Onde a colaboração falha em relação aos dados (e 4 dicas para corrigi-los)

Republicado por Platão

seguidores: 0

Onde a colaboração falha em relação aos dados (e 4 dicas para corrigi-los)
Imagem por creativeart no Freepik

As equipes de dados estão trabalhando cada vez mais como equipes de engenharia de software, adotando ferramentas de engenharia e desenvolvimento para gerenciar seu trabalho. Eles variam de sistemas de controle de versão, como o Github, à adoção de práticas ágeis, como Kanban e Scrum, e incluem cerimônias como reuniões diárias, compromissos de sprint e demonstrações de sprint. Soluções específicas (como dbt para modelagem de dados, teste e integração) chegaram ao mercado, suportando a mentalidade de engenharia de software. Essas soluções permitem que grandes equipes de dados distribuídos façam seu melhor trabalho.

Mas quando se trata de colaboração entre as equipes de dados e o restante da empresa, ainda há muito espaço para inovação.

Mesmo as organizações orientadas a dados com visão de futuro ainda contam com ferramentas e práticas de colaboração padrão (por exemplo, Slack, e-mail ou reuniões agendadas regularmente) para gerenciar a comunicação entre suas equipes de dados e as partes interessadas nos negócios. Afinal, por que não? A equipe de dados e seus fluxos de trabalho não deveriam se assemelhar a outras funções na organização? Esse argumento e comportamento funcionam quando as interações são de natureza relativamente genérica. Mas em situações em que a dinâmica da equipe é mais complexa (e os dados são mais centrais para todas as conversas e decisões importantes), essa confiança em soluções genéricas é insuficiente.

À medida que os dados se tornam mais centrais para as operações de negócios, os membros da equipe de dados geralmente precisam usar vários chapéus. Em alguns casos, eles precisam atuar como gerentes de produto, entendendo as necessidades dos usuários de negócios, para que possam evoluir a plataforma de dados. Em outros casos, eles são obrigados a lidar com solicitações ad hoc em uma capacidade de suporte. Em outras situações, eles precisam integrar novos usuários e ajudá-los a interagir com os ativos de dados disponíveis para eles.

As ferramentas genéricas de colaboração e as abordagens tradicionais para gerenciar o trabalho rapidamente se desfazem nesses cenários. As equipes de produto e as equipes de suporte têm ferramentas específicas para gerenciar seu trabalho. As equipes de dados também não precisam de uma solução para gerenciar melhor as solicitações das partes interessadas? Ou ferramentas para gerenciar sua documentação de suporte ou treinar usuários finais? As melhores equipes de dados geralmente se deparam com essa parte do fluxo de trabalho e acabam adotando soluções criadas para outras pessoas (neste caso, equipes de produto e suporte).

Como a maior parte do trabalho e das interações de dados é interna, pode ser difícil para as equipes encontrar a maneira certa de trabalhar com as partes interessadas do negócio sem criar confusão e enfrentar constrangimentos.

Se você investigar os problemas de colaboração entre equipes de dados e outros, certamente encontrará assimetrias de informações entre criadores e consumidores de ativos de dados. Por um lado, você tem criadores de dados com profundo conhecimento sobre os dados subjacentes, como manipulá-los e analisá-los e como contextualizá-los em um corpo maior de ativos de dados. Por outro lado, você tem consumidores de dados, que normalmente são especialistas no domínio com um rico conhecimento sobre o próprio negócio, o que pode ser crítico para fornecer um contexto mais amplo, entender os dados e desenvolver a plataforma de dados.

Tome Jane, por exemplo. Ela acabou de ingressar em uma empresa da Fortune 500 como gerente de vendas, gerenciando uma equipe distribuída de 15 vendedores espalhados pelo sudeste. No segundo dia de seu novo trabalho, ela recebe um e-mail de um colega com vários links para vários recursos: uma planilha com informações de pipeline, vários relatórios no Salesforce e um punhado de painéis sobre o desempenho individual na solução de BI da empresa. Depois de passar alguns minutos olhando os dados, ela percebe que não tem ideia do que está realmente olhando e do que isso significa. Ela envia uma mensagem para seu gerente de operações de vendas pedindo ajuda, que liga para o parceiro da equipe de dados que criou a maior parte desses recursos. O analista de dados lê o e-mail, suspira e passa a próxima hora escrevendo uma resposta. Eles criam um ticket no quadro do JIRA para “reavaliar a documentação”.

