O data analytics está batendo na sua porta: Abra antes que seja tarde
Cesar Poppi, executivo sênior de TI da TE Connectivity
Com a popularização de iniciativas de big data, cada vez mais dados, que antes eram acessados de forma privilegiada, estão acessíveis para mais pessoas. A capacidade de agrupar informações de diversas fontes e relacionar todas elas, de forma a fazer sentido para a tomada de decisão com maior precisão e velocidade, é o diferencial das organizações atualmente.
Não é somente gravar um amontoado de dados e pensar que já tem um “big data”, mas sim estruturar toda essa informação para que tomador de decisão possa usá-la de maneira amigável e, em muitos casos, preditiva. Essa é, certamente, a grande revolução do mundo dos dados. Com a computação quântica no horizonte, a habilidade de processar enormes quantidades de dados em um período curto de tempo oferece possibilidades que anteriormente eram impossíveis.
A maioria das empresas ainda está longe de ter uma estratégia de data analytics. Apesar do reconhecimento do valor da tecnologia entre os grandes profissionais do mercado, ainda existe um longo caminho antes das empresas começarem a usar todo o poder estratégico do data analytics. Há um grande desejo de mais competitividade e eficiência, utilizando a análise de dados, porém esse objetivo não tem sido alimentado no coração das estratégias de negócio das empresas, que estão perdendo grandes oportunidades.
Atualmente, o “top of mind” nas organizações é a inteligência artificial, porém, já está mais do que na hora de incluir também uma estratégia forte visando extrair todo o potencial do data analytics. Para isso, é extremamente necessário a visão e o comprometimento da gestão máxima das empresas. Segundo informações da Deloitte, essa estratégia faz parte de apenas metade das organizações e ainda de forma embrionária e direcionada apenas como mais um projeto de TI. O valor real desta tecnologia é o trabalho cruzado de áreas e funções que saibam identificar dados importantes e onde se quer chegar com eles.
O que considerar em uma estratégia de data analytics
Um grande engano cometido, quando se começa a definir as ações em torno de data analytics, é tratar a tecnologia como um projeto com começo, meio e fim, em vez de ela ser encarada com uma longa jornada de interação dentro das organizações, onde sempre novos elementos vão aparecer e poderão servir para complementar o que já foi definido, planejado e implantado. É um trabalho dinâmico, onde as metodologias ágeis se enquadram muito bem e o principal lema é errar rápido e corrigir rápido.
É muito importante ter em mente os principais desafios que devem ser endereçados com data analytics e construir entregáveis que vão solucionar esses problemas. Em empresas de varejo é muito fácil ver isso na prática. Uma grande rede, com lojas espalhadas por diversas cidades, tem produtos que vendem muito bem em uma determinada região e em outras não. Cruzando dados de clientes que compram em uma determinada região, com o perfil de clientes que não compram em outras áreas, é possível descobrir as causas desse processo e, eventualmente, definir ações para mudar isso de forma rápida.
As organizações obtêm sucesso com análises apenas quando bons dados e modelos inteligentes são usados de maneira regular e produtiva pelos empresários em suas decisões. Não é possível comemorar vitória com um ótimo modelo ou aplicativo desenvolvido somente quando ele está sendo usado para melhorar o desempenho dos negócios e criar novo valor. Se você quiser colocar o data analytics para trabalhar e construir um ambiente mais analítico, será preciso profissionais qualificados e com dois perfis principais:
- Profissionais de análise para minerar e preparar os dados, realizar operações estatísticas, construir modelos e programar o ambiente das aplicações de negócios.
- Empresários/gestores analíticos que estão prontos, aptos e ansiosos para utilizar melhor a informação e suas análise no seu trabalho e tomada de decisão, bem como saber trabalhar com os profissionais especializados nos projetos de estruturação e análise dos dados construídos.
Data analytics na prática – Case de sucesso
Uma parceria entre as empresas LiveNation o Ticketmaster trouxe um grande exemplo de aplicação de data analytics. A LiveNation possui casas de shows e é um dos principais promotores de eventos ao vivo no mundo. Já a Ticketmaster tem relações B2B com equipes esportivas e produtores de uma variedade de eventos esportivos, shows, artes e teatro. Porém, as duas empresas têm um componente B2C, no qual elas vendem ingressos para os consumidores finais.
