A transformação digital precisa ocorrer agora. Sua empresa está dentro?

A tecnologia é sempre mutável, disso todos já sabemos. A cada ano, ela redesenha a maneira como nosso mundo funciona: como nos comunicamos, como consumimos e como produzimos. No meio corporativo, não há como evitar a pergunta: será que as empresas estão preparadas para acompanhar a transformação digital rápido o bastante?
Tentando responder essa pergunta, a Dell em parceria com a Intel, duas gigantes mundiais de tecnologia, e a empresa de pesquisas Vanson Bourne, mapearam os esforços e o progresso em transformação digital de empresas de médio e grande porte em 42 países, incluindo o Brasil. A partir do levantamento com 4.600 líderes executivos, foi criado o índice de Transformação Digital Dell.


A principal constatação do índice é de que o progresso na transformação digital da maioria das empresas ao redor do mundo tem sido lento. Apenas 5% das empresas participantes podem ser consideradas Líderes Digitais, a classificação máxima do índice, que define quem já tem a digitalização enraizada no negócio. O dado indica que ainda há muito trabalho pela frente se essas empresas (e a sua pode estar entre elas) não quiserem ficar obsoletas e serem ultrapassadas pela concorrência em poucos anos.

Na pesquisa, as classificações dos grupos de referência foram feitas com base no desempenho de quatro áreas:

    • incorporação dos principais atributos de um negócio digital;
    • estratégia de TI existente;
    • estratégia de transformação da força de trabalho;
  • investimentos planejados para os próximos cinco anos.


O índice, além de mostrar o progresso da transformação digital ao redor do mundo, também trata das expectativas, dificuldades e medos digitais dos líderes empresariais para o futuro.

Qual é o contexto atual da transformação digital mundial?

Ao redor do globo, a situação digital das empresas não mudou muito desde que o primeiro índice foi realizado, em 2016. Os programas para atingir a transformação necessária para se sobressair em um mundo hiper digital estão em fase inicial e há um longo caminho a ser percorrido.

Na principal classificação do Índice, a maioria das empresas (33%) está na categoria de Avaliadores Digitais, adotando a transformação gradualmente.

Ainda, mais da metade das empresas (51%) acredita que terá dificuldades para atender às demandas dinâmicas dos clientes na era digital e um em cada três tem medo de ficar para trás em 5 anos.
Leia neste artigo da Propus como aplicar o conceito de Data Science em sua empresa para não ficar para trás.
No cenário mundial, as principais barreiras que impedem o avanço de 91% dos negócios para um core digital são:

  • Segurança e privacidade dos dados;
  • Falta de orçamento e recursos;
  • Habilidades insuficientes da força de trabalho;
  • Mudanças na regulação e legislação;
  • Cultura digital imatura.

Os mercados emergentes estão mais confiantes na capacidade de ultrapassar as barreiras digitais do que serem ultrapassados, 53% em comparação com 40% das empresas em nações desenvolvidas. Portanto, a perspectiva é boa para as empresas brasileiras, mas os desafios também são muitos. Vamos ver agora como está a situação no Brasil.

Enquanto isso, no Brasil…

Em terras tupiniquins, as perspectivas de crescimento da transformação digital são um pouco melhores do que mundialmente. Mas isso não significa que não existam desafios e muitos aspectos para melhorar. Vamos dar uma olhada em alguns números descobertos pelo Índice, que entrevistou 4.600 líderes empresariais no mundo todo:

Embora apenas 6% das empresas brasileiras já são consideradas líderes digitais, a pesquisa também aponta que 70% de nossos negócios já contam com planejamento e investimentos com o objetivo de digitalizar as operações.
Confira neste artigo dicas para extrair valor dos dados de seu negócio e crescer mais e melhor.

E a concorrência?

Esse tópico revelou ser uma grande preocupação dos líderes brasileiros: a concorrência. Dos entrevistados, 26% teme que sua organização fique para trás em cinco anos na corrida digital e 26% temem que suas empresas sejam ultrapassadas pela concorrência nesse período.

E por que esse crescimento está sendo tão lento?

As principais delas, apontadas pelos líderes  brasileiros, foram mudanças nas leis ou regulamentação e preocupação com privacidade e segurança. Mas não são as únicas:

Sabemos que o processo de transformação digital é lento e demanda diversas mudanças profundas, ainda mais quando se é esperado um nível de digitalização muito alto da maioria das empresas. Mas existem medidas que podem ser adotadas para superar essas barreiras. No Índice, são apontadas as seguintes soluções que já estão sendo utilizadas:

Além disso, as empresas também estão investindo em algumas tecnologias emergentes e soluções de cibersegurança para realizar a Transformação Digital de forma segura. Para os próximos 3 anos, os executivos brasileiros sinalizam investimentos em:

Veja mais exemplos de como as empresas usam o Big Data, estratégia que faz parte da transformação digital AQUI.
Ficou assustado com a quantidade de tecnologias e ferramentas disponíveis? Não se preocupe, fica realmente difícil acompanhar todo o processo de atualização da área tecnológica. Mas não tem mais volta, ela está no mundo dos negócios para ficar. É por isso que existem empresas especializadas em soluções de tecnologia atuais, como Big Data e Data Science, que auxiliam negócios a iniciarem a jornada rumo à transformação digital.
Ainda segundo o DT Índice, os líderes apontaram os principais indicadores de negócio (KPIs) que provavelmente irão crescer mais em cinco anos, se o negócio embarcar em uma estratégia digital de sucesso:

Se você ainda tem dúvidas sobre como acrescentar a digitalização no DNA do seu negócio pode ajudar, dê uma olhada nesses cases de sucesso de empresas de diversos setores que já iniciaram o processo e nos resultados que essa mudança de paradigmas trouxe.

Leroy Merlin

Líder mundial no varejo de materiais de construção, a Leroy investiu na digitalização do seu marketing para facilitar o trânsito dos clientes entre o mundo das lojas físicas e online. Com o uso de campanhas display e com a ferramenta Google Shopping, integrou os inventários e mostrava produtos que estavam em estoque em lojas próximas ao clientes, quando estes buscavam as mercadorias no site.
A empresa obteve um crescimento de 36% nas visitas às lojas e 26% de redução no custo por visita.

Nubank

Os bancos são instituições financeiras que estão em ritmo acelerado na transformação digital, sempre sendo disruptivos no mundo da tecnologia. Mesmo assim, as chamadas fintechs estão ganhando mais visibilidade no quesito inovação.

A Nubank, por exemplo, desde 2013 oferece cartão de crédito sem anuidade, com os menores juros do mercado e totalmente controlado via aplicativo. Além de investir em peso no atendimento, com profissionais capacitados. A startup não revela números de crescimento, mas está expandindo seus produtos rapidamente. A novidade agora é a NuConta, uma conta corrente que é tão competitiva quanto as contas de bancos tradicionais.

