Tomada de decisão e importância da análise de dados em produtos digitais
Taynara Rechia

Taynara Rechia

Lead Consultant | Technical Product Manager

15 minutos de leitura

Os dados são informações coletadas a partir de diversas fontes, como pesquisas, transações financeiras, registros de comportamento e interação em plataformas digitais, entre outros. Esses dados são a base para a análise e tomada de decisão em diversos setores, como negócios, governo, saúde, educação e ciência.

A importância dos dados na atualidade já não é mais novidade. Com o avanço da tecnologia e os diferentes contextos que estamos atravessando em períodos de tempo cada vez mais curtos (como, por exemplo, a pandemia da COVID-19, recessão global, guerra na Ucrânia, crise por conta da alta inflação e redução do poder de compra) o comportamento humano acaba também mudando cada vez mais rápido. Com isso, a quantidade de dados gerados cresceu exponencialmente, o que permite (e exige) a criação de modelos de análise mais precisos, assim como de decisões mais embasadas. Por isso, é essencial saber coletar, processar e analisar dados de forma eficiente.

Coletando dados para análise de um produto digital

Para fazer análises de um produto, por exemplo, é importante não só coletar dados sobre o comportamento dos usuários (como tempo de uso, taxas de conversão, feedbacks e avaliações, entre tantos outros), como também saber quais são as métricas mais importantes para a organização, visando ser estratégico sobre quais dados irá coletar. 

Esses dados podem ser coletados por meio de ferramentas de análise, como por exemplo o Google Analytics, Hotjar ou Mixpanel, que permitem a visualização de informações como páginas mais acessadas e tempo médio de navegação. Além disso, pesquisas de mercado e entrevistas com os usuários também podem fornecer dados valiosos para a análise.

Ao coletar os dados, é necessário processá-los para que possam ser analisados. Isso pode ser feito por meio de técnicas como mineração de dados, análise de regressão, machine learning ou até mesmo manualmente, organizando esses dados em planilhas mediante a coleta de informações via formulários. Essas técnicas ajudam a identificar padrões, tendências e relações entre as variáveis, o que permite a criação de modelos preditivos e a tomada de decisão mais assertiva.

Processando dados antes da análise

O processamento dos dados coletados é uma etapa de preparação crucial deste trabalho, pois garante que os dados estejam limpos, organizados e prontos para a análise. Sem um processamento adequado, os dados podem levar a conclusões errôneas ou imprecisas, prejudicando a tomada de decisão.

De acordo com o artigo do site da Talend, que fala sobre preparação de dados, os principais motivos que justificam a importância desse processo são:

  • Limpeza e preparação dos dados: os dados coletados podem conter informações incompletas e/ou inconsistentes. Fazer a limpeza e preparação dos dados envolve a remoção de dados duplicados, correção de valores faltantes ou inválidos e a padronização dos dados;
  • Transformação dos dados: os dados coletados podem estar em diferentes formatos, como planilhas, bancos de dados ou arquivos de texto. Transformar os dados em um formato comum, como uma tabela ou banco de dados permite que os dados sejam comparados e analisados com mais facilidade;
  • Redução de ruído: os dados coletados podem conter informações irrelevantes ou de pouco valor. A redução de ruído envolve a identificação e remoção de dados que não são relevantes para a análise;
  • Criação de variáveis e indicadores: os dados coletados podem não conter diretamente as informações necessárias para responder às perguntas de análise. Nesse caso, pode ser necessário criar novas variáveis ou indicadores a partir dos dados coletados, a fim de obter as informações necessárias para a análise;
  • Anonimização dos dados: Os dados coletados podem conter informações pessoais ou sensíveis que precisam ser protegidas. Nesse caso, é importante anonimizar os dados a fim de garantir a privacidade e a segurança das informações.

