Pensar Sério
Gestão da Mudança na era do Prescritive Analytics
Por Bernardo Almada Lobo*
Há várias definições para analytics. Uma das mais populares considera analytics como o processo científico de transformação de dados em conhecimento para promover a tomada de melhores decisões. É um processo end-to-end, que envolve várias etapas e que deve arrancar com o enquadramento do problema de negócio e terminar com a gestão do ciclo de vida do modelo especificado, desenvolvido, validado e implementado. Um projeto de analytics não tem necessariamente que envolver um sistema embebido num processo automatizado (com maior ou menor interferência de agentes de decisão), podendo limitar-se a uma análise one-off de desenho ou melhoria de um processo ou serviço.
Não obstante a importância de tarefas mais técnicas, como a identificação do problema de analytics, a recolha e tratamento dos dados, a seleção da metodologia (abordagem) e a criação de modelo, a definição inicial do business case e a gestão da mudança na adoção de soluções prescritas por métodos analíticos afiguram-se cruciais para almejar o tão desejado retorno deste tipo de projetos. Entenda-se a gestão da mudança enquanto processo de transição de um estado atual (por exemplo, sem modelo de analytics) para um estado futuro desejado (com o novo modelo).
A maioria das organizações (80%) já recorre (com maior ou menor eficácia) a descriptive analytics para compreender eventos passados, um número menor (27%) tenta por intermédio de predictive analytics antecipar cenários e estimar tendências, e apenas uma minoria (15%) aciona recomendações ótimas ou inteligentes e simula os resultados futuros das decisões através de prescriptive analytics (que obriga à utilização a priori dos outros dois tipos de analytics). Uma das razões para esta baixa percentagem de adesão é o número não desprezável de projetos de prescriptive analytics mal sucedidos. A necessária alteração do mindset das empresas para o recurso a modelos de otimização e sistemas de apoio às decisões de negócio, requer mais do que apenas a tecnologia, as pessoas e os processos apropriados.
Para um projeto bem-sucedido de prescritive analytics é necessário um buy-in de todos os stakeholders envolvidos, desde a gestão de topo (o seu compromisso e entusiasmo tem que ser visível), passando pelos detentores dos dados, colaboradores afetados pela mudança e utilizadores finais das soluções e novos processos de analytics. A resposta de um indivíduo à mudança é função da interação da sua personalidade e de fatores ambientais (tais como, pressão para a mudança, eficácia da comunicação em relação à mudança e o seu impacto potencial). O envolvimento dos stakeholders no processo de mudança mitiga a resistência à mudança, aumentando a probabilidade de ser aceite e implementado. A forma como o compromisso entre as pessoas e o processo de mudança é construído e mantido passa por várias etapas de apoio à adoção e internalização de soluções de analytics.
Dos dois tipos de projetos de analytics referidos anteriormente, a implementação de sistemas de apoio à decisão (SAD) é o mais exigente quanto aos processos de gestão de mudança. Para alguns stakeholders, tidos como especialistas de uma determinada função, o novo processo de analytics pode despoletar a perceção de risco do próprio emprego. No SAD é fundamental colocar a ênfase na potencialidade de o sistema explorar diferentes cenários num curto intervalo de tempo, e não na otimalidade dos acionáveis gerados. O SAD não pode ser uma caixa-preta (black-box), mas antes uma caixa-de-vidro (glass-box). Os utilizadores devem guiar o processo de decisão, interagindo com o sistema, condicionando por vezes recomendações analíticas do SAD (quando, por exemplo, o utilizador detém informação privilegiada e não previamente partilhada). Para tal, deverá ser transparente, simples de usar, robusto, completo e incorporar os requisitos críticos do negócio.
Adicionalmente, urge dimensionar devidamente as equipas para a transição quando as empresas se envolvem em processos de transformação com base em métodos analíticos. Nestes casos, para além de ser necessário assegurar o “business-as-usual”, há um esforço dos gestores e colaboradores em implementar as alterações aos processos ou sistemas em vigor. A duração do processo de mudança deve ser curta; caso não seja possível, deve haver uma monitorização apertada entre os milestones. É fundamental definir um conjunto de métricas que demonstrem o sucesso da implementação do processo, e o seu impacto quando comparado com a situação inicial.
Para além dos aspetos relacionados com a gestão da mudança, a natureza específica das técnicas e do trabalho a desenvolver, em especial a incerteza quanto à abordagem a usar (há sempre uma dose de tarefas I&D), a disponibilidade e qualidade dos dados, e os conhecimentos obtidos com os modelos, torna os projetos de analytics um desafio único para todos os entusiastas da otimização.
*Membro do Conselho de Administração do INESC TEC e Docente na FEUP
Bibliografia
Davenport, T., Kirby, J., Only Humans Need Apply: Winners and Losers in the Age of Smart Machines Hardcover, HarperBusiness, 1st ed., 2016
Levasseur, R.E., Building Analytics Decision Models That Managers Use - A Change Management Perspective, Interfaces, vol:45(4), pp.363-364, 2015
Lustig, I., Balaporia, Z., Kempf, K., Milne, J. Saxena, R., Change Management for Analytics Projects, Informs Conference on Business Analytics & Operations Research, Orlando, 2016
Sirkin, H.L., Keenan P., Jackson, A., The Hard Side of Change Management, Harvard Business Review, October issue, 2005
