A inovação tecnológica avança a um ritmo sem precedentes. De acordo com George Westerman (2014), pesquisador do Instituto de Tecnologia de Massachusetts (MIT), a transformação digital é a maior disrupção que as empresas enfrentam atualmente, desde às redes sociais até à inteligência artificial. Entretanto, nos tempos modernos para girarmos a chave da transformação digital, é preciso também investir em Big Data e Modelos Preditivos.
Mas como definir quais os dados que devem ser analisados? Como estabelecer os melhores indicadores? De que forma podemos lapidar uma imensa quantidade de informação para transformá-la em insights valiosos, capazes de auxiliar a tomada de decisão de líderes e empreendedores?
Para responder a essas perguntas, convidamos o Prof. Dr. Claudio Oliveira, fundador da Cognitive, coordenador do Núcleo DIGI na ESPM e professor nas disciplinas E-business e Gestão Estratégica da TI na Fundação Vanzolini (USP). Oliveira é especialista em Media Science, possui bacharelado em Engenharia de Produção (USP), mestrado em Estratégia e Tecnologia (USP) e doutorado em Digital Analytics e Engenharia (USP).
A importância dos Vs
SoftDesign – O que é Big Data e qual a sua relevância para os negócios?
Claudio Oliveira: A definição de Big Data surgiu inicialmente no mercado de trabalho e depois ecoou na academia. O termo está associado a três Vs: volume (quantidade de informações coletadas), velocidade (informações que crescem de maneira exponencial) e variedade (a informação não é estruturada e organizada). Essa sempre foi uma definição confortável para o mercado. Entretanto, quando o termo passou a ser debatido no ambiente acadêmico, a definição foi aprofundada, tornando-se mais completa com a adição de outros Vs como: valor e veracidade.
Vídeos e publicações nas redes sociais são exemplos de aplicação de algoritmos baseados em Big Data e a sua relevância para os negócios é significativa. Se analisarmos empresas que possuem uma expressiva valorização de mercado como, por exemplo, Apple, Google e Netflix, será possível perceber que essas empresas possuem um posicionamento data-driven. Ou seja, elas utilizam o conhecimento que possuem sobre os seus consumidores para tomar decisões e antecipar os próximos passos do mercado, resultando em apostas melhores.
Quando a Netflix produz um filme, a empresa já sabe a probabilidade de um conteúdo fazer sucesso, pois conhece o gosto do cliente e investe em enredos e atores que estejam de acordo com essas informações. Essa estratégia é utilizada em diversos setores. A Amazon, por exemplo, possui um método de previsão de logística capaz de entregar um produto no armazém mais próximo da sua casa antes mesmo de você comprar o artigo no site. Isso é uma decisão data-driven, apoiada por métodos, estatística e machine learning.
Já machine learning nada mais é do que uma automatização de métodos estatísticos que sempre existiram. Entretanto, é como se reuníssemos dentro de uma máquina milhões de estatísticos para fazerem contas rapidamente. Lembre-se que esse método de análise de dados possui as mesmas limitações do que qualquer metodologia científica.
Além disso, o comportamento humano é previsível na média. Logo, conseguimos prever o comportamento de mil pessoas, mas não conseguimos prever o comportamento de um único indivíduo. É possível elaborar uma hipótese de que sessenta pessoas que moram na cidade de Santos desejam comprar um determinado produto, mas não acredito que seja viável deduzir o que Cláudio irá querer comer no almoço.
Maturidade para escolher KPIs
SD – Ter acesso a muitos dados significa ser um utilizador de Big Data?
CO: Não. Existe uma conversão importante para ser um utilizador de Big Data: transformar os dados em informação qualificada. Caso não seja possível traçar um norte, ter muitos dados pode até atrapalhar o processo de tomada de decisão. Para passar por essas etapas, a empresa precisa ter um certo nível de maturidade para lidar com os dados recolhidos.
