Porque acompanhar o tempo não salvará as margens da sua agência

Galen Low: Se alguém estiver a ouvir e a sua organização não tiver uma cultura de dados, quanto tempo demorará a recuperar o atraso?

Marcel Petitpas: O primeiro passo é clarificar o seu modelo. Não é possível tomar decisões sobre que ferramentas utilizar, como utilizá-las, o que acompanhar e o que não acompanhar, a menos que saiba a que métricas vai prestar atenção.

É preciso saber exatamente como essas métricas serão calculadas, como vai definir cada objeto dentro de cada métrica e o que essa métrica lhe diz sobre o negócio quando sobe ou desce.

Galen Low: Se dirige uma agência, como decide, dentro deste modelo, que táticas vão realmente ajudar a gerar o maior impacto na eficiência operacional?

Marcel Petitpas: Pensamos nisto como o volante de crescimento do lucro da agência, que tem quatro passos. O primeiro são os pressupostos. O segundo são os resultados reais, e estas duas coisas em conjunto formam o seu ciclo de feedback quantitativo. Isso mostra onde existe uma lacuna e indica que métrica dentro do negócio precisamos de alterar.

Galen Low: Se é responsável pela operação, precisa de ser muito fluente em dados, muito orientado para os dados, orientado por dados, mais técnico, mais parecido com um engenheiro, ou isso também é uma falácia?

Marcel Petitpas: Haverá um momento, num futuro não muito distante, em que será possível criar e gerir um pequeno fluxo de dados sem ser extremamente técnico ou um grande especialista em dados. No entanto, algo que continuará a ser verdade é —

Galen Low: Bem-vindos ao podcast do Digital Project Manager — o programa que ajuda os líderes de entrega a trabalhar de forma mais inteligente, entregar mais depressa e liderar melhor na era da IA. Eu sou o Galen e, todas as semanas, exploramos estratégias do mundo real, novas ferramentas, modelos comprovados e, ocasionalmente, histórias de guerra das linhas da frente dos projetos. Quer esteja a conduzir grandes projetos de transformação, a gerir fluxos de trabalho de IA ou simplesmente a tentar manter o caos sob controlo, está no sítio certo. Vamos começar.

Hoje vamos falar sobre a relação entre rentabilidade, operações e dados. Mais especificamente, sobre qual é o momento certo para garantir que os seus dados estão suficientemente limpos para compreender a rentabilidade, bem como sobre como recuperar o atraso se já sente que ficou para trás na questão das operações orientadas por dados e potenciadas por IA.

Hoje tenho comigo Marcel Petitpas, fundador e CEO da Parakeeto, e também a minha pessoa de referência quando se trata de operações de agências rentáveis e orientadas por dados, além de me explicar regressão linear como se eu tivesse cinco anos. Marcel e a sua equipa funcionam como o ponto de ligação entre um diretor financeiro fracionado e um diretor de operações fracionado, ajudando a sua agência a crescer de forma previsível através de operações sustentáveis e rentáveis.

Marcel, obrigado por voltares ao programa hoje.

Marcel Petitpas: Galen, ver-te fazer essa introdução foi de cortar a respiração. Estavas completamente concentrado. Foi incrível. Estávamos a conversar nos bastidores e, de repente, entraste no teu mundo. Obrigado por me receberes. É um prazer estar aqui e obrigado por essa excelente atuação.

Galen Low: Obrigado pelos elogios. Na verdade, sou uma IA desde o início. Foi o Marcel que me criou. Marcel, já estiveste no programa antes e participaste em eventos connosco. Gosto muito de te ter aqui porque tens uma perspetiva realmente única e pragmática sobre o rumo das agências e das empresas em geral em termos de fluência em dados, operações orientadas por dados e a forma como isso se relaciona com o valor. Vais direto ao essencial.

Marcel Petitpas: Agradeço que digas isso. É algo em que, de forma algo estranha, passo uma quantidade desproporcionada do meu tempo a pensar e a falar, e tenho muita sorte por poder fazê-lo. Durante sete anos, envolvi-me diretamente na implementação destas práticas em agências, e penso que é aí que, sobretudo no contexto da gestão de projetos, tenho algumas perspetivas que vão contra a sabedoria convencional sobre aquilo que são as melhores práticas.

Porque já vi onde estão as algemas douradas: as decisões que parecem fazer sentido e que, na prática, simplesmente nunca funcionam porque são demasiado difíceis.

Galen Low: Gosto disso. Continuamos a utilizar um manual de procedimentos que está um pouco avariado só porque ele existe. As algemas douradas são mesmo isso. Pensei que podíamos começar por responder a uma grande questão urgente, algo controverso cuja resposta toda a gente quer conhecer, e depois afastar-nos um pouco para falar sobre três coisas.

Primeiro, queria falar sobre higiene dos dados e sobre o que fazer se parecer que a sua agência já perdeu o comboio. Depois, gostaria de falar sobre como exatamente os dados limpos e a IA podem ter um impacto mensurável na rentabilidade, bem como sobre como avaliar e dar prioridade às eficiências operacionais com base no impacto.

Por fim, pensei que poderíamos explorar até onde vai o caminho para as agências. De certa forma, o jogo das agências mudou completamente. Gostaria de falar sobre as competências e estruturas que as agências precisam de analisar para prosperarem na era dos dados e da IA. São temas importantes. Que te parece?

Parece-me muito divertido. Vamos explorá-los. Muito bem, vamos começar. Aqui está a minha grande questão. Eu diria que dados bons e limpos — foi isto que aprendi contigo — são, discutivelmente, a chave para alcançar operações de agência rentáveis e orientadas por dados. Mas, se alguém estiver a ouvir e a sua organização não tiver uma cultura de dados ou estiver longe de ter os dados organizados de alguma forma significativa, quanto tempo demorará a recuperar o atraso?

