Publicado em 2 de abril de 2026
Convidamos Silvana Torres, CEO da Mark Up, para compartilhar suas experiências e conhecimentos sobre o uso de Data Driven. Reconhecida como uma das profissionais mais inovadoras do Brasil no mercado de brand experience, ela traz sua visão sobre o uso estratégico de dados no contexto empresarial.
Quando se fala em Inteligência Artificial, é comum associá-la à inovação e ao futurismo. No entanto, o desempenho dessas soluções depende de um ponto muito menos glamouroso: a base. A qualidade dos dados (limpos, organizados e bem estruturados) é o que determina se a IA gera resultados concretos ou se se transforma apenas em mais um investimento sem retorno.
Dados de uma pesquisa da International Data Corporation (IDC), divulgados pela plataforma de segurança e governança de dados Immuta, mostram que 90% das organizações europeias consideram essencial adotar uma estratégia digital para extrair valor de seus dados. Ainda assim, apenas 32% das informações disponíveis são efetivamente utilizadas, indicando subaproveitamento em larga escala.
Esse cenário também se reflete no Brasil. Segundo o Índice de Transformação Digital do Brasil (ITDBr), 46,3% das organizações adotam uma abordagem cautelosa em iniciativas digitais, enquanto 40,3% reconhecem sua importância. No entanto, apenas 13,4% tratam a transformação digital como prioridade estratégica.
Nesse contexto, entender como os dados são utilizados dentro das organizações deixa de ser uma questão técnica e passa a ser um fator estratégico.
Cultura Data Driven: o que é, como funciona e os desafios para sua adoção nas empresas
A cultura Data Driven está diretamente ligada à capacidade de transformar dados em direcionamento estratégico, mas adotar esse modelo vai além do acesso à informação: exige qualidade, confiabilidade e maturidade das equipes.
Um relatório da Forrester de 2018 aponta que organizações que adotam esse modelo crescem, em média, mais de 30% ao ano, com potencial de faturamento de até US$1,8 trilhão em três anos.
Mais recentemente, em 2025, a SAP encomendou à Forrester Consulting um estudo global com 1.007 executivos de alto nível em empresas com mais de 5.000 funcionários. O levantamento foi realizado entre julho e agosto de 2025, na Ásia, América Latina e América do Norte. Entre as prioridades para 2026, 49% das empresas indicaram a transformação em Data Driven.
No entanto, os desafios permanecem significativos: 56% apontam baixa qualidade dos dados, 53% citam falta de capacitação, além de problemas como baixa confiabilidade e fontes desconectadas.
Para Silvana, a falta de uma boa gestão de dados gera ineficiências estruturais que impactam diretamente a operação. Processos mais lentos, decisões redundantes e retrabalho constante tornam a empresa mais pesada e menos direcionada à evolução.
Além disso, esse cenário contribui para o desalinhamento interno, já que diferentes áreas passam a operar com métricas e interpretações próprias, fragmentando estratégias e criando conflitos silenciosos que afetam os resultados.
Silvana Torres, CEO da Mark Up. Foto: Assessoria.
Dados e ROI:
Como a qualidade da informação impacta os resultados das empresas
Na prática, a consolidação de uma cultura Data Driven ainda esbarra em desafios operacionais e estruturais. As organizações lidam com ambientes de dados cada vez mais complexos, que envolvem múltiplas fontes, sistemas e diferentes formatos de informação. Nesse cenário, padronizar e governar esses dados se torna um desafio relevante.
Para enfrentar essa questão, empresas têm investido em planos estruturados de governança de dados, com a adoção de ferramentas de padronização e plataformas de integração capazes de consolidar e qualificar as informações disponíveis.
O uso estratégico dessas tecnologias permite não apenas evitar perdas, mas também extrair o máximo valor dos dados coletados, contribuindo diretamente para a melhoria do retorno sobre investimento, o ROI. Ainda assim, a má qualidade das informações segue como um entrave significativo.
“Quando há clareza sobre indicadores-chave, a empresa passa a priorizar melhor seus recursos, sejam eles financeiros, humanos ou de tempo. Muitas vezes, isso revela desalinhamentos importantes, como investimentos, de tempo ou recursos, em frentes de baixo impacto ou manutenção de iniciativas que não geram retorno real.”, diz Silvana Torres.
A partir de sua experiência prática e análise de cases, Silvana Torres destaca que os ganhos mais imediatos não estão necessariamente na sofisticação das ferramentas, mas na eliminação de ineficiências invisíveis.
Ela também aponta um impacto relevante na previsibilidade do negócio, já que dados estruturados permitem leituras mais consistentes de performance e tendências, melhorando projeções e reduzindo riscos. Mesmo antes da adoção de soluções mais avançadas, como inteligência artificial, esse nível de organização já influencia a eficiência operacional e a capacidade de resposta ao mercado.
Outro ponto observado é o impacto na escalabilidade. Com uma base de dados estruturada, empresas conseguem replicar com mais facilidade o que funciona, enquanto aquelas que não possuem essa organização acabam dependentes de esforços pontuais e pouco sustentáveis.
No contexto da inteligência artificial e da análise de dados, um princípio fundamental ajuda a explicar por que muitas iniciativas não geram os resultados esperados: o GIGO, sigla para Garbage In, Garbage Out. O conceito indica que a qualidade das respostas depende diretamente da qualidade dos dados inseridos.