Hospital Sírio Libanês

A área da saúde também é bastante impactada pela transformação digital e o Sírio Libanês tem um bom exemplo de implementação de tecnologia. O hospital passou a utilizar um sistema de autoatendimento, onde o cliente, com seu CPF ou protocolo de atendimento do exame, pode digitalizar o pedido médico, documentos de identificação, dados do convênio e outras informações, recebendo a senha do atendimento. Assim, a triagem é realizada digitalmente e o cliente é chamado rapidamente.
Essa medida agilizou e diminuiu o tempo de atendimento em 20%, além de melhorar a performance dos profissionais do atendimento, que atualmente atendem de 4 a 5 pacientes por hora.
Conheça também o exemplo do McDonald’s e de como a maior rede de fast food do mundo utiliza Data Science.
Com todos esses exemplos, podemos concluir que a era digital chegou para ficar e está reformulando a forma como vivemos e trabalhamos. A transformação precisa acontecer já, sem perda de tempo, e precisa acontecer rapidamente, para que o seu negócio não fique ainda mais para trás.
Se você não sabe por onde começar, ou acredita que o seu plano de digitalização não está funcionando como deveria, a utilização de parceiros especialistas em tecnologia pode ajudar a alavancar a sua transformação digital.
É caso da Propus, que oferece serviços de consultoria em Ciência de Dados e Big Data. Conte com uma equipe de profissionais para aplicar a Data Science em sua empresa. Também desenvolvemos projetos específicos com essas tecnologias. Além disso, oferecemos treinamentos, workshops e garantimos a continuidade operacional da sua estrutura de Big Data e Data Science.
Entre em contato conosco, saiba mais sobre nossos produtos e serviços, e inicie já a sua transformação digital:
]]>

Big Data: veja como empresas usam com sucesso

O Big Data é a tendência do momento no mundo dos negócios. Ele pode desempenhar um papel indispensável no crescimento de empresas, em conjunto com a Ciência de Dados. A aplicação desses dois conceitos é essencial na hora de extrair valor dos dados coletados para transformar o seu negócio, elevando-o a um novo patamar. Com dados estruturados, é possível entender melhor o funcionamento da empresa, as necessidades, que caminhos existem para atendê-las e colocar o negócio à frente nas tendências de mercado. Para se destacar atualmente, as empresas precisam de dinamismo ao entender os clientes e consumidores, e os dados são a melhor ferramenta para isso. As informações de mídias sociais, tanto como canal de busca, quanto de reclamações, deixaram os consumidores mais exigentes e conectados, suscetíveis às informações vindas de diversos ambientes. É aqui que o Big Data entra. Ele permite que sua empresa mapeie e compreenda de verdade os clientes, suas necessidades e expectativas, além de otimizar os processos internos do negócio, conectando todos os setores em objetivos claros e assertivos. Se quiser aprofundar, leia este artigo sobre como a ciência de dados pode beneficiar o seu negócio AQUI. Além dessas possibilidades, outra vantagem do Big Data é que ele pode ser encontrado em negócios de diversos portes e segmentos. Todas as empresas possuem fontes de informações, sejam de mídias digitais, da área comercial ou mesmo do próprio marketing, que podem ser coletadas e organizadas, servindo como base para melhorar os resultados. Seja qual for o porte da empresa, ela é feita de dados, basta saber coletá-los e analisá-los. Não acredita? Então vamos ver alguns casos de empresas bem diferentes, com objetivos distintos, que aplicaram soluções de Big Data e conseguiram melhorar seus resultados.

1 – Starbucks

Sabe qual é o ingrediente secreto do café mais famoso do mundo? É o Big Data. Isso mesmo, a Starbucks também utiliza o Big Data para coletar e estruturar dados, que orientam as decisões mercadológicas da marca. Começando pela distribuição das lojas: o local de abertura das cafeterias é guiado por análises demográficas. Através de um sistema que gera essas análises, chamado Atlas, a empresa americana define a abertura de novas lojas de acordo com a demanda de cada região, através de técnicas de geoprocessamento e geomarketing. As duas metodologias utilizam dados sociodemográficos para prever lucro e tomar decisões de investimento mais ágeis e seguras. Como a abertura de novas lojas para a Starbucks. A rede só abre uma cafeteria nova após analisar e cruzar informações das pessoas que circulam em dada região, que áreas de negócios estão próximas, como é o tráfego de veículos e a disponibilidade de transporte público na região. Só então é batido o martelo sobre uma localização. A quantidade gigante de dados gerados pela marca, que está presente em 62 países e vende quase 4 bilhões de copos de café por ano, também é usada para a alimentação de um programa de fidelidade, que tem o objetivo de retenção de clientes. São mais de 6 milhões de consumidores registrados, sendo 3 milhões deles minuciosamente identificados e com suas transações na loja automaticamente identificadas. Esses dados têm suas estatísticas cruzadas para definir qual a ligação do cliente com os produtos que mais compra, lojas de preferência e horários de consumo favoritos. A partir disso, são gerados descontos personalizados entregues nos celulares dos clientes, a publicidade é segmentada por horários de preferência e novos itens são adicionados ao menu de acordo com determinada região, como vinho e cerveja. Ainda não terminou! Além de beneficiar diretamente o cliente, os processos internos e funcionários também foram auxiliados. Na hora de coletar informações, os gerentes chegavam a fornecer mais de 300 relatórios periodicamente para alimentar o Big Data. Hoje, por conta dos softwares de processamento e estruturação de dados, os relatórios foram reduzidos a apenas 11 indicadores e podem ser baixados a qualquer momento.

2 – Zara

Já imaginou chegar em uma loja de roupas e encontrar exatamente a peça que você estava querendo? A Zara, uma rede de lojas com mais de 2.200 unidades em todo o mundo, utiliza o Big Data para oferecer aos clientes exatamente o que eles desejam. Como isso é possível? Diariamente, antes de abrir as lojas, os funcionários e gerentes de todas as lojas ao redor do globo compartilham detalhes dos artigos mais vendidos no dia anterior, quais foram as peças devolvidas, feedback de clientes e tendências que a equipe tem percebido na loja. Usando um sistema de tecnologia sofisticado e orientado a dados, analistas de Big Data divulgam essas informações diárias para definir exatamente o que os clientes da Zara estão querendo. Essa informação é passada para uma equipe de mais de 300 designers de moda internos, que a transformam em projetos de peças baseados nas tendências de compra. As roupas são então confeccionadas e vendidas nas lojas em cerca de 21 dias. É a vontade do cliente ditando a moda, e não mais o contrário. As lojas são abastecidas duas vezes por semana, o que torna o estoque sempre novo e com peças exclusivas.

3 – Amazon

Não poderia faltar nessa lista o maior site de comércio virtual do mundo. Com mais de 1,5 bilhão de itens disponíveis no site, os cerca de 280 milhões de visitantes mensais da Amazon vivenciam o poder dos dados em cada clique. Através do Machine Learning e do armazenamento de Big Data na nuvem, a loja virtual usa a predição para sugerir produtos aos consumidores antes mesmo de eles manifestarem interesse pelas mercadorias. Através do Big Data Analytics, são coletados dados do que o cliente adicionou em seu carrinho de compras na loja virtual, cruzando com os dados de itens comprados ou visualizados no passado, usando uma filtragem colaborativa item a item. Com isso, a experiência do usuário é customizada com o histórico de navegação e compra quando acessam o site novamente, mostrando itens que eles estão mais propensos a se interessar. Além disso, a Amazon também concentra investimentos para alinhar o Big Data e a Internet das Coisas. A novidade agora é o sistema do dash button. Após a instalação de botões de produtos específicos em suas casas, os clientes podem comprar esses itens apenas pressionando o botão. Eles foram criados em parceria com várias marcas, como fabricantes de sabão em pó, cereais, cotonetes, entre outros. Os dash buttons são conectados à internet e disparam ordens de compra para a Amazon, que no máximo em dois dias faz a entrega. O cliente recebe a mensagem de confirmação no celular, para evitar que a compra seja feita por engano.