E existe alguma forma de acelerar esse processo sem agir de forma imprudente?

Marcel Petitpas: A resposta é sim. O que considero tão triste em relação a muitos dos clientes com quem acabamos por trabalhar, depois de passarem anos a tentar fechar esta lacuna, é que a grande maioria tenta resolver o problema pela ordem errada.

Isto será especialmente verdade para muitas das pessoas que estão a ouvir o programa. E não acho que a culpa seja delas. Penso que, honestamente, o complexo industrial do software as condicionou a pensar dessa forma. Começa pelo software, pela gestão de projetos, pelos dados de controlo de tempo e pelos dados contabilísticos, mas esses são os últimos passos do processo e os menos importantes. Isto pode surpreender algumas pessoas, mas não precisa de dados de controlo de tempo para obter 80% da visibilidade sobre o seu desempenho.

O primeiro passo é, antes de mais, clarificar o seu modelo. Isto é um pouco abstrato, mas, em termos práticos, não pode realmente utilizar nenhum dos seus dados nem tomar decisões sobre que ferramentas utilizar, como utilizá-las, o que acompanhar e o que não acompanhar, a menos que saiba a que métricas vai prestar atenção.

Tem de saber exatamente como essas métricas serão calculadas, como vai definir cada objeto dentro de cada métrica e o que essa métrica lhe diz sobre o seu negócio quando sobe ou desce. Para dar um exemplo prático, é ótimo sentarmo-nos à volta da mesa da sala de reuniões e dizer: vamos medir a utilização.

Outra coisa completamente diferente é perguntar: o que significa exatamente isso para nós? O que é uma hora faturável e o que é capacidade? Como definimos esses conceitos? O que está incluído e o que não está? O que conta e o que não conta? Qual é a lógica através da qual convertemos efetivamente os dados nessa representação da utilização?

E compreendemos plenamente o que a faz subir e descer, o que isso significa para o nosso negócio, como influencia a nossa tomada de decisões e por que razão nos preocupamos com isso? O que mudará na nossa tomada de decisões se tivermos este número à nossa frente e virmos que está a subir ou a descer?

Esse é, na verdade, o primeiro passo. A boa notícia é que isso não requer software, não requer dados e não requer esperar até acumular dados. São simplesmente decisões que pode tomar. Não são decisões fáceis, mas tentámos torná-las mais fáceis ao publicar o nosso modelo sobre a forma como pensamos que estas métricas devem ser medidas e quais as métricas que devem ser acompanhadas, disponibilizando-o publicamente.

Portanto, diria que esse é o primeiro passo. Há também um segundo passo, que igualmente não requer informação nova e que considero importante abordar. Mas vou parar um momento para te deixar falar, porque sabes que poderia continuar durante os próximos 60 minutos.

Galen Low: E eu teria todo o gosto em que fizesses isso.

Mas uma coisa de que também gosto é que talvez eu esteja deliberadamente a conduzir um pouco a conversa, no sentido de que penso que muitas pessoas que estão a ouvir dizem: precisamos de recuperar o atraso, precisamos de comprar software e precisamos de começar imediatamente a controlar o tempo. Assim, obtemos uma base de dados, mas continuamos a estar a meses e meses de ter dados utilizáveis que possamos usar para impulsionar a rentabilidade.

Essa é a reação involuntária a sentirmo-nos atrasados enquanto agência. Portanto, gosto muito da ideia de o software não ser a resposta. Poderias dar-me um exemplo, especialmente no que diz respeito à utilização? Penso que a utilização é provavelmente um exemplo perfeito dessas algemas douradas.

Porque faz muito sentido. Contratei estas pessoas. O meu modelo de negócio consiste em vender serviços à hora faturável. Ou passam a maior parte do tempo a gerar dinheiro ou não passam. E, se não passam, as minhas margens estão a desaparecer. Posso estar a perder dinheiro e não estou a tirar partido do talento que contratei.

Parece muito natural pensar: sim, essa é uma boa medida. Mas a questão sobre o que a faz subir e descer deixou-me a pensar. É uma equação muito complexa para pessoas que dizem: Marcel, o que mais vou acompanhar? A utilização tem de ser a métrica. Quais são alguns dos mitos que desmistificas ou com que te deparas e que são, na realidade, falácias? Isso continua a conduzir ao acompanhamento da utilização, mas de uma forma melhor, depois de fazer as perguntas certas? Ou devemos abandoná-la?

Marcel Petitpas: Não. O nosso modelo inclui a utilização como métrica, mas a forma como a calculamos provavelmente não é igual à forma como a maioria das outras pessoas a calcularia. Posso falar sobre isso, mas é difícil fazê-lo isoladamente, porque, até compreender como medimos a taxa média faturável, como medimos as margens de lucro dos projetos, como isso difere da forma como medimos as margens de lucro ao nível da agência e como pensamos no custo por hora, não conseguirá compreender por que razão tomámos as decisões que tomámos relativamente à utilização.

A verdade é que pensamos nisto como um modelo completo: a relação entre as métricas e o negócio, e entre as próprias métricas. Pensámos em todos os detalhes, testámo-lo com centenas de agências ao longo de sete anos e trabalhámos todas as situações excecionais. Poderia explicar a minha definição de utilização, que corresponde às horas de entrega.

