Homepage Newsletter Opinião

Decisões brilhantes no seu negócio

Por a 26 de Janeiro de 2022 as 16:02
Luís Graça, senior business development specialist no SAS

Luís Graça, senior business development specialist no SAS

Por  Luís Graça, senior business development specialist do SAS, e Ricardo Galante, customer advisory analytics do SAS

A tomada de decisão no momento atual, após um longo abrandamento da economia, pode conter armadilhas como a crise da rede logística demonstra com particular evidência (ex.: “contentores vazios”, Canal de Suez, falta de semicondutores, etc.).

Não havendo tecnologias que possam funcionar como “Oráculos” de eventos aleatórios, há no entanto abordagens que permitem conhecer melhor o nosso negócio e organização, bem como os nossos clientes, e como tal ensaiar múltiplos futuros possíveis.

Ricardo Galante, customer advisory analytics do SAS

Ricardo Galante, customer advisory analytics do SAS

O papel da analítica avançada na análise de dados relativos a clientes, processos e materiais (matéria-prima até produto acabado) constitui, nos dias de hoje, uma ferramenta imprescindível para a tomada de decisão. Por força das circunstâncias, a tomada de decisão sem recursos a estes meios, até pode ser minimamente racional, mas está “minada” de preconceitos e enviesamentos diferentes de decisor para decisor, com impactos substanciais nas organizações e clientes.

Assim, sabemos que numa estratégia centrada no cliente, a individualidade do cliente se destaca, ou seja, nem todos os clientes são iguais. Existem clientes mais leais ou menos leais, clientes mais lucrativos ou menos lucrativos, clientes que compram com mais frequência ou clientes que compram com menos frequência. Cada cliente é diferente e oferece um valor único para a sua empresa.

Deste modo, abordar a especificidade de cada cliente com técnicas analíticas é um gerador de valor para a organização, assim como de conveniência para o cliente. Desta forma, técnicas de segmentação para agrupar clientes “estatisticamente semelhantes” permitem reduzir a complexidade de uma carteira de clientes ou o Market Basket Analysis permite fazer algo semelhante pela análise dos cabazes de compra (bundles, quem compra isto também compra aquilo). Diria mais… a análise de churn permite perceber a probabilidade de um cliente deixar uma determinada marca, permitindo assim medidas de mitigação de recuperação, antes que seja tarde. Finalmente, a análise preditiva (forecasting) de vendas, visitas ou até o número de encomendas permite antecipar a componente sazonal dos comportamentos, que combinadas com técnicas prescritivas (Next Best Action) permitem, com grande probabilidade, acertar na oferta relevante para o cliente, que já agora existe em stock graças aos resultados do forecasting e outras técnicas.

O valor da utilização destas técnicas é exponenciado quando combinadas e, ainda mais, quando feitas em tempo real, nomeadamente na comunicação com o cliente. Neste domínio da comunicação com o cliente, todos nós nos lembramos dos SMSs ou e-mails que vão para o junk porque nada nos trazem de valor. Por outro lado, uma lista dos produtos relevantes quando navegamos num site, ou uma proposta de um produto substituto relevante para nós quando há uma rutura de stocks são diferenciadores que promovem a marca e satisfazem os clientes.

A abordagem para a tomada de decisões brilhantes está em boa parte das organizações dependente de folhas de Excel carregadas de pivots e macros, ou de dezenas de relatórios que necessitam de ser analisados por pessoas sobrecarregadas e sem tempo para espremer a evidência estatística.

Sem desmérito para estas abordagens, que vão continuar a ser necessárias em alguns momentos, é vital acrescentar uma camada de inteligência que automatize o tratamento dos dados e simplifique a explicação estatística, para simplificar a explicação dum abandono de carrinho. Havendo muito e bom “cientista de dados” saído das universidades, aproveitemos esses excecionais recursos para analisar os resultados de ferramentas que já fazem parte desse tratamento estatístico e acrescentem as partes que a máquina não faz, em detrimento de colocar esses mesmos recursos a programar centenas ou milhares de linhas de código ignorando que outros já criaram a “roda”.

No SAS, disponibilizamos 40 anos de Statistical Analytical Systems em vários modelos de entrega nomeadamente em novos paradigmas de cloud ou em Results as a Service (RaaS), e recebemos de braços abertos todos os decisores do dia a dia, sejam eles business users, power users ou data scientists a programar em R, python (code) ou apenas a utilizar interfaces gráficos intuitivos (low code ou no code), porque no final as nossas organizações precisam de decisões brilhantes.

 

Deixe aqui o seu comentário

O seu endereço de email não será publicado. Campos obrigatórios marcados com *