O que é medido é gerenciado.

Analytics simples e eficiente de uma vez por todas… e para todos!

Like
Like Love Haha Wow Sad Angry
Tempo de leitura: 3 minutos

O desenvolvimento de Analytics envolve diversos perfis de profissionais para que um projeto alcance seu objetivo principal, que é o de informar a alta cúpula da corporação sobre uma determinada situação, ocorrência ou projeção. Dessa forma, os melhores caminhos a seguir são apresentados, novas oportunidades denotadas e assim se indicam possíveis problemas no longo prazo (ou mesmo atuais), que podem dessa maneira ser gerenciados. Com isso, se sabe onde os custos devem e podem ser cortados ou, sendo mais otimista, onde receitas e lucratividade podem ser mais facilmente obtidas.

O resultado do trabalho de equipe se vê nos modelos estatísticos e/ou no data warehouse. Em um primeiro momento, de forma bruta, ainda que estruturada. Ou seja, o conhecimento foi gerado, mas é de difícil observação dos padrões do negócio.

Cada profissional desenvolve sua solução baseada em seu conhecimento prévio do software utilizado e do negócio em que está envolvido. Por fim, como todos os dados são validados, as chances de erro são minimizadas.

Se durante todo o processo de desenvolvimento a qualidade de dados foi assegurada, todas as regras de negócio foram mapeadas conforme compartilhadas pelo usuário de negócios, ainda assim é possível que os dados sejam interpretados e utilizados incorretamente?   O Analytics por sí só não irá resolver todas as dificuldades…

Infelizmente a resposta é sim. Por quê? A apresentação dos dados não é suficientemente clara para uma pessoa que não tenha conhecimento prévio do conteúdo utilizado para a apresentação. Temos acesso a grandes quantidade de dados e a uma imensa variedade de aplicações para apresentação. Com tantas possibilidades, é de se esperar que algumas dificuldades ocorram, pelo fato de o usuário não ser suficientemente familiarizado com apresentação de dados de forma mais profissional ou muito simplificada.

Como exemplo, vale citar um antigo artigo da Business Insider, no qual foram selecionados os 27 piores gráficos para estudo de caso. Vale a leitura para saber o que não fazer.

No meio científico é comum encontrarmos apresentações com gráficos incrivelmente complexos, que chegam a não ser inteligíveis, pois somente com uma base estatística extremamente robusta é possível interpretá-los.

Esse é um assunto que foi abordado no livro How to lie with statistics por Darrell Huff. A obra aponta erros cometidos por pessoas ao tentar interpretar e criar análises estatísticas e como isso pode levar a conclusões equivocadas, trágicas na tomada de decisões estratégicas.

Erros em decisões estratégicas podem custar caro à organização. O Analytics pode evitar isso....

Algumas das formas mais eficientes de se evitar essas armadilhas são:

  • Mantenha a simplicidade. Não coloque gráficos demais, não coloque cores demais. Se você tem muitas categorias a apresentar, crie grupos de categorias. Para dar mais dinamismo ao gráfico, use ferramentas de mostrar/ocultar (drills) os itens de cada grupo, facilitando o entendimento completo das categorias.  Lembre-se: “menos é mais”!
  • Vá com calma nas cores. Dashboards muito coloridos são cansativos e podem confundir. Ao utilizar cores, dê preferência por paletas que apresentem variações da mesma cor.
  • Use gráficos avançados, mas crie formas de ajudar o entendimento do usuário. Em alguns casos, seu usuário não tem o mesmo conhecimento estatístico que você, então facilite a comunicação. Uma das formas é criar observações (tooltips) ao se passar o mouse pelo gráfico.
  • Use storytellingStorytelling nos ensina como contar a história do dado, é mais fácil entender como as situações apresentadas no gráficos podem se relacionar umas com as outras. Veja: The best stats you’ve ever seen.
  • Foque no contexto. O que está sendo apresentado? São dados relacionados a perfomance de vendas? Então não é bom combinar assuntos que não sejam diretamente interligados, isso pode confundir. E, lembre-se, correlação não implica causalidade.

Esses são pequenos itens que podem ser de grande valia na apresentação de seus dados, pois facilitam o entendimento, garantindo assim que todos chegarão à mesma conclusão ao observar as informações.

Ao iniciar novas análises de dados lembre-se sempre do seguinte pensamento:

Dados são apenas resumos de milhares de histórias, conte algumas destas histórias para fazê-los terem significado. (Chip & Dan Heath)

Conte a história dos seus dados, gere conhecimento e, em seguida, compartilhe as descobertas por toda a corporação, transforme a cultura organizacional com a difusão do conhecimento.

Vale lembrar:

Não se pode gerir aquilo que não se pode medir. Verdade. Mas é bom ter muita certeza de que aquilo que está medindo é realmente o que você está querendo gerenciar.

E, é claro, isso é parte vital do tema principal que abordamos aqui em nosso blog: a Excelência Operacional.

About Leonardo Galler

Analista de Business Intelligence com especialização em Estatística Aplicada. Aspirante a Cientista de Dados e apaixonado por Data Discovery e All Things Data!
Like
Like Love Haha Wow Sad Angry

Deixe um comentário

1 Comentário em "Analytics simples e eficiente de uma vez por todas… e para todos!"

avatar
newest oldest most voted
trackback

[…] com outras fontes de dados, pagas ou não. Atualmente temos a necessidade de advanced Analytics, precisamos de medições mais confiáveis. Muitas ferramentas não ofereciam ou não oferecem […]