Os principais desafios e benefícios de um Procurement Data Lake (PDL)

Thiago

Meu nome é Thiago, eu sou Head da área de dados e advanced analytics da Comgás, também dou aula, gosto muito do tema. E, se me permite, você falou um negócio que eu gosto bastante, adaptação da empresa.

Eu costumo dizer para as pessoas que as empresas precisam ser uma barata. 'Nossa, que nojento, uma barata'. É, porque a barata é um dos animais, insetos, seja lá o que for, mais adaptáveis que temos atualmente.

Vou contar uma coisa que você vai falar 'Ah, nossa!'. A barata, se você cortar a cabeça, ela ainda consegue sobreviver por alguns dias. É isso que as empresas precisam fazer hoje em dia, se adaptar a todo momento, constantemente. 

Murilo

Bom, eu sou Murilo. Estou como Gerente de Excelência de Supply Chain na Comgás há um ano e um mês. 

O nosso desafio é justamente unificar, centralizar as informações, dar informações de qualidade para os nossos negociadores, e fazer uma transformação em suprimentos de uma maneira legal para trazê-los mais próximo do negócio.

Tirar ali o suprimento de ser o patinho feio, que demora, que só emite pedido, mas de uma maneira ágil, com informações inteligentes, como a gente sempre flertou com a galera de vendas: 'Nossa, mas vendas tem tantas informações', mas a gente tem igual. É só sabermos trabalhar com o que temos na mão. 

João

Prazer, pessoal. Meu nome é João, sou Case Leader na EloGroup. A EloGroup é uma empresa de consultoria que atua em parceria com a Comgás para tirar esse negócio do papel. 

Então quando se fala ali dilúvio de dados, de quantidades imensas de informações, falamos muito de uma discussão muito forte de modelo, o que a gente faz com esses dados, seja um painel, qual aplicação a gente coloca. Mas também tem uma parte muito importante de como a gente habilita, de como viabiliza que isso aconteça.

É uma discussão de “encaramento”, como é que constrói, como é que puxa esses dados que hoje estão capitalizados em vários sistemas, e como é que a gente consegue habilitar e permitir que consigamos viabilizar a tomada de decisão ágil, que consiga dar insumos, informações. Que a gente consiga, realmente, utilizar essa riqueza toda.

José

Boa! Só aproveitando umas partes que vocês falaram, e começando do começo, qual o diagnóstico e qual problema, ou desafio, que a empresa estava enfrentando em um dado momento, que fez com que hub acontecesse, e fez com que vocês pensassem nessa solução com esse desenho, com essas características.

De onde veio o diagnóstico e por que essa solução foi o remédio para aquilo que foi diagnosticado? Me conta um pouco do começo disso.

Thiago

Bem bacana a pergunta. Só para contextualizar todo mundo rápido. A Comgás é uma utility, e, como uma boa utility, ela usa SAP. Acho que esse contexto precisa ficar muito claro logo de início. 

Quando você vê outras empresas, elas acabam usando bancos de dados de mais fácil acesso e, às vezes, essa área de dados demora um pouco para ser criada. 

A Comgás é uma empresa utility e baseada em SAP. Há, pelo menos, uns 4, 3 anos, já tínhamos a área, mas decidimos criar um plano de transformação digital. Não só para a área de supply, mas para a companhia como um todo. Então foi daí que começou a nascer a necessidade.

Ora, se eu vou ser digital, se vou entrar nessa enxurrada, um dos meus pilares precisa ser a área de dados, que me ajude a consolidar, que me ajude a trazer mais consciência sobre esse dado, e aí, em cima dele, criar alguns cases para poder ser tracionado.

Acho que um ponto que é muito importante, que eu gosto de falar quando falamos de dado é assim: 'Ah, legal, Data Lake, né?' — não sei se aqui vai ter alguém tão técnico assim, chão de fábrica que não vai chamar.

'Ah, o que você usa de arquitetura?' É muito bonito. Posso passar horas discorrendo sobre arquitetura. Mas se ela não tiver um case de negócio que devolva para a companhia, de nada serve a área de dados.

Então, hoje, a gente tem o case com supply, que o Murilo vai comentar, mas temos uns cases com inteligência de mercado, cases com vendas, cases com CRM. 

Atualmente, a plataforma de dados, como assim chamamos na Comgás, ela já atende diversos projetos dentro da vertical de transformação digital. E a parte de supply é um deles.

Murilo

E aí, como chegou na gente, né, Zé? Logo que eu cheguei ali com o time, fomos fazer um diagnóstico, entender melhor os números da área.

Esses números eram uma grande incógnita. Nós não conseguimos falar o quanto de spending a gente tinha, que é uma informação básica para a área de suprimentos. Quanto cada comprador tinha de gestão de contrato, quanto era o consumo de cada contrato.

Na verdade, eles diziam. Só que cada vez que a gente voltava para questionar a mesma informação, o número mudava, do mesmo relatório. Porque cada um tinha a sua forma de extrair o relatório, cada um tinha a sua forma de concatenar informação, cruzar nas suas pivôs, nas suas fórmulas de Excel. Sempre tinha uma informação que eu não poderia dizer que era nossa realidade. 

É aí, lá atrás, ano passado mesmo, o Thiago me puxou — já estava nessa recorrência com outras áreas da companhia —  para embarcarmos nesse projeto.

Falei: 'Pô, é isso que a gente precisa, né?' Já estávamos em um movimento de entender a origem dos dados, como fazia a limpeza dos dados, como deveria apresentar, como eles precisam utilizar.

A gente já estava nessa tocada, então eu falei: 'Excelente se eu puder canalizar isso, em um único canal, e ali será a minha fonte única e verdadeira de informações’.

Já apontando um pouquinho, lá atrás tivemos que fazer uma pausa. A gente fez todo o desenho de etapas dos processos, do que deveria subir, como deveria fazer, quais informações trazer.

O que fazer quando a área não está pronta?

Quando a gente começou o projeto, vimos que a área não estava pronta. Na verdade, quem ia utilizar as informações não estava pronto. 

Ainda não era aceito, pelos próprios negociadores, ter uma área que ditaria quais informações eles deveriam utilizar. 

Então fizemos uma pausa no ano passado, fizemos um desenho, e teve um trabalho bem grande, com o nosso time mesmo, de trazê-lo mais para perto. Meio que fazer com que eles confiassem na gente da forma que montaríamos.

Quando você vai para uma mesa de negociação, o que você acha que vai precisar? 'Ah, eu preciso de A e B de dados. Você tem aí?', 'Tenho',  'De onde você puxou? Como que você fez? Posso fazer aqui?' 

