O Google Analytics é uma das ferramentas mais utilizadas por profissionais de marketing digital em todo o mundo. No entanto, nem todas as empresas extraem as informações que podem levar a melhores resultados.
Para entender como as empresas poderiam aproveitar melhor o Google Analytics e as demais ferramentas de coleta de dados, conversamos com Thiago Morello, co-fundador da MyMetric.
A consultoria presta todo o suporte em Analytics, desde planejamento e implementação de métricas até a proposta de ações para alcançar melhores resultados. Com base nessas experiências, Thiago Morello explica qual o caminho para as companhias serem bem-sucedidas na análise de suas métricas.
Para ouvir a quinta edição do Digicast, basta usar o player acima. Se preferir, você pode ler a transcrição da entrevista feita por Pedro Renan, CEO da Digilandia, logo abaixo.
Olá, todo mundo! Bem-vindos ao quinto episódio do Digicast! Sou Pedro Renan, CEO da Digilandia e da Agência Papoca, e seu host. Hoje, recebo o Thiago Morello, da MyMetric. Muito bem-vindo, Thiago!
Olá, Pedro e pessoal. Muito bom participar aqui hoje e poder falar destes assuntos que gosto bastante.
O Thiago é um dos principais especialistas do Brasil em Google Analytics. Posso colocar minha mão no fogo. E, obviamente, o assunto de hoje é como que o Google Analytics deveria ser uma ferramenta essencial para o seu negócio. Vamos ajudar a entender melhor sobre isso.
É engraçado, Thiago, que, ainda hoje, é normal empresas não medirem seus resultados. Por que isso ocorre, principalmente em ambiente online, onde, na maioria das vezes, é mais fácil medir cada ação?
Tudo começa na questão da educação do Brasil, até global, de pouco uso da estatística da educação. Não existe uma educação orientada a estatística. Falamos muito da questão da matemática. E ela tem bastante a ver. Porém, a matemática, por si só, não é suficiente, porque ela trabalha muito com aspectos mais ligados à natureza.
Quando falamos de estatísticas, estamos falando mais de uma ciência que tem mais a ver com nosso cotidiano. Até a questão financeira dos gastos, do imprevisível e do aleatório, em que pode haver um evento para o qual temos de estar preparados. Isso tudo, vemos em probabilidade e estatísticas.
Começa daí a base do problema. Mas há problemas mais pontuais, como a própria falta de qualificação técnica em Digital Analytics. Essa não é uma área nova, mas já bem consolidada no mercado há pelo menos 10 a 15 anos. E, mesmo assim, ainda vemos falta de profissionais nessa área.
Muita gente lida com Digital Analytics indiretamente. São profissionais de áreas complementares e até paralelas. Tudo o que é feito em marketing digital acaba esbarrando em Digital Analytics. E essa vertical, por si só, é muito horizontal também, porque as pessoas precisam entender um pouco dessas áreas para poder contribuir. As empresas falham nessa qualificação e é um tema um pouco chato para algumas pessoas, porque tem uma mistura de programador com negócios e marketing.
Defendo que o profissional de Digital Analytics tem de entender desde a coleta do dado até a parte mais de negócio, que é a parte de como ganhar dinheiro. Geralmente, as pessoas que gostam de uma área ficam totalmente avulsas da outra. Isso que é o grande problema de formação e de cultura para termos empresas que mensuram melhor suas estratégias de marketing digital.
Teoricamente, todos querem investir onde há mais retorno. É uma premissa básica de qualquer investimento que é feito. Para saber onde há mais retorno, quanto mais dados, melhor. Portanto, deveria ser uma área onde as empresas colocariam muito dinheiro, mas não é o que vemos ocorrer. Por que isso acontece? É uma área que não consegue mostrar tanto valor para o tomador de decisão, CEO e outras áreas? Falta “se vender melhor”, mesmo sendo algo que não deveria ter de se vender tanto?
Muitas decisões que são tomadas com base em dados, você não consegue mensurar. Você mensura a ação, mas o fato de analisar é um pouco difícil, porque deve ser feita a análise da análise. Se já não fazemos a análise, imagine e análise da análise. O que é, basicamente, falar que a ação feita por causa de um insight gerou tal aumento de receita. Essa é uma preocupação que o analista tem de ter também, para reforçar essa área.
