As soluções de IA terão maior sucesso porque reduzirão nossos esforços e nos ajudarão a solucionar problemas comerciais específicos.

Vidya Setlur

Diretora da Tableau Research, Tableau

Vidya Setlur é a diretora da Tableau Research, onde lidera uma equipe de cientistas pesquisadores em áreas como visualização de dados, interação multimodal, estatística, ML aplicado e PLN. Ela concluiu seu doutorado em computação gráfica em 2005 na Northwestern University. Antes, ela atuou como cientista pesquisadora principal no Nokia Research Center. Sua pesquisa combina conceitos de recuperação de informações, percepção humana e ciência cognitiva para ajudar os usuários a interagir efetivamente com os sistemas de seu ambiente.

Como chegamos aqui

Estamos vivenciando uma nova era dos dados e da tecnologia, e ela parece ter chegado para ficar. A tecnologia da inteligência artificial (IA) continua a evoluir: os modelos de aprendizado de máquina (ML) processam trilhões de linhas de dados, os avanços no processamento de linguagem natural (PLN) concentram-se na compreensão das intenções humanas e os algoritmos tornam-se cada vez mais rápidos. Cada vez mais as tarefas simples e repetitivas são automatizadas, resultando em novas oportunidades que permitem que as pessoas façam o que sabem fazer de melhor: raciocinar criticamente e entender os dados no contexto.

Com a adoção acelerada da inovação, aumentam também os investimentos e a utilização da IA, por isso, 99% das empresas da Fortune 1000 estão planejando investir em dados e IA nos próximos cinco anos. Os líderes empresariais e de TI acreditam que ela é fundamental para a sobrevivência futura de suas organizações. No entanto, há muitas considerações acerca do sucesso e da sustentabilidade a longo prazo das soluções de IA: quantidades crescentes de dados, custos de manutenção da tecnologia, dificuldade para preencher cargos altamente especializados e o escalonamento de pilotos de IA para ampla adoção.

As empresas reconhecem que precisam fazer mais para inovar e atender melhor seus clientes. Embora a IA gere novas oportunidades, a maioria dos investimentos ainda precisa atingir seu valor potencial. Em 2022, as tecnologias de IA alcançarão novos níveis de sucesso por meio do aprimoramento humano, ou seja, ajudando e contribuindo para que as pessoas pensem criticamente e tomem decisões impulsionadas por dados. Pense nas análises e na IA como membros de apoio da equipe.

Cultura de dados e capacitação em dados: a capacidade de explorar, entender e se comunicar com dados, ajudando as organizações a descobrir a estratégia e a perspectiva ideais para a IA e o ML. Esses esforços de gestão de mudanças e desenvolvimento da força de trabalho influenciam a forma como as organizações se manterão competitivas e gerenciarão todo o espectro do aprimoramento humano, a começar com perguntas como:

  • Quais tarefas serão completamente automatizadas com a tecnologia de IA?
    • Exemplos de automação que permitem que as pessoas se concentrem em tarefas mais sofisticadas: tradução de idiomas e edição de imagens de nível básico. Em vez de passar horas editando manualmente uma foto para alterar o plano de fundo, a edição pode ser feita com uma tecnologia de edição de imagem padrão que incorpora a IA para lidar com técnicas de iluminação e mesclagem. Essas ferramentas automatizadas ajudam as equipes a alcançar novos níveis de criatividade.
  • Quais tarefas serão semiautomatizadas e exigirão o envolvimento e a interpretação das pessoas?
    • Exemplos da IA que oferecem padrões e informações úteis a fim de permitir que as pessoas tomem decisões impulsionadas por dados no contexto:
      • Para compreender com mais precisão os modelos climáticos e pandêmicos, são aplicadas técnicas de ML que ajudam os pesquisadores a entender tendências, impactos e padrões para ajudar em decisões políticas.
      • As máquinas podem analisar dados de voz não rotulados (por exemplo, chamadas de clientes) com algoritmos de ML e PLN que acrescentam categorias e rótulos relevantes para entender melhor a intenção do usuário. Essa semântica e esses significantes informam as pessoas sobre a próxima ação recomendada.

Ter comportamentos, crenças e habilidades de dados comuns também auxilia na capacidade de escalonar as soluções de IA, o que dá suporte à sustentabilidade nas implementações e nas inovações. Em um relatório recente, a Gartner descobriu que a “falta de habilidades foi citada como o principal desafio para a adoção da inteligência artificial e do aprendizado de máquina”. Isso acontece porque investir no desenvolvimento das equipes e das técnicas de IA é um processo contínuo, em constante evolução com a tecnologia. Ter toda a sua força de trabalho alinhada e devidamente qualificada pode marcar a diferença entre ver as provas de conceito de IA se tornarem aplicações práticas e escalonáveis ou falharem completamente.

Para onde vamos

Ao colaborar com a liderança de TI, os líderes comerciais têm a oportunidade de impulsionar as estratégias de dados e de IA com base no contexto dos negócios. Para que a tecnologia de IA seja relevante, sustentável e explicável, ela precisa capacitar as pessoas e estar vinculada à estratégia e aos objetivos comerciais. No futuro, as soluções de IA passarão de um modelo de prova de conceito para uma implementação generalizada voltada a casos de uso específicos de empresas e setores.