4 – Hotéis Red Roof

Essa rede de hotéis desenvolveu uma estratégia baseada nas taxas de cancelamento de voos por conta de mau tempo. Utilizando informações públicas de condições climáticas e cancelamentos nos aeroportos das cidades em que a rede possui unidades, foi desenvolvido um algoritmo que combina previsão do tempo, condições de viagem, horários e taxas de cancelamento, entre outras informações. Sabendo que os viajantes dos voos cancelados terão de procurar opções de hospedagens no celular, a empresa investiu em campanhas segmentadas pela localização, apresentando ofertas de hospedagem no tempo e local corretos. Com essa estratégia de Big Data Analytics e mobile marketing geolocalizado, a Red Roof aumentou em 10% a sua taxa de ocupação, ainda em 2013 e 2014.  

Walmart

Nesta rede de supermercados, os clientes podem fazer as compras por comando de voz, através do celular, citando os itens desejados. A base de dados analisa o histórico de compras do cliente e prepara o carrinho.  

Nike

  A empresa coleta dados importantes sobre seus clientes através de um aplicativo de corrida integrado às redes sociais, que salva informações como número de passos dados, quilômetros corridos, geolocalização, entre outros. Esses insights ajudam a marca a entender melhor seus consumidores e criar estratégias mais certeiras, além de animar os usuários a compartilhar suas conquistas com o esporte e acabar fazendo propaganda orgânica da marca.  

Danone

  A Danone usou Big Data Analytics para otimizar a gestão de estoque, principalmente no caso de produtos perecíveis. Analisando detalhes de rotas, percurso e estocagem, a marca melhorou a distribuição logística de um de seus principais produtos, o iogurte grego, aumentando a lucratividade ao diminuir as perdas por vencimento.  

Rolls-Royce

  A empresa automobilística vem implementando soluções de Big Data para otimizar processos de manutenção. Os motores e sistemas de propulsão de seus carros têm sensores embutidos que registram os detalhes do funcionamento dos veículos e enviam dados em tempo real de mudanças no desempenho. Assim, a equipe de engenheiros da marca cruza e analisa esses dados, acelerando a tomada de decisão para prevenir problemas técnicos. Segundo a empresa, essas soluções de Big Data diminuíram os custos de manutenção dos veículos.   E aí, gostou dos exemplos? Se eles lhe inspiraram a pensar em soluções de Big Data para sua empresa, que tal conhecer os nossos serviços de consultoria? Conte com uma equipe de profissionais para aplicar os usos do Big Data em sua empresa. Entre em contato conosco e saiba mais sobre nossos produtos e serviços: ]]>

Como aplicar a Data Science em sua empresa

Em nosso último post, falamos sobre como a extração de valor de dados pode revolucionar o seu negócio. Dentro deste assunto, a Data Science tem um papel extremamente importante, pois um grande volume de dados, ao ser estruturado, pode ser utilizado para entender melhor o funcionamento da própria empresa, traçar estratégias de maior impacto e tomar decisões mais assertivas. Até aí, tudo bem. Acreditamos que você já tenha entendido os principais conceitos da Data Science, o que ela pode melhorar no seu negócio e por que ela é tão importante hoje em dia. Então, após essas explicações, você deve estar se perguntando, COMO EU FAÇO PARA APLICAR TUDO ISSO NA MINHA EMPRESA? É para responder exatamente a essa pergunta que nós produzimos este post. Vamos lá!

1 – Analise antes de agir

Hoje em dia, a quantidade de dados produzida é abundante se comparada a algumas décadas atrás, isso se deve principalmente à universalização da web e à facilidade de utilizá-la através de smartphones, tablets e computadores. Mas nem só da internet surgem os dados que você pode usar. É sempre importante catalogar tudo que acontece na sua empresa, desde as vendas até as compras de estoque, pois todos esses dados podem ser utilizados a favor do seu negócio. Basta estruturá-los e entendê-los para que isto aconteça. A primeira decisão a ser tomada é buscar soluções inteligentes e personalizadas, desta forma, elas serão capazes de se adaptar à realidade da empresa. É aí que surge a necessidade de um cientista de dados. Ele irá ajudar na identificação e na organização das informações, destacando o que é mais relevante e que poderá ser utilizado na elaboração de estratégias. Um exemplo de Data Science que se faz presente na vida de grande parte da população nos dias de hoje é a Netflix. A empresa queria aumentar o consumo de seus conteúdos, portanto, disponibilizou a opção de criar uma lista com filmes para assistir. No entanto, foi notado que as pessoas incluam conteúdos na lista, mas assistiam sempre às mesmas coisas. Então, a partir de uma análise de dados, a Netflix encontrou uma solução e criou uma opção que recomenda filmes e séries relacionadas ao que o público assiste, e não ao que pretende assistir. O uso da Data Science nesse caso é primoroso. É possível notar a diferença entre uma ação sem o uso de dados e outra com a utilização deles. Não analisar as informações disponíveis sobre o mercado e seus clientes é tentar acertar o alvo no escuro. Portanto, para obter resultados melhores, é preciso encarar os dados com seriedade e compromisso, não deixando-os de lado, mas sim dando a real importância que eles merecem.

2 – Profissionais capacitados

Para poder seguir o passo anterior e incluir a coleta, análise e aplicação dos dados no dia a dia do seu negócio, é preciso contar com um ambiente e uma equipe propícia para isto. Desta forma, antes de tomar decisões, contrate uma empresa especialista em Data Science e traçe as suas estratégias com embasamento nos números. Ela irá prover um serviço personalizado, focando diretamente nas demandas que o seu negócio precisa, ajudando a formular as perguntas que os dados irão responder. Assim, as chances de os resultados serem extremamente p são muito maiores. Além disso, instruir os seus funcionários, para que possam utilizar as ferramentas de mineração e análise de dados é uma tarefa essencial para liberar todo o potencial da Data Science. Não basta ter apenas um funcionário encarregado por todo o fluxo de dados. Isto pode acabar o sobrecarregando, além de influenciar negativamente no processo. Quanto mais pessoas souberem como todos os procedimentos funcionam, melhores são as chances da estruturação de dados ser bem executada.

3 – Sempre consulte os dados

Após seguir esses dois passos, é importante tentar mantê-los na rotina dos funcionários e na elaboração de estratégias e futuras decisões, tornando-os parte do alicerce do seu negócio. Portanto, a aplicação de Data Science não deve ser uma ação única e esporádica, mas sim um processo recorrente, que englobe toda a empresa. Ao acompanhar todos os processos que englobam o uso de Data Science no seu  negócio, é possível verificar se eles estão tendo a eficácia esperada. Caso não estejam, você poderá identificar as falhas e corrigi-las. Em síntese, a supervisão periódica do processo de Data Science tende a culminar em uma melhor performance da sua empresa, pois você terá uma visão mais ampla das ações e dos retornos, compreendendo o que está surtindo efeito ou não. —————————————————————————————————————————————————————————————– Essas são apenas algumas formas de como aplicar a Data Science no seu negócio. Esperamos que você tenha aproveitado o conteúdo e que consiga colocar todos os passos em prática.

