Análise de dados existe no lado quantitativo dos negócios. E em tantos números e gráficos é fácil perder de vista o papel da comunicação em transformar a análise em ação. Pense assim: imagine que sua ideia de um final de semana perfeito seja jogar vídeo game, e do(a) seu(sua) parceiro(a) seja acampar.

Você diz: “Vamos ter um ótimo final de semana!”

Ele/Ela diz: “Vamos! Será excelente!”

Animados, vocês começam a planejar. E imediatamente a discutir.

Quando a sua área de Business Intelligence (BI) não fala o mesmo idioma que você, esse é o tipo de coisa que acontece. Bom, mas a conversa seria mais ou menos assim:

“Vamos realocar mais do nosso budget de marketing para os canais com melhor desemepnho”, fala o CMO da sua empresa. Todos sorriem e concordam, entusiasmados. “Então, a partir do próximo mês, vamos investir mais em e-mail marketing”.

“Mas o nosso melhor canal é o Facebook”, argumenta o gerente de social media.

“Não, a verba destinada às conferências ainda é o que tem o maior ROI”, fala o diretor de eventos.

E então a discussão começa.

Bons relacionamentos e uma boa análise de dados começam ambos com uma linguagem compartilhada. Um mesmo idioma.

Infelizmente, a maioria das pessoas, quando vão avaliar ferramentas de BI, não leva em conta “algo que entenda o meu negócio” como um critério. E deveriam. Eu quero propor que a qualquer momento que você vá realizar uma análise de dados – seja em um projeto individual ou na implementação de uma ferramenta de BI –, primeiro você garanta que ela vai falar a mesma linguagem que você.

Procure por alguns aspectos, como:

• A ferramenta/análise entende o que eu chamo de diferentes estágios no ciclo de consumo?
• Sabe exatamente as plataformas para publicidade com que eu me preocupo mais?
• Os meus segmentos de consumidores são chamados da mesma forma que eu chamo?
• O cálculo de lucro é feito como eu faço?

Trabalhar com análise de dados é bastante desafiador e não há necessidade de colocar nenhuma complexidade a mais no processo – traduzir palavras, segmentos e outros termos e construções.

Veja alguns exemplos de como isso acontece na vida real:

Do que você gosta de verdade?

Temos um cliente que oferece sempre algumas promoções e descontos. Como acontece em muitos e-commerces, isso não está identificado exatamente da mesma forma em todos os bancos de dados. Não há um “ID Promocional” ou “ID Cupom” unificados, que tornariam o nosso trabalho de análise um pouco mais fácil (isso te soa familiar?).

Eles realmente gostam dessas promoções, mas de dois tipos em especial:

• As que impactam fortemente a operação devido ao volume de vendas.
• As que são fundamentais para entender o que faz o negócio crescer no geral, as compras repetidas e quando acontece o churn.

Eles precisavam de uma análise de dados que compreendesse quão importantes esses dois tipos de promoção são para o negócio. Eles queriam um projeto personalizado e de análise profunda em torno dessas duas promoções, para então ser possível esmiuçar os dados e basear nisso todas as ações presentes e futuras de análise. E eles queriam isso tudo sem passar por um processo caro de personalização.

Em resumo, eles precisavam de uma ferramenta que compreendesse e agregasse valor a coisas que importavam de verdade para eles.

Porque as pessoas mudam

Outro dos nossos clientes é um player B2B com base em assinaturas. Eles enfrentam três desafios:

• Eles têm tabela de preços e – surpresa! – isso mudou no passado e mudará novamente no futuro.
• Nem todos os consumidores em uma mesma camada econômica pagam o preço da etiqueta.
• A tabela de preços não é a única forma de segmentar. Também é possível separar os consumidores com relação ao engajamento e ao tempo do ciclo de vida.

Esse cliente precisava entender as transações de uma maneira mais flexível. Como eles já haviam trabalhado bastante os segmentos de engajamento e ciclo de vida, fizemos disso uma norma. Eles puderam incorporar isso em todos os dashboards de análise. As definições podem continuar evoluindo, mas a ferramenta de analytics vai sempre falar a mesma linguagem que os seus times internos.

Eles precisavam de uma ferramenta que crescesse com eles. Simples assim.

Antes que você diga “sim” e se comprometa

Há uma razão pela qual pensamos duas vezes antes de nos mudar para um país cujo idioma não falamos. Aprender uma nova língua leva tempo. Tradução coloca uma carga cognitiva extra em nossas vidas. Você pode até não estar pensando em se mudar para Paris ou Milão, mas essa regra é totalmente aplicável às suas ferramentas de análises de dados.

Antes de dizer “sim”, garanta que sua ferramenta de BI fala a mesma língua que você. Até mesmo as coisas pequenas são variáveis – alguns dos nossos clientes na RJMetrics possuem “usuários”, alguns possuem “clientes” e “usuários”, outros “membros” e “convidados”. Manter essa mesma linguagem em todos os departamentos, times e na sua ferramenta de analytics faz você tomar decisões mais rapidamente (e de forma mais precisa) e então você pode focar no que realmente importa: construir um negócio ainda mais forte.

***

Artigo traduzido pela Redação iMasters, com autorização do autor. Publicado originalmente em http://blog.rjmetrics.com/2014/03/12/this-data-analysis-doesnt-speak-my-language/