Diversos setores têm desenvolvido e usado a IA de maneiras inovadoras. Um estudo recente da KPMG analisou a implantação da IA em cinco setores (varejo, transporte, saúde, finanças e tecnologia) e descobriu que para “91% dos participantes no setor de saúde, a IA está aumentando o acesso dos pacientes aos cuidados”. Além disso, embora a maioria das empresas gerencie suas cadeias de fornecimento manualmente, “aquelas que adotarem a IA nos próximos meses e anos obterão um diferencial competitivo significativo”, de acordo com a Harvard Business Review.

Graças à computação em nuvem, a IA se tornou mais acessível e econômica, o que gera mais inovação para as experiências e os setores. Além disso, com foco adicional no sucesso dos negócios, surgirão soluções que combinam diferentes técnicas de IA para obter os melhores resultados (também conhecidas como IA composta), a fim de dar suporte às pessoas, que são responsáveis por “ajustar” especificamente essa inteligência a fluxos de trabalho específicos.

Com a cultura de dados e a alfabetização de dados, serão criados fluxos de trabalho mais eficientes e com habilidades, mentalidades e valores compartilhados, que auxiliam as pessoas na conclusão de tarefas novas e mais sofisticadas de análise e ciência de dados necessárias para o sucesso da IA.

Recomendações

1. Pense na IA como um esporte em equipe. Identifique as tarefas e funções que mais ajudariam a aprimorar o trabalho das pessoas ao poupar tempo ou melhorar suas habilidades ou conhecimentos. Comece analisando as necessidades e os pontos problemáticos de seus clientes para entender como sua solução de IA pode agregar valor para eles. Faça as seguintes perguntas a si mesmo e veja se vale a pena desenvolver uma prova de conceito ou um piloto:

  • Quantos clientes têm necessidades semelhantes ou passam pelos mesmos problemas?
  • Com que frequência esses problemas acontecem?
  • A tecnologia de IA é capaz de resolver esses problemas?

2. Concentre-se em casos de uso comerciais e em fatores de sucesso para migrar da prova de conceito para um escalonamento de sucesso.

  • Impulsione a IA intencional e contextual ao conectar soluções a problemas comerciais reais com objetivos definidos para agregar valor.
  • Identifique processos que a IA pode operacionalizar com menos atrito. Não tente adotar a IA em todos os aspectos do seu pacote de produtos, pois você terá dificuldades de escalonamento se utilizar seus recursos de maneira muito dispersa.
  • Desconfie de projetos “perfeitos” e fantasiosos. Embora atraentes, eles raramente ultrapassam a prova de conceito. Além disso, reduza o ruído definindo expectativas realistas de tempo e escopo para os projetos de IA e equilibrando todos os seus recursos, como orçamento, tempo, equipe altamente técnica e infraestrutura.

3. Invista na alfabetização de dados para aprimorar e desenvolver as habilidades de sua força de trabalho.

  • A baixa qualidade dos dados resulta em soluções de IA imprecisas e ineficazes. Uma força de trabalho capacitada em dados é capaz de solucionar esses problemas de qualidade criando e/ou treinando algoritmos e modelos de IA, ML, PLN etc. com dados precisos, oportunos e relevantes.
  • Mesmo um treinamento básico em dados, desenvolvido internamente ou oferecido por terceiros, pode fornecer aos usuários corporativos o que eles precisam para responder às suas perguntas. Isso reduz o número de solicitações de análise simples ou de baixo risco enviadas às equipes de análise avançada e ciência de dados, o que libera o tempo dessas pessoas para trabalhar em projetos de grande escala e alto valor.

As empresas responsáveis criarão políticas de uso ético, painéis de revisão, entre outros recursos, de forma proativa para melhorar as experiências e os resultados comerciais.

Mark Nelson

Presidente e CEO, Tableau

Como presidente e CEO da Tableau, Mark Nelson define a visão e a direção da empresa e supervisiona sua estratégia, seu desenvolvimento de produtos, suas atividades de negócios e suas operações. Antes de se tornar presidente e CEO, Mark foi vice-presidente de desenvolvimento de produtos da Tableau, ajudando a empresa a ampliar e aprofundar sua plataforma de análise líder do mercado e oferecendo aos clientes suporte global.

Como chegamos aqui

Como a inteligência artificial (IA) é cada vez mais adotada e há agora uma confluência de questões globais, não é mais possível utilizar uma única abordagem de uso ético de dados e IA para todos os cenários. As organizações têm a oportunidade de definir proativamente a maneira como desenvolverão e usarão os dados e a IA de forma responsável em um mundo digital em constante evolução. A criação de soluções de IA justas e precisas é uma responsabilidade cívica de todas as empresas que agora estão sendo incorporadas ao foco dos legisladores globais.

Agora, mais do que nunca, a confiança e a transparência precisam impulsionar a inovação, o crescimento e o relacionamento com os clientes. As crises de dados recentes nos mostraram o potencial prejudicial da tecnologia para as pessoas, como reconhecimentos faciais tendenciosos e empréstimos discriminatórios. Essas crises podem criar expectativas junto ao público de que as empresas desenvolvam e usem dados com segurança e responsabilidade. Uma pesquisa de 2021 da Cisco revelou que “72% dos participantes acreditam que as organizações têm a responsabilidade de usar a IA apenas de forma responsável e ética”.

