John Deere logo

    Conecta

    Sua fonte centralizada de notícias Agro

    Métricas, KPIs e cultura analítica: o que é preciso para uma estratégia de BI?

    Especialistas detalham esses conceitos para clarear a aplicação dos dados no dia a dia de grandes empresas e startups
    AgTech Garage
    Métricas, KPIs e cultura analítica: o que é preciso para uma estratégia de BI?
    Métricas, KPIs e cultura analítica: o que é preciso para uma estratégia de BI?

    Tags:

    Startup

    Notícias

    Inovação

    John Deere

    Tecnologia

    Por Marina Salles
    A estratégia de Business Intelligence (BI) envolve desde a coleta de dados até a transformação deles em informação. Tudo com o intuito de promover tomadas de decisão inteligentes. Mas o que você e sua empresa precisam medir para chegar lá? Como podem definir quais métricas priorizar para criar indicadores-chave de performance alinhados às suas metas?
    Em webinar promovido pelo portal ERP, Renzo Valiente (Especialista em Soluções Oracle NetSuite) e José Damico (CEO e co-fundador da SciCrop) trouxeram insights sobre o passo a passo para construir uma cultura analítica dentro das empresas e ver a estratégia de BI funcionar na prática. Para introduzir o assunto, vamos começar por alguns conceitos:

    A diferença entre métricas e indicadores
    As métricas são, segundo Valiente, tudo aquilo que você consegue medir, mas que não necessariamente direciona ações ou serve como um norte. É diferente de um indicador, que está alinhado a uma estratégia. Os indicadores geralmente são calculados, inclusive, com base na combinação de métricas e objetivos.
    Você pode ter como objetivo ir de São Paulo a Campinas, por exemplo, para fazer a entrega de uma carga com hora marcada. Só essa equação já tem várias métricas associadas: 100 km de distância, gasto de 10 litros de gasolina, tempo de 1 hora para percorrer o trajeto. Mas a questão essencial é olhar para os indicadores que vão garantir que você não ande em círculos por 1 hora, ainda que gaste 10 litros de combustível e dirija por 100 km.
    Indicadores chave, no caso dessa viagem, poderiam ser a satisfação do cliente com a entrega, o cumprimento do prazo acordado e o custo operacional da viagem prevendo um consumo de 1 litro de combustível a cada 10 km rodados.

    Os indicadores-chave de performance
    Do inglês Key Performance (KPI), em português, “Indicadores Chave de Performance” ou “Indicadores Chave de Resultado”, os KPIs são usados no contexto dos negócios para detalhar o desempenho das organizações.
    De acordo com Valiente, há centenas de indicadores no mercado, que variam conforme os setores da economia, o porte das empresas e até mesmo os departamentos internos (como financeiro, qualidade ou marketing).
    Escolher os KPIs certos é, antes de mais nada, escolher os dados mais relevantes de serem medidos naquele momento para aquela empresa. Por isso, deve-se levar em conta o seguinte: (1) alinhamento de metas e objetivos e (2) estágio de crescimento do negócio. No contexto de uma startup, a meta poderia dobrar de tamanho em relação ao ano anterior e o estágio do negócio à fase de tração.

    KPIs para startups e grandes empresas
    Na hora de definir os KPIs, seja para startups ou grandes empresas, Damico ressalta que vale a pena pensar no âmbito dos quatro tipos de análise de dados existentes: análise descritiva, de diagnóstico, preditiva e prescritiva.
    Normalmente, os KPIs de base mostram o que aconteceu, de modo a serem um retrato descritivo da situação. Partindo deles, os KPIs de diagnóstico sinalizam o impacto da situação considerando mais métricas e fatores. Os KPIs preditivos, por sua vez, indicam se você está ou não está no caminho para atingir seu objetivo final. Enquanto os prescritivos, mais complexos, dão o norte do que pode ser feito para tentar mudar a rota.

