Na medida em que as empresas se tornam mais enxutas, geralmente a partir de inevitáveis projetos de redução de custos e transformações, elas precisam mudar a maneira de operar e gerir os custos que vem pela frente. Reduzir pessoal pode trazer resultados rápidos para o balanço final e confiança aos acionistas, mas raramente traz melhorias reais de produtividade a curto prazo, e quase sempre desmotiva os efetivos que são designados para carregar a "carga extra".
A introdução de um novo software ou ferramentas destinadas a melhorar a produtividade são quase sempre associadas a mudanças e problemas de gerenciamento dessas questões, e essas questões frequentemente encontram seu caminho no terreno da gestão de clientes. Em tempos em que a experiência do cliente é fundamental, e onde os relatórios de mídia social podem falhar, as empresas têm de andar numa corda bamba constante tentando manter todas as influências positivas e negativas em equilíbrio.
Nos últimos anos, o big data foi anunciado como a resposta para muitos problemas. As empresas acumularam, durante anos, dados sobre quase todas as áreas do seu negócio, principalmente em base de dados que atuaram como repositórios para aplicações.
Dados diversos, anteriormente vistos como alheios – operacional versus dados financeiros, por exemplo – estão agora sendo fundidos, mastigados e moldados para produzir uma nova gama de comparações e conclusões que são supostamente para ajudar a administração gerir melhor. Claro, isso pressupõe que você tenha na mão um staff que possa gerenciar todos essas informações e que tenham o know-how para fazer tudo isso ter sentido, muitas vezes com base em um conjunto definido de forma vaga dos requisitos dos usuários.
Porém, mais e mais empresas estão descobrindo que estão sentadas em um tesouro de dados facilmente acessíveis, que já estão sendo processados por aplicações e só precisam de pequenos ajustes para dar-lhes exatamente o que eles precisam. Um bom exemplo disso, e que está próximo a mim, é o uso de dados coletados para garantia de receita e gestão de fraude e riscos, reforçados e apresentados de uma forma diferente, para obter uma melhor visão dos clientes, produtos, serviços e sua real situação financeira.
Estamos vendo dados usados anteriormente para uma única finalidade sendo reapresentados para oferecer insights como rentabilidade em um cliente ou nível de produto, posição do cliente (em termos de propensão de deixá-lo) e até mesmo o impacto dos meios de comunicação social sobre o seu negócio, impulsionado pela atividade do cliente em sites como Twitter, Facebook, etc.
Nós não estamos falando aqui de traçar o perfil do cliente para poder oferecer-lhes coisas que acho que vão comprar (uma justificativa comum para grandes gastos em big data), mas algo muito mais básico do que isso: eles são bons clientes? Vale a pena mantê-los? O mesmo vale para produtos e serviços oferecidos.
Determinar o verdadeiro custo de qualquer destes, em comparação com as receitas que eles geram, é a premissa básica para o cálculo de margem e é algo que poucas empresas são capazes de fazer com facilidade e precisão. Essas informações devem estar disponíveis antes de qualquer exercício de corte de custos. Não é mais aceitável esperar até que auditores externos completem suas tarefas trimestrais, semestrais ou anuais para determinar a rentabilidade e ser capaz de obter avaliações precisas. Qualquer momento agora é fundamental para um bom negócio.
A auditoria automatizada é o cerne do que está sendo chamado de Enterprise Business Assurance (EBA), e operadoras inteligentes são capazes de realizá-lo através de ferramentas e dados que já estão à sua disposição, sem a necessidade de soluções caras de big data.
Não importa o tipo de negócio que você executa, você provavelmente já tem todos os componentes necessários na mão. Com alguma orientação de terceiros, aproveitando o que eles têm, você também pode determinar os custos, margens e rentabilidade rapidamente, garantindo que qualquer exercício de corte de custos seja eficaz e de valor.
Rui Paiva, CEO da WeDo Technologies.
