Modelos operacionais continuam a travar estratégias de dados

Apesar do crescimento contínuo do investimento em Inteligência Artificial (IA), analytics e automação, a Info-Tech Research Group conclui que a maior parte das organizações continua longe de transformar essas iniciativas em resultados práticos devido a lacunas estruturais nos seus modelos operacionais de dados.

A empresa alerta que muitas equipas passam da estratégia para a execução sem clarificar responsabilidades, governance e colaboração. A falta dessas decisões gera dados inconsistentes, iniciativas bloqueadas, trabalho em silos e custos que crescem sem controlo. A Info-Tech insiste que a tecnologia, por si só, não resolve o problema e que o sucesso exige equilíbrio entre proximidade ao problema, clareza nas decisões e escalabilidade adequada.

Nysa Zaran, diretora de investigação na Info-Tech, afirma que “as organizações tendem a acreditar que têm uma estratégia de dados sólida, mas a maioria falha no nível do modelo operacional”, onde, segundo a responsável, “a ambiguidade sobre propriedade, direitos de decisão e parceria prejudica o progresso”. “Líderes não podem projetar modelos operacionais isoladamente. Precisam de conversas estruturadas com parceiros de negócios para negociar responsabilidades, superar riscos e definir como as capacidades realmente se podem unir para entregar valor”, refere.

Foram identificados vários padrões de falha, entre eles estão modelos operacionais desenhados sem ligação direta à estratégia de dados, excesso de foco na orquestração técnica em detrimento dos serviços onde o valor é criado, responsabilidades difusas entre equipas técnicas e funcionais, resistência à negociação e investimentos tecnológicos feitos sem avaliação das suas consequências no modelo operacional. A investigação recorda ainda que 94% dos líderes de negócio acreditam que deveriam extrair mais valor dos dados, o que expõe a urgência de uma abordagem mais estruturada.

Para responder a este cenário, a Info-Tech desenvolveu um blueprint que propõe quatro fases para construir um modelo operacional-alvo. A metodologia começa com a avaliação das capacidades face aos resultados desejados, segue para a definição de um roadmap e de uma estratégia de envolvimento das partes interessadas, evolui para a cocriação das mudanças e termina na consolidação das decisões para aprovação executiva.

O objetivo é permitir que as organizações passem de operações fragmentadas para modelos unificados e orientados a resultados.

Segundo Nysa Zaran, as estratégias de dados só avançam quando os modelos operacionais garantem proximidade, clareza e disciplina nos custos. A investigadora considera que, ao equilibrar estes princípios, os líderes conseguem não só acelerar a entrega de valor, mas também criar modelos resilientes num momento em que as exigências de IA e analytics evoluem rapidamente.