A gestão de dados tem sido um fator essencial para o crescimento dos negócios nos mais diversos setores. Com efeito, os programas de qualidade já incluíam métodos analíticos de informação mesmo antes de podermos contar com Big Data. É o caso, por exemplo, do Lean Six Sigma (LSS), amplamente baseado em cálculo estatístico. A metodologia exige a coleta e a análise de dados para resolver problemas de qualidade.
A partir de métodos estatísticos, o LSS faz uma varredura dos processos organizacionais, a fim de neutralizar defeitos. Dessa forma, aumenta a qualidade do que é entregue ao cliente e sua satisfação. A avaliação estatística é usada para detectar a variabilidade das entregas, ou seja, as falhas. Estas são responsáveis por parte significativa dos custos e podem gerar devoluções, trocas e até mesma perda de clientes. O LSS reduz custos e, ao mesmo tempo, maximiza a lucratividade.
O LSS usa a abordagem DMAIC para atingir níveis de qualidade de Seis Sigma, isto é, menos de quatro defeitos a cada milhão de oportunidades. Com a finalidade de alcançar este objetivo, é necessária uma rigorosa coleta de dados. É fácil concluir, portanto, que o Lean Six Sigma também se trata de gestão de dados. Para melhorar processos, as informações coletadas em gigantesco volume precisam ser transformados em conhecimento. Nesse sentido, o Big Data traz uma revolução aos padrões LSS. Com o auxílio da gestão de dados, o LSS consome menos recursos e menos tempo.
Medições, LSS e gestão de dados
O que não pode ser medido não pode ser melhorado! Sem monitoramento, de fato, não temos como saber se estamos melhorando ou piorando. Por sorte, já é consenso que as decisões gerenciais não podem ser tomadas por “instinto”. A gestão de dados é fundamental para que as pessoas entendam o que realmente está acontecendo na empresa.
Medir, medir, medir: essa é uma das bases do Lean Six Sigma. O estabelecimento de métricas não é aplicável somente à produção industrial. Em tempos de Big Data, sabemos que medir é a base para saber. Da mesma forma, é componente fundamental de uma gestão empresarial responsável.
As métricas adotadas são, sem dúvida, um aspecto essencial do LSS. São elas que permitem um controle eficiente de processos e resultados. Por outro lado, métricas e indicadores são também fundamentais na gestão de dados, pois fazem com que as informações corretas se transformem em bases seguras para a tomada de decisões.
No entanto, como saber o que medir? Quais dados são importantes? Por que devem ser acompanhados? Estamos hoje submersos em terabytes de informação – como dizemos sempre aqui, o desafio é saber como selecionar.
O LSS tem o objetivo de reduzir falhas, bem como de garantir a melhoria contínua dos processos de uma empresa. Dessa maneira, se baseia na coleta de dados sobre cada etapa da produção e nas métricas de controle. A partir de sua estratégia organizacional, a empresa deve definir quais as métricas necessárias em cada momento específico.
Essa tarefa pode ser difícil. Assim, as ferramentas da moderna gestão de dados, como o aprendizado de máquina e a inteligência artificial, se tornam especialmente úteis. Além disso, diferentes métricas podem ser estabelecidas de acordo com a característica do trabalho feito. As mais básicas são satisfação do cliente, produtividade e lucratividade. Outras medições específicas, de acordo com os desafios encontrados, certamente se farão necessários.
Gestão de dados com aspecto humano
Antes de tudo, vale lembrar que os dados hoje são coletados em todas as atividades de nossas vidas. As séries que você vê, o tempo que leva para responder uma mensagem, os seus batimentos cardíacos: tudo são dados. Essas informações podem ser valiosas para obter insights de mercado tanto quanto para entendermos melhor nossos comportamentos.
As empresas usam o LSS para aumentar a velocidade e a qualidade de seus serviços e produtos. Analisando os dados em tempo real, o Lean Six Sigma pode ser aplicado com redução de recursos. Os dados estão disponíveis em diferentes processos e, assim, são um auxílio imprescindível à melhoria contínua. De fato, a mineração de dados envolve técnicas usadas para produzir resultados significativos a partir de pilhas de dados. Dessa maneira, é possível tomar decisões eficazes e rápidas utilizando essas técnicas no LSS.
Embora haja abundância de dados, é importante considerar que eles só são úteis se estiverem relacionados ao fluxo de valor. Primeiramente, as pessoas devem estar envolvidas em seu mapeamento e análise. Ou seja: as equipes devem determinar conjuntamente quais são os principais fatores para melhorar o fluxo de valor, para além de padrões restritos a um ou outro setor.
Em segundo lugar, o LSS aponta que um processo deve ser bem compreendido de ponta a ponta, no plano geral. Dessa forma, a análise dos dados só faz sentido se tem contexto. Com esse entendimento, as pessoas podem priorizar quais problemas devem ser resolvidos primeiro. Enquanto os sistemas avançam no processamento das informações, somente nós, humanos, podemos fazer as perguntas certas. É nessa convergência de criatividade humana com gestão de dados que o LSS se torna uma ferramenta essencial para que possamos fazer isso de maneira consistente e eficaz.
Acompanhe nosso blog para saber mais sobre Lean Six Sigma e excelência operacional. Qualquer dúvida, fale com a gente! Para saber mais, siga nossos posts no Facebook.
Edição: Svendla Chaves – jornalista
Imagens: Natanael Ginting e Rawpixel /Freepik
Profissional de Excelência Operacional e Business Intelligence!
Sou um eterno aprendiz ou seja um pseudo-Engenheiro e Administrador de Empresas, embora nunca tenha sido um exemplo de “excelência” em Matemática, ao longo dos anos passo a maior parte do meu tempo tentando aprender a mesma e, particularmente, a estatística uma vez que, salvo muito engano, é ela que rege nossas vidas na busca da Excelência seja como pessoa ou como profissional.