Como transformar os dados em informação de valor no pós-pandemia

O ano está terminando em um cenário que, duvido eu, tenha sido previsto antes da pandemia em alguma análise econômica. São muitas incertezas e também mudanças, não só na forma como vendemos nossos produtos e nos relacionamos com nossos clientes, como também nos organizamos internamente.

O e-commerce prevalecerá? Os consumidores direcionarão seus gastos a quais tipos de produtos? E minha força de vendas, voltará para rua? Faremos tudo à distância? São muitos os questionamentos sem resposta e arestas para serem aparadas; diversas variáveis para serem analisadas e “n” cenários que precisamos prever. E, sinceramente, não vejo outra saída a não sermos analíticos.

Estima-se que, até 2023, mais de 33% das grandes empresas terão analistas exercendo a “decision intelligence”. Os dados são do Gartner, que define esse conceito como sendo o domínio de diversas técnicas de tomada de decisão. Inclui não só abordagens tradicionais, como por exemplo basear-se em regras de negócio, mas também as mais avançadas, empregando Inteligência Artificial e Machine Learning.

Vamos ter que definitivamente deixar o feeling de lado, de uma vez por todas, e olhar para todos os dados possíveis para conseguirmos orientar nossos próximos passos, direcionar nossas ações e o budget. Não temos tempo e nem lastro para errarmos e planejarmos nossos caminhos de olhos fechados.

Qualquer dado que puder ser transformado em valor fará uma enorme diferença para os resultados e para que as decisões sejam as mais assertivas possíveis e os nossos clientes bem atendidos. Temos os dados de mercado, os dados da curva de comportamento durante a Covid-19 e da probabilidade de uma segunda onda. Todos somados às outras variáveis como, por exemplo, o nível de satisfação do meu colaborador; sua produtividade; como está a entrega ao cliente; como eles estão se comportando, e por aí vai. Poderia dar dezenas de exemplos.

E nem sempre esses dados estão dentro de casa ou armazenados em uma data lake que nos é proprietário. Inclusive, uma das tendências apontadas pelo Gartner para 2021 no mundo do Analytics, é o “X Analytics”. Neste caso, traz o conceito de análises baseadas em vídeos, áudios e até de emoções, com a ajuda da Inteligência Artificial. Os analistas preveem que 75% das inovações e transformações até 2025 nas empresas que fazem parte da lista da Fortune 500 serão endereçadas a viabilizar o X Analytics dentro do ambiente corporativo, com diversas aplicações.

Mas, será que tudo o que surge consegue adentrar de forma definitiva ao mundo real? Na prática, as pessoas não conseguem tirar seus projetos do papel e acabam associando o Analytics como algo muito distante. Temos que desmistificar isso também.

Sabemos que os dados existem, mas como eles estão dispersos e muitas vezes longe dos nossos olhos, não conseguimos enxergar valor, ter insights definitivos e preditivos — que é o que precisamos nesse momento. Falta aplicar a Data Science, normalizar as fases, entender as regras de negócios, gerar os insights, para poder empoderar as áreas, seja de negócios ou qualquer outra que tenha que tomar uma decisão, dentro do ecossistema da empresa.

Nem sempre ter uma área de BI significa ter a informação acessível. Muitas vezes, uma base de dados e relatórios isoladamente, com um monte de números, não diz nada. Ferramentas por si só não são suficientes. Fazendo uma analogia bem simplista, é como eu entregar um fone de ouvido sem fio para alguém que nunca tenha usado e dizer “Escute músicas”. Isso, sem dar nenhuma orientação adicional como: “você precisa de um serviço de streaming de música; ativar o bluetooth; parear com seu celular; regular o volume; colocar no ouvido e aí sim escutar o que você gostaria”.

Ou seja, a enorme diversidade de dados deve ser canalizada por ações de inteligência que produzam modelos de atendimento eficientes e personalizados. Você pode ter a tecnologia de Data Analytics mais avançada do mundo, mas se não tiver Data Science por trás não conseguirá fazer uso da matéria-prima mais nobre da empresa: a informação. Não basta apenas coletar os dados dos usuários. Inclusive, é bastante comum encontrar empresas que reúnem dados sem nem saber o motivo e como usá-los.

O que faz a diferença é transformar dados em informação de valor e, mais do que isso, olhar para a individualidade de cada usuário. Precisamos aprimorar a customer experience e isso é perfeitamente possível unindo tecnologia, estratégias, metodologias avançadas baseadas em sistemas cognitivos e que empregam a inteligência artificial.

E, vamos combinar: não dá para fazer isso sozinho, sem alguém que te ensine a usar o fone de ouvido, voltando à analogia. Ou seja, que lhe guie em como usar aquela base do BI; entenda o que cada um ou cada área precisa; que faça os cruzamentos necessários e entregue na mão dele essas informações. Isso é Data Science, isso é transformar dados em informação de valor. É isso que faz a música tocar.

O post Como transformar os dados em informação de valor no pós-pandemia apareceu primeiro em E-Commerce Brasil.

Na próxima semana farei mais um review com depoimento e resenha sobre Como transformar os dados em informação de valor no pós-pandemia. Espero ter ajudado a esclarecer o que é, como usar, se funciona e se vale a pena mesmo. Se você tiver alguma dúvida ou quiser adicionar algum comentário deixe abaixo.

Nenhum comentário:

Postar um comentário

Pages