Muitas empresas enfrentam desafios na identificação e priorização de iniciativas dentro de seu portfólio de transformação digital. O índice “orientado por dados” é apresentado como uma ferramenta útil para abordar essas questões, visto que seu uso está fortemente associado ao sucesso em processos de transformação digital, colocando os dados no centro da estratégia de negócios.

Contexto atual

Vivemos em um ambiente onde as fronteiras entre os mundos físico e digital estão se tornando cada vez mais tênues devido ao aumento exponencial da densidade digital. Essa mudança é caracterizada por três fenômenos:

1. Consumerização : A tecnologia digital deixou de ser uma ferramenta exclusiva das corporações para estar ao alcance dos consumidores, mudando a relação das empresas com o mercado de unidirecional para bidirecional.
2. Democratização : A redução dos custos tecnológicos, impulsionada pela Lei de Moore, diminuiu as barreiras de entrada em vários setores.
3. Plataformização : As cadeias de valor lineares evoluíram para ecossistemas de informação onde múltiplos atores colaboram na criação de valor, orquestrados por uma plataforma, redefinindo o perímetro das organizações.

Transformação Digital

A transformação digital não se resume à adoção de tecnologia, mas sim a um processo contínuo que envolve adaptação e mudança constantes. Ela impacta três dimensões principais:

1. Infraestrutura tecnológica : Para gerenciar dados de forma eficiente.
2. Modelo de negócio : Criar e capturar valor.
3. Modelo organizacional : Inclui novos processos e capacidades organizacionais.

Nesse contexto, os dados estão ganhando novo valor como um ativo fundamental. As organizações precisam se tornar entidades orientadas por dados para inovar em seus modelos de negócios e processos. Enquanto antes os dados eram usados ​​principalmente para controle, no ambiente atual eles também são matéria-prima para a inovação.

Alteração na função de dados:

• Função defensiva: Os dados são usados ​​para monitorar e controlar a atividade empresarial.
• Função ofensiva: Os dados tornaram-se um recurso essencial para a inovação e o desenvolvimento de novos modelos de negócios, impulsionando a transformação digital.

Modelo organizacional tradicional:

• Nas organizações tradicionais, o modelo de negócios orienta a forma como a abordagem de mercado e a gestão são estruturadas.
• A infraestrutura tecnológica, que dá suporte tanto ao modelo de negócios quanto ao modelo organizacional, deve estar sincronizada com os objetivos da empresa.
• Essa abordagem tem se mostrado eficaz em contextos estáveis, permitindo que o modelo organizacional e as capacidades tecnológicas se alinhem aos objetivos de negócios.

No entanto, essa visão apresenta limitações no ambiente digital de alta densidade e constante mudança de hoje. A rigidez que caracteriza as organizações estabelecidas, onde a adaptação a novos modelos de negócios é dificultada por estruturas e competências consolidadas, é frequentemente comparada à dificuldade de mudar a função de um edifício depois de construído.

Em resposta a esse cenário, propõe-se uma nova estrutura conceitual que coloca o modelo de dados no centro da estratégia de negócios, influenciando tanto os modelos de negócios quanto os organizacionais (ver Tabela 2).

Ao colocar os dados no centro, o modelo de dados catalisa o desenvolvimento de novas propostas de valor e modelos de negócios, e facilita uma estrutura organizacional mais ágil e adaptável, capaz de evoluir proativamente em resposta à dinâmica do mercado.

Modelo de negócio

As interações de dados podem ser usadas para alcançar avanços em  automação ,  previsão ,  coordenação  ou  personalização , o que contribui tanto para a criação quanto para a captura de valor.

1. Automação. Trata-se de fazer mais com menos, através da digitalização de processos para torná-los mais eficientes. Essa abordagem possui exemplos concretos na indústria, evidenciando sua relevância para aprimorar a proposta de valor e as operações internas, particularmente no âmbito da Indústria 4.0.
2. Previsão. Permite prever o estado futuro usando modelos de IA e melhora a proposta de valor em áreas como a saúde, antecipando as necessidades de cuidados preventivos.
3. Coordenação. Ela se concentra na interação de diferentes atores por meio da troca de dados, principalmente através de plataformas e APIs, reforçando a proposta de valor ao facilitar ecossistemas de serviços integrados.
4. Personalização. Busca atender melhor às necessidades do cliente sem aumentar os custos e se reflete na proposta de valor, oferecendo produtos e serviços adaptados às necessidades individuais, com experiências altamente personalizadas para o cliente.

Modelo organizacional

Enquanto o modelo de negócios se concentra no uso estratégico de dados para gerar valor, personalizar ofertas e antecipar tendências de mercado, a ênfase do modelo organizacional reside em como usar os dados para executar o modelo de negócios de forma eficiente, otimizando processos internos e promovendo uma cultura de agilidade e colaboração.

