O documento fornece três lições principais sobre data analytics aprendidas com empresas de tecnologia:
1) Não existe uma regra única e é importante entender o contexto da própria empresa para escolher as melhores ferramentas e estratégias.
2) Times de data devem ter diferentes especialistas que trabalhem em conjunto, como cientistas de dados e engenheiros de dados.
3) É fundamental centralizar os dados da empresa em um repositório único antes de iniciarem análises, para garantir qualidade e consistência.
4. Cada vez mais lugares falam da sua importância
Data-driven decisions for a changing
world
July 2016
5. Cada vez mais lugares falam da sua importância
Data-driven decisions for a changing
world
July 2016
How data analytics has forever changedpolitical campaigns and elections
March 2018
6. Cada vez mais lugares falam da sua importância
Data-driven decisions for a changing
world
July 2016
Why Your Data Strategy is Your B2B
Growth Strategy
February 2018
How data analytics has forever changedpolitical campaigns and elections
March 2018
7. Cada vez mais lugares falam da sua importância
Data-driven decisions for a changing
world
July 2016
Why data can be the key to your
ecommerce success
March 2018
Why Your Data Strategy is Your B2B
Growth Strategy
February 2018
How data analytics has forever changedpolitical campaigns and elections
March 2018
8. Cada vez mais lugares falam da sua importância
Data-driven decisions for a changing
world
July 2016
Why data can be the key to your
ecommerce success
March 2018
Why Your Data Strategy is Your B2B
Growth Strategy
February 2018
The Age of Analytics: Competing in aData-Driven World
December 2016
How data analytics has forever changedpolitical campaigns and elections
March 2018
9. “JUST AS ELECTRICITY TRANSFORMED
ALMOST EVERYTHING 100 YEARS AGO,
TODAY I ACTUALLY HAVE A HARD TIME
THINKING OF AN INDUSTRY THAT I DON’T
THINK AI WILL TRANSFORM IN THE NEXT
SEVERAL YEARS.”
ANDREW NG
FORMER CHIEF SCIENTIST AT BAIDU, CO-FOUNDER AT COURSERA
‘AI IS THE NEW ELECTRICITY’
30. EVENTOS, CONVERSAS, CALLS, BLOGS,
LINKEDIN, ETC
• +20 Empresas no Brasil
• +10 Empresas no Vale do Silício
• Consultorias
• Empresas de BI
• Microsoft Machine Learning & Data Science Summit
49. Crie visualizações poderosas
Habilidades avançadas
em data management
Habilidades de persuasão
Excelente em Storytelling
Entenda do negócio
Raciocínio lógico, números e
estatística
50. Eles possuem somente uma habilidade especial
Crie visualizações poderosas
Habilidades avançadas
em data management
Habilidades de persuasão
Excelente em Storytelling
Entenda do negócio
Raciocínio lógico, números e
estatística
69. MAS CRM CMSFontes de dados Social
Armazenamento
Data Integration
Data Lake - Governança, Segurança e Operação
70. MAS CRM CMSFontes de dados Social
Armazenamento
Data Integration
Data Lake - Governança, Segurança e Operação
Processamento &
análise
Data Warehouse - ETL Aplicações com Machine Learning
71. MAS CRM CMSFontes de dados Social
Armazenamento
Data Integration
Data Lake - Governança, Segurança e Operação
Processamento &
análise
Data Warehouse - ETL Aplicações com Machine Learning
Data output BI Tools Dashboards Análises Ad-hoc
72. 4
NÓS NÃO ESTAMOS FALANDO
SOBRE DADOS, ESTAMOS
FALANDO SOBRE PROBLEMAS
DE NEGÓCIO
76. TOMADOR DE DECISÃO
{
Não se importará com o número pelo número
Mas sim com o que a informação representa
77. TOMADOR DE DECISÃO
{
Não se importará com o número pelo número
Mas sim com o que a informação representa
E como ela afeta nos resultados de performance
78. ú"l para
a sua análise
inú"l para a sua análise
A MAIORIA DOS DADOS NÃO SÃO ÚTEIS
79. Do dado até o Insight
Dado
O que
aconteceu?
Vantagem
Competitiva
Sofisticação
80. Do dado até o Insight
R$0 R$10.000,00
R$5.500,00
Sales Revenue
81. Do dado até o Insight
Receita
R$0 R$10.000,00
R$5.500,00
Sales Revenue
82. Do dado até o Insight
Receita
Número de
Vendas
Ticket MédioX
R$0 R$10.000,00
R$5.500,00
Sales Revenue
83. Do dado até o Insight
Receita
Número de
Vendas
Ticket MédioX
R$0 R$10.000,00
R$5.500,00
Sales Revenue
84. Do dado até o Insight
Receita
Número de
Vendas
Ticket MédioX
R$0 R$10.000,00
R$5.500,00
Sales Revenue
85. Do dado até o Insight
Dado
Informação
O que
aconteceu?
Por que
aconteceu?
Vantagem
Competitiva
Sofisticação
86. Do dado até o Insight
Vendas
0
27,5
55
82,5
110
Junho Julho Agosto Setembro
Meta Vendas
Número de Vendas
Ticket Médio
R$50
Meta: R$100
87. Do dado até o Insight
Dado
Informação
Inteligência
O que
aconteceu?
Por que
aconteceu?
O que
vai acontecer?
Vantagem
Competitiva
Sofisticação
89. Do dado até o Insight
Dado
Informação
Inteligência
Insights
O que
aconteceu?
Por que
aconteceu?
O que
vai acontecer?
