Recursos/White Papers

Tecnologia

6 histórias bem-sucedidas de Análise de Dados

Algumas empresas já estão usando a análise de dados e o Machine Learning para aumentar as receitas ou cortar custos

Clint Boulton, CIO/EUA

Publicada em 22 de abril de 2018 às 18h50

Se os dados são o novo petróleo, saber como refiná-lo, transformando-o em inteligência acionável, é a chave para alavancar seu potencial. Para isso, as empresas estão investindo em ferramentas de análise preditiva, criando algoritmos de Machine Learning e testando outras soluções capazes de gerar eficiência de negócios e novas maneiras de atender aos clientes.

Os CIOs estão gastando mais do que nunca em tecnologias que suportam a Ciência de Dados que possam ajudá-los a brilhar aos olhos da diretoria e do board. As receitas mundiais para Big Data e análise de negócios atingiram US$ 150,8 bilhões em 2017, um aumento de 12,4% em relação a 2016, de acordo com a IDC . E as compras comerciais de hardware, software e serviços destinados a suportar Big Data e Analytics deverão ultrapassar US$ 210 bilhões este ano. O analista da IDC, Dan Vesset, observa que essas soluções se tornaram pilares fundamentais para possibilitar os esforços de Transformação Digital em todo o mundo.

Mas há um lado obscuro nessa despesa delirante: a maioria dos projetos de análise de dados não gera valor mensurável. Sistemas legados e burocracias das áreas de negócios geraram silos de dados e perpetuaram a má qualidade dos dados. E os CIOs ainda estão lutando para preencher as lacunas de talentos necessários para manipular dados e transformá-los em insights. A guerra por talentos é feroz e o surgimento de programas de em universidades não está produzindo candidatos qualificados com rapidez suficiente.

No entanto, as histórias de sucesso de análise de dados foram abundantes no CIO100 Symposium, realizado no início deste mês, onde vários líderes de TI revelaram e foram premiados por seus esforços. Os CIOs também compartilharam lições aprendidas e conselhos para os colegas que estão envolvidos em esforços semelhantes.

1 - Fazendo a análise de dados funcionar na Merck
A Merck, que havia crescido para se tornar uma empresa global de saúde de US $ 40 bilhões, operando em 140 mercados em todo o mundo, procurou usar dados coletados do ERP e sistemas centrais de fabricação e controle de estoque para obter mais insights para os negócios. Mas, com os engenheiros da Merck gastando de 60% a 80% de seus esforços para encontrar, acessar e ingerir dados para cada projeto, o objetivo de negócios estava muito distante. "Não estávamos visualizando dados como um ativo viável, permanente e valioso", comentou Michelle A'lessandro, CIO de TI de manufatura da Merck. "Queríamos estabelecer uma cultura em que passássemos muito menos tempo em movimento e informando os dados e muito mais tempo usando os dados para obter resultados comerciais significativos".

Dessa necessidade surgiu o MANTIS (Manufacturing and Analytics Intelligence), um sistema de armazenamento de dados composto por bancos de dados em memória e ferramentas de código aberto que podem processar dados armazenados em sistemas estruturados e não estruturados, incluindo texto, vídeo e mídia social. É importante ressaltar que o sistema foi projetado para permitir que analistas de negócios não técnicos vejam facilmente os dados a partir de um software de visualização. Por outro lado, os cientistas de dados podem acessar informações por meio de sofisticadas ferramentas de simulação e modelagem.

O MANTIS ajudou a reduzir em 45% o tempo e o custo do portfólio geral de projetos de análise de TI da empresa. Os resultados comerciais tangíveis incluem uma redução de 30% no tempo médio de entrega e uma redução de 50% nos custos médios de estoque.

Lições aprendidas: A chave para seu sucesso, diz A'lessandro, foi identificar um projeto analítico piloto em uma fábrica da Ásia-Pacífico, onde a Merck veria o maior retorno. Após demonstrar o sucesso com o MANTIS, tornou-se uma chamada para ação em outros países.

