Categoria: Publicações

Os perigos dos crimes cibernéticos existem há muitos anos, mas o aumento da porcentagem da população conectada à Internet e o tempo gasto online proporcionaram mais oportunidades para hackers e criminosos aproveitarem a situação para tentar ganhar mais dinheiro a partir de fraudes. Técnicas comuns de cibercrimes, como ataques de phishing e ransomware, vêm experimentando picos recentes. Os cibercriminosos também estão se aproveitando das ansiedades e medos desencadeados pela pandemia do COVID-19, usando malwares e outros tipos de fraudes – de sites falsos a anúncios e e-mails maliciosos. Também está claro que as empresas – não apenas os indivíduos – serão afetadas por esta pandemia de crimes cibernéticos. De acordo com o “The Global Risks Report de 2020”, publicado pelo Fórum Econômico Mundial, o custo do crime cibernético para as empresas até 2021 é estimado em US$ 6 trilhões – montante equivalente ao PIB da terceira maior economia do mundo. Ainda segundo o relatório, ataques cibernéticos à chamada infraestrutura crítica preocupam como nunca setores como Energia, Saúde e Transportes. Ataques desse tipo podem afetar cidades inteiras, como um caso recente de ransomware ocorrido em Johanesburgo, na África do Sul. A chamada IoT – Internet das Coisas também vem amplificando o potencial destrutivo dos ataques cibernéticos. Os cerca de 21 bilhões de dispositivos de IoT espalhados pelo mundo devem dobrar até 2025. E os ataques a esses dispositivos conectados também devem se multiplicar: já em 2019, ataques a dispositivos de IoT aumentaram mais de 300%! Seguindo essa tendência, outro tema que tem atraído muita atenção na área de cibersegurança é a questão da privacidade e proteção de dados pessoais. O uso de dados pelas empresas tem crescido exponencialmente e as informações digitais têm oferecido um enorme potencial às organizações. Mas, da mesma forma que as novas tecnologias oferecem benefícios às empresas, também criam vulnerabilidades, como, por exemplo, violações de dados, vazamento de informações pessoais ou ataques cibernéticos. Sendo assim, a proteção dos dados deixou o status de “importante” para ser agora considerada “prioridade” para os negócios. Empresas que oferecem segurança e demonstram respeito e cuidado com os dados de indivíduos serão capazes de se diferenciar no mercado – a privacidade está se tornando motivo para consumidores comprarem um produto, da mesma forma que os rótulos “orgânico”, “livre comércio” e “livre de crueldade” impulsionaram as vendas de muitos produtos na última década. O “novo consumidor” está cada vez mais exigente. De acordo com um estudo recente da IBM, 96% dos consumidores brasileiros concordam que as organizações devem fazer mais para proteger seus dados. Não é à toa. Nos últimos anos, escândalos de vazamentos de informações pessoais têm se tornado frequentes, como o caso de milhares de americanos que tiveram seus dados utilizados de forma irregular pelo Facebook. No Brasil, não tem sido diferente. O país é o número um em ataques financeiros no mundo. Um estudo realizado pela empresa Karspersky, apontou que phishings e trojans financeiros são os maiores responsáveis por essas ocorrências no nosso território. Em 2018, o Banco Inter, um dos pioneiros em oferecer contas digitais no país, confirmou o vazamento de dados de cerca de 19 mil correntistas na internet. Como consequência, novas regulamentações e normas têm entrado em vigor. E os gestores das empresas precisam estar atentos a essas novas exigências trazidas tanto pela legislação brasileira como pela internacional. É o caso da Lei Geral de Proteção dos Dados Pessoais (LGDP) no Brasil e do Regulamento Geral sobre a Proteção de Dados (GDPR), criado na UE com o objetivo de proteger os dados pessoais dos cidadãos. Com a LGDP, as empresas terão de passar por uma série de adaptações em relação à coleta, armazenamento e tratamento de dados dos indivíduos. Será obrigação das organizações esclarecer qual a finalidade do uso dos dados e coletar apenas as informações que tiverem o consentimento do titular. Aqueles que violarem tais obrigações estarão sujeitos a multas e sanções, que podem chegar a 2% do faturamento da companhia. Ainda assim, com muitas incertezas e multas altas, a LGPD pode levar a um caminho perigoso, fazendo surgir outros tipos