Data driven

Data driven

DECISÕES ORIENTADAS POR DADOS

Tomada de decisões com base em fatos e dados

É fácil entender por que cada vez mais empresas incorporam análises de dados em sua estrutura decisória. Praticamente todas as grandes companhias adotam esta prática. Nike, Amazon, Google   são apenas alguns de milhares de exemplos.

           Como dados podem ajudar na tomada de decisões complexas? Um bom exemplo foi a criação do seriado “House of cards” pela Netflix. A companhia analisou vastos bancos de dados sobre o que os clientes gostavam em filmes e seriados. Nesta análise foram identificados 70 mil atributos que os clientes gostavam. Alguns atributos se destacaram muito, como por exemplo?

  • Um seriado inglês de 4 episódios lançado nos anos 90 também chamado “House of cards”.
  • Kevin Spacey no papel principal.
  • David Fincher como director.

O resultado foi um grande sucesso, com diversas temporadas. Centenas de outras características do seriado também foram definidas através desta e de outras análises. Esta análise de dados definiu características extremamente importantes em qualquer produção cinematográfica: o tema, o ator principal e o diretor. Este exemplo é icônico por muitos motivos, mas o principal é o fato de que produções audiovisuais sempre haviam sido consideradas indústrias onde o feeling era intrínseco e insubstituível.

           Diversos outros exemplos nas mais variadas escalas são aplicáveis à negócios de todos os tipos.  Por exemplo cálculo de probabilidade de churn, previsão de demanda, direcionamento de marketing, otimização de compras e estoques são apenas alguns exemplos de como dados podem ajudar na tomada de decisão. Análise de dados pode ser aplicada em qualquer negócio, desde pequenas academias, bares, e pequenos comércios até gigantes de logística, indústrias e bancos.

           Análise de dados pode ser utilizada em companhias de todos os tamanhos e em todos os setores.

Informações de qualidade

A tomada de decisões baseada em fatos e dados depende necessariamente da boa qualidade dos dados e das análises. A frase “Garbage in garbage out” (Entra lixo sai lixo), fala sobre a necessidade de dados de qualidade para serem analisados. Não importa o quão bom seja a análise, se os dados que são inseridos forem de baixa qualidade os resultados serão sempre pobres. Conhecer seus dados é mister para evitar decisões equivocadas.

           Conhecer a origem e a confiabilidade dos dados permite a extração das melhores informações. Além disso evita que decisões potencialmente catastróficas sejam tomadas.

Ilustrando uma situação de tomada de decisão com dados não confiáveis: Suponha que uma pessoa seja muito popular e está considerando se candidatar à um cargo público eletivo. Então para avaliar suas chances esta pessoa decide fazer uma pesquisa com diversos amigos e conhecidos fazendo a seguinte pergunta:

“Se eu me candidatasse, você votaria em mim?”.

Para evitar quaisquer indisposições ou constrangimentos, a grande maioria das pessoas, tenderia a responder que sim. Mesmo que não tenham nenhuma convicção sobre esta resposta. Então de posse de dados (que são altamente viesados) a pessoa opta por se candidatar. Obviamente existe um grande risco de que na apuração das eleições esta pessoa fique constrangida.

           Dados de qualidade são premissa básica para qualquer tomada de decisão.

Análise de dados é para todos

           Qualquer negócio pode utilizar dados para uma melhor tomada de decisão. O primeiro passo é que a alta liderança demostre interesse em obter informações antes de tomar decisões. Além disto, é essencial que se trabalhe para que o ambiente permita e fomente a utilização de dados. Disponibilizar e compartilhar informações dentro da empresa é essencial.

           A complexidade das operações e o ganho financeiro possível devem orientar a disseminação da cultura data driven. Empresas de todos os tamanhos podem tomar decisões com base em dados. Vamos considerar um exemplo de um pequeno negócio.

           Exemplo: Suponha uma clínica que possua apenas quatro consultórios. Diversos médicos com variadas especialidades atendem nesta clínica. A maioria dos médicos trabalha só um dia por semana nesta clínica. O objetivo dos gestores é aumentar a rentabilidade. Para isso coletaram os seguintes dados de performance de cada médico: Número de pacientes agendados, absenteísmo dos pacientes, % de consultas por plano, % de consultas particulares.

           Após a coleta de 12 meses de dados históricos algumas análises foram realizadas: Qual a demanda por cada especialidade, quais as especialidades mais rentáveis, quais os médicos mais produtivos por especialidade, quais os planos de saúde menos rentáveis.

           Sobre estas análises as seguintes decisões foram tomadas:

  • Dois consultórios ficarão dedicados à psiquiatria. 
  • Um consultório será compartilhado entre endocrinologia, e cardiologia.
  • Os dois cardiologistas continuaram na clínica.
  • Dos 3 endocrinologistas que atendem apenas o mais produtivo permanecerá.
  • Um consultório atenderá às cinco outras especialidades com maior rentabilidade.
  • Apenas os médicos com maior produtividade de cada uma destas cinco especialidades permanecerão.
  • Os dois planos de saúde com menor utilização não serão mais atendidos
  • Será iniciada a coletados dados das secretárias para melhorar o agendamento.

Com estas ações, houve um aumento de 9,7% na rentabilidade da clínica, sem nenhum aumento nos custos. Houve, também, uma redução na burocracia com a eliminação de planos de saúde e redução no número de médicos.

           Tomar decisões e definir ações com base em dados é muito mais fácil, além da clareza nos objetivos de cada ação, frequentemente os benefícios quantitativos e qualitativos de cada ação podem ser previamente mensurados.

No Comments

Sorry, the comment form is closed at this time.