    Em uma startup, ter um retrato da situação é fundamental, assim como receber alertas de que é hora de mudar de rumo. Entre os empreendedores, é comum começar medindo a receita recorrente mensal (MRR) da empresa e o tíquete médio de compra, indicadores mais descritivos e que vão depender de outros para ajudar na tomada de decisão. Logo na sequência, vale a pena fazer o cálculo do custo de aquisição de cliente (CAC), para a startup não investir mais dinheiro na atração de um prospect do que a receita que ele gera.
    Considerando a previsibilidade dos negócios, outro KPI relevante é o lifetime value, que mensura a receita que um cliente pode gerar para a empresa ao longo do tempo em que se mantém comprando os produtos e serviços dela. O churn também, porque é a taxa de saída de clientes num determinado período e que ajuda a medir a saúde do negócio.
    Em empresas maiores, a sofisticação e variedade dos KPIs vai aumentando, a fim de gerar mais e mais informação que leve a tomadas de decisão inteligentes. Entre os KPIs adotados estão: taxa de conversão (win rate), tempo de cada venda (lead time), índice de satisfação do funcionário (employee satisfaction index), indicador de eficiência, de eficácia, de atendimento etc.

    Cultura analítica: por onde começar?
    Tendo claro o que são métricas, indicadores e KPIs, Valiente recomenda seguir três passos fundamentais para começar a incorporar a cultura analítica:
    Passo 1) Definir os KPIs da empresa e o que eles demandam de dados relevantes, e não o contrário. A ideia aqui é levantar KPIs que conversem com o momento e natureza do negócio, alinhando o que será mensurado com a missão, visão e os objetivos da empresa dentro de determinado prazo.
    Passo 2) Garantir que os KPIs poderão, de fato, ser estruturados e que os dados desejados estão disponíveis .  Nesta hora, Damico também ressalta ser necessário entender se a empresa dispõe dessas informações internamente. Você tem dados suficientes para fazer tudo o que planejou? Via de regra, quando se está entrando no terreno da cultura analítica, é preciso olhar primeiro para dentro de casa. Isto pode significar deixar oportunidades que dependem demais de dados externos para depois.
    Pass o 3) Se certificar de que tem à mão formas simples e acessíveis de analisar os dados . Os especialistas se referem a sistemas que ajudem o usuário a hospedar várias fontes de informação; mapear essas fontes de dados atuais e passadas para criar um inventário; excluir automaticamente dados duplicados, desatualizados ou errôneos; padronizar os dados e; finalmente, integrá-los.

    Democratização de acesso aos dados
    Para fazer a roda girar, eles destacam que a empresa não precisa contratar um cientista de dados e que, cada vez mais, a tendência é democratizar o acesso ao sistema central (data warehouse) e fornecer acessos dentro da organização. Deixar a análise de dados na mão de especialistas ou da área de TI, segundo eles, está se tornando cada vez mais obsoleto.
    No processo de democratização dos dados e concessão de acesso, as informações podem ser divididas em camadas, para garantir a segurança do inventário e manter o sigilo de dados sensíveis. Na visão apresentada, são duas as camadas primordiais: dimensão temporal (a pessoa pode ver o dado de qual temporalidade?) e dimensão espacial (o acesso será concedido por região do globo, país, município, bairro?).
    Na medida em que cursos básicos de programação se tornam mais comuns e muitas pessoas saem da faculdade já com algum conhecimento de TI, dar autonomia para que utilizem dados de valor para o seu departamento estimula tomadas de decisão mais conscientes e inteligentes. As análises particulares podem ser conduzidas em ambientes de teste (sandbox), sem causar prejuízo à base de dados original. A disponibilização dos dados, de acordo com Damico, vai fazer com que as pessoas tenham mais poder, é verdade, o que ele não considera ruim. Ao contrário, considera positivo para as empresas gerarem inteligência e os colaboradores exercitarem sua autonomia.