A causa raiz por trás desses tipos de problemas de colaboração de dados são as assimetrias de informações entre construtores e consumidores, que deixam todos frustrados e infelizes.

Tragicamente, as pessoas que são mais afetadas por essa dinâmica são funcionários juniores ou gerentes intermediários na linha de frente, porque eles normalmente têm menos poder na organização e menos contexto para entender as decisões tomadas em torno dos dados. Sem treinamento intensivo, esses funcionários ficam vulneráveis a tipos de problemas de comunicação resultantes de assimetrias de informação. Eles também são propensos a serem vítimas da “síndrome da roda que range”, em que as vozes dos executivos e membros da equipe de liderança sênior são naturalmente ouvidas mais alto pelas equipes de dados (e, portanto, suas solicitações e necessidades são priorizadas sobre as dos outros).

Para obter um melhor retorno sobre os investimentos maciços feitos em ferramentas e equipes de dados, precisamos atacar essas assimetrias de informações no centro de nossos problemas. Chegar a zero talvez seja uma meta aspiracional, mas as equipes de dados devem se esforçar continuamente para fechar essa lacuna por meio de práticas, parcerias e ferramentas. Isso removerá o atrito, aumentará a transparência e a confiança e permitirá que todos aproveitem melhor as ofertas de dados da empresa.

Aqui estão 4 dicas proativas para líderes de dados que desejam reduzir as assimetrias de informações e obter uma melhor colaboração em suas organizações:

Realinhar estruturas organizacionais e de equipe com as necessidades do negócio. Isso inclui não apenas modelos de relatórios, mas também papéis e funções da equipe de dados. Já estamos começando a ver mais ofertas de emprego para funções como “gerente de produto de dados” ou “mestre scrum de dados”. Essas novas funções ajudarão as equipes de dados a gerenciar os desafios de colaboração que, no final das contas, geralmente são sobre pessoas e processos versus problemas de tecnologia subjacentes.
Considere investir em um modelo matricial onde os membros de sua equipe – ou em alguns casos pods inteiros – estão alinhados a unidades de negócios específicas. Isso permitirá o alinhamento de iniciativas de dados de longo prazo com as necessidades imediatas de negócios, promoverá o compartilhamento de conhecimento, bem como relacionamentos mais próximos e colaborativos entre analistas e aqueles a quem eles dão suporte no dia a dia.
Comece pequeno e construa seu sucesso à medida que avança. o poder das primeiras impressões não pode ser superestimada. As percepções iniciais da equipe de dados são incrivelmente importantes para como seu trabalho será recebido, portanto, pense bem sobre como isso acontece com os principais membros da equipe desde o início. Concentre-se em construir relacionamentos fortes com 1-2 campeões-chave na organização que podem ajudar a divulgar o quão incrível você é. Expandir a partir daí.
Esteja ciente de quais ferramentas de colaboração pode ser aproveitado em todo o ciclo de vida de suas iniciativas de dados e produtos de dados. Por exemplo, pense em como você deseja reunir seu pessoal, processos e sistemas para cada uma das categorias abaixo. Frequentemente, o que funcionará para uma categoria falhará miseravelmente em outras:
- Colaboração dentro da equipe de dados
- Colaboração genérica com outros funcionários fora de sua equipe
- Perguntas ad hoc ou novas solicitações de recursos
- Suporte contínuo para produtos de dados
- Escopo de novas iniciativas de dados ou produtos de dados
- Evoluindo sua oferta de dados com base no que é valioso para os negócios

Equipes de dados inovadoras já estão migrando para as melhores práticas de engenharia de software e essa tendência provavelmente continuará nos próximos anos. Ao pensar em investir em infraestrutura de dados para dar suporte ao crescimento futuro, pense em ferramentas que dão suporte à colaboração de parceiros de negócios.

Nicolau Freund é um executivo experiente do setor de SaaS com mais de uma década de experiência liderando startups com foco no crescimento liderado por produtos. Como fundador e CEO da Workstream.io, Nick lidera uma startup de tecnologia em estágio inicial que ajuda as equipes de dados a gerenciar ativos de dados críticos. Antes da Workstream, Nick atuou como vice-presidente de operações da BetterCloud, um fornecedor de software independente que oferece a solução líder de gerenciamento de operações SaaS. Anteriormente, Nick ocupou altos cargos financeiros na Tesla, enquanto fazia seu MBA em Harvard.