Os produtos e tecnologias de Analytics proporcionam vantagens competitivas sem precedentes. Apesar de compreender esta realidade, grande parte dos gestores ainda não aplicou o tema como parte integral da estratégia por não saber como proceder de modo efetivo. Neste contexto, existe uma melhor forma de estruturar essa área do conhecimento nos negócios? Neste post, são apresentados os principais modelos organizacionais de Analytics e os aspectos que devem ser levados em conta na escolha de uma estrutura efetiva para a sua organização.

Reforçando a importância do assunto para a nova era da gestão, o artigo “Na transformação digital, analytics é fundamental“, publicado pelo site CIO, prevê que, até 2022, 90% das estratégias corporativas mencionarão explicitamente a informação como um ativo crítico e a análise como uma competência essencial. Hoje, entretanto, apenas 20% das empresas maximizaram o potencial e empregaram Analytics em escala, segundo a pesquisa “Building an Effective Analytics Organization“, conduzida pela McKinsey, indicando que organizações ainda enfrentam dificuldades para lidar com esse novo contexto. O que muitas vezes acontece, como aponta a pesquisa, é uma empresa começar sua empreitada nesse campo sem uma estratégia clara, resultando em projetos pilotos não efetivos e que não conseguem ganhar impulso na organização.

Considerando o quadro apresentado, é importante que as práticas de Analytics sejam abordadas em um modelo bem fundamentado, adaptado às características e objetivos do negócio para serem bem-sucedidas. As abordagens existentes nesta área residem no espectro dos três principais tipos de modelo: centralizado, descentralizado e híbrido. A escolha do modelo a implantar exige a superação de um antigo dilema – o infindável debate entre controle e liberdade. Mas como vencer esse dilema e definir a estrutura mais adequada para a sua organização? Para amparar essa reflexão, apresentamos a seguir as principais características de cada modelo.

Os três modelos organizacionais de Analytics

1- Centralizado

No modelo centralizado, as atividades são desenvolvidas e integradas por um time central, que pode ser denominado Analytics Center of Excellence (ACE), que absorve demandas globais (comuns à empresa como um todo) e apoia as diferentes áreas de negócio. Por definição, o ACE deve ser composto por um time multifuncional, englobando competências em dados, projetos, tecnologia, treinamento e habilidades organizacionais. Por centralizar expertise, aquisição de recursos e gestão de fornecedores, essa estrutura tende a gerar economias de escala.

Um dos grandes desafios do ACE é promover uma mudança na cultura organizacional. Nossa experiência em projetos mostra que obstáculos culturais são um dos principais entraves de uma transformação digital bem-sucedida. Assim, o ACE deve possuir o papel de engajar continuamente os stakeholders internos, divulgando produtos, serviços e benefícios proporcionados pelas práticas de Analytics, gerando confiança e entendimento dos tomadores de decisão.

2 – Descentralizado

No modelo descentralizado, existem times de Analytics exclusivos para diferentes áreas de negócio e as práticas e produtos são desenvolvidos localmente para promoverem soluções específicas. O portfólio de ferramentas utilizadas também é uma decisão local.

Para essa abordagem ser efetiva, deve existir uma governança mais centralizada com o papel de estimular o compartilhamento de boas práticas entre as unidades de negócio, fazendo com que elas não se isolem umas das outras. Além disso, práticas globais consistentes de utilização de dados devem estar institucionalizadas e cada área de negócio deve estar provida de recursos capacitados.

3 – Híbrido

O modelo híbrido se destaca pela existência de um ACE trabalhando em colaboração com times de Analytics dedicados a algumas áreas. Enquanto os times descentralizados podem ter autonomia para desenvolver produtos e escolher ferramentas específicas, o papel do time centralizado, nesse caso, é identificar produtos e práticas locais de valor e promovê-los por toda a organização. Em geral, o ACE também é responsável por demandas globais, pela consistência de informações, pela governança e pela gestão de fornecedores-chave.

