O debate procurou mostrar como é possível transformar Big Data em Smart Data e valor. A partir de uma rápida descrição do case de campanha de Barack Obama, pudemos ver como fazer dados deixarem de serem ruídos e passarem a orientar melhores decisões.
Rayid traçou uma breve história dos dados, desde o início do século XX, onde eram vistos apenas como probabilidade e estátistica. Somente na década de 1980 que dados voltaram a ser notícia com a criação dos Datawarehouses. Nos anos 1990 vimos a ascensão do BI e do Data Mining, o machine learning na década de 2000 e agora, o Big Data.
E como ele utilizou o Big Data na campanha bem-sucedida de Obama? A base de seu raciocínio está baseada em 3 ações elementares: análise, previsões e interrupções e otimização. Rayid analisa a massa de dados e traça cenários preditivos para o comportamento de voto. Ou seja, ao invés de buscar mais votos, ele procurou identificar quem estaria predisposto a votar em Obama. Ele detectou que a eleição não seria decidida ou focada nos “vencedores” mas nos binários, cidadãos que precisam de mais oportunidades. Desse modo, a campanha foi centrada na busca de eleitores que se predispunham a votar (o voto nos EUA não é obrigatório) e que poderiam ser persuadidos pelos valores de Obama. Mais do que buscar mais votos em redutos tipicamente republicanos, o Big Data foi utilizado para maximizar o potencial de eleitores identificados com a mensagem de Barack Obama.
Os princípios da eleição de Obama são válidos para as operações varejistas. David Selinger, da Rich Relevance mostrou que hoje, graças ao Big Data que vem sendo utilizado com essa metodologia – análise, previsão e otimização – pela Amazon desde 2004, a gigante do e-commerce está facilmente 10 anos à frente de sua concorrência. Isso porque hoje, o conhecimento dos clientes e as análises feitas pelos algoritmos da Amazon permitem que 80% da Home seja totalmente personalizada para cada cliente. Isso significa uma quantidade absurda de “sites” que se amoldam ao gosto do cliente, gerando indicações, encomendações e interações que realimentação o sistema e o tornam cada vez mais poderoso. A Amazon segue religiosamente os 3 princípios do Big Data – 3Vs – Velocidade, Volume e Variedade – para construir estratégias capazes de persuadir clientes potenciais e converter vendas. Não por acaso, nos dias de hoje, apenas 4 empresas utilizam plenamente as possibilidades do Big Data: Amazon, Google, Facebook e eBay.
Os executivos recomendam que é possível transformar Big Data em inteligência a partir de alguns princípios simples:
– aprenda rápido;
– integre-se: extraia o essencial da massa de dados (“dê a mordida certa”);
– defina métricas e indicadores certos para o seu negócio;
– experimente sem parar, relacione dados e busque associações para testar hipóteses continuamente;
– escala: recomece e repita até ter o “grande projeto”.
Ou seja, a estratégia que levou Barack Obama (chances de vitórias estimadas na véspera da eleição: 78,5%) à reeleição pode ajudar redes varejistas a serem eleitas pelos consumidores. Trabalhar os dados no sentido de gerar conhecimento e relevância demanda enorme esforço. Mas ainda assim, não restam opções melhores. Permanecer operando às cegas, em um mundo que muda de modo acelerado, confiando apenas nos insights não é mais uma opção válida. Como as condições competitivas mudam com frequência, é praticamente impossível dispensar o produto de uma análise de dados soltos. Há muito ruído no mercado. Interpretar os sinais pode fazer a diferença no varejo muito antes do que se pensa.
Pensar que o número de clientes importa menos que a qualificação desses clientes, seus valores e elementos de identidade com a marca faz mais sentido para operações de varejo realmente competitivas.
Jacques Meir – Diretor de Conhecimento e Inteligência de Negócios do Grupo Padrão