Foram identificadas seis práticas de trabalho, denominadas metacompetências. Estas representam capacidades essenciais que as organizações devem desenvolver e implementar para navegar com sucesso na transformação digital.

1. Pensamento “de fora para dentro”. Concentra-se em identificar as necessidades do cliente e o contexto da organização, e utiliza práticas como  design thinking ,  mapeamento da jornada do cliente e  job-to-be-done , usando dados para capturar com precisão tendências e comportamentos.
2. Orientação para o aprendizado. Alinha os objetivos com o desenvolvimento de novos conhecimentos, utilizando dados em  técnicas de lean startup e  testes A/B  para iterar e melhorar constantemente.
3. Execução ágil. Por meio de metodologias como  Scrum e  Kanban , utiliza dados em tempo real para ajustar iterativamente as propostas de valor, fomentando uma cultura de adaptabilidade e melhoria contínua.
4. A colaboração intersetorial refere-se à colaboração eficaz entre diferentes áreas de uma organização, o que é essencial para promover a inovação e o trabalho em equipe multidisciplinar.
5. Participação em ecossistemas. Nestes, colaboramos com  parceiros através de modelos de negócio baseados em plataformas, com arquiteturas modulares e APIs para troca de dados, criando propostas de valor conjuntas.
6. Proficiência em dados.  Desenvolver uma cultura orientada por dados é crucial para garantir que a tomada de decisões em uma organização seja baseada em evidências sólidas. Isso envolve não apenas a incorporação de especialistas, como cientistas e engenheiros de dados, mas também o fomento da compreensão e do domínio da análise de dados em toda a empresa, estabelecendo os dados como a linguagem comum em todas as decisões e operações.

Modelo de dados

O modelo de dados abrange tanto a infraestrutura tecnológica crítica para operações e inovação quanto as funções de gerenciamento de dados que garantem sua segurança, características e governança.

Infraestrutura tecnológica

A infraestrutura tecnológica constitui a arquitetura de TI integrada da organização e baseia-se na coexistência de duas funções fundamentais dentro da arquitetura de TI: a espinha dorsal operacional e a programabilidade ou plataforma digital, que facilitam tanto a execução eficiente dos processos de negócios existentes quanto a inovação e o desenvolvimento de novos modelos de negócios digitais.

1. Infraestrutura operacional. Garante o bom funcionamento e a eficiência das operações diárias. Inclui sistemas empresariais integrados (ERP, CRM, etc.), repositórios de dados que atuam como fonte única de verdade (conhecidos como SSOT) e processos de transformação e carregamento de dados (ETL). Seu objetivo é automatizar processos repetitivos, fornecer visibilidade das transações e dar suporte às operações essenciais do negócio.
2. Programabilidade. Ela se estabelece como um eixo central para a inovação dentro das organizações, oferecendo a flexibilidade necessária para se adaptar rapidamente às mudanças do mercado e explorar novas oportunidades digitais. Por meio de elementos como software reutilizável, APIs para integração modular e  data lakes para experimentação de dados, as plataformas digitais facilitam o desenvolvimento de novas propostas de valor e modelos de negócios digitais.

Gestão de dados

Por sua vez, a gestão de dados em organizações orientadas por dados baseia-se em três pilares fundamentais.

1. Segurança de dados. É dada especial ênfase a esta questão para proteger as informações contra ciberataques através de medidas de proteção robustas, detecção precoce, resposta rápida e planos de continuidade para garantir a integridade e a disponibilidade dos dados.
2. Características dos dados. Este aspecto engloba a acessibilidade, usabilidade, qualidade e confiabilidade do software utilizado, destacando a importância de otimizar todo o ciclo de vida dos dados, desde a sua captura até a sua aplicação eficaz.
3. Governança de dados. Isso inclui o uso de ferramentas como dicionários de dados, que facilitam a compreensão e o acesso aos dados. Também envolve o estabelecimento de políticas claras que definem quem pode acessar os dados e em que circunstâncias.

Índice ‘orientado por dados’

Com base nas dimensões que caracterizam os modelos de negócio, organizacional e de dados, define-se um índice de maturidade para cada modelo numa escala de 1 a 5, em que 5 representa a maturidade máxima e 1, a mínima. Assim, o índice do modelo de negócio é obtido pela soma ponderada da utilização de automação, previsão, coordenação e personalização. Por sua vez, o índice do modelo organizacional é a soma ponderada do desenvolvimento das seis metacompetências:  pensamento de fora para dentro , orientação para a aprendizagem, execução ágil,  colaboração interdepartamental , participação no ecossistema e proficiência em dados. Finalmente, o índice do modelo de dados é obtido pela soma ponderada do desenvolvimento da infraestrutura operacional, da plataforma digital ou programabilidade, da segurança de dados, das características dos dados e da governança de dados.