A gente fazia, da maneira que já tínhamos entendido que deveria ser a maneira certa e discutia ali com ele, de uma forma bem saudável, qual era a informação que ele deveria levar.

E aí, dessa maneira, participando com eles desde o início, de uma necessidade de uma RFI, de uma RFP, como que poderíamos ajudá-lo e enriquecer isso para uma contratação.

José

A área de supply foi a primeira, foi o primeiro case? Fala um pouco, Thiago, como esse critério de escolha, de qual case ou qual área viria primeiro. Como foi essa decisão para vocês?

Thiago

Acho que o primeiro ponto que é preciso colocar para todo mundo, é que a companhia comprou a transformação e a área de dados. 

Diferentemente de muitas empresas, isso não partiu da priorização de baixo para cima, veio de cima para baixo.

Hoje, tem até um detalhe muito interessante, que eu gosto de contar. Tivemos um evento de lideranças, com o presidente, e quem fala de dados é o presidente. Quem fala de Inteligência Artificial é o CFO. 

O pessoal ainda brincou: 'Você entregou cartilha para cada um?’ Não, a área está conectada. 

Antes de vir para cá, e aí pegando esse seu gancho, eu estava em Campinas, em uma das nossas sedes, em reunião com a diretoria, justamente do primeiro projeto que deu a visão dessa transformação. A gente precisava fazer uma transformação na nossa inteligência de mercado. Tudo começou por aí. 

Precisávamos ter uma inteligência mais dinâmica, mais ágil, que pudesse se adaptar melhor ao que está acontecendo. 

Cenário de transformações naturais

Porque quando você olha para uma utility, quando você olha para uma empresa de gás, há uma transformação natural acontecendo no Brasil que é: você tem eletricidade, tem eólico, tem uma série de fontes de energias renováveis que aparecem mais forte agora, isso aumenta a competitividade que a gente tem de valor energético, por exemplo. 

Então é: 'Cara, como é que a gente começa uma transformação por ali?' Por isso, o primeiro case foi inteligência de mercado. 

Qual foi a única sacada que eu acredito que é muito diferente? Quando começamos a desenhar a plataforma de dados por eles, eu sempre brinco que a gente quebrava dentro da plataforma de dados. Por exemplo, um dos pilares da transformação de inteligência de mercado, é o que nós chamamos de "inteligência de custos". Mas não a parte de supply, a inteligência do CAPEX mesmo da companhia.

Porque se você olhar a Comgás, ela é o que? Você a conhece como uma empresa distribuidora de gás, correto?  'Ah, mas a Comgás é uma empresa de engenharia'. Para o gás chegar na minha e na sua casa, ela precisa construir. Essa construção tem uma inteligência em supply. 

Então, a gente falou 'Putz, legal, vamos começar pela inteligência de mercado, que tem valor, tem business case atrelado sobre ele, extremamente enorme'. Mas quando ele entrava para dentro da plataforma, a gente quebrava. 

Foi por isso que eu consegui, logo que o Murilo chegou, falar: 'Murilo, chega aí, vamos trocar uma ideia. Você vai começar, você quer trabalhar com dados? Putz, você tem expertise? Já tem alguma coisa aqui para você começar a brincar quanto a isso'.

Porque o primeiro projeto, que deu essa visão toda, foi o de inteligência de mercado. Aí, está indo adiante.

José

Esse é um ponto que, quando você fala da questão dos cases, e da importância de produzir esse resultado para a companhia ver, para que isso pegue tração e puxe todo esse processo evolutivo, que métrica ou indicador vocês usaram nesses primeiros cases para medir o efeito?

Porque, assim: 'Gente, precisamos de uma nova infraestrutura, seja qual for a arquitetura, o desenho, a tecnologia, enfim. E vamos fazer esse case primeiro, usando essas coisas novas que estamos construindo'.  Foi lá, fiz o case, coloquei o negócio em prática, e aquilo produziu um efeito. 

Como que vocês mediram esse efeito e comparando: 'Antes fazíamos desse jeito e, agora, aqui a gente tem ganho X, Y, Z. 

Thiago

Primeiro, vamos de trás para a frente. Quando resolvemos fazer a transformação digital e todo o seu plano, não foi só um projeto que saiu. Nós desenhamos nove cases. Cada um desses que desenhamos, a nossa métrica foi o VPL — quanto eu vou investir, e quanto ele me retorna.

Como é que fizemos isso? Usamos muito case de mercado, seja Brasil ou fora. Que, aliás, nem contei para ninguém isso, mas a gente teve até problema. Porque, quando você olha para case fora do país — se quiser comparar, por exemplo, com uma Europa da vida — temos uma certa diferença, porque na Europa é mais frio, então, eles consomem gás. Veja a crise energética que estão tendo agora, inclusive com a guerra.

Mas olhamos alguns cases lá fora, como os caras faziam, e tropicalizou ele para dentro de casa. A gente olhou nove. Desses, vimos quanto cada um retornava em VPL — quanto vou investir, quanto isso me retorna.

Então, por exemplo, logo de cara, sai lá inteligência de mercado. Por incrível que pareça, o segundo foi a área de supply. Olhar melhor os nossos contratos, olhar melhor os nossos compradores. O Murilo vai contar para vocês. 

Como a gente é uma empresa de engenharia também, temos muitos fornecedores, muita performance, contratamos demais. Então, esse foi o segundo caso, quanto eu vou investir, o quanto me retorna, olhando o case de lá de fora e comparando versus o que eu faço, hoje, na mão.

Mais exemplos

Outro exemplo, estávamos agora dando um resultado de uma parcela de um dos primeiros projetos, que foi um resultado absurdo. Um dos comparativos foi agilidade, então, agora eu consigo ser mais ágil, esse foi o primeiro ponto. 

O segundo ponto foi: eu consigo olhar um horizonte muito maior de informações do que eu olhava anteriormente. Só para vocês terem uma noção, nessa área de mercado que a gente estava fazendo, e que vai acontecer aqui com o Murilo agora, manualmente olhávamos dois campos, três features, vamos chamar assim. 

Hoje, a gente olha 480, com alguns modelos, e ainda não terminou, essa é a primeira release ainda. Foi assim que conseguimos dar esse baita desse salto? 

José

Murilo, poderia contar como foi a construção desse case, os primeiros efeitos positivos que vocês viram. Como vocês mediram isso? Conta um pouco dessa construção dentro de supply.

Murilo

Primeiro, o pessoal da Elo ajudou muita gente a fazer o mapeamento do que queríamos, porquê, como utilizaríamos, qual seria o nosso quick win. Então, tivemos todo esse desenho para sustentar o que nós nos dedicaríamos a isso.