Ou seja, todo o tempo gasto com clientes, independentemente de ser ou não, entre aspas, faturável. Isso não nos interessa. Essas horas de entrega são divididas pela capacidade, que corresponde a todo o tempo comprado a qualquer pessoa no período de medição. Para toda a agência, isso inclui todos, incluindo as pessoas que não fazem qualquer trabalho para clientes.

São 2080 horas por ano. Algumas pessoas ouvirão isto e dirão que não funcionaria para elas. Talvez seja verdade, porque tomaram muitas outras decisões relativamente às restantes métricas e isso deixou de fazer sentido. Mas falei hoje de manhã com alguém que dizia que, todas as semanas, a equipa de gestão lhe garantia que a equipa estava totalmente utilizada, quando isso não era verdade, porque metade do tempo considerado, entre aspas, faturável era tempo interno.

Esse tempo não gerava receita, pelo que estavam a obter um resultado falsamente positivo. Ou então havia outra equipa que apresentava a maior utilização em agosto, o que também era um resultado falsamente positivo, porque tirava bastante tempo de férias na forma como pensava na capacidade. Devíamos retirar do cálculo o tempo que não está disponível.

Tudo isto indica, para mim, que a conversa sobre como definir a utilização não aconteceu depois de uma conversa sobre o motivo. Que decisões estamos a tomar e a que perguntas estamos a tentar responder? Se essa conversa tivesse acontecido primeiro, perceberiam imediatamente que não podemos retirar capacidade se aquilo que estamos a tentar descobrir for qual é o impacto financeiro da utilização e como ela afeta a nossa rentabilidade.

Isso seria problemático. Enfim, estou a divagar. Penso que a grande armadilha é acreditarmos que podemos determinar o desempenho da agência ou do negócio através de uma única métrica. As pessoas tentam transformar a utilização nessa métrica única ou tentam transformar a rentabilidade ao nível do projeto nessa métrica única.

E penso que esta última é igualmente, se não mais, problemática. Não é possível inferir a rentabilidade de toda a agência a partir da rentabilidade de um único projeto. Tentar ligar essas duas coisas é uma tarefa inútil e uma enorme perda de tempo e recursos, na minha opinião, além de responder mal a qualquer pergunta.

Galen Low: Gosto do aspeto à Douglas Adams: perguntamos qual é o sentido da vida e a resposta é 21, mas isso acontece porque não compreendemos realmente a pergunta. É assim que vejo a utilização, com base nessa explicação. Portanto, parte um: o modelo, compreender o que está a medir e porquê. Parte dois.

Marcel Petitpas: A parte dois é o seu modelo e a sua previsão. Esta é outra coisa que penso ser frequentemente ignorada. Imaginemos que definimos a forma como vamos medir a utilização. O passo seguinte costuma ser a equipa de gestão de projetos ficar entusiasmada, implementar a ferramenta de gestão de projetos e pressionar toda a gente para cumprir as regras. Passam-se três meses e, finalmente, dizem: temos bons dados. A nossa taxa de utilização no mês passado foi de 54%. Depois, todos ficam parados a olhar uns para os outros à espera que alguém reaja e perguntam: isso é bom ou é mau?

Mais uma vez, avançaram até ao fim, o último passo do processo, mas não conseguem obter valor dessa medição porque nunca estabeleceram a expectativa. A boa notícia é que definir a expectativa pode ser extremamente esclarecedor e pode mostrar onde existe um problema sem sequer conhecer os resultados reais.

Quando chegam aos resultados reais, estes são significativamente mais valiosos, porque o conhecimento é uma função das expectativas comparadas com a realidade. Portanto, o passo dois consiste em criar um modelo da empresa. É um modelo muito simples. Começamos pelo que chamamos uma grelha salarial, que é uma lista de todas as pessoas da equipa, quanto recebem, quantas horas trabalham e para onde esperamos que esse tempo seja canalizado.

Se tivesse trabalho ilimitado para realizar, quanto tempo pago de férias e ausências teriam? Depois analisamos as despesas gerais. Quanto tem gasto com advogados, contabilistas, o QuickBooks, subscrições e tudo o resto, incluindo o escritório? Em seguida, analisamos os preços. Quanto cobra efetivamente e quanto espera ganhar por cada hora de trabalho dedicada aos clientes, em todas as coisas que vende?

Se combinar estes três conjuntos de informação, deverá conseguir determinar quanto dinheiro o negócio pode ganhar com a equipa atual, se tudo acontecesse conforme planeado, quanto tempo seria gasto em trabalho para clientes, qual seria a taxa de utilização, quanto gastaria em despesas gerais, qual seria a margem bruta e qual seria o lucro líquido.

É como perguntar: qual é o melhor resultado possível? Isso estabelece a base para responder à primeira pergunta: isto é bom? É o que esperamos? Esta é uma pergunta importante porque, por vezes, encontramos uma empresa que diz que, por mais que tente, não consegue tornar-se rentável.

Depois fazemos este exercício e percebemos que isso acontece porque está a planear ser não rentável.

Galen Low: Interessante.

Marcel Petitpas: E a reação é: certo. Por mais perfeitamente que executemos este plano, continuaremos a falhar. E, na realidade, isso não tinha nada que ver com a nossa execução. Simplesmente tínhamos o plano errado.

Esse é o passo dois: criar um modelo da empresa. Compreender aquilo para que o modelo o está a preparar, quanta margem de erro tem e quais são os objetivos. Se acrescentar um último conjunto de dados — uma compreensão de alto nível dos projetos, quanto vai receber, quando começam, quando terminam e quantas horas espera gastar — pode começar a olhar para o futuro e perguntar se está a planear obter tanta receita quanto possível e se está a planear manter a equipa razoavelmente ocupada.

