A fórmula da McKinsey para evitar o ‘purgatório’ de projetos

Coluna

Thiago de Aragão: China traça 6 estratégias para pós-covid que afetam EUA e Brasil

A fórmula da McKinsey para evitar o ‘purgatório’ de projetos

Como driblar erros e tropeços na adoção de Inteligência Artificial e Advanced Analytics? Consultoria dá o caminho das pedras

Ricardo Grinbaum

13 de outubro de 2020 | 06h00

Monica Szwarcwald e Marina Cigarini, da McKinsey: método próprio para medir maturidade digital das empresas Fotos: Divulgação

A revista The Economist publicou a reportagem de capa ‘The World’s Most Valuable Resource’, em maio de 2017, comparando o gigantesco potencial da análise de dados e da inteligência artificial para as empresas à riqueza gerada pelo petróleo. Recentemente, a revista voltou ao assunto para contar como explorar esses recursos não é tão fácil como se pensava.

Uma pesquisa recente da consultoria McKinsey dá a dimensão do problema. De cada 100 empresas consultadas na América Latina, 70 se diziam frustradas com o uso de dados para transformar a companhia. Das 30 que disseram ter bons resultados, metade informou que os ganhos foram de curto prazo, mas têm dúvidas sobre o futuro.

Em um artigo, assinado por Jose Cafferata, Monica Szwarcwald e Amalia Toro, com contribuições de Marina Cigarini e Ferran Pujol, os pesquisadores da McKinsey dão um nome a essa frustração. Seria um “purgatório de pilotos”, as tentativas parciais e malsucedidas das companhias em adotar as práticas de Inteligência Artificial (IA) e Advanced Analytics (AA) – uso avançado de dados para obter insights para melhorar o desempenho das empresas.

A consultoria usa um método próprio para medir a maturidade digital das empresas, chamado Digital Quotient. Nesse indicador, as empresas latino-americanas estão ficando para trás. “A região está em desvantagem em relação a líderes globais em todas as principais dimensões de AA”, escrevem os pesquisadores. Ter um bom Digital Quotient faz diferença. O faturamento pode ser 4,2 vezes maior do que o dos competidores, segundo outro estudo da McKinsey.

Os processos de uso avançado de dados e de transformação digital podem mudar rapidamente a trajetória de uma empresa, explica Heitor Martins, líder de práticas digitais da McKinsey na América Latina. No passado, as mudanças nos negócios ocorriam de maneira incremental, passo a passo, o que favorecia as companhias já consolidadas. Agora, o potencial disruptivo de um processo é enorme, como mostra o rápido sucesso de startups.

No estudo sobre as empresas latino-americanas, os pesquisadores mostram o que fez a diferença entre os casos de sucesso e de fracasso, descrevem o que as companhias devem fazer para evitar o “purgatório de pilotos” e dar um salto de produtividade. Marina Cigarini, líder em Analytics para a América Latina e Monica Szwarcwald, sócia da McKinsey, detalharam, em conversa com a reportagem, as conclusões do trabalho.

A seguir, um resumo das principais conclusões do estudo e da conversa com as pesquisadoras:

 

COMO COMEÇAR CERTO

A primeira tarefa para o uso dessas ferramentas de Inteligência Artificial e Advanced Analytics, explica Marina, é questionar qual é a fonte de criação de valor, qual é a pergunta de negócio que a empresa quer responder. Daí em diante, a companhia se organiza para colocar a máquina para funcionar, levando em conta questões práticas para o projeto. A empresa estabelece prioridades e tudo o mais está ligado a isso. “Não recomendamos que a empresa faça um data lake (repositório de dados originais da companhia), por exemplo, se não sabe o quer com isso”, diz Marina. Também não adianta contratar uma equipe especializada de 30 pessoas sem saber direito o que fazer com elas. Logo elas vão embora. “Tem de saber o que quero fazer e depois juntar os pedaços de como fazer”, afirma Marina. Outra condição importante, segundo Monica, é integrar as áreas de dados e de negócios. “O que a gente vê mais funcionar nos casos de sucesso é a área de negócios acreditar no processo, ajudar a mudar a cultura da empresa”, diz, “é muito importante que esteja todo mundo junto”.

 

CAMINHO CLARO E META AMBICIOSA

Para as empresas não terminarem no “purgatório de pilotos”, elas têm de estabelecer metas ambiciosas desde o início. As empresas líderes em adoção de IA/AA, mostra o estudo, definiram prioridades estratégias para toda a sua cadeia de valor. Criaram  “roadmaps” claros, roteiros detalhados de aplicações concretas para cada etapa da atividade. O mapa precisa ser desenvolvido pelos líderes de negócios com apoio do CEO e da equipe executiva. “Às vezes, as empresas apostam numa iniciativa que não vai trazer tanto retorno, sem alinhamento com a liderança, e aí as coisas começam a não andar”, diz Monica. É preciso criar três a cinco projetos-piloto para darem resultado em um prazo de três a seis meses. “No começo você quer projetos que criem resultados tangíveis para poder mostrar para toda a empresa que o plano está funcionando”, diz Marina. Quando aparece um resultado concreto, de impacto, outras áreas da empresa vão querer aderir ao processo. O projeto tem de ser bem planejado. Se tentar uma, duas, três vezes e não der certo, ninguém mais vai prestar atenção na proposta de transformação da empresa.

 

COMO SABER SE UM PROJETO FALHOU

Segundo Marina, é preciso olhar três questões para saber se o projeto falhou. Se não está dando resultado depois de 4,5 ou 6 meses, então deve fazer parte do “famoso purgatório de pilotos”. É preciso ter um resultado mínimo, para depois ganhar escala. Se não deu resultado, alguma coisa não está funcionando. O segundo sintoma é a dificuldade em atrair ou reter profissionais talentosos. “Isso quer dizer que não está sendo criado ambiente propício para a colaboração entre técnica e negócio.” A terceira questão é a dificuldade de acesso aos dados de qualidade. Se isso acontece é porque a transformação não permeou a cultura da empresa, as pessoas na ponta da operação não estão enxergando valor nos projetos. Muitas vezes, lembra Monica, não se trata de uma questão de análise de dados, mas é uma dificuldade prática na chamada última milha, em fazer o projeto chegar na ponta e ganhar escala na empresa. É como deixar de fornecer tablets para vendedores trabalharem com os dados segmentados dos clientes. “Muitas vezes você tem a parte de analytics feita, mas tem muita dificuldade de operacionalizar.”

 

TALENTOS MULTIDISCIPLINARES E CONHECIMENTO DISSEMINADO

As empresas precisam repensar as equipes de análise de dados. Algumas companhias acharam que contratar alguns cientistas de dados seria suficiente, mas a área se especializou muito nos últimos tempos. Empresas líderes em IA/AA construíram centros de excelência e desenvolveram carreiras atrativas para engenheiros de dados, arquitetos de dados, engenheiros de machine learning e designers, mostra o estudo. No começo, o centro de excelência em analytics é fundamental, diz Marina, para criar massa crítica, um mínimo de entendimento do assunto. Mas, em seguida, o processo também tem de entrar no “DNA” das pessoas. É como a chegada de uma ferramenta como o Excel. No início, poucos dominavam, mas depois passou a fazer parte da rotina geral. “É um processo contínuo, inovar e permear a cultura com a nova prática”, afirma Marina. Algumas empresas líderes, mostra o estudo, também desenvolveram a função de “tradutores”, profissionais que fazem a ponte da área técnica com o pessoal da linha de frente. O tradutor pode ser uma pessoa da área de negócios que domine analytics ou alguém de analytics que entenda de negócios. “A pessoa tem de ser capaz de traduzir o problema de negócio que você quer resolver para a equipe de analytics”, explica Monica. Também é preciso preparar os líderes, em todos os níveis da empresa, para interpretar, organizar e conduzir os negócios para que sejam centrados em dados.

 

PROTOCOLOS EFICIENTES DE OPERAÇÃO, COMO NA FÓRMULA 1

Quem achava que bastava contratar técnicos talentosos para desenvolver projetos bem sucedidos, frustrou-se, aponta o estudo. Muitas empresas subestimaram a complexidade do processo, o que levou a uma frustração com a fragmentação dos esforços, o atraso de cronogramas e a falta de resultados. Os pesquisadores usam a imagem da Fórmula 1 para descrever o que deve ser feito para obter sucesso nos projetos de uso avançado de dados. As equipes de ponta do automobilismo fazem planejamentos detalhados e usam protocolos rigorosos, executados com precisão. São realizados dezenas de processos, baseados no protocolo, para trocar os pneus do carro durante uma corrida, por exemplo. De acordo com o estudo, as empresas líderes em IA/AA fazem roadmaps, concebem modelos, lançam pilotos, refinam os projetos até conseguir dar escala à produção. Essas companhias “formam equipes multidisciplinares, que seguem processos claros, coreografados e replicáveis”, e incluem os líderes das áreas de negócios e os usuários finais desde o início do planejamento. O ponto crítico, diz Marina, é fazer com que os projetos-piloto sejam escaláveis, ou seja, que a empresa consiga disseminar as novas práticas e ganhar valor.

 

DOMÍNIO DA TECNOLOGIA E GASTOS DESNECESSÁRIOS

O estudo da McKinsey levanta dúvidas sobre gastos pesados em tecnologia e dados pelas empresas latino-americanas. “Vimos muitas organizações regionais fazendo investimentos plurianuais significativos em data lakes caros ou infraestrutura de analytics/dados de última geração (por exemplo, nuvem, pipelines, workbench) e não conseguirem atingir resultados concretos.” As empresas líderes, mostram os pesquisadores, “desenvolvem competências em dados e tecnologia para seguir e possibilitar uma estratégia de negócio”, apoiando o roadmap de transformação baseado em analytics. “Às vezes não precisa construir um data lake”, diz Monica. “Você pode demorar anos. E se esperar que o data lake fique pronto para trazer algum valor, não vai ter retorno para aquele investimento.” É preciso ter as necessidades da empresa bem definidas para que não se invista onde não deveria. “Às vezes as empresas usam canhões para atingir alvos pequenos”, afirma.

 

MUDANÇA CULTURAL

Uma das tarefas mais desafiadoras no processo de IA/AA é a transformação cultural, dizem os pesquisadores da McKinsey. “As soluções e os insights de analytics mais promissores não poderão gerar valor, a menos que processos de tomada de decisão, práticas da linha de frente e mentalidades e comportamentos mudem radicalmente na organização”, aponta o estudo. Os pesquisadores identificaram algumas características em comum nas empresas líderes que conseguiram vencer as resistências internas e alinhar os objetivos de todos na companhia: da gerência aos diretores e conselheiros, todos trabalham com a mesma prioridade, o mesmo roadmap. Todos na empresa entendem a importância de aplicar os processos avançados de análise de dados. O processo de mudança é comunicado o tempo inteiro, de maneira formal e informal. Processos, estruturas e tecnologias são adotados para apoiar a implementação dos projetos todos os dias. Os talentos especializados são totalmente integrados à operação.

 

COMPORTAMENTO E RESISTÊNCIA

Marina aponta os problemas culturais que dificultam a adoção dos projetos de transformação. Um deles é o conceito de silos, de não compartilhar dados dentro da própria organização. “O dado ainda é visto como poder por muitas pessoas”, diz. Para que o processo seja bem sucedido é preciso que a informação seja compartilhada. Ainda mais porque as empresas precisam trabalhar com equipes multidisciplinares, com perfis diferentes de profissionais. “É preciso colocar quase todo mundo trabalhando como se fosse um squad”, afirma Monica, “a comunicação tem de fluir”. Outro problema identificado com frequência é chamado em inglês de “keep your head down”, gente que prefere que nada aconteça, que tem medo de mudar a rotina. Em geral, as pessoas que atuam na primeira linha dos projetos são motivadas, mas é comum que os funcionários abaixo dessa linha prefiram não se mexer. E há ainda aqueles que temem que o uso de analytics os tornem dispensáveis ou que eles não consigam se adaptar às novas técnicas. “Muitos não têm um comportamento explícito, mas demoram demais, não querem que as coisas aconteçam”, afirma Marina. Por isso, ressalta Monica, é importante escolher pessoas-chave na área de negócio, com boa reputação, para apoiar os projetos.

Comentários

Os comentários são exclusivos para assinantes do Estadão.

Tendências: