Introdução a Business Analytics

1. INTRODUÇÃO A BUSINESS ANALYTICS

2. Comunicamos que todas as informações contidas neste documento são confidenciais. A utilização, cópia, distribuição e divulgação não autorizadas são expressamente proibidas. Agradecemos a colaboração.© 2019 Visagio. Todos os direitos reservados.

3. Agenda 1. Definições de Analytics 2. Fatores de Transformação 3. Analytics nas Organizações 4. Oportunidades

4. Evolução Histórica Até 1900 Primeiros cientistas desenvolvem teorias sobre probabilidades inferências estatísticas/regressão, otimizações numéricas. Leibniz, Newton-Raphson, Bayes Analytics 1900 - 1940 Início da Administração Científica, Linha de Montagem e Aplicação da Matemática em Manufatura, Serviço Militares, Comunicação etc. 1940 - 1960 Simulação Evolução da Computação, Máquina de Turing, ENIAC. Desenvolvimento métodos aplicados de Pesquisa Operacional (Era de Ouro), primeiras discussões de AI, Machine Learning etc Machine Learning 1970 - 1980 Otimização Estatística PC/IBM, surgimento de grandes empresas de tecnologia (IBM, Microsoft, Oracle) e início de aplicações empresariais em larga escala, bancos de dados Data Mining &BI 1990 Internet, Decison Science, Datamining, boom de softwares especializados em PO e data science. Computação 2000 Aplicações Web, dispositivos móveis, rede sociais, início de IoT e multiplicação de dados não estruturados “CompetingonAnalytics” Davenport/2005 2010 Era de Big Data aplicada, Armazenamento e Computação Distribuída, Soluções Cloud, Democratização da AI, Transformação Digital

5. Evolução do Analytics • A agregação de valor através de Analytics evoluiu em conjunto com os avanços tecnológicos dos últimos anos 1.0 2.0 3.0 4.0 • Dados estruturados, estáticos e baixo volume • Analistas de backoffice • Implantação lenta e complexa • Decisões internas • Analytics Descritivo • Dados não-estruturados, dinâmicos e em grandes volumes • Surgimento dos Cientistas de Dados • Dados como produtos oferecidos por empresas online • Surgimento do Hadoop e outras tecnologias open source • Ferramentas de Visualização e Diagnóstico • Analytics automatizada e transparente (embedded) • Tecnologias cognitivas • “Roboticprocessautomation” para tarefas digitais • Augmentation, notautomation • Fontes de dados pulverizadas • Produtos/decisões internos e externos • Analytics como competência core • Ciclos de mudança rápidos e escaláveis • Analytics Preditivo e Prescritivo 1975 2001 2013 2016

6. Definições • Analytics é um termo utilizado com objetivos distintos por diferentes atores Vendedores de Software • Desenvolvimento de soluções e viabilização da aplicação de analytics em larga escala • Utilização de “analytics” como forma de diferenciação de seus produtos - Vendedores de Sonhos Serviços Consultoria • Definição de tendências e apoio na restruturação de empresas • Experiência prática limita Academia • Fonte de inovação técnica e preparação dos futuros profissionais • Baixo pragmatismo Dentro das empresas • Aplicação em contextos/áreas específicas (for example, vendas, serviço, supplychainetc) com captura efetiva de valor • Carência de valores humanos capacitados

7. Agenda 1. Definições de Analytics 2. Fatores de Transformação 3. Analytics nas Organizações 4. Oportunidades

8. Fatores de Transformação • Algumas barreiras para a implantação de uma cultura analítica vem sendo vencidas A tecnologia está viabilizando aplicação de analytics que eram praticamente impossíveis há alguns anos: Machinelearning, NLP, DeepLearning & AI Tecnologia Empresas e consumidores mais preparados e adquirindo confiança em analytics e automação: “demanda” por analytics puxada e não mais empurrada Empresas vêm adotando dados como “ativos” e capturando Petabytes de dados nos últimos anos, permitindo aplicações mais complexas em analytics Dados Mercado

9. Fatores de Transformação | Dados Exabytes • O volume de dados cresce exponencialmente e as fontes se tornam cada vez mais variadas Petabytes Sensors IoT Infotainment Systems Streaming Video Terabytes User Generated Content IoT Data Social Network Natural Language Processing User Click Stream DIGITAL & WEB Mobile Web Web Logs Wearable Devices A/B Testing Sentiment Offer History Business Data Feeds Gigabytes Cyber Security Logs Dynamic Pricing Offer Details HD Video Search Marketing Segmentation PROCESSOS DE NEGÓCIOS Speech To Text Purchase Detail Purchase Record Connected Vehicles Behavioral Targeting Product/Service Logs Payment Record Dynamic Funnels Support Contacts Machine Data SMS/MMS VARIEDADE DE DADOS Fonte: Business AnalyticsConference, Informs, 2017

10. Fatores de Transformação | Mercado • Empresas acreditam mais no valor do Analytics e consumidores estão mais abertos a novidades Demandas e Expectativas Crescentes • Respostas– não somente “o que aconteceu” e “o que pode acontecer” – de Analytics Descritivo para Preditivo/Prescritivo • Velocidade– alta expectativa para tempos de reposta – analytics precisa fornecer resultados sobre grande volume de dados de forma rápida • Usabilidade– usabilidade não é mais um diferencial e passa a ser uma exigência – os usuários/ consumidores demandam melhores experiências e sem surpresas • Mobilidade– analytics precisa estar disponível para diferentes formas de consumo e a qualquer momento • Automação+ “Augmentation” – ganhos absolutos de eficiência através da automação de processos e tomada de decisão end-to-end. Maior valorização do trabalho humano.

11. Fatores de Transformação | Tecnologia • Crescimento do poder de processamento e armazenamento e redução de custo Democratização dos Recursos Tecnológicos • Tecnologias open source–fornecem formas gratuitas para iniciativas em Analytics, reduzindo barreiras de entrada • Armazenamento e processamento –redução de custo em função da proliferação de tecnologias Cloud + viabilização de grande capacidade de processamento e novas oportunidades em deeplearning através de GPU • Interfaces com o Usuário –avanços nas interfaces de softwares e maior autonomia aos usuários democratizam formas básicas de analytics, como análises descritivas e preditivas simples • RoboticProcess Automation –novas tecnologias e filosofia de trabalho viabilizam automações de processos com agregação de inteligência via Analytics

12. Fatores de Transformação • Apesar dos potenciais de ganho a transformação organizacional é uma jornada que apresenta diversos desafios Dificuldades Visão Estrutura Organizacional em silos e com governança não clara Analytics reconhecido como competência core e com visão colaborativa entre áreas Cultura analítica inexistente e/ou profissionais não capacitados Cultura analítica presente em todas as áreas da empresa Tomada de decisão com visão clara de riscos e potencial de retorno Falha no alinhamento de expectativas Falta de método para monetizar analytics Visão clara de retorno do investimento Ambiente de dados com limitações técnicas e sem governança estabelecida Dados confiáveis, racionalizados e acessos democratizados Profissionais de Analytics e Cientistas de Dados trabalhando em silos Empoderamento – todos podem trabalhar com Analytics e de forma colaborativa Lentidão no desenvolvimento e implantação de insights e novos produtos para o negócio Uma abordagem “InsightOps” e “DevOps”– Rápida, Frequente & Automatizada

13. Agenda 1. Definições de Analytics 2. Fatores de Transformação 3. Analytics nas Organizações 4. Oportunidades

14. Analytics nas Organizações • Para o sucesso dessa iniciativa, o alinhamento entre estratégia, liderança, execução e utilização de soluções em Analytics é um fator-chave Captura de Valor • Estratégia • Liderança • Execução • Utilização Visão Estratégica considerando Analytics como competência core e Alinhamento Organizacional Capacidade técnica e visão de negócios para conectar as oportunidades existentes com a equipe de Analytics Tecnologia, ferramentas, dados, skill de advanced analytics e foco no cliente Cultura para tomada de decisões baseada em dados sobrepondo ao julgamento

15. Analytics nas Organizações • Empresas necessitam de uma abordagem eficiente para Data Science & Analytics para acelerar tempos de resposta sem perda de qualidade... • Governança de Analytics Administração dos dados Preparação de dados Data Lake Núcleo de excelência em analytics Adquirir, Limpar, Transformar, Cadastrar, Controlar Qualidade Modelagem, prototipagem ágil, testes e sustentação Regras de Negócio Streaming de dados | IoT Devops, automation

