89 views 6 mins

Mercado de soluções de big data e business analytics

em Destaques
terça-feira, 18 de janeiro de 2022

De acordo com uma previsão do Worldwide Big Data and Analytics Spending Guide da International Data Corporation (IDC), o mercado de soluções de big data e business analytics (BDA) vem crescendo de forma exponencial. Só neste ano, ele deve movimentar mais de US$ 215 bilhões.

Apesar deste mercado ainda ter muito o que ser explorado, especialistas como o Marco Salvo, com mais de 30 anos de experiência em ERP, já conseguem direcionar quais são os melhores métodos para obter os melhores resultados do uma grande ajuda do Data Science em uma tomada de decisão. Confira:

1) – É preciso estabelecer uma estratégia e saber qual é o rumo a ser tomado – Se não houver uma visão adequada sobre qual é o resultado que se busca ao analisar dados, não será surpreendente que a empresa se perca em um universo infindável de dados, sem saber exatamente como concatená-los.

Um exemplo de estratégia bem definida é: “neste ano, nossa estratégia é aumentar a rentabilidade”, ou “pretendemos captar novos clientes”, ou ainda “precisamos fidelizar os clientes que já compram os nossos produtos, aumentando a participação em suas compras”.

2) – Estabeleça um conjunto específico de questões a serem respondidas pelo Data Science – Por exemplo: “quais seriam os volumes de vendas estimados durante o próximo trimestre se o preço estiver na faixa X?”, ou “qual seria a margem esperada para o grupo de produtos Y diante de uma estratégia promocional com investimento de R$ X?”, ou ainda “qual é a melhor rede social para investir, considerando o perfil de clientes que procuramos”?

3) – Defina onde estão os dados que interessam – Certamente há um conjunto enorme de dados que estão no próprio ERP, no BI e no CRM da empresa: quem são os atuais clientes, quais seus comportamentos de compra, a pontualidade, o perfil de consumo e uma enormidade de dados importantíssimos. Esse rico montante de dados, porém, é insuficiente.

É preciso mapear fontes externas que contém dados igualmente preciosos, como pesquisas de mercado e de opinião pública, instituições de crédito, preços dos concorrentes, dados demográficos, indicadores macro-econômicos e, sobretudo (cada vez mais importante) tendências de comportamento nas redes sociais.

É importante ressaltar que estamos no âmbito do Big Data, no qual os dados são desestruturados e precisam ser tratados para serem úteis ao Data Sciente. Também é importante lembrar os cinco “V” do Big Data: Volume, Velocidade, Variedade, Valor e Veracidade.

É imprescindível manter em mente que o volume, a velocidade e a variedade são enormes, por isso é preciso manter-se focado na estratégia e nas questões específicas que se quer responder, para não se perder nesse mar de dados. E é importantíssimo escolher os dados que têm o valor adequado para o seu negócio, vindos de fontes que possuem a veracidade e a credibilidade necessárias para análises confiáveis.

4) – Analise os dados em uma plataforma tecnológica adequada e contextualize-os – Uma vez que o Data Sciente oferece algumas respostas às suas perguntas, é o momento de temperar os números frios com doses de experiência, conhecimento do mercado e compreensão do negócio. Em uma palavra: humanize. Os dados têm muito a dizer e mostram coisas que são impossíveis para a mente humana, mas há muitas questões que só seres humanos são capazes de contextualizar.

5) – Hora de entrar em ação – Tome as medidas necessárias para que a empresa incorpore as lições do Data Science. Se a análise contextualizada dos dados indicar uma mudança na política de preços, faça isso. Se os dashboards apontarem para a necessidade de readequação dos esforços comerciais, providencie. Se estiver evidente que é preciso lançar desbravar novos mercados, vá à luta. O Data Science é só o começo.

6) – Tenha disposição (e coragem) para mudar de ideia – Compartilhei nos itens 1 e 2 que é importante ter uma estratégia e delimitar o espectro das perguntas a serem respondidas. E é exatamente isso, porém, pode ocorrer (e não é nada incomum) que ao longo da jornada do Data Science você perceba que sua estratégia é equivocada e suas perguntas não têm resposta satisfatória.

Se isso acontecer, não invista na estratégia errada: tenha a disposição e a coragem necessária para recomeçar tudo com uma nova estratégia e novas perguntas e eventualmente até com novas convicções. – Fonte e outras informações (https://www.linkedin.com/company/falayou).