GHOST INTERVIEW #25 | O Excel 2.0 da Salesforce

Lá na segunda-feira, a Salesforce surpreendeu a todos e anunciou a  compra da Tableau por módicos US$ 15,3 bilhões. Vista como uma empresa de “análise de Big Data”, a Tableau  é dona de um dos softwares de visualização de dados (e de BI) mais usados do mundo (uma das clientes da Tableau é a Netflix, para vocês terem uma ideia). A surpresa da compra ficou pelo tamanho do prêmio: 42,7%, sim, a Salesforce topou pagar US$ 4,7 bilhões a mais do que a empresa valia no mercado!  A gente ficou com a pulga atrás da orelha e foi atrás do Adam Selipsky, CEO da Tableau e ex-Amazoniano para o Ghost Interview da semana. 

Adam não fundou a Tableau, que foi criada em 2003 e fez o IPO em 2013, mas assumiu como CEO da companhia em 2016, após pressões de investidores sobre as receitas da companhia. Selipsky foi a escolha natural da Tableau, uma vez que ele foi “só” um dos principais responsáveis pela criação e formação da Amazon Web Services (AWS), negócio que, no ano passado, teve receita maior que o McDonald’s. Sim, o nosso ghost-entrevistado foi conhecido por muito tempo como “evangelizador da Nuvem”, de tanto que ele martelou a cabeça de Jeff Bezos para que a tecnologia interna da Amazon fosse vendida como serviço. O que isso tem a ver com a Tableau? Dá uma lida:

But first, Data…

Nos últimos 14 anos, a gente teve que construir uma infraestrutura grande, escalável e barata para colocar de pé uma aplicação enorme, a Amazon.com – e todas as suas versões fora dos Estados Unidos. E percebemos que era realmente muito importante ter uma infraestrutura confiável, sempre on e também que era algo bem difícil de fazer. Com o tempo, ficamos bons em computação distribuída, então percebemos que tinha uma quantidade enorme de empresas que não teriam que passar pelo mesmo caminho que passamos, de construir infraestrutura, adquirir conhecimento sobre. Como a gente tinha a expertise e a escala, unimos uma ponta a outra.  Construímos o serviço para ele ser o mais horizontal possível. Nosso serviço de storage, por exemplo, é quase uma loja de objetos. Temos para todos, desde estudantes, até farmacêuticas e grandes bancos. 

(Entrevista ao Tiburon TV em 22 de novembro de 2008)

O AWS pode ser forte, com bom fluxo financeiro para gerar negócios para a empresa. Acredito que podemos ter um negócio forte, atraente e lucrativo a um custo bem baixo. Outras empresas de tecnologia não estão tão ligadas em pensar em custos dessa forma.

(Entrevista a Reuters em 7 de setembro de 2011 – quando a AWS era menos de 2% de receitas da Amazon)

Acho que a AWS me ensinou muito sobre como escalar uma companhia. O produto precisa funcionar diferente quando ele escala, o jeito que você se comunica internamente muda quando o produto ganha escala, o jeito que a empresa interage com os usuários também muda.

Apesar de ter realmente gostado do tempo que passei na AWS, quando a oportunidade para vir para a Tableau apareceu foi irresistível para mim. Por ser uma empresa de uma área tão excitante quanto dados e analytics, com um grupo tão apaixonado de usuários e um produto tão bom. E explico mais:

Estimativas recentes do IDC sugerem que, entre agora e 2025, a quantidade de dados no mundo sujeitos à análise devem crescer mais do que 50 vezes. Eu acho que muitas organizações serão esmagadas pelo peso desses dados, enquanto muitas outras irão ver novas oportunidades para desenvolver insights e tomar melhores decisões com base em todos esses dados. Independente da organização ver os dados como um problema ou uma oportunidade, há uma necessidade urgente de recursos analíticos para lidar com eles e, mais uma vez, tomar decisões melhores com mais rapidez.

Por fim, usamos dados para tomar decisões melhores com mais rapidez, esse é o objetivo. Eu acho que os seres humanos interagem muito bem com os dados em um cenário visual. É assim que estamos conectados. Então, se você mostra a um ser humano um mar de números, isso não é tão significativo quanto organizar e mostrar esses dados visualmente.

Acho que o Tableau avançou e emergiu como líder ao adotar uma abordagem muito intuitiva, bonita e altamente interativa para visualizar dados. Falamos em fazer com que o software “desapareça”, para que você converse apenas com seus dados e ainda esteja no centro do que fazemos como empresa.