Se interessou?

Conheça os nossos serviços de consultoria em Ciência de Dados e Big Data. Conte com uma equipe de profissionais para aplicar a Data Science em sua empresa. Também desenvolvemos projetos específicos com essas tecnologias. Além disso, oferecemos treinamentos, workshops e garantimos a continuidade operacional da sua estrutura de Big Data e Data Science. Entre em contato conosco e saiba mais sobre nossos produtos e serviços: ]]>

Data Science: como extrair valor de dados pode revolucionar o seu negócio

Já ouviu falar em Data Science, ou Ciência de Dados? Em dados, provavelmente sim. Pois a cada dia, milhões de operações os geram no mundo todo, em diversos setores da sociedade, principalmente por conta da internet. O mundo dos negócios é um dos que mais pode se beneficiar disso. Mas não basta apenas coletar essa enorme quantidade de dados, já passamos desta fase. Após utilizar ferramentas para recolher e armazenar esses dados, se quiser que eles gerem valor ao seu negócio, é preciso interpretar de forma inteligente todo esse acervo de informações. É aqui que a Ciência de Dados entra. Segundo o estudo “The Global Data Management Benchmark Report”, realizado pela Experian, que consultou mil profissionais de diversos países como Brasil, Estados Unidos, Inglaterra e Austrália, existe um crescimento da preocupação com o uso de dados nas empresas: O estudo ilustra como cada vez mais empresas estão entendendo a importência de coletar e analisar dados, extraindo valor deles para tomar decisões de negócio mais assertivas e ágeis.

O que é Data Science?

Ciência de Dados, em português, é um conjunto de técnicas e ferramentas, algoritmos e princípios que descobrem padrões escondidos em dados brutos. A partir do conceito de Big Data, que é quando temos uma enorme quantidade de dados armazenada em bancos de dados interligados, é preciso organizar essa avalanche de informações, identificar padrões e extrair valor deles, através de análises e formulação de novas perspectivas entre as conexões destes dados, de maneira a solucionar algum problema ou mesmo prever questões futuras. Para simplificar, Data Science é o processo de transformar dados em informação e, por fim, em conhecimento que pode ser usado nos negócios. O principal foco da Data Science é extrair VALOR do conjunto de dados, transformando aqueles estruturados e não-estruturados em insights de negócio. Isso acontece através de diversas técnicas de análise avançada e soluções de Inteligência Artificial, como o Data Mining e o Machine Learning, que automatizam a criação de modelos analíticos através de algoritmos. Mas, traduzindo: se você conseguir coletar e analisar os dados do seu negócio, sua tomada de decisão será muito mais eficaz e rápida.

Com essas tecnologias, fica mais fácil:

Existem algumas ferramentas disponíveis para que as empresas possam rastrear, coletar e analisar os seus dados, muitas delas são até mesmo gratuitas. Porém, para se chegar às respostas desejadas sobre o mercado, clientes e tendências, é preciso fazer as perguntas certas. Neste ponto, é preciso conhecimento específico sobre o que irá ser analisado, podendo contratar um especialista para orientar a pesquisa.

Como a Data Science pode ajudar um negócio

Tudo parece muito prático, mas como exatamente a Data Science ajuda empresas? Você pode nunca ter pensado nisso, mas até mesmo a redução dos custos em opções de armazenamento de dados em nuvem (cloud), por exemplo, pode causar uma aumento do volume de dados armazenados pelas empresas. Porém, muitas vezes, esses dados acabam ficando esquecidos e não agregam nenhum valor ao negócio. É aqui que entra o Data Mining, que é capaz de revelar conhecimentos escondidos dentro dos bancos de dados de organizações, através de análises antecipadas, prevendo comportamentos e tendências e auxiliando no desenho das estratégias empresariais, que se tornam baseadas em fatos e dados e não mais na emoção.

Aplicações da Ciência de Dados em negócios

É possível aplicar as técnicas de análise de dados em diversos ramos empresariais, como o varejo, ramo industrial, de comunicação, segurança digital, gestão de estoque, e muitos outros. Cada um deles tem a sua demanda específica, além de processos distintos, o que requer estratégias de análise de dados também personalizadas. Vamos conhecer alguns exemplos abaixo.

Marketing digital

Aquela situação clássica de procurar um produto na internet e logo depois receber um anúncio dele no Google ou no Facebook já aconteceu com você? Esse é um dos exemplos de como o trabalho de Data Science e Machine Learning pode auxiliar nesta área. A Ciência de Dados usa a lógica de que se você pesquisou o preço de um celular, por exemplo, é porque provavelmente tenha a intenção de comprar um, ou ao menos o interesse. Então, o mecanismo aprende esse dado e consegue enviar anúncios mais assertivos para os consumidores.

Sistemas de Recomendação

Já comprou um produto, como um livro, e recebeu um e-mail com indicações de outros exemplares que têm a ver com o seu gosto? Ou então entrou na loja virtual novamente e na capa estavam os livros que você já buscou? Essa é uma maneira de empresas, como a Amazon, direcionarem os clientes para os produtos de seu interesse dentro de um mundo de milhares de opções. Ou, então, você está ouvindo um tipo de música no Spotify e são sugeridas alternativas que você talvez goste e compre também, assim como filmes na Netflix. Isso faz com que as empresas destaquem produtos que você possa ter interesse, aumentando as chances de compra.

