Um termo recorrente no mercado atual é Analytics e Big Data. Nunca se falou tanto da utilização de dados para auxílio na tomada de decisão, porém a simples utilização de analytics não trará benefícios ao negócio, há necessidade de que a utilização de ferramentas sejam apoiadas por alguns importantes pilares. Analytics é o uso amplo de dados, de análise estatística e quantitativa, de modelos exploratórios e preditivos para orientar decisões e agregar valor aos negócios. É uma combinação entre análise estatística e negócios. O objetivo das ferramentas de analytics é a solução de um problema (aumento de receita, redução de custo etc.) através da análise de dados. Neste artigo, tratarei especificamente do uso de análise de dados para solução de problemas.
Uma questão fundamental em qualquer aplicação de analytics é a definição do problema que deseja-se resolver. Isso parece algo simples, mas pode ser complexo e de suma importância para o sucesso no resultado final. Há necessidade de ser específico na definição do problema, pois todos os demais pilares serão desenvolvidos para dar suporte a solução desse problema. A utilização de Analytics e Big Data sem ter um problema específico para resolver é como um médico receitar um remédio sem conhecer a doença do paciente, pois muitas vezes chegamos à resposta certa, mas para o problema errado. A definição do problema é a base para o tripé da solução via analytics. Os três pilares são: Tecnologia da Informação (TI), Analytics e Estratégia de Negócios.
Tecnologia da Informação: Cria a infraestrutura necessária para os dados que serão utilizados. Neste ponto é importante avaliar se há necessidade ou não da utilização das ferramentas de Big Data para processar dados dependendo dos tipos de informações (dados não estruturados ou semiestruturados) que serão utilizados para resolver o problema definido. Neste ponto, definimos quais dados serão necessários, capturados e qual estrutura será utilizada. Existem hoje no mercado muitas soluções de infraestrutura para dados, principalmente aquelas baseadas em nuvem, que permitem a criação de um ambiente tecnológico propício para analytics com rapidez e custos reduzidos. Além disso é adaptável à necessidade e ao momento de maturidade em que a empresa está para desenvolver as análises com base em dados.
Analytics: Neste pilar estão os modelos estatísticos, matemáticos e todo o ferramental técnico para a solução do problema. É preciso definir qual a metodologia adequada aos dados disponíveis e com foco na solução do problema definido no início. Por isso é fundamental o conhecimento técnico das metodologias estatísticas e do negócio em questão. Neste pilar considera-se sobretudo a questão de análise da qualidade e disponibilidade dos dados, uma vez que há necessidade de definir, com base nas informações disponíveis, se será obtida a resposta ao problema ou quais serão as limitações impostas aos resultados das análises. Outro ponto crucial aqui é a ferramenta tecnológica que será utilizada para o desenvolvimento dos modelos. Existem diversas delas disponíveis no mercado e algumas são de utilização aberta e gratuita, como por exemplo R e Python.
Estratégia de Negócios: Este é um ponto muitas vezes esquecido ou negligenciado na aplicação de analytics. Ou seja, como os resultados das análises serão inseridos no negócio? Como o modelo desenvolvido será aproveitado para resolver o problema definido inicialmente? Parece algo simples, mas há necessidade de conhecimento de processos de gestão do negócio para que o resultado obtido seja implantado e, consequentemente, ajude a trazer resultados significativos para a empresa.
É importante avaliar se a resposta da análise é coerente ao modelo organizacional atual. Por exemplo, uma empresa com o objetivo de aumentar a receita decide avaliar produtos que poderia oferecer aos seus clientes considerando seu comportamento de compra atual. Porém nas lojas não há mecanismos de oferta direta aos clientes e/ou os vendedores são cobrados por metas de venda de um determinado produto e não pela satisfação geral do cliente. Algumas vezes há necessidade da mudança de processos das organizações para obtenção do resultado de uma análise de dados. Além disso, é importante que os resultados obtidos tragam real valor à empresa e que sejam tangíveis para o negócio. Sabemos que é possível transformar dados em conhecimento para auxílio na tomada de decisão e na solução de problemas. No entanto, considero de extrema relevância a avaliação do tripé TI, Analytics, Estratégia de
Negócios para atingir o resultado desejado de um projeto de analytics, e para que este não venha a cair em descrença. Existem outros fatores para o sucesso de um projeto de analytics, como mudança cultural para decisões orientadas a dados, envolvimento da alta liderança, formação de equipes, entre outros, mas isso fica para um próximo artigo.
Marcos Coque Jr, cientista de dados da Unisys Brasil.
