programa de dados?

Luís Rudí é voluntário na DAMA Brasil

O aumento da maturidade de dados das empresas geralmente é um caminho tortuoso e cheio de desafios. Entretanto, se aprendermos a analisar os fracassos e os sucessos do mercado, podemos facilitar e descomplicar muito essa jornada.

Pode parecer loucura, mas as empresas mais bem-sucedidas não reinventam a roda a cada trimestre. Elas seguem padrões consagrados que permitem a manutenção de sistemas ágeis, modulares e resilientes.

Um desses padrões, na minha opinião, é a metodologia OKR (sigla para Objectives and Key Results, ou em português Objetivos e Resultados-Chave). Não é novidade para ninguém que ter o hábito de acompanhar metas é uma boa prática que deve ser incorporada em todas as companhias e em todos os programas de dados, mas definir essas métricas e realizar um alinhamento estratégico não é trivial.

Dentro deste contexto, apresento 3E das métricas corporativas de sucesso. Framework que eu desenvolvi a partir da necessidade de aferir os resultados de um programa de dados.

Eficácia

O primeiro E é sobre Eficácia, ou seja, sobre alcançar o resultado esperado e gerar o valor desejado. Não estamos falando do “como”, mas sim do “o que” deve ser almejado. Alguns possíveis objetivos são:

• Gerar valor através de produtos de dados

• Potencializar o uso da plataforma de dados

• Melhorar a experiência dos produtos de dados

O foco nesta camada está no valor, por isso, precisamos lembrar que VALOR = UTILIDADE * UTILIZAÇÃO / (2 - %UTILIZÁVEL). Qualquer definição que contribua positivamente para a equação anterior é válida. 

Algumas sugestões de resultados chave:

• Monetizar XX% dos produtos de dados

• Elevar o consumo dos produtos de dados em XX%

• Cumprir XX% das iniciativas estratégicas definidas

Eficiência

O segundo E é de Eficiência, ou seja, consiste na administração adequada dos recursos à disposição. Aqui sim o foco é no “como” será feito. O objetivo e os resultados nesta camada devem nortear a eliminação de desperdícios, quase como numa filosofia lean adaptada para dados. Algumas sugestões de:

Objetivo:

• Construir um ecossistema de dados sustentável

• Eliminar desperdícios com irregularidades de dados

• Estabelecer processos de dados otimizados

Resultados chave:

• Corrigir XX% dos bugs de dados dentro do SLA

• Diminuir o índice de débitos técnicos para XX%

• Evitar o custo de R$ XX,XX com problemas de qualidade de dados

Efetividade

O último E é de Efetividade. Particularmente é o E mais complexo de ser avaliado, pois remete ao DNA de dados da companhia. Embora as métricas possam ser relativamente simples, metrificar hábitos e comportamentos pode ser traiçoeiro.

Seguem alguns exemplos de objetivos:

• Implementar um programa de dados de sucesso

• Democratizar os produtos de dados da companhia

• Construir e manter uma cultura de dados saudável

E também alguns exemplos de resultados chave:

• Obter nota XX de maturidade de dados

• Alcançar XX usuários distintos dentro da plataforma de dados

• Aumentar em XX% os heavy users do ecossistema analítico

Outro segredo para o framework funcionar é amarrar os 3E para evitar a existência dos famosos indicadores confete (aqueles que só servem para festejar e não geram nenhuma mudança significativa). Exemplificando a frase anterior: Podemos ter um indicador de Eficácia que acompanha o volume de entregas, entretanto, também devemos ter um de Eficiência que meça a qualidade dessas entregas. Do mesmo modo, podemos ter um indicador de uso da plataforma, mas também temos que ter um de monitoramento da capilaridade desse uso. 

A elaboração da estratégia de dados deve ser metrificada, monitorada, integrada, sinérgica e preparada para desafiar de forma factível os times de dados e de negócio. Como explicado no artigo, não é algo trivial, mas é muito possível de ser estabelecido com uma boa governança de dados e com o apoio executivo do CDO.

*Luís Rudí é voluntário na DAMA Brasil