Detecção de risco de fraude

Hoje em dia, instituições bancárias e financeiras usam dados coletados no início das transações de empréstimos para evitar rombos com dívidas não pagas. Elas aprenderam a obter informações pelo perfil do cliente, gastos passados e outras variáveis que auxiliam na análise do risco de inadimplência, tanto em bancos como na gestão de crédito do varejo, por exemplo. O Ministério da Justiça é um case que utiliza o Big Data para identificar ações ilícitas, especialmente relacionadas com lavagem de dinheiro. Conheça agora algumas demandas que podem ser supridas com estratégias de Data Science: Na Retenção de clientes É essencial para a saúde de um negócio entender o número de clientes entrando e saindo de sua carteira. Através da Ciência de Dados, é possível estudar o comportamento dos clientes, determinar tendências e identificar fatores que influenciam nestas ações. Se for identificado um padrão de saída, por exemplo, é possível elaborar uma estratégia de engajamento mais assertiva para melhorar a retenção destes clientes, de acordo com as necessidades deles. Outro exemplo é conhecer melhor a concorrência, para então se destacar entre os consumidores. Uma loja de roupas, por exemplo, pode utilizar a análise de metadados para conhecer outros estabelecimentos da região e do ramo em que atua, adicionando informações para uma melhor estratégia de vendas como em preços e produtos oferecidos. O Grupo Pão de Açúcar, por exemplo, criou um sistema de relacionamento com o cliente que acumula pontos de lojas online ou físicas. Esses dados são utilizados para relacionar os clientes com os produtos mais consumidos e marcas favoritas, otimizando o estoque. → Personalização de produtos e serviços Você sabia que o custo para fidelizar um cliente é menor do que o custo para conquistar novos? Com a Ciência de Dados, é possível trabalhar nessa fidelização (além da atração de novos, é claro) descobrindo as principais demandas dos seus atuais clientes e o que eles esperam do seu produto. Através do Big ou do Small Data, é possível coletar dados e transformá-los em insights interessantes sobre os diferenciais do seu produto ou da sua experiência de compra. A loja Zara utiliza dados para antever tendências de roupas através dos comentários dos clientes. Analistas divulgam atualizações diárias sobre o que os clientes das lojas estão pedindo. Essa informação é enviada para uma equipe de mais de 300 designers de projetos, que, em 21 dias, disponibilizam novas peças baseadas nessas informações no varejo. → Aumento da produtividade Ao analisar e sistematizar dados, você conseguirá conduzir as decisões em seu negócio de maneira melhor fundamentada, evitando a perda de tempo com estratégias que não estão gerando resultados, tornando as operações mais produtivas e evitando gastos com investimentos sem retorno. A convergência entre os ambientes operacionais e analíticos das empresas melhora a experiência dos usuários e a velocidade da tomada de decisões. A empresa UPS, da área de logística, faz mais de 4 milhões de entregas através de uma frota de quase 100 mil veículos. O Big Data é utilizado para otimizar a frota, auxiliando com rotas, tempo ocioso dos motores e manutenção preventiva a partir de telemática instalada nos caminhões e algoritmos avançados. A empresa já economizou mais de 39 milhões de galões de combustível e evitou a direção por 364 milhas desnecessárias. → Gestão de Estoque Uma aplicação prática da Análise de Dados e Big Data é na hora de planejar compras futuras ou administrar o estoque de uma loja. Para evitar ficar com produtos parados, é possível analisar o histórico de vendas de uma loja de sapatos, por exemplo, para saber quais números e modelos têm mais procura em uma determinada região. As ferramentas são tão abrangentes que é possível usar dados meteorológicos para descobrir o melhor momento para ter calçados de chuva no estoque, por exemplo. → Antecipar tendências e problemas Antecipar tendências, comportamentos e mesmo problemas pode ser vital para o seu negócio. Mas para isso, é preciso que haja um acompanhamento regular, com o menor intervalo entre o acesso e as análises de dados possível, para que se obtenha o máximo de precisão. Para antecipar fenômenos de mercado, como produtos que podem ser sucesso no próximo verão, por exemplo, entender os custos envolvidos e as necessidades dos clientes possibilita que se faça a melhor oferta entre a concorrência. Tudo isso depende de estar munido de um bom banco de dados, indicadores estratégicos e, principalmente, uma equipe preparada para interpretar e extrair valor desses dados.   A Tesla, da área automotiva e já famosa por inovar no mercado, utiliza o cluster Apache Hadoop em sensores instalados em seus carros, que enviam os dados para a central de análise. A empresa é notificada quando algum veículo não está funcionando perfeitamente e, pode então, orientar o consumidor a procurar um serviço de forma proativa.

Se interessou?

Conheça os nossos serviços de consultoria em Ciência de Dados e Big Data. Conte com uma equipe de profissionais para aplicar a Data Science em sua empresa. Também desenvolvemos projetos específicos com essas tecnologias. Além disso, oferecemos treinamentos, workshops e garantimos a continuidade operacional da sua estrutura de Big Data e Data Science. Entre em contato conosco e saiba mais sobre nossos produtos e serviços:    ]]>

Big Data: como extrair valor de dados para beneficiar seu negócio

Hoje em dia, os dados são parte indispensável para entender melhor o seu negócio e buscar soluções mais assertivas para fazê-lo crescer. Termos como Data Science, Big Data, Data Lake, Machine Learning e Inteligência Artificial têm aparecido com muito mais frequência no mundo empresarial, influenciando diretamente na tomada de decisões. Por sabermos da importância de entender o significado desses conceitos e como eles podem afetar o dia a dia do seu negócio, preparamos uma série de vídeos que abordam exatamente esses temas. Os vídeos apresentam essas novas abordagens e, com o intuito de exemplificar e explicar efetivamente as suas utilidades e possíveis aplicações nos negócios, queremos criar subsídios para que você decida investir ou não nessas novas tecnologias. Um desses conceitos é o Big Data, onde o foco é o grande armazenamento de dados e maior velocidade de geração de informações. Por exemplo: atualmente, são gerados 2,5 exabytes de dados por dia.   Dados não estruturados não podem ser planilhados, ou seja, o computador não consegue processá-los. Eles precisam de um tratamento para serem processados, dando origem a uma informação utilizável, baseada em fatos. Em razão disso, grande parte das empresas deixa de aproveitar um universo inteiro de possibilidades para crescer, principalmente por não saber como utilizar esses dados a seu favor.

Já ouviu falar nos 3 + 2 Vs?

O Big Data ajuda a extrair os dados e direcioná-los, captando valor para o seu negócio. É aí que entram os 3 + 2 Vs. Os três primeiros falam sobre Volume (abundância de informações), Variedade (diferentes tipos de dados) e Velocidade (capacidade de processamento). Mas apenas esses três V’s não são suficientes para ajudar na organização das informações. É preciso os outros dois, que significam Valor (o que pode ser agregado à empresa) e Veracidade (avaliação da verdade dos dados extraídos). Normalmente, as soluções empresariais relacionadas à tecnologia são escaladas na vertical, ou seja, quando o aumento da capacidade de processamento é necessário, compra-se mais espaço em um servidor. Isso acaba criando mais custos e remediando os problemas, que tendem a reaparecer. Com a utilização de novos conceitos e tecnologias, como Big Data e Data Science, o crescimento passa a ser horizontal, criando valor a partir dos dados processados. Tem interesse nesse assunto? Quer saber como utilizar os dados a favor do seu negócio? Então cadastre-se e receba o nosso primeiro vídeo, onde explicamos o poder dos dados.  ]]>

5 Formas de usar o Big Data no varejo

Com a quantidade enorme de informações que os consumidores recebem diariamente, os clientes estão cada vez mais participativos e menos fiéis a uma só marca, valorizando a melhor experiência. Esse contexto tem exigido mais empenho dos varejistas para se destacar no mercado. Na tentativa de suprir essas necessidades, o Big Data tem um papel importante na construção de estratégias de venda certeiras. Entender o que o seu público necessita, antes mesmo que ele saiba que precisa do seu produto, é uma estratégia que parece impossível. Mas não é. Através da coleta de dados de diferentes fontes e da análise estratégica desse montante, é possível criar planos de vendas mais assertivos e personalizados. Mas vamos por partes. O que é o Big Data e Big Data Analytics? Big Data é o grande e complexo volume de dados possível de ser coletado de diferentes fontes, mas que ferramentas de processamento convencionais não conseguem processar. O Big Data Analytics abrange as soluções para o processo de coleta, estruturação e análises dos conjuntos desses dados, com o objetivo de identificar padrões, tendências e outras informações relevantes para ajudar na tomada de decisão dos empresários. As soluções de análise de dados entram em ação para gerar informações precisas e auxiliar os mercados, principalmente o varejo, que lida com datas apertadas, porém muitas vezes recorrentes, e estreitas margens de entrega, além de uma enorme concorrência. Você deve estar pensando: mas a minha empresa é muito pequena para esse tipo de coisa! É aí que você se engana: empresas de pequeno e médio porte também geram dados de diversos canais, como relatórios de vendas, planejamento estratégico da empresa, ações de marketing realizadas, demonstrativos de resultados, mídias sociais, e-mails, histórico do SAC, se houver, e muitas outras fontes. Toda empresa gera um grande volume de dados volume de dados, basta estruturá-los.    Se você ainda tem dúvidas se o Big Data pode beneficiar o seu negócio, vamos dar uma olhada em alguns dados! Segundo a pesquisa The Data Storm, feita pelo The Economist Intelligence Unip junto com a Wipro, 78% das empresas pesquisadas têm notado um retorno positivo no investimento baseado em análise de dados. No entanto, uma das principais barreiras a ser ultrapassada é descobrir como tornar as informações captadas no Big Data realmente relevantes para seu negócio. É para suprir essa carência que existe a análise de dados. De acordo com a IDC, até 2019, empresas do mundo todo devem investir cerca de 187 bilhões de dólares em Big Data Analytics no varejo. Isso significa que mais lojas conseguirão:

  • definir o perfil exato dos clientes;
  • alinhar a oferta de produtos exatamente com as necessidades dos clientes;
  • antecipar-se às ações da concorrência;
  • promover melhorias na experiência de compra física;
  • melhorar o modelo omnichannel no varejo digital;
  • e muito mais!
Vamos conhecer mais aprofundadamente algumas aplicações da análise de dados gerados no Big Data que empresas varejistas podem implementar para aumentar a rentabilidade:

1 – Atrair novos clientes com precisão

Que loja não gostaria de atrair novos clientes? O Big Data e as estratégias que podem surgir de sua análise irão contribuir muito com esse objetivo. Mas para atrair os clientes certos, é necessário precisão ao conhecer o comportamento de seu público-alvo. Um bom exemplo de como fazer isso através da análise de dados é utilizar uma ferramenta de mineração de informações em redes sociais, para mensurar a reação que o seu público teve no primeiro contato com alguma ação de marketing. O Big Data Analytics transforma dados brutos em indicativos do que o seu público precisa realmente, propiciando maior personalização, potencial de fidelização e aumento da base de clientes. Através de soluções de Big Data também é possível cruzar dados de outras fontes como cadastros de clientes, interações com o público, históricos de mensagens, percursos feitos por usuários dentro de lojas virtuais e muitos outros. A partir disso, essas informações são processadas em comparações e mapeamento de padrões, resultando em métricas altamente qualificadas para os gestores. Se você tem dificuldades em ofertar novos produtos, informações do Big Data podem manter os gestores atualizados nos padrões de comportamento do público, facilitando a compreensão de como ele poder ser impactado, o que espera das marcas e a que tipo de comunicação está mais aberto, otimizando o investimento em ações de marketing e na escolha dos itens novos.

2 – Focar em estratégias de venda mais precisas

Já sabemos que entender o que o seu cliente irá desejar comprar no futuro é uma informação valiosa, que pode resultar em estratégias de venda mais assertivas. A previsão de vendas é uma das atividades mais essenciais no varejo, e que muitos gestores têm dificuldades em medir, principalmente aqueles que trabalham com um grande volume de mercadorias. Através da análise do histórico comercial por meio de soluções de Big Data, é possível melhorar muito a gestão da loja, pois o empreendedor saberá quais produtos têm mais saída e quais não são procurados, melhorando a gestão de estoque. Outra área que pode obter benefícios com o Big Data é a de logística. Ao analisar dados, fica mais fácil para o gestor saber se um planejamento de rotas ocasionou perdas ou ganhos financeiros. Até mesmo para uma empresa pequena de varejo, traçar uma rota de delivery rápida e sem riscos de danos ou deterioração dos produtos reduz gastos com combustíveis e até de manutenção de frota ou devolução de produtos. Alguns exemplos de como o Big Data pode beneficiar esse aspecto são os algoritmos e localizadores de tráfego de tempo real, que informam as melhores rotas para determinado momento, quais combinações de entrega geram melhores resultados e dados de temperatura de conservação de produtos alimentícios, por exemplo. Ainda, boas soluções em Big Data podem realizar análises preditivas, a partir de dados como históricos, relatórios e outras fontes que registram movimentações como receitas, saídas e entradas de estoque, que identificam demandas crescentes ou possíveis de ocorrer em algumas épocas do ano, por exemplo. Dessa forma, é possível traçar planos de vendas sazonais com mais agilidade e menos riscos de perdas.

3 – Antecipar tendências

A partir de métodos avançados usados para extrair valor de dados, como é o caso das análises preditivas, é possível antecipar tendências de compras e se destacar perante a concorrência. Não apenas com relação ao volume a ser estocado e à época, mas também sobre mudanças de hábitos e preferências do público-alvo. E tendências são interessantes de ser antecipadas tanto no varejo físico, quanto no digital. Dessa forma, sua loja pode não só oferecer novos produtos antes dos concorrentes, mas também itens que realmente suprem os atributos buscados pelo público. Apenas lembre-se que não basta apenas extrair os dados para reestruturar estratégias, mas sim extrair valor deles. Para isso, é necessário que especialistas indiquem a melhor solução de Big Data Analytics paras as necessidades do seu negócio.

4 – Aproximar e fidelizar o cliente

Tão importante quanto aumentar o número de clientes, é fidelizar os que já existem. A personalização do conteúdo e da experiência de compra ofertada ao cliente é uma das maneiras de impactá-lo de forma a fidelizá-lo, mantendo-o engajado com os produtos que sua empresa oferta, além de antecipar necessidades e problemas, tentando evitá-los. Como no varejo é comum existir um grande número de perfis de clientes, a quantidade de dados e a desconexão entre eles pode ser muito alta. Para encontrar padrões que ajudem a estreitar os laços com os diferentes perfis do público é preciso uma análise detalhada de dados. Mas uma vez feita, com a ajuda de softwares especializados, as conclusões resultantes podem ajudar na otimização de programas de fidelidade, estratégias de promoções e descontos, premiações a clientes leais, entre outros. Analisar esse tipo de dados também pode garantir experiências de compra otimizadas, tanto em canais digitais quanto no varejo físico, o que chamamos de multicanalidade ou omnichannel. Dentro disso, é possível descobrir exatamente onde o consumidor está e por qual canal ele prefere ser atendido, ou então, se ele consulta os produtos via internet para só depois adquiri-lo na loja física. Assim, a empresa passa a ter uma visão 360º de seus clientes, para que todos os canais de sua marca trabalhem de maneira integrada, com conteúdo segmentado e personalizado.

5 – Otimizar preços

Através de análises estatísticas é possível observar aumentos ou quedas de demanda em produtos, possibilitando que o gestor realize uma precificação inteligente com maior facilidade, baseada na procura do consumidor e também nos movimentos da concorrência.

O Big Data para pequenas e médias empresas

Atualmente, não são apenas grandes empresas e multinacionais que estão investindo em soluções de Big Data e extraindo valor de seus dados. Através de uma forma inovadora de distribuição e comercialização de softwares, o SaaS (Software como Serviço), é possível para gestores de PMEs (Pequenas e Médias Empresas) não gastar altos valores com licenças, atualizações e upgrades de memória, pois o SaaS permite utilizar módulos específicos para sua realidade em um programa online,  através de pagamentos mensais. Além disso, questões como fidelizar clientes, traçar estratégias de logística econômicas, manter clientes e antecipar tendências são tão importantes em empresas grandes, quanto em médias e pequenas. Todas essas vantagens da implementação de soluções de Big Data no varejo ocorrem porque a partir do valor extraído dos dados coletados em cada negócio, é possível diminuir as estratégias equivocadas e os prejuízos que resultam delas, além de a fonte de informações em que elas são baseadas ser sólida e confiável. É um investimento que vale cogitar para tornar o crescimento de sua empresa saudável e elevar a performance em um setor tão competitivo como o varejo. Se quiser encontrar mais informações sobre as soluções de Big Data, assista ao vídeo exclusivo com a entrevista de nosso CEO, Carlos Eurico, para a KingHost, com dicas preciosas para tornar o Big Data e a Data Science uma realidade em empresas de diferentes portes e segmentos! Basta clicar no botão abaixo:   ]]>

Citizen Data Scientist, já estamos lá?