de crime. É possível que um invasor entre no sistema de uma empresa, pegue os dados e entre em contato com a própria empresa para pedir resgate, como num sequestro cibernético. Numa situação hipotética, com os dados vazados a empresa pagaria multa de R$ 100 mil, por exemplo; o invasor, então, pede R$ 50 mil para não vazar. O cenário brasileiro em relação à cibersegurança Violações como essas também podem ocasionar ações judiciais e danos à reputação e à credibilidade das empresas, afetando o valor das marcas, as vendas e os resultados. Soma-se a isso o fato de, no Brasil, haver um preocupante déficit de profissionais especializados na área de segurança da informação e dados. Apenas 2% das companhias brasileiras acreditam ter um sistema de segurança eficaz. Além disso, 43% delas não contam com um programa de inteligência estruturado contra ameaças virtuais e 45% relatam que dificilmente conseguiriam prever tentativas de roubo de dados. A realidade é que muitas organizações no Brasil ainda investem pouco em cibersegurança. Isso só reforça a urgência das instituições brasileiras priorizarem o tema nas suas estratégias dos próximos anos. Muitas empresas já vêm se movimentando, mas sabem que há um longo caminho a ser percorrido. E adaptar-se pode ser uma tarefa complexa – exigindo mudanças na cultura organizacional, nos processos e nas tecnologias. Um primeiro passo poderia ser desenvolver mecanismos que detectem riscos e atrasem a ação de hackers. Utilizar um duplo fator de autenticação e priorizar senhas mais fortes normalmente são boas opções para reforçar seu sistema de defesa. Foco nos processos e nas pessoas Diante desse cenário, a cibersegurança não pode mais ser vista somente como um problema a ser resolvido; uma boa abordagem mais proativa nessa área pode tornar-se instrumento poderoso para as organizações anteciparem riscos e buscarem diferenciação. Os desafios são muitos. As empresas devem investir não apenas em tecnologia – hardwares e softwares mais seguros –, mas, principalmente, em processos melhores e no fator humano. Capacitar,

Entendimento da Árvore Lógica de Problemas Como gestor, você já deve ter se perguntado como iniciar ou dar impulso ao processo de transformação digital da sua companhia. Invariavelmente, existem diversos projetos em andamento, indicadores para acompanhar e ainda diversas orientações da alta administração para digitalizar a empresa. Diante de tantas necessidades, que eventualmente entram em conflito, há uma importância latente em estruturar e priorizar a complexidade do cenário que se desenha. Um dos caminhos possíveis é a utilização da estrutura de árvores lógicas de problemas (ou issue trees, como foi concebida originalmente) , concatenando os principais desafios de negócios e estratificando para problemas menores, que possam ser gerenciáveis. Esse desenho permite o desdobramento em vários níveis até atingir um patamar em que o negócio consiga impulsionar aqueles problemas que irão gerar oportunidades de soluções com maior potencial de geração de valor para o negócio. Como estruturar Trazendo para a realidade, as árvores lógicas de problemas podem se organizar, em um primeiro nível, nos grandes desafios estratégicos do negócio, aqueles que vão nortear o ambiente de negócios para o próximo ano ou para os próximos anos. Por exemplo, no cenário atual de diminuição de demanda, o desafio pode estar orientado para redução de custos ou aumento de produtividade da operação. Nos demais níveis, os problemas precisam ser estruturados, de tal forma que sejam orientados a resultado, com indicadores associados e que permita medir o progresso dos desdobramentos priorizados. Dessa forma, o problema pode tratar de questões, como reduzir o custo de contratos do processo XYZ, aumentar a receita dos produtos da linha XPTO, dentre tantas outras opções. Idealmente, os problemas mapeados devem seguir a lógica SMART (específico, mensurável, alcançável, realista e com tempo definido) para garantir que não se torne um objetivo etéreo. Mesmo assim, ao se atentar mais detalhadamente para os problemas acima, não há indicativo nenhum de como solucioná-los de forma mais sistêmica. E o intuito é exatamente esse! Dada a estruturação dos problemas gerenciáveis, o próximo passo é calcular quanto de valor cada problema pode gerar ao negócio. Isto