16. Analytics nas Organizações • ... fazendo necessário uma estrutura organizacional aderente aos objetivos desejados CEO • Equipe próxima ao negócio e clientes internos/externos • Entendimento e alinhamento das necessidades • Facilidade no suporte à utilização das soluções finais • Visão limitada de oportunidades entre processos • Distanciamento da visão estratégica • Redundâncias no desenvolvimento • Perda de escala na utilização das soluções desenvolvidas MKT RH TI OPE Descentralizada F.A. F.A. F.A. F.A. • Alocação de equipe e esforços menos transparentes • Possível desalinhamento entre área responsável pela execução dos projetos e cliente interno • Dificuldade de alinhamento interdepartamental CEO • Proximidade da expertise funcional • Melhor coordenação das atividades e padronização das metodologias e aplicações técnicas • Possibilidade de adoção de um modelo de serviços compartilhados Função de Analytics MKT RH TI OPE Híbrida • Melhores práticas e sinergias entre soluções adotadas • Forte coordenação das atividades e padronização das metodologias e aplicações técnicas • Maior produtividade e visão estratégica CEO • Falta de visão de negócio e foco no cliente interno • Barreiras ou resistência à utilização das soluções desenvolvidas pelas áreas usuárias Função de Analytics MKT RH TI OPE Centralizada

17. Analytics nas Organizações • Um conjunto de skills são requeridos para o aproveitamento pleno das oportunidades em analytics Modelos Matemáticos Sistemas de Informação Processos de Negócio

18. Analytics nas Organizações • A proposta do Analytics é, através de análises de dados, auxiliar os negócios para a tomada de decisão e até mesmo automatizá-las Decisão Base de Dados Input Manual Ação Análise Descritiva O que acontece? Análise de Diagnóstico Por que acontece? Análise Preditiva Quando acontece? Suporte à Decisão Análise Prescritiva O que fazer? Automação da Decisão

19. Analytics nas Organizações • São diversas as técnicas para se obter insights a partir de bases de dados • Wavelets • Simulation • Fourier Transforms • Optimization • Simulated Annealing OR Forecasting • Neural Networks • k-means Clustering • Harmonic Analysis • Time Series Analysis • Genetic Algorithms • Spectral Density • Linear, Logistic Regressions & GLMs • ANOVA • Graph Theory • Link Analysis • Discriminant Analysis • Bayesian Networks • Kohonen Networks • Canonical Correlation • Resampling • Principal Components Machine Learning • Decision Trees • Kernels • Monte Carlo • Hierarchical Clustering • Polynomial Networks & GMDH Statistics • Association Rules • Visualization • Correlation • MANOVA • Cross-Tabulations • Radial Basis Functions • OLAP • Support Vector Machines • Factor Analysis • Querying BI • SQL

20. Agenda 1. Definições de Analytics 2. Fatores de Transformação 3. Analytics nas Organizações 4. Oportunidades

21. Oportunidades • A diferenciação competitiva através de Analytics desperta o interesse de um número cada vez maior de empresas Empresas se reorganizando para capturar oportunidades em Analytics* Líderes de Analytics com atribuições estratégicas* Não sabem Em andamento A ser implementado em mais de 1 ano Concluído Não planejam A ser implementado em menos de 1 ano Fonte: FreshMinds2015

22. Oportunidades • Oportunidades de ganho podem ser potencializados através da automação de processos end-to-end Analytics & Data Science são os viabilizadores de uma automatização mais ampla Baseado em Regras de Negócio Rotina Previsível RoboticProcess Automation Perfil do Processo Atuação Cognitiva Baseado em Julgamento Dinâmico/Ad hoc Imprevisível Não-estruturado Volátil Veloz Estruturado Estável Perfil dos Dados

23. Oportunidades • Diversos casos práticos de aplicação de Analytics estão disponíveis para serem avaliados e implantados Marketing Analytics TalentAnalytics • Geomarketing • Previsão de vendas • Retenção de clientes • Segmentação de clientes • Otimização de campanhas • Precificação de produtos • Ciclo de vida do cliente • Recrutamento e seleção de talentos • Análise de desempenho • Retenção de talentos • Dimensionamento de Workforce • Planejamento de carreira e sucessão de talentos Logistics & OperationsAnalytics FinanceAnalytics • Otimização de malha logística • Planejamento integrado de Vendas e Operações • Processo de Qualidade • Otimização de estoques • Manutenção Preditiva • Risco de fraude • Análise de portfolio • Score de crédito • Otimização de fluxo de caixa • Econometria • Algoritmo de trading

24. Obrigado(a)! gilberto.cordeiro@visagio.com