OS DADOS NÃO MENTEM… MAS ENGANAM.
Vivemos a época do ‘data-driven decision making’, e isso é definitivamente bom para marketing e gestão de negócios como um todo. O problema que surge a partir disso é: diante da abundância de dados, como entender corretamente a realidade de um negócio e, enfim, tomar decisões com segurança? A simples disponibilidade dos dados, frequentemente, leva ao excesso de informações inúteis, que pouco agregam – e tantas vezes desfocam, confundem – o ambiente de trabalho.
E sim, temos uma perigosa disponibilidade de dados ao nosso redor, e se por um lado os dados não mentem, por outro eles nos enganam e nos iludem com extrema facilidade.
Muitos de nós usamos as massas de dados geradas em nossas operações de marketing como se ficássemos assistindo as ondas quebrarem na beira da praia, olhamos o tamanho, a forma, a direção, a frequência, mas sem conseguir entender o regime das marés, dos ventos e da geografia que as formam. Isso quando não ficamos apenas observamos apenas a cor da espuma das ondas, mas sem a capacidade de decidir: onde e quando surfar? Surfar ou pescar?
Esta semana estamos tratando de data visualization e produzindo um novo sistema de monitoramento de operações de marketing e da customer experience desde o marketing (branding e acquisition), passando pela venda e seguindo através do ciclo de vida do cliente. Muitas ferramentas martech possuem suas camadas de ‘analytics’, recursos importantes mas que raramente apresentam dados relevantes e até consistentes uma análise integrada do quê acontece no negócio. A grande maioria dos recursos nativos de analytics são construídos com foco na arquitetura técnica, poucas focam no fluxo de trabalho do usuário e quase nenhuma pensa ‘no cliente do cliente’.
Na imagem acima, o dashboard que estamos construindo para um cliente. Nele, alguns dados são puxados via API em tempo-quase-real (sempre a melhor opção, mas nem sempre viável técnica ou financeiramente); outros chegam em lotes (na frequência adequada à natureza de cada informação), vindos de diferentes pontos de contato ao longo da jornada do cliente, mas todos com uma característica em comum: estão organizados para contar com fidelidade uma história sobre o que acontece nos momentos relevantes do negócio.
Esta é apenas uma página e que conta apenas parte da história, as outras seguem em projeto e, como dá para imaginar, está sendo mais trabalhoso pensar no pano de fundo, nos cenários, nos atores e no roteiro dessa ‘história de negócios’ do que em ‘como, onde e quando’ obter os dados para contá-la.
Não importa se o cliente do dataviz quer ‘ler a história contada pelos dados’ para tomar decisões específicas (contexto fechado) ou se quer aprender sobre características do sistema (exploração aberta): as soluções de data visualization e analytics em geral precisam ser usadas com mais consciência, com responsabilidade até. Elas servem para guiar nosso olhar sobre os aspectos mais cruciais trazidos pelos dados, e o uso descompromissado, ou ‘out-of-the-box’ pode ter efeitos indesejáveis na gestão de recursos em uma empresa, proporcionais ao seu tamanho.
Só para ilustrar, uma famosa ferramenta de gestão de marketing apresentava dados de ‘conversão em lead‘ de maneira totalmente incompatível com o entendimento correto de lead no negócio do cliente. Como resultado disso, a equipe de marketing festejava os belos gráficos irreais de conversão enquanto a liderança do negócio não conseguia entender por qual razão o resultado de vendas não correspondia. Tivemos que quebrar a caixa preta dos dados gerados no ‘analytics’ daquela ferramenta, validá-los e encontrar uma nova forma, confiável, de utilizá-los. Agora temos resultados piores de ‘conversão de leads’ – e os novos gráficos nem são tão malabarísticos – mas o cliente consegue usar as informações com confiança para planejar correções e melhorias, enquanto o formato anterior o deixava confuso e paralisado.
Em breve falamos mais sobre os conceitos de trabalho com indicadores e data visualization, e as novas interfaces e processos de dataviz que estamos produzindo – o resto da ‘história contada com dados’. Se tiver dúvidas, quiser saber o resultado do trabalho ou trazer opiniões adicionais a respeito deste tema, fale com a gente!
