Decisões sem dados: como construir uma cultura data-driven e parar de tomar decisões no achismo

Em 20 anos de consultoria estratégica, já ouvi a mesma frase em salas de reunião de bancos, fintechs, varejistas e startups: "na minha experiência, acho que devemos seguir esse caminho". A experiência tem valor. O problema é quando ela substitui os dados em vez de complementá-los. A diferença entre empresas que crescem de forma sustentável e as que ficam apagando incêndios está, em grande parte, nessa distinção.

Construir uma cultura data-driven não é sobre comprar uma ferramenta de BI ou contratar um cientista de dados. É uma mudança de mentalidade organizacional que começa no topo e permeia cada decisão, do operacional ao estratégico. E no Brasil, apesar do avanço da transformação digital, ainda somos um país de "achas" disfarçados de estratégia.

O custo real do achismo nas organizações

Antes de falar sobre como construir uma cultura orientada a dados, é preciso ser honesto sobre o que custa não tê-la. Não estou falando de custo abstrato. Estou falando de dinheiro, tempo e oportunidades perdidas que aparecem no balanço — só que em linhas que ninguém consegue identificar claramente.

Um estudo da IBM estimou que a má qualidade de dados custa às empresas americanas cerca de US$ 3,1 trilhões por ano. No Brasil, o cenário é proporcionalmente similar. Quando uma empresa lança um produto baseado na percepção do time comercial em vez de dados de comportamento do cliente, quando um CTO decide migrar a infraestrutura inteira sem benchmarks de performance, ou quando um CEO define metas de crescimento no "feeling" do mercado, o risco não é hipotético — é concreto.

Trabalhei com uma grande instituição financeira brasileira que tomou uma decisão de expansão regional baseada no entusiasmo de três executivos que "conheciam bem aquela praça". Dois anos depois, os números mostravam o que os dados disponíveis já indicavam: o mercado-alvo tinha perfil de inadimplência incompatível com o produto oferecido. O prejuízo foi de dezenas de milhões. Os dados estavam disponíveis. Só não foram consultados.

O que realmente significa ser data-driven

Existe uma confusão perigosa no mercado: muitas empresas acham que são orientadas a dados porque têm dashboards. Ter dashboard não é ser data-driven. É ter dashboard.

Uma gestão orientada a dados genuína tem três dimensões fundamentais:

• Dados como insumo de decisão, não como validação de opinião. A diferença é sutil, mas devastadora. No primeiro caso, você coleta dados, analisa e decide. No segundo, você já decidiu e procura nos dados o que confirma sua visão. O segundo comportamento é chamado de viés de confirmação, e é endêmico nas organizações.
• Democratização do acesso à informação. Quando apenas o time de analytics tem acesso aos dados, você cria um gargalo que paralisa a velocidade de decisão. Líderes de produto, gerentes de operações e até times de atendimento precisam de acesso a dados relevantes para o seu contexto.
• Responsabilidade pelo resultado mensurável. Decisões baseadas em dados precisam ter métricas de sucesso definidas antes da execução, não depois. Isso cria accountability real e alimenta um ciclo virtuoso de aprendizado.

Quando trabalhei na AWS ajudando empresas brasileiras a estruturarem suas estratégias de IA generativa, o maior obstáculo raramente era técnico. Era cultural. As empresas queriam os modelos prontos, mas não tinham governança de dados para alimentá-los com qualidade. Lixo entra, lixo sai — vale para IA e vale para qualquer analytics empresarial.

Os quatro pilares de uma estratégia de dados eficaz

Uma estratégia de dados robusta não nasce do nada e não se resolve com tecnologia isolada. Ela precisa de quatro pilares funcionando de forma integrada:

1. Governança de dados

Quem é o dono de cada dado? Quem pode acessar o quê? Como garantimos qualidade, consistência e conformidade com a LGPD? Sem governança, você tem um repositório de dados não confiáveis — e dados não confiáveis são piores do que não ter dados, porque geram falsa segurança. A governança não precisa ser burocrática, mas precisa existir.

2. Infraestrutura escalável

Não é possível construir cultura data-driven com infraestrutura frágil. Empresas que crescem rápido no Brasil frequentemente enfrentam o problema de dados distribuídos em silos: um sistema para financeiro, outro para CRM, outro para operações, nenhum conversando com o outro. A modernização dessa infraestrutura — com data lakes, pipelines de dados e arquiteturas na nuvem — é o que viabiliza análises em tempo real e em escala.

3. Capacitação e literacia de dados

Um dos maiores erros é terceirizar a responsabilidade de interpretar dados exclusivamente para analistas. CEOs, CTOs e gestores precisam de literacia de dados suficiente para fazer as perguntas certas, questionar análises e interpretar resultados com senso crítico. Isso não significa saber programar em Python — significa entender o que um dado representa, suas limitações e seu contexto.

4. Processos de decisão estruturados

De nada adianta ter dados disponíveis se o processo de decisão da empresa não prevê consultá-los. Reuniões estratégicas precisam ter dados como pauta obrigatória. Aprovações de investimento precisam ter análises quantitativas como requisito. Isso parece óbvio, mas na prática, a maioria das empresas ainda toma decisões em reuniões onde o slide mais importante é o de opinião do executivo mais sênior na sala.

Como iniciar a transformação na prática

A pergunta que CEOs e CTOs me fazem com mais frequência é: "Por onde começamos?". A resposta honesta é: depende do nível de maturidade da empresa. Mas existe um caminho que funciona independentemente do ponto de partida.

