A Era do Analytics: Competindo em um mundo orientado a dados

A Era do Analytics: Competindo em um mundo orientado a dados

Tem havido muito exagero sobre as promessas e o potencial do big data, mas é tudo exagero ou há verdades por trás do exagero?

Nos últimos anos, assistimos a grandes saltos nos recursos de dados e análises.

Hoje, há mais dados do que jamais foram gerados.

Na verdade, com bilhões de dispositivos e gadgets, como smartphones, sensores sem fio, câmeras, sistemas de pagamentos, plataformas digitais e aplicativos de realidade virtual gerando dados a cada momento, o volume de dados gerados aumenta em 100% a cada 3 anos.

O poder computacional cresceu exponencialmente, a capacidade de armazenamento dobra a cada poucos anos, enquanto os custos despencam e algoritmos cada vez mais sofisticados são desenvolvidos constantemente.

A fusão dessas tendências está criando oportunidades para a ruptura dos modelos de negócios e de setores inteiros.

Quantidade de dados gerados a cada 60 segundos. Fonte: Dream Creation

Algumas empresas já estão aproveitando essas tendências e combinando-as com novas mentalidades não convencionais para enfrentar os problemas de negócios de uma maneira totalmente nova, em muitos casos causando interrupções e pegando os operadores históricos de surpresa.

Essas empresas, muitas das quais são nativas digitais, têm uma grande vantagem, e a única maneira de as empresas estabelecidas conseguirem acompanhá-las é descobrindo como podem transformar seus negócios fundamentais aplicando dados e análises.

Para se manterem competitivas, as organizações legadas precisam de uma abordagem em duas vertentes.

Primeiro, eles devem se concentrar em criar estratégias de alto risco e alta recompensa que os ajudem a acessar novas fontes de receita.

Essas estratégias de alto risco e alta recompensa incluem o desenvolvimento de novos modelos de negócios e a entrada em novos mercados.

Em segundo lugar, essas organizações devem encontrar maneiras de aplicar a análise de dados para identificar insights e ajudá-las a melhorar suas operações principais.

As organizações que são capazes de implementar essa abordagem de duas frentes estarão bem preparadas para aproveitar as novas oportunidades e se proteger de interrupções inesperadas.

De acordo com um relatório do McKinsey Global Institute, dados e análises apresentam uma ampla gama de oportunidades para negócios e, à medida que as tecnologias relacionadas a big data continuam avançando, podemos esperar que os aplicativos e oportunidades potenciais de dados e análises continuarão crescendo.

Abaixo, vamos dar uma olhada em alguns dos principais insights do relatório.

AS EMPRESAS NÃO ESTÃO TIRANDO PLENA VANTAGEM DO VALOR POTENCIAL DE DADOS E ANÁLISES

É evidente que vivemos em um mundo repleto de dados. Sempre que você navegar na Internet, interagir com amigos nas redes sociais, comprar algo online, usar um aplicativo de chamada de táxi como Uber ou Lyft ou usar assistentes virtuais como Siri, Cortana ou Alexa, você deixa para trás um tesouro de dados.

Infelizmente, embora haja muitos dados no mundo de hoje, as empresas têm dificuldade em usar esses dados para conduzir suas estratégias.

Um relatório de 2011 da McKinsey analisou o potencial de big data e análise e determinou que eles teriam o maior impacto em cinco domínios principais.

Olhando para esses domínios hoje, é evidente que, embora tenha havido progresso, a maioria das empresas capturou apenas uma fração do valor potencial de big data e análises nesses domínios.

Existe um grande valor que ainda não foi explorado.

Os cinco domínios são:

Serviços baseados em localização: A integração da tecnologia GPS aos smartphones tornou a tecnologia de mapeamento disponível para bilhões de pessoas em todo o mundo. Isso, por sua vez, criou enormes oportunidades para as empresas oferecerem serviços que contam com essa tecnologia. No entanto, muitas dessas oportunidades permanecem inexploradas. Por exemplo, os mercados de serviços de publicidade móvel com segmentação geográfica, aplicativos de serviços baseados em localização e serviços e dispositivos de navegação baseados em GPS alcançaram apenas entre 50% e 60% do valor que o relatório da McKinsey de 2011 previa. O maior valor dos serviços baseados em localização foi para os consumidores finais, principalmente na forma de economia de tempo e combustível. No entanto, ainda existem oportunidades para as empresas fazerem uso de serviços e dados baseados em localização para obter novos insights sobre suas operações e melhorar a eficiência.

Varejo dos EUA: Com o varejo se tornando altamente digital, os varejistas têm acesso a muitos dados comportamentais e transacionais sobre seus clientes. Com as margens do setor ficando mais estreitas a cada dia e com a concorrência de empresas nativas digitais, como a Amazon, há um forte incentivo para que os varejistas explorem esses dados e os usem para encontrar maneiras de melhorar seus resultados financeiros. Nesse sentido, os dados podem fornecer percepções sobre quase todos os aspectos do negócio, desde como os varejistas podem fazer upsell e vendas cruzadas para seus clientes até como eles podem otimizar toda a cadeia de valor para reduzir custos. A partir de hoje, apenas cerca de 30% a 40% do valor previsto pelo relatório da McKinsey de 2011 foi capturado pelo setor de varejo dos EUA. E, mais uma vez, os consumidores finais obtiveram o maior valor de big data e análises no setor de varejo.

Manufatura: a indústria de manufatura tem sido muito lenta quando se trata de aproveitar o valor potencial de big data e análises. Do potencial de big data e analytics que a McKinsey previu em 2011, apenas cerca de 20% a 30% foi alcançado. Além disso, a maioria dos ganhos foi obtida apenas por alguns líderes do setor. Algumas das principais aplicações de big data e analítica no setor de manufatura incluem design para aplicações de valor, desenvolvimento de fábricas digitais, analítica de operação conduzida por dados de sensor e serviços pós-venda aprimorados que dependem de manutenção preditiva e vigilância em tempo real.

O setor público da UE: no relatório de 2011, a McKinsey analisou como o big data e a análise poderiam ser usados para melhorar a prestação de serviços do setor público na União Europeia. O relatório determinou que big data e analytics podem melhorar a eficiência na entrega de serviços governamentais, melhorar a cobrança de impostos, reduzir erros na transferência de pagamentos e, potencialmente, acabar com a fraude no setor público. Isso potencialmente resultaria em economias anuais da ordem de € 250 bilhões. Infelizmente, apenas cerca de 10% – 20% desse valor foi realizado.

US Healthcare: Em seu relatório de 2011, a McKinsey identificou que havia um enorme potencial para dados e análises no setor de saúde nos Estados Unidos. Hoje, porém, apenas cerca de 10% a 20% desse setor foi realizado. Essa baixa aceitação de big data e análises no setor de saúde dos Estados Unidos pode ser atribuída a uma série de desafios, incluindo escassez de talento técnico, organizações avessas a mudanças, falta de incentivos, bem como desafios de regulamentação. Mesmo assim, algum progresso foi feito no setor. O maior progresso foi feito na mudança de registros médicos manuais para eletrônicos, embora muitos dos dados contidos nesses registros ainda não tenham sido totalmente utilizados. Outras aplicações atuais de big data e análises no setor de saúde incluem aplicações em pesquisa e desenvolvimento médico, vigilância de saúde pública e medicina preditiva. Apesar dessas aplicações, muitas oportunidades neste setor permanecem não aproveitadas.

A TRANSFORMAÇÃO DA ANÁLISE EXIGE REVISÃO ORGANIZACIONAL

A realização menos do que ideal do valor potencial dos dados e análises nos domínios descritos acima não deve ser considerada como significando que as empresas são lentas na absorção de big data e análises.

Pelo contrário, muitas empresas já começaram a implementar dados e análises.

Infelizmente, a maneira como estão fazendo isso os impede de realizar todo o seu potencial. Embora muitas empresas já tenham feito grandes investimentos em tecnologias que as ajudarão a implantar dados e análises, a maioria delas negligenciou as mudanças organizacionais que precisam acompanhar esses investimentos em tecnologia.

Uma estratégia de transformação analítica eficaz envolve mais do que apenas grandes investimentos em tecnologia. Primeiro, as organizações precisam fazer a si mesmas algumas perguntas-chave que ajudarão a definir sua visão estratégica.

Essas questões incluem: Como vamos usar dados e análises? Como transformaremos os insights obtidos de dados e análises em valor? Como medimos o valor gerado a partir de dados e análises?

A segunda coisa que as organizações precisam fazer é construir a arquitetura subjacente que dará suporte à geração e coleta de dados.

Mudar de sistemas de dados legados para sistemas mais flexíveis e ágeis que oferecem suporte a big data é, na verdade, um dos maiores desafios que as organizações enfrentam ao passar por uma transformação analítica.

Para aproveitar ao máximo os dados e análises, as organizações também precisam digitalizar suas operações.

As operações de digitalização tornarão muito mais fácil capturar dados que eles podem usar para agilizar essas operações.

Além disso, a coleta de dados não é suficiente. As organizações também precisam obter os recursos analíticos de que precisarão para obter percepções úteis dos dados coletados.

Nessa frente, as organizações têm duas opções. Eles podem terceirizar análises para especialistas externos ou construir seus próprios recursos analíticos internos.

Depois que os insights são derivados dos dados, eles precisam ser incorporados ao fluxo de trabalho real para que tenham algum impacto.

Isso exige uma transformação dos processos de negócios, o que geralmente é um grande desafio para muitas organizações.

Para que os insights sejam transformados em um impacto significativo, eles precisam estar acessíveis ao pessoal certo. Esse pessoal também precisa ter autonomia para tomar decisões com base nos insights de dados.

As organizações legadas precisam fazer todas essas mudanças se quiserem aproveitar ao máximo o big data e a análise.

Ignorar qualquer uma das mudanças acima impede que as organizações revelem todo o potencial dos dados e análises e as torna vulneráveis ​​a interrupções.

FALTA DE MÃO DE OBRA DE ANÁLISE

Outro grande desafio que tem impedido as empresas de tirar o máximo proveito do potencial de big data e analytics é a escassez de talentos analíticos.

De acordo com uma pesquisa da McKinsey & Company, cerca de 50% dos executivos afirmam que é mais desafiador recrutar talentos para funções analíticas em comparação com o recrutamento para qualquer outra função.

Além disso, 40% dos executivos também relatam que reter talentos analíticos é um grande desafio.

A escassez de talento analítico é particularmente evidente quando se trata de cientistas de dados. Em seu relatório de 2011, a McKinsey já havia previsto que chegaria a um ponto em que a demanda por cientistas de dados ultrapassaria a oferta. Já chegamos a este ponto.

A alta demanda por cientistas de dados é evidente no fato de que os salários médios para cientistas de dados aumentaram cerca de 16% ao ano entre 2012 e 2014, de acordo com um relatório da Even.

Isso é consideravelmente alto em comparação com o aumento médio anual de 2% nos salários para todas as ocupações.

É improvável que a escassez de talentos analíticos acabe logo.

Enquanto mais escolas estão adicionando programas de ciência de dados e produzindo um número maior de graduados em ciência de dados a cada ano, a demanda por cientistas de dados está crescendo a uma taxa ainda maior.

No entanto, ainda há alguma esperança.

Avanços na IA e na tecnologia de aprendizado de máquina podem tornar possível automatizar a preparação de dados, o que representa mais de 50% do trabalho de análise de dados. Existe uma chance de que a automação da preparação de dados possa aliviar a demanda por cientistas de dados.

As organizações também precisam perceber que o simples recrutamento de talentos analíticos não permitirá a transformação analítica por si só.

Para permitir a transformação analítica, as organizações também precisam de tradutores de negócios, cuja função é atuar como uma conexão entre o talento analítico e as necessidades de negócios da organização.

O tradutor de negócios precisa ter um bom conhecimento do trabalho de ciência de dados, bem como um conhecimento funcional e especialização no setor em que a organização opera.

Isso possibilita que eles façam as perguntas certas à equipe de análise e os ajude a obter insights que podem realmente ser usados ​​para otimizar as operações de negócios.

Embora as organizações possam terceirizar os recursos analíticos, a função do tradutor de negócios precisa ser desenvolvida dentro da organização.

A ANÁLISE ESTÁ MUDANDO A NATUREZA DA COMPETIÇÃO, COM OS LÍDERES RECOLHENDO GRANDES VANTAGENS

Já, uma enorme lacuna se desenvolveu entre a empresa média e o grupo relativamente pequeno de empresas que estão liderando na frente de análise – e os líderes estão consolidando grandes vantagens, com alguns até mesmo desfrutando da dinâmica do vencedor leva tudo.

Pense em algumas empresas relativamente novas cujos modelos de negócios inteiros são centrados em dados e análises, como Airbnb, BlaBlaCar, Didi Chuxing, DJI, Flipkart, Lyft, Pinterest, Snapchat, Spotify e Uber.

A maioria dessas empresas interrompeu seus respectivos setores e detém a maior participação de mercado principalmente por causa de seus ativos de dados e análises.

É importante perceber que estamos em uma nova era.

Embora ativos como fábricas e equipamentos fossem um grande fator de competição há algumas décadas, o que mais importa hoje são ativos como dados, plataformas digitais e talento analítico.

Esses ativos estão possibilitando que novos participantes contornem as barreiras tradicionais de entrada e entrem em novos mercados com uma rapidez surpreendente.

Por exemplo, a Amazon revolucionou todo o setor de varejo por conta própria, sem ter que construir nenhuma loja.

Empresas como a Airbnb revolucionaram a indústria de hospitalidade sem ter que construir hotéis, enquanto Uber e Lyft revolucionaram a indústria de transporte sem ter que comprar nenhum veículo.

No entanto, também é bom notar que algumas dessas empresas nativas digitais começaram a colocar suas próprias barreiras de entrada para impedir a entrada de outros participantes.

Empresas com enormes plataformas digitais já estão aproveitando os efeitos de rede que dificultam a entrada de outras empresas nesses mercados.

Outros têm acesso a uma ampla gama de dados e percepções que lhes dão enormes vantagens sobre outros jogadores que possam estar interessados ​​em competir com eles.

Além disso, com seus dados e insights, essas empresas líderes têm a capacidade de entrar em novos setores com facilidade surpreendente.

Por exemplo, usando dados e ativos digitais, o Google está definido para revolucionar a indústria automotiva com seus carros autônomos, enquanto a Apple fez incursões no setor financeiro com Apple Pay e Apple Card.

Os dados se tornaram um ativo tão importante que as empresas estão dispostas a fornecer serviços gratuitos aos clientes em troca de dados, como está acontecendo com a maioria das empresas de mídia social.

O VALOR DOS DADOS DEPENDE DE COMO VOCÊ PLANEJA UTILIZÁ-LO

Vimos que os dados se tornaram um ativo corporativo importante, que está causando interrupções em vários setores.

No entanto, por si só, os dados não são muito valiosos. Seu valor decorre de como esses dados são usados.

Um dado pode ser inútil para uma empresa, mas o mesmo dado pode ajudar outra empresa a criar um novo produto ou até mesmo um novo modelo de negócios.

É importante que as organizações percebam que nem todos os dados criados são iguais.

Existem muitas categorias de dados, incluindo dados comportamentais, dados geoespaciais, dados ambientais, dados transacionais, registros públicos, dados estruturados e não estruturados e assim por diante.

Para aproveitar ao máximo os dados, as organizações precisam primeiro considerar como podem usar esses diferentes tipos de dados e, em seguida, determinar que tipo de dados tem mais potencial para eles.

Assim que descobrirem isso, eles podem criar sistemas que ajudarão a coletar esse tipo de dados.

SEIS MODELOS DISRUPTIVOS DE DADOS ESTÃO NO CENTRO DA TRANSFORMAÇÃO

Alguns mercados são mais vulneráveis a interrupções por modelos baseados em dados do que outros, com base em suas características.

Algumas das características que indicam que um mercado pode ser potencialmente perturbado incluem:

  • Setores onde a sinalização ineficiente resulta em subutilização de ativos
  • Indústrias onde há um descompasso entre oferta e demanda
  • Setores que dependem de grandes quantidades de dados personalizados
  • Indústrias onde os dados disponíveis são fragmentados ou isolados.
  • Setores onde reunir dados de várias fontes pode criar um valor enorme
  • Indústrias cujo modelo de negócio principal é centrado em P&D
  • Indústrias onde a tomada de decisões pode ser afetada por preconceitos humanos
  • Indústrias onde as restrições humanas podem limitar a velocidade da tomada de decisões
  • Indústrias que têm a ganhar muito com o aprimoramento da precisão da previsão

As características acima definem o cenário para a interrupção que é impulsionada por um dos seis modelos de negócios baseados em dados. Esses modelos incluem:

Modelos de negócios habilitados por dados ortogonais: conforme o mundo se torna mais orientado a dados, novos tipos de dados de novas fontes continuarão surgindo, e esses novos tipos de dados podem ser aplicados a todos os tipos de problemas. Os novos participantes que aplicam esses novos tipos de dados atrapalharão os operadores que se sentem confortáveis para tomar suas decisões com base em um único tipo de dados padronizados. Alguns setores que são vulneráveis a interrupções por modelos de negócios habilitados por dados ortogonais incluem seguros, saúde e gestão de talentos / capital humano.

Correspondência em hiperescala em tempo real: as plataformas digitais tornaram possível combinar a oferta e a demanda de todos os tipos de produtos e serviços em tempo real. Algumas das indústrias que são vulneráveis a interrupções por tecnologias de correspondência em hiperescala e em tempo real incluem transporte e logística, automotivo, hospitalidade e cidades inteligentes e infraestrutura.

Personalização radical: como os dados continuam sendo gerados a partir de todos os tipos de interações digitais, esses dados tornarão possível criar distinções muito sutis entre diferentes grupos de pessoas. Essas distinções podem ser usadas para microssegmentar mercados e personalizar produtos e serviços em escalas sem precedentes. Alguns setores que podem ser afetados pela personalização radical incluem educação, saúde, varejo, publicidade, mídia e viagens e lazer.

Recursos de integração de dados massivos: Hoje, já temos vários tipos de dados de várias fontes. No entanto, esses dados geralmente são fragmentados ou isolados. Felizmente, os avanços tecnológicos estão possibilitando quebrar esses silos e vincular diferentes tipos de dados de várias fontes. Essa integração de diferentes tipos de dados permitirá que as organizações obtenham ainda mais percepções de dados não relacionados, abrindo muito valor potencial. Alguns setores que podem ser interrompidos por recursos massivos de integração de dados incluem seguros, bancos e o setor público.

Descoberta baseada em dados: anteriormente, a inovação era impulsionada pela criatividade e engenhosidade humana. À medida que ganhamos acesso a mais e mais dados, no entanto, esses dados e percepções coletados dos dados serão úteis para apoiar e aprimorar a engenhosidade humana para impulsionar a inovação. Algumas indústrias que podem ser potencialmente transformadas incluem ciências de materiais, ciências da vida, produtos farmacêuticos e tecnologia.

Tomada de decisão aprimorada: A tomada de decisão humana geralmente é influenciada por fatores como nossos preconceitos e nossa incapacidade de reter e processar grandes quantidades de informações. A análise de dados e os algoritmos nos permitirão tomar decisões mais rápidas, melhores e mais precisas, eliminando os preconceitos e limitações que influenciam nossa tomada de decisão. Alguns setores que serão potencialmente transformados por essas capacidades aprimoradas de tomada de decisão incluem seguros, saúde, cidades inteligentes e gestão de talentos/capital humano.

CONCLUSÃO

Hoje, há muito entusiasmo sobre o potencial dos dados e análises.

Embora as empresas e organizações já utilizem dados e análises por um tempo, o potencial para criar valor a partir de big data é maior hoje do que há dez anos.

Qualquer organização que queira sobreviver e permanecer competitiva hoje não tem outra opção a não ser começar a aproveitar os recursos dos dados para se diferenciar, criar valor e otimizar suas operações.

Tags: ,

Deixe um comentário

O seu endereço de e-mail não será publicado.