Computerworld / EUA e Redação
24/01/2018 - 11h03
Empresas contam como o data analytics trouxe
ganhos inesperados na forma de mudanças de operações, redução de custos e
novas fontes de receita.
Projetos de TI (tecnologia da informação) bem-sucedidos
exigem objetivos claros, e com data analytics não é diferentes. Ao
realizar análises, as equipes de dados buscam descobrir informações
úteis sobre consumidores, para apoiar a tomada de decisões em um
projeto, aumentar a produtividade, e diversos outros resultados.
Mas, dada a natureza exploratória da análise de dados,
algumas vezes os benefícios ou insights surgem ‘do nada’, de uma maneira
completamente inesperada e que não fazia parte do plano original de
negócios. Esses chamados ‘acidentes felizes’ suportam a ideia de que
toda análise de dados vale o esforço, já que você nunca sabe o que vai
encontrar.
Confira abaixo exemplos reais de empresas que encontraram benefícios inesperados a partir da análise de dados.
Mudança geral
A Allegis Global Solutions desenvolveu o seu programa de
analytics, o ACUMEN Workforce Intelligenge, com o objetivo de entender
três coisas: Como está o desempenho dos programas? Como eles se saem em
relação a outros programas? O que devemos fazer a seguir?
“Enquanto a plataforma analítica foi criada para
desenvolver uma perspectiva histórica que pudesse ser usada para
planejamento, descobrimos que o analytics usado para responder a essas
três questões teve um efeito dominó na nossa empresa”, explica o diretor
executivo de business intelligence da Allegis, Tim Johnson.
“Como os dados são retirados de todos os nossos programas e
os atualizamos diariamente, temos uma visão muito atualizada das
operações. Isso resultou no lançamento recente de uma nova aplicação de
dados que ajuda a analisar as atividades do dia-a-dia, tanto no nível
dos programas quanto no nível da empresa”, explica o executivo. Os
operadores não precisam puxar um relatório e analisar as informações
para reunir os insights do programa. Em vez disso, eles podem apenas
agir com as informações já estruturadas e apresentadas.
“Como um benefício extra de usar os dados
operacionalmente, as taxas de adoção de analytics estão muito mais altas
do que as projeções iniciais”, afirma Johnson. “Agora estabelecemos um
objetivo de 100% de adoção interna por semana. Como estão usando os
dados diariamente para melhorar o desempenho, nossos usuários finais
também estão mantendo um olho mais atento à informação, impulsionando a
qualidade dos dados para um novo nível de excelência.”
Para os objetivos iniciais de análise da empresa, os dados
só precisavam entre 90% e 95% de precisão. Mas para operações eles
precisam entre 98% e 99% de precisão. “É engraçado pensar que aquelas
três perguntas iniciaram essa transformação de dados por toda a
empresa.”
Benefícios de longo prazo para perdas de curto prazo
Um esforço de análise dados ajudou a fornecedora online de
recursos de imóveis Trulia a refinar sua estratégia de e-mail para uma
campanha, o que acabou aumentando o tráfego da companhia.
A companhia vinha enviando vários e-mails por dia, o que
aumentou o número de clientes que cancelaram o cadastro dos seus
e-mails, explica o VP de engenharia da Trulia, Deep Varma. “Então
mudamos nossa abordagem e agregamos os e-mails para que enviássemos
apenas um e-mail por dia”, lembra.
Inicialmente, a Trulia viu uma queda de engajamento dos
usuários, então voltou atrás na abordagem. Mas a empresa então decidiu
testar o novo formato por um período mais longo e viu resultados
melhores, que não eram esperados no início, diz Varma.
“Neste exemplo, inicialmente, os dados provaram que algo
estava saindo errado porque não tínhamos ampliado nosso alcance nos
testes. Depois que fizemos isso, registramos um benefício inesperado no
sentido que nunca esperamos que o tráfego fosse subir porque os dados de
uma semana tinham mostrado o tráfego caindo. No entanto, ao rodá-lo por
mais tempo, as análises provaram que o contrário era verdade.”
Em outro exemplo, o data analytics inspirou um novo produto, o que não era o objetivo geral.
“Vimos que os usuários caíam após enviar uma pergunta a um
corretor, então criamos uma experiência pós-lead em que começamos a
mostrar para eles propriedades recomendadas que eram similares à
listagem sobre a qual eles tinham acabado de fazer uma pergunta”,
explica Varma. “Como resultado, os usuários começaram a voltar e
continuaram a retornar mais frequentemente por conta desse novo perfil
de recomendações.”
Problemas com garantia
Na Rockwell Automation, um projeto chegou à equipe de analytics por meio do grupo de qualidade de produtos da empresa.
