Data Analytics: Como essa ciência ajuda a alcançar resultados durante uma crise?

Bem geridos e estruturados, os dados são uma alternativa para empresas que enfrentam desafios gerados pelo cenário de pandemia

O contexto de pandemia e isolamento social traz diferentes desafios para os mais variados mercados – há quem diga, inclusive, que essas dificuldades estão provocando uma aceleração na transformação digital das empresas ao redor do mundo.

Na cidade de São Paulo, o comércio já sente o impacto desse cenário: de acordo com o balanço da Associação Comercial de São Paulo (ACSP), feito a partir de amostra fornecida pela Boa Vista Serviços, as vendas do comércio paulistano registraram queda média de 65,5% na primeira quinzena de abril em comparação com o mesmo período de março.

A queda é natural, afinal, as lojas físicas estão fechadas e, de repente, o principal ambiente para a realização de negócios é o meio digital. Por que, então, não olhar para esse cenário como uma oportunidade de mudança e aprendizado? Mais do que nunca, os consumidores estão propensos a fazer compras on-line – até porque, em muitos casos, não têm opções.

Visão estratégica

Isso abre espaço tanto para o aumento das vendas quando para um ponto estratégico: a gestão de dados. Este é um ponto que, por mais que tenha sido recorrentemente debatido nos últimos anos, nunca teve tanto potencial quanto tem agora, afinal, considerando o desafiador contexto econômico que surge em 2020, as empresas precisarão direcionar investimentos com estratégia e inteligência. Os dados são o caminho para isso.

Como explica Élcio Santos, CEO da Always On, uma boa gestão de dados permite ampliar a capacidade de venda de uma empresa, agregando inteligência e tornando a oferta mais assertiva. Para isso, ele destaca a necessidade de definir e compreender o objetivo de negócio e, portanto, do uso dos dados. “O projeto que começa com o objetivo errado termina errado”, diz.

Iniciando um método

Especialista no tema, a Always On ajuda as empresas-clientes a superarem esse desafio: em um processo de imersão, chega até mesmo a colaborar com a definição do objetivo, dialogando com diferentes áreas da empresa, inclusive.
Isso feito, a companhia parte para a primeira etapa da gestão de dados: a coleta de dados. Por enfrentarem barreiras de segurança dos departamentos de Tecnologia de Informação das empresas, a Always On decidiu desenvolver uma área de infraestrutura proprietária, preparada para atender à Lei Geral de Proteção de Dados (LGPD), com infraestrutura híbrida e servidores segregados e protegidos.

Dessa forma, para trabalhar sobre os dados das empresas-clientes, basta que seja feito um upload dos dados através de conexões seguras e criptografadas, que são tratados dentro do ambiente da Always On. “Enquanto isso, construímos a VPN, com um caminho seguro”, explica.

Além da visão técnica, ele afirma que quem lida com os dados precisa saber como encontrar e trabalhar com dados brutos. “Depois que identificamos o objetivo, consideramos diferentes fontes de dados e diferentes formas de reuni-los, é fundamental a preparação para levá-los de forma segura para o ambiente da empresa”, explica.

Seleção e limpeza

Um dos processos mais complexos da gestão de dados, como conta Santos, é a higienização. É a base de tudo, pois informações não estruturadas e bases desorganizadas impossibilitam a obtenção dos insights que nortearão as iniciativas e futuras tomadas de decisões estratégicas.

“Esta é uma das fases mais longas do processo, é a mais demorada, delicada e detalhada, porém, é fundamental”, afirma o CEO. Além disso, a higienização dos dados sofre com o fato de que, além de precisar ser minuciosa, acontece longe dos holofotes. Os resultados desse trabalho são obtidos posteriormente, em todas as outras etapas, e isso gera ansiedade dentro da empresa.

Usando uma metáfora, Santos explica que se a gestão de dados é como uma casa, a limpeza dos dados é a fundação: não é vista, mas funciona como estrutura para todo o restante. Sabendo disso, a Always On desenvolveu uma metodologia proprietária por meio da qual, durante esse processo, faz entregas pontuais à empresa-cliente, administrando a ansiedade e tornando mais visível o potencial do projeto de dados.

Enriquecimento

Limpos e separados, os dados precisam ser enriquecidos. “Nesta fase do projeto, reunimos diferentes fontes e começamos a estreitar o foco dos dados, de acordo com o objetivo do cliente, levando-os para uma única visão estratégica”, revela o CEO da Always On.

Nesse sentido, ele explica que, ao criar um modelo de visualização, não basta transformar números em gráficos. É preciso que haja padrões corretos e algoritmos de machine learning, por exemplo. “Começo, então, a fazer uma avaliação dos dados porque comecei a enriquecê-los e começo a enxergar a imagem que se forma”, afirma. “É hora de interpretar, dar importância a qualidade dos dados e considerar o quão distante a empresa está do seu objetivo”.

O desenvolvimento estratégico de um dashboard (visualização dos dados) permite que a tomada de decisão baseada em dados seja efetiva: sabendo que os dados são confiáveis, limpos e corretos, o gestor pode fazer uso da informação com segurança. Porém, o CEO da Always On destaca: Se não forem percorridas as etapas anteriores, a confiabilidade da informação não será a mesma. Santos relembra ainda a importância da definição no objetivo de negócio: quanto mais claro ele for, mais fácil será criar uma visualização alinhada às necessidades da empresa.

Machine Learning e IA

Uma vez estruturado, o sistema de dados pode utilizar modelos preditivos de Machine Learning (ML) e Inteligência Artificial (IA), buscando insights de acordo com grupos de consumidores, entendendo a propensão de compra, por exemplo. “A IA está sendo utilizada na saúde dessa mesma forma e está ajudando inclusive no combate ao COVID-19”, cita.

Como uma empresa e seus clientes, o sistema de dados é um organismo vivo: não basta construí-lo e esquecê-lo. “É preciso olhar para os modelos preditivos e pensar em como atualizá-los, sempre”, afirma Santos. “O comportamento do consumidor muda e as populações também – inclusive estamos passando por um momento de transformação inédito”.

Assim, ele aponta para dois grandes possíveis erros: o primeiro, criar um único modelo preditivo e não atualizá-lo; o segundo, criar inúmeros modelos preditivos e não dar conta de testá-los. “É necessário encontrar um meio termo”, argumenta. “É como um teste em que as variáveis são modificadas, de acordo com a amostragem, observando os resultados”.

Etapa por etapa

Empresas como a Always On têm domínio dessas possibilidades, o que não exclui a atenção que deve ser dirigida aos modelos preditivos. Ainda assim, Santos explica que nem todas as organizações dedicam recursos – materiais e imateriais – a todo esse processo. É por isso que a Always On presta serviços englobam todas as etapas, mas também as realiza individualmente, de acordo com a necessidade da empresa-cliente. De qualquer forma, fica claro que, com uma visão mais clara das informações guardadas dentro da empresa é possível ter resultados mais efetivos, de acordo com a necessidade de cada modelo de negócio.


Confira as etapas da gestão de dados exploradas pela Always On

3 fatos mostram o que as empresas podem aprender com a COVID-19

Câmara aprova projeto que muda data de início da LGPD

Os efeitos do isolamento social nos números do Carrefour






ASSINE NOSSA NEWSLETTER

MAIS LIDAS

VEJA MAIS

ÚLTIMAS

VEJA MAIS

CM 256: Os vencedores do Prêmio Consumidor Moderno de Excelência em Serviços ao Cliente

CM 255: Tudo o que você precisa saber sobre o consumidor na pandemia

Você já conhece as Identidades do consumidor?

VEJA MAIS