Resolvendo problemas de negócio com dados

Fluência em Dados

Konstantinos Kattidis

Data Analytics Lead

Cenário - queda no engajamento

Katia trabalha em uma startup de tecnologia que oferece soluções de software para empresas
Ela está revisando KPIs (Key Performance Indicators)
Ela identificou queda no engajamento de usuários:
- Diminuição no número de usuários ativos
- Aumento em chamados de suporte

Mulher olhando um painel de KPIs

Ao combinar habilidades analíticas e conhecimento de negócio, ela formula várias perguntas:

Qual é a tendência no número de usuários ativos?

Quais recursos estão gerando o aumento de chamados?

Há correlação entre engajamento e desempenho do software?

Agora ela pode investigar mais usando dados e analytics

Mulher olhando uma lista de perguntas

Homem olhando duas opções

Identificar o problema de negócio usando KPIs bem definidos
Transformar o problema em perguntas analíticas específicas que possam ser respondidas com dados

Habilidades de fluência em dados:

Entender bem os KPIs que movem o negócio
Monitorar esses KPIs para achar problemas
Definir novos KPIs para acompanhar o sucesso das iniciativas
Definir metas para os KPIs e garantir performance alinhada aos resultados desejados

Homem olhando um gráfico de KPI abaixo da meta

Traduzir problemas de negócio em perguntas analíticas bem formuladas
Isso ajuda a usar dados para resolvê-los
Criar perguntas SMART:
- Specific, Measurable, Actionable, Relevant e Time-bound
Para que a solução analítica resolva o problema de negócio

Homem mostrando a tradução de problemas de negócio para perguntas analíticas

Pessoas trocando ideias para criar perguntas analíticas

Colaboração com equipes multifuncionais é importante porque ajuda a:
- Acessar perspectivas diversas, conhecimento de domínio e fontes de dados
- Ampliar o entendimento do problema de negócio

Permitindo fazer perguntas analíticas mais relevantes e esclarecedoras!

Fluência em Dados