Analytics prescritiva, aprendizagem de máquinas, e a internet das coisas
Definitivamente estamos vivendo em uma era de hiper-conexões. Todas as “coisas”, incluindo pessoas, empresas, máquinas e sensores, vão cada vez mais interagir e criar novos tipos de dados em volumes, velocidades e variedades nunca vistas antes. A Internet das Coisas (IoT) deixa de ser um conceito para se tornar mais de uma realidade, apresentando uma enorme oportunidade para integrar e analisar dados a partir de origens diversas.
É importante entender que apenas dados não são suficientes. É o processo de análise dos mesmos que pode trazer algum significado de valor aplicável aos negócios.
O conceito de “Análise de Tudo” (AoE) é a resposta que foi encontrada para oferecer insights para as empresas, em qualquer área de interesse, nos níveis mais granulares possíveis. Essas novas visões, abordagens e percepções carregam um grande potencial de mudança e transformação de produtos, serviços e processos em diferetens indústrias, permitindo a materialização de inovações.
Este painel na NRF 2017 será apresentado por 3 profissionais com experiencias pregressas e realidades profissionais atuais bastante distintas, o que parece bastante promissor e certamente enriquecerá os pontos de vista e discussões.
Seth Hughes é um experiente executivo, sempre trabalhando em empresas de Varejo “Fortune 50”, e que ocupa hoje um cargo de destaque ligado a questões de segurança, mas também desenvolveu ao longo de sua carreira trabalhos nas áreas de operação de lojas, e-commerce, prevenção de perdas/fraudes e recursos humanos.
Andrea Weiss é fundadora e atual CEO de uma empresa de consultoria na área de Varejo, tendo em seu passado passagens por diversos cargos de liderança em corporações e marcas renomadas, desde entretenimento até moda, o que provavelmente permitiu a criação do “The O Method”. Trata-se de uma abordagem criada e conduzida por sua empresa de consultoria que visa ajudar a construir a experiência do cliente, alinhando tecnologia, ambiente digital e lojas. Muito em linha com as discussões relacionadas a omnicanalidade já bastante exploradas em edições anteriores da NRF.
Guy Yehiav tem um background diferente, com sua carreira construída basicamente em empresas de tecnologia até a fundação da Profitect, empresa de software cujas soluções usam análise de padrões para identificar atividades que contribuem para redução de receita a fim de que insights sejam gerados visando a resolução de problemas.
Dado o título da palestra e os perfis apresentados anteriormente é de se esperar que as discussões orbitem em torno de temas relacionados a maturidade analítica, a fim de que os presentes possam enxergar em que ponto estão e que possibilidades estão disponíveis atualmente. Podemos entender e explorar melhor isso olhando para a imagem a seguir:
Usando como base este gráfico do Gartner observamos que há um caminho a ser percorrido, que leva em consideração valor obtido vs. dificuldade técnica/operacional dentro do ambiente analítico de cada organização e que gera resultados com capacidades bastante difererentes para responder as perguntas de negócio. O objeitvo do painel é focar nas novas capacidades das análises preditivas e prescritivas, já sabendo que a maior parte dos varejistas ainda estão explorando apenas análises descritivas e diagnóticas.
4 maneiras de se beneficiar com IoT e AoE
Organizações bem geridas precisam medir tudo – não apenas os dados tradicionais transacionais – para melhorar a eficiência. Deve-se usar todos os dados disponíveis para analisar todos os aspectos do negócio, da eficácia de acordos ou ações comerciais até a eficiência de processos de distribuição e vendas.
Nesse gráfico da Teradata, baseado no modelo oferecido pelo Gartner e mostrado anteriormente, podemos ver que há dois tipos de inteligência analítica que precisam ser entendidas e dominadas pelas organizações: Estratégica e Operacional. Ambas vão estabelecer formas de extrair valor através dos dados, porem com objetivos bastante diferentes. Observe também que conforme a maturidade analítica aumenta, mais tipos de análise acontecem dentro do ecosistema analítico, desde a confecção de relatórios tradicionais em lote até o uso de análise avançada de informações, que usam dados em tempo real, baseada em algoritmos de aprendizagem de máquina (ou aprendizagem automática, do inglês: “machine learning”). Os algoritmos de aprendizado de máquina procuram padrões dentro de um conjunto de dados a fim de “aprender” com eles. Coisas que fujam ao padrão podem ser entendidas como anomalias e tratadas caso a caso. Esses algoritmos existem há bastante tempo, mas nunca houve uma quantidade tão grande de dados digitais disponíveis para alimenta-los como hoje.
As empresas que conseguem usar plenamente os seus dados poderão ver uma melhoria de 30% a 50% na eficiência global. Se você estiver pronto para colher benefícios como esse, veja como:
1. Alterar a forma como visualiza os dados
Na dinâmica de negócios atual, os dados não devem ser vistos como um centro de custo, mas sim como eles realmente são – uma mina de ouro de informações. Se o seu negócio não vai tirar proveito disso, um concorrente vai.
2. Torne-se mais ágil
Os melhores dados do mundo não lhe farão nenhum bem se você não puder reagir ao que eles estão dizendo. Você deve encontrar maneiras de transformar insights em ações pragmáticas aplicáveis aos negócios no menor tempo possível.
3. Elimine seus silos de dados
Os dados não devem ser divididos entre disciplinas ou departamentos. Eles deve estar totalmente integrados em todas as suas plataformas, tornando mais fácil para os analistas e outros usuários finais extrair o valor desejado de uma grande quantidade de informações sob demanda.
4. Permitir que mais pessoas obtenham informações de conjuntos mais detalhados de dados
A maioria das empresas não tem pessoas suficientes com as habilidades técnicas necessárias para encontrar insights em dados. Você pode mudar isso tornando os dados disponíveis para não-especialistas em formatos mais simples e disponibilizando ferramentas que eles possam facilmente usar. Só então você começará a obter uma análise significativa em uma escala “industrial” e sistemática.
As oportunidades com o IoT e AoE são enormes. Atualmente, a maioria das organizações usam apenas uma pequena fração dos dados que coletam – tão pouco quanto 1%. Dentro de um contexto de IoT, onde vamos gerar ainda mais e mais dados, esse percentual tende a ser ainda menor. Se aumentarmos esse número para apenas 5%, 10% ou 20%, pense em todas as melhorias que poderiam ser feitas e ganhos (dinheiro) que estamos deixando de obter, não apenas em termos de eficiência, mas também em experiência do consumidor, precificação, sortimento, segurança entre outras áreas.
O AoE ainda tem todo um universo de dados para analisar. À medida que continuamos a encontrar novas fontes de dados para consumir e compreender, continuaremos a encontrar novas formas de se beneficiar como indivíduos, empresas e sociedades.
Fonte: Mauricio Andrade de Paula Consultor de Negócios da Teradata América Latina e Diretor Vogal do IBEVAR