Neste caso, foi possível perceber que os dados coletados dos consumidores poderiam ajudar essas empresas a fornecer uma visão holística da música ou do fã de esportes para os seus clientes empresariais. Dados transacionais sobre o que os consumidores estão comprando estavam disponível e eles podiam enriquecer isso com informações demográficas e psicográficas. Também podiam adicionar dados da web e redes sociais, isto é, uma tremenda quantidade de dados para amarrar todos os pontos.
Umas das possibilidades de negócio era fornecer para uma equipe esportiva profissional, uma visão bastante rica de sua base de fãs, mostrando quais fãs compram ingressos meses à frente, no último minuto, pagam por assentos premium ou que estão procurando descontos. Esse tipo de informação poderia ajudar as equipes a moldar a sua comunicação com os seus fãs.
Para chegar neste nível de riqueza de dados, muito trabalho foi necessário. A informação estava em sistemas distintos e foi preciso um investimento em TI para entender todos esses dados e padronizar. Aqueles seis nomes semelhantes nos bancos de dados combinados eram da mesma pessoa? Isso tudo tinha que ser resolvido.
Foi preciso ter certeza de que tudo seria soletrado e gravado da mesma maneira. Mas isso não deveria ser apenas mais uma iniciativa de TI: o data analytics foi um exemplo claro da necessidade de ir além do negócio como de costume. Especialistas, que realmente entendiam a leitura dos dados, foram chamados para ajudar. Estatísticos e modeladores também participaram para pensar sobre o que existia nos dados e como eles poderiam ser aproveitados. E é claro que foi mais do que necessário os especialistas de negócio para fornecer os objetivos e resultados esperados, além dos seus “inputs” para melhor uma conexão e aproveitamento dos dados.
Com esses dados estruturados, foi possível gerar “insights” com muitas visões. Por exemplo, um time de futebol poderia pedir conselhos sobre quais artistas eles deveriam trazer para uma performance antes de um evento, com base nos gostos capturados dos clientes que compraram os seus tickets durante a temporada.
Essas empresas descobriram que é muito útil que os seus estatísticos e modeladores falem diretamente com os clientes para gerar uma compreensão ainda maior dos dados, para uma visão ainda mais clara da expectativa dos usuários.
O mundo dos dados está mudando rapidamente. Nos próximos anos existem possibilidades infinitas. Um grande exemplo é como descobrir o que fazer com o aumento do nível de atividade dos celulares. Qual seria a melhor maneira de coletar e melhorar o uso destes dados? Há também as mídias sociais, potencialmente um meio valioso de comunicação com os consumidores.
Certamente, esta não é uma tarefa fácil e será um grande desafio vincular perfis do Facebook e contas do Twitter com dados básicos de gerenciamento de relacionamento com clientes, como endereços de e-mail. As redes sociais cruzadas com dados internos dos clientes é o pote de ouro que todas as empresas precisam aprender a manusear.
Uma conclusão certa, até este momento, é que é fundamental tratar os consumidores e os seus dados com muito respeito. Se você vai usar os dados deles, precisa fazer isso corretamente. E se os consumidores descobrirem que os seus dados estão indo para terceiros e que isso não é relevante para eles, facilmente você perderá a confiança de seus clientes e eles serão bem rápidos em apertar o botão do “cancelar inscrição”, deixar de seguir ou até mesmo abrir uma reclamação formal nas redes com visibilidade para todos os demais usuários.
A informação dos consumidores deve ser utilizada de forma responsável e para fornecer meios de levar o que é mais relevante para o cliente final. Quando chegar neste nível, os clientes mostrarão uma apreciação enorme pela empresa e/ou marca e continuarão a permitir que ações como essa continuem ocorrendo, para o bem de todos.
É executivo sênior de TI na TE Connectivity desde 2010. É responsável pelas área de aplicações na região Américas. Formado em processamento de dados pelo Mackenzie, o executivo possui ainda especialização em gestão de projetos e SAP. São 24 anos de experiência no mercado de TI com passagem por empresas como Grupo Accor, Ericsson, Voith, Folha de São Paulo, Unisys e Citibank.