é, qual é o tamanho de cada oportunidade, seja de ordem financeira, compliance, mitigação de riscos etc. Ao conceber esses valores, é possível realizar a priorização dos temas que irão dar maior retorno global para o negócio. Figura 1: Exemplo genérico da construção de uma árvore de problemas aplicado a uma unidade de negócios de um varejo. Algumas dicas para ter melhores resultados Sendo assim, com base nessa organização, uma estrutura de valores seguindo o padrão 80/20 emerge para que se possa priorizar os problemas e oportunidades de maior valor para o negócio. A partir dessa escolha, se dá início a um processo de identificação das causas e efeitos para que aquele problema ocorra. Depois, desenha-se as soluções que permitirão iniciar a captura do valor mapeado. Alguns destaques são importantes para garantir que o processo de construção das árvores lógicas entregue o maior valor possível: Devem ser mutuamente exclusivas, ou seja, sem sobreposição dos problemas. Elas devem ser exaustivas coletivamente, ou seja, não precisa incluir novos itens para complementar os valores que formem o desafio. Por outro lado, é importante também não criar uma lista muito grande de problemas, pois haverá uma dificuldade maior de realizar a priorização. A árvore é toda estruturada seguindo uma lógica hierárquica, com problemas conectados individualmente a cada desafio/desdobramentos. Construir desafios em cima de indicadores garante o acompanhamento global do resultado obtido com a árvore. Dividir para conquistar! Os problemas de maior ordem de valor iniciam para dar impulso posterior aos problemas que não tem tanto valor agregado. Idealmente, o objetivo deve ser uma visão completa do negócio, mas nada impede que a árvore seja estruturada por unidades de negócio, processo ou mesmo áreas (apesar de esse último ser o menos recomendado, dada as múltiplas interfaces que são envolvidas). Em suma, o objetivo final da árvore lógica de problemas é garantir que o negócio esteja olhando corretamente para seus problemas, priorizando as maiores oportunidades de geração de valor, focando esforços nos desenhos de soluções com maior potencial e direcionando e impulsionando a transformação de forma conectada ao negócio, para que seja perene e que permita colher resultados duradouros. A transformação digital, antes de tudo, é uma transformação da maneira de se fazer as coisas.

Revoluções tecnológicas recentes, como as mídias sociais e a internet das coisas nos permitem gerar um imenso volume de dados em uma velocidade jamais vista até então. Estima-se[1] que o volume de dados criados no mundo todo aumente drasticamente nos próximos anos, alcançando a inimaginável marca de 175 zetabytes[2] até o ano de 2025. Esse volume representa um aumento superior a 1000% ao se comparar com o volume gerado em 2015, por exemplo. Os dados, no mundo atual dos negócios e da tecnologia, são indispensáveis em qualquer setor ou indústria. À medida que o volume de dados se prolifera em taxas cada vez maiores, diversas organizações têm acelerado seus investimentos em iniciativas associadas a análise de dados (também conhecido como analytics) na última década. Notadamente, a questão não é mais se a sua organização precisa ou não ou quando aproveitar o poder dos seus dados. A questão é: “Como?”. Neste sentido, você pode pensar que analytics seja algo surreal para sua organização, por ela ser tradicional ou não ter uma operação digital e que sem um time de altíssima performance no assunto jamais será possível obter benefícios através dessas iniciativas. Obviamente que um time de altíssima performance ajudaria, mas enquanto isso não é realidade para grande maioria das empresas, abordaremos a seguir alguns mitos, suas verdades aplicadas no mundo real e alguns meios para que sua organização possa, a partir de hoje, utilizar a análise de dados para potencializar o seu negócio. MITO 1: ANÁLISE DE DADOS É ÚTIL APENAS EM NEGÓCIOS ONLINE/DIGITAIS. Se sua organização atua somente no mundo físico ou se ela possui uma receita anual inferior a USD 1 bilhão, você deve imaginar que análise de dados não serve para o seu negócio ou deve se perguntar se ela pode não ser um componente-chave dos produtos ou serviços que você vende. No entanto, a análise de dados é extremamente importante como forma de aprimorar a sua tomada de