Depois da impactante frase que o professor de inovação Gil Giardelli disse em minha última coluna, “todo CEO que não tiver uma cabeça de ciência de dados terá problemas nos próximos 20 anos”, não poderia deixar de mergulhar mais a fundo na visão estratégica e os desafios trazidos pela ciência de dados ao negócio.
Meu convidado para a terceira coluna da série “The Innovators” é o cientista de dados Ricardo Cappra, pesquisador de cultura analítica e cientista-chefe do Cappra Institute for Data Science. Cappra pesquisa o impacto dos dados na sociedade e nos negócios, cria métodos para simplificar a ciência de dados e acelerar a cultura analítica e desenvolve projetos e times para dar suporte a evolução analítica.
Começo perguntando a Cappra quais os skills fundamentais que um empresário ou executivo deve ter para ser competitivo na nova economia digital. Ele me alerta para o fato de que todo executivo C-Level já vem de uma mentalidade analítica desde sempre e acredita ser difícil encontrar um dono de negócio cuja visão não seja orientada por números e por dados.
A visão pode até não ser orientada por tecnologia, mas sempre existiu uma visão muito analítica. Mas, então, por que há uma fragilidade na cultura analítica nas empresas? A resposta de Cappra é simples: os executivos do topo da pirâmide da companhia acham que todos os colaboradores têm a mesma cabeça e a mesma visão deles.
Um dos maiores desafios para que a cultura analítica permeie toda a organização é fazer o C-Level entender que é necessário expandir esse mindset por todas as áreas e o outro grande desafio é quebrar a cultura de tomada de decisão baseada em feeling ou em criatividade, sem considerar os dados.
LEIA MAIS: Os 5 fenômenos do futuro do trabalho
Geralmente, a companhia possui uma área de tecnologia com pensamento computacional que entrega dados para a diretoria e, por outro lado, existe uma área de negócios ou comercial com uma visão bastante crítica para tentar resolver os problemas. A grande questão é que, dificilmente, as empresas fazem a fusão desses dois pensamentos.
Os líderes têm a missão de fazer a companhia toda pensar de forma analítica, criando um modelo escalável de tomada de decisão e descentralizando a responsabilidade da diretoria.
O segundo ponto que pergunto a Cappra é sobre os desafios de descomplicar a ciência de dados e a inteligência artificial. Ele traz uma visão otimista sobre o assunto: a programação e a geração de códigos também serão automatizadas num futuro próximo pela inteligência artificial, assim como várias áreas com rotinas repetitivas que já foram automatizadas. Afinal, geração de código é um trabalho braçal e altamente repetitivo.
Com tudo isso, defende Cappra, a maior mudança de mindset dentro de uma companhia é que os colaboradores precisam parar de perguntar para eles mesmos e começar a perguntar para os dados. No fim do dia, não existe complexidade técnica em um trabalho analítico quando a informação é uma aliada e não uma concorrente. Os dados são um trampolim para a tomada de decisão.
Como os CEOs devem liderar as quatro gerações que estão no mercado de trabalho?
Em novembro de 2019, quando participei do evento Innovation Festival, em Nova York, organizado pela revista americana Fast Company, o termo mais falado durante os três dias foi data-creativity. Questiono Cappra se existe uma rotina para que os líderes das empresas de hoje comecem a criar a partir de dados.
Cappra afirma que um dos maiores desafios é fazer o líder de hoje entender que criatividade não tem nada a ver com feeling e que é possível ter um processo ainda mais criativo a partir dos dados. Por muitos anos, as reuniões foram baseadas por argumentações sobre dados, mas hoje todos os dados estão no mesmo dashboard e isso facilita a visão dos que respondem pela empresa. Para ele, o principal instrumento é que a informação precisa ser distribuída de forma democrática para o processo de tomada de decisão.
Outro ponto que me chama a atenção na conversa com Ricardo Cappra é quando ele afirma que o processo de evolução analítica que leva até a inteligência artificial é falho dentro das organizações, justamente porque não tem base de conhecimento para criar essa inteligência artificial. Quando uma das big techs é contratada por uma empresa e inicia o trabalho com machine learning para coletar os dados, não tem base de conhecimento armazenado e nem regras estabelecidas para que a máquina comece a aprender.
Cappra desmitifica a inteligência artificial quando traz os exemplos da Amazon e do Alibaba, que vendem soluções como “inteligência Amazon” e “inteligência Alibaba” porque não tem nada de artificial. Essas big techs simplesmente vendem toda a sua inteligência de forma organizada para aprender constantemente em cima dos próprios dados, com velocidade incrementada. O que não foi entendido ainda é que inteligência artificial não funciona sem base de conhecimento estruturada e a empresa precisa organizar bem a informação, monitorá-la em tempo real, criar as regras de captação, armazenamento e uso para, depois, gerar a inteligência artificial.
Decidi colocar Cappra contra a parede perguntando se ele acredita que existe um modelo ideal para a empresa inovar. Faz sentido a empresa criar uma célula ou ter um expert em inovação espalhado em cada área de negócios? Ou é melhor criar uma operação de inovação independente, fora do escritório?
Ele conta que, atualmente, muitas companhias já criaram seus laboratórios de experimentos de novos negócios, nos quais existem uma camada de dados, uma camada criativa e uma camada de negócios. O grande segredo para esse laboratório prosperar é trazer para o espaço pontos de vista diferentes com o objetivo de gerar uma inteligência coletiva que fomenta a inovação.
Cappra afirma que a inovação deve ser como um vírus dentro de toda a empresa, permitindo que qualquer colaborador possa ter um insight a partir de dados para um novo experimento e poder testar a ideia. Por esse motivo é fundamental que as empresas tenham esses laboratórios de experimentos em teste novas ideias propostas, como um processo de inovação contínua.
A maior quebra de paradigma é entender que experimento significa testar rápido, aprender rápido e, quando não der certo, basta jogar a ideia fora. Manter uma área de experimentos de negócios ativa e com velocidade para que as outras áreas da empresa possam respirar e tocar seus negócios com essa camada de inovação.
Em resumo, anote aí o modelo ideal: uma empresa com o vírus da inovação e um laboratório de experimentos ativo.