É possível resolver cerca de 70% a 80% dos problemas de rentabilidade sem nunca controlar o tempo ou os dados dos projetos, que são as partes mais caras e difíceis. Basta, em primeiro lugar, clarificar o seu modelo e, em segundo lugar, clarificar os pressupostos que faz atualmente sobre o negócio.

É assim que começamos com todos os clientes, porque não é realmente possível tomar decisões sobre os passos seguintes sem estabelecer esta base e determinar o aspeto dessa estrutura. A boa notícia é que tudo isto é gratuito.

Requer apenas tempo e informação que já tem na cabeça. Provavelmente ainda não dedicou tempo a organizá-la. Não precisa de software, não precisa de esperar seis meses para acumular dados e não precisa de alterar o processo contabilístico que já tem disponível. Essa é a boa notícia: na realidade, não demora muito a recuperar o atraso, porque grande parte desta informação já está disponível neste momento.

Galen Low: É interessante porque é gratuito, mas não é fácil. Algumas destas perguntas baseiam-se em conhecimentos que talvez já tenha, mas responder-lhes é a parte difícil, porque é preciso encarar verdadeiramente a operação. Pensei que ias dizer para imaginar quanto dinheiro seria possível ganhar e depois admitir que isso era irrealista, porque essa seria a utopia. Mas, na realidade, disseste que o plano pode simplesmente não ser rentável e que a forma como o negócio funciona pode não ser rentável.

Uma coisa que considero muito refrescante, do meu ponto de vista enquanto responsável pela gestão de projetos de uma agência, é que estamos habituados a sentir que temos o peso da agência sobre os ombros. Somos o motor económico. Pagamos às pessoas que trabalham no vermelho. Precisamos de margem suficiente para sermos faturáveis — normalmente com uma utilização de 80% ou mais — e também de margem suficiente para pagar os salários da equipa administrativa, da equipa comercial e de todos os outros.

Mas também disseste algo que espero estar a compreender corretamente: isto não pode depender exclusivamente da rentabilidade dos projetos. Existe uma espécie de modelo de custo dos bens vendidos e é preciso incluir toda a gente, bem como o trabalho faturável, o trabalho disponível e o dinheiro que se pode ganhar.

Marcel Petitpas: Isso é totalmente verdade. Já vimos empresas em que todos os projetos eram extremamente rentáveis, mas a empresa não era rentável, porque a rentabilidade dos projetos é apenas um dos três fatores que determinam a rentabilidade. Não pode resumir-se a isso.

É como vender uma garrafa de água por um milhão de dólares uma vez a cada dez anos. Se depois gastar 800 000 dólares por ano em operações e marketing para convencer uma pessoa, uma vez a cada dez anos, a comprar uma garrafa de água de um milhão de dólares, não importa que a margem dessa venda seja de 99,999%.

Essa é a nuance. É preciso afastar-se e construir um modelo abrangente de toda a empresa, prestando atenção a todas as alavancas que afetam esse número.

Galen Low: Entretanto, os copos Stanley — esse é o modelo de negócio deles, certo? Vender alguns modelos de água colecionáveis com margem.

Marcel Petitpas: E indestrutíveis.

Galen Low: Este é provavelmente um bom ponto de partida, porque queria afastar-me um pouco e pegar numa coisa que disseste. Descreveste o que fazem na Parakeeto como se um diretor financeiro fracionado e um diretor de operações fracionado tivessem tido um filho juntos. Ignorando todas as implicações de conflito de interesses e as piadas de concertos quase sectários, como podem os líderes financeiros e operacionais trabalhar mais ligados para começar a utilizar dados na análise e monitorização da rentabilidade de uma agência — ou, mais concretamente, para tomar estas decisões em conjunto e responder juntos a estas perguntas difíceis?

E são estas as pessoas essenciais ou quem mais precisa de participar nestas conversas para definir os modelos e a estrutura?

Marcel Petitpas: Penso que isso nos leva de volta às duas primeiras coisas que mencionei na minha resposta anterior: a conversa sobre o modelo e a conversa sobre o modelo do negócio.

Está intrinsecamente relacionado com as três partes mais importantes do negócio: a parte financeira, a parte operacional e, em certa medida, o desenvolvimento de novos negócios. Ao sentarmo-nos e termos uma conversa centrada nestes temas, obrigamos todos a reunir-se e a chegar a um acordo.

De certa forma, isso também dá uma base à conversa, porque é apenas uma fórmula matemática. Não é uma opinião. São os cálculos e as alavancas. Quando sobem ou descem, isto é o que muda. Ninguém pode realmente contestar isso. Essa é a base para todos dizerem: se esta é a expectativa, como vamos medi-la?

Todos têm de contribuir. E isso obriga-nos a olhar para os diferentes departamentos. Se queremos fazer previsões, precisamos de saber o que vem a caminho da equipa comercial. Que informação precisamos? Se vamos prever a capacidade, precisamos de compreender quanto tempo será necessário. Se vamos prever o lado financeiro, temos de compreender o que vamos cobrar, quais serão os custos, quanto é nosso dinheiro e quanto não é. Se vamos planear a rentabilidade, precisamos de conhecer a margem.

Da mesma forma, se vamos definir orçamentos do lado financeiro, temos de compreender como é a equipa e qual é o plano de contratação. Tudo isto está ligado, e começamos a olhar para toda a organização e a perguntar: se queremos medir isto, de que dados precisamos?

A resposta é quase sempre alguma combinação de dados operacionais, porque os dados operacionais precedem o desempenho financeiro, e dados financeiros, porque os dados financeiros são essencialmente uma soma muito precisa do que aconteceu no passado. Para mim, o modelo e a previsão são a base sobre a qual se constroem os ciclos de feedback, e é nesses ciclos que acontece grande parte da colaboração entre departamentos.

Mas, se não tiver um modelo nem souber como construir uma estrutura, cada pessoa tende a permanecer no seu departamento e existe uma pequena lacuna que nunca é preenchida. A equipa de liderança acaba com coisas muito desligadas: a forma como pensamos vender o trabalho, a forma como o configuramos no QuickBooks e faturamos, e a forma como entra no ClickUp. São linguagens completamente diferentes. Não admira que não consigamos medir nada; os dados simplesmente não coincidem.

Galen Low: Gosto da ideia de que o modelo e a estrutura reúnem as pessoas. Já senti essa pequena lacuna: todos entram na sala de reuniões e concordam com o planeamento estratégico, dizendo que vão fazer isto e aquilo, que têm os dados, o plano e o objetivo, mas as peças do puzzle não encaixam e a linguagem é diferente. No trimestre seguinte, todos dizem que a culpa não é sua — é da área financeira ou dos recursos humanos.

Marcel Petitpas: Nas organizações maiores, onde existe um diretor de operações, um diretor financeiro e um CEO, alinhamos todos e permitimos que passem o tempo no local onde têm maior impacto, que não é em folhas de cálculo a tentar perceber o que se passa. É fazer algo a esse respeito, sabendo que todos compreendem aquilo em que se devem concentrar.

Nas organizações mais pequenas, que não têm escala para contratar um diretor financeiro ou de operações, fazemos a mesma coisa, mas para a pessoa mais sénior de cada departamento. Normalmente, é a empresa de contabilidade subcontratada no lado financeiro, e, no lado operacional, o gestor de projetos sénior ou alguém que acabou de receber um título de operações porque a empresa sentiu que precisava dessa função.

E existe o CEO, que geralmente não entrou no negócio para lidar com nada disto e que é um especialista na sua área. Trata-se de assumir essa parte desorganizada do meio para que todos os outros possam compreender claramente o que precisam de fazer e fazê-lo.

Galen Low: É muito interessante, porque trabalhei em várias agências de nicho onde era exatamente assim. O CEO é o fundador, alguém que gostava de tecnologia digital, de criar websites e aplicações, de design, e que de repente se torna CEO sem nunca ter desempenhado esse cargo.

Não tem formação de CEO e junta-se a um grupo com outros CEOs para aprender com eles. Mas, naturalmente, existem lacunas sobre o que pode e deve ser feito, especialmente no que diz respeito às operações. Já vi algumas vezes alguém dizer: provavelmente consegues gerir as operações; agora és o diretor de operações, havemos de descobrir como.

Gosto da ideia de que não há problema, porque todos estão num processo de aprendizagem, mas precisamos de um plano para desenvolver essa capacidade, preencher essas lacunas e promover essas conversas, para aprendermos uns com os outros e tomarmos boas decisões em conjunto.

Marcel Petitpas: Há aqui algo que vale a pena referir. Muitas vezes, a pessoa mais sénior da gestão de projetos é nomeada, sem grande escolha, líder de operações. Pode até ser isso que deseja, mas entra na função e, de repente, o CEO diz-lhe para resolver a questão da rentabilidade. Essa é uma expectativa irrealista e está a prepará-la para falhar.

Isso não é uma missão secundária. É um problema muito difícil de resolver se nunca o tiver resolvido antes e se não tiver um modelo. Requer conhecimentos técnicos sobre dados — talvez não engenharia de dados, mas pelo menos análise de dados e ciência de dados.

Requer um elevado nível de conhecimento financeiro, e é irrealista esperar que uma pessoa que evoluiu através da gestão de projetos consiga fazer tudo isso. Além disso, a experiência em gestão de projetos pode tornar-se uma desvantagem, porque a maioria dos gestores de projetos foi recompensada por ser extremamente precisa e detalhada.

E essa é precisamente a característica que muitas vezes os impede de produzir bons relatórios ao nível executivo. Contraintuitivamente, estes relatórios funcionam melhor quando abandonamos grande parte da precisão que confundimos com exatidão.

Um ótimo exemplo é a forma de fazer uma previsão de capacidade de quatro meses para o departamento de design. Não é atribuir 700 tarefas a pessoas individuais dentro da ferramenta de gestão de projetos. Isso não é um bom caminho. É como usar pauzinhos para empilhar grãos de areia e construir um castelo. Não vai funcionar.

Mas, se vem de uma área de gestão de projetos, provavelmente é esse o primeiro pensamento: empilhar todos estes pequenos blocos na ferramenta de gestão de projetos, porque é tudo o que sempre conheceu.

Galen Low: Embora já tenhamos abordado esse tema noutros episódios, agora que passou algum tempo, a minha perspetiva é completamente diferente, sobretudo na era da IA. Muitas pessoas que acabaram por assumir uma função operacional pensam: consigo fazer tudo o que o Marcel diz, mas agora preciso de contratar um cientista de dados.

Já vi isso acontecer: contratam alguém e dizem-lhe que fica responsável pelos dados, porque não têm sensibilidade para os dados e não sabem onde os obter. Mas essa pessoa não compreende o panorama geral, nem sabe que dados recolher ou como os organizar. É o caso de um cego a guiar outro.

Disseste que resolver a equação da rentabilidade pode preparar alguém para falhar se essa pessoa não tiver formação ou experiência. É natural: se fosse fácil, toda a gente teria um negócio rentável. Relacionando isso com a sensibilidade para os dados, os números, a exatidão mas não necessariamente a precisão, uma pessoa nessa função precisa agora de ser muito fluente em dados, orientada para os dados e mais técnica, como um engenheiro? Ou isso também é uma falácia?

Marcel Petitpas: Penso que estamos num cruzamento muito difícil. Acredito que as operações de dados se tornarão essenciais para as pequenas empresas, mas atualmente existe um vazio. O segredo da Parakeeto é que estamos a pegar nas operações de dados, que já existem há muito tempo ao nível empresarial, e a prever que irão chegar ao mercado das pequenas empresas, empacotando-as de forma muito orientada para uma faixa específica de pessoas e tornando-as acessíveis a um custo sustentável.

Somos, essencialmente, uma pequena equipa de operações de dados que foi empacotada de uma forma mais sofisticada. O problema é que uma agência de um milhão de dólares não pode simplesmente criar uma conta Databricks e suportar a subscrição e os profissionais técnicos necessários.

Não existe realmente um Databricks para pequenas empresas. No entanto, essas ferramentas estão a chegar e estão a tornar-se mais capazes. Haverá um momento, num futuro não muito distante, em que será possível criar e gerir um pequeno fluxo de dados sem ser extremamente técnico ou um grande especialista em dados.

Contudo, continuará a ser necessário compreender o modelo e saber aplicá-lo ao negócio. Não há forma de evitar começar pelo fim. Todas essas ferramentas, todos os dados e todas as folhas de cálculo, mesmo que seja um cientista ou engenheiro de dados, não servem de nada se não souber o que está a medir, porquê e como defini-lo exatamente.

Galen Low: Para os responsáveis pelas operações que estão a ouvir e pensam que o Marcel acabou de os descrever, sem saberem como trabalhar de trás para a frente a partir do resultado final, e que se têm fixado em esperar que o Databricks fique ao seu alcance, onde devem começar? Como podem preencher essa lacuna? Ou devem simplesmente abandonar a carreira?

Marcel Petitpas: Não. Esta é uma questão interessante. Há a pergunta sobre o que acontecerá aos gestores de projetos quando a IA for uma realidade. Penso que a gestão de projetos e de contas é uma das disciplinas mais protegidas dentro destas empresas e, quando retiramos uma parte significativa da execução, é uma das atividades de maior valor que se pode realizar nessas empresas.

Respondendo diretamente à pergunta: por onde começar? Divulgação descarada: comece pelo Agência Profit Toolkit. O modelo está lá e é gratuito. É simples, embora não seja fácil. É precisamente por isso que as pessoas nos contratam para as acompanhar na implementação do processo no negócio.

Mas, se quiser saber quais são as métricas, como são calculadas e quais são as definições dos objetos, disponibilizei tudo gratuitamente. É por aí que começaria.

Galen Low: Excelente. Vou mudar um pouco de assunto, porque também entrevistaste recentemente a minha equipa no Digital Project Manager. Vou incluir a ligação nas notas do programa. Foi ótimo. Falámos de muitos temas e um dos assuntos que abordámos, e que considero relacionado com este, é o facto de muitas pessoas estarem a analisar a equação da rentabilidade no contexto da IA.

O meu negócio baseia-se em dólares por horas, horas faturáveis, e medimos a utilização. A IA já está aqui e promete eficiências operacionais que vão aumentar o lucro dez ou cem vezes. Mas há tantas coisas que se podem fazer que parece uma morte por mil cortes, ou escolher uma e esperar pelo melhor.

Como exemplo, mencionaste a IA para recolha de contexto, reunindo as peças de diferentes ferramentas para não se perder tempo nessa tarefa. Mas queria chegar à questão principal: se dirige uma agência e todos se sentem sobrecarregados com o número de opções e casos de utilização da IA, como decide, dentro deste modelo, que táticas vão realmente gerar o maior impacto na eficiência operacional? E isso pode conduzir à rentabilidade?

Marcel Petitpas: Sem dúvida. Já vi a IA afetar as quatro alavancas que podem alterar a rentabilidade de uma agência. Penso que vais gostar desta resposta, e os gestores de projetos também, porque é muito prática.

Pensamos nisto como o volante de crescimento do lucro da agência. O volante tem quatro passos. O primeiro são os pressupostos. O segundo são os resultados reais. Estas duas coisas em conjunto formam o ciclo de feedback quantitativo: o que pensava que ia acontecer, qual era o plano e o que aconteceu realmente? Isso mostra onde existe uma lacuna entre o que esperávamos e o que aconteceu.

E indica que métrica dentro do negócio precisamos de alterar. Depois existem apenas quatro opções. Quando sabemos que métrica precisamos de alterar, analisamos os relatórios e reunimos a equipa para perguntar o que podemos fazer para alterar essa métrica.

Depois de discutirmos as ideias, deverá tornar-se claro quais são as vitórias rápidas ou as opções com uma boa relação custo-benefício. Estas não são ideias novas. Quando decidimos quais são, executamo-las e repetimos o volante. Continuamos até a métrica mudar e depois mudamos o foco. Num mundo ideal, este deve ser um músculo que o negócio exercita continuamente.

Galen Low: Talvez pudéssemos explorar a recolha de contexto como exemplo, de ponta a ponta. Imaginemos que existe uma lacuna entre a rentabilidade esperada e a rentabilidade real. A equipa diz que passa demasiado tempo a procurar coisas em diferentes ferramentas e isso acumula-se, impedindo-a de concluir o trabalho dentro das estimativas.

