Categoria: publish POR

(6 minutos de leitura)

No mundo digital de hoje, cada ação de um cliente, usuário ou consumidor pode se traduzir em uma coleta de dados, alimentando uma vasta expansão de metadados prontos para explorar novas ideias, produtos e serviços. As empresas têm em seu poder uma quantidade de dados e informações quase ilimitadas; o grande desafio está em definir um modelo que vai além da simples obtenção dos dados brutos, transformá-los em sabedoria informacional. Ou seja, como transformá-los em inteligência e usar a seu favor para melhorar a experiência e satisfação dos clientes, usuários ou consumidores e gerar valor para a empresa ou o negócio.

De acordo com uma pesquisa mundial realizada pelo Gartner com 196 organizações, 91% das empresas ainda não alcançaram um nível de maturidade desejado nesta transformação de dados em insights, compreendendo o passado, prevendo o futuro e definindo ações em sua estratégia de negócio na busca pelos resultados esperados.

Nesse contexto, é possível perceber que as empresas ainda têm um longo caminho a percorrer, pois a coleta estruturada de dados de forma estratégica permite, não apenas entender em quais produtos ou serviços os consumidores ou usuários estão interessados, mas também compreender seus interesses, motivações, comportamentos e expectativas em relação à sua marca, produto ou serviço, bem como tomar ações, enquanto as interações estão acontecendo, para maximizar a atenção e experiência positiva ou minimizar as percepções e interações negativas e transformá-la em uma melhor experiência.


A importância do Analytics

Aproveitar todos esses dados pode ser assustador, até mesmo uma proposição intimidante para a maioria das organizações. Mas o fato é que, para superar a concorrência, as organizações precisam adotar uma cultura analítica, orientada para uma análise detalhada da estratégia de negócios, gestão altamente focada e vontade de se adaptar e mudar. Analytics é a chave para gerar valor por meio de dados. Do contrário, os dados seriam apenas informações sem sentido e sem valor.

Segundo Ash Gupta, diretor de risco da American Express, a primeira mudança que fizeram foi tornar os dados de melhor qualidade. A segunda foi trabalhar com o pessoal e garantir que estavam centralizando alguns aspectos do negócio, suas capacidades e democratizando seu uso. Outro aspecto foi que reconheceram, como equipe e como empresa, que não possuíam habilidades suficientes que exigiram a colaboração interna e externa à empresa, incluindo inovadores de tecnologia, provedores de dados, empresas de analytics.

Nos últimos 2 anos, com a pandemia do COVID-19, milhões de pessoas começaram a consumir na internet. Muitos delas nunca haviam feito uma compra online, em especial nos países em desenvolvimento. Além da oportunidade das organizações conhecerem melhor seus clientes, usuários e consumidores, surgiu também um desafio: atuar contra os criminosos virtuais. Tanto que, enquanto o mundo via as transações online crescendo, também se registrava aumento no número de fraudes online. A análise de fraude combina tecnologia e técnicas analíticas com as interações humanas para ajudar a detectar possíveis transações impróprias, como aquelas com base em fraude e/ ou suborno, antes que as transações sejam concluídas ou depois que elas ocorrem.


O poder das análises visuais

Para muitos, criar painéis e relatórios é o objetivo e o destino final da análise de dados. Será? Perguntar “como” é o primeiro passo da exploração dos dados. O próximo é perguntar “por quê”. Para mergulhar a fundo, precisamos repetir essa pergunta muitas e muitas vezes. Quando precisamos saber mais sobre o que os dados estão revelando, utilizamos a análise visual. A análise visual é um processo iterativo dinâmico em que se constrói diferentes exibições para explorar caminhos infinitos de “como” e os “por quês” que os acompanham. A análise visual pode ajudar a explorar, encontrar respostas e construir histórias com os dados disponíveis e até mesmo identificar informações faltantes para determinada análise. E a análise visual vai ainda mais longe; permite que todos que entrarem em contato com ela possam fazer suas próprias perguntas, realizando descobertas inesperadas.

Duas abordagens muito utilizadas para a análise visual de dados são a visualização de dados e a análise visual. Cada uma exercita um importante papel da exploração de dados. Ambas auxiliam a visualizar e compreender os dados. Para chegar à raiz de uma questão ou problema, é interessante explorar os dados diretamente dos painéis visuais, além dos limites de um conjunto fixo de filtros e categorias, de modelos de relatórios e tipos de gráfico padrão, para responder às próprias perguntas.

Um exemplo disso é permitir que a empresa saiba exatamente como todos os componentes de uma campanha contribuem para as vendas e o que acontece quando são ajustados. Com isso visa-se melhorar experiência no atendimento ao cliente, antecipar suas necessidades, melhorar sua fidelização e engajamento, e tomar ações com tempos de resolução mais rápidos.

Fonte: visual analytics campaign performance

Quando criamos visualizações que revelam informações significativas de maneira consistente, sua visibilidade e sua contribuição de valor para a empresa aumentam.


Resultado para o negóciO

Em mercados cada vez mais competitivos na disputa pela preferência dos consumidores, os dados provam ser a base fundamental para a competitividade e crescimento. E a busca pela geração de valor passa por uma jornada, onde inicialmente é reconhecido apenas como informação, passando ao estágio do conhecimento e em um estágio mais avançado, como sabedoria. 

O fato é que, com a aceleração da transformação digital das empresas, os dados se tornaram importantes aliados para gerar valor para a companhia, melhorar as vendas, reduzir os stockouts, aprimorar a percepção do consumidor e servir como fonte de análises para a tomada de decisões. 

As organizações que mais rapidamente conseguirem transformar dados em inteligência, terão maior agilidade, melhor integração com parceiros e fornecedores, além de maior facilidade de uso de sistemas preditivos e de analytics. Isso tudo traduzindo-se em valor, vantagem competitiva e diferenciação frente aos competidores.


Referências:
Analytics Insights – McKinsey
Driving Value Through Data Analytics - Cognizant
CDO’s reserach – Gartner
Organization maturity model – Computerworld
Fraud Analytics – Deloitte
Why visual analytics – Salesforce/Tableau whitepaper

Autor: Roberto Wik é executivo de negócios, consultor em gestão, transformação digital e tecnologia, empreendedor e investidor. (linkedin.com/in/roberto-wik)