decisão. Iniciativas de analytics pode contribuir e gerar valor para qualquer tipo de negócio. Destacam-se a seguir três pontos importantes que sua organização deve ter clareza para potencializar sua implantação: Defina claramente qual o problema sua organização precisa resolver. É imprescindível para o seu negócio que você escolha uma iniciativa que suporte às metas estratégicas da sua organização. Se o desejo é implantar e ampliar o uso de analytics na sua companhia, comece com algo que tem potencial para chamar a atenção do restante das equipes e que tragam valor para a empresa. Em seguida, para se garantir o sucesso de uma iniciativa de analytics, a liderança precisa enxergá-la de modo vital para alcançar suas metas estratégicas e consequentemente o desenvolvimento e a sustentabilidade do negócio. Garanta que os stakeholders estejam comprados com a iniciativa, por isso a importância do passo anterior. Por fim, comece com poucas iniciativas ou até mesmo somente uma e use os resultados obtidos já no curto prazo para criar impulso e apoio da liderança para projetos subsequentes com maior potencial. É importante estruturar um portfólio para transformação da cultura orientada à dados (data-driven) da sua organização e através dele desenvolver um roadmap a ser seguido no curto, médio e longo prazo. MITO 2: ANÁLISE DE DADOS REQUER A CONTRATAÇÃO DE UMA EQUIPE DE PHD EM CIÊNCIA DE DADOS E CONHECIMENTO PROFUNDO EM ESTATÍSTICA E MODELOS ESTATÍSTICOS. Antes de explorar esse mito, a imagem abaixo ilustra alguns tipos de profissionais relacionados à dados. Talvez já existam esses profissionais na sua organização e você não tinha conhecimento.     Embora a análise de dados precise de um certo grau de conhecimento técnico, na imensa maioria das vezes a necessidade e o momento atual da sua organização pode ser atendida sem a necessidade de uma equipe de profissionais em ciência de dados ou PhD em estatística, por exemplo (veja as habilidades do analista de dados demonstrado na imagem anterior). Ou seja, mesmo que de maneira embrionária, sua organização já deve utilizar de práticas de analytics em algum nível. Há basicamente quatro perspectivas que as organizações podem trabalhar, sendo elas: Quando? Quanto? Onde? O que aconteceu? A análise descritiva objetiva interpretar um conjunto de dados para responder o que aconteceu no passado. Ela auxilia a organização a entender o seu desempenho, fornecendo um contexto para apoiar os stakeholders a interpretar os dados obtidos. Essa perspectiva geralmente é realizada nos formatos de gráficos, tabelas, relatórios e dashboards. Por que aconteceu? A análise de diagnóstico utiliza-se da análise descritiva para fornecer uma análise mais aprofundada do passado. Frequentemente, é comum a análise de diagnóstico ser chamada de análise de causa raiz. Essa perspectiva inclui o uso de processos como descoberta de dados, mineração de dados e análise a partir de drill downs. Qual o padrão? O que irá acontecer a seguir? A análise preditiva utiliza-se de dados históricos e os alimenta em um modelo de aprendizado de máquina (machine learning) que considera algumas tendências e padrões. O modelo é aplicado aos dados atuais para prever o que acontecerá no futuro. Essa perspectiva auxilia as organizações a identificar tendências, hipóteses e determinar correlações entre determinadas variáveis através da implantação de modelagens estatísticas e preditivas. E se fizermos isso? Qual a melhor ação? A análise prescritiva leva os dados preditivos a um nível superior. Nessa perspectiva a organização terá uma ideia do que provavelmente acontecerá no futuro, o que deve ser feito. Ela sugere vários cursos de ação e descreve quais seriam as possíveis implicações para cada um. Nesse nível a inteligência artificial e o big data entram no jogo de maneira mais intensa e apropriada.   MITO 3: ANÁLISE DE DADOS REQUER INVESTIMENTOS EXTREMAMENTE ALTOS. Quando se trata de adotar novas tecnologias ou buscar novos mecanismos para melhorar os resultados da sua organização, um dos primeiros questionamentos que se faz é “Quanto vai custar?”. A ideia por trás da implementação de uma solução tecnológica, como análise de dados, é obter um benefício tangível do projeto. E quando dizemos tangível, nos referimos predominantemente a dinheiro. Se as organizações acreditam no mito