Se você trabalha em uma área de marketing, provavelmente já percebeu a importância que os dados têm no dia a dia da área. Hoje é praticamente impossível gerenciar um projeto de marketing sem um acompanhamento muito próximo dos dados gerados para analisar e mensurar resultados para tomar decisões mais rápidas e assertivas. Nos meus anos de experiência trabalhando diretamente dentro ou como fornecedor de áreas de marketing, pude perceber que existe um nível de maturidade de dados destas áreas, sendo que classifico as empresas por este nível de maturidade em 3 grupos.

Maturidade baixa ou muito baixa:

• A grande maioria das empresas que conheço está neste nível de maturidade, ou seja, os analistas e gestores são extremamente dependentes de outras áreas da empresa como TI e BI, ou de fornecedores externos como agencias de performance ou consultorias.

Maturidade média:

• Estas empresas já possuem profissionais dedicados a análise de dados dentro da área de marketing.
• Eu já fui este profissional, e o problema aqui é que ele se torna o gargalo da área e não consegue atender todas as demandas em tempo hábil.

Maturidade alta:

• Além de profissionais de dados dedicados. Os profissionais e gestores de marketing tem ferramentas e principalmente capacitação para consultar, analisar e tomar decisões baseadas em dados de forma autônoma e rápida.

É óbvio que não estou falando aqui que o profissional de marketing substitui o cientista de dados ou analista de BI. Ele apenas tem independência para fazer análises mais simples e rápidas deixando o trabalho realmente complexo para estes profissionais de dados.

As possibilidades de análises que profissionais de marketing podem de forma autônoma para agilizar seu dia a dia e gerar melhores resultados são infinitas.

Aqui vão alguns exemplos:

• Avaliar resultados de campanhas, seja de mídia, email marketing e até campanhas offline.
• Comparar resultados de testes A/B com precisão.
• Avaliar mapas de calor de usabilidade de sites.
• Interpretar resultados de pesquisas.
• Interpretar métricas do google analytics.
• Avaliar resultados de eventos.
• Análises de Funil.

E o que provavelmente os profissionais de marketing não irão fazer no dia a dia.

1. Análises estatísticas mais aprofundadas.
2. Dashboards complexos de acompanhamento recorrente como acompanhamento de metas da área por exemplo.

Agora que já temos um contexto sobre dados e áreas de marketing, deixo aqui uma pergunta para reflexão.

Em qual nível de maturidade a sua empresa se encaixa? E mais, em qual nível de maturidade, você como profissional de marketing se encaixa?

Após essa reflexão vamos detalhar um pouco mais sobre como evoluir neste nível de maturidade.

O que é o ciclo de análise de dados?

Em primeiro lugar é preciso ter consciência que analisar dados é muito mais do que olhar para um Dashboard e chegar a alguma conclusão, como provavelmente você já fez olhando alguns números no Google Analytics.

Existem várias interpretações para o termo análise de dados, algumas fontes dizem que é a simples tarefa de organizar um conjunto de dados em forma de informação com o objetivo responder alguma pergunta ou hipótese. Na minha visão, o problema dessa abordagem mais simplista é que ela raramente gera valor. É pouco provável que você já tenha em mãos todos os dados para responder a um problema de negócio. Por isso prefiro a abordagem Lean Analytics (Link para o livro no final), que é mais focada em testar hipóteses que não podem ser respondidas com dados.

Disclaimer: O livro e metodologia Lean Analytics foram desenvolvidos com foco em startups e empreendedorismo, mas na minha experiência o aprendizado é extremamente válido em marketing independente do tipo de empresa.

Antes de entrar em termos práticos precisamos falar sobre 4 pontos importantes que devem ser considerados em qualquer análise:

1. Viés Cognitivo

Viés é uma tendência a apresentar ou possuir uma perspectiva parcial em detrimento de outras alternativas. ¹

• Absolutamente todas as pessoas já “enviesaram” alguma análise de dados, porque é muito mais fácil chegar a alguma conclusão que você esperava (Vies de Confirmação), ou fazer alguma análise com dados incompletos sem perceber (Vies de Seleção)
• Existem dezenas de tipos de vieses, para não estender ainda mais este texto, vou falar sobre viés em análises de dados de marketing em outro texto aqui no Medium.

Algumas formas de evitar o viés cognitivo:

• Uma forma de evitar vieses passa pelo autoconhecimento, você precisa conhecer os seus vieses e estar sempre atento as suas conclusões.
• Você pode pedir a opinião de um colega que tem opiniões divergentes das suas para evitar o vies de confirmação por exemplo.
• O contexto dos dados e do negócio são extremamente importantes no combate ao viés e por isso vou falar mais detalhadamente dele abaixo.

2. Contexto

• Além de evitar o viés os contextos são extremamente importantes no processo de análise como um todo:

O contexto de negócio

• Provavelmente você busca uma análise de dados por um demanda do negócio, seja, vender mais ou ter mais eficiência. E conhecer as intimidades deste negócio é essencial para entender os dados sobre a perspectiva do negócio como um todo.

O contexto dos dados

Por muitas vezes um informação deixa de entrar para uma análise porque o analista não tinha conhecimento dos dados.

• Saber o ciclo de vida do dado vai garantir que você sabe suas origens, como foi coletado e como foi transformado até chegar até você, isso te ajuda a ter domínio sobre estas informações e vai tornar a sua análise mais segura, mais eficiente e provavelmente mais completa.
• Existem diversas ferramentas que podem ser úteis nesta etapa do processo, vamos falar sobre elas mais a frente no texto e mais detalhadamente em textos futuros.

3. Dedução e Indução

São formas de inferência comumente utilizadas em análises, afinal é impossível ter 100% dos dados necessários, premissas e observações são necessárias para termos mais eficiência nas análises.

• Na dedução assumimos premissas gerais sobre o negócio com objetivo de preencher lacunas que não podem ser avaliadas com dados no momento.
• Na indução, partimos da observação de casos particulares para assumir uma verdade para o todo.

Não há problema em fazer deduções ou induções durante uma análise, elas são métodos excelentes para cortar caminhos nas análises mais rápidas, porém precisamos ter alguns cuidados:

1. É de extrema importância que estas premissas ou observações estejam documentadas. O risco de virarem verdades absolutas no final de um ciclo analitico é muito grande.
2. Sempre analisar o resultado final junto com as premissas e observações em mãos, afinal, se elas se tornarem falsas, provavelmente toda a análise perderá sua validade.

4. Causa e Correlação

• Este é um dos problemas mais comuns que ja vi em análises de marketing.
• Correlação não implica em causalidade, ou seja, o fato de dois indicadores terem correlação, não diz nada sobre a causa deste efeitos nos indicadores, acho que com exemplos fica mais fácil explicar:
• Você pode ver um gráfico com a receita da empresa Vs o Nº de curtidas em redes sociais e ver uma relação forte entre os dois indicadores, ou seja, quando um sobe o outro também sobe no mesmo ritmo, ou seja, há um correlação entre os indicadores, um olhar leigo/enviesado com certeza tentaria implicar uma causa entre eles, mas é impossível afirmar que o número de curtidas em redes sociais causou o aumento de receita da empresa somente com estes dados.
• A explicação fica ainda mais fácil com exemplos reais porém absurdos como representado na imagem a seguir:

https://tylervigen.com/view_correlation?id=28592