Eu comentei que, no ano passado, a gente não conseguiu dar sequência direto no projeto. Mas nós retomamos este ano, após já ter uma certa maturidade, com as informações que estávamos trabalhando, que eram seguras, e já tendo a confiança do nosso time também, que nós somos os fomentadores e quem alimenta eles com informações.

Foi quando começou o trabalho muito mais técnico de arquitetura, falando assim: 'Esse dado, de onde ele vem, o que eu preciso, depois vou cruzar com o quê?', fazendo um check em todos os boxes que nós criamos de retorno do projeto.

E até Linkana entra aí no papo, como ela ficou sabendo, pois puxamos o pessoal para uma conversa e disse 'Meu, vamos subir também as informações do nosso CRM, informações dos nossos fornecedores, porque queremos cruzar isso também para termos insight de qualidade’. Acho que o João pode comentar um pouco mais desse trabalho aí de subida. 

Falando em retorno, hoje a gente ainda não consegue dizer o retorno exato, temos um estimado, porque semana passada, ou retrasada, fizemos a primeira subida de dados em produção. 

Então, todo esse projeto, foi a dificuldade que o João vai contar um pouquinho.

João

Quando falamos dos desafios de colocar isso de pé, existem desafios ao longo de toda a cadeia de estruturação, de perenização, de operação Data Lake. Falei que até que o uso do dado, lá na frente, que é quando eu entrego e consigo viabilizar alguma análise, algum modelo, alguma coisa mais robusta.

Para começar, tem um desafio muito grande de multidisciplinaridade. Trabalhar dados analíticos é algo que é fundamentalmente multidisciplinar. 

Eu preciso trabalhar com o pessoal de engenharia de dados, pessoal de DE, o pessoal mais técnico, que vai trabalhar a modelagem, arquitetura de dados, toda a parte de desenvolvimento, pessoal que vai trabalhar mais DS, que vai pegar esse dado e usar para gerar modelo, para fazer alguma coisa. 

Precisamos estar muito alinhados à discussão de negócio. Ao longo de todo esse caminho precisa estar aterrado, com uma proximidade muito forte do pessoal de gestão, pessoal de negócio. 

Fazer toda essa galera, conversar, falar a mesma língua, e colaborar, é fundamentalmente um desafio, e a multidisciplinaridade é algo que a gente, realmente, tem que trabalhar no dia a dia mesmo pra fazer esse pessoal, conversar e colaborar bem.

O primeiro desafio de Procurement Data Lake

Quando falamos de estruturação da Data Lake, já colocando os dados e puxando, acho que tem três principais desafios quando a gente olha. 

Um é tangibilizar o trabalho de DE. Como eu falei, esse trabalho de engenharia de dados, de encanamento, é algo que é muito distante do mundo de gestão. 

Quando a gente fala de modelo Machine Learning, até análise estatística é algo que é próximo do negócio, é algo que se consegue entender com um pouco mais de facilidade.

Agora, falar de modelagem de dados, de arquitetura, de desenvolvimento ao longo das camadas Data Lake, é um negócio muito mais difícil de tangibilizar. É mais complicado falar essa língua e conseguir aproximar com o viés de multidisciplinaridade.

O segundo desafio de Procurement Data Lake

Segundo ponto, acho que é muito trabalhar o Data Lake como uma fonte centralizadora​​ de informações. 

Isso acontece porque os dados existem, o dilúvio de dados estão lá, mas eles estão no SAP. Em alguns casos de forma não tão estruturada, em planilha de Excel, ou em algum outro sistema.

Já o Data Lake, como centralizador de dados, ou fonte única de verdade, de ser a plataforma da qual vou plugar essas soluções e observar esses dados, traz um desafio inerente de desenvolvimento — porque eu preciso pegar esses dados que têm formatos diferentes, requisitos, naturezas — e trazer de forma semiestruturada, estruturando eles ao longo do Data Lake. 

Mas também porque ele é uma solução agnóstica ao sistema. O dado que está lá não é do SAP tal, ou do SAP tal, ele é um dado de contrato, de pedidos. Então, trabalhar um pouco do formato, da modelagem, para permitir trabalhar diferentes temas-fontes, diferentes formatos, natureza, é um desafio considerável.

O terceiro desafio de Procurement Data Lake

Falando um pouco do terceiro desafio, na estruturação do Data Lake, acho que é muito como a gente trabalha o legado. 

Quando eu estou construindo o Data Lake, fazendo esse encanamento, meu formato de preenchimento de série histórica mais longa, ele possivelmente vai mudar ao longo do tempo. Possivelmente vai, em casos extremos, o mesmo campo vai ter natureza de dados distinta quando eu olho uma série histórica resultar em mais longa. 

Então, trabalhar esse legado, trabalhar a forma como esse mesmo comportamento, dentro de uma mesma tabela, de um mesmo dado muda, acho que é um ponto inerentemente desafiador e algo que não tem muita receita de bolo. Eu tenho que tratar caso a caso, e isso é o que traz sempre complexidade, tanto de tempo quanto de perfil, de solução que eu preciso. 

Sempre tem uma estrutura muito robusta que entra o Thiago e a interface que temos com ele — de arquitetura de governança, que vai ajudar a gente que coloca a mão na massa, que implementa, que personaliza junto à área de negócio a conseguir trabalhar dentro de um mesmo padrão, formato, taxonomia, catalogação, para conseguirmos construir esse dado de forma bem estruturada.

José

Esse ponto que você traz quando fala do desafio da multidisciplinaridade, você comentou que parece que fala uma língua diferente, dialetos diferentes. Então, você tem áreas de negócio que terão um nível de alfabetização de dados, em tese, baixo — porque tudo isso é muito novo, obviamente. E aí você tem as pessoas que trabalham com dados, que são mais especialistas sobre isso, que são mais alfabetizadas, são mais versáteis nesse dialeto, nesses termos todos.

E esse talvez seja um dos principais desafios das empresas atualmente, que é elevar o nível de alfabetização de dados nas áreas de negócios porque, em outras coisas, o consumo dessas informações, ou a adoção dessas novas soluções, tudo isso vai melhorar. 

O processo de transformar informação em decisão melhora, entre uma série de outras coisas. 

A partir desse cenário, dessa discrepância de conhecimento que existe entre áreas de dados e área de negócios — vocês até mencionaram os compradores, que tinham dificuldades no começo e vocês foram lá e fizeram uma construção juntos. Imagino que tenha um impacto positivo na adoção por parte dessas pessoas. 

