BIG DATA: Uma Perspectiva Gerencial. Elaine Tavares

Transcrição

1 BIG DATA: Uma Perspectiva Gerencial Elaine Tavares

2 Managing with Analytics at P&G Thomas H. Davenport Marco Iansiti Alain Serels

3 Caso P&G Sucesso muito além do previsto no lançamento de um sabão em pó concentrado. 8 anos de preparação de sistemas e processos, para se ter informação atualizada e capacidade analítica para tomada de decisão.

4 Reestruturação da P&G Global Business Units (GBUs) Globalmente centralizada Estratégia Marcas Manufatura Inovação Market Development Organizations (MDOs) Presença local Entender preferência de consumidores e varejistas locais. Customizar marcas globais para mercados locais.

5 Reestruturação da P&G Funções Corporativas Assessoria jurídica Comunicação Governança Global Business Services (GBSs) Backoffice Ex.: Contabilidade, Contas a pagar, RH e TI Escala, padronização de serviços e compartilhamento de melhores práticas.

6 GBS TI interna para apoio a decisão IDS Information and Decision Solution Desenvolveu capacidade técnica e humana para analytics na cadeia de suprimentos, em marketing e vendas. Integração de sistemas ao longo de uma década. Presidente da BGS: Passerini Estatística e pesquisa operacional

7 Analytics TI apóia tomada de decisão por repositório central de dados e software de apoio IDS deve ajudar os gestores fazendo as análises e tornando os dados acessíveis Em uma década: pessoas, sistemas e dados para mudar a tomada de decisão.

8 2009 Valorização do Analytics Bob MacDonald novo presidente Capacidades analíticas da IDS precisavam ser usadas para decisões melhores e em tempo real. Carta para os acionistas: Desenvolvendo capacidade para operar sob demanda, em tempo real e orientada para o futuro.

9 Valorização do Analytics Mover BI para o centro do negócio Analytics é uma nova forma de conquistar mercado. Vantagem competitiva baseada não só em dados, mas em ferramentas, talento e cultura.

10 Vantagens de centralizar análise Padrões e controle de qualidade dos dados. Melhor comparação das linhas de produto e regiões. "Uma única verdade" para toda empresa. Automação de relatórios, que podiam ser facilmente entendidos por qualquer um.

11 Decision Cockpit Dashboard baseado na web que tinha os dados e notícias principais para cada funcionário. 2011: pessoas Customizável e com alertas para eventos fora de padrão.

12 Decision Cockpit Objetivos: Acelerar decisão em tempo real. Mudar o foco da decisão de o quê para por quê e como. Possibilidade de aprofundar na informação para ver não só o que estava acontecendo, mas a causa. Ajudava a entender as opções sobre como reagir.

13 Decision Cockpit Ex.: Queda nas vendas do Gillette Fusion na Austrália O que automático Por que: vendas por varejista, cidade, remessas, preços, promoções, ações de competidores, se todo mercado caiu ou foi só a P&G Entendendo o problema, pode reagir mais rapidamente.

14 Decision Cockpit IDS trabalhava com as unidades de negócio, fornecedores, clientes e empresas como a Nielsen para obter dados. Análise de sentimento em redes sociais em tempo real.

15 Business Sphere Uma sala de reunião voltada para a tomada de decisão. Dados, imagem, voz e videoconferência

16 Previsões Modelos desenvolvidos por 2 anos Previsões para 12 meses produtos, considerando tamanho do mercado, fatia do mercado e vendas Contemplava probabilidade dos eventos acontecerem Business Sufficiency Models Acompanhar metas e objetivos

17 Analistas nas unidades 300 analistas da IDS nas unidades de negócio e funcionais Auxiliavam o uso da Business Sphere e dos Business Sufficiency Models. Apesar do analytics ser centralizado, era importante ter gente trabalhando juntos aos líderes de negócio.

18 Nova cultura Todo gestor era orientado por analytics IDS deu coaching sobre como usar as ferramentas para o gestores Preview culture -> transparência (todos veriam ao mesmo tempo) Orientado para não perder tempo na tomada de decisão

19 Nova estrutura Transparência reduziu hierarquia de 7 para 5 níveis e reduziu 15% das gerências seniores.

20 O Mercado de sabão norte americano Pressão dos varejistas para se produzir sabão em pó concentrado. Espaço em gôndola e logística Ambientalmente correto 2010: substituir todas as marcas por produto concentrado, ajustando o preço para manter custo para o consumidor. Requer ajuste total das plantas

21 O Mercado de sabão norte americano Riscos Consumidor cético passar a comprar da concorrência Consumidor preferir o concentrado Mercado teste Boa aceitação Aumento das vendas modesto: 3%

22 O Mercado de sabão norte americano Projeto em fases No target e outros varejistas selecionados (02/11) Grandes varejistas (06/11) Outros varejistas e distribuidores (08/11) Primeiras semanas: dificuldade para coletar dados Estoque de sabão antigo Concorrentes lançando embalagens compactas, sem ser sabão concentrado

23 O Mercado de sabão norte americano Dois meses depois Aumento imprevisto das vendas Marcas P&G 12% Maior market share Mercado em geral não cresceu Previsões Ainda iria melhorar um pouco na fase 1 Nas fases 2 e 3 não haveria mudança Modelos estatísticos não lidam com mudanças disruptivas.

24 O Mercado de sabão norte americano Ajustar o modelo? Como? As melhorias eram sustentáveis ou temporárias? Previsões otimistas chamaria atenção nos decisions cockpits e gerariam expectativas altas e mudanças. Se errar para mais: mais matéria prima, trabalhadores e estoques. Se errar para menos, não atende ao mercado e prejudica relação com clientes e consumidores. Chamaria atenção até dos outros países.

25 O que você faria?

26 Tomada de Decisão 1 em 3 Gestores tomam decisão com base em informações que não confiam ou não têm 56% 60% Se sentem sobrecarregados com a quantidade de dados que gerenciam Acreditam que precisam melhor capturar e entender informações, rapidamente 83% Apontam que BI & Analytics fazem parte de seus planos para aumentar competitividade

27 Sobrecarga As organizações estão nadando num mar de dados crescente Volumoso e não estruturado Analisado de forma tradicional Exemplo: Dados de navegação na web Conteúdos de mídias sociais Imagens e vídeos Dados de voz (call center) Dados captados por dispositivos móveis Dados captados por sensores e etiquetas RFID

28 KPMG 85% de 144 CFOs e CIOs disseram não ter como analisar os dados que já têm coletados. 54% disse que a principal barreira é identificar o valor de coletar os dados. A maioria das organizações não consegue entender perfeitamente como dados e análises podem transformar seus negócios.

29 O Que é Big Data? As organizações que aprendem a ter vantagens com Big Data usam informação em tempo real para entenderem seus ambientes num nível granular, para criarem novos produtos e serviços e para responder as mudanças de padrão que ocorrem.

30 Objetivos Imediatos Maior produtividade Novas oportunidades comerciais Custo / benefício de se tratar dados

31 Pensando Diferente Organizações que mais se beneficiam do big data se distanciam das análises tradicionais: São atentas ao fluxo de dados, e não ao estoque; Usam data scientists e desenvolvedores de produtos e processos; e Mudaram a função de análise da TI para o core business e as funções de operações e produção.

32 Fluxo, ao invés de Estoque Há vários tipos de aplicações de Big Data: O que suporta processos de contato pessoal com clientes, (ex. identificação de fraudes em tempo real); O que envolve o monitoramento contínuo de processo (ex.: manutenção numa aeronave); O que explora as relações de rede (ex.: amigos sugeridos no Facebook). Em todos estes casos, os dados são fluxos contínuos.

33 Fluxo, ao invés de Estoque Mudança substancial do passado, quando os analistas utilizavam fontes fixas de dados. Evita decisão obsoleta. No monitoramento em tempo real, é necessário um processo contínuo de análise e decisão. Analisar, decidir e agir rapidamente e frequentemente. Entender quem toma decisão, o processo decisório e os critérios utilizados.

34 Data Scients Conhecimento vasto e competência de TI. As competências são diversas: programação, habilidades matemáticas e estatísticas, conhecimento do negócio, capacidade de se comunicar com o tomador de decisão. Precisaram estar perto dos produtos e processos, o que significa nova posição na estrutura organizacional.

35 Movendo a Análise da TI para o Negócio Será necessário treinar e recrutar pessoas com novas habilidades, que consigam integrar estas capacidades nos seus ambientes.

36 Mudança de Paradigma O Big Data não envolve só mudança de tecnologia, envolve adaptação de processos e treinamentos relacionados à mudança de gestão e análise de dados.

37 Dificuldades As organizações lutam para identificar onde e como começar suas jornadas de Big Data. Há oportunidades para ajudar as organizações a: analisar os dados "obscuros" que elas já têm, mas que atualmente estão enterrados em seus sistemas; e identificar e priorizar outras fontes de dados internas e externas.

38 Mudança Cultural Adotar uma tomada de decisões baseada em evidências é uma difícil mudança cultural: processos de trabalho devem ser redefinidos; os dados devem ser limpos; e devem ser estabelecidas regras de negócios para orientar as pessoas no seu trabalho.

39 Sucesso da P&G Desenvolvimento de capacidade técnica e humana para analytics Papel dos altos gestores Integração de sistemas prévia - qualidade dos dados Mudança de cultura BI no centro do negócio Operação com dados em tempo real Dados, ferramentas, talento e cultura Decision cockpit,business Sphere e Business Sufficiency Models Coaching para ajudar a usar as ferramentas Revisão da estrutura organizacional

40 Heterogeneidade, escala, pontualidade, complexidade e privacidade são desafios do Big Data. A integração dos dados é uma das maiores fontes de valor, mas requer colaboração. A apresentação dos resultados e sua interpretação é fundamental para extrair conhecimento acionável. Rever estruturas. Alguns Desafios

41 Recomendações Não temos ainda melhores práticas em gestão. Só práticas ad hoc. Se guiar pela transparência e pelo atendimento de alguns objetivos. Identificar o problema para depois resolver. Como transformar insights em resultados tangíveis.

42 Recomendações Ter noção de onde quer chegar. Mudança de paradigma de gestão. Comece com o problema, e não com os dados. Compartilhe dados, para receber dados. Alinhe interesses das partes. Facilite a colaboração entre pessoas.

43 Condições Necessárias Cabeça aberta e cultura Suporte gerencial e executivos Orçamento suficiente Melhores parceiros e fornecedores

44 Perguntas Como você está lidando com dados estruturados e não estruturados? Que dados são importantes para o seu negócio e como aplicá-los? Você tem ideia da complexidade dos dados que te cercam e sabe como se adaptar a isto? Você já pensou sobre os custos de gestão dos seus dados? Como está a segurança dos seus sistemas? Você está envolvendo as pessoas certas no projeto de Big Data? Que competências pessoais você precisará ter e como assegurá-las?

45 Big Data hoje é o que era a Web em Sabemos que será algo grande, mas não sabemos como

46 Contatos Elaine Tavares (55 21) Centro de Estudos em Administração da Informação