Quando vendemos projeto, falamos muito e argumentamos em qual é o investimento em mídia paga. Se conseguirmos reduzir esse investimento e darmos o mesmo resultado, você investiria em Digital Analytics? Geralmente, a resposta é sim, porque a verba de mídia paga é muito grande frente ao investimento que essa empresa, geralmente, faz em análise.
Se você gasta mais de 10% da sua verba em ferramenta e menos de 90% em profissionais de análise, seja in house, consultores ou a soma dos dois, há um pecado. Seria a mesma coisa que ter uma Ferrari e um motorista desqualificado. Não adianta.
É a mesma coisa que mídia paga. Você tem de ter investimento mínimo em profissional de análise, para poder extrair desse dado.
Não me levem a mal os profissionais de links patrocinados, mas o profissional de analytics tem apenas de analisar e não executar. Ele tem de analisar e defender as execuções junto aos times que, de fato, executarão. Digamos que ele é mais dedicado à análise. Ele teria essa condição de dar suporte estratégico muito grande. Ainda falta muito dessa visão. Mas, as empresas que são mais competitivas já visualizam isso e aplicam isso na prática.
É só pegar startups de fora do Brasil e ver que está no DNA delas a cultura de dados não só da boca para fora, mas sim investindo em pessoas e deslocando boa parte do orçamento para ter as pessoas mais qualificadas para fazer essa análise.
Ao falar da boca para fora, você me lembrou de uma frase muito famosa em vários meios: “In God we trust. All others must bring data” (Em Deus, nós acreditamos. Todos os outros devem trazer dados).
Apesar de muitas empresas pregarem isso, até mesmo empresas que captam dados têm certa dificuldade em interpretá-los e transformá-los em decisão prática. Onde está o maior gargalo? Há empresas que não captam dados, mas há as que captam e não fazem ideia do que fazer com eles.
Um dos gargalos que têm a ver com qualificação técnica é que muita gente acha que a qualificação técnica de um profissional de Digital Analytics é a parte basilar do trabalho, mas não é o fim do trabalho.
Aqui na MyMetric, temos a visão de três pilares ou camadas, para ter uma visão do todo do processo de analytics e não ficar somente em determinadas atividades, que são muito mais cômodas e não interferir politicamente na empresa.
Os dados acabam, muitas vezes, se chocando com a cultura da empresa da tomada de decisão. E é uma posição mais cômoda não entrar nesse choque. Porém, é esse choque que promoverá as mudanças necessárias para alcançar o retorno sobre o dado que está sendo analisado para uma proposta de melhoria.
A frase que você citou é do Deming (William Edwards Deming), que ajudou os Estados Unidos a melhorarem todos os processos de fábrica para fazer com que o esforço de guerra durante a Segunda Guerra Mundial tivesse um sucesso logístico. A Alemanha tinha melhor tecnologia em armamento bélico, mas os Estados Unidos foram muito melhores em planejamento e logística, junto com os demais aliados.
Isso se deve muito à aplicação de técnicas de estatísticas que antes ficavam muito ligadas à ciência e não entravam no mundo dos negócios.
Posteriormente, Deming ajudou na reconstrução do Japão, onde surgiram empresas famosíssimas, como a Toyota, e que usaram método de produção muito mais eficaz e invadiram os Estados Unidos.
O grande lance que observamos do Deming não é apenas a aplicação de estatística, mas a aplicação de um método de análise rápida. Um método que roda em PDCA, tão conhecido no ramo da administração e que é um processo simples para planejar, executar, analisar e corrigir o que está errado.
Há uma frase do Peter Drucker: “o que não é mensurado não pode ser gerenciado”. Se não há números, não há gerenciamento de uma operação.
Para colocarmos isso na prática, não é simplesmente aprender Python ou outra linguagem. Isso é muito profundo e há muitos dados mais simples de consumir em que um processo ajudaria muito.
Portanto, negocie com seu gestor e com seu cliente como será o uso desses dados. Não entregarei dados para eles e direi, simplesmente, para se virarem. Isso não é um processo de analytics. O Avinash chama isso de “data puke” ou “vomitar dados”. E vomitar dados na empresa não resolve o problema dela.