Mas eu queria ouvir um pouco de vocês, dado esse desafio e essa discrepância de conhecimento com as áreas de negócio, como isso impacta o modo como esse processo de evolução digital e analítica cresce, para qual direção ele vai, se vou primeiro para uma área de negócio X, ou uma área de negócio Y. 

Qual é a visão de vocês sobre esse processo, e como vocês estão olhando o desenrolar e a evolução disso tudo que estão construindo?

Thiago

A pergunta é muito boa. Eu defendo muito que o maior desafio que todas as empresas têm atualmente chama pessoas. 

A Comgás teve, de novo, uma sacada muito boa, porque ela chama tudo de ‘pessoas’. Por exemplo, jornada do cliente, jornada de fornecedor, jornada do funcionário, tudo são pessoas.

Me permitam falar assim, a parafernália técnica, você vai no Google e traduz em dois segundos. A internet, como você estava falando, se tornou um canal muito grande de conhecimento fácil.

E como estamos resolvendo isso? Debaixo da minha estrutura, da área que eu tenho lá — tenho uma área de engenharia de dados, uma de ciência de dados, uma de projetos, que é a que conecta bastante com o pessoal aqui, e tenho a área de governança, que pra mim é chave e o maior sucesso que tenho. 

Mas aí você fala: 'Mas o sucesso não é o cientista de dados, o DE?'. É legal, é sucesso, mas é a governança de dados que faz esse fechamento, esse sucesso. Porque são eles que estão fazendo a comunicação.

Então, eu brinco que eles são chatos, evangelizadores chatos. Eles estão o tempo todo comunicando, o tempo todo fazendo treinamento, workshop, e não é com a área técnica. Porque aquele cara que já é DE, cientista de dados, desenvolvedor, esse cara para mim é legal, e eu faço um outro treinamento com ele.

Quem eu quero? Eu quero os compradores. Quem é o cara? Eu quero o time de vendas, quero treinar esse cara, trazer o workshop. Quero que ele defenda a plataforma de dados, e não um cara tech.

A responsabilidade da área de governança

A área de governança hoje, da Comgás, de governança de dados é a responsável por isso. A gente tem uma rede social interna, como muitos de vocês devem ter.  Semanalmente, por obrigação, se solta de três a quatro comunicados, sempre.

A cada 15 dias tem um workshop diferente, seja da plataforma de dados, do catálogo de dados, de Power BI — estamos abrindo mais que o Power BI, e essa é uma novidade muito grande dentro da Comgás que vai pegar muita gente de surpresa. 

Eu estou conectando a plataforma de dados ao Excel. Mas aí você fala: 'Cara, mas isso é loucura, você não quer matar o Excel?'. Mas o comprador trabalha com Excel. 'Mas ele vai aprender o Power BI'.

Vai, mas não vai querer usar, porque, no final do dia, ele quer fazer uma tabela dinâmica. Então, eu consegui colocar na estrutura técnica de uma forma que o Excel seja uma ferramenta segura, e que eu poderei usar.

Não importante, pessoal. Hoje, a Comgás deve estar 70%, 80% totalmente home office. Poucas pessoas estão indo ao escritório. Então, poucas vezes estamos nos encontrando com elas. Estamos fazendo como? Encontro como virtual. 

Cada encontro dá 80, 90 pessoas plugadas para tentar conhecer alguma coisa.  Essa é a maneira que a gente está fazendo para andar um pouco mais.

Murilo

A nossa transformação — ou evangelização, como disse o Thiago —, como nossos compradores, primeiro a questão de eles terem confiança na gente, de como passaríamos aqueles dados. 

Colocando na mesa, discutindo, informando, debatendo qual seria a melhor metodologia, o melhor cruzamento de informações e não que nós fossemos a verdade, mas para atender, como toda inovação, de pessoas para pessoas.

Se eu fizesse algo totalmente descolado deles, ia nascer morto. Esse foi o primeiro grande trabalho de sentar com eles e entender realmente a necessidade, depois a gente escreve: 'É isso? É isso. Então, quando for fazer, me chama'. 

Quando ele ia fazer, não deixávamos. Primeiro, fazíamos para ele, porque é uma das principais tarefas do nosso hub, fomentá-los com essas informações. Então, já tiro o workload do cara: 'Pô, literalmente estão trabalhando aqui para mim. Fico um pouco mais tranquilo com isso'. 

Segundo, temos esse trabalho de comunicação, muito forte das iniciativas que a gente tem, não só para a companhia, mas internamente também: 'Pessoal, agora estamos subindo e tem tal informação nova de fornecedor no Linkana. Agora tem esse novo painel, esse novo BI, no qual vocês consultam XPTO informações'.

Tipos de comprador

Tem comprador que vai utilizar isso como um mantra na vida dele. Todo dia vai entrar e consumir aquelas informações e não vai questionar.

Tem aquele cara que ainda temos que trabalhar no dia a dia, que fala 'Mas me passa o relatório que alimenta isso em Excel, por favor'. Então temos que mostrar para ele que não, ver o que ele precisa, como a gente ajuda. 

E tem aquele outro cara também que, conforme o vamos munindo de informações, deixando-o curioso para o que estamos fazendo, para onde queremos chegar e como estamos indo, ele embarca com a gente passa a ser esse promotor de tudo o que estamos realizando. 

Ele passa a conhecer um pouco mais da tecnologia, um pouco mais de tecnicidade, passa a participar ativamente dos nossos fóruns, contribuindo, criticando. A gente até criou um form para a galera: 'O que está ruim? Senta a lenha aqui', e eles iam, de maneira anônima, e colocavam.

Isso nos ajudou muito também, a deixá-los confortáveis para falar ‘está ruim, está no caminho errado’.

José

Eu ia te fazer uma pergunta, e você acabou esbarrando um pouco, que é, se a gente pudesse usar uma caricatura, de um perfil que tenha sido mais resistente do processo de adoção e de assimilação. E um outro perfil, de novo uma caricatura, que absorveu isso melhor e que está avançando, sendo promotor.

O que você diria que tem de diferente entre esses dois perfis? E do perfil que adotou e que está assimilando e promovendo, vocês já conseguiram detectar algum tipo de ganho, algum tipo de coisa nova que esse perfil está fazendo com essas informações, além do que ele já fazia antes tradicionalmente? 

Já tem uma análise nova, uma provocação nova de um outro cruzamento, por exemplo, que ele está chamando — por exemplo, 'se a gente cruzar isso com isso, talvez aqui tenha uma oportunidade'. 

Como que o perfil mais resistente e o perfil mais assimilador, como têm evoluído dentro da companhia e como esse mais assimilador já está usando esse conhecimento novo para extrapolar aquele tipo de conhecimento, de análise que ele, tradicionalmente, já acessava?

