Por Gabriel Lobitsky, diretor de vendas da Infor para o Brasil e Sul da América Latina
Ao gerar insights, a ciência de dados é capaz de traçar estratégias, otimizar ações em setores com operações críticas como varejo, supply chain e logística
A análise de dados vai além do big data e sua crescente adoção. Recentemente, uma pesquisa da Forrester Research mostrou que, em média, 40% dos líderes de análise de dados globais afirmam que já estão implementando ou expandindo o uso da tecnologia de big data, e 30% dos que ainda não adotaram planejam fazer até o próximo ano. Não há dúvidas sobre a capacidade da ciência de dados em transformar indústrias e modelos de negócios tradicionais. No entanto, a adoção massiva fomenta a discussão sobre a transformação de dados em insights e da sua evolução, o machine learning, capaz de ‘prever problemas futuros’ ao usar algoritmos e análise de padrões de dados para identificar e indicar soluções efetivas para problemas de negócios.
Ao usar algoritmos e uma linguagem matemática, a ciência de dados pode criar soluções transformadoras para as empresas. Com uso de análises preditivas, o big data e o machine learning permitem traçar estratégias, otimizar ações, interagir com os clientes e, claro, impulsionar vendas. Mas isso só é possível porque a nuvem ampliou o poder computacional sob demanda, facilitando a armazenagem e análise de dados. Hoje, modelos preditivos são capazes de entender o lado crítico de cada operação por meio do software.
Veja como as tecnologias podem gerar insights e transformar algumas operações:
- Supply Chain: complexo para muitas empresas, o bom funcionamento das operações é essencial para minimizar custos com atrasos e falta de produtos no estoque. Os cientistas de dados estão fazendo uso total do poder computacional para modelar os cronogramas e antecipar informações sobre acontecimentos que podem impactar negativamente as operações, como a combinação de machine learning e big data. Juntas, as tecnologias dão melhor visibilidade e compreensão para as empresas identificarem os atrasos normais e os que são resultados de imprevistos, como desastres naturais, greves, etc.
- Logística: a ciência de dados está permitindo que a próxima geração de software empresarial, resultado de soluções preditivas, fale ao usuário a quantidade de inventários necessários para atender demandas futuras; que informe como precificar os itens para garantir a lucratividade em longo prazo; e aponte os portos com melhores capacidades para embarques, com o intuito de minimizar o impacto dos atrasos.
- Varejo: normalmente, aplicações inteligentes de CRM atuam de forma preditiva no setor, e mostram potenciais compradores e produtos mais buscados. As tecnologias complementares, como sensores e RFID, dão às lojas uma visibilidade mais ampla do estoque para saber localização e movimentação de um produto, por exemplo. Se associada a interpretação dos dados, as tecnologias permitirão uma verdadeira transformação digital nas lojas físicas, que poderão não apenas compreender a jornada do consumidor, mas ofertar produtos e itens específicos. No setor de vestuário, por exemplo, os dados capturados por sensores podem ampliar a oferta de produtos que se ajustem ao gosto e tamanho do cliente. E, esse mesmo tipo de solução pode apoiar a gestão da armazenagem e do estoque no varejo, por disponibilizar informações sobre níveis de inventário, eliminando a necessidade de uma contagem manual e demorada, com mais incidência a erros.
A ciência de dados precisa ser compreendida como um componente fundamental para a transformação digital, pois é a única forma de criar soluções que, de fato, impactam na tomadas de decisões. Os algoritmos empregados ao software não devem ser como uma caixa preta fechada, que não mostra aos usuários o que está acontecendo por dentro, e por outro lado, não precisa bombardear o usuário com informações desconexas. É preciso um meio termo para que a ciência se torne acessível e compreensível para todos, principalmente para os usuários das empresas com operações críticas, como varejo, logística e supply chain, em que a palavra otimização é um imperativo.
PT 
EN 