A Tabela 4 ilustra a distribuição das 161 organizações do estudo mencionado, de acordo com seu nível de maturidade, considerando que o Idd _varia  de 1 a 5. O _Idd médio  do estudo é 2,91 e a maioria das empresas está abaixo da metade dessa escala, o que indica que há considerável espaço para aprimorar o uso de dados em diversas áreas organizacionais.

Para melhor compreender a Tabela 4, é crucial entender que o Índice de Desenvolvimento de Dados (IDD ₎ de cada empresa  é analisado segundo três dimensões principais: modelo de negócios, estrutura organizacional e dados. Essas dimensões são fundamentais para compreender a posição de cada empresa no gráfico. Organizações com menor maturidade nessas áreas estão localizadas na parte inferior esquerda. Por outro lado, as onze empresas no canto superior direito, com pontuações acima de 4, destacam-se pelo uso mais avançado de dados em todas essas dimensões.

 Modelo de negócio

O índice médio do modelo de negócios das 161 organizações é de 2,70. Como mostra a Tabela 5, o uso de dados em processos de automação para melhorar a eficiência é um ponto forte fundamental. Em contrapartida, seu uso para fins preditivos ou prescritivos por meio de análises avançadas e IA apresenta pontuações consideravelmente mais baixas, sugerindo que as empresas ainda estão na fase exploratória do uso de IA. Daí a necessidade de um modelo de dados robusto e de perfis especializados, como cientistas e engenheiros de dados. No que diz respeito à coordenação, é evidente que poucas organizações estão integradas a ecossistemas por meio de APIs externas para cocriar valor, refletindo a limitada programabilidade de seus modelos de dados.

Modelo organizacional

O índice médio no modelo organizacional é de 2,78, dividido nas seis metacompetências apresentadas na Tabela 6. Uma abordagem um tanto  externa ainda predomina , promovendo principalmente produtos e serviços existentes.

Em contrapartida, a colaboração  entre diferentes áreas  é a metacompetência mais avançada, demonstrando a prevalência de equipes multifuncionais em estruturas matriciais. No entanto, a adoção de inteligência artificial e  metodologias ágeis  ainda está em seus estágios iniciais. Isso evidencia a presença limitada de perfis especializados e a escassa implementação de práticas de desenvolvimento iterativo e  funções ágeis específicas  . Embora comuns na área de TI, seu uso ainda não se disseminou para outras áreas funcionais.

Modelo de dados

O índice médio do modelo de dados, de 3,24, é analisado em cinco áreas principais, conforme mostrado na Tabela 7. A  infraestrutura operacional  ressalta a importância da digitalização de processos. A boa pontuação média para segurança de dados demonstra o compromisso da organização com a proteção e o gerenciamento de ataques cibernéticos, embora a atribuição de funções específicas ainda possa ser aprimorada. Em relação à plataforma digital (programabilidade), esforços estão sendo feitos em direção a uma infraestrutura de TI modular suportada por APIs, mas o desenvolvimento de  data lakes  e seu potencial para análises avançadas e IA ainda são limitados. A governança de dados é uma área crítica para melhorias, destacando a necessidade de estruturas e funções mais definidas para otimizar seu gerenciamento, apesar de alguns avanços na conformidade regulatória e na privacidade devido a regulamentações como o GDPR.

Diagnóstico da transformação digital

Das 161 empresas analisadas no  Índice de Empresas Orientadas por Dados (Data- Driven Index _{– DDI)} , 46 se destacaram com um alto DDI  e se consideraram bem-sucedidas em seus processos de transformação digital, em comparação com 45 que reconheceram não ter obtido sucesso. Essa dicotomia evidencia que o DDI _é  um indicador claro de sucesso em processos de transformação digital.

Empresas de sucesso se distinguem não apenas pela adoção de arquiteturas de TI modulares que promovem flexibilidade e inovação, mas também pelo uso intensivo de previsão e automação em suas estratégias de negócios. Além disso, essas organizações adotam uma abordagem altamente centrada no cliente, aplicando metodologias como  design thinking ,  processos job-to-be-done  e  mapeamento da jornada do cliente .

Por outro lado, as 45 empresas menos bem-sucedidas apresentaram um Idd _abaixo  da média, demonstrando deficiências na adoção de tecnologias de dados e na implementação de estratégias organizacionais e de negócios orientadas a dados.

É necessária uma estratégia abrangente que harmonize eficazmente as dimensões tecnológica, empresarial e organizacional.

A Tabela 8 ilustra claramente como os índices variam dependendo do sucesso dos processos de transformação digital, oferecendo uma perspectiva visual da correlação entre um Idd elevado _e  a capacidade de uma empresa de navegar e prosperar na era digital. É importante notar que as empresas que relatam sucesso em sua transformação digital apresentam índices mais altos em todos os parâmetros que compõem seus modelos de negócios, organizacionais e de gestão de dados.

O portfólio de transformação digital

Reconhecendo o valor estratégico dos dados, muitas organizações ainda se concentram em utilizá-los para controlar a execução de seu modelo de negócios. Para embarcar efetivamente na transformação digital, é fundamental enxergar os dados não apenas como uma ferramenta de controle, mas como um recurso essencial para a inovação, integrando-os plenamente à estratégia geral.

Uma boa pontuação no índice de maturidade  orientado a dados  (DDI ₎ apresentado neste artigo é condição necessária para o sucesso nos processos de transformação digital, como demonstram os resultados das 161 empresas analisadas. Por essa razão, o DDI _torna-se  uma ferramenta extremamente útil para empresas que desejam definir, estruturar, priorizar e gerenciar seu portfólio de transformação digital.

A Tabela 9 mostra a matriz para classificar as iniciativas que compõem o portfólio de transformação digital de uma organização ^. As iniciativas do portfólio podem ser classificadas de acordo com duas dimensões: 1) sua contribuição para a geração de novas receitas por meio de novos modelos de negócios e 2) a necessidade de integrar novas capacidades à organização.

No quadrante inferior esquerdo, encontramos iniciativas que apoiam o modelo de negócios existente sem exigir capacidades significativamente diferentes daquelas que a organização já possui. Essas iniciativas focam na digitalização, buscando uma execução mais eficiente do modelo de negócios atual e tendem a usar dados de forma defensiva para otimizar os processos existentes.

No quadrante superior esquerdo encontram-se os testes-piloto de inovação que, embora não exijam a integração de novas funcionalidades, permitem a experimentação de novos modelos de negócio através de interações de dados que incluem não só a automação, mas também a previsão, a coordenação ou a personalização.

No quadrante inferior direito, focamos em iniciativas que visam introduzir novas capacidades. Isso pode envolver o fortalecimento da infraestrutura operacional; a expansão da plataforma digital; a integração de talentos especializados em gestão de dados, como a criação de novas unidades de ciência de dados; ou a adoção de novas metodologias de trabalho que reflitam as metacompetências necessárias para a mudança cultural.

As iniciativas no quadrante inferior direito são chamadas de opções, pois são valorizadas como investimentos estratégicos que oferecem à organização diversas possibilidades de transformação.

O quadrante superior direito contém iniciativas focadas na industrialização de novos modelos de negócios, que são implementadas por meio da ampliação de testes-piloto utilizando capacidades recém-adquiridas. Essa fase é crucial para a transição de ideias experimentais para soluções que impactam diretamente a estratégia e a lucratividade da empresa.

Sáez, da GB Foods, ilustra esse processo por meio do projeto COG (Custo dos Produtos Vendidos), cujo objetivo era aprofundar a compreensão do impacto das matérias-primas na rentabilidade de diversos produtos e mercados. Esse executivo destaca a importância da integração eficaz dos dados ao  data lake da empresa  , enfatizando uma abordagem estratégica que prioriza a qualidade e a relevância analítica dos dados em detrimento da mera acumulação. A chave foi a integração completa dos dados ao  data lake .

No contexto da gestão de um portfólio de transformação digital, o Idd _oferece  orientação sobre como priorizar e direcionar estrategicamente as iniciativas em cada quadrante. Esse papel do _Idd  como um farol na transformação digital é crucial para navegar pelo complexo cenário das novas tecnologias e suas aplicações de negócios.

Echavarri, do Banco Sabadell, reflete essa dinâmica ao abordar o desafio de selecionar e se adaptar às tecnologias emergentes que realmente geram valor para a organização: “Acho que o grande desafio será lidar com todas essas capacidades tecnológicas que surgirão nos próximos anos, ou que já estão surgindo, e ver como seremos capazes de selecioná-las, filtrar aquelas que realmente agregam valor e como seremos capazes de nos adaptar.”

Mais do que simplesmente refletir a situação atual, o Idd _orienta  a evolução futura das organizações, destacando áreas críticas para investimento. Portanto, esta ferramenta é apresentada não apenas como um instrumento de diagnóstico, mas também como um guia para a inovação estratégica contínua e a adaptação necessárias nos processos de transformação digital.