2 - O Dr. Pepper Snapple Group passou a tirar proveito da relevância contextual

Por anos, a equipe de rota de vendas do Dr. Pepper Snapple Group usou um fichário gordo cheio de dados de clientes, notas sobre vendas e promoções para a criação de estratégias que levaram a companhia a conquistar clientes de varejo como Wal-Mart e Target. Hoje, em vez de um fichário, a equipe de vendas está armada de iPads que informam quais lojas precisam visitar, o que oferecer para cada varejistas e outras métricas cruciais. "Eles passaram de meros tomadores de pedidos a consultores de vendas inteligentes, equipados com informações para ajudar a alcançar seu objetivo", diz Tom Farrah, CIO da Dr. Pepper Snapple Group.

A plataforma, MyDPS é equipada com Machine Learning e outras ferramentas de análise que geram recomendações e um diário de pontuação operacional para os funcionários quando eles carregam o aplicativo. Algoritmos que mostram aos funcionários como eles estão sendo avaliados em relação às projeções esperadas, incluindo se estão no caminho certo para cumprir suas metas, são apresentados juntamente com insights sobre como eles podem corrigir o curso. "Se eu espero tornar o vendedor bem sucedido na sua tarefa diária, tenho que garantir que as informações que ele tem são contextualmente relevantes", disse Farrah.

Lições aprendidas: Para testar a prova de conceito do MyDPS Farrah entregou o software a quatro vendedores em uma agência e fez com que o presidente da empresa as visitasse. Eles revelaram que o sell-in da execução melhorou em 50% desde o mês anterior, depois de usar o MyDPS, convencendo-o a dar luz verde ao projeto. "Ele conseguiu ver o resultado e aí foi fácil vender o projeto", disse Farrah. "É muito importante que você não tenha apenas o patrocinador do negócio para o projeto, mas ele conheça o resultado que o projeto vai entregar".

3 - A Bechtel optou por minerar seu data lake

A Bechtel, que construiu a Represa Hoover, o Canal da Mancha e outras maravilhas, começou a descobrir insights a partir de dados enterrados em várias partes do negócio .

A CTO, Carol Zierhoffer, reuniu-se com colegas do Wal-Mart, Boeing e Lockheed Martin para obter insights sobre como avançar. A empresa construiu um grande data center de excelência, repositório de um data lake com 5 petabytes, e iniciou uma prova de conceito. Usou a tecnologia de reconhecimento de fotos para inspecionar e rotular fotos de sites em nome dos clientes, economizando US$ 2 milhões. Ferramentas de processamento de linguagem natural (NLP) analisam declarações, RFPs e contratos. Estimativas e planos que antes levavam dias e semanas agora levam horas. A Bechtel também expandiu os esforços de análise para observar a retenção de pessoal, inclusive tentando antecipar quando os funcionários podem sair. "Acreditamos que estamos batendo à porta desse desafio na produtividade", disse Zierhoffer.

Lições aprendidas: Silos de dados e qualidade são um urso. Embora a Bechtel possa analisar grandes volumes de dados, a qualidade dos dados localizados em todo o negócio deve ser melhorada. “Tivemos que mudar a forma como trabalhamos e construir pontes entre os siloes de dados”, comentou.

4 - Na RRD o Machine Learning abriu caminho para novos negócios

Há alguns anos, a RRD, empresa de comunicação de marketing anteriormente conhecida como RH Donnelley, abriu uma divisão de logística para enviar seus materiais impressos aos consumidores e empresas. Para dar suporte ao negócio, gerenciou cargas para si mesmo e embarcou desde máquinas de lavar até comida de cachorro em nome de seus parceiros, chegando a um negócio de US $ 1 bilhão. O desafio? Encontrar as melhores taxas de envio em um mundo onde a FedEx e a UPS reinam.

