[MÚSICA] Modelos para análise de dados existem vários e cada tem suas aplicações mais coerentes determinados momentos, depende dos dados que você tem, da quantidade, se eles são qualitativos, se eles são quantitativos. Existe uma série de técnicas que te ajudam a perceber quais são e como aplicá-las. Aqui o que eu queria era trazer o mais importante disso, que é passo antes de por que fazer a análise, ou como fazer a coleta. Porque muitas vezes a gente vê nas empresas, na prática, o pessoal coleta monte de dados, coloca tudo no agora nos data lakes, cria bancos de dados enormes, coleta dados de redes sociais sobre o que estão falando da tua empresa e etc. e no fundo nenhum desses dados vai ser usado com propriedade, ou com profundidade. Eu tenho uma colega, trabalhei com ela, a gente falava muito de projeto de unificação de bases de dados, de informação de clientes para banco. O cliente do banco, por exemplo, ou você como pessoa física, você tem sua conta, pode ter investimento, pode ter empréstimo e assim por diante, ou só ter a conta e todas essas bases do cartão de crédito e etc. estão separadas. E você tem problema de oferecer o melhor produto, você como banco, oferecer produto adequado para o seu cliente para fazer com que ele use mais os serviços do banco e sem esse cruzamento de dados fica praticamente impossível, porque você pode oferecer empréstimo. Acontecia várias vezes, oferece empréstimo para compra de imóvel para alguém que acabou de trocar de casa. Não faz sentido porque ele tinha acabado de fazer isso outro banco ou outro lugar e você não estava cruzando os dados necessários para poder rentabilizar melhor. Então o principal objetivo disso é pergunte-se para que você vai usar. Então é entender a coleta desses dados com qualidade, porque senão você vai tentar coletar o mundo para depois trabalhar. Não precisa. Determinadas análises a gente já pensando na pergunta, vai direcionar o que a gente vai coletar e como a gente vai analisar. E coletar com qualidade para que os dados não sejam corrompidos, não sejam conflitantes, eles queiram dizer alguma coisa. Então qual é esse objetivo? Você quer rentabilizar algum produto, quer aumentar a produtividade, quer gerar negócios? Qual é? Definir esse objetivo de acordo com a sua estratégia e com a necessidade da área. E usar essas técnicas de processamento. Pode usar nuvem hoje, que tem várias técnicas de Inteligência Artificial, data lake, que eu já comentei. Depende muito do volume de dados que você tem. Não adianta falar "não, vou fazer uma super análise quantitativa de dados", mas você tem três, quatro clientes. Talvez seja melhor trabalho de coleta de dados muito pessoal, muito personalizada, ao invés de fazer algo qualitativo. Quando se está falando de Business to Consumer, B2C, eu vou ter uma base grande de clientes consumindo o meu produto, meu serviço. Aí vale a pena trabalhar de uma maneira de coleta e análise de dados mais automatizada. Automação é essa tendência desde que a gente saiba primeiro o que a gente quer obter dos dados. Eu trabalhei uma vez com uma empresa que os caras eram super craques, muito bem formados, todas as disciplinas, formação incrível dos profissionais dessa empresa e eles eram analistas de dados fortemente preparados para fazer esse tipo de coisa. E a gente ficou num projeto de mais ou menos uns quatro meses e houve problema porque a gente não conseguia chegar a acordo de onde a análise ia chegar. Então a gente tinha que remodelar os dados, eles faziam outras análises e etc. e depois eu vi que, no fundo, a falha principal foi minha, como cliente naquela vez, porque eu não estava sabendo especificar o que eu queria obter, se era uma taxa de falhas de determinado equipamento, ou tirar insights de determinado negócio que poderia ser gerado a partir de problema de suporte, que era minha necessidade na época. Como eu não defini a pergunta, eu não sabia para que lado eu estava correndo. Eu podia ter a melhor equipe de revezamento 4 por 100, como é o pessoal da Jamaica, super rápido, que eram eles os craques dessa história da análise de dados, mas a gente não sabia para que lado a gente estava correndo. E aqui eu trago dos modelos que pode ser aplicado nesse mundo de sucesso do cliente, é da professora Lilian Franco, que dá aula aqui conosco na FIA, e ela olha para cinco grandes dimensões. Uma é a gente conhecer o cliente, entender quem a gente vai tratar, quais são esses clientes, as personas, quando a gente faz detalhe de como é o cliente. Isso serve tanto para B2C quanto para B2B, fazer uma segmentação desses clientes, começar as divisões para agrupá-los de maneira adequada e desde que eu estabeleça qual é o critério de segmentação e agrupamento. Pode ser por receita, pode ser por taxa de evasão, enfim, tamanho do cliente, enfim, estabelecer critério. Aí defino a jornada desses clientes junto a minha empresa, o uso da minha solução, do meu produto, coleto esses dados da jornada para que eu possa fazer análises cima de técnicas ou automatizadas ou de entrevistas e assim por diante. E aí faço as medições e executo as minhas ações realimentando o fluxo aqui, porque dado o que eu encontrar eu vou gerar novas perspectivas, novas possibilidades para essa solução, coisas que eu preciso mexer, coisas que eu preciso mudar, ou coisas que eu preciso valorizar mais na hora de fazer uma venda, por exemplo, ou outros tipos de atividade. Fazendo esses passos, a gente consegue ter uma noção muito mais consistente de como esses dados contribuem para essa análise e, de novo, focar os recursos esforços e ações melhorias práticas para as nossas soluções. Mas antes até de todos esses pontos aqui é, pergunte-se, o que você quer saber dos dados, qual é o seu objetivo para melhoria? [SOM]
