Por: Cristian Machado de Almeida:
Muitos gestores (normalmente os
desinformados) assumem que podem desconsiderar as práticas básicas recomendadas
para análise de dados (Analytics), indo diretamente para a adoção de
Inteligência Artificial e outras tecnologias avançadas. Mas as empresas que se
apressam em Inteligência Artificial sofisticada antes de atingir uma massa
crítica de processos automatizados e análises estruturadas, podem acabar paralisadas.
Essas empresas podem ficar
sobrecarregadas de parcerias com Startups que oferecem tecnologias de ponta,
sistemas de caixa-preta impenetráveis, clusters computacionais e kits de
ferramentas de código aberto, sem que os Cientistas de Dados escrevam
código específicos para a empresa. A questão é simples: Se a sua empresa
não é boa em analytics, ela não está pronta para IA.
Por outro lado, empresas com
cultura de análise de dados – como de vendas e tendências de mercado – fazem
avanços em áreas complexas e críticas após mergulharem em Inteligência
Artificial. Por exemplo, uma empresa de telecomunicações pode prever com 75
vezes mais precisão se seus clientes estão prestes a cancelar um plano, usando
aprendizado de máquina. Mas a empresa só consegue isso se já tiver automatizado
os processos que tornam possível entrar em contato com os clientes rapidamente
e entender suas preferências usando técnicas analíticas mais padronizadas.
 |
| analytics |
Automatizando
Processos Básicos
Primeiro, os gestores devem se
perguntar se eles têm processos automatizados em áreas problemáticas, com custo
significativo e que desaceleram as operações. As empresas precisam automatizar
processos repetitivos envolvendo quantidades substanciais de dados –
especialmente em áreas onde a inteligência de análise ou velocidade seria uma
vantagem. Sem automatizar esses feeds de dados primeiro, as empresas
descobrirão que seus novos sistemas de Inteligência Artificial estão chegando a
conclusões erradas uma vez que estão analisando dados desatualizados.
Por exemplo, os varejistas online
podem ajustar os preços dos produtos diariamente porque eles automatizam a
coleta de preços dos concorrentes. Mas aqueles que ainda verificam manualmente
o que os rivais estão cobrando podem levar até uma semana para coletar as
mesmas informações e, como resultado, têm ajustes de preços perpetuamente
atrás da concorrência. Neste caso, mesmo que usem Inteligência Artificial
continuarão atrasados, uma vez que seus dados são obsoletos.
Sem automação básica, visões
estratégicas de resolução de problemas complexos com o toque de um botão
permanecem ilusórias. Veja o exemplo dos gestores de fundos de investimentos.
Embora a profissão seja uma excelente candidata à automação pela Inteligência
Artificial, muitos gerentes passam várias semanas reunindo manualmente dados e
verificando erros humanos introduzidos por meio de resmas de planilhas do
Excel. Isso os deixa longe de estarem prontos para Inteligência Artificial e
assim prever o próximo risco em portfólios de investimento de clientes ou
modelar cenários alternativos em tempo real.
Enquanto isso, as empresas que
automatizam os processos básicos de manipulação de dados podem ser proativas.
Com mecanismos de preços automatizados, as seguradoras e os bancos podem lançar
novas ofertas com a mesma rapidez dos concorrentes online. Uma seguradora
tradicional, por exemplo, mudou seu processo de coleta de dados de cotações de
15 dias para a cada 15 minutos simplesmente automatizando os processos que
coletam dados de preços de referência. Uma empresa de serviços públicos tornou
seu serviço mais competitivo ao oferecer preços personalizados em tempo real e
ofertas especiais com base em leituras automáticas de medidores inteligentes,
em vez de visitas pessoais semestrais às residências.
Análise
de Dados Estruturados
Uma vez que os processos críticos
para alcançar uma eficiência ou meta são automatizados, os gerentes precisam
desenvolver análises estruturadas e centralizar os processos de dados para que
a maneira como os dados são coletados seja padronizada. Data Lakes vem sendo
cada vez mais usados nesse processo.