O meu instinto seria dizer que precisamos de medir quanto tempo poupámos por não termos de recolher todos esses recursos em ferramentas diferentes, porque a IA está a assumir essa tarefa. Mas lembro-me do que disseste sobre os gestores de projetos procurarem dados precisos, que nem sempre são importantes e nem sempre tornam os dados exatos. Talvez esteja a saltar imediatamente para a ideia de medir o tempo poupado pela IA para obter um indicador inicial de que isso ajudará a aumentar a rentabilidade.

Marcel Petitpas: Na verdade, está a pensar nisso da forma certa. Isto remete para o modelo. O modelo é, na prática, uma equação matemática muito grande.

Quando pensamos na forma de tornar uma agência mais rentável, há duas grandes coisas que podemos fazer: reduzir as despesas gerais ou aumentar a margem de entrega, que outras pessoas poderão considerar margem bruta.

Quase nenhuma agência tem um problema de despesas gerais. Depois de analisar mais de 300, posso dizer que apenas algumas tinham realmente esse problema. Normalmente, esse não é o problema. Pode não acreditar nisso porque a sua demonstração de resultados não está devidamente estruturada e tudo é classificado como despesa geral. Mas, quando se analisa a demonstração de resultados da forma correta, existe uma distinção clara entre gastar demasiado em despesas gerais — o que quase nunca acontece — e o verdadeiro problema: não ganhar receita de forma suficientemente eficiente.

Consequentemente, a margem de entrega ou a margem bruta não é suficientemente forte. Há três formas de melhorar isso. A primeira é melhorar a taxa média faturável. A taxa média faturável depende de quanto dinheiro ganhámos e de quantas horas foram necessárias para o ganhar.

Dividindo esses valores, sabemos quanto dinheiro ganhámos aproximadamente por cada hora de esforço. Como podemos aumentar essa taxa? Podemos cobrar mais sem alterar o tempo necessário ou manter o preço e descobrir como realizar o trabalho em menos tempo.

Essa seria uma forma de medir o impacto. A segunda parte é a utilização: que percentagem do tempo que compramos à equipa é efetivamente utilizada para obter essa taxa média? A terceira parte é o custo médio por hora: qual é, em média, o custo de uma hora de trabalho necessária para concluir estas tarefas?

Um exemplo perfeito é aplicar IA à recolha de contexto. Poderá descobrir que isso afeta, na realidade, as três métricas. Se precisar de menos 20% de tempo para concluir a tarefa, a taxa média faturável aumenta 20%. A utilização também pode aumentar ligeiramente, porque consegue realizar mais trabalho e manter a equipa ocupada, havendo menos alternância de contexto.

A terceira possibilidade é deixar de ser necessário um profissional sénior para realizar todo o trabalho, porque existe menos necessidade de julgamento e todo o contexto está reunido num único local. Podemos formar a IA para analisar os dados e produzir um resultado, permitindo que uma pessoa júnior faça o trabalho.

A fórmula da rentabilidade é: taxa média faturável multiplicada pela utilização corresponde ao dinheiro ganho; o custo médio por hora multiplicado pelas horas de entrega trabalhadas corresponde ao custo. Assim, pode medir o aumento absoluto da receita, a redução absoluta dos custos e a melhoria relativa da rentabilidade através dessa matemática simples.

Está a pensar da forma perfeita. É por isso que é tão importante ter um modelo: não pode fazer estas contas se não souber qual é o seu modelo e como pensa sobre o negócio.

Galen Low: Agora faz sentido. No que diz respeito ao modelo e à escolha das apostas, uma agência pode utilizar o mesmo modelo quando tem dez opções e precisa de escolher onde investir em eficiências operacionais baseadas em IA?

Podemos dizer que esperamos obter uma eficiência 20% superior por não termos de recolher recursos em diferentes ferramentas, em comparação com outra opção que deverá gerar apenas um ganho de eficiência de 15% a 18%. Mas também referiste que muitas vezes somos maus a fazer estimativas. A realidade também conta. O modelo pode ser utilizado para decidir onde investir?

Marcel Petitpas: Sim, penso que pode. Mas não é tão simples como analisar dez opções, observar o impacto de cada uma nas várias métricas e escolher aquela que apresenta o maior retorno absoluto do investimento.

A razão é que existe uma ordem correta dentro das três alavancas: custo médio por hora, taxa média faturável e utilização. Se houver oportunidades nas três, existe uma sequência correta para as abordar e obter resultados.

Deve começar sempre pela utilização, depois passar à taxa média faturável e, por fim, ao custo médio por hora. Imagine um tubo através do qual a água flui para um reservatório. O problema é que precisamos de fazer passar mais água pelo tubo. Se atualmente apenas metade da capacidade do tubo está a ser utilizada, não importa que tornemos o tubo maior e mais eficiente. Não obteremos qualquer benefício.

Vejo isto constantemente nas empresas: caem na armadilha de aumentar os preços, melhorar a eficiência e reduzir custos, embora a utilização esteja muito baixa. A taxa efetiva e a rentabilidade dos projetos podem mudar, mas o número na demonstração de resultados não muda.

Não importa quão rentáveis são os projetos neste contexto; não está a obter o benefício porque a utilização não aumentou. Embora isto crie teoricamente um modelo mais rentável, essa não é a sequência correta se o objetivo for fazer chegar o retorno do investimento aos resultados finais.

É por isso que fazemos o que fazemos da forma como fazemos. O primeiro passo é identificar a métrica a priorizar. Depois falamos especificamente sobre essa métrica e sobre o que podemos fazer para a colocar no nível certo. Quando a utilização estiver onde queremos, tudo o que fizermos para melhorar a taxa média faturável irá diretamente para os resultados finais.