A Inteligência Artificial é um campo que captura a imaginação na imprensa e no domínio público, com uma visão de máquinas que nos apoiam no dia a dia. Mas até que ponto estamos perto disso na vida cotidiana dos negócios? A resposta é muito próxima, mas com um passo chave intermediário. Em 2016, o Gartner cunhou o termo “Citizen Data Scientist” (CDS), significando uma pessoa “que cria ou gera modelos que usam análise avançada de diagnóstico ou recursos preditivos e prescritivos, mas cuja função principal de trabalho está fora do campo de estatística e análise. O Gartner também previu que o CDS ultrapassará os cientistas de dados na quantidade de análises avançadas que eles produzem, até 2019. Até recentemente essa previsão parecia imprecisa, mesmo que apenas pela data, não pelo resultado. No entanto, o recente anúncio do Google sobre o lançamento do Beta-Stage de sua plataforma AutoML, e a publicidade subsequente, reacendeu a discussão sobre a futura mudança para um ambiente de CDS. Essencialmente, o AutoML fornece um algoritmo de aprendizado de máquina ideal para usos comerciais específicos. Tudo o que o usuário precisa fornecer são dados rotulados; dados com um resultado que o algoritmo pode usar para aprender. Nenhum conhecimento de ciência de dados é necessário. O AutoML está atualmente focado na classificação de imagens e tradução de linguagem natural, mas os planos para expandir a capacidade para outros tipos de problemas de negócios estão bem encaminhados. Não há dúvida de que a previsão do Gartner acabará se concretizando, e pode haver pessoas lendo este artigo, que já estão empolgadas com o uso da IA ​​para apoiar seu trabalho; capacidade de desbloqueio que atualmente reside apenas no domínio dos cientistas de dados, em suas vidas comerciais cotidianas. Aí reside um problema com o conceito de CDS: expectativa. Ainda estamos nos primeiros dias de progresso em direção ao CDS, e o foco atual está muito no domínio de tarefas fixas e repetitivas. No entanto, a expectativa do usuário provavelmente superará rápida e amplamente a capacidade, pelo menos a curto prazo. Os usuários corporativos geralmente desejam estender soluções fornecendo dados diferentes ou usando-os para diferentes tipos de decisões. Isso está bem dentro dos limites das soluções e das tecnologias subjacentes, mas pode exigir o suporte de cientistas especialistas em dados, pois os limites são esticados e novos dados exigem configuração. O conceito de aprendizado de máquina tem muitas facetas diferentes, e o que funciona para um tipo de problema de negócios pode não funcionar para outro. Por exemplo, a quantidade de dados e o período de tempo que os dados exigem para “aprender” um problema podem diferir entre problemas que, na primeira revisão, parecem muito semelhantes. Um usuário empresarial pode aprender isso por meio de tentativa e erro, mas é muito mais produtivo, para o usuário e seus negócios, obter a experiência de um cientista de dados para definir a estratégia de treinamento correta. Ideação, a formação de novas idéias ou conceitos, é o maior objetivo e, paradoxalmente, o maior desafio para o conceito de CDS. Pense em dar a alguém um carro esportivo novo e brilhante e, em seguida, dizer-lhes que eles só podem levá-lo para o trabalho, em vez de explorar o país. O motorista pode tentar encontrar a rota mais interessante e diversificada para o trabalho, mas eles ainda chegam no mesmo lugar. Como a jornada em direção ao CDS se desdobrará? Indubitavelmente, a longo prazo, as soluções se tornarão mais flexíveis e dinâmicas para realizar a definição completa do CDS. No curto prazo, no entanto, exigimos que os cientistas de dados se envolvam ativamente e apoiem o CDS em desenvolvimento dentro do negócio. O instrutor de condução para ajudar o motorista a usar o carro esportivo em estradas rurais. Assim, pelo menos a curto prazo, precisamos expandir nossa definição de ciência de dados para pensar em ciência de dados como um serviço, essencialmente “Conhecimento como um Serviço”, como um próximo passo crítico no caminho para o verdadeiro Cientista de Dados Cidadão. Fonte: insideBIGDATA]]>

Oportunidades de Aplicação de Big Data em Saúde: Os Gerentes Assistenciais

primeiro post dessa série, listei os atores e os beneficiários de uma estratégia de Big Data dentro de uma organização de saúde, seja ela um hospital ou uma clínica. Quais sejam, os Provedores, a Força de Trabalho, os Pesquisadores, os Pagadores e os Clientes. No post seguinte, analisei brevemente a primeira subpopulação dos Provedores, que é composta pelos Administradores Hospitalares. Nesse post analisaremos rapidamente as oportunidades que se apresentam para outra subpopulação deles: os Gerentes Assistenciais.

Os Gerentes Assistenciais recebem dados que permitem uma tomada de decisão “local” e em pequena escala, sem a necessidade de um processo burocrático na instância superior e que provavelmente servirá para o “melhor cenário” e não contemplará uma miríade de cenários sub-ótimos que são bastante mais frequentes.

Uma das perguntas que pode ser respondida para essa população é: Se um determinado paciente tem a necessidade de coletar um exame específico, qual o melhor momento para fazê-lo? Em um ambiente hospitalar, um paciente que se desloca entre departamentos leva consigo um funcionário (em geral um técnico de enfermagem) que vai “desfalcar” a equipe local. Fazer esse deslocamento no momento errado pode ampliar o tempo necessário para o retorno do funcionário e gerar toda a sorte de ineficiência como consequência. Muito mais efetivo é ter uma alocação dinâmica e disparar o processo de transporte no momento ótimo.

Esses Gerentes ainda podem ter acesso a notificações de processos de que eventualmente estejam responsáveis. Ao invés de ligar para a farmácia diariamente para verificar a disponibilidade de um determinado medicamento ou material, sua interface de trabalho o notifica quando um material necessário chega à farmácia.

Dependendo do grau pretendido de integração das informações, um Gerente Assistencial pode ajudar a alimentar algoritmos de aprendizado de máquina que tornem possível a automatização de diversas tarefas, acabando com a perda de tempo com as rotinas repetitivas e com a possibilidade de que tarefas essenciais sejam esquecidas em prol do “problema da vez”.

Por fim, não podemos esquecer de um sério problema que faz parte do dia a dia dos Gerentes Assistenciais em qualquer organização de saúde de médio ou grande porte: as escalas e as capacidades de cada funcionário. Através da integração com os dados do departamento de pessoal quando da ocorrência de uma falta ou quando da programação de férias, é possível rapidamente saber qual funcionário e de onde ele vai ser deslocado para cobrir a vacância. Não é incomum que esses controles sejam feitos manualmente e executados “na emergência”, muitas vezes resultando em um deslocalmento de um funcionário sem a capacitação adequada para aquele serviço, ou na criação de um novo problema em solução ao anterior. Com a integração desses dados na interface de trabalho dos Gerentes Assistenciais, resolver esses problemas se torna trivial.