Ao liderar com ética e integridade, veremos cada vez mais o comprometimento e a responsabilidade das empresas e dos governos para um uso transparente e responsável dos dados e da IA.

Para onde vamos

As organizações responsáveis desenvolverão proativamente maneiras inovadoras de verificar e validar usos responsáveis com políticas formais de uso ético, auditorias de especialistas terceirizados, criação de painéis internos de revisão e muito mais. Essas inovações éticas melhorarão as experiências e gerarão resultados mais sólidos com relação à gestão de riscos e à agregação de valor.

Conforme as organizações compreendem suas responsabilidades de uso ético, esperamos ver soluções e experiências de IA e aprendizado de máquina (ML) mais transparentes e que elevam as opiniões e a experiência das pessoas. Elas também serão diretamente vinculadas aos fluxos de trabalho e objetivos corporativos e reduzirão os riscos relacionados à explicabilidade, incluindo a parcialidade. As organizações começarão a lidar com algoritmos e conjuntos de dados parciais que podem prejudicar pessoas reais e criar erros com riscos negativos posteriores, como “dívida ética” enquanto dívida técnica.

A colaboração entre as organizações públicas e privadas a fim de reformular as políticas de ética garantirá avanços na inovação sem causar danos às pessoas. Os parceiros de tecnologia oferecerão consultoria aos governos sob pressão para que seja possível usar dados na tomada de decisões. Por sua vez, as empresas de tecnologia se posicionarão para garantir que sua tecnologia seja usada com responsabilidade por todos, incluindo as instituições governamentais. (Por exemplo, proibimos o reconhecimento facial na Salesforce como parte do nosso compromisso com a igualdade.)

Em todos os casos de uso, seja automatizando uma tarefa com a IA ou colaborando com ela para tomar melhores decisões, devemos entender o que as máquinas estão fazendo para evitar erros, tomar decisões éticas e entender os dados. Isso continuará sendo essencial para as organizações em 2022.

No entanto, entender os dados e usá-los com responsabilidade requer alfabetização de dados básica ou habilidades de dados. No momento, estamos chegando a um ponto em que a falta de alfabetização de dados cria riscos desnecessários. Embora ainda haja um longo caminho pela frente para tornar dados e tecnologias éticos parte de nossas vidas e decisões diárias, os investimentos valem a pena: o resultado final será um futuro mais ético e igualitário para todos, em todos os lugares.

Recomendações

1. Desenvolva políticas de gerenciamento de dados e riscos com diretrizes éticas de dados e IA. Os regulamentos e as estratégias de dados existentes elaborados nos EUA, no Reino Unido, na UE, entre outros, protegem as pessoas contra o uso parcial e ilegítimo de seus dados privados. Para liderar com ética, defina códigos de conduta éticos, gerencie proativamente a legislação, mantenha-se em conformidade e reduza os riscos.

2. Crie comitês de ética internos ou contrate especialistas terceirizados para ajudar na revisão e na auditoria. Os painéis de ética desenvolvidos com IA ajudarão as organizações a cumprir os regulamentos em evolução e a criar e avaliar soluções inovadoras para abordar ainda mais a parcialidade e a precisão em seus dados.

3. Crie tecnologias intencionalmente transparentes ou uma IA explicável, inserindo pontos de contato humanos e revisões em todo o processo. Alinhe os dados e a tecnologia com os valores humanos e a ética para promover transparência ou explicabilidade e garantir experiências confiáveis. Considere proativamente a ética durante os ciclos de desenvolvimento para evitar um ciclo interminável de atualização tecnológica.

4. Crie uma cultura de dados saudável que inclua treinamento em habilidades de dados. Ao melhorar a alfabetização de dados, é possível gerenciar a baixa qualidade dos dados e os riscos associados quando você coleta informações erradas e faz perguntas incorretas, o que dificulta o desenvolvimento bem-sucedido da IA e a capacidade de escalonamento. Uma força de trabalho capacitada em dados é fundamental para criar uma cultura de dados que possibilite e dê suporte ao uso ético de dados e da IA.

Para ter sucesso no futuro do trabalho, as organizações precisam expandir sua definição de alfabetização de dados, investir em suas equipes e adotar uma cultura de dados.

Wendy Turner-Williams

Diretora de dados, Tableau

Wendy Turner-Williams gerencia estratégia de dados corporativos, plataformas e serviços de dados, governança de dados e maturidade de gerenciamento, risco de dados e alfabetização de dados na Tableau. Ela e sua equipe estão estimulando a inovação, a transformação e a excelência operacional dos negócios impulsionadas por dados na Tableau. Wendy tem mais de 20 anos de experiência em gerenciamento em todos os setores, liderando mais recentemente o programa Information Management Strategy Enterprise na Salesforce.