O que fazer para
ter os melhores
resultados?
Vantagem
Competitiva
Sofisticação
116. "BI PROJECTS FAIL BECAUSE OF LACK OF
FOCUS AND CLEAR STRATEGY OF HOW THE
DATA WILL HELP THE COMPANY ACHIEVE ITS
STRATEGIC OBJECTIVES"
BRANDON ROHRER
FORMER DATA SCIENTIST DIRECTOR AT MICROSOFT
DATA SCIENTIST AT FACEBOOK
119. 1
Empresas possuíam várias
fontes de verdade
2
Expectativa que seria somente
comprar uma ferramenta de BI
PRINCIPAIS FALHAS EM DATA
!
120. 1
Empresas possuíam várias
fontes de verdade
2
Expectativa que seria somente
comprar uma ferramenta de BI
3 Não possuir foco no problema
PRINCIPAIS FALHAS EM DATA
!
121. 1
Empresas possuíam várias
fontes de verdade
2
Expectativa que seria somente
comprar uma ferramenta de BI
3 Não possuir foco no problema
4
Negligenciar o esforço em
educação, suporte e comunicação
PRINCIPAIS FALHAS EM DATA
!
124. “DATA WHEEL OF DEATH”
Fase 1
Os dados não são cuidados
Fase 2
Dados ficam irrelevantes/deficientes
125. “DATA WHEEL OF DEATH”
Fase 1
Os dados não são cuidados
Fase 2
Dados ficam irrelevantes/deficientes
Fase 3
As pessoas perdem confiança
126. “DATA WHEEL OF DEATH”
Fase 1
Os dados não são cuidados
Fase 2
Dados ficam irrelevantes/deficientes
Fase 4
Dados se tornam menos úteis
Fase 3
As pessoas perdem confiança
130. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
131. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
132. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
Você deve entender:
133. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
Você deve entender:
• As necessidades de negócios
134. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
Você deve entender:
• As necessidades de negócios
• A cultura organizacional com os dados
135. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
Você deve entender:
• As necessidades de negócios
• A cultura organizacional com os dados
• As características dos dados (latência, volumes e
qualidade)
136. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
Você deve entender:
• As necessidades de negócios
• A cultura organizacional com os dados
• As características dos dados (latência, volumes e
qualidade)
• A importância de cada fonte de dados e quais delas a
gente já possui com a qualidade desejada
137. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
138. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
139. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Garantir que o que sai é o que você precisa
140. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Garantir que o que sai é o que você precisa
• Definir stack de ferramentas
141. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Garantir que o que sai é o que você precisa
• Definir stack de ferramentas
• Definir políticas de governança sobre a sua estrutura de
dados
142. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
143. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Estabelecer um prova de conceito em cima da
arquitetura definida
144. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Estabelecer um prova de conceito em cima da
arquitetura definida
• Definir os critérios de sucesso
145. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Estabelecer um prova de conceito em cima da
arquitetura definida
• Definir os critérios de sucesso
• Estabelecer um alinhamento sobre a performance do DB
146. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Estabelecer um prova de conceito em cima da
arquitetura definida
• Definir os critérios de sucesso
• Estabelecer um alinhamento sobre a performance do DB
• Definir os requisitos de longo prazo para uso de todos os
stakeholders
147. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Estabelecer um prova de conceito em cima da
arquitetura definida
• Definir os critérios de sucesso
• Estabelecer um alinhamento sobre a performance do DB
• Definir os requisitos de longo prazo para uso de todos os
stakeholders
• Desenhar as arquiteturas de BI/Analytics
148. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Estabelecer um prova de conceito em cima da
arquitetura definida
• Definir os critérios de sucesso
• Estabelecer um alinhamento sobre a performance do DB
• Definir os requisitos de longo prazo para uso de todos os
stakeholders
• Desenhar as arquiteturas de BI/Analytics
149. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
150. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Realizar ações de correção a partir dos aprendizados do POC
151. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Realizar ações de correção a partir dos aprendizados do POC
• Estabelecer um roadmap de dados
152. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Realizar ações de correção a partir dos aprendizados do POC
• Estabelecer um roadmap de dados
• Executar e modelar os dados para os usuários finais
153. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Realizar ações de correção a partir dos aprendizados do POC
• Estabelecer um roadmap de dados
• Executar e modelar os dados para os usuários finais
• Educar, treinar e dar suporte para que os usuários sejam
mais eficientes nas suas análises
154. Passo 1: Fase de
Compreensão
Passo 2: Fase de
Priorização
Passo 3: Fase de
Deploy
Passo 4: Fase de
Aprendizado e
Melhorias
• Realizar ações de correção a partir dos aprendizados do POC
• Estabelecer um roadmap de dados
• Executar e modelar os dados para os usuários finais
• Educar, treinar e dar suporte para que os usuários sejam
mais eficientes nas suas análises
• Realizar melhorias através do constante aprendizado
158. Compreenda os
seus dados e o negócio
Ganhe apoio
político e consiga
prioridade
Priorize o que
realmente
impacta nos
negócios
159. Compreenda os
seus dados e o negócio
Responda uma grande
pergunta e obtenha uma
visão de longo prazo
Ganhe apoio
político e consiga
prioridade
Priorize o que
realmente
impacta nos
negócios
160. Compreenda os
seus dados e o negócio
Compreenda, corrija,
repita, cresça a
relevância
Responda uma grande
pergunta e obtenha uma
visão de longo prazo
Ganhe apoio
político e consiga
prioridade
Priorize o que
realmente
impacta nos
negócios