(Entrevista ao site Gigabit em 4 de janeiro de 2019)

[Para a empresa] O modelo significa receita recorrente ou seja “você não fica esperando os acordos que vão fechar no fim de cada trimestre”. Para os clientes, é um modelo melhor para controlar custos. Se eles estão preocupados em colocar 1 mil usuários no software num ambiente de budget controlado, é mais fácil fazer se você está pagando apenas uma fração da taxa para todos por mês. É realmente um programa de redução de riscos para os usuários – é quase como a diferença entre namorar e casar.

(Entrevista à Bloomberg, reproduzida na íntegra pela Information Management, em 7 de abril de 2017)

Eu diria que, para muita gente na empresa, teve alguns momentos de “roer as unhas” de tanto nervoso para tentar entender como fazer o modelo de assinatura funcionar. Tinha muita incerteza, muitos questionamentos se esse tipo de modelo funcionaria, se os usuários iriam optar por não comprar o nosso software. Ajudou a gente o fato da Adobe ter feito essa transição. 

(Entrevista ao The Information em 20 de fevereiro de 2019)

De acordo com analistas, em média 70% dos funcionários não estão acessando ferramentas de BI. Isso significa que, bem, temos milhões de decisões sendo tomadas a partir de feeling, instinto ou palpite. Quantas decisões, carreiras e vidas estão perdendo os benefícios que analisar todo o dado que o mundo está coletando? O que aconteceria se o analytics fosse onipresente? O problema em tentar falar do futuro é que mudanças radicais são difíceis de prever, as pessoas subestimam a extensão das transformações que ocorrem no cotidiano. Falta a elas, exatamente, a perspectiva do tempo. Quando você olha para todas as tecnologias que atingiram a onipresença, dá para ver o impacto delas são insondáveis, de tirar o fôlego.

Um bom exemplo para isso é algo que todos associam com Big Data: a refrigeração. Antes de 1800, a comida era preservada com sal, condimentos e conservas, o mais próximo que se tinha de refrigeração eram os porões. O primeiro grande avanço nessa tecnologia veio em 1802, as “caixas de gelo”, gabinetes isolados de metal que conseguiam guardar grandes quantidades de gelo, que era entregue a cavalo. O que isso significava para as pessoas da época? Elas conseguiam preservar a comida por mais tempo, foi algo enorme. Mas, ainda assim, não era um tipo de tecnologia escalável ou confiável, uma vez que dependia da entrega de gelo. Novas possibilidades para a refrigeração não foram detectadas até que modelos modernos chegaram, nos anos 20. Refrigeradores mecânicos, com compressores e serpentinas, “avôs” de todos aqueles que temos nas nossas casas, foram um avanço massivo. Quer falar sobre impacto? A publicidade da época dizia que os refrigeradores “tornavam a ficar com fome seguro pela primeira vez”. E essa tecnologia não se fechou ao uso nas casas, mas chegou a todas as partes da economia: a indústria de carnes, siderúrgicas, produtoras de petróleo. Mas como seria possível, lá nos anos 20, de entender que essa nova tecnologia ia mudar não só nossas dietas, mas a maneira com que a gente vive, e como a gente produz? E, não, isso não é uma lição de história, porque está acontecendo hoje em dia.

Esse exemplo mostra bem um padrão em como as mudanças tecnológicas chegam ao status de onipresença. Primeiro, uma solução rudimentar. Depois uma melhora que parece dramaticamente nova, mas se mostra limitada. Para, então, finalmente, uma série de inovações que a torna acessível para todos e… onipresente. Esse último parece familiar, porque é o caminho que o analytics está tomando agora. Começamos nos anos 80, com ferramentas mais rudimentares. Então veio os anos 90, com programas melhores e ascensão do BI, mas ainda com funcionalidades bem limitadas – eram o equivalente às “caixas de gelo”. Agora estamos numa nova era do analytics, com serviços e programas acessíveis, flexíveis. É uma “terceira era” de analytics, onde a adoção massiva e a onipresença se tornam possíveis. Estamos no começo do impacto massivo que essa tecnologia terá. As evidências são claras: dados e análise de dados estão movimentando agendas políticas de grandes governos, no que está sendo comparado à corrida para mandar o homem ao espaço. Governos de países poderosos estão entendendo que a capacidade de analisar e entender Big Data vai determinar as suas trajetórias econômicas para as próximas décadas. Empresas com analytics no seu DNA estão redefinindo indústrias inteiras: Netflix, Linkedin, Lyft, Airbnb, e, bem, Amazon. Grandes empresas, disruptores, universidades, agências do governo, ONGs, todos estão ligados aos analytics. A era da onipresença da análise do Big Data está só começando.  

(Apresentação na Tableau Conference de 2018, em 23 de outubro de 2018)