Como chegamos aqui

Em um mercado que tem os dados como o diferencial absoluto, a alfabetização de dados é essencial para revelar o valor de seus investimentos em dados e tecnologia. A alfabetização de dados tem como elemento principal a Cultura de Dados. No próximo ano, as organizações competitivas reconhecerão a necessidade de promover uma cultura e uma mentalidade compartilhadas que valorizem e pratiquem o uso dos dados. Elas ampliarão o escopo da alfabetização de dados para além do treinamento de habilidades para incluir uma compreensão fundamental de como os dados funcionam e como podem ser aplicados aos negócios. Para investir no desenvolvimento de pessoas a fim de preparar a força de trabalho para o futuro, as organizações farão parcerias com empresas terceirizadas para treinar e aprimorar essas habilidades.

Antes de compreendermos para onde estamos indo, vamos explorar porque os dados e as habilidades de dados são tão essenciais.

Os investimentos em tecnologia e em IA estão aumentando e o desenvolvimento da força de trabalho é essencial para aproveitar o valor desses investimentos de uso intensivo de dados. A PwC espera que a IA amplie a economia mundial em US$ 15,7 trilhões até 2030. Além disso, a força de trabalho está sendo automatizada mais rápido do que o esperado, de acordo com o Relatório do futuro dos empregos do Fórum Econômico Mundial. A automação acabará com 85 milhões de empregos até 2025, criando 97 milhões de novas funções. Metade dos que permanecerem em suas funções atuais precisarão de requalificação nos próximos cinco anos.

Há uma demanda crescente por habilidades de dados no local de trabalho e em nossa sociedade. Os líderes de RH relatam que as habilidades de dados, que incluem habilidades analíticas e ciência de dados, estão no topo da lista de habilidades mais procuradas em 2021. Conforme as conversas públicas se tornam cada vez mais repletas de dados, nem todos precisarão ser cientistas de dados, mas todos precisarão de fluência básica em dados e de habilidades analíticas.

No entanto, para aproveitar o valor de uma força de trabalho capacitada em dados, ainda há muito o que ser feito. Não há apenas uma lacuna nas habilidades de dados, há também uma falta de programas de alfabetização de dados, tanto nas salas de aula quanto no local de trabalho. Apesar de 83% dos CEOs desejarem organizações mais impulsionadas por dados, apenas 43% dos nativos digitais se consideram capacitados em dados.2 De acordo com a Forrester, menos da metade das instituições acadêmicas têm iniciativas de habilidades de dados.3 Além disso, muitas empresas adotam uma abordagem de curto prazo, recrutando apenas para preencher as lacunas de habilidades imediatas, em vez de investir na alfabetização de dados e em uma cultura de dados.

Os programas atuais se concentram demais nas ferramentas e na tecnologia, deixando de oferecer uma compreensão fundamental de como os dados são produzidos, usados e gerenciados pela empresa.

Para onde vamos

As organizações competitivas compreendem o valor das habilidades de dados e reconhecem que preparar a força de trabalho para o futuro significa mais do que apenas fornecer essas habilidades e elaborar treinamentos em ferramentas. Elas agirão para capacitar suas equipes nos conceitos básicos de dados.

Instituições acadêmicas incluirão a alfabetização de dados nos currículos de todas as disciplinas. Os benefícios são claros: as instituições educacionais com iniciativas de habilidades de dados relatam taxas de estágios de seis meses de seus alunos 11,5% mais altas do que as universidades que não têm essas iniciativas.3 Em uma apresentação de 2021 ao Departamento de Educação dos EUA, o Conselho Nacional de Professores de Matemática tratou das habilidades de dados como um “imperativo para o nosso futuro”, defendendo a reformulação de uma abordagem significativa, inclusiva e interdisciplinar para a alfabetização de dados, ao longo de toda a jornada escolar.

Os empregadores aumentarão seus investimentos na alfabetização de dados. Cada vez mais empregadores reconhecerão que ensinar as pessoas a usar as ferramentas e a entender como a tecnologia beneficia a empresa é parte essencial de seus investimentos em tecnologia. Como observado pelo Departamento de Estado dos EUA em sua estratégia de dados corporativos, “isso não é apenas uma oportunidade, mas uma necessidade para os Estados Unidos manterem sua vantagem diplomática no cenário global”.

As organizações expandirão sua definição de habilidades de dados para incluir processos, informações, resultados comerciais e tecnologia e se concentrar na cultura de dados. Elas irão além das ferramentas e da proficiência da plataforma, concentrando-se no pensamento crítico e na aplicação de conhecimentos de domínio na resolução de problemas corporativos. A cultura é essencial para essa mudança de mentalidade. A alfabetização de dados (a habilidade de explorar, entender e se comunicar com dados) é um pilar essencial de uma cultura de dados. Promover a capacitação e a cultura em conjunto compensa. Um relatório da TDWI descobriu que em organizações capacitadas em dados, em comparação com organizações pouco capacitadas ou não capacitadas, “a cultura é colaborativa e impulsionada por resultados (92% versus 46%) [e as metas de análise] estão vinculadas às de gerenciamento (73% versus 40%)”. Organizações com uma cultura de dados sólida promovem maior colaboração, vantagens competitivas e muito mais.