Variáveis ​​como clima, geografia, motoristas e cenários políticos oneram seus negócios. Com a necessidade premente de prever variáveis ​​de taxa, o RRD voltou-se para Machine Learning e Analytics, disse Ken O'Brien, CIO da empresa. Contratou funcionários e universidades para ajudar a escrever algoritmos, testando milhares de cenários em 700 rotas até conseguir antecipar as taxas de frete em tempo real - com sete dias de antecedência e uma taxa de precisão de 99%.

"O projeto se pagou em menos de um ano e ainda estamos vendo crescimento nesse negócio relacionado a fretes", disse O'Brien. A empresa projeta que, em 2017, seu negócio de corretagem de carga de caminhão crescerá de US$ 4 milhões para US $ 16 milhões, um aumento de US $ 12 milhões em receita, contra um negócio de US$ 600 milhões.

Lições aprendidas: Novas empresas exigem um compromisso de alto nível, embora O'Brien admita que alguns de seus colegas de negócios estiveram a ponto de jogar a toalha em vários momentos ao longo do caminho. A empresa não confiava na tecnologia para um processo que normalmente era feito por meio de conhecimento e feeling dos executivos. A RRD criou um ambiente colaborativo no qual os negócios e a TI trabalharam juntos para influenciar o resultado. "Você vai tropeçar, terá desafios, mas seja paciente", disse O'Brien.

analisededados

5 - Já a Monsanto usa Machine Learning para definir melhores planos de plantio

Os agricultores estão sempre em dúvida sobre quais sementes plantar, quanto, onde e quando. A gigante de sementes Monsanto está usando a ciência de dados para fazer recomendações preditivas para o plantio. Modelos matemáticos e estatísticos definem o melhor momento de plantar plantas machos e fêmeas e onde plantá-las, idealmente, para maximizar o rendimento e reduzir a utilização da terra. Seu algoritmo de aprendizado de máquina produz mais de 90 bilhões de dados por dia , em vez de semanas ou meses, disse Adrian Cartier, diretor de análise global de TI da Monsanto.

Os benefícios do negócio? Em 2016, a Monsanto economizou US$ 6 milhões e reduziu sua pegada na cadeia de suprimentos em 4%. “Na América do Norte, uma redução de 4% na utilização da terra equivale a uma grande quantidade de terra não utilizada e muito dinheiro economizado”, disse Cartier.

Lições aprendidas: A chave para a Monsanto foi incutir uma colaboração “do berço ao túmulo” entre a TI e os responsáveis pela cadeia de suprimentos.

6 - Para Pitt Ohio, a análise preditiva foi a chave do sucesso

A indústria de frete está sob fogo cerrado devido ao chamado “Impacto Amazon”, disse Scott Sullivan, CIO da Pitt Ohio. A Pitt Ohio, uma empresa de frete de US$ 700 milhões, se acostumou a pegar frete e entregá-lo aos clientes no dia seguinte. Mas graças à Amazon, os clientes esperam a entrega no mesmo dia. E eles esperam mais informações sobre seus pacotes.

"Os clientes agora querem saber não apenas quando serão retirados, mas como serão entregues para que possam planejar sua carga de trabalho", disse Sullivan. Usando dados históricos, análise preditiva e algoritmos que calculam uma variedade de peso de carga, distância de condução e outros fatores, em tempo real, a  Pitt Ohio pode estimar o tempo que o motorista levará para chegar a um destino de entrega com uma taxa de precisão de 99%. A empresa estima que aumentou a receita por meio de pedidos repetidos (estimados em US$ 50.000 por ano) e reduziu o risco de perda de clientes (estimado em US$ 60.000 por ano).

Lições aprendidas: Sullivan diz que foi um trabalho interdepartamental envolvendo pesquisa de mercado, operações de vendas e TI, todos  verificando e re-checando os resultados para se certificar de que estavam cumprindo seus objetivos. "Há muitos dados em suas quatro paredes - seja inovador e procure maneiras desafiadoras de usá-los", disse Sullivan.



Reportagens mais lidas

Acesse a comunidade da CIO

LinkedIn
A partir da comunidade no LinkedIn, a CIO promove a troca de informações entre os líderes de TI. Acesse aqui