Claro que, a depender do contexto, quantidade de dados e necessidades específicas, vai se fazer necessário o uso de ferramentas e/ou até mesmo o profissional de Data para apoiar ou executar esse trabalho. Mas é sempre bom conhecer um pouco as possibilidades caso precise executar esse trabalho.

Analisando dados de produtos digitais

Aplicar a análise de dados gera diversos resultados positivos para um produto ou empresa, nos possibilitando identificar problemas e oportunidades de melhoria, a personalização de produtos e serviços, o aumento da eficiência e a redução de custos e riscos. Além disso, as análises também podem fornecer insights valiosos para a criação de estratégias de marketing e vendas, novas features, e para a identificação de novos nichos de mercado.

Vamos a um exemplo prático, onde você é a pessoa Product Manager de um aplicativo de delivery e deseja coletar alguns dados a fim de saber mais sobre as preferências e comportamentos de seus usuários. Você pode coletar dados de várias maneiras, como:

  • Realizar pesquisas de satisfação através de um CSAT ao fim de cada pedido realizado, ou enviando um formulário de feedback para a base de usuários;
  • Analisar os pedidos anteriores dos usuários para identificar padrões de compra;
  • Usar ferramentas de análise de redes sociais para monitorar as conversas dos usuários sobre o app e seus produtos;
  • Analisar a jornada que os usuários estão fazendo no app por meio do tagueamento;
  • Acompanhar no Google Analytics relatórios relevantes que estejam criados previamente com dados sobre vários aspectos do comportamento do usuário.

Após coletar os dados e processá-los, é possível analisá-los para entender melhor as preferências dos usuários e criar estratégias, seja de vendas, marketing e/ou experiência mais eficaz.

Por exemplo, se a análise dos dados mostra que a maioria dos usuários pedem mais pizza e hambúrguer nas quartas e sextas. Sendo assim, você pode aumentar a oferta desses produtos nesses dias da semana e até enviar pushes oferecendo cupons. 

Ou ainda, se a análise dos dados mostra que um número significativo de usuários abandona o carrinho de compras antes de finalizar a compra, você pode implementar melhorias na experiência de compra para aumentar a conversão de vendas.

Conectando dados com os KPIs para a tomada de decisão

Conectar os dados analisados com KPIs (Key Performance Indicators) e métricas importantes da organização é fundamental para identificar se estamos alcançando ou não os objetivos estabelecidos.

Existem algumas etapas que podem ser seguidas para realizar essa conexão:

Identificar os objetivos e metas da organização

O primeiro passo é identificar esses objetivos e metas da organização para que seja possível definir as métricas e KPIs relevantes (caso ainda não tenham sido definidas) e avaliar se esses objetivos estão sendo alcançados. 

Se você criou uma Lean Value Tree por exemplo até chegar no seu produto como uma das apostas priorizadas, será uma das formas que você pode identificar esses objetivos e métricas de sucesso.

Definir as métricas e KPIs 

Com base nos objetivos da organização e/ou do produto, é preciso definir as métricas e KPIs relevantes para avaliar o progresso em relação a esses objetivos. Por exemplo, se um dos objetivos da organização é “ser a primeira marca a ser lembrada pelos consumidores quando estão com fome”, e a partir das apostas mapeadas um dos resultados esperados ser o aumento das vendas, uma métrica relevante pode ser o número de vendas realizadas. Da mesma forma, um KPI pode ser a taxa de conversão de vendas.

Coletar os dados para análise

Com os objetivos, métricas e KPIs definidos, agora é necessário buscar os dados relevantes que podem ser coletados de diferentes fontes a depender do contexto, como sistemas de gestão, ferramentas de análise de dados, pesquisas de mercado, entre outros, como já mencionei anteriormente.

Voltando ao exemplo do aplicativo de delivery, imagine que estamos acompanhando os seguintes dados:

  • Número de pedidos realizados diariamente;
  • Tempo médio de entrega;
  • Taxa de cancelamento de pedidos;
  • Avaliação média dos usuários sobre o serviço.