Elas também aceitarão que não podem fazer isso sozinhas. Sem os recursos, os conhecimentos internos e as capacidades para realizar os próprios programas de treinamento ou acompanhar o ritmo das mudanças, as organizações verão a alfabetização de dados como um esforço comunitário. Elas adotarão abordagens ágeis e não tradicionais e farão parcerias com programas de treinamento de terceiros.

Recomendações

1. Promova a cultura de dados e a alfabetização de dados em conjunto. Como o sucesso dessas duas áreas é interdependente, não negligencie o valor de investir em uma combinação de treinamentos em capacitação e mudanças culturais. E lembre-se: a mudança não acontecerá da noite para o dia. Seja paciente, mantenha-se confiante e reconheça que este é um compromisso contínuo.

  • Projete uma estrutura para definir objetivos comuns e estruturar iniciativas para obter sucesso sustentável.
  • Padronize os termos, os níveis de habilidades, as métricas de sucesso e os processos em toda a empresa.
  • Incentive as pessoas. Surpreenda-as com tudo o que elas podem fazer com os dados.
  • Modele e incentive uma tomada de decisões impulsionada por dados e demonstre o valor dos dados.
  • Abra espaço para discussão, aprendizado e desenvolvimento.

 

2. Contrate e treine as pessoas pensando no futuro. Veja esta observação do Departamento de Estado dos EUA: “[O Departamento] aprimorará suas práticas de contratação para incluir as habilidades de dados necessárias. Conjuntos de habilidades de dados devem ser um componente integral de uma ampla gama de cargos importantes. Se as lacunas de habilidades de dados não forem resolvidas, as contratações do Departamento não acompanharão as necessidades de dados em evolução”. Para atingir esse objetivo, o Departamento “recrutará, treinará e incentivará uma força de trabalho e um local de trabalho nos quais os dados sejam rotineiramente procurados, valorizados e utilizados, com fluência para uma tomada de decisões em todos os níveis e locais”. Veja o que isso pode significar para sua organização:

  • Aprimore as práticas de contratação e as expectativas relacionadas à função para exigir habilidades básicas de dados.
  • Faça parcerias com instituições de ensino que tenham iniciativas em habilidades de dados e recrute alunos capacitados em dados.
  • Incentive e facilite o aprimoramento em dados de sua força de trabalho atual.
  • Crie comunidades de dados para incentivar o crescimento, o desenvolvimento e a colaboração contínuos.
  • Identifique e recrute especialistas ou defensores de dados para embasar os programas de treinamento corporativos. Crie uma cultura de tomada de decisões impulsionada por dados para facilitar a retenção desses especialistas.

 

3. Mude de plano: invista e facilite a elaboração de currículos com habilidades de dados em todas as disciplinas acadêmicas e para todos os níveis de proficiência. Para os acadêmicos, nunca é cedo demais ou tarde demais para ensinar habilidades de dados e pensamento crítico. Incorpore habilidades fundamentais de dados em todos os estágios da educação e prepare mais alunos para trabalhar e entender os dados em suas áreas profissionais.

  • Inclua o desenvolvimento de habilidades analíticas e de pensamento crítico em todos os cursos. Reforce que toda carreira futura poderá e usará dados.
  • Incentive os alunos a utilizar dados em suas pesquisas e trabalhos.
  • Faça com que os dados sejam divertidos! Explore como os dados aparecem no mundo real e exemplifique os conceitos de dados para os alunos.
  • Explique o valor das habilidades de dados, desde o aumento do potencial de carreira até o uso dos dados para mudar o mundo.
  • Obtenha softwares, currículos e recursos gratuitos para instrutores e alunos por meio do programa acadêmico da Tableau.

 

4. Invista em programas para desenvolver a proficiência em plataformas e ferramentas de capacitação em dados e de análise em toda a sua força de trabalho. Pense no futuro: não se concentre apenas em suas necessidades de curto prazo, treinando as pessoas para as ferramentas e tecnologias que você tem agora. Treine seus funcionários em fundamentos abrangentes de tecnologia, como a agregação de valor comercial possível com os dados. E não reinvente a roda! Ensine os fundamentos (por exemplo: conceitos básicos de dados) internamente, se for possível, e terceirize o restante.

Ajude os funcionários a desenvolver habilidades mais avançadas fazendo parcerias com organizações terceirizadas para adotar o que já está sendo usado mundo afora. Confira programas como os seguintes: curso profissional Applied Data Science do MIT, DataCamp for Business, Data Academy da Avado, Reskilling Revolution do Fórum Econômico Mundial, Data & Analytics Academy da Coursera, treinamento gratuito da Test Automation University e cursos de dados da Khan Academy.

1 Gartner®, Maximize o valor de seus esforços de ciência de dados ao capacitar cientistas de dados entre os cidadãos, Pidsley, David e Idoine, Carlie, 7 de dezembro de 2021

2 Whitepaper da IDC, patrocinado pela Tableau, Como a cultura de dados agrega valor comercial em organizações impulsionadas por dados, Doc. #US47605621, maio de 2021.

