Mapeando seu ecossistema de dados para criar insights

Para aproveitar ao máximo o valor dos dados, sugiro que você comece a mapear o ecossistema de seus dados. O que é um ecossistema de dados?

O ecossistema de dados é um mapa de todos os dados usados em processos de negócios de ponta a ponta. Por exemplo, imagine que você é dono de uma cadeia de lojas de vestuário. O que constitui seu ecossistema de dados? Um cliente da loja de roupas compra um item. Esse item é um ponto de dados. Se você agregá-lo a todas as outras compras feitas nas lojas de cada região, saberá o tipo de dados: transações. Esse é um conjunto de dados. As devoluções podem formar outro conjunto de dados. Assim como tráfego na loja.

Todos esses conjuntos são tipos de dados do usuário. Dados do usuário são as informações do cliente ou usuário do serviço ou produto. Portanto, são o primeiro bucket de dados. Agora pense sobre os dados mais operacionais. Por exemplo, dados sobre o número de funcionários de cada loja, as datas de entrega do estoque, o desempenho geral das vendas em cada loja e a distribuição da equipe da loja. Por exemplo, quantas pessoas estão no provador e quantas estão no caixa? Este é o segundo bucket de dados, os dados corporativos. Alguns exemplos de dados corporativos são padrões de vendas e dados operacionais extraídos da empresa.

Pense em outros conjuntos de dados que o dono de uma loja teria. O terceiro bucket é o de dados do setor. Os dados do setor não pertencem a uma organização. Todos no setor têm acesso a eles. Podem incluir tendências mais abrangentes, padrões de compra e artigos de pesquisa disponíveis para o público. Esses três buckets compõem um ecossistema de dados. Quanto mais conjuntos de dados você adicionar, mais detalhados serão os insights que poderá extrair. Observe que, enquanto o ecossistema é mapeado, estou anotando os conjuntos de dados que tenho no momento e os conjuntos de dados que posso extrair.

O ecossistema de dados está mapeado com uma lista dos conjuntos de dados que você tem e pode ter. Qual é o próximo passo? Comece a brincar com as interseções entre os conjuntos de dados. Escolha um ou mais conjuntos de dados e pergunte-se: quais insights poderão ser extraídos se esses conjuntos de dados forem combinados? Por exemplo, imagine que você é gerente de vendas em uma empresa de diagnósticos biomédicos. Você fornece várias ferramentas de diagnóstico a hospitais e laboratórios de toda a região. Um dos seus conjuntos de dados é de vendas de cada produto. Você também tem alguns conjuntos de dados sobre os hospitais, incluindo especialidades, local, volume de pacientes e principais unidades laboratoriais. Neste caso, ao