Murilo

O perfil um pouco mais tradicionalista. vamos chamar assim, não deixamos de dar a informação para ele, da maneira que ele espera, ali no Excel. 

Mas quando extraímos aquelas informações para ele, e vai muni-lo com aqueles dados, trabalhamos juntos para chegar na informação que ele quer, para que tenha o mínimo de ação em cima daqueles dados, de corromper a informação que a gente está passando para ele. 

A gente fez alguns testes no início: 'Pô, me fala o seu spending', e aí fazíamos da forma que tinha combinado antes de fazer. 

A informação nunca batia, porque a metodologia e a disciplina de como ia fazer não estava dentro do dia a dia. Não tinha incorporado, e nem deve, não é atividade dele. O cara está ali para buscar as melhores contratações, as melhores produtividades e eficiência para a companhia. Ele não deve ficar focado nisso, efetivamente. 

Nós não deixamos de muni-lo de informação. Ele quer saber esses insights para ir lá e falar: 'Como é que você estimou isso?', e chegar no fornecedor e negociar uma produtividade em cima do consumo que vai aumentar.

E o inverso também. Está lá com um contrato de cinco anos, deu dois, três anos e o contrato não chegou a 30% de consumo, ele quer esse insight para falar: 'Pô, na hora de negociar um aditivo ou rescindir, eu vou tomar um pau por desequilíbrio econômico do fornecedor, que mobilizou X pessoas, X equipamento, e eu não utilizei nem 50% do comprometido em contrato'.

Então, o pessoal já começa a buscar a gente para dar esses insights, do que eles gostariam de ver.

José

Caso haja, comparando esses dois perfis, tem alguma característica que é mais presente em um perfil do que no outro? Direcional, ou alguma área de formação específica? Tem alguma coisa que está mais presente nesses perfis, ou não?

Murilo

Não consigo te trazer nenhuma, porque eu tenho pessoas com muito tempo de Comgás que abraçaram o projeto, e gente com muito tempo de Comgás que diz: 'Putz, isso aí não vai vingar'.

Tem gente mais nova, com a mesma visão, gente que veio do mercado com a mesma visão. Então, eu não consigo te dizer. 

É muito legal ver isso assim porque, na diversidade do time, não conseguimos identificar a falar: 'Pô,é a geração dos 40+ que está sendo a nossa pedra no caminho'. De maneira nenhuma! Tem muito 40+ que são os nossos promotores.

Thiago  

Eu acho que tem uma diferença sim: o cara que usa o Excel. Você vai identificá-lo na sua empresa. Ele não quer sair do Excel. Mas o Power BI, o X, o Y, não interessa. Ele pode ter 15 ou ele pode ter 100 anos, ele usa o Excel e, para ele, essa é a melhor ferramenta.

Vou contar uma coisa que a gente fez na Comgás, e eu dei graças a Deus de estar virtual, se não, eu tinha morrido.

A Comgás permitia que você exportasse dados pelo Power BI. Isso infringe um ponto de segurança de dados. A primeira coisa que eu fiz foi lá e cortei, literalmente.

Erroneamente, as pessoas começaram: 'Mas meu dado não é da LGPD, por que você cortou? Eu posso exportar também'. 

Até teve um executivo que eu falei: 'Não tem problema, cara, seu dado é o que?', 'Ah, meu dado é isso'’. 'Seu dado é SOC. Beleza! Se vazar seu dado, o que acontece?'; 'Todo mundo que encostou no dado vai para a rua'; 'Então qual a diferença de assegurar um dado LGPD e um dado SOC?' 

A característica pessoal é que, a pessoa que usa o Excel, que continuar usando o Excel. E, conforme o Murilo disse, não importa a idade que ela tem.

Como mudar esse ponto de vista?

Como é que ele vê diferença sobre isso? Quando ele ganha produtividade. O fato de ele ter a plataforma de dados hoje, fechada, bonitinha e concisa, se ele liga Power BI, Python, qual for, e ele tem produtividade, vai vender isso para todo mundo. 

Se ele tem a plataforma de dados, que é maravilhosa, de última geração, e não vê produtividade, não interessa, ele não vai utilizar. E o que é o contrário? O contrário é o cara que achou agilidade, que viu isso. 

Eu já trabalho com dados há alguns anos já, bons anos. Eu dei uma sorte grande na Comgás, da diretoria e do presidente comprar isso. E na reunião de hoje quando acabou — que é um outro a gente comentou que é desse assunto — que o desafio é qualidade de dados, que você ver aí que, no Brasil, isso beira os 40%.

Eu pedi para uma pessoa uma ajuda, que eu vou começar a ser chato, na parte do input do dado para começarmos melhorar a qualidade. 

Ele levantou, e ele é um lorde, aquele presidente, e falou: 'É isso mesmo. A partir de agora, ninguém cria mais nada senão passar por você. Temos que popularizar a plataforma de dados. Tem que partir da diretoria'. 

Isso eu achei muito interessante, porque é o oposto. É o cara que viu a agilidade, a possibilidade. 

O projeto do Murilo ainda estou muito com ele, mas, por exemplo, eu tenho um projeto que mexe, ao mesmo tempo, com cinco áreas. Alí o cara consegue ver um insight diferente. 

'Opa, você mexeu nesse case aqui, então aqui eu consigo vender mais, aqui eu consigo olhar para o cara'. 

Então, quem viu agilidade, é quem vende. E quem gosta do Excel, esse é o que não sai.

José

Queria perguntar para o João. Ainda nesse contexto da multidisciplinaridade, de ter uma maior taxa de adesão e de assimilação, às vezes, dentro de uma mesma área de negócio que está sendo atendida, você tem uma variação muito grande.

Olhando para os projetos todos que você já participou — imagino que sejam empresas de segmentos distintos —  você diria que está todo mundo na mesma posição do tabuleiro, com os mesmo desafios, as mesmas taxas de sucesso e insucesso? Os obstáculos são os mesmos para as organizações, de uma forma geral?

Ou você vê segmentos ou indústrias que talvez estejam um pouco mais à frente, ou com uma dificuldade um pouco maior? Qual o seu olhar sobre isso, você olhando de fora? 

João

Definitivamente, tem muita diferença de maturidade entre os segmentos, principalmente associado ao nível de digitalização do segmento e de histórico de digitalização.

Quando você olha, por exemplo, a área de saúde. Eu trabalhei muitos anos nessa área, e tem um mar de dados muito grande. Você tem um nível de geração, coleta e armazenamento enorme. 

