Oferecido por
As equipes de marketing analytics não têm correspondido às expectativas dos CMOs e VPs de Marketing e os principais motivos para isso são a baixa qualidade dos dados, resultados que não são acionáveis e recomendações pouco claras. Essas são constatações da pesquisa Gartner Marketing Data & Analytics 2020, que mostra que a utilização de dados influencia apenas 54% das decisões de marketing.
Mesmo assim, os executivos continuam vendo grande potencial em análise de dados. Segundo o relatório, 85% dos entrevistados disseram que, em 2022, um número significativamente maior das decisões de marketing de sua organização serão baseados em dados.
Em contrapartida, 56% dos líderes esperam que o tamanho de suas equipes de analytics permaneça o mesmo ou até diminua. Provavelmente, um reflexo do baixo valor percebido em relação aos atuais times.
Segundo a pesquisa, o principal motivo dos resultados abaixo do esperado é que as equipes gastam muito tempo em tarefas de baixo valor, como integração e formatação de dados e geração de dashboards, atividades que poderiam ser automatizadas.
Fonte: Gartner – versão traduzida.
Os três obstáculos mais citados para o sucesso das equipes são: a preparação manual de dados, conectar analytics com o valor do negócio e gerar insights acionáveis.
Esta mesma dificuldade em gerar insights e ineficiência em tarefas relacionadas a dados, é encontrada não só em marketing, mas em outras áreas, como business analytics e equipe de produtos, segundo Brian Balfour, Fundador e CEO da Reforge, e previamente VP de Growth do HubSpot.
Sendo assim, temos uma pergunta em pauta: como acelerar o amadurecimento das organizações para que se extraiam melhores resultados dos dados?
Possíveis ações para extrair mais resultados
Dado este gap, os seguintes movimentos podem ser realizados.
Fortalecer uma cultura de dados
É importante atribuir recursos dedicados para coleta e análise de dados. Nos estágios iniciais de um negócio, isso pode ser parte do tempo de alguns profissionais, mas não importa quanto esforço isso despenda, é uma atividade que precisa ser vista como essencial pelo gestor.
À medida que a empresa cresce, é recomendável que se construa uma equipe dedicada para manter o processo de dados — criando, mantendo a infraestrutura e promovendo o seu uso.
É importante compreender que fomentar uma mentalidade data-driven vai muito além da instrumentação. Para isso, é fundamental construir a confiança dos consumidores desses dados dentro da organização (diferentes áreas) e trabalhar com toda a organização para garantir que eles entendam e confiem no que estão vendo.
Nesse caso, a função da liderança é direcionar essa mentalidade, através da determinação de KPIs (indicadores) para as diferentes equipes e indivíduos, definindo-os junto aos liderados. Assim, torna-se mais simples a compreensão dos números e o engajamento em relação a eles.
Além disso, sistematizar a avaliação dos indicadores em reuniões periódicas com a equipe e em reuniões one on one é uma prática que ajuda a consolidar esta mentalidade.
Segundo Ken Rudin, ex-head de analytics do Facebook e previamente head de user growth & analytics do Google, imergir a organização em dados para a sua compreensão e capacidade analítica, fornece à empresa, uma linguagem comum para formular perguntas que os dados podem responder. Rudin, por exemplo, implementou um “Data Camp” de duas semanas para analistas de diferentes áreas aprenderem como manusear e analisar dados. A equipe de analytics continuou a ser a responsável pelo tema e por ações mais profundas, mas os analistas de outras áreas, que participaram da imersão, passaram a fazer pequenas análises e a pensar baseado em dados.
Realizar um evento com esta duração pode não ser a realidade para grande parte das organizações, mas o ponto provocado por ele é que se as pessoas não entendem o que estão vendo, elas não vão se engajar em gastar tempo com isso e retornarão para decisões “apenas intuitivas”. Se as equipes possuírem compreensão sobre o que pode ser realizado com análise de dados, elas irão amadurecer para fazerem as perguntas certas, aumentando a geração de insights acionáveis e entregando valor à empresa. Portanto, cabe ao líder prover mecanismos e esclarecimentos para que todos entendam os dados que os permeiam e como eles podem ser utilizados.
Descentralizar o entendimento de dados das equipes de análise, é um processo contínuo de amadurecimento que demanda esforço, porém, aumenta significativamente a qualidade das decisões dentro da organização.
Realizar incrementos tecnológicos com foco em automação de tarefas
A automatização de tarefas manuais e repetíveis permitirá que as equipes de análise se concentrem em atividades que agregam mais valor, como a geração de insights. Portanto, implementar automações para que o tempo seja despendido em atividades de valor, é uma das principais ações recomendadas.
Esse caminho já é uma direção, se contemplarmos o desejo dos executivos de marketing, por exemplo. Na pesquisa do Gartner de 2020, 43% dos executivos disseram que as necessidades de relatórios já são atendidas por meio de dashboards que são atualizados automaticamente com frequência ou quase sempre. Além disso, metade dos entrevistados atualmente tem uma plataforma de dados com informações dos clientes que ajuda a automatizar a coleta de dados primários e, nos próximos três anos, 79% dos entrevistados pretendem ter uma plataforma como tal.
Dito isso, apesar do aumento das automações ser um desejo comum, cabe ao líder antecipar-se, implementando-as para potencializar a capacidade de entrega da sua equipe de analytics.
Redefinir o processo de contratação da equipe de análise de dados
No momento de recrutar profissionais para o time de análise de dados é fundamental ir além da capacidade técnica em calcular uma métrica. É importante procurar por candidatos articulados e com soft skills, como capacidade de se comunicar bem.
O futuro membro do time deve ser capaz de explicar pontos complexos de forma simples, sendo capaz de esclarecer um cenário ou métrica para um profissional de outra área. De acordo com Brian Balfour, outro aspecto diferenciado é entender se o candidato é um apaixonado por negócios e não só por dados. Assim é preciso descobrir se ele sabe compreender contextos e sugerir soluções que adicionem valor ao negócio. Uma sugestão é contextualizar para o candidato um cenário e perguntar quais métricas ele acharia importante e por quê, ao invés, de apenas testar se ele sabe calcular uma métrica em específico.
Mapear e dirigir o desenvolvimento da equipe de Analytics
Muitos profissionais de analytics são autodidatas, mas essa realidade não se aplica a todos e nunca deve ficar “solta”. É papel do gestor entender a capacidade da equipe e de cada membro para dirigir o desenvolvimento para o melhor caminho. Para isso, além das entregas que cada membro realiza no cotidiano, é recomendável exercitar o papel de coach para escutar o subordinado e entender em que direção de carreira e desenvolvimento ele deseja ir, quais os seus anseios e, com isso, alinhar o seu treinamento com as necessidades da empresa e skills mandatórios para tal.
Uma forma de fazer este acompanhamento de maneira contínua é sistematizando a comunicação entre gestor e subordinado. Novamente, uma forma de estruturar este ponto é a partir de reuniões periódicas individuais.
Logo, estas são algumas das medidas a serem avaliadas pelos líderes, para que a operação seja ajustada e extraia-se melhores outputs dos dados, assim como uma maior entrega de valor da equipe de analytics.
Este artigo foi produzido por Bruno Nardon, cofundador e mentor do G4 Educação, cofundador da Norte Ventures, Rappi Brasil, Dafiti, Kanui e colunista da MIT Technology Review Brasil.
Bruno Nardon
