sexta-feira, 26 de junho de 2015

Dez maneiras de tornar dados mais úteis e consumíveis

Já sobrecarregados, os departamentos de TI estão lutando para dar suporte ao novo paradigma de negócios digitais


Assim como a maioria dos fabricantes, a indústria está nadando em dados que precisam ser consumidos rapidamente. Você está lidando com preços de produtos flutuantes e sensibilidade crescente aos preços, enquanto garante que está preparado para uma auditoria de qualidade ou de recall. Esses processos criam dados que, se usados adequadamente, podem se tornar um valioso recurso comercial e competitivo. Na realidade, é mais fácil falar em aproveitar sua inteligência de negócios e suas funções analíticas do que fazer. Mas pode ser diferente e mais produtivo, veja como:

1. Democratize dados para capacitar seus usuários

Na era em que tudo acontece em tempo real, os dados que chegam vários dias (ou até horas) após a solicitação são bons? Os processos de negócios digitais de hoje estão criando mais dados do que nunca, e os funcionários estão cada vez mais orientados por dados.Já sobrecarregados, os departamentos de TI estão lutando para dar suporte a este novo paradigma, e a solução é dar acesso aos dados a mais pessoas. O usuários devem ser capazes de analisá-los, de modo independente para torná-los significativos, sem suporte adicional de TI. As interfaces visuais, junto com a capacidade de ver os dados em tabelas e gráficos e personalizar relatórios, são fundamentais para tornarem os dados, não apenas acessíveis, mas também valiosos. De acordo com a Nucleus Research, ao eliminar a necessidade de treinamento intensivo de análise e dar mais acesso aos trabalhadores a aplicativos simples, é possível obter ROI maiores em seus projetos.

2. Filtre os dados que cada usuário recebe ao configurar as permissões

Nos dias atuais recebemos mais informações do que temos tempo para processá-las. Um estudo da IBM descobriu que 82% de executivos reconheceram o valor e a efetividade de integrar Big data e análise em seus negócios, no entanto, somente 24% deles acreditam que suas organizações possam lidar com o trabalho. Ao filtrar os dados por responsabilidade ou função, é mais provável que os funcionários selecionem somente os dados que realmente precisam para a realização dos trabalhos.

3. Implemente fluxos de trabalho com base em seus processos de negócio

Conectar sua inteligência de negócios e análises de dados aos processos de negócios permite uma tomada de decisão rápida e proativa, além da padronização de processos. Assim evitamos erros custosos e criar trilhas de auditoria, aumentando ao mesmo tempo, a produtividade.

4. Coloque à disposição alertas automaticamente baseados em eventos ou critérios pré-definidos

Os melhores dados são os úteis, e para transforma-los é preciso enviá-los diretamente aos usuários. Não os obrigue a procurar. Ofereça a informação, onde quer que eles estejam. Ao gerar alertas com base em eventos e critérios predefinidos, como quando o fornecimento de um ingrediente está acabando ou um equipamento está programado para manutenção, é possível obter dados relevantes para as pessoas que precisam, com o máximo de antecedência, e ainda evitar problemas.

5. Incorpore tecnologias sociais

Demorou um tempo, mas as empresas finalmente estão começando a aceitar as tecnologias sociais e reconhecer a função importante que podem ter para tornar as informações mais valiosas.

A inteligência de negócios e as ferramentas analíticas estão particularmente adaptadas aos conceitos que agora migraram do mundo do consumidor.

- A capacidade de “curtir” ou “seguir” pessoas, tópicos, ou até equipamentos: essas capacidades promovem o trabalho em equipe e a colaboração para garantir que a informação seja enviada de forma rápida e automática àqueles que precisam.

- Os recursos de bate-papo oferecem uma maneira de capturar o conhecimento sobre a empresa e evitar com que as informações fiquem escondidas em caixas de entrada de e-mail e discos rígidos, locais onde a Harvard Business Review observou que, normalmente o conhecimento institucional fica perdido.

- Recursos de busca empresarial: a busca permite com que os usuários encontrem rapidamente o que precisam e evitem se perder em um mundo de dados irrelevantes. Ao capturar esta informação e torná-la disponível para busca, você facilitará o conhecimento institucional a acessar, compartilhar e salvar.

6. Ofereça acesso móvel às informações

De acordo com Mary Meeker, da Kleiner Perkins, hoje, 25% de todo o uso da internet são para contas móveis. E esse número só tende a crescer. Seus funcionários não estão presos às mesas, estão no chão de fábrica, no depósito, em ligações de vendas. Eles precisam estar conectados. Manipular dados e criar relatórios em um dispositivo móvel pode ser o que os funcionários precisam, mas a maioria ficará satisfeita simplesmente por ter acesso no início. Um método em fases, dará a você, tempo para implantar as políticas de segurança corretas e testar os ambientes.

7. Escolha as soluções que ofereçam opções de implementação flexível, incluindo hospedagem em nuvem

A nuvem ajuda a reduzir os gastos de capital, a acelerar o acesso aos dados e simplificar a integração de solução; uma mudança para a nuvem também reduz o tempo gasto ao reagir às interrupções do serviço. Além de reduzir o custo total de propriedade e melhorar a segurança de dados.

8. Selecione as ferramentas que se integram facilmente com os sistemas na empresa, independentemente do fornecedor

Há possibilidade de obter uma mistura de aplicativos internos, soluções prontas para uso e software empresarial personalizado, de modo moderado ou intenso. Integrar todos esses sistemas é problemático, você precisa de inteligência de negócios e sistemas analíticos que podem se integrar facilmente com seus sistemas de produção, sistemas de RH, sistemas de relacionamento com o cliente, entre outros, sem forçar a substituição ou personalizar os conectores de código. Esses sistemas devem se comunicar perfeitamente entre eles, para que você tenha uma fonte confiável de dados, que seja acessível a partir de qualquer lugar.

9. Dê aos usuários o acesso para pré-criar análises e dados

Para as ferramentas analíticas atenderem às necessidades de sua empresa química, elas precisam trabalhar como o seu negócio trabalha. Escolha soluções que são desenvolvidas a partir de uma função específica em sua empresa (como finanças ou vendas) e que ofereçam modelos específicos ao segmento e relatórios previamente criados com base nos processos típicos de mercado e KPIs. Seus usuários terão ferramentas que falam seu idioma, já que trabalham com processos específicos para a indústria química, que podem ajudar a aumentar sua produtividade e seu compromisso.

10. Ofereça uma visão em tempo real de seu negócio

Acompanhar as demandas do cliente e, ao mesmo tempo, garantir a segurança e a conformidade com as autorizações regulatórias precisa de uma visão em tempo real de todos os seus processos de negócios.

O equipamento que está na sua fábrica está funcionando de acordo com a especificação? Seus custos de energia estão flutuando tanto que você talvez precise repensar onde mantém suas fábricas de produção?

A tecnologia facilitou a classificação de Big data em conjuntos menores, mais úteis que, em troca, permitem dividir os silos comerciais e aumentar a visibilidade. Como resultado, você tem uma oportunidade maior que antes para criar uma visão abrangente de 360º, em tempo real de interação entre seus sistemas de cadeia de fornecimento, compra e transação. É possível encontrar um problema, isolá-lo, analisá-lo e descobrir a causa e identificar uma solução, antes que crie um gargalo.

terça-feira, 23 de junho de 2015

Dados não precisam ser grandes para serem efetivos

Empresas acumularam, durante anos, dados sobre quase todas as áreas do seu negócio, principalmente em bases que atuaram como repositórios para aplicações.


Na medida em que as empresas se tornam mais enxutas, geralmente a partir de inevitáveis projetos de redução de custos e transformações, elas precisam mudar a maneira de operar e gerir os custos que vem pela frente. Reduzir pessoal pode trazer resultados rápidos para o balanço final e confiança aos acionistas, mas raramente traz melhorias reais de produtividade a curto prazo, e quase sempre desmotiva os efetivos que são designados para carregar a “carga extra”.

A introdução de um novo software ou ferramentas destinadas a melhorar a produtividade são quase sempre associadas a mudanças e problemas de gerenciamento dessas questões, e essas questões frequentemente encontram seu caminho no terreno da gestão de clientes. Em tempos em que a experiência do cliente é fundamental, e onde os relatórios de mídia social podem falhar, as empresas têm de andar numa corda bamba constante tentando manter todas as influências positivas e negativas em equilíbrio.

Nos últimos anos, o big data foi anunciado como a resposta para muitos problemas. As empresas acumularam, durante anos, dados sobre quase todas as áreas do seu negócio, principalmente em base de dados que atuaram como repositórios para aplicações.
Dados diversos, anteriormente vistos como alheios - operacional versus dados financeiros, por exemplo - estão agora sendo fundidos, mastigados e moldados para produzir uma nova gama de comparações e conclusões que são supostamente para ajudar a administração gerir melhor. Claro, isso pressupõe que você tenha na mão um staff que possa gerenciar todos essas informações e que tenham o know-how para fazer tudo isso ter sentido, muitas vezes com base em um conjunto definido de forma vaga dos requisitos dos usuários.
Porém, mais e mais empresas estão descobrindo que estão sentadas em um tesouro de dados facilmente acessíveis, que já estão sendo processados por aplicações e só precisam de pequenos ajustes para dar-lhes exatamente o que eles precisam. Um bom exemplo disso, e que está próximo a mim, é o uso de dados coletados para garantia de receita e gestão de fraude e riscos, reforçados e apresentados de uma forma diferente, para obter uma melhor visão dos clientes, produtos, serviços e sua real situação financeira.


Estamos vendo dados usados anteriormente para uma única finalidade sendo reapresentados para oferecer insights como rentabilidade em um cliente ou nível de produto, posição do cliente (em termos de propensão de deixá-lo) e até mesmo o impacto dos meios de comunicação social sobre o seu negócio, impulsionado pela atividade do cliente em sites como Twitter, Facebook, etc.
Nós não estamos falando aqui de traçar o perfil do cliente para poder oferecer-lhes coisas que acho que vão comprar (uma justificativa comum para grandes gastos em big data), mas algo muito mais básico do que isso: eles são bons clientes? Vale a pena mantê-los? O mesmo vale para produtos e serviços oferecidos.

Determinar o verdadeiro custo de qualquer destes, em comparação com as receitas que eles geram, é a premissa básica para o cálculo de margem e é algo que poucas empresas são capazes de fazer com facilidade e precisão. Essas informações devem estar disponíveis antes de qualquer exercício de corte de custos. Não é mais aceitável esperar até que auditores externos completem suas tarefas trimestrais, semestrais ou anuais para determinar a rentabilidade e ser capaz de obter avaliações precisas. Qualquer momento agora é fundamental para um bom negócio.

A auditoria automatizada é o cerne do que está sendo chamado de Enterprise Business Assurance (EBA), e operadoras inteligentes são capazes de realizá-lo através de ferramentas e dados que já estão à sua disposição, sem a necessidade de soluções caras de big data.


Não importa o tipo de negócio que você executa, você provavelmente já tem todos os componentes necessários na mão. Com alguma orientação de terceiros, aproveitando o que eles têm, você também pode determinar os custos, margens e rentabilidade rapidamente, garantindo que qualquer exercício de corte de custos seja eficaz e de valor.

Fonte: http://beta.computerworld.com.br/dados-nao-precisam-ser-grandes-para-serem-efetivos

segunda-feira, 22 de junho de 2015

Como instituições financeiras têm usado big data para atingir suas metas

Empresas devem abraçar o conceito como um recurso fundamental dentro de suas estratégias para se manterem competitivas.


A maioria das empresas de finanças já se engajou, de alguma forma, em iniciativas de big data. O conceito é uma arma de bancos e seguradoras para aumentar o ritmo de inovação e amplificar seus resultados. O desafio urgente agora é como gera mais valor de maneira contínua e descobrir oportunidades ainda ocultas.

Não importa muito em que pé sua empresa se encontra na adoção de estratégias orientadas a grandes volumes de informações. As abordagens em três fases listadas abaixo podem ajudá-lo a atingir relativo sucesso nessas empreitadas.

Passo um: Os objetivos e resultados de negócio devem direcionar, de maneira constante e transformacional, os projetos de análise de dados. É preciso definir metas junto às áreas de negócio para explorar recursos, ferramentas e abordagens de forma que tragam benefícios mútuos para a organização. 

Ao desenvolver um objetivo comum, as empresas de serviços financeiros conseguem alinhar metas aos resultados de maneira mais tangível e, por exemplo, conquistar taxas interessantes de redução de fraudes e oferecendo serviços mais personalizados para seus correntistas em tempo real.

Uma vez que os objetivos de negócio são determinados e priorizados, a empresa pode decidir qual a melhor tecnologia a ser endereçada a demandas e quais aspectos da infraestrutura necessitam de modernização para entregar inteligência baseada em dados e, assim, alcançar as metas. É importante para as áreas de negócio decidirem como atividades de análise serão rastreadas para ter certeza de que o projeto segue rumo ao sucesso.

Passo dois: Compreender o ambiente e impulsionar a inovação com base na forma como os resultados foram traçados. As empresas devem perseguir oportunidades para acelerar as formas como acessam e entregam informações para encontrar o melhor valor a partir dos dados. Por exemplo, serviços analíticos em ambientes em nuvem podem encurtar ciclos de adoção tecnológica e encurtar ciclos de planejamento.

Estes ambientes não só podem ser usados para descobrir ideias ocultas mais rapidamente, mas também servem para, por exemplo, ajudar a compreender com mais profundamente como a própria tecnologia pode ajudar a otimizar tarefas importantes da operação. Ao levar a cabo esta abordagem, uma organização pode determinar, de forma ágil e inovadora, como seus dados e tecnologias não tradicionais podem se unir para transformar um organismo digital feroz a partir de adequação de abordagem ferramental e/ou processual.

Ao analisar e descobrir insights de novos tipos de dados e fontes, as empresas podem descobrir que têm uma lacuna em sua infraestrutura tecnológica, o que lhes permite gerir os novos dados para atingir objetivos específicos de negócios.

Como solução, as companhias devem tentar construir um ambiente de tecnologia híbrida - isto pode ser criado pela adição de ferramentas emergentes, como Hadoop, para uma infraestrutura já estabelecida. Como resultado, os dados podem ser rapidamente mobilizados e analisados de forma eficaz para perseguir o resultado do negócio.

A exploração de dados não deve ter/ser um fim em si. Simultaneamente, a cultura de dados, é preciso criar e executar uma agenda de mudanças e evoluções das iniciativas, além da busca pelos resultados financeiros, que testem e rodem processos e tecnicas para encontrar padrões que não são claramente evidentes aos seus desempenhos.

Tradicionalmente, companhias que atuam na indústria serviços financeiros só usavam dados transacionais, como registros de pagamentos e de depósitos. Hoje, contudo, já é possível analisar dados transacionais juntamente com os dados de interação, call center e até mesmo oriundos de mídias sociais.

Por exemplo, bancos e seguradoras identificaram comportamentos fraudulentos aplicando algumas dessas técnicas. Uma companhia percebeu que pessoas que inserem informações muito rapidamente nos campos de formulários online indica um comportamento mais propenso à fraude.

Terceiro passo: Mobilizar os dados para perceber o verdadeiro valor escondido neles. As empresas de serviços financeiros devem olhar para esses ativos como se fossem uma cadeia de abastecimento, permitindo que ele flua facilmente através de toda a organização - e, eventualmente, em todo ecossistema de parceiros.

Para construir uma cadeia de fornecimento de dados, devem começar por seguir dois passos importantes: utilizar uma plataforma de serviços de dados que faz com que todos os registros sejam acessíveis para quem e quando forem necessários e integrar fluxos de diversas fontes.

Com as novas fontes externas se tornando disponíveis e passíveis de trazerem novas oportunidades de conhecimento somando-se às novas ferramentas de big data, uma fundação pode ser estabelecida para criar uma relação que permeie diversas organizações e níveis organizacionais, permitindo novos insights para extrair vantagens competitivas.

Através de análise de grandes volumes de dados, bancos e companhias de seguros podem oferecer aos clientes uma experiência mais rica. Para atingir esta meta, as empresas exploraram microssegmentação de dados de clientes obtidos a partir de todos os pontos de contato da transação - móveis, call centers, etc. Esses registros são analisados para que clientes com necessidades semelhantes possam ser apresentados com ofertas relevantes e oportunas sobre seus canais preferenciais.

Outro exemplo: um banco consegue criar uma sobreposição de dados relativos ao sentimento dos clientes em cima de dados obtidos nas centrais de relacionamento e, dessa forma, conseguem compreender se eles estão contentes com os serviços recebidos, cobrando taxas corretas, entre outras possibilidades. Se as percepções descobertas mostram sentimentos negativos, a instituição consegue corrigir erros e melhorar experiências em tempo real.

Big data e analytics podem fornecer conhecimentos necessários para atingir objetivos de negócio atuais, ampliando a fidelidade dos clientes, melhorando as operações de negócio ou descobrindo novas oportunidades que não sabia que existiam. Empresas devem abraçar o conceito como um recurso fundamental de suas estratégias para se manterem competitivas.

sexta-feira, 19 de junho de 2015

Big Data e Internet das Coisas serão motores de uma nova economia

A combinação de Big Data e Internet das Coisas deverá gerar o surgimento de uma nova economia baseada na personalização de produtos e serviços, influenciando inclusive o desenvolvimento de produtos customizados que saem das lojas conectados o tempo todo.

A previsão é de Edouard Hieaux, country manager para o Brasil da AT Internet, empresa global de Digital Analytics. Segundo Hieaux, a capacidade de analisar os dados gerados pelos consumidores será fator de diferencial competitivo entre concorrentes, ganhando aquele que tiver mais recursos de analytics. Confira abaixo os destaques da entrevista de Hieaux.

Analytics e futuro corporativo

"No mundo dos negócios neste início de século XXI, extrair inteligência dos números se tornou fator crítico de sucesso. Embora para alguns setores a análise de dados seja uma necessidade já há algum tempo, a novidade é que, com o avanço da tecnologia e o aumento da concorrência, esta competência agora é determinante no mercado em geral. E com um nível de exigência cada dia mais elevado, com ferramentas e métodos de mensuração extremamente sofisticados."

"Muitos se perguntam “para onde os dados vão nos levar?”. É uma questão pertinente porque as respostas indicam caminhos que vão definir a estratégia das empresas daqui para frente. Um dos reflexos diretos da importância estratégica dos dados nos negócios é que setores inteiros da economia estão sendo radicalmente transformados por eles. E esse movimento deve se acentuar com a convergência entre Big Data e Internet das Coisas."

Intersecção das tecnologias

"O impacto para as empresas é grande. A Internet das Coisas é assim chamada por conectar à rede objetos e máquinas diversos, como eletrodomésticos, vestuário, meios de transporte, sistemas de empresas, relógios e eletroeletrônicos, além de computadores e smartphones. Integrados a sistemas operacionais, eles funcionam como extensão dos smartphones e facilitam acesso a aplicativos e email."

"Além disso, podem coletar informações sobre trânsito e localização, previsão do tempo, atender a chamadas telefônicas sem que se tire o celular do bolso e monitorar batimentos cardíacos. Assim, em breve não haverá mais barreiras entre os mundos físico e digital. Conectados por meio de dispositivos que se comunicam entre si, eles se tornarão um só. Os veículos modernos, aliás, hoje já são uma espécie de data centers móveis, tamanha a sofisticação dos softwares embarcados. "

Como lidar com tantos dados

"Se não houver inteligência no processo de análise, não servirão para nada. É aí que entra o Big Data. Decupar essa imensa quantidade de informações que circula entre equipamentos e pessoas e apenas entre as máquinas é o ouro do século XXI."

"Nesse cenário, o principal desafio será a escolha e o gerenciamento dos diferentes métodos de análises de dados. O ponto de partida para lidar com esse universo infindável é definir os objetivos da estratégia digital da companhia. O gestor deve avaliar qual o diferencial de sua marca e o posicionamento buscado - e onde quer chegar."

"Outro ponto importante é internalizar a inteligência e a estratégia. De nada adianta imaginar que um software de analytics resolverá todos os problemas. Ele é como um foguete: sobe, mas precisa de bons pilotos para levar ao destino correto."

Personalização inimaginável

"Embora o mercado ainda esteja no início desse processo, de uma coisa não há dúvidas: as marcas que se prepararem melhor para obter inteligência a partir das informações geradas pelos consumidores nesse novo ambiente, onde há internet em tudo, inclusive no corpo, estarão na dianteira dessa nova era. Estas serão as empresas do futuro."

Fonte: http://computerworld.com.br/big-data-e-internet-das-coisas-serao-motores-de-uma-nova-economia

quinta-feira, 18 de junho de 2015

Porquê o BI deve vir antes do big data

Nas últimas semanas tenho lido muitas reportagens e artigos que mostram como grandes empresas estão se estruturando para atender suas necessidades de inteligência de dados. Apesar de serem assuntos em voga, BI e Big Data são diferentes, mas complementares.

É fato que desde 2011 Big Data ganhou destaque nas discussões em publicidade digital. Por outro lado, ter uma área de BI dentro de cada empresa hoje é obrigatório e importante, pois a necessidade de utilizar com inteligência suas bases de dados para a tomada de decisões é premente. Atualmente o BI já atingiu certa maturidade, tem modelos definidos e pode ser utilizado com uma variedade de plataformas, mas prescinde da melhor e mais robusta ferramenta existente no mundo: o cérebro humano.

Portanto, BI é diferente de Big Data.

Big Data lida com um volume gigantesco de dados, estruturados ou não, e em alguns casos manipulados somente por mainframes (computadores de grande porte), suportado por ferramentas robustas e caras, sem falar na equipe que opera pesado toda essa plataforma. Big Data busca encontrar correlações entre os dados analisados sem se preocupar com o significado destas correlações. Aí é que entra a complementariedade com BI: olhar para estas correlações, muitas vezes novas e estranhas, para tirar aprendizados e insights para aplicar nas suas estratégias é uma tarefa da área de BI.

Segmentos como de Bancos, Telefonia, Companhias Aéreas, Petroquímicas, Pesquisadores, Sistema Meteorológicos e o próprio Google praticam e necessitam de Big Data. Estas companhias se utilizam destas bases gigantescas, associadas a uma variedade de ferramentas para criar e estudar modelos altamente precisos e complexos de “prever o futuro”.

Ok, partindo do pressuposto que todos entendem a diferença e complementariedade entre Big Data e BI e que a maioria das empresas e agências já sabe que, neste mundo da mesurarão qualificada, mais que ter dados o importante é saber o que fazer com eles, a pergunta é: como fazer?

Hoje, para utilizar inteligência de dados, não necessariamente precisamos montar uma área de Big Data - pelo menos não ainda. Pode ser bonito dizer e anunciar que “temos nossa área de Big Data, vamos minerar toda nossa base de dados para tomarmos as melhores decisões“. Mas se você ainda não tem o BI estruturado de forma consistente e madura, montar uma área de Big Data é praticamente impossível. Por este motivo recomendo que escolha pessoas e parceiros que sejam realmente qualificados para este trabalho e saibam orientar os investimentos, guiando corretamente cronogramas de implementação para estas estruturas de inteligência de Dados.

Como falei no início deste artigo, utilizar-se de BI é obrigatório. Já Big Data depende do volume de dados que se quer manipular e o momento em que sua empresa esta neste processo.

Recomendo critério e planejamento para evitar desperdícios e frustrações neste processo. Se pudesse dar um conselho, diria que o maior desafio que precisamos vencer hoje é conseguirmos inserir BI como elemento estratégico nas decisões, hoje muito centradas no planejamento, criação e mídia. Já vejo algumas empresas entendendo este movimento e agências mudando suas formas de planejar campanhas e ações no meio digital, mas ainda é um trabalho que tomará um tempo razoável. Será que estou errado? O tempo dirá..