Eu trabalhei muito no público. Eu sou de Brasília, entrei na Elo por lá.

Quando você olha os dados do SUS, se tem dados abertos, com uma riqueza grande, uma política de transparência que é benchmark do mundo, o uso de dados é muito baixo. 

Então, você tem uma quantidade absurda de dados sendo coletada, bem estruturados e um uso muito baixo, com poucas pessoas fazendo uso desses dados.  

Ou seja, depende do nível de digitalização, de quando começou, e da maturidade de transformação digital dessas áreas.

O que fazer na prática

Mas, na prática, para botar essa galera para usar esse dado, para aumentar a adesão e subir um pouco da barreira, você precisa do que? Precisa que ele saiba qual dado utilizar. Como que eu consigo mapear, catalogar esses dados. Deixar claro para o usuário qual tipo de dado ele tem acesso e pode trabalhar.

Eu preciso dar acesso a esse dado, ou seja, o cara precisa saber onde encontrar esse dado, como usar e como acessar.

Essa do Excel. Acho que o pessoal vai fazer uma festa lá, porque facilita muito para esse cara da ponta como que ele usa esse dado plugado direto na plataforma. 

Eu preciso saber o que fazer com esse dado. Então, eu preciso aumentar o meu leadership, preciso aumentar o meu aculturamento de dados mesmo, para o cara pegar esse dado, sabendo qual é, sabendo como que eu acesso ele, o que eu faço, eu consegui fomentar cada vez mais projetos, para conseguir fomentar cada vez mais esse uso. E eu consegui subir cada vez mais a barra de maturidade digital desse usuário, desse cara da ponta. 

José

Eu acho que esse desafio que você descreveu é também, fundamentalmente, um desafio das lideranças das organizações. Isso o Thiago destacou algumas vezes, do perfil da liderança da Comgás.

Há 10 anos trabalhando com consultoria, várias empresas de segmentos diferentes, a liderança tem a chave do cofre, e passa por ela uma grande parte da taxa de sucesso de qualquer tipo de iniciativa de dados. 

Ela também tem o martelo da desgraça na mão, porque ali também é curva de rio, e o negócio empaca e não anda.

Acho que, da mesma forma que você fala sobre esses diferentes níveis de maturidade, diferentes níveis culturais de dados nas organizações, acho que cabe esse mesmo raciocínio para os níveis de aculturamento e conhecimento, que estão nas altas lideranças de várias companhias, de várias organizações. 

Porque, de novo, se o CFO não falar sobre dados, vai ser complicado produzir algum tipo de mudança mais estrutural, e passar por todos esses obstáculos que a gente precisa passar nesse processo de evolução. 

Esses obstáculos de processo de evolução passam por uma evolução também da governança, de como ela se dá, de como você vai garantir lá o Single Source of Truth, aquele dado que tá ali disponível. 

Ele está correto, ele foi coletado na frequência adequada? Ele é real na comparação com o que gerou aquela informação? 

A ideia de governança, a política de governança, a maneira como ele se dá, ela evolui junto à medida que esses processo de evolução, de infraestrutura, de utilização e tal, vão mudando nas organizações. Como é enfrentar essa questão do ponto de vista da governança? 

Thiago 

Acho que a governança, como o nome mesmo já diz, me permitam a expressão, é um inferno. A Comgás ainda está em um processo de maturidade dessa governança, mas eu acho que é chave.

Se você não tiver uma governança ativa, evoluindo, como você mesmo comentou, junto com todos esses processos, não interessa. 

‘Não, mas eu tenho aqui 50 cientistas de dados, e eu vou fazer modelos de inteligência artificial'. Parabéns, você vai jogar no lixo.

Se você for ver, eu sou cientista de dados, tenho formação nisso e o caramba a quatro. Só que se você não tiver o dado com a frequência correta, se você não tiver o dado com a melhor assertividade possível, não interessa. Todos seus insights, todos os seus modelos, você vai jogar no lixo, porque não são verdadeiros.

Agora, o que que a gente está conseguindo fazer? Crescer isso ao longo da vida. Estamos no suprassumo? Ah, está longe do suprassumo. Estão interessantes? Estão interessantes. A gente já consegue fazer algumas coisas boas, mas ainda temos muita dificuldade. 

Principais dificuldades

A gente tem muita dificuldade com a qualidade de dados. A gente tem muita dificuldade com o que estamos falando aqui o dado de dimensional, que eu chamo. Mas a gente fala muito pouco ainda do nascimento do dado, muito pouco. 

Se você até me permite aqui, rápido, dentro do assunto de governança, tem um novo tema, um conceito que eu estou tentando gerar dentro da Comgás, estou até escrevendo sobre ele, que é o conceito do IA First. 

É o pensamento da Inteligência Artificial primeiro, mesmo que você não vá construir uma IA.

Aonde eu quero chegar com isso? A partir do momento que você tem esse pensamento da ideia do dado, quando você vai construir o sistema transacional, você toma cuidado quanto a isso. 

Exemplos de dificuldades enfrentadas

Vou dar um outro exemplo. Semana passada, teve uma gerente de vendas, que é muito amiga minha, falou: 'Pô, Thiago, eu preciso que você dê ok aqui em uma solução, o que que você acha?' 

Eu falei assim: 'Ah, é legal, né? Me conta o que você está fazendo?' 'Estou fazendo aqui um formulário aqui com 80 campos, o que você acha?' Falei: 'Joga no lixo'. 'Mas eu comecei o projeto agora'. 'Pode jogar no lixo'.

Ninguém vai preencher 80 campos. Seja honesto, ninguém preenche 80 campos. Desses, você vai preencher 10, 20%. 80% você vai ter de campo vazio, com baixa qualidade, dentro da plataforma de dados.

Aí o Murilo vai querer usar um desses campos. Quando ele olha lá: baixa qualidade. Ele não vai conseguir utilizar. 

Então, quando você nasce o sistema na ponta, com o pensamento de Inteligência Artificial — generalizando, obviamente, pessoal —, o que você faz? Faz você ter mais cuidado com aquele dado que você vai entrar. Você facilita o lado da governança que você tem. 

Hoje, de novo, a gente está com a maturidade bacana, está evoluindo bem. Dentro da governança colocamos a parte de segurança, que volta de novo nessa questão da qualidade, tem a segurança desse dado.

Porque o cara, que nem o João falou: 'Nossa, se você conseguir liberar no Excel, vão fazer um busto seu'. Ao mesmo tempo, o time de segurança está com a espada tentando arrancar a minha cabeça. 

Riscos da liberação do Excel

Como você vai liberar o Excel para o cara do faturamento, ou para o cara de vendas? Porque o cenário que toda empresa deve ter, beleza, Excel é liberado. 

