- 15/08/2022
- Posted by: Marketing Digital
- Category: Análise de dados
Como citamos em outros artigos nossos, hoje os dados são as principais matérias primas para analytics e para tomada de decisões. Em relação a isso, não há dúvidas da abundância de dados presentes em cada ação das empresas e da gama de profissionais como arquitetos de dados, analistas e cientistas de dados (como é trabalhar na área de ciência de dados) são predominantes para trabalhar com os dados.
No entanto, à medida que as empresas buscam por funções de analistas qualificados para utilizar os dados a fim de tomar melhores decisões, muitas vezes deixam a melhoria da cadeia de fornecimento de dados e da qualidade dos dados resultante, em segundo plano. Essa falta de práticas sólidas de gerenciamento da cadeia de suprimentos de dados, é prejudicial para a qualidade dos dados.
A má qualidade dos dados é citada como a principal razão pela qual as iniciativas não atingem o valor esperado – até 60% das iniciativas de negócios falham devido a problemas de qualidade de dados. A qualidade dos dados se torna uma questão ainda mais urgente à medida que as organizações avançam para a tomada de decisões habilitada para Inteligência Artificial (IA) e Machine Learning (ML). Se os dados usados para alimentar os modelos de IA/ML forem imprecisos, incompletos ou desatualizados, os modelos não fornecerão os resultados desejados.
Como podemos melhorar os resultados de nossa cadeia de fornecimento de dados e , consequentemente, os resultados de uma empresa?
1– Entenda os impactos ‘first mile/last mile’
O desafio da first mile/last mile requer abordar a cadeia de suprimentos em geral, começando com o fornecimento dos dados (upstream). A urgência de ter dados disponíveis para análise e tomada de decisão leva as empresas a investir mais esforços na “última milha” – levar dados ao cliente, downstream. No caso da cadeia de fornecimento de dados, o cliente, é claro, é um departamento ou equipe interna que precisa dos dados para análise, relatórios, etc. O desafio é capturar a fonte dos dados corretamente desde o início e garantir que a qualidade dos dados não se degrade ao mover em toda a cadeia de fornecimento de dados.
–Possível solução para a problemática: Crie um mapa de sua cadeia de fornecimento de dados. O conceito de visibilidade e fornecimento da cadeia de suprimentos se aplica às cadeias de suprimentos de dados, assim como ao gerenciamento físico da cadeia de suprimentos. Compreender as fontes de dados, quaisquer atividades de transformação que ocorram, bem como o “prazo de entrega do cliente” ajuda as organizações a identificar e mitigar os riscos.
2– Reduza a complexidade/custos da cadeia de suprimentos
Complexidade da cadeia de suprimentos [‘supply chain complexity’] é o termo usado para descrever a rede de recursos necessários para atender às necessidades de downstream. Quanto maior o número de fornecedores, funções de negócios e distribuidores necessários, maior a complexidade.
Cada elemento adicional na cadeia de suprimentos aumenta a complexidade, e mais complexidade contribui para o aumento da variabilidade. A variabilidade é um grande desafio na qualidade. Nas cadeias de suprimentos físicas, as organizações buscam reduzir a complexidade upstream. Na cadeia de fornecimento de dados, há uma variedade de fontes de dados internos e externos (de corretores de dados, mídia social/análise de sentimentos etc.) e, assim como uma cadeia de fornecimento física, reduzir a complexidade na cadeia de fornecimento de dados ajuda a melhorar a qualidade geral.
-Possível solução para a problemática: Inventariar os dados disponíveis para uso downstream e mapear para o sistema de origem (interno versus externo). Frequentemente, atributos comuns são criados em mais de um sistema, o que aumenta a complexidade. Para cada elemento de dados, identifique/selecione um único sistema para consumo downstream e estabeleça um “sistema de registro” (SOR) com o objetivo de obter dados do menor número possível de sistemas.
3– Melhore o monitoramento e a geração de relatórios da qualidade dos dados
A qualidade dos dados deve ser um indicador chave de desempenho para a maioria das empresas hoje, entenda o que faz um cliente abandonar uma empresa. A qualidade das saídas depende da qualidade da entrada. Assim, os métodos e a frequência de avaliação da qualidade dos dados precisam ser feitos. Porém, essas geralmente variam dentro de uma empresa. Diferentes funções em uma organização podem usar métodos diferentes para avaliar a qualidade; a contabilidade pode ser mais rigorosa do que o marketing, por exemplo.
-Possível solução para a problemática: Estabelecer uma fórmula comum para medir a qualidade dos dados e utilizar a medição de forma consistente em todas as funções (pontuação de qualidade dos dados). O volume de dados para avaliar exige amostragem e estimativa, e a abordagem deve ser consistente. Uma abordagem pode ser a amostra de 100 registros, revisar cada um e identificar quaisquer erros e, em seguida, contar os registros sem erros para entender a porcentagem de dados criados corretamente.