O primeiro passo é sempre um diagnóstico de maturidade de dados. Mapear onde estão os dados da empresa, qual é a qualidade deles, quem acessa e como as decisões críticas são tomadas hoje. Esse diagnóstico costuma revelar surpresas desconfortáveis — e é exatamente por isso que é necessário.

O segundo passo é identificar dois ou três casos de uso de alto impacto onde dados podem fazer diferença imediata. Não tente boiling the ocean. Escolha problemas reais: redução de churn, otimização de estoque, melhora de conversão, gestão de inadimplência. Resolva esses problemas com dados, mostre resultado mensurável, e use esses casos como prova interna de que a abordagem funciona.

O terceiro passo é criar visibilidade executiva. Dados que não chegam ao C-level não mudam a cultura. Um painel executivo simples, atualizado em tempo real, com as métricas que realmente importam para o negócio, é mais poderoso do que qualquer relatório PDF enviado semanalmente.

A transformação data-driven não começa com tecnologia. Começa quando o CEO para uma reunião e diz: "Antes de decidirmos, o que os dados nos mostram?"

Armadilhas que sabotam a cultura data-driven

Conheço empresas que investiram milhões em plataformas de analytics e continuam tomando decisões no achismo. Existem padrões recorrentes que explicam esse fracasso:

• Comprar tecnologia sem mudar processo. Ferramenta sem processo é desperdício. Antes de contratar qualquer plataforma, defina quais decisões serão tomadas com base em dados e como esse processo vai funcionar na prática.
• Criar um departamento de dados isolado. Quando analytics é um silo, os demais times não se sentem responsáveis pelos dados que geram. A cultura data-driven exige que cada área seja co-proprietária da qualidade e uso das suas informações.
• Perseguir perfeição antes de começar. Muitas empresas ficam paralisadas esperando ter dados "limpos o suficiente" para começar. Mas dados nunca estarão perfeitos. Comece com o que tem, melhore iterativamente, e gere valor enquanto evolui a qualidade.
• Não conectar dados a consequências de negócio. Análises que não respondem a perguntas de negócio concretas não mudam comportamento. Todo projeto de dados precisa começar com a pergunta: "Qual decisão vamos tomar melhor com isso?"
• Liderança que pede dados mas não os usa. Nada sabota mais rapidamente uma iniciativa data-driven do que um líder que solicita análises e depois ignora os resultados quando eles contradizem sua intuição. O sinal que isso manda para a organização é inequívoco: os dados são decoração.

O papel da IA generativa na evolução data-driven

Não posso falar sobre decisões baseadas em dados em 2025 sem abordar o impacto da inteligência artificial generativa nessa equação. A IA generativa está democratizando o acesso a análises sofisticadas de uma forma que há três anos era impensável.

Hoje, ferramentas com interfaces em linguagem natural permitem que um executivo faça perguntas complexas sobre dados sem saber SQL ou programação. "Quais regiões tiveram queda de margem no último trimestre e qual é a correlação com a sazonalidade de vendas?" — esse tipo de análise, que antes demorava dias com um analista intermediando, pode ser feita em segundos.

Mas atenção: a IA generativa amplifica tanto o bem quanto o mal na sua estratégia de dados. Se a base de dados é de má qualidade, a IA vai gerar análises incorretas com aparência de sofisticação. Se a governança é fraca, a IA vai expor dados sensíveis de formas que a LGPD não perdoa. As empresas que colherão os maiores benefícios da IA aplicada a dados são exatamente aquelas que já construíram uma fundação sólida de governança, qualidade e cultura.

Empresas como BTG, XP e Inter — com quem tive a oportunidade de trabalhar — não chegaram à vanguarda da IA por acidente. Chegaram porque investiram anos construindo infraestrutura de dados, governança e cultura antes de colocar algoritmos por cima. A IA foi o acelerador, não o ponto de partida.

A decisão que muda tudo

Construir uma cultura data-driven é, fundamentalmente, uma decisão de liderança. Não de tecnologia, não de orçamento, não de contratação. É uma decisão sobre como a empresa vai operar, sobre o que vai ser valorizado, sobre quais comportamentos serão reforçados e quais não serão tolerados.

Empresas que fizeram essa transição com sucesso têm uma característica em comum: a liderança foi a primeira a mudar. O CEO foi o primeiro a pedir dados antes de decidir. O CTO foi o primeiro a exigir métricas antes de aprovar projetos. Quando o topo da pirâmide muda, o resto segue — não imediatamente, não sem resistência, mas segue.

O mercado brasileiro está em um momento de inflexão. A combinação de maior disponibilidade de dados, queda no custo de infraestrutura em nuvem e maturidade das ferramentas de analytics e IA criou uma janela de oportunidade que não estará aberta indefinidamente. Empresas que construírem agora uma base sólida de decisões orientadas por dados terão uma vantagem competitiva estrutural sobre aquelas que continuarem operando no achismo.

A pergunta não é se sua empresa vai se tornar data-driven. A pergunta é se vai fazer isso antes ou depois dos seus concorrentes.

Se você está em um momento de decisão sobre como estruturar a estratégia de dados da sua empresa — seja partindo do zero ou evoluindo uma iniciativa existente — posso ajudar a traçar um caminho realista, baseado no contexto do seu negócio. Entre em contato pelo abraao.tech e vamos conversar sobre como transformar dados em vantagem competitiva real.