É importante destacar que, em um modelo híbrido, o nível de autonomia dos times descentralizados pode variar de acordo com as políticas, com os recursos disponíveis e com objetivo estratégico da empresa, que irão definir um maior ou menor poder de atuação do time centralizado.  Dessa forma, o ACE pode, por exemplo, desde exercer apenas o papel de governança colaborativa até ser responsável por toda infraestrutura, arquitetura e modelagem de dados.

A figura abaixo sintetiza os principais conceitos de cada modelo apresentado.

modelos-de-analytics

Em essência, um modelo predominantemente centralizado exerce alto controle sobre as práticas de Analytics nas unidades de negócio, garantindo consistência de informações e compartilhamento de melhores práticas no nível organizacional. Contudo, por centralizar a função e ter que lidar com demandas de diferentes naturezas, o ACE pode acabar se tornando um gargalo de atividades, gerando insatisfação dos clientes internos.

Na outra ponta do espectro, um modelo predominantemente descentralizado permite que unidades de negócio tenham maior liberdade para desenvolver suas atividades, o que favorece um ambiente organizacional de cultura ágil, mais propício para criação e inovação. Por estarem imersos nas áreas de negócio, os times conseguem promover boa articulação entre Analytics e expertise de negócio, o que é mais difícil de ocorrer no âmbito de uma abordagem mais centralizada. Por outro lado, a estrutura descentralizada assume maiores riscos em relação à consistência de informações, ao isolamento entre as áreas de negócio e à redundância de recursos e dados na organização.

Qual modelo aplicar em sua organização?

Nossa experiência em projetos, como os realizados em grandes empresas do varejo, mostra que a definição do modelo deve ser realizada considerando o atual nível de maturidade em Analytics e os objetivos do negócio. Normalmente, empresas com menores níveis de desenvolvimento em Analytics precisam, inicialmente, adquirir, desenvolver e compartilhar competências nessa área, além de estabelecer consistência das informações globalmente e promover a aderência dos tomadores de decisão às iniciativas. Dessa forma, para organizações que buscam aplicar um controle maior sobre as práticas e onde informações imprecisas são corriqueiras, com o prevalecimento da “cultura das planilhas”, uma abordagem predominantemente centralizada é uma solução conveniente.

Por outro lado, empresas que já possuem competências de Analytics bem desenvolvidas e que almejam uma postura ágil em projetos, precisam de autonomia para responder prontamente às demandas que emergem nas diferentes áreas de negócio. Nesse contexto, é apropriado utilizar dados e produtos desenvolvidos localmente para atender necessidades específicas. Portanto, o modelo descentralizado é adequado.

Já as organizações que precisam mesclar o controle organizacional com a liberdade e autonomia para determinadas áreas de negócio vão, provavelmente, encontrar maior valor em um modelo híbrido. Nessas circunstâncias, é importante estar claro quais são as atividades de caráter global e quais áreas devem ser fontes consistentes de informações globais (Financeira, Recursos Humanos, entre outras) para que o ACE atue mais de perto. Da mesma forma, as áreas de negócio específicas que terão mais liberdade de criação e experimentação devem estar definidas e providas de recursos capacitados, com papéis e responsabilidades de Analytics bem definidos e processos padronizados.

Conclusão

Como foi visto, o modelo a ser adotado em sua organização está intimamente ligado ao seu nível de maturidade em Analytics. Portanto, recomendamos que esse quesito seja avaliado de antemão. Por fim, é importante lembrar que toda empresa muda com o tempo e, sendo assim, a abordagem pode transitar de um modelo para outro desde que a transição seja bem planejada e que as práticas continuem incorporadas aos processos de tomada de decisão.

Está com dúvida sobre como implantar Analytics em sua organização e obter resultados? Entre em contato conosco através do contato@bridgeconsulting.com.br.

Luis Felipe Fontenelle é Engenheiro de Produção formado pela Universidade Federal Fluminense – UFF. Tem atuação como especialista de Business Intelligence e Analytics e possui experiência em produto de dados e Inteligência de Mercado.