Com arquiteturas de informação
mais centralizadas, todos os sistemas referem-se à “fonte da verdade”
principal, atualizações se propagam para todo o sistema e as decisões refletem
uma única visão de um cliente ou problema. Um conjunto de análises estruturadas
fornece aos gerentes de categoria de varejo, por exemplo, um quadro completo
dos dados históricos do cliente; mostra-lhes quais produtos eram populares com
quais clientes; o que vendeu onde; quais produtos os clientes trocaram; e para
o qual eles permaneceram leais.
Munidos dessa informação, os
gerentes podem alocar melhor os produtos e ver porque as escolhas são feitas.
Compreendendo os impulsionadores por trás das decisões dos clientes, os
gerentes também podem ter conversas mais ricas sobre o gerenciamento de
categorias com seus fornecedores – como explicar que produtos muito semelhantes
serão removidos para abrir espaço para alternativas mais exclusivas.
Experimentando
a IA
Depois que essas análises
estruturadas padrões são integradas à Inteligência Artificial, é possível
prever, explicar e prescrever de forma abrangente o comportamento do cliente.
No exemplo anterior da empresa de telecomunicações, os gerentes entendiam as
características do cliente. Mas eles precisavam de Inteligência Artificial para
analisar o amplo conjunto de dados coletados para prever se os clientes estavam
em risco de cancelar o plano. Depois que as técnicas de aprendizado de máquina
identificaram os clientes que apresentavam um “risco de rotatividade”, os
gerentes voltaram à análise estruturada para determinar a melhor maneira de
mantê-los e usar processos automatizados para obter uma oferta de retenção
adequada.
Sistemas de Inteligência
Artificial fazem uma enorme diferença quando dados não estruturados, como
mídias sociais, notas de call center, imagens ou pesquisas abertas, também são
necessários para se chegar a um julgamento. A razão pela qual a Amazon, por
exemplo, pode recomendar produtos a pessoas é porque, usando técnicas de
aprendizado de máquina, a empresa pode inserir dados não estruturados sobre sua
coleção forte e centralizada de análises estruturadas, como detalhes de
pagamento dos clientes, endereços e históricos de produtos.
A IA também ajuda com decisões
não baseadas em desempenho histórico. Os varejistas com forte análise
estruturada implementada podem descobrir a melhor forma de distribuir produtos
com base em como estão vendendo. Mas são necessárias técnicas de aprendizado de
máquina para prever como os produtos ainda não disponíveis para venda servirão
– em parte porque não há dados estruturados disponíveis.
Finalmente, os sistemas de
Inteligência Artificial podem fazer previsões mais precisas com base em
conjuntos de dados diferentes. Os gestores de fundos com uma base sólida de
análise de dados automatizada e estruturada estão prevendo com maior precisão
como as ações serão executadas aplicando Inteligência Artificial a conjuntos de
dados que envolvem desde dados meteorológicos a contagem de carros em
diferentes locais para análise de cadeias de suprimentos.
Alguns pioneiros de dados estão
até mesmo começando a descobrir se as empresas vão ganhar ou perder terreno
usando sistemas de Inteligência Artificial para análises de sentimento do
consumidor a partir de feeds de mídia social.
As empresas estão apenas
começando a descobrir as muitas maneiras diferentes pelas quais as tecnologias
de Inteligência Artificial podem potencialmente reinventar os negócios. Mas uma
coisa já está clara: elas precisam investir tempo e dinheiro para se prepararem
com análises de dados suficientemente automatizadas e estruturadas, a fim de
aproveitar ao máximo as novas tecnologias.
Cristian Machado de Almeida
Formado em engenharia de Produção e Pós Graduação em Indústria 4.0.
Industrial Business Development na Nova Fase Tecnologia.
Membro do Grupo de Estudos de Direito Digital e Compliance na Federação das Indústrias do Estado de São Paulo-FIESP
Representante Comercial do Festival Internacional de Tecnologia e Comunicação.
Publicado em 27 de
junho de 2019 no (Linkedin)
Linkedin:
https://www.linkedin.com/in/cristian-machado-de-almeida-510b8759/
#inovação
#tecnologia
#industria40
#sociedade
#automação
#analytics
