Daniel Cassiano Head of luizalabs

Transcrição

1 Daniel Cassiano Head of luizalabs

2 Daniel Cassiano

3

4

5 Receita bruta 2017 Participação e-commerce vs 24% em 2016 Milhões de clientes ativos Milhões de cartões Luiza Lojas (2017) Visitantes únicos nos canais digitais Foco em

6 25 pessoas 330 pessoas pessoas 2 pessoas P&D Missão: trazer tecnologia e inovação para o Magazine Luiza 2016 Ecommerce Missão: levar desenvolvimento e agilidade para a área digital do Magazine Luiza Lojas Missão: Digitalizar os pontos físicos e backoffice da empresa, transformando o Magalu em uma plataforma digital pessoas Tecnologia Missão: escalar a inovação e metodologias ágeis para todas as áreas da empresa

7

8

9

10 Democratizar a Ciência e os Dados na empresa Resolver problemas de negócio com inteligência e dados Ser os owners, prover dados analíticos e ferramentas Prover plataformas/frameworks para ML (+50% da receita online é nossa responsabilidade)

11

12

13 Simples é melhor do que complexo Acessível é melhor do que lindo tecnicamente Acurácia é tudo Documentação e didática fazem diferença Governança gera confiança

14 Vários formatos disponíveis, com samples e conexões Ferramentas exploratórias e dashboards Confiança nos dados: single source of truth Habilitar e não burocratizar D-1 é melhor do que zero Para todos os sabores

15

16

17

18 Data Analyst Machine Learning Engineer Data Scientist Desenvolvedor Data Engineer Database Specialist

19

20

21

22 Data Analyst faz uma análise exploratória inicial a. Verificamos se aqui já não atende a área de negócio Se tem potencial, envolvemos um Data Scientist Fazemos um estudo de viabilidade a. Tem dados? i. Estão acessíveis? b. Qual o potencial de impacto no negócio? c. Estimativa de roadmap e documento do projeto Data Scientist constrói o modelo a. Delivery final de um Jupyter notebook com "o algoritmo" ML Engineer coloca em produção Aplicação que receberá a inteligência se integra com plataforma de ML

23

24 Atração de talentos: pessoas certas para os desafios Estruturação de dados e plataformas para DS Estratégia bem definida de democratização Proximidade com negócio Foco Um pouco de hacking :)

25

26

27

28 data engineering front-ends - tracking - apps, lojas e webs - data layer recomendações - extração de comportamentos - algoritmos/ml catálogo - enriquecimento e estruturação - extração de features busca - relevância para busca textual - relevância para listagens (categoria, subs, landings) - sugestões de compras crm - unificação acessos - clusterização & estruturação - processamento histórico checko ut - envio de sinais

29

30

31

32 O projeto: Precificar dinamicamente os preços dos produtos Pessoas focadas em estratégia, e não em tarefas operacionais Key results: 95% dos produtos do e-commerce precificados por algoritmos + margem + lucro líquido Agilidade na pilotagem

33 O projeto: Forecasting de vendas Distribuição dos produtos nos CDs Processo de compra automatizado Key results: Redução da ruptura em 40% em 2018 Processo 100% pilotado por máquinas

34 O projeto: Alocação de mídia online dinamicamente por algoritmos Manipular sazonalidade de forma automatizada e otimização de investimento Key results: Otimização em 30% da alocação dos recursos Sem agência (redução do custo mensal) Integração com nosso ecossistema

35 O projeto: Definir o sortimento ideal das lojas físicas Otimizar vendas do pontos, estoque saudável, melhorar margem Key results: Produtos que não eram vendidos em determinados locais, vendendo muito bem Crescimento de vendas nos pontos com estoque + saudável

36 Perguntas?