A implantação de Business Intelligence (BI) é um passo importantíssimo para quem está construindo uma gestão guiada por dados, mas nem sempre os resultados estão à altura das expectativas que foram criadas nesse processo. Neste texto, vamos abordar duas barreiras cruciais que podem estar te impedindo de obter melhores resultados com seus dashboards: i) o “Efeito HiPPO” e; ii) a subestimação do Data Viz. O encerramento desse artigo se dará ainda com ferramentas que podem te ajudar a desbravar ainda mais as inúmeras possibilidades existentes na Inteligência de Negócios.
Não conseguir superar o efeito HiPPO
Você finalmente implantou seu BI. Os dados são atualizados frequentemente e os gráficos são lindos. Relatórios saem todo mês no prazo. Só que você não passa disso. O relatório é sempre o mesmo e decisões não são tomadas a partir dele. Você começa a ter aquela sensação de que o BI é encarado como um brinquedo do pessoal de Legal Ops e que o time executivo não leva muito a sério que decisões relevantes possam ser baseadas em dados. Afinal a experiência de mercado deles é soberana e eles chegaram aonde chegaram por bons motivos.
Se essa situação lhe é familiar, seu BI e sua estratégia de trabalho data-driven de forma geral estão enfrentando um adversário de peso: o Efeito HiPPO (highest paid person’s opinion – opinião da pessoa mais bem paga).
Uma vez que o HiPPO expressou sua opinião, o ambiente parece ficar mais hostil para vozes dissonantes. E isso é natural, não só por uma questão de autopreservação, como pelo viés de autoridade. Tendemos a acreditar naqueles que percebemos como “especialistas” e fazemos o que eles nos dizem para fazer. O grande problema é que isso acaba silenciando opiniões valiosas. Quando a sala aceita a opinião do HiPPO sem contestação, isso só aumenta a sensação de superioridade, criando um círculo vicioso. Esse efeito não acontece apenas com times de líderes autoritários: muitas vezes o HiPPO quer genuinamente o envolvimento da equipe, que, ansiosa para agradar, acaba fazendo o que acham que o líder quer.
Agora você nos pergunta: como faço para domar a fera? Despersonalizando a tomada de decisões, algo em que seu BI pode ser um grande aliado.
Primeiro, reúna os dados que fundamentam sua decisão. Em seguida, monte seu storytelling com os dados que cubram as principais preocupações ou dúvidas que o HiPPO possa ter. Além disso, teste sua narrativa com o time antes de apresentá-la à liderança. Isso ajudará a descobrir novos potenciais esclarecimentos com os quais seus dados podem ajudar. Quando chegarem a um consenso, vocês estão preparados e a chance do seu BI ganhar mais credibilidade e espaço em decisões futuras aumenta.
Subestimar boas práticas de Data Viz
Data Viz é o nome do conjunto de técnicas usadas para comunicar insights por meio de elementos visuais que destaquem as relações entre os dados. O negrito em “destaquem” não foi acidental. Muitas vezes é o erro mais comum em dashboards por aí. Gráficos são usados não porque estabelecerão a narrativa, mas porque alguém os acha mais bonitos. Codificação de cores é completamente ignorada. Elementos essenciais são omitidos, em favor da inclusão de componentes que apenas poluem os gráficos. O horror…
A adoção de boas práticas de Data Viz ajuda na compreensão mais fácil de relações complexas, facilitando muito a busca por conclusões. Informações visuais constituem 90% das informações que são transmitidas ao cérebro e são processadas 60.000 vezes mais rapidamente que texto. No exemplo abaixo, temos o Quarteto de Anscombe, que mostra bem o quanto a preocupação com a visualização dos dados faz diferença. Primeiro, analise a tabela (sem roubar). Os quatro conjuntos de dados parecem extremamente semelhantes. Em seguida, veja o que acontece quando são dispostos em gráficos de dispersão.
Algumas dicas para melhorar seus dashboards no quesito Data Viz:
As cores são suas amigas. Tudo bem que você quer usar a paleta de cores da empresa. Isso não é um problema. Agora, tente usar essas cores como parte do seu vocabulário. Sempre use as mesmas cores para coisas negativas e positivas. Exs.: derrotas, atrasos, perda provável em vermelho. Êxitos, cumprimento de SLA e perda remota em verde. Além disso, evite o uso contraintuitivo das cores. A sua empresa não usa verde? OK. Mas se seus resultados positivos ficarem sempre em vermelho, as coisas podem ficar confusas. Além disso, se você usou amarelo para mostrar algo em seus primeiros slides, vale manter o amarelo para todos os demais.
Essa grade precisa mesmo estar ali? Evite poluir seus gráficos. Se suas colunas já têm sobre si os rótulos dos dados, por que seu gráfico tem grade? Se o seu gráfico de rosca tem legenda, para que incluir os nomes das categorias nos rótulos dos dados?