Há outro conceito da área de analytics que é o “one metric that matters” (OMTM), que é “a única métrica que importa”. Isso vem do movimento Lean Startup, que fala sobre a importância de ter uma métrica.
Como temos muita mensuração hoje em dia, a empresa fica confusa e quer implementar a cultura de dados, mas faz de um jeito muito errado. Faz muita coisa ao mesmo tempo e esquece do feijão com arroz.
O quanto a empresa precisa crescer para ter sucesso? Sabemos que a métrica mais importante do Slack, por bom tempo, foi o número de usuários ativos. Não importava o faturamento inicialmente, porque a empresa era alavancada.
É importante ter a visão de uma métrica de sucesso muito bem clara, nem que seja estratificada por áreas ou momentos da empresa, para que o discurso não fique somente da boca para fora.
Há muitas pessoas que querem construir o foguete da Nasa sem ter o básico. Isso já aconteceu comigo ao querer montar um site novo, com mudanças de linguagem e design, mas perdemos faturamento. Certamente, não era isso que resolveria nossa vida. O investidor alertou numa reunião que queríamos montar o foguete da Nasa, mas tínhamos um teco-teco na mão. Era melhor aprimorar o teco-teco e depois resolver.
Há inclusive uma foto que circulou na época do Lean Startup que fazia referência a sair de um patinete para um carro. Primeiro, passa pela bicicleta, até chegar ao carro. É o conceito de construir aos poucos.
Outro ponto importante sobre o “one metric that matters” é que a métrica não será para sempre. É totalmente mutável e, de acordo com o momento do negócio, é feito o ajuste das métricas.
Sobre isso, há algum erro que possa ser compartilhado ou aprendizado para passar à nossa audiência?
Citarei dois erros, um nosso e um junto ao cliente. O nosso tem a ver com não deixar claro na venda e durante o projeto de que não adianta contratar uma consultoria de Analytics se não há disponibilidade de discutir o ponto de serem analisados.
Sempre deixamos claro que consultoria é um trabalho de quatro mãos. Nós de um lado e o cliente do outro. Sempre para abordar os problemas que mais afligem a empresa.
Não adianta uma consultoria de dados ficar no cantinho dela, resolvendo questões burocráticas e não ter um olhar de como aumentar o faturamento da empresa ou o resultado. Se isso não tiver ligação direta com o trabalho de dados, ficará da boca para fora.
Pode haver o gasto com uma ferramenta muito avançada de Analytics e o pagamento de uma consultoria, mas haverá a conclusão de que não há resultado. E foi o que aconteceu em alguns projetos nossos que levamos como aprendizado para não cairmos mais nesse tipo de projeto.
Trabalhamos muito em modelo de longo prazo. Não adianta entendermos de dados se não entendemos da empresa e o negócio que analisamos. Precisamos de um período de adaptação para entregar uma análise que faça sentido para o seu negócio. Mas, isso só acontece novamente com uma conversa contínua com a empresa e a consultoria. Isso é um ponto importante. A relação tem de ser muito boa, a ponto de nos sentirmos parte da empresa de tão próximos que somos.
E sobre erros de clientes, há vários casos e estamos ali para apontar. Mas, em alguns casos, não basta. A informação bate em algum ponto cultural.
Lembro muito de uma ação em que uma empresa investiu em publicidade com um artista famoso e ele estava em todas as peças, seja para TV, outdoor ou home do site. Porém, tínhamos um estudo de uma empresa norte-americana que fazia muitos testes A/B e dizia que fotos de pessoas atrapalham a conversão. Havia vários exemplos de lojas virtuais. A hipótese deles era de que a pessoa distraía o usuário na ação a ser tomada.
Nós indicamos que deveriam tirar a pessoa famosa da home e foi bem impactante. Foi feito um teste A/B com apenas 10% das visitas e depois a mensuração da taxa de conversão. Comprovamos que ter o artista na home era pior. E, assim, vem aquele choque.
Imagine o budget para contratar o artista famoso e a consultoria falando que isso estava errado, que o dado dizia exatamente o contrário do que as pessoas acreditavam. Foi um choque.