Imagine um executivo que decide seguir o exemplo da Amazon e coloca-se disposto a prever o comportamento dos próprios clientes de uma hora para outra. Ao pular uma série de etapas importantes, certamente ele não irá obter bons resultados. Grandes empresas como a Amazon, Facebook e Apple, cumpriram passos essenciais de organização de processos para interpretar dados e dar valor ao Big Data. É exatamente por isso que elas são tão valorizadas.
No início, é muito comum que a empresa experiencie uma certa confusão por não saber exatamente o que analisar. Por isso, é essencial compreender que sem KPIs (Indicadores-Chave de Desempenho) bem definidos, não será viável uma tomada de decisão data-driven. Mas afinal, o que preciso fazer e como esse dado irá me ajudar a chegar lá? O primeiro passo é organizar os indicadores. O segundo é a empresa conseguir acompanhar esses dados com eficiência, para depois realizar um estudo baseado em business inteligence de causa e efeito, para enfim chegar na fase do modelo preditivo: que tenta prever o futuro e fazer estimativas cada vez mais alinhadas aos desejos dos consumidores.
Os modelos preditivos existem há muito tempo. O mercado financeiro, as empresas de seguros e os bancos fazem isso desde que o mundo é mundo: qual a previsão do cliente pagar ou não uma dívida? Qual a probabilidade de sofrer um acidente? O que mudou é que agora os modelos preditivos são desenvolvidos por machine learning e isso agrega velocidade ao processo. Sem ele seria muito difícil traduzir e organizar as informações do Big Data. Mas lembre-se, antes de chegar nesse patamar as empresas precisam passar por outras etapas como a de estruturação de dados.
A chave para a transformação
SD – Qual a relação do Big Data com a transformação digital?
CO: Na transformação digital existem dois pilares importantes: ter presença digital relevante (capturando dados e interações com os clientes da internet sejam eles B2B ou B2C) e organizar os processos para lidar com os dados. Um processo-chave é a tomada de decisão em vários níveis: estratégico (o que irá acontecer no mercado nos próximos cinco anos e como posiciono os meus produtos); tático (precificação e portifólio) e operacional (venda real time: o que ofertar ao cliente quando ele acessar o site).
Tudo que está inserido na transformação digital passa pela visão de dados. Naturalmente, esse pensamento não para por aí. A cultura da empresa também é um fator crucial: você utiliza Método Ágil? Não adianta o Big Data revelar que o consumidor deseja determinado serviço, se a sua empresa não consegue adaptar-se facilmente às mudanças. É por esse motivo que o Big Data é um importante aliado na hora da tomada de decisão, mas é necessário outros fatores para a transformação digital.
SD – Qual é o papel do Media Science? E do Business Intelligence?
CO: O business intelligence funciona como uma porta de entrada. É quando a empresa passa a enxergar os seus dados para então construir um modelo preditivo. O Big Data por si só, sem contexto, não nos leva a grandes resultados estratégicos. Já o Media Science faz o papel de aplicar esse conhecimento na área de comunicação, por meio de um recorte específico. Mas quais são as decisões em comunicação e porque elas são diferentes? Onde devo investir o dinheiro de mídia? Rádio, televisão ou internet? Que tipo de mensagem terá a minha publicidade?
Todas essas questões são passíveis de ciência. Tenha em mente que a Netflix identifica o que colocar no roteiro das séries e filmes de acordo com o gosto do seu próprio consumidor. A mídia digital hoje é cada vez mais segmentada. Anteriormente, comprávamos publicidade por veículo (Globo, Uol). Agora, compramos segmentos (pessoas que gostam de ler livros de ficção científica, por exemplo). Ou seja, fazemos a propaganda somente para um determinado público-alvo. Sendo assim, o Media Sciense é uma adaptação do Data Sciense para o mercado de comunicação.
SD – Startups podem usar o Media Science a seu favor ou essa ferramenta faz mais sentido para empresas que já tenham algum histórico com marketing digital?