Na prática, isso significa que mesmo os sistemas mais avançados podem gerar análises equivocadas quando alimentados com informações incorretas, incompletas ou fora de contexto. O problema não está apenas em dados errados, mas também em dados que, embora corretos, não são relevantes para a decisão que se pretende tomar.
De acordo com a Pesquisa Global de Gestão de Dados 2020, realizada pela Experian e divulgada pelo portal Serasa Experian, mais de mil profissionais no Brasil, Estados Unidos, Reino Unido, Alemanha, França e Austrália apontaram a perda de recursos e os gastos adicionais como consequências diretas da baixa qualidade dos dados, com 42% no Brasil e 41% na média global.
Os custos associados à má governança de dados representam um desafio para 78% das empresas, sendo que 28% classificam esse problema como significativo. No Brasil, o cenário é ainda mais crítico, com 87% das organizações afirmando enfrentar esse tipo de dificuldade, enquanto 76% ainda não definiram estratégias para reduzir os custos relacionados à má gestão das informações.
Sobre o conceito de GIGO, Silvana Torres destaca que muitas empresas acreditam estar orientadas por dados simplesmente por mensurarem diversos indicadores, mas ainda carecem de clareza e estratégia na utilização dessas informações.
Um dos indícios mais claros de que uma empresa está operando com dados “ruins”, mesmo sem perceber, segundo ela, é a inconsistência narrativa: quando a empresa altera com frequência sua leitura de performance não por mudanças reais no mercado, mas por reinterpretações ou ajustes dos próprios dados, gerando uma falsa sensação de instabilidade e comprometendo o planejamento estratégico.
Silvana também chama atenção para empresas que medem tudo, mas não conseguem transformar esse volume em direcionamento claro. Nesses casos, há muitos indicadores, mas pouca clareza sobre o que realmente importa, o que enfraquece o papel dos dados como guia estratégico.
Por fim, um sintoma crítico aparece quando as lideranças passam a confiar mais na própria intuição do que nos dados disponíveis, não por experiência, mas por desconfiança. Nesse cenário, o dado deixa de ser um ativo competitivo e passa a ocupar um papel secundário, quase decorativo, no processo decisório, perdendo seu potencial de gerar valor real para o negócio.
Confira a palestra de Silvana Torres na Feira EBS 2025 com o tema Cultura Data Driven na prática: da decisão ao resultado
Organização de dados nas empresas: como estruturar, padronizar e garantir governança na prática
A governança de dados refere-se à forma como as empresas estruturam, controlam e direcionam o uso das informações. Mais do que armazenar dados, trata-se de garantir qualidade, segurança e uso estratégico.
A CEO da Mark Up reforça que ser orientado por dados não é sobre ter dashboards sofisticados ou acesso à informação em tempo real, mas sim sobre alinhamento, disciplina e, principalmente, tomada de decisão.
É comum que os dados sejam utilizados apenas para justificar decisões que já foram tomadas previamente, o que é muito diferente de usá-los como base para decisões mais assertivas e bem fundamentadas, ressalta Silvana.
Por onde começar: um guia prático para estruturar a governança de dados
Implantar governança de dados não começa, necessariamente, pela tecnologia, mas pela organização interna e clareza sobre processos e responsabilidades. Muitos gestores acreditam que a governança é burocrática, mas, como destaca Silvana, essa percepção surge quando essa governança é tratada como controle, e não como geração de valor.
- Mapeamento e catalogação dos dados
O primeiro passo é identificar quais dados a empresa possui, onde estão armazenados e como são utilizados. Esse processo permite dar visibilidade às informações e entender quais delas são realmente relevantes para o negócio. - Limpeza e padronização das informações
Dados duplicados, incompletos ou inconsistentes comprometem análises e decisões. Por isso, é fundamental estabelecer critérios para corrigir erros, padronizar formatos e garantir maior qualidade das informações. - Definição de regras e governança
Com os dados organizados, é necessário criar diretrizes claras sobre acesso, uso e segurança. Isso inclui políticas internas, responsabilidades entre áreas e conformidade com regulações. - Estruturação de papéis e processos
A governança não depende apenas de tecnologia. É importante definir responsáveis pelos dados e estabelecer rotinas que garantam a manutenção da qualidade e do uso adequado das informações. - Uso de tecnologia e evolução contínua
Ferramentas de gestão e monitoramento ajudam a escalar a governança e aumentar a confiança nos dados. Ao mesmo tempo, o processo deve ser contínuo, com acompanhamento de indicadores e evolução conforme o crescimento da empresa.
Com uma base organizada, torna-se possível direcionar o uso da Inteligência Artificial para aplicações mais eficientes, como personalização de experiências, otimização de processos e apoio à tomada de decisão.
Dados como ativo estratégico: do operacional ao competitivo
Mais do que um recurso operacional, os dados se tornaram um ativo estratégico nas organizações. Empresas que estruturam e governam suas informações de forma consistente conseguem transformar dados em vantagem competitiva, sustentando decisões mais assertivas e resultados escaláveis.
E na sua empresa, os dados estão realmente guiando decisões ou apenas sendo acumulados?
Conteúdos como este e muitos outros você encontrará na Feira EBS 2026 – 24ª Feira da indústria de eventos corporativos, incentivos, treinamentos, congressos e feiras. Inscreva-se e participe do maior encontro MICE do país.
Compartilhe sua experiência conosco ou envie este conteúdo para quem precisa estruturar melhor o uso de dados no negócio.
Esse artigo teve a colaboração de Mariana Souza, auxiliar de comunicação no Grupo EBS.