3 Artigo da Forrester Consulting sobre liderança em inovação encomendado pela Tableau, A enorme lacuna na alfabetização de dados: a demanda por habilidades em dados supera a oferta (em inglês), junho de 2021

O crescente reconhecimento do valor estratégico dos dados impulsiona técnicas de governança de dados federados e flexíveis que capacitam todas as pessoas da organização.

Kate Wright

VPS de desenvolvimento de produtos, Tableau

Kate Wright é uma líder de análise com mais de 17 anos de experiência em desenvolvimento, gestão de produtos e liderança. Ela é responsável pelas áreas de engenharia analítica, gestão de produtos e experiência geral do usuário para o Tableau e o CRM Analytics.

Como chegamos aqui

O valor e o volume absoluto dos dados nunca foram tão grandes. Os dados não são apenas uma aposta para o sucesso dos negócios em 2022: eles são o negócio.6 À medida que as organizações investem em soluções inovadoras de IA e em migram em massa para a nuvem, a demanda por recursos de autoatendimento e compartilhamento de dados tem crescido lado a lado com os regulamentos de uso e privacidade de dados. As organizações com experiência digital aceitam o seguinte paradoxo: uma única fonte confiável é essencial, mas ela não ficará em um único local nem poderá ser gerenciada e protegida por um grupo pequeno de pessoas.

As organizações precisam adotar uma nova abordagem de governança e gestão de dados que combine flexibilidade e poder com controle coordenado. Para inovar, competir e manter-se em conformidade com os requisitos de governança e segurança, as organizações bem-sucedidas adotarão técnicas de governança de dados federados. Essa abordagem, que combina padrões de governança definidos centralmente com autoridade de domínio local, permitirá que as organizações explorem diversas áreas de especialização, incluindo usuários mais diversos em toda a empresa.

Afinal, a relevância em nosso mundo digital depende da forma como você aproveita o valor dos seus dados. Mas como? A mais recente pesquisa CDO da Gartner descobriu que “72% dos líderes de dados e análises [que] estão fortemente envolvidos ou liderando iniciativas de negócios digitais” não têm certeza de como criar a “base de dados confiável” necessária para acelerar seus esforços e atender aos objetivos corporativos.7

Sem processos replicáveis e escalonáveis para garantir que os dados sejam detectáveis, seguros, compreensíveis e confiáveis, a flexibilidade e a inovação ficam expostas a diversos riscos. A menos que as organizações repensem a governança de dados, o sonho de uma análise de autoatendimento confiável e em tempo real será apenas isso: um sonho.

Para onde vamos

Estratégias de governança de dados bem-sucedidas sempre foram baseadas na confiança. Em 2022, veremos uma mudança de mentalidade nas organizações, voltada à adoção de uma abordagem mais inclusiva para a governança e a gestão de dados.

Inclusividade, nesse cenário, significa sistemas e processos projetados para muitas pessoas, não apenas para algumas. Isso quer dizer reconhecer que a TI e os negócios não estão em desacordo quando se trata de governança e gestão de dados. Quando a área de TI, a detentora tradicional dos dados, permite que a empresa faça parte da solução, todos podem se concentrar em metas compartilhadas e preparar o caminho para a inovação.

Como isso seria feito? Por meio do desenvolvimento e da ampliação. Dê às pessoas as ferramentas para agir por conta própria, mas gerencie os riscos com proteções controladas centralmente. Por exemplo, a área de TI define uma base de governança para coisas que afetam toda a organização (como linhagem, catálogos de dados, padrões, regras de validação, gestão de metadados e arquitetura) e estende o controle para a empresa de maneira apropriada às necessidades. Essa abordagem ideal permite que os especialistas resolvam problemas corporativos no contexto e que o restante da empresa tenha confiança e acesso à descoberta e à inovação.

Para promover a governança de dados em toda a empresa, a capacitação em dados é essencial. Todos devem falar o mesmo idioma e participar de uma governança compartilhada, mas também devem entender os fundamentos dos dados, o que é ainda mais importante. Concentrar-se na transparência e na capacidade de descoberta facilitará a descoberta de dados conforme as organizações continuarem a padronizar um único local para encontrar informações a fim de que todos possam concordar sobre o que está sendo medido, como as definições serão feitas, onde os dados residirão e quem será o proprietário deles. As empresas que tiverem sucesso nisso terão uma compreensão abrangente do fluxo dos dados para os quatro cantos da empresa e de como manter a confiança e a segurança.

Recomendações

1. Avalie o ponto em que você está e onde quer chegar. Para entender onde está, entenda quais dados você está usando. Faça perguntas e interaja com pessoas em toda a organização para entender quais dados você tem, como as pessoas os estão usando e quão relevantes eles são ou não. E lembre-se de algo muito importante: a confiança é fundamental. Pergunte às partes interessadas o que elas precisam para ter sucesso. Conte com estruturas de terceiros, como o programa Data Management Maturity (DMM), para comparar seus recursos e identificar pontos fortes e fracos.

2. Adote uma abordagem de parcerias. (Dica: ela começa com confiança.) Sim, a equipe de TI precisa manter um controle rígido de algumas etapas, mas não pode controlar tudo; nem deveria. Faça parcerias na própria empresa. Comece a promover a confiança das pessoas na empresa e nos processos desenvolvendo as habilidades dos usuários corporativos para ajudá-los a usar os dados com responsabilidade. Processos transparentes e dados seguros e atualizados também são uma grande ajuda. Aproveite os bons resultados imediatos para demonstrar o valor da parceria para a organização como um todo.