CO: Uma lição valiosa que o mundo globalizado nos ensinou é de que precisamos falar uma linguagem universal, do contrário dificilmente obteremos êxito. O desafio é justamente romper as barreiras do diálogo que considera apenas empresas que já possuem conhecimento prévio em algoritmos e modelos estatísticos. Por isso, a missão da minha empresa, a Cognitive, é justamente democratizar o Media Science.
Já trabalhamos com empresas pequenas e sabemos que elas conseguem ter um crescimento fora da curva quando utilizam Media Science, visto que identificamos segmentos de produtos mais adequados, além de descobrir o que os consumidores esperam dessa empresa. Isso faz com que o Mínimo Produto Viável (MVP) fique acelerado e entregue cada vez mais valor. Esse pensamento de que uma empresa pequena não consegue usar o Big Data não é verdade, já que se ela tiver uma cultura de inovação poderá ser até mais eficiente do que uma empresa consolidada, devido a variável cultural.
Empresas grandes como a Kodak não viam a inovação como uma opção, já que a produção de filmes fotográficos era lucrativa. Logo, pensavam: por que investir em inovação? Em máquinas digitais? Sabe-se que ao longo de muitos anos essa empresa foi engolida pela concorrência. Isso acontece porque muitas vezes torna-se difícil para uma empresa consolidada renunciar ao que ela faz com excelência. Já para as startups esse processo é muito mais tranquilo, visto que esses negócios geralmente nascem para solucionar problemas que resultam em disrupções.
Tomada de Decisão
SD – Como a Cognitive atua junto a empresas para auxiliar em seus processos de inovação e tomada de decisão?
CO: Criamos uma plataforma chamada Sigma-Flow, onde as empresas podem conectar as suas fontes de dados (Facebook, CRM, Google Analytics) e construir dashboards que auxiliam na visualização de KPIs. Dentro da ferramenta está disponível um modelo preditivo que ajuda o usuário a compreender a experiência do seu consumidor, descobrindo assim qual é a estratégia de comunicação que converte mais em vendas.
SD – Quais são as contribuições do Big Data para as empresas?
CO: Um primeiro benefício é o faturamento. As empresas geralmente têm como desafio expandir ou aumentar o faturamento e, ao entender melhor o seu consumidor, alcançar esses objetivos torna-se uma meta atingível. Em segundo está a inovação: o Big Data sozinho não irá promover inovação, pois precisamos de Métodos Ágeis e de uma cultura apropriada para isso. Ao atingir esse patamar, os resultados são: diferenciação, vantagem competitiva e sustentabilidade.
Mas e se a empresa não fizer uso do Big Data? Assim, ela sofre uma dura penalidade. Segundo pesquisas do MIT, empresas que não fazem transformação digital têm menos de 24% de margem de lucro em relação à concorrência, enquanto as empresas mais preparadas possuem mais de 26%. No Brasil, grande parte das atividades empresariais não alcançam essa porcentagem de margem, ou seja, muito provavelmente essas empresas deixarão de existir.
Lembre-se que o Big Data pode ser utilizado em qualquer negócio, inclusive nos que não são digitais: salão de beleza, fábrica de cimento, escritório de advocacia, dentista. Não há um setor que não seja passível de transformação digital e querendo ou não essa girada de chave é mandatória. Podemos afirmar que o Big Data faz parte dessa transformação.
Um case de transformação digital bastante conhecido no Brasil é o do Magazine Luiza, plataforma digital de varejo que utiliza o Big Data para interpretar dados e entender as próximas tendências. É importante compreender que todas as inovações dessa empresa não são aleatórias. Existe muito estudo por trás de uma estratégia de sucesso, além de um grande investimento em Big Data.
No Brasil, existem outros bons exemplos nos mais variados setores. O Porta dos Fundos, coletivo criativo que parece ser desenvolvido apenas com base em um conceito artístico, na verdade utiliza a análise de dados para apoiar a sua tomada de decisão editorial. A Banda Mais Bonita da Cidade também é um bom case: antes de organizarem uma turnê, os músicos aplicam pesquisas nas redes sociais para verificar quais são as cidades que devem ser incluídas no roteiro. Esse processo também ocorre durante a gravação de álbuns, quando questionam aos fãs qual faixa precisa fazer parte do projeto. É um trabalho de cocriação com o consumidor final, que fica satisfeito em ser valorizado e considerado na tomada de decisão.
Intuição x Análise de Dados
SD – Qual é a relação entre intuição e análise de dados na hora da tomada de decisão? Qual o seu impacto entre as gerações com mindsets diferentes?
CO: Acredito que exista uma barreira cultural entre dados e intuição. Alterar o mindset de um executivo de uma empresa que prospera há três décadas por meio da intuição e da experiência é um grande desafio. Como convencê-lo a tomar uma decisão com embasamento científico? É simples: por meio de evidências. Penso que esse assunto ainda gera grandes debates, mas se esse profissional está em um cargo de liderança, tomando decisões e o negócio permanece vivo e lucrativo, significa que ele tem um entendimento de mercado extremamente relevante.
Às vezes, o problema pode estar na forma como os dados e informações são apresentados. Por isso, é tão importante interpretar as informações coletadas, excluindo o uso de siglas que não são reconhecíveis para determinada geração, por exemplo. Ao explicarmos os dados de acordo com uma linguagem clara e simples, esse executivo rapidamente entenderá o valor de mensurar os seus dados para convertê-los em uma tomada de decisão estratégica.
Na ESPM Media Lab, desenvolvemos uma metodologia chamada Índice de Maturidade Digital (IMD). Entretanto, compreendemos que não é todo o líder que tem conhecimento do que é um site responsivo, mesmo que todos compreendam que ter um site com taxas de conversão abaixo de 1% não é algo positivo para os negócios. Por isso, é essencial saber qual público consome determinado produto ou serviço: são jovens ou adultos? Compram pelo celular ou pelo desktop?
Todos nós buscamos resultados, mas para atingi-los precisamos ser data-driven. É papel do analista de dados lapidar a informação e torná-la acessível, mostrando a ligação do Big Data com o negócio. Não basta ter apenas um dado cru, é preciso Data Storytelling. Ou seja, contar uma história com o Big Data por meio de infográficos e imagens que façam sentido para as mais variadas equipes de profissionais. Se esses dados não forem compreendidos por quem irá tomar a decisão, eles deixarão de ter relevância.
Maturidade Digital
SD – O índice de Maturidade Digital aumentou nas empresas brasileiras durante a pandemia de Covid-19?
CO: Em 2016, realizamos uma pesquisa sobre a Maturidade Digital no Brasil e, na época, pensar em transformação digital era considerado uma grande inovação. Atualmente, estamos recebendo o contato de muitas empresas interessadas em implementar o Índice de Maturidade, pois com a pandemia perceberam a importância e o valor dessa estratégia.
Ao observar a economia penso que estamos enfrentando um cenário preocupante, visto que existem grandes empresas bem aparelhadas que precisam e podem investir em transformação digital, enquanto os pequenos negócios ainda utilizam a criatividade para comercializar produtos e serviços. A transformação digital transformou-se em algo obrigatório, mas nem todos possuem condições para investir.
Estamos vivenciando uma dura experiência como sociedade. Além das milhares de vidas perdidas, também presenciamos a extinção de muitos negócios, que ficaram obsoletos de maneira muito rápida. Na Cognitive, vendíamos consultoria em Media Science, e quando a economia ia bem e os negócios prosperavam, era simples encontrar clientes interessados em inovar e melhorar os seus processos.
Com a pandemia de Covid-19, os projetos de consultoria foram cortados do orçamento das empresas por motivos de gestão de crise e contenção de despesas. Por isso, transformamos a nossa consultoria em uma startup. Agora somos uma plataforma de Media Science. Entretanto, sabemos que não é toda empresa que tem condições, caixa e network necessário para fazer isso acontecer.
