A cadeia de valor dos Dados — Data Value Chain
Muito se fala sobre o valor dos dados na sociedade orientada à dados. Mas poucos entendem o ciclo de vida dos dados.
Um artigo do site “Open Data Watch”, fala sobre a cadeia de valor dos dados, ou seja, sobre algumas perguntas em torno do ciclo de atividades dos dados, tais como:
· Quando os dados são usados?
· Qual foi a decisão tomada?
· Qual será a condição é alterada, ou quem será afetado?
· Qual o impacto obtido?
· Como os dados são transformados a partir de sua forma bruta em informações acionáveis?
As respostas para essas perguntas são a essência da cadeia de valor de dados.
A cadeia de valor dos dados serve para que possamos compreender e administrar os dados que trabalhamos com maior responsabilidade e consciência de seu valor.
Com base no modelo do estudo da Open Data Watch, vamos falar de cada etapa da cadeia de valor de dados:
Identificação: O processo de identificação, trata-se do momento em que formulamos as perguntas que vamos fazer aos dados. O que estamos buscando como resposta? Que tipo de dados precisamos para resolver um problema, responder a uma pergunta ou monitorar um processo.
Coleta: O processo de coleta é quando estabelecemos como e onde vamos coletar os dados. Isso pode envolver pesquisas ou recuperação de dados administrativos ou o uso de métodos de sensoriamento remoto (IoTs). As decisões tomadas aqui afetarão a qualidade e a usabilidade dos dados ao longo de todo o seu ciclo de vida.
Processamento: Envolve o tratamento dos dados para garantir que sejam registrados, classificados e armazenados corretamente em formatos que permitam um uso posterior.
Análise de dados: Este estágio destaca algumas das atividades estatísticas mais básicas, como a especificação das evidências necessárias para responder a uma pergunta ou compreender um problema. Também envolve o cálculo do tamanho da amostra, a garantia da integridade dos dados (validação de fontes, periodo de coleta das amostras, representatividade da realidade analisada), tudo para garantir a qualidade e a veracidade dos dados para que seus usuários possam confiar, valorizar e usar estes dados. O valor dos dados começa a crescer neste estágio.
Publicação: A publicação dos dados e dos metadados que os acompanham, deve ser de forma que os usuários possam acessá-los com facilidade. Esta fase envolve três subatividades: a publicação de dados com documentação adequada nos formatos online e offline; a disseminação dos dados para usuários em potencial; e o “storytelling” da análise de dados para extrair os “insights” demandados.
Disseminação: A etapa de disseminar e incentivar os usuários a incorporar dados ao processo de tomada de decisão e influenciá-los a valorizar os dados. Esta etapa é que vai garantir a real valoração dos dados. Ela pode ser feita de várias maneiras: por meio de comunicados e divulgação online; através da realização de treinamentos, seminários ou outros eventos educacionais; melhorando a experiência do usuário através dos sites ou portais de dados e arquivos.
Conexão: Como os usuários dentro e fora da organização valorizam e precisam de dados para o desenvolvimento de suas atividades, seu envolvimento, sua conexão com os produtores de dados, provavelmente aumentará, melhorando ainda mais a qualidade e a relevância dos dados;
Incentivar: É importante observar que a confiança na qualidade dos dados é um pré-requisito crucial para incentivar os usuários a usar os dados. Para aumentar a credibilidade, os produtores de dados devem ser o mais transparentes possível sobre os métodos de coleta de dados e controles de qualidade. Também é importante separar comentários ou interpretação dos dados dos metadados, especialmente quando interesses especificos dos usuários possam estar envolvidos.
Influenciar: A influencia sobre os usuários de dados dependerá de percepções de autonomia ou falta de interferência, combinadas com confiança, relevância e qualidade.
Utilizar: Exemplos de impacto são um meio de defender que os dados tenham maior prioridade nas alocações orçamentárias das organizações ou nas decisões de investimentos na área. Criar indicadores de sucesso, calcular o impacto positivo da utilização de dados nas decisões de negócios são atividades que devem ser priorizados pelos gestores de área de Dados (CDOs).
Mudanças: Mudanças de fontes, de prioridades, devem ser sempre contempladas, avaliar o feedback dos usuários e readequar os processos de coleta, tratamento, publicação, documentação, armazenamento e segurança devem ser observados sempre. Esta caracteristica é que garante a usabilidade e a confiança nos dados, bem como seu valor agregado.
Reutilização: Quando temos governança bem aplicada na gestão de dados é possivel reaproveitar dados de diferentes estudos e ganhar velocidade nas entregas bem como economizar custos e garantir a sustentabilidade da operação.
O papel do gestor de dados (Chief Data officer) é muito mais amplo que a de um gestor técnico. Ele precisa compreender todas as caracteristicas estratégicas da organização para que os dados possam efetivamente agregar valor aos negócios e ser a base para mitigação de riscos e propulsor de lucros e vantagens competitivas para o negócio.
O conceito infonomics, criado por um analista do Gartner para avaliar os dados de uma empresa como um ativo, é uma forma de demonstração efetiva do valor tangível dos dados.
Pode-se aplicar métodos estatísticos como WOE (Weight of Evidence — peso da evidência) e IV (Information Value — valor da informação) para mensurar a qualidade dos dados coletados e tratados na sua empresa, quão mais completos e atualizados forem maior será o seu valor tangivel na tomada de decisão para gerar rentabilidade bem como reduzir custos.
Os mesmos métodos estatísticos podem ser aplicados para quantificar o valor destes dados para os negócios dos seus clientes ou fornecedores. Quando a sua informação dentro da cadeia produtiva pode otimizar processos produtivos dos seus fornecedores de materia prima, por exemplo, de acordo com os dados de desgaste de peças que você coleta dos seus equipamentos inteligentes.
O valor dos dados servem tanto para demonstrar a capacidade preventiva da sua organização mediante as oportunidades quanto ameaças do mercado de forma proativa bem como o impacto da sua operação ao meio ambiente, pois seus dados podem contribuir para medidas de preventivas em diversas áreas, dependendo do setor em que atue e será parte fundamental para adequação aos indicadores ESG (Environmental, Sustainability and Governance).
Como podem ver, a dinâmica da gestão de dados passa a ser cada vez mais estratégica e mensurável.
Fonte: Site Open Data Watch — The data value chain
LANEY, B.D. Infonomics: How to Monetize, Manage, and Measure Information as an Asset for Competitive, 1st Edition, USA, Routledge, 2017