3. Pense federado. Reconheça que sua estratégia de dados não pode ser inflexível e que você nunca terá controle completo e centralizado. Em seguida, adote uma abordagem mais federada. Esforce-se para chegar ao equilíbrio e governar na medida certa, estabelecendo parcerias com a empresa. Não reinvente a roda. Use estruturas reconhecidas pelo mercado (por exemplo: o Programa DMM ou a estrutura de recursos de gerenciamento de dados em nuvem do EDM Council) para diminuir o atrito e entender o que é mais adequado.

6 Forrester Consulting, Supere a fadiga da governança de dados: uma estrutura para a eficácia e a sustentabilidade (em inglês), Goetz, Michelle, fevereiro de 2021

7 Gartner®, Previsões para 2022: estratégias de dados e análises geram confiança e aceleram a tomada de decisões (em inglês), Jorgen Heizenberg, et.al, 2 de dezembro de 2021

8 Gartner®, Os requisitos modernos de dados e análises exigem uma convergência de recursos de gestão de dados (em inglês), Guido de Simoni, et.al, 20 de janeiro de 2021

Os dados agora são a linguagem por meio da qual as pessoas e as organizações são vistas, esclarecem seus problemas e se envolvem com instituições destinadas a atendê-las.

Neal Myrick

Líder Global da Tableau Foundation, Tableau

Neal Myrick é vice-presidente de impacto social da Tableau e diretor global da Tableau Foundation. Ele lidera os investimentos filantrópicos da empresa para avançar no uso de dados e promover um mundo mais justo e igualitário. Neal é um investidor-anjo ativo e faz parte de vários conselhos consultivos globais de saúde e desenvolvimento.

Como chegamos aqui

Os dados são um poderoso agente de mudança. Depois de anos trabalhando com nossos parceiros sem fins lucrativos da Tableau Foundation, observamos que nem todos os membros da sociedade se beneficiam igualmente desse poder. Pouquíssimos dados são realmente representativos e, frequentemente, eles não têm contexto e não consideram a nuance das experiências reais. Isso afeta o potencial dos dados, podendo gerar desconfiança, principalmente das pessoas e dos grupos que não se veem representados. Essa falta de confiança pode impedir que grupos não representados usem esses dados para adquirir poder e influência.

Isso não quer dizer que já temos todas as respostas, mas ao conversarmos com os parceiros, vemos uma tendência surgindo com base em experiências reais e com potencial de moldar a iniciativa e o envolvimento da comunidade.

Para que as soluções de dados sejam relevantes, eficazes e sustentáveis, elas devem ser projetadas em colaboração com as comunidades que serão representadas e auxiliadas por elas. Ao alterar essa dinâmica, os dados ajudam a capacitar pessoas e organizações para lidar com problemas complexos e importantes para elas. Como estrutura, a Igualdade de dados pode se tornar uma abordagem que garante que os dados sejam mais inclusivos, representativos e eficazes como uma ferramenta de defesa, devido ao senso compartilhado de propriedade que cria em todas as partes interessadas.

Na melhor das hipóteses, essa abordagem deve suscitar o mesmo tanto de perguntas e de respostas, em um processo de melhoria constante: esses dados capturam as experiências que eles deveriam representar? Há mais coisas a serem feitas na maneira como coletamos e analisamos dados para garantir que eles sejam representativos? Estamos contando a história por meio de dados de maneira a atender nosso público, onde quer que ele esteja, e a levá-los conosco na jornada rumo à mudança como parceiros em vez de adversários?

As organizações que veem os dados como um ativo estratégico e que promovem cultura e capacitação em dados estão encontrando novos usos poderosos para eles, inclusive para iniciar e reformular políticas e conversas de financiamento. O acesso aos dados está se expandindo para organizações comunitárias que tradicionalmente não tinham as tecnologias e os recursos de dados necessários para responsabilizar os governos locais e as instituições no poder. Agora, mais e mais organizações sem fins lucrativos, organizadores e trabalhadores comunitários estão compreendendo e usando dados como um ativo estratégico, criando culturas de dados e se tornando cada vez mais capacitados em dados.

Para onde vamos

Entender os dados como um ativo estratégico e se comprometer com uma cultura de dados organizacional pode iniciar novas conversas impactantes sobre políticas e como nossas instituições públicas investem nas comunidades. Democratizar os dados, não apenas tornando-os disponíveis, mas acessíveis ao libertá-los da barreira da especialização em ciência de dados, ajuda organizações que podem ter sido relutantes em adicionar dados e análises às suas iniciativas. Além disso, como algumas organizações sem fins lucrativos e organizadores comunitários têm visto suas iniciativas de dados causarem um impacto positivo real na vida das pessoas pelas quais lutam, já começamos a sentir uma nova onda de pessoas que fazem a seguinte pergunta: “O que podemos fazer aqui, em nossa comunidade e com nossos dados, para fazer a diferença?”