Aí o que o cara faz — toda empresa tem esse cenário. O cara está lá trabalhando com vendas e arrumou um novo emprego. Normal. Eu mesmo já trabalhei em 1000 empresas diferentes. 

Mas o que ele faz? 'Putz, agora estou saindo'. Ele pega um pen drive, ou agora usa o Google Drive, exporta a lista de clientes que ele atende ali, joga para algum outro lugar e chega lá e começa a ligar.

Nós estamos falando de proteção de dados, dos dados que são valiosos dentro da companhia. Isso o time de governança está vendo. Nós estamos implantando técnicas que conseguem logar tudo o que as pessoas estão fazendo.

Então, eu vou liberar o Excel? Vou, mas vou continuar logando tudo o que ele está fazendo, para que eu consiga manter essa governança. É só assim que eu estou fazendo.

Agora, colaborando aqui com o que você comentou aqui, para fechar, sim, a diretoria tem que estar muito comprada sobre isso. 

Como eu te falei do início do Excel, que a gente foi lá e matou do Power BI. Aí eu estava em uma reunião com a diretoria, o diretor falou assim: 'Ah, então foi você?', eu falei, 'É, fui eu'. 

Ele falou: 'Fez bem. Porque eu fui tentar exportar, e eu não consegui, e achei que fosse alguma coisa. Então, para não dar uma carteirada, resolvi olhar o Power BI para ver o que tinha'.

Então, essa governança, alinhada com a diretoria, funciona. Uma forma diferente, você tentar fazer só por baixo, não funciona.

José

Estou super de acordo contigo. Aproveitando, você falou muito bem da liderança, de tudo o que deu certo, de tudo que funcionou. Mas, e os obstáculos, as dificuldades, os erros, os tropeços na vida real? 

Thiago

Tem vários. Volta de novo para o assunto pessoas, que é o primeiro tropeço. Por quê? Vamos lá! Você quer montar uma área de dados em um mercado que não tem pessoas disponíveis para trabalhar. Esse é o primeiro obstáculo, primeiro erro.

A gente, no ano passado, tentou fazer mais projetos do que conseguíamos. Não tinha pessoas!

Tenho a Elo, um parceiro meu — o diretor dele é parceiraço —  teve uma hora que ele mesmo virou para mim e falou 'Thiago, vamos conversar, vamos dar uma segurada, porque eu não consigo mais pegar projeto contigo, porque não tem pessoas'.

Outros erros

Então, esse foi o primeiro erro. O segundo erro que a gente colocou, em um outro projeto: 'Não, legal, mas vamos tentar fazer algo a mais do que estamos pedindo neste exato momento.'

A maturidade da empresa ainda está crescendo. Fazer o "algo a mais" é legal, é divertido, mas como a companhia não tem maturidade, não resolve.

Vou contar um caso rápido aqui para vocês. A gente tem um projeto que faz forecast de compra de gás no mercado. Se você trabalha com utility, deve saber que com isso funciona. Você não pode errar 5% para cima ou para baixo, isso gera multa — nós tomávamos multa em torno de R$ 50 milhões por ano.

A gente foi lá e fez um modelo. Para quem conhece de Machine Learning, ou de técnicas avançadas, fizemos uma ARIMA. Uma das pessoas falou assim: 'Vamos fazer um Deep Learning, por que vai ficar legal', eu falei não.

'Mas você está barrando o projeto!'. Não estou barrando. Você vai fazer um Deep Learning que vai dar um resultado — e esse foi um problema — na hora que você for na área de negócio, o comprador não vai entender o resultado.

Sabe o que vai acontecer, ele não vai usar o modelo, e nós começamos a "empacar" justamente aí, e inverteu. Fizemos um modelo mais simples, e é um sucesso.

Meu chefe ganhou um prêmio com esse modelo. A Comgás ficou classificada como uma das empresas mais inovadoras do Brasil com esse modelo.

Por quê? Porque o comprador que estava na ponta lá da área de supply de gás, conseguia entender o resultado, então, esse foi o acerto. Qual foi o erro? Técnica avançada.

Outras falhas cometidas

Qual foi o outro erro? Tentar construir um modelo, uma plataforma, sem ter um case atrelado, que é o motivo pelo qual a gente está aqui agora. Na Comgás, eu não passei por esse erro, mas na empresa passada, eu passei. 

'Vamos construir uma plataforma bacana, e ter todos os dados da companhia aqui'. Então, qual o case? 

O que para de pé e o que paga a conta? Não tem nada. Agora você vai ter dado, agora você vai ser mais ágil, mas não tem case. Então, o inverso na Comgás funcionou. Funcionou porque temos case atrelado.

Acho que esses são os principais pontos. E se você trabalha com SAP, é o outro maior erro que você tem. Nada contra ele, mas porque o SAP é muito engessado. Ele traz muita dificuldade para o seu dia a dia, para quem quer trabalhar com uma plataforma dinâmica.

A gente sofreu muito com ele, até eu ter o que tenho hoje em dia, eu sofri bastante. Hoje, para você ter uma noção, eu tenho uma operação que funciona das seis da manhã, até às oito da manhã, para olhar se tudo no SAP rodou, porque eu não consigo fazer automático, e esse também é um outro problema.

José

Murilo, tem algum caso curioso para contar para a gente de dificuldades, obstáculos, tretas?

Murilo

Bom, eu já comentei um pouco de pessoas assim como o Thiago falou. O grande desafio é entender a maturidade da área em que você está, das pessoas onde você está, a companhia, o objetivo da companhia também. 

A gente não pode também falar 'Pô, minha área está fechada nesse projeto, é o que a gente quer, mas não é o desafio da companhia. É um descolamento total ali de rumos que a área está tomando e a companhia está tomando. 

Então, é entender o momento certo mesmo de colocar isso, de fazer esse empilhamento, de colocar em prática. E caminhando aí bem próximo do Thiago, que o ótimo é inimigo do bom, a gente teve a sorte de ter as duas frustrações no mesmo momento do projeto. Se fosse separado, o projeto estaria mais atrasado.

Segunda dificuldade

E a segunda partiu muito de mim mesmo, de erro meu mesmo, como líder da área e super "hypado" com o que poderíamos ter de output.

Então, quando a gente vai olhar para os nossos moonshots, a gente vai coletar informações de mídias do mercado e transformar em qualidade. Ver quanto eu tenho de capacidade produtiva em fornecedor e negociar em cima disso.