Só conseguimos mudar essa situação quando já estava próximo de encerrar o contrato com o artista. Essa é apenas uma ilustração de como o dado pode não ser suficiente para convencer quando as pessoas já estão convencidas.
Não há como argumentar se o outro não quer ouvir o argumento, por mais lógico, racional e numérico que seja.
Dois pontos legais. Um é que, muitas vezes, queremos ter um viés de fazer coisas que parecem legais, mas não necessariamente gerarão resultado. Pode ser mais um desejo do que uma estratégia.
E o segundo ponto, que contradiz o primeiro, é que, muitas vezes, existe uma ciência e um investimento num artista que traz retorno. Não necessariamente por haver estudos dizendo que deu errado que para sua empresa também dará. O que deve ficar de lição é teste. Não necessariamente dará certo nem necessariamente dará errado. Você tem de se pautar em alho palpável para tomar a melhor decisão e partir de um princípio minimamente lógico.
A respeito disso, houve algum acerto importante a ser lembrado? Um feeling comprovado por dado ou um dado que levou a um feeling para a solução de um problema?
A gente toma cuidado para interpretar bem o resultado no teste A/B. Esse teste não diz que é ruim investir em artistas. Esse teste diz que, na home do site, esse artista não ajudou.Talvez em outra página, depois de a pessoa converter, para gerar lealdade… Temos de tomar cuidado para não tirarmos do contexto do resultado do teste ou da análise feita a interpretação.
Existe algo em Analytics que chamamos de viés de confirmação. Acredito em alguma coisa e vou atrás do dado para provar meu ponto. Isso não é processo correto de Analytics. O processo é isolar e verificar o que o dado está dizendo.
E exemplos positivos não faltam. Um bem icônico, que é um teste que fazemos muito e porque sempre dá certo, é o cupom de desconto.
Em todo e-commerce que você entra, há um campo de cupom de desconto. Quase 100% dos clientes que testamos em tirar o campo de cupom converteram mais do que sem o campo de cupom.
Será que ninguém testa? Será que é um segredo que poucos iluminados têm acesso? Você vê que a maturidade de análise ainda está muito baixa, pelo menos no país.
Há muitas oportunidades de melhoria. E esse é um ponto simples de usabilidade. Não falo de proposta de valor ou outras coisas que o pessoal olha muito em otimização de conversão.
O dado pode surgir de uma análise ou de um feeling. Às vezes, é mais barato fazer um teste de um feeling se ele for fácil de implementar do que fazer uma análise.
O teste A/B não deixa de ser uma análise. Ele é o experimento de uma hipótese. A hipótese pode sair da observação de um benchmarking ou de um processo bem estruturado de Analytics que entende bem os dados de um site, que é o que fazemos.
Temos um cliente para o qual fizemos um dashboard em que mostramos as taxas de conversão por etapa do funil divididas por tipos de dispositivo, mobile ou desktop.
No mobile, a taxa da etapa de carrinho para a etapa de pagamento era muito mais baixa que o desktop. Já esperávamos que fosse mais baixa porque é o habitual do mercado dependendo do ramo de atuação. Mas o dele estava muito discrepante.
A primeira interpretação foi de que havia algum bug no carrinho que impedia uma parte dos usuários de prosseguir. Investigamos e entramos com o Hotjar.
A crítica que fazemos do Hotjar é que muita gente começa a gravar tudo, pega um situação que é muito pontual e quer generalizar. É muito difícil pegar um problema que ocorre para uma quantidade de pessoas razoável no Hotjar sem ter avaliação numérica antes.
Nós preferimos antes de ter um número e, a partir dele, entrar com ferramentas de análise visual. O apelo delas é muito forte. É mais prazeroso ter uma pessoa navegando no meu site e inferir que aquilo é algo que acontece com muita gente do que mexer com número. Os números não são muito user friendly.
Colocamos para gravar somente aquelas telas no mobile e no carrinho e vimos que não havia nada de errado. Quem queria ir adianta conseguia, mas muita gente entrava e voltava a página. Achamos estranho. Há muita gente que entra para o carrinho e vai embora. Mas, neste caso, muita gente voltava.
Às vezes, não é falta de informação. Pode ser falta de visibilidade. As informações já estão lá, porque todo mundo já verificou em algum momento, mas elas não estão claras. Temos de tratar o usuário como bebê. A arquitetura de informação é muito importante.
Conversamos com o time de atendimento, que acendeu uma bandeira vermelha. Era um site de pacotes turísticos e uma das coisas que o comprador quer saber é o que está incluso no pacote. No desktop, o que estava incluso ficava visível na primeira dobra. No mobile, não era muito visível. Era preciso abrir um componente, para encontrar a informação.
O atendimento relatou que muita gente reclamava de não ver isso no site. Aí veio o insight de que as pessoas entravam no carrinho por não achar a informação na página de produto.
A conclusão óbvia foi fazer um teste A/B. Pegamos esse elemento e deixamos mais visível para o usuário. Fizemos o teste e foi interessante, porque tivemos menos adição para o carrinho, mas mais vendas.
É algo que muita gente não processa muito bem, porque acredita que ter mais adição de carrinho gerará mais vendas. Não necessariamente. Se há um anúncio que diz “clique aqui para ganhar um iPhone”, muita gente clicará, mas será que você conseguirá vender o que quer?
Até inventamos um nome para isso. Há o nome de micro e macro conversão. Micro seria adicionar o carrinho. Macro seria a compra, o objetivo final. Chamamos isso de inversão macro e micro. Há coisas que são feitas que geram menos microconversões, mas geram mais macro. Não é sempre que a geração de micro levará à geração de mais macro.
Havia menos conversões ao carrinho, mas eram pessoas muito mais qualificadas. Portanto, foram geradas mais vendas.
Esse caso traz muitos ensinamentos. Eu mesmo já cometi esse erro. Na hora de decisão, muitas vezes, há o envolvimento de apenas uma área. Nesse caso, o determinante para propor a solução foi o time de atendimento. E esse time, na maioria das vezes, é a parte que mais conhece o usuário e seu cliente por estar na ponta todos os dias. Portanto, na hora de uma decisão, o aprendizado trazido pelo Thiago é ter uma equipe multidisciplinar, com pessoas de várias expertises para propor uma solução.
E, ao ouvir você falar sobre cupom de desconto, lembrei o quão nocivo um ponto pode ser para o negócio. Muitas vezes, nós nos baseamos no nosso concorrente, achando que ele sabe o que está fazendo, mas ele pode estar se baseando em nós mesmos.
Para quem quer implementar uma cultura de Analytics, com dados e decisões mais inteligentes, quais dicas e processos você daria de forma prática?
Acredito que tudo gira em torno de processos. Mais do que ferramentas e cursos, o processo tem um poder muito grande de conduzir uma área a grandes resultados.
Um processo bem legal seria ter uma sprint de análise. Isso depende do tamanho da empresa. Pode ser feito por uma pessoa só. Nesse caso, pode ser um ouvinte, que pode não entender de dados para discutir no mesmo nível. Mas, só o fato de ter de apresentar a ideia para outra pessoa já cria uma necessidade de organizar as ideias.
Quando somente você está analisando, é possível que não consiga fazer um desenho lógico do que está analisando. Você pensa num assunto, já passa para outro e acha correlações distantes e desvia o foco do problema. Quando você tem obrigação de apresentar isso para uma pessoa, que seja o gerente ou o CEO, a organização de ideias fica melhor.
É preciso criar uma recorrência, seja semanal, quinzenal, mensal ou trimestral, de apresentar os dados sempre com proposta de ação.
O Analytics não deve morrer no dashboard. Pelo contrário. Até o dashboard, você só teve custo. O retorno vem da ação, não do tageamento, não do dashboard bonito. Isso tudo é legal. São ferramentas que auxiliam no processo, mas, lembrando das etapas que citamos, trabalhamos com implementação, visualização e otimização. Essa é nossa linha de raciocínio.
Primeiro, tenho de coletar dados, garantir que estão confiáveis e que não há lixo no meio. Sempre haverá, mas que ele seja o mínimo possível.
Depois, preciso ver os dados. Não é porque temos um monte de eventos no Analytics que consigo visualizar da melhor maneira. Inclusive, há muitos dashboards que criamos em que os dados precisam ser tratados por meio de código conectado à API, porque o Analytics não tem o dado da melhor maneira. Portanto, há uma etapa de preparação dos dados.
A otimização é o que você faz com essa informação. Podemos supor que tenho um post que traz muito tráfego, mas outro menor que não traz tanto tráfego e gera mais vendas no longo prazo. Preciso transformar isso em uma ação. Qual é a ação? Deixarei de otimizar esses posts que têm muita massa muscular de tráfego, mas não geram resultado.
O cara de Analytics é chato, porque entrará nas outras áreas, falará que você está errado, que é preciso fazer de outro jeito, mas sempre tentando implementar alguma mudança. Se ele não faz nada diferente, basicamente, ele não está analisando. A análise chega numa proposta de ação sempre, implementar esse ciclo de “analisa + propõe + executa”.
Tenho a visão de que se você estiver numa empresa grande ou for um consultor especializado num assunto, é preciso fazer acontecer, trabalhando as alianças dentro da empresa para que o dado não morra num dashboard.
Esse ponto que você falou linka com tudo o que foi dito até agora. Um post com menos tráfego pode gerar mais vendas. No fim do dia, não queremos métricas de vaidade e números que não significam nada. Queremos vender mais. Focar de onde está o dinheiro é um grande segredo. Por tudo o que falamos aqui, não é tão complexo, mas gera trabalho.
Você já citou alguns livros, mas há algum que queria destacar?
Para a parte técnica de analytics, recomendo muito testar e fazer as coisas mais na prática possível. Não é um conteúdo tanto para livro, mas para exercitar na prática. Inclusive, quando fazemos cursos, costumamos fazer ao vivo.
Gosto de buscar conhecimentos de outras áreas. Não somos cientistas. Nem gosto do termo cientista de dados, acho pesado. É legal ter um pé em áreas que são auxiliares. Dentro dos livros, um não tão famoso é “Erros radicais e decisões absurdas”, do Christian Morel.
Ele trabalha com a estrutura das decisões e como elas são tomadas. Portanto, fala desde acidentes de avião até acidentes da Challenger, que foi um ônibus espacial. Mesmo foguetes da Nasa têm erros absurdos. Quando são compreendidos, começamos a entender até a limitação do psicológico humano para tomar a decisão.
Entender essa limitação ajuda a não cair nas armadilhas. Mesmo que tenhamos aparato de conhecimento, informação e de ferramentas, mesmo assim caímos nesses erros. Como evitá-los? Primeiro é preciso conhecê-los.
Ele dá desde exemplos do dia a dia. Por exemplo, viajarei de férias para o Havaí. Se for aprovado ou reprovado na faculdade, de qualquer forma, irei para o Havaí. Mas, inconscientemente, espero o resultado da minha nota para comprar a passagem. Por que faço isso já havia decidido que iria de qualquer forma?
Às vezes, a pessoa não reflete sobre a estrutura de decisão e acha que terá de tomar a decisão somente depois de um evento.
É o mesmo que ele fala para um piloto de avião que está com um problema no trem de pouso e fica dando voltas esperando para tomar a decisão. No fim das contas, ele acaba tendo outro problema, que é a pane seca. Se ele terá de pousar mesmo sem o trem de pouso, por que ele espera a pane seca?
Esses são mecanismos psicológicos que começamos a entender agora e que os livros ajudam no processo de tomada de decisão. Uma hora ou outra, isso acontecerá. Podemos estar com informação, nos achando muito racionais, mas, na verdade, estamos reféns de coisas que são bem humanas.
Outro livro, que foi citado também pelo Rafael Damasceno no último episódio do Digicast, é o “Reinvente sua empresa”, do Jason Fried e do David Hansson, que são os criadores do Basecamp. Eles também têm o Remote.
Esse não é um livro tão acadêmico. Fiz faculdade de administração. Eles quebram vários paradigmas tradicionais da administração que até hoje são levados muito a sério e que não fazem tanto sentido no mundo que vivemos.
Por exemplo, eles falam que planejamento é adivinhação. Boa parte do esforço que você dedica ao planejamento não é aproveitado porque você chuta cenários que não acontecerão.
E aí me vem à cabeça o coronavírus e todos os planejamentos de todas as empresas que foram para o espaço. Era muito melhor ter uma estrutura de empresa que facilite as variações que poderão acontecer.
Depois dessa crise, muitas coisas serão repensadas, mas, até então, persistia o conservadorismo. Como vou controlar meu funcionário no trabalho remoto? Esses papos, a gente já conhece.
São conceitos bem legais, fácil de ler. Já li três vezes. É possível ler numa viagem de avião e detonar rapidinho.
Esses livros estão sendo campeões de indicação. Realmente, são livros fáceis de ler e rápidos. Apesar de serem assuntos densos, eles conseguem passar de maneira muito simples e que qualquer pessoa consegue entender e implementar.
E séries ou filmes, há alguma indicação?
Pensei em fugir de coisas que gosto e que tem a ver com o assunto. Lembrei do filme Jogo da Imitação, que conta a história de um matemático que liderou um time na tentativa de descobrir como funcionava a máquina Enigma, usada pelos nazistas para troca de informações via rádio.
A questão da descoberta não é nem tanto o ponto, mas o fato de que, depois de ele ter descoberto, a informação foi liberada aos poucos. Assim, não descobririam que eles tinham acesso a essa criptografia, para não comprometer a descoberta. Isso ensina muito a lidar com dados.
Nunca devemos pegar dados e, simplesmente, liberar para todos. Às vezes, nem serão tomadas decisões em cima disso. É um ensinamento que o filme traz sobre lidar com informação de maneira homeopática.
Esse filme é genial. E a maneira de lidar com a informação é o que poderia e o que decidiu a guerra. É genial. E é o que você abordou sobre dados: se não sabemos o que fazer com eles ou tomamos decisões erradas, não adianta nada ter a informação.
Há algum blog ou site que você acompanha para se manter atualizado sobre qualquer assunto?
Gosto muito do Reddit, que te um fórum que chama Data is Beautiful. Não é tão técnico e mostra visualizações de diversos dados de forma aleatória.
Havia uma visualização que mostrava como um ciclista andou pela cidade de Londres nos últimos 10 anos. E há coisas de saúde pública, desemprego.
Costumo compartilhar bastante, porque acho legal as formas de visualização que são criadas. Envolve bastante criatividade na exibição do dado. E isso afeta muito a forma como ele será interpretado posteriormente.
A forma como o dado é apresentado muda radicalmente a recepção por outra pessoa e até o seu entendimento.
Um exemplo bem atual é um dashboard que montamos com dados do Covid-19. A mídia mostra muito os números de casos e mortes acumulados. E o número acumulado remete a um outro livro, que é “Como mentir com dados”. O gráfico acumulado é um das formas de mentir com dados, porque ele acaba dando falsa ilusão de crescimento. Pode ser que você esteja em curva de caída e pareça que está numa situação muito boa. No caso do Covid-19, muito ruim.
Lógico que o dado não diz nada sobre decisões a serem tomadas se você não tem conhecimento da área. Mas é interessante sobre como a forma de exibição pode causar um impacto do que realmente é o dado.
Thiago, para finalizar, abro o espaço para momento jabá. Você pode falar sobre a MyMetric, redes sociais, o que quiser.
Trabalhamos com empresas e pessoas que querem implementar a cultura de dados, não apenas da boca para fora, mas que querem estabelecer parceria no longo prazo em que consigamos ser esse suporte.
Falamos muito que queremos ser o suporte de dados da empresa, a consultoria que ajudará a entender os dados e tomar decisões melhores. Se você tiver interesse de conhecer melhor nosso trabalho, não se sinta com vergonha, entre no site e acione o chat para marcarmos uma call para conversamos sobre seus objetivos.
Para todo o suporte em Analytics, desde a parte de implementação, a construção de dashboards e a cereja do bolo, que é pegar os dados e propor ação para melhorar o resultado, conte com a gente. Estamos à disposição.
Depois de entender mais sobre a importância de Analytics para seu negócio, saiba como uma cultura data driven ajuda empresas na crise.
Comentários