Gestores financeiros: busquem o talento de dados além do seu quadrado
Muitos CFOs estão descobrindo que o orçamento financeiro não está se expandindo para atender às suas ambições de análise avançada, mas ainda assim, temem buscar novas fontes em outras áreas.
Talento é essencial para a análise de dados e, muitas vezes, os CFOs (gestores financeiros) limitam o escopo de seus projetos confiando muito na equipe de finanças, aponta estudo do Gartner. Os CFOs, afirma a consultoria, devem procurar outras fontes de talentos, às vezes mais baratas, como funcionários analíticos de outras funções, contratações universitárias ou prestadores de serviços terceirizados que são mais do que capazes de executar certos elementos do ciclo de desenvolvimento analítico.
“Muitos CFOs estão descobrindo que o orçamento financeiro não está se expandindo para atender às suas ambições de análise avançada”, disse Marco Steecker, diretor de Pesquisa na Prática de Finanças do Gartner. “Eles podem então acabar se contentando em buscar maior eficiência com os recursos analíticos existentes, em vez de impulsionar melhorias verdadeiramente transformacionais por meio de novos recursos analíticos”, comentou.
A consultoria sinaliza que o talento interno é claramente mais adequado para compreender problemas específicos para o negócio e a descoberta de fontes de dados, bem como para atividades de longo prazo, como teste e validação de modelos e métricas. Não por acaso, os especialistas do Gartner alertam que essa abordagem centrada na eficiência pode liberar capacidade, mas também pode fazer com que os CFOs negligenciem a variedade de outros tipos de suporte de baixo custo disponíveis em outras partes da organização e fora dela.
“A meta de ganhos de eficiência é uma alternativa confortável para os CFOs. “No entanto, para obter o máximo de análises avançadas, os CFOs precisam se sentir confortáveis com projetos menos formais e mais exploratórios que podem gerar aprendizados e benefícios inesperados”, completou Steeker. Para o analista, o talento interno é claramente mamis adequado para compreender problemas específicos para o negócio e a descoberta de fontes de dados, bem como para atividades de longo prazo, como teste e validação de modelos e métricas.
