Duas formas de trabalho: Data as a Product (DaaP) vs. Data as a Service (DaaS)

Toda organização que trabalha com dados de forma estruturada, ou seja, há departamentos e plataformas dedicadas para a coleta, modelagem e visualização de dados, possui o desafio de desenvolver um modelo de trabalho onde as equipes de B.I. possam entregar insights e informações, tanto interna quanto externamente.

Além de ter times multidisciplinares e capacitação técnica e analítica, é preciso também pensar o fluxo desses dados, ou seja, como eles serão disponibilizados e consumidos. E aqui nos deparamos com duas formas de se trabalhar: Data as a Product (DaaP) e Data as a Service (DaaS).

Data as a Product

Crédito das imagens: nesse post

Tratar os dados sob a perspectiva de produto é “embalar” as entregas de acordo com as demandas. A estrutura do time é desenhada para desenvolver processos internos e usar sistemas para consumo específico do time de dados.

O mais comum é o time de dados acessar diversas áreas/plataformas para coletar, processar, analisar os dados e entregar os insights e descobertas, como se fosse uma extração de matéria prima para transformar em um produto industrializado. Um exemplo comum é o status quo das entregas de B.I. em agências e consultorias: o time de B.I. da agência entrega relatórios pontuais e periódicos desenhados pelo briefing do cliente. No lado do cliente, o time de B.I. entrega relatórios para as áreas internas.

As principais características desse modelo são:

• Dados extraídos são concentrados no time de B.I.
• ~80% do tempo do time de B.I. é dedicado a cumprir com entregáveis, ou seja, há uma operação de rotina e esteira de entregas
• Sistemas são desenvolvidos ou contratados para serem usados apenas pelo time de B.I.
• Clientes e áreas internas demandam insights e entregas
• Analista de B.I. atua como tradutor de dados, ou seja, transforma os dados brutos em informações e insights

É o modelo mais comum dentro das empresas e agências, pois depende muito da maturidade dos receptores das entregas. E os dados chegam “mastigados” pelo time de B.I. para ser consumido e direcionar ações concretas dentro da organização.

Data as a Service

Tratar os dados sob a perspectiva de serviço é “plataformizar” as entregas para serem consumidas de forma individual para cada receptor. A estrutura do time de B.I. é montada para desenvolver plataformas e painéis de dados para que clientes e áreas internas possam acessar e utilizar da forma mais conveniente.

Um bom exemplo é a disponibilidade de dashboards abastecidos com dados atualizados diretamente das plataformas via APIs. Apesar do desenho do dashboard ser um “produto” do time de B.I., o receptor possui liberdade para fazer consultas e explorar os dados da forma que achar mais pertinente para seu objetivo.

As principais características desse modelo são:

• Dados extraídos são de fácil acesso para qualquer receptor
• A carga de trabalho do time de B.I. é dividida na manutenção da qualidade dos dados e em análises mais complexas
• Todos os sistemas, exceto do banco de dados, são contratados ou desenvolvidos para serem usados por qualquer receptor
• Clientes e áreas internas demandam análises mais profundas ou dados que não estejam nas plataformas
• Analista de B.I. atua como consultor de dados, ou seja, tira dúvidas sobre a forma de interpretação ou aprofunda análises de acordo com o que o receptor precisa

A principal vantagem nesse modelo é a otimização operacional do time de B.I., que gastará mais tempo produzindo análises mais complexas (ex: modelagens preditivas) e inovando nas metodologias e abordagens. Por outro lado, exige um alto investimento da organização em tecnologia e infraestrutura, além de mão de obra qualificada de desenvolvedores para manutenção, integração e processamento dos dados para que fiquem amigáveis e consumíveis para qualquer usuário.

Além disso, exige uma maturidade do receptor na forma de ler e entender os dados por conta própria, juntamente com uma mudança de cultura em toda organização para olhar os dados de forma mais democrática e acessível. Por isso que geralmente as organizações começam com modelo DaaP e evoluem para DaaS.

Se a organização já está com a cultura data driven bem enraizada, a adoção do DaaS será natural, assim como as habilidades exigidas do profissional de B.I. serão mais avançadas, como noção de modelagens estatísticas e profundo conhecimento de negócio para prover insights que sejam estratégicos e que vão além da visualização dos dados.

Ou seja, no modelo DaaS, o nível de qualidade e entrega do time de B.I. sobe bastante, mas fortalece a área e a torna ainda mais estratégica na companhia.