Se um cara vendeu fábrica, se vai ter um novo conflito de guerra da Ucrânia, e agora Taiwan e China, quanto isso vai faltar de material, esses são os nossos grandes moonshots.

Na minha ansiedade de ter já isso —  acabei de chegar na companhia, estou estruturando a área — já vou colocar um projeto e ganhar prêmio com o diretor do Thiago também, vou lá receber o prêmio. 

Então, teve essa ansiedade, que eu também passei essa mesma expectativa para todo mundo, e todos trabalharam em cima dela.

A sorte é que, com as duas nós nos frustramos ao mesmo tempo e demos um passo para trás. E, hoje, é qual é a real priorização, o que a gente precisa? Precisamos disso. Vamos chegar no moonshot? 

Vamos e, quando chegarmos, vamos lá apresentar esse case, mas no momento certo. Em determinado momento, a gente vai chegar lá. Então, cumprir com as sprints aí da maneira correta, com entendimento e maturidade.

José

Uma última rodada aqui, para ouvir o olhar de vocês três. A gente falou sobre os desafios de evolução da infraestrutura — gostei muito do João que falou sobre encanamento, é bem isso mesmo.

A evolução do encanamento, por onde a informação circula na organização, a adoção, a qualidade do dado, a multidisciplinaridade, a diferença de conhecimento, o processo de aculturação, liderança bem alfabetizada, ou não tão bem alfabetizada.

E eu queria ouvir um pouco da visão de vocês sobre o futuro. Olhando para o mercado de uma forma geral, o que vocês enxergam como os principais desafios das organizações neste momento, ao longo dos próximos anos. Onde vocês enxergam oportunidades. Quais seriam os principais obstáculos que as organizações precisariam enfrentar. Uma perspectiva.

A gente falou muito de um caso concreto hoje, eu queria só explorar um pouco com a visão do que vocês estão enxergando para a frente. Oportunidade, obstáculo, desafio, enfim.

João

Deixa eu começar a falar de uma forma mais genérica. A discussão de dados não é tão recente, mas a forma como ela ganhou popularidade e o pessoal está colocando a mão na massa é muito recente.

Então, hoje, estamos muito ainda em um discussão de foundation, muito em uma discussão de painel, como eu uso esse dado, como eu enxergo esse dado no meu dia. 

Daqui para frente — e acho que estamos muito em um momento muito de virada de chave até, estamos muito nesse limiar. Então, como eu trabalho, cada vez mais, com análise avançada. Como eu trabalho, cada vez mais, com modelo de Machine Learning, com soluções com as quais eu consigo trabalhar um ganho muito mais direto pro negócio. 

Não só mais dar o insumo, não sou mais dar a base para tomada de decisão, mas o meu modelo vai definir a solução, priorizá-la e, às vezes, até ir lá e tocar essa solução de forma automática, com uma inteligência por trás. 

Eu levo meu total analytics cada vez mais para um ganho direto, cada vez mais para o próprio produto, o próprio modelo, direcionar o meu caminho, não mais dar as informações para que eu direcione o caminho. 

A vantagem disso — e conectando com as primeiras perguntas — , é que, quanto mais direto, mais fácil eu consigo rastrear o meu impacto, mais fácil eu consigo montar o meu case, mais relevante é a essa solução e mais aderência consigo fomentar com esse produto. 

Então, esse caminho para soluções mais avançadas para um modelo de Machine Learning, saindo um pouco dessa discussão de foundations, acho que é a principal tendência, o principal momento de virada de chave que estamos agora e deve seguir nos próximos anos.

Murilo

Para mim é ESG, em uma agenda extremamente horizontal. E, para nós mesmos, faz parte da nossa cesta de metas.

E, pensando na nossa área, não adianta nada a gente ser tão inteligente, com tanta informação, com tantos dados para fazer essa negociação com os fornecedores, com os parceiros e, ainda, ter parceiros que estão utilizando carros com alta queima de combustão. Como a gente reduz a emissão de CO2? 

Se o cara só tem mulher 40+ trabalhando de copeira. O que ele está fazendo para a sociedade, devolvendo para a sociedade de uma maneira geral.

Então, é só olhar para o cara e ver quanto ele tem de mulher e quanto tem de homem, mas quanto ele utiliza isso e devolve para a sociedade da melhor maneira. E ter isso como ponto decisivo nas nossas contratações.

Thiago

O que eu vejo de desafio é, primeiro, pessoas. O futuro precisa de pessoas. Só para vocês terem uma estatística rápida: nos Estados Unidos, em determinadas escolas, estão ensinando lógica de programação a partir da 6° série, não importando qual vai ser a profissão que você tenha no futuro. Qual a mentalidade deles? No futuro, todo mundo tem que saber programar e usar dados 

Na Coreia do Sul, na 4° série, eles já estão explicando o SQL para as crianças. 'Cara, loucura!'’ Não, não é loucura. 

A gente precisa de pessoas. Estamos em um país no qual a taxa de desemprego, quer você aceite ou não, está em 9%, mais ou menos isso, que foi o que soltaram da última vez, correto? Na área de dados e tecnologia, você vai ter, até 2025, 500 mil vagas em aberto. É utópico você falar disso, isso é muito louco! 

É ESG, é a parte social, é o primeiro ponto que eu vejo muito forte para o futuro são pessoas.

Segundo desafio

O segundo, que eu bato muito nessa tecla, é qualidade de dados. Não vai interessar não ter qualidade de dados. Não importa criar o modelo que quiser criar no universo, sem dados e sem qualidade, você não consegue ter. 

Tem alguns autores que eu gosto bastante, Andrew Ng é um deles, e fala bastante sobre qualidade de dados nos modelos mais avançados. E gostaria até de deixar aqui para vocês um livro como flexão, que se chama "Inteligência Artificial" o autor é o Kai-Fu Lee, não sei se vocês já chegaram a ler.

Kai-Fu Lee é o ex-CEO do Google na China. Ele mostra toda a transformação da China para utilização de Inteligência Artificial. Cai muito para o que a gente está discutindo aqui agora. 

Porque a China, se você pegar 30 anos atrás, estava ainda vivendo uma guerra civil internamente. Hoje, ela é potencial mundial em Inteligência Artificial. 

Se você pegar o discurso de Joe Biden, nos noventa primeiros dias dele, ele fala sobre a corrida da Inteligência Artificial, e quanto eles estão longe da China. Quando você começa a ler esse livro, você começa a ver quanto a China começou a se importar com pessoas e qualidade de dados. E aí se transformou no que tem.

Então, para o nosso futuro, principalmente jogando para o Brasil, acho que temos que olhar muito para pessoas, ESG "na veia" e, dentro das empresas, qualidade de dados.