O Data and AI Leadership Executive Survey 2024, pesquisa conduzida anualmente pela Wavestone com executivos de empresas da Fortune 1000, apontou que 82% das grandes organizações ampliaram investimentos em dados e analytics e 90%, em inteligência artificial (IA) generativa.

Por outro lado, a mesma pesquisa indica que fatores humanos (desafios na parte de cultura, de gestão de pessoas e processo, por exemplo) são uma barreira para a empresa se tornar data-driven (orientada por dados) na visão de 78% dos entrevistados.

Uma organização data-driven é aquela que toma decisões com base em dados concretos e análises, em vez de depender principalmente de intuição, opinião ou hierarquia. Em outras palavras, os dados ocupam o centro da estratégia.

"A maior parte das empresas não possui um problema de falta de dados. Tem, na verdade, um problema de excesso de dados desorganizados e ausência de estrutura para transformá-los em decisões", afirma Daniel Santanna, economista e especialista em business intelligence e inteligência artificial. Para o pesquisador, o desafio central é mais metodológico do que tecnológico.

O dado que existe, mas não chega a lugar nenhum

Santanna identifica três padrões recorrentes nesse problema. O primeiro é o dado disponível que nunca é consultado: sistemas repletos de informações sem fluxos que as conectem às decisões relevantes. O segundo é o dado mal interpretado, ou seja, análises feitas sem o contexto metodológico adequado, que geram conclusões equivocadas com aparência de embasamento técnico. O terceiro é a fragmentação analítica, na qual diferentes áreas produzem análises desconectadas, sem integração que permita uma visão estratégica consolidada.

O custo financeiro de decidir sem dados confiáveis

A ineficiência analítica tem impacto econômico mensurável. Um relatório de 2025 do IBM Institute for Business Value indica que mais de um quarto das organizações estima perder acima de US$ 5 milhões (R$ 24,6 milhões, na cotação atual) por ano em decorrência de má qualidade de dados — em perdas operacionais, retrabalho e oportunidades não identificadas.

Segundo Santanna, dados mal interpretados são mais perigosos que a ausência de dados, pois geram convicção sem fundamento. "Decisões estratégicas sobre dados inconsistentes têm aparência de precisão, mas produzem os mesmos resultados de uma decisão baseada em intuição — com o agravante de gerar falsa segurança", ressalta o economista.

Tecnologia não resolve o que método ainda não organizou

Santanna recomenda uma sequência de quatro etapas para estruturar a maturidade analítica nas organizações. A primeira consiste em identificar quais decisões estratégicas dependem de dados. A segunda envolve mapear quais dados existem e em que estado de qualidade se encontram. Já a terceira etapa estabelece governança mínima de padronização e confiabilidade dos dados, enquanto a quarta seleciona as ferramentas compatíveis com o estágio atual da organização.

A sequência proposta reordena o foco das organizações antes da escolha tecnológica. "O erro mais comum é começar pela ferramenta. A pergunta certa não é qual plataforma usar — é quais decisões precisamos melhorar e quais dados são necessários para isso", destaca Santanna.

Maturidade analítica como vantagem competitiva

Organizações em estágios avançados de maturidade analítica demonstram vantagens consistentes. Santanna menciona que, segundo levantamento do McKinsey Global Institute, usuários intensivos de analytics de clientes têm 23 vezes mais probabilidade de superar concorrentes na aquisição de novos clientes e quase 19 vezes mais probabilidade de registrar lucratividade acima da média.

O mercado global de data analytics deve alcançar US$ 302 bilhões (R$ 1,4 trilhão) até 2030, segundo relatório da Grand View Research, com crescimento a uma taxa composta anual de 28,7%. Na visão de Santanna, isso reflete a consolidação da inteligência analítica como infraestrutura decisória nas organizações contemporâneas.

No livro Dados que Decidem, lançado em 2026, o especialista sistematiza uma metodologia progressiva que parte do diagnóstico da maturidade analítica, passa pela estruturação da base de dados e alcança a integração da inteligência analítica aos processos decisórios.

A proposta traduz conceitos de business intelligence, economia aplicada e ciência de dados em linguagem acessível para lideranças sem formação técnica especializada. "Crescimento sustentável na economia digital depende de três pilares: dados confiáveis, estrutura analítica e cultura orientada por evidências. Sem essa combinação, decisões deixam de ser estratégicas e passam a ser meras apostas", conclui Santanna.