Saiba para que cada tipo de gráfico serve. A escolha dos gráficos adequados terá impacto na facilidade e rapidez que as pessoas terão para entender a sua. Além disso, evitará leituras imprecisas que podem levar a decisões erradas. Alguns gráficos são mais apropriados para mostrar comparações, relações ou distribuições.
Gráficos de comparação: linhas (bom para exibir tendências), barras com linha (exibir no mesmo gráfico as tendências e os acontecimentos que levam a ela, por exemplo), áreas, barras, bullet (muito bom para acompanhar o atingimento de metas, por exemplo), etc.
Gráficos de distribuição: dispersão (que pode trazer uma linha de tendência), bolhas (seus tamanhos e cores podem ajudar a comparar mais variáveis), mapas de calor, etc.
Gráficos de composição: pizza/rosca são os maiores exemplos e aqui cabe um apelo. Parem de usar esses tipos de gráficos para comparar dados. Em primeiro lugar: se sua pizza ou rosca tem mais que 5 fatias, jogue ela fora do dashboard. Em segundo lugar, o cérebro humano não é bom em reconhecer diferenças entre áreas similares, a não ser que sejam contrapostas de um jeito específico para enfatizar essas diferenças. Não é isso que o gráfico de pizza/rosca faz. No exemplo abaixo, as fatias da pizza têm tamanhos diferentes, eu juro. Tente identificar a maior em menos de 30 segundos. Você não vai conseguir.
Os dois desafios que escolhemos abordar são apenas alguns dos mais comuns. O importante é entender que, se o seu BI nasceu para alimentar relatórios periódicos e dali ele não passa, seu potencial está sendo seriamente sub-explorado.
Falando sobre ferramentas
Agora que passamos por temas essenciais para o desdobramento do assunto, passando por HiPPO e DataViz, seguimos o complemento que nos ajuda a desbravar as diversas possibilidades que existem quando necessitamos de ferramentas para Business Intelligence.
Quando pensamos em ferramentas corporativas para nos ajudar com o tema, é impossível não se referenciar por produtos tais como Power BI (Microsoft), Looker Studio (antigo Google Studio), Qlik, Tableau, e muitas outras mais tradicionais.
Mas no exato momento em que este artigo é escrito, caso você acompanhe o assunto com a proximidade e a importância que ele pede, um grande diferencial surgiu para transformar o mercado e complementar as tais ferramentas citadas, e ele é: funcionalidades de Business Intelligence disponíveis em ferramentas de inteligência artificial (a exemplo GPT-4, da OpenAI), com o qual faremos uma demonstração a seguir.
Utilizamos como referência um dataset criado para referenciar as emissões globais de CO2, e que pode ser utilizado por qualquer pessoa que tenha interesse em estudar ou aplicar conhecimentos de Business Inteligence sobre uma grande massa de dados.
Antigamente, seriam necessários diversos esforços para extrair conhecimento de uma base como essa: possivelmente um analista de dados com acesso às ferramentas corretas, ou um desenvolvedor mais curioso, mas hoje este cenário mudou.
Em poucos cliques, e desenvolvendo uma lógica estruturante de construção de prompts (sem perguntas rasas demais, ou fora de contexto), conseguimos obter informações valiosas em alguns minutos, fornecendo as informações corretas e construindo a lógica sobre o resultado que se procura obter, isto é: a depender do output fornecido pela IA, devolver com novas perguntas, quando necessário, que o ajude a chegar no resultado esperado.
Vamos a um exemplo prático com a massa de dados fornecida acima.
Com poucos cliques você obtém informações estruturantes para perguntas que antes poderiam ser complexas demais para serem respondidas sozinhas, ou que levariam dias para se obter um resultado prático. Hoje, ainda dependente da ajuda de especialistas no tema, a depender da complexidade do assunto, pode-se obter insights valiosos a poucos cliques distância, sem deixar de considerar variáveis importantes de qualquer processo de Business Intelligence: coleta de dados, análise e processamento de dados (buscando sempre obter eficiência e velocidade neste processo, além de eventuais necessidades de escalabilidade, e personalização, a depender do contexto), para uma posterior tomada de decisão.
Por fim, vale dizer que esta não é uma exemplificação extensiva das capacidades de Business Intelligence utilizando IA. Diversos são os métodos e ferramentas que, bem aplicados (pelos profissionais corretos e dentro do contexto correto), são os parceiros ideais na construção de uma realidade de Legal Operations que segue os parâmetros de eficiência, escala e produtividade necessários para um business performar de modo inteligente.
*
A opinião dos autores não reflete necessariamente a opinião institucional das empresas às quais eles estão vinculados atualmente, tampouco do CLOC e CLOC Brasil enquanto organizações.