Esses dados podem se conectar diretamente aos KPIs e OKRs da empresa. Por exemplo, a empresa busca aumentar sua receita após implementar algumas iniciativas na área de marketing, então o número de pedidos realizados diariamente pode ser um dado relevante, ou, se a empresa vem investindo em melhorar a experiência do usuário, então a avaliação média dos usuários sobre o serviço pode ser outro dado importante.

Ao conectar esses dados analisados com KPIs e métricas importantes da organização, é possível medir o progresso em relação aos objetivos estabelecidos e identificar áreas que precisam de melhorias. Essa conexão também garante a tomada de decisões informadas e orientadas por dados, melhorando a eficácia das estratégias de negócios.

Além disso, os resultados da análise desses dados devem ser interpretados com muito cuidado e atenção, buscando entender se estamos realmente alcançando ou não os objetivos da organização. É importante ter uma compreensão clara para que as conclusões sejam precisas e confiáveis.

Apresentando os dados para os stakeholders

Em uma organização que apresenta certo nível de maturidade em transformação digital e possui uma governança bem estruturada, em seu modelo de lideranças possivelmente existem algumas cerimônias semanais, mensais e trimestrais. Nesses momentos são discutidos os resultados obtidos até então, se estão próximos de atingir algum KPI de negócio ou não, quais ações as áreas tem tomado, se existe algum bloqueio ou situação crítica a ser discutida, entre outros assuntos que podemos falar em um próximo artigo só sobre esse tema.

O ponto aqui é que, nesse contexto de tomada de decisão, as lideranças usam esses dados coletados e analisados para gerar discussão e reflexão durante essas reuniões.

Porém, mesmo que a empresa ainda não possua esse nível de maturidade, mesmo que seja uma empresa top-down (na qual nos sentimos em uma pastelaria por ter que executar tudo o que a alta liderança pede, por “achar” que deve ser como eles acreditam ser o melhor) coletar os dados continua sendo importante (não desista, risos). Seja qual for o contexto, você pode ajudar a criar essa cultura ao apresentá-la aos stakeholders que começam a ver valor nesse acompanhamento dos resultados, principalmente quando falamos sobre qual o resultado gerado exatamente onde eles têm investido seu dinheiro.

Algumas dicas práticas

Esses resultados da análise de dados devem ser comunicados de maneira clara e objetiva, destacando os que são relevantes para os objetivos da organização e fornecendo insights acionáveis que possam ajudar a melhorar o desempenho e tomar medidas rápidas.

Para apresentar esses dados existem várias formas e ferramentas, é importante identificar lá no mapa de empatia dos stakeholders como eles gostam de absorver as informações. Assim você será mais assertivo na hora de definir essas ferramentas e formas de apresentar. 

mapa de empatia para stakeholders e tomada de decisão
Mapa de empatia

Quando utilizar gráficos e tabelas, é importante ter o cuidado em como estão dispostas essas informações, para que permitam uma fácil visualização com os dados mais relevantes e que realmente demonstrem o que de fato eles significam, jogando somente dados soltos em um gráfico pode deixá-los mais confusos e distantes do seu propósito sobre as informações.

Por exemplo, um gráfico de linhas pode mostrar a evolução do número de pedidos realizados diariamente ao longo do tempo, enquanto uma tabela pode mostrar a taxa de cancelamento de pedidos por região. Então tenha sempre o cuidado de conectar os dados com o que eles significam e apresente-os de forma que qualquer pessoa que veja já entenda de cara o que representa.

É importante também utilizar uma linguagem simples e direta, evitando jargões técnicos que possam confundir os stakeholders.

Mas cuidado: não tente ser perfeito o tempo todo. Ás vezes, o que é óbvio para você (por estar inserido nesse contexto) pode ser extremamente confuso para um stakeholder. Foque no que importa e sempre peça feedbacks para melhorar essas apresentações.

