O que a maioria das empresas erra sobre a análise de autoatendimento

O Gartner define a análise de autoatendimento da seguinte forma:

Self-Service Analytics é uma forma de business intelligence (BI) em que os profissionais da linha de negócios são habilitados e incentivados a realizar consultas e gerar relatórios por conta própria, com suporte nominal de TI. A análise de autoatendimento geralmente é caracterizada por ferramentas de BI simples de usar com recursos analíticos básicos e um modelo de dados subjacente que foi simplificado ou reduzido para facilitar o entendimento e o acesso direto aos dados.

Com todo o respeito aos nossos amigos do Gartner, achamos que isso não faz sentido. É hora de redefinir a análise de autoatendimento . Por quê? Porque os produtos são construídos por equipes capacitadas e multifuncionais. A dicotomia TI vs Negócios é muito menos relevante no mundo do produto. Quando enquadramos o objetivo da análise de autoatendimento como acesso conveniente e individual a relatórios, insights e dados, perdemos de vista o quadro geral. Especialmente se limitarmos essa definição a “capacidades analíticas básicas”.

O autoatendimento não é o objetivo. Impacto é o objetivo.

Vamos explorar alguns dos problemas aqui com três exemplos de como a análise de autoatendimento pode não corresponder às suas expectativas:

1. Exemplo nº 1 : uma equipe de análise faz parceria com uma equipe de engenharia de dados para criar um painel para um tomador de decisões. O painel é de “autoatendimento” e responde às perguntas exatas finalizadas durante o processo de descoberta. Está perfeito. Até que não seja. E as novas perguntas? Que tal explorar os dados?
2. Exemplo #2 : Uma equipe decide usar uma abordagem de “polegadas de profundidade, 1,6 km de largura”. Eles rastreiam tudo, mas com uma fidelidade muito baixa (por exemplo, eles não usam propriedades de eventos ou impõem uma taxonomia). Em teoria, agora todos têm acesso aos dados usando uma ferramenta de autoatendimento. Basta fazer login! Mas a que custo para a qualidade da decisão?
3. Exemplo #3 : Uma equipe de 40 gerentes de produto tem acesso a uma ferramenta de autoatendimento. Eles vão para a cidade. Painéis aparecem em todos os lugares. A ferramenta é poderosa e personalizável, mas a equipe atualmente não é muito alfabetizada em dados. Sim, isso é autoatendimento, mas não está levando a um impacto maior.

O exemplo nº 1 é muito rígido. O exemplo nº 2 é limitado pela qualidade dos dados. O exemplo nº 3 falha em dimensionar a alfabetização de dados. No mundo acelerado e imprevisível do produto e do crescimento, lançamos novos experimentos e atualizações continuamente. Nossa abordagem escolhida precisa manter-se sem se tornar confusa e inutilizável. Em suma, você precisa de adaptabilidade sustentada, dados sólidos e alfabetização de dados.

“A análise, ao contrário da geração de relatórios, deve ser interativa, o que requer flexibilidade e dados de alta qualidade”, observa o consultor de gerenciamento de produtos Saeed Khan. “Essa flexibilidade está em falta em muitas soluções construídas internamente e adquiridas externamente. Você é forçado a convergir nas perguntas, em vez de deixar a porta aberta para novas áreas de curiosidade. Ou seja flexível e superficial. Isso simplesmente não funciona para equipes de produto.”

Mas os problemas são um pouco mais profundos. Construir um produto é um esforço de equipe. Como é o autoatendimento para uma equipe inteira em vez de um usuário empresarial solitário? A equipe precisa de liberdade para instrumentar e acompanhar novos eventos sem se preocupar em sobrecarregar outra equipe. Eles também precisam de liberdade para acessar os insights, fazer análises exploratórias, gerenciar dados, colaborar em insights, planejar experimentos e agir.

Mesmo essa visão de equipe individual é um pouco restritiva. Considere que a maioria das organizações tem uma “equipe de dados”, embora uma equipe de dados sobrecarregada e dispersa. O modelo dominante é transacional – as equipes enviam perguntas e solicitações, a equipe de dados faz o possível para responder/desviar. Como resposta ao excesso de trabalho, eles criam opções de “autoatendimento” para obter algum espaço para respirar. Mas este também é um sacrifício pobre.

“O autoatendimento como uma fonte de curiosidade, localizador de perguntas e gerador de ideias é algo muito real e valioso”, explica Grant Winship, engenheiro de análise da dbt Labs. “Mas acho que deve ser combinado com uma mentalidade de produto na equipe de dados. PMs e usuários de negócios devem estar prontos para que suas perguntas e incursões analíticas sejam sintetizadas, interrogadas e desenvolvidas seletivamente.” Colaboração e educação são importantes.

Para Elena Dyachkova, gerente sênior de análise de produtos da Peloton, o componente educacional é o verdadeiro “elefante na sala”. Ex-jornalista esportiva, ela compara a alfabetização de dados a educar os atletas sobre os princípios gerais do treinamento de força e “encontrar adaptações únicas para a anatomia de cada atleta”. O uso apropriado de dados, estruturas para definir KPIs e o contexto de negócios por trás de certas métricas “não estão realmente no escopo de uma única ferramenta SaaS, mas são a base para o funcionamento de todas as outras peças de alfabetização de dados”. Embora vejamos analistas usando o Amplitude para ajudar nesses esforços de educação, isso ainda se resume a um esforço concentrado e concentrado.

Para nós da Amplitude, essa abordagem mais focada na equipe, colaborativa e focada no impacto é o autoatendimento. Não apenas o acesso a um painel. A ideia de realizar coisas “sem a ajuda de engenheiros ou pessoas de dados” é generalizada, mas pode reforçar os silos e impactar os resultados. O autoatendimento deve permitir a colaboração, não impedi-la.

Na Amplitude, tentamos ter uma visão mais holística da análise de autoatendimento. Nossa filosofia de produto é:

1. Incentive a curiosidade . Perguntas de primeira passagem raramente são as melhores perguntas. A exploração inspira novas perguntas. Ajudamos a desbloquear a longa cauda de insights, onde as verdadeiras joias existem.
2. O autoatendimento é sobre agência, remoção de dependências e impacto. Não se trata de empurrar o fardo para que alguns membros da equipe possam ter acesso fácil, enquanto outros membros da equipe fazem o trabalho pesado.
3. Alfabetização de dados de escala . Um analista e um gerente de produto podem emparelhar e aprender juntos? Alguém pode iniciar uma análise, fazer um caderno e depois compartilhá-lo com alguém mais habilidoso para obter feedback?
4. Um viés para ação e impacto. Ao oferecer suporte a testes, recomendações, personalização e sinalização de recursos, aproximamos as equipes da ação. No final das contas, o objetivo é construir um sistema que crie valor para clientes, negócios, etc. Não é gerar relatórios.

Acreditamos que o autoatendimento se encaixa em um ciclo virtuoso. O acesso e os dados utilizáveis ​​inspiram a curiosidade, e a curiosidade, juntamente com a colaboração e a alfabetização de dados, geram melhores decisões, ações e impacto.