“Fomos desafiados com um problema de gerenciamento de
garantia”, afirma a diretora de BI da Rockwell, Sangeeta Edwin. “Em vez
de apenas olhar para o problema apresentado, pedimos para a nossa equipe
de data analytics focar em identificar a causa raiz dos retornos.”
Ao rastrear os dados de volta ao nível de máquina, a
equipe descobriu um defeito de fabricação que correlacionava falhas de
montagem com retornos pela garantia. “Isso ajudou a evoluir a nossa
estratégia e plataforma para incluir IOT (Internet das Coisas) machine
data analytics”, destaca a especialista.
Essa simples situação de análise de dados se transformou
em uma solução surpreendente para a companhia, diz Sangeeta. “Pegamos as
nossas descobertas a partir do grupo de qualidade e criamos a nossa
própria plataforma de data analytics de nível de dispositivo para os
nossos clientes”, lembra. “Por meio da análise de dados, transformarmos
um problema de negócios em uma ferramenta útil para os nossos clientes,
criando uma nova fonte de receita.”
Redescobrindo a importância dos cuidados básicos
A fornecedora de seguros de saúde Health Care Service Corp também viu ganhos inesperados a partir da análise de dados.
“Descobrimos uma joia escondida ao tentar inicialmente
puxar os dados para nos ajudar a identificar os clientes que estavam
indo para a sala de emergência por causas evitáveis – não emergenciais –
e as razões para isso”, aponta o diretor de governança e análises
corporativas da Health Care Service, Himanshu Arora.
Se 10% dos clientes da empresa estavam em planos do HMO
(Health Maintenance Organization), seria esperado que menos de 10% dos
serviços de emergência evitáveis fossem atribuídos a esse grupo, dado o
acesso que eles possuem a um clínico geral (PCP – Primary Care Provider)
. “O que descobrimos foi uma tendência até quatro vezes maior na
direção oposta”, explica. “Esses 10% dos clientes estavam respondendo
por 40% de todos os serviços evitáveis no pronto-socorro.”
O alto custo de uma visita à emergência mais a
inconveniência dos clientes em irem ao pronto-socorro e não se
beneficiarem de serviços que não podiam prevenir ou tratar tais
problemas de saúde levou a empresa a encontrar maneiras de ajudar os
associados além de fornecer acesso a um clínico da rede.
“Voltamos para o quadro de ideias para entender melhor
quais determinantes do atendimento, como barreiras de linguagem, acesso a
transporte, e problemas de agendamentos, estavam levando os nossos
associados HMO a visitarem o pronto-socorro em vez do seu clínico geral e
a encontrar soluções para isso”, afirma. “Engajamos a nossa rede de
provedores para ajudá-los a entrar em contato proativamente com os
associados para garantir que eles estavam recebendo os cuidados que
precisavam, (e) reavaliamos nosso produto e desenho de rede para
fortalecer nossos modelos de compartilhamento de risco com os provedores
– para que eles tenham mais incentivo para ajudar a identificar e a
agir com esses dados.
Redefinindo o sucesso – e metodologias analíticas
A Zeta Global, que produz uma plataforma de software para
aplicações de marketing, usa analytics para fornecer suporte a
iniciativas internas e de clientes, como o desenvolvimento de algoritmos
para fazer previsões dentro dos dados do cliente ou análise de sinal
para gerenciamento de segurança.
“O poder profético dos dados geralmente está onde você não
espera”, explica o CIO da Zeta, Jeffry Nimeroff. “Os resultados
inesperados são parte da mágica, e tivemos muitas situações em que
ficamos olhando maravilhados para as descobertas.”
Um exemplo envolve a redução de custos de tecnologia. “A
maioria das empresas que utiliza tecnologia e tem custos de tecnologia
acaba com algum tipo de tecnologia sombra”, destaca. “Na busca por maior
produtividade, as pessoas encontram as ferramentas que funcionam para
elas.”
Como parte da sua recente parceria para um centro de
operação de segurança, a implementação focou na inteligência de ameaças.
Os resultados esperados apresentaram progresso contínuo na maturação de
segurança, diz Nimeroff, mas o valor inesperado veio da descoberta de
custos escondidos da tecnologia de segurança.
“Com essa visualização, pudemos falar com pessoas
específicas sobre tecnologias específicas, algumas das quais elas tinham
esquecido, e desconectar esses serviços gerou uma redução de custos de
seis dígitos”, aponta o executivo.
Fonte: IDGNow!
Comentários
Postar um comentário
Todas postagem é previamente analisada antes de ser publicada.