Além disso, temos um contexto muito melhor para o fazer. Se for necessário negociar o preço com um cliente, é muito mais fácil fazê-lo quando não há preocupação em perdê-lo porque estamos lotados, temos outro cliente a chegar e teremos de contratar pessoas de qualquer forma. Se for necessário reduzir o âmbito do trabalho, estaremos numa posição muito melhor para executar as ações que provavelmente surgirão numa conversa sobre a taxa média faturável.

Esse contexto é importante para além da análise objetiva do potencial retorno do investimento.

Galen Low: Gosto muito de existir uma sequência lógica na analogia do tubo. Queria terminar olhando para o futuro. Falámos sobre sentir-se atrasado, recuperar o atraso, por onde começar, software contra modelos e compreender melhor o negócio. Falámos sobre IA e eficiência operacional.

Trabalhas muito com agências e queria fazer uma pergunta abrangente. Do meu ponto de vista, quase todas as agências estão atualmente num processo de transformação ou sob pressão para se transformarem. Algumas estão a apostar na IA como parte da oferta de serviços. Outras estão apenas a começar a integrar a tomada de decisões baseada em dados.

Se avançarmos cinco anos, como será uma agência rentável?

Marcel Petitpas: É difícil dizer como será a um nível tático ou que serviços venderá. Seria como tentar prever, há 20 anos, que existiria toda uma indústria dedicada a gerir anúncios no Facebook. O Facebook nem sequer existia. Nunca teríamos previsto isso.

Mas há algo que sei com certeza: o modelo de negócio baseado na arbitragem de mão de obra não desaparecerá tão cedo. É uma das indústrias mais antigas da civilização humana e existe desde sempre. Na minha opinião, é o meio mais eficiente da economia para preencher as lacunas que surgem à medida que a economia muda. A experiência é muito fluida e extremamente eficiente na resolução dos problemas do mercado.

Não penso que a experiência vá desaparecer. O que está a acontecer, e continuará a acontecer, é que a pressão sobre as margens continuará a aumentar em muitos setores dos serviços profissionais. Isto já acontece há algum tempo, mas toda a gente está especialmente consciente agora, porque vivemos cerca de 20 anos de maturidade deste mercado nos últimos seis.

Começou com a pandemia, quando as tarifas do talento local aumentaram 30% ou 40% em todas as categorias de competências, ao mesmo tempo que assistíamos à globalização completa da concorrência. Os custos locais aumentaram, criando pressão sobre as margens, enquanto a pressão sobre os preços também aumentava, porque uma empresa na Europa de Leste fazia um trabalho semelhante por um terço do preço e continuava a ser rentável.

De repente, a empresa que costumava valorizar o facto de estar em Nova Iorque deixou de se importar tanto, porque toda a gente trabalhava a partir de casa. Foi um salto quântico na maturidade do setor, com a redução das margens. Agora, a IA entrou na conversa e todos conseguimos perceber para onde isto está a encaminhar-se.

Penso que acontecerá o seguinte: as margens do setor continuarão a diminuir ao longo do tempo, como acontece em qualquer indústria que amadurece, e o nível de sofisticação necessário para gerir este tipo de negócio aumentará.

As empresas mais pequenas terão de dominar esta realidade e possuir mais conhecimentos financeiros para sobreviver, porque o setor será menos tolerante. Haverá menos dinheiro fácil, exceto em setores muito recentes, inovadores, com pouca oferta e elevado valor.

Também veremos uma fragmentação da cadeia de fornecimento. Isso acontece na maioria das indústrias com margens muito baixas, como o comércio alimentar e as companhias aéreas. Não é possível ser CEO de uma companhia aérea sem conhecer profundamente os números, porque existe uma margem de 3% para gerir.

Quando pensamos na experiência de viajar de avião, compramos o bilhete à Air Canada, mas a empresa não prepara a comida, não limpa o avião, não gere o aeroporto nem faz toda a manutenção. Tudo isso é subcontratado e cada participante da cadeia de fornecimento é altamente especializado nas suas operações. É a única forma de obter alguma margem.

Penso que as agências irão cada vez mais nessa direção. Terão de ser extremamente disciplinadas nas finanças e nas operações. Sei que há pessoas a ouvir isto que apenas querem criar coisas bonitas e que estão a ficar desconfortáveis, mas penso que esta é, infelizmente, a realidade do rumo do setor.

Galen Low: Gosto dessa perspetiva: isto acontece noutras indústrias. Não é algo único nem aconteceu apenas por causa da IA. Começou há seis anos no mundo das agências porque

Marcel Petitpas: acontece há cem anos, mas agora está a acontecer muito mais depressa.

Galen Low: Sim. Essa margem.

Marcel, foi excelente. Antes de te deixar ir, onde podem as pessoas saber mais sobre ti?

Marcel Petitpas: Visitem parakeeto.com. Há muitos recursos gratuitos, incluindo parakeeto.com/toolkit, onde podem aprofundar as métricas e aprender a implementá-las. Está tudo disponível sem qualquer custo.

E, se gostarem de podcasts, ouçam o podcast Agency Profit. Se quiserem falar diretamente comigo, o LinkedIn é o melhor local. Enviem-me uma mensagem. Gostaria muito de vos ouvir.

Galen Low: Excelente. Vou colocar todas essas ligações nas notas do programa. Obrigado novamente. Agradeço muito.

Marcel Petitpas: Obrigado, Galen. Foi um prazer.

Galen Low: É tudo por hoje no podcast do Digital Project Manager. Se gostou desta conversa, subscreva o programa na plataforma onde o ouve. E, se quiser ainda mais conhecimentos práticos, estudos de caso e manuais de procedimentos, visite thedigitalprojectmanager.com.

Até à próxima. Obrigado por nos ouvir.