Temos visto as organizações fazerem um esforço consciente para desenvolver culturas de dados e investir em habilidades de dados dentro e fora delas, em toda a comunidade. Por esse motivo, algumas práticas recomendadas têm surgido e aqueles que têm sucesso em suas jornadas conseguem isso por meio de uma combinação das seguintes ações:

  • democratizar dados e recursos relevantes tornando-os públicos
  • desagregar os dados para que eles sejam mais representativos
  • usar em seus dados uma linguagem que prioriza as pessoas
  • reordenar como os dados são tradicionalmente apresentados
  • usar modelos centrados em experiências humanas

Channing Nesbitt, gerente do programa de impacto social da Tableau, compartilhou a importância de desagregar os dados dividindo-os e analisando diversos campos, unidades ou medidas, em vez de usar exclusivamente dados medianos ou resumidos: “Esse tipo de dados dá voz aos membros da comunidade cujas experiências são muitas vezes ignoradas e invisíveis em dados mais generalizados e agregados, e cujo apagamento pode perpetuar ou até aumentar os desafios enfrentados.” Eles também oferecem um potencial mais esclarecedor do que apenas gênero, raça e renda, o que revela mais detalhes sobre a experiência única de uma pessoa, como a de uma mulher negra com pós-graduação em busca um empréstimo hipotecário, por exemplo. Dados desagregados nos permitem ver mais claramente as pessoas representadas, o que ajuda a atender melhor suas necessidades e refinar as soluções fornecidas por governos, instituições e organizações comunitárias.

Todas essas mudanças melhoram a precisão e a inclusão dos dados e oferecem uma imagem contextual das pessoas por trás dos pontos de dados, o que ajuda a representar e atender melhor a todos os membros de uma comunidade.

Dados mais precisos e representativos podem validar experiências vividas e ajudar pessoas e grupos comunitários a obter mais poder e influência para alcançar seus objetivos.

Dados melhores e o uso da igualdade de dados como uma estrutura ajudam as pessoas a iniciar ou reformular conversas, o que gera efeitos futuros benéficos em solicitações de financiamento e mudanças de políticas. Essa estrutura ajuda governos e instituições a medir e acompanhar o progresso em seus objetivos. O espectro vai desde os Objetivos de Desenvolvimento Sustentável das Nações Unidas até os gabinetes do Ministério Público local que compartilham dados sobre processos jurídicos e criminais. Além disso, a estrutura permite que as partes interessadas da comunidade se envolvam diretamente com os governos e outras instituições de poder de maneira menos desigual.

Recomendações

Percebemos que alguns de nossos parceiros sem fins lucrativos mais bem-sucedidos estão incorporando um ou mais métodos para melhorar a igualdade de dados. Embora ainda haja trabalho a ser feito para refinar a lista, veja a seguir algumas das práticas comuns de igualdade de dados que foram bem-sucedidas entre nossos parceiros.

1. Consulte as comunidades mais próximas dos problemas que você está tentando resolver. Obtenha a opinião delas sobre quais perguntas fazer para coletar os dados corretos e em que contexto os dados devem ser entendidos e analisados. Colaborar com as comunidades ajuda no seguinte:

  • Promover a precisão e a confiança nos dados, o que aumenta a probabilidade de eles serem usados e mencionados.
  • Garantir que os dados sejam úteis para a comunidade e relevantes para os problemas que ela espera resolver.
  • Produzir dados voltados à ação que gerem impacto e possam revelar o que funciona, o que não funciona e como definir prioridades coletivas.

 

2. Torne os dados relevantes e representativos das pessoas e comunidades que eles atendem. Precisamos ver mais claramente as pessoas por trás dos dados para entender e atender melhor às necessidades delas.

  • Desagregue os dados o máximo possível, mantendo a privacidade deles.
  • Busque pontos de dados relevantes que retratem uma experiência pessoal com mais nuances. Dados sobre raça, etnia, gênero ou nível de renda por si só não fornecerão o mesmo contexto e percepção que a capacidade de ver em conjunto os aspectos essenciais da identidade.

 

3. Compartilhe dados novamente com as comunidades e amplie o impacto deles por meio de ciclos de feedback.

  • As comunidades precisam de acesso aos dados para se beneficiar totalmente deles. O compartilhamento de dados reforça o ciclo virtuoso de uso de dados: quanto mais dados forem usados, e quanto mais comunidades responderem sobre eles, maior será a probabilidade de eles continuarem sendo coletados e analisados.
  • Seja responsável ao compartilhar dados e ampliar seus esforços. Mantenha a privacidade dos dados para gerar e manter a confiança das pessoas.

 

4. Capacite as pessoas e as comunidades com as ferramentas e os conhecimentos necessários para usar dados com eficiência.

  • Conforme os conjuntos de dados crescem em tamanho e complexidade, as iniciativas de capacitação em dados e de promoção de habilidades de dados se tornam mais importantes para garantir que as pessoas saibam como entender as informações às quais elas têm acesso.
  • As soluções de tecnologia precisam se tornar mais acessíveis para organizações baseadas na comunidade.
  • Essas organizações também precisam de acesso a financiamentos mais irrestritos que possam ser usados para financiar custos e despesas gerais associados à tecnologia.