Com isso, os stakeholders vão construir a tomada de decisão de forma mais embasada. Isso permite que as empresas criem estratégias mais eficazes e orientadas para os clientes, que resultam em melhores resultados de curto a longo prazo.

Explorando as razões por trás dos resultados insatisfatórios

Se durante o acompanhamento e análise dos dados observamos que não estamos atingindo os objetivos, é importante identificar as causas e tomar medidas para recalcular uma nova rota evitando a tempo de continuar o investimento em algo que não está gerando resultados.

Identificar as principais causas de não terem atingido os objetivos é de fato o primeiro passo. Ou seja, mapear todos os pontos de possíveis gargalos. Pegando o exemplo do aplicativo, isso pode envolver desde problemas com a plataforma de delivery até questões de logística e gestão de estoque, campanhas de marketing que não estão alcançando o público desejado, entre vários outros fatores.

Duas ferramentas old school, mas que ainda ajudam bastante nessas situações de mapeamento, podem ser os 5 porquês e o Diagrama Ishikawa (conhecido como diagrama espinha de peixe).

Diagrama de Ishikawa para tomada de decisão
Diagrama de Ishikawa

Mas você pode fazer de qualquer outra forma, desde que ajude nesse mapeamento de forma assertiva para tomar ações rapidamente.

O próximo passo é definir as ações com base nas causas identificadas. Por exemplo, se o tempo médio de entrega está alto, pode ser necessário investir em melhorias na logística, na contratação de mais entregadores, mudanças no processo de preparação dos pedidos, contratar mais funcionários, comprar fogões ou fornos maiores.

Aqui podem haver várias possibilidades a depender do problema identificado, e ter essa visão holística também ajuda muito. Como nos exemplos que acabei de mencionar, mesmo que os dados apontem uma insatisfação no aplicativo, o real motivo pode estar em uma área não relacionada ao mesmo.

Com os problemas identificados, mapeados, novas ações definidas e implementadas é hora de acompanhar os resultados, e verificar se essas medidas tomadas estão gerando o impacto esperado. E isso vai envolver a análise de novos dados e a realização de testes para verificar a eficácia dessas ações.

Comunicando resultados negativos e dando transparência

Como nem tudo são flores, temos o desafio de também dar notícias não tão boas para os stakeholders quando observamos que não estamos conseguindo alcançar o que é esperado. Eestá tudo bem! Isso não é sobre pessoas e sim sobre as apostas feitas, as quais só iríamos saber se elas realmente iriam gerar resultados quando fossem executadas. Ou seja, testando.

Quando isso acontece, é importante ser transparente sobre a situação e explicar claramente as causas e as ações que estão sendo tomadas. É preciso enfatizar que o time está comprometido em alcançar seus objetivos e que está trabalhando para superar essas dificuldades, mostrando que através dos dados foi e é possível entender qual próximo passo deve ser seguido. 

Além disso, é importante ouvir os stakeholders e considerar suas opiniões e sugestões para ajudar a encontrar soluções eficazes para os problemas, afinal eles são as pessoas que mais entendem do seu próprio negócio, além de ter a autonomia e conhecimento para apoiar nos novos direcionamentos. 

Por fim, é importante manter um diálogo aberto com os stakeholders e informá-los regularmente sobre os progressos alcançados e os desafios enfrentados, bem como quais conquistas tem levado ao sucesso.

Conclusão

Os resultados das análises de dados são um dos principais norteadores para a tomadas de decisão, e devem sempre ser considerados junto a outros fatores (como por exemplo, o ecossistema onde a organização está inserida e como funciona suas áreas, a expertise das equipes de trabalho, as tendências de mercado e o cenário econômico e político). E apesar de a análise de dados ser uma ferramenta poderosa para a tomada de decisão, ela deve ser usada de forma consciente e estratégica.

Leia também: