Porque é que os business controllers se estão a tornar cientistas de dados de cidadãos

por Robert Ruf

A emergente economia digital está a ter impacto não só na forma como as empresas interagem com os seus clientes, mas também na forma como os negócios se estão a gerir internamente. A função de business control tem que acompanhar a evolução, e muitos business controllers com que me cruzo acham que existe actualmente necessidade de um Controller 2.0. Mas o que é isto exactamente?

Para alguns, “contador de tostões” e “parceiro de negócios” são praticamente sinónimos. Para outros, no entanto, as diferenças são reais. Depende muito da abordagem conceptual de controlo que considera “certa”. Quer na teoria quer na prática, diferentes empresas apresentam diferenças evidentes no âmbito dos sistemas de controlo. Verifico também uma importância crescente na capacidade analítica para a definição do papel do controller moderno.  Mas a execução da análise de dados pode variar; permanecem questões fundamentais relativamente às opções disponíveis e ao que é necessário percebermos para decidir o melhor caminho a seguir.

O papel crescente da análise

O processamento, análise e interpretação dos dados é um elemento fundamental de controlo e requer um know-how técnico, analítico e profissional em vários tópicos interdisciplinares. É no entanto notória uma determinada sobreposição entre a definição de “controlo” e uma definição arbitrária de cientista de dados. Isto significa que os controllers têm que ser cientistas de dados?

A resposta é não, mas a digitalização em vários departamentos de controlo requer algumas mudanças. Não é suficiente tornar as suas avaliações mais bonitas ou coloridas. É necessário desenvolver e utilizar novos métodos de análise, como a análise de dados, para obter novas e valiosas perceções, e consequentemente ganhar uma vantagem competitiva decisiva.

Acesso mais rápido a melhores perceções

Como é que um controller experiente pode utilizar a analítica sem necessitar do apoio de um cientista de dados? Excel? R? Algo da cloud? Se pesquisar no Google Controlling + Analytics, obtém mais de 14 milhões de resultados. Parece que as possibilidades disponíveis são infindáveis, mas onde e como começar? Uma opção intuitiva e de fácil acesso é a exploração visual de dados. Visualizações inteligentes podem extrair nova e valiosa informação dos dados. Tal pode ser obtido em quatro passos, dependendo da base de dados, conhecimento analítico e nível de maturidade.

  • 1º passo: Questões técnicas

Antes de efectuar qualquer análise deverá sempre perguntar-se “porquê” e identificar que dados deverão ser analisados e com que propósito. Por exemplo, existem hipóteses que deseja verificar? O que o ajudaria a decidir se estão corretas ou não?

  • 2º passo: Explore os dados

Com base nas suas questões, pode então começar a explorar os dados existentes. Primeiramente tem que verificar os dados. A qualidade é boa o suficiente (por exemplo, existem valores em falta ou expressões de categoria uniformes)? As variáveis de análise adequadas estão no formato (por exemplo, dados de tempo ou localização) e estrutura (hierarquias claras, talvez) certos?  Os parâmetros necessários podem ser calculados a partir dos existentes? Que padrões são reconhecíveis?

  • 3º passo: Modelação analítica

A analítica é particularmente útil para a modelação. Consegue derivar um modelo que descreva, por exemplo, o comportamento dos clientes ou a qualidade da produção? A análise de indicadores pode ser utilizada para descobrir que factores influenciam determinadas variáveis-alvo como as vendas ou os custos. Ao utilizar, por exemplo, a análise de clusters podem ser identificados segmentos de clientes homogéneos e posteriormente analisados individualmente. As ferramentas de análise de negócio actuais permitem ao utilizador criar um modelo simples a nível visual, a partir da análise exploratória. É útil ter conhecimentos base de estatística, mas não necessita de ser um perito em métodos ou algoritmos.

  • 4º passo: Análise de dados avançada (ciência de dados)

Consoante o seu grau de maturidade analítica, pode desenvolver ainda mais a sua análise. Pode utilizar procedimentos mais complexos e definições detalhadas. É necessário um conhecimento mais profundo de procedimentos estatísticos, mas não necessita de ser capaz de programar um modelo apropriado. Existem ferramentas gráficas que permitem uma utilização fácil de técnicas analíticas avançadas. É possível inclusive industrializar a análise de dados, de forma a que as análises individuais sejam processos produtivos.

Os passos 1 e 2 são actividades de controlo tradicionais. Utilizando métodos de visualização adequados, o controller pode descobrir os dados rápida e facilmente. Os passos 3 e 4 emergiram como requisitos de controlo em negócios digitalizados.

Adoptando novas competências: o controller como cientista de dados de cidadãos

Mas não ficamos por aqui. Os procedimentos analíticos para modelação já estão a ser utilizados em departamentos de controlo. As possibilidades estatísticas das ferramentas raramente são completamente aproveitadas, mas esta situação está a melhorar. O controller e o parceiro de negócios do futuro trabalharão muito mais analiticamente. Simultaneamente, o número de questões analíticas está a crescer muito mais rápido que o número de cientistas de dados. Não é portanto surpreendente que muitos controllers estejam a optar por falar com os especialistas em análise de negócio e a efectuar as suas próprias análises.

Mais sobre Análise Visual para Tomar Melhores Decisões Mais Rápido Aqui.

Deixar uma resposta