No próximo post, analisaremos o que se espera de oportunidades do Big Data para a Força de Trabalho.

]]>

Oportunidades de Aplicação de Big Data em Saúde: A Força de Trabalho

posts anteriores dessa série, listamos os atores e os beneficiários de uma estratégia de Big Data dentro de uma organização de saúde e comecei a analisar as oportunidades de aplicação de Big Data para cada um deles, começando com os Provedores. Nesse post analisaremos rapidamente as oportunidades que se apresentam para outro grupo, a Força de Trabalho.

Existem diversas oportunidades que se referem a características básicas do Big Data, especialmente ao seu potencial agregador e pervasivo que podem ser aplicadas pelos e para a Força de Trabalho. Vamos tomar um médico como representante dessa categoria e vejamos, por exemplo, seu fluxo usual em um hipotético round (“round” é como tratamos, em nosso meio, a visita em série aos pacientes internados sob responsabilidade de um médico ou de uma determinada equipe):

  • O médico visita o paciente em seu leito, coleta as informações subjetivas do mesmo, atualiza um ou outro conhecimento a cerca da evolução de sua doença e volta para a sala de prescrição;

  • Na sala de prescrição ele abre o sistema 1 para verificar os últimos exames de laboratório do paciente;

  • A seguir ele abre o sistema 2 para verificar as últimas imagens e/ou seus relatórios;

  • Ato contínuo ele abre o sistema 3 para verificar se o resultado de um procedimento (por exemplo, um exame de patologia) retornou e, caso positivo, qual seu resultado;

  • De posse desse conhecimento, ele abre o sistema de prontuário eletrônico para registrar sua visita e para prescrever os próximos passos ou a continuidade do cuidado;

  • Finalmente o médico retorna para a enfermaria para visitar o paciente ao lado.

Com algumas variações e com a utilização de notas à beira do leito, os médicos podem otimizar essa rotina, por exemplo, visitando a todos e depois se retirando para “lidar” com os diversos sistemas. Dificilmente, no entanto, vão escapar de interagir com sistemas diferentes e utilizar seu bom senso para integrar os conhecimentos neles contidos. Uma perda de termpo e eficiência injustificada. Sem falar que é fácil negligenciar um desses passos (por exemplo, ao invés de verificar o sistema de patologia por algum resultado adiantado, o médico escolhe esperar os X dias que usualmente são consumidos na análise de uma peça anatômica e perde a oportunidade de tomar uma atitude assim que a informação estiver disponível).

Ora! Tecnologia para agregar todas as informações de diferentes sistemas está disponível há muitos anos e o Big Data não só a tornou acessível como eficiente. E se o médico tiver todas essas informações na mão? Suponha em um tablet ou outro dispositivo de visualização, com uma interface de busca estilo Google, ou mesmo algo mais estruturado, que aglutine todas as informações relevantes ao alcance de um toque. Ao invés de páginas e páginas de exames laboratoriais, gráficos gerados “just-in-time” com a evolução de todos os exames relevantes e com codificação de cores para indicar os que estejam fora do padrão. Da mesma forma que as notificações para os Gerentes Assistenciais, exames que saiam do padrão podem gerar alertas personalizados, que os médicos podem receber em sua interface de trabalho ou em outro dispositivo.

Outra prática onde a agregação que o Big Data é capaz de proporcionar pode ajudar essa população é a interação entre as disciplinas. O mesmo sistema de notificação pode ser utilizado para avisar de interconsultas ou pedidos de consultoria para outras especialidades. Muitos grupos fazem isso utilizando ferramentas públicas, como WhatsApp, ou celulares dedicados a grupos (como o “celular da cirugia”), mas veja que é muito mais fácil e efetivo criar uma notificação no sistema do que entrar em contato com alguém em uma ferramenta terceira e passar um caso para consultoria (ao que o destinatário poderia ter acesso completo e não a apenas uma fração). Ademais, a agregação desses metadados pode ajudar a gerar outros insights: por exemplo, pacientes que têm mais de duas consultorias solicitadas têm prognóstico mais reservado? Ou equipes que têm muitas solicitações de interconsultas têm o número de profissionais adequado?

Áreas de apoio, como patologia e SADTs também se beneficiam. Veja que a rotina intensa de trabalho (fruto da necessidade de produzir resultados cada vez mais rápido) nessas áreas leva muitas vezes a que seus trabalhadores negligenciem as informações que estão disponíveis em outro sistema e se restrinjam aos pequenos bits de informação contidas em uma papeleta que podem ou não ser relevantes e podem ou não ser completos. A qualidade do resultado cai e aumenta muito a chance de erros ou intervenções desnecessárias.

Veja que examinamos majoritariamente o caso do médico, mas praticamente toda a Força de Trabalho assistencial está em maior ou menor grau submetida a isso. Fisioterapeutas, psicólogos, assistentes sociais, todos têm rotinas parecidas e se beneficiariam dos mesmos tipos de ferramentas.

No próximo post, analisaremos o que se espera de oportunidades do Big Data para os Pagadores.

]]>

Oportunidades de Aplicação de Big Data em Saúde: Os Pagadores

posts anteriores dessa série, listamos os atores e os beneficiários de uma estratégia de Big Data dentro de uma organização de saúde e passamos a analisar as oportunidades de aplicação de Big Data para cada um deles. Nesse post analisaremos rapidamente as oportunidades que se apresentam para os Pagadores.

A penúltima população que analisamos, os Pagadores, põem-se, muitas vezes, como antagonistas dos Provedores e negam pagamentos a procedimentos já realizados de uma forma rotineira. Mas isso não precisa ser assim.

Quantas auditorias poderiam ser evitadas e quanto tempo perdido poderia ser recuperado caso as informações que fizeram um determinado procedimento ser necessário estivessem a disposição dos Pagadores no momento em que se decide por uma glosa? Ou mesmo, quantos procedimentos repetidos em diversos serviços poderiam ser evitados caso os dados compartilhados de um estivesse disponíveis para outro? Sim… estamos longe disso, mas os primeiros passos já podem ser dados agora e muita coisa pode ser feita em parceria. Nem os Provedores se beneficiam de um Pagador falido, nem os Pagadores se beneficiam de um Provedor ineficiente. Essa posição de antagonismo não precisa ser a regra.

Além disso, uma disciplina bem desenvolvida dentro do Big Data, com algoritmos bem reconhecidos e estudados e com bastante experiência acumulada é o controle de fraudes. Todo esse expertise pode ser importado por um cluster de Big Data a serviço dos Pagadores e, em paralelo com os controles hoje existentes, pode auxiliar na detecção de atividades fraudulentas, constituindo mais uma ferramenta.

Por fim, um diferencial importante para qualquer Pagador é a agilidade com que consultas e procedimentos são autorizados. Com os dados disponíveis e devidamente analisados em tempo real, esse diferencial se transforma em vantagem para seus clientes o que, em última instância, se transforma em receita.

No próximo, e último, post, analisaremos o que se espera de oportunidades do Big Data para os Clientes e os Pesquisadores.

]]>