Agende uma Demo >

O Maior Hub de RH do Brasil | Taqe

Nova call to action

4 perguntas essenciais para decisões baseadas em dados

Ana Maria Correa

A gestão das empresas e a análise de dados andam lado a lado há algum tempo. Afinal, é olhando para os resultados passados que podemos tomar decisões mais assertivas para o presente e futuro. A era Big Data está aí para comprovar isso. Segundo a empresa global de inteligência de mercado Internacional Data Corporation, os gastos das empresas com a análise de dados chagarão em US$274,3 bilhões até 2022.

Contudo, grande parte destes investimentos não está sendo empregado de forma inteligente. O analista da Gartner, Nick Neudecker, 85% dos projetos que envolvem big-data resultam em fracasso.

O problema já foi identificado e isso é o primeiro passo para encontrarmos a solução. Os números que aparecem nas telas dos computadores assumem uma aura especial de autoridade. Isso significa que, depois que os dados são coletados, armazenados e analisados, é muito raro alguém questionar a origem destes dados, como eles foram modificados ou se eles são adequados para a finalidade do projeto.

A grande verdade dos dados é: para extrair respostas úteis dos dados, não significa aceitá-los sem questionamentos. Você precisa descobrir 3 coisas em relação aos dados que estão à sua frente:

  1. Como os dados foram originados;
  2. Quais modelos foram usados para analisá-los;
  3. O que foi ignorado durante a análise.

Você conseguindo obter essas informações, você conseguirá utilizar seus dados não só apenas para otimizar operações, mas também para alavancar novas possibilidades para o seu negócio.

4 perguntas que você deve fazer em um projeto que envolve Big Data

1. Como os dados foram originados

Enquanto você lê esse texto, torres de servidores estão, de forma incansável, coletando e armazenando dados de acontecimentos do mundo real, transações, diagnósticos. Porém, poucas pessoas se perguntam de onde esses dados vêm e não tem o cuidado de checar a qualidade e quem está envolvido nesta coleta.

A Gartner revelou que as empresas americanas, por exemplo, perdem cerca de US$ 15 milhões por ano porque utilizam dados de má qualidade.

Pare para pensar: os dados também estão sujeitos ao erro humano. Imagine uma loja que possui vendedores que estão desmotivados e que são solicitados para fazer verificação de estoques. É possível que os dados de estoque tenham erros humanos.

E, mesmo quando o levantamento de dados é feito de forma automatizada, há expressiva fontes de erros que podem acontecer. Alguns exemplos são: queda de energia intermitente em torres de telefonia celular ou até falhas nos processos de compensação de operações financeiras.

Quando a sua empresa utiliza dados de má qualidade ou fora do contexto, tem resultados piores do que se não tivesse usando nenhuma tecnologia que envolvesse dados. Um estudo indicou que 65% dos estoques de um varejista continua erros na coleta de dados.

Por isso, você não deve presumir que os dados que se apresentam são precisos e têm qualidade. Questione ao time sobre onde eles foram originados e como eles são mantidos e abastecidos. Uma forma de evitar isso internamente é fazer auditoria nas transações de dados da mesma forma que se faz com as transações financeiras.

2. Como os dados foram analisados?

 Mesmo se os dados são precisos e mantidos de forma adequada, a qualidade dos modelos analíticos pode variar de forma muito ampla. Outro fator é que as pessoas esquecem de onde eles vieram e como estão avaliando, principalmente quando há um grande conjunto de dados específicos.

As falhas são muito comuns e podem causar enormes prejuízos. Vamos a um exemplo real: dois economistas americanos muito importantes publicaram um estudo que mostrava que a dívida dos Estados Unidos estava atingindo um nível bastante crítico e que ninguém estava abordando sobre o assunto. Entretanto, descobriu-se que havia um pequeno erro em uma tabela e foi isso que resultou no exagero do efeito da dívida.

Um dos erros mais comuns é a utilizam de diversas variáveis. Quanto mais variáveis utilizamos para criar um modelo, mais difícil fica generalizá-lo.  Em alguns casos, o excesso de dados pode resultar em vazamento de dados.

E sim, os grandes também estão errando em relação aos dados. A Amazon e a Google, passaram por escândalos recentes relacionados a modelos que continham um viés.

Precisamos fazer perguntas constantes sobre os modelos de análises. Tenha sempre em mente os seguintes questionamentos:

  • Eles são adequados ao propósito para o qual estão sendo utilizados?
  • Estão levando em consideração os fatores corretos?
  • O resultado reflete, de verdade, o que acontece no mundo real?

 3. O que os dados não nos mostram?

Os modelos de dados foram criados por seres humanos. E é esperado que eles sejam tendenciosos a embasar algum julgamento na informação que está ali, disponível. Normalmente, esse tipo de viés de disponibilidade é associado a decisões humanas, mas, muitas vezes, os próprios humanos passam essa tendência para os sistemas automatizados.

Em alguns projetos, os dados não disponíveis podem afetar a tomada de decisão da sua empresa tanto quanto os dados disponíveis.

Vamos a um exemplo bastante simples, mas que mostra claramente essa realidade: o setor financeiro utiliza dados para analisar o histórico de crédito para facilitar ou não o acesso a um financiamento, por exemplo.

Entretanto, mesmo que um cliente apresente baixo histórico de crédito, não significa que ele tem um histórico ruim. As empresas estão perdendo bons potenciais clientes simplesmente porque deixa de fora outras informações que possam ser relevantes nesta análise.

Agora, pergunte-se, dentro do seu RH, quais são os dados que são excluídos na coleta, mas que poderiam fazer a diferença na hora de uma análise para a tomada de decisão ou planejamento de estratégias?

Se você está gerindo o que você mede, precisa garantir que o que você está medindo reflete a realidade, e não apenas os dados fáceis de serem coletados.

4. Como usar os dados para redesenhar produtos e modelos de negócio?

Nós já aprendemos o valor dos dados durante a última década. Com eles, automatizamos processos, prevemos manutenções em máquinas, melhoramos nosso atendimento ao consumidor.

Você sabia que são os dados que permitem que a Amazon faça entregas no mesmo dia? E o que falar da Netflix? Como você acha que a empresa faz para sugerir títulos que “tem tudo a ver com você”?

O que se pode fazer com dados é incrível, mas sabe o que é ainda melhor? A possibilidade de repensar o seu negócio. Um exemplo disso é a Experian, que alavancou o serviço para a nuvem. Antes eram oferecidos relatórios de créditos e, agora, todos os clientes têm acesso, em tempo real, aos dados em que os relatórios são baseados. Isso pode parecer pequeno, porém imagine o impacto para o crescimento na empresa.

Já foi dito que a análise de dados é o novo petróleo, mas ela é bem mais valiosa. Os dados são mais do que uma classe de bens passivos. Usados de forma inteligente, podem oferecer uma verdadeira vantagem competitiva e levar uma empresa a rumos totalmente novos. Para tanto, não basta procurar respostas. É preciso aprender a fazer novas perguntas.

O nosso convite fica para que você analise a área de RH e divague sobre a vantagem competitiva que a sua empresa pode ter ao investir nos dados corretos direcionados para a área. O recrutamento e seleção já começou a dar seus passos utilizando Big Data e Inteligência de Dados.

Quer saber mais? Entre no nosso site e veja como é possível aumentar a eficiência do seu processo seletivo através de um processo totalmente online e inteligente.

Fonte: Forbes.com

 

Topics: Recrutamento e seleção

Nova call to action

Conteúdo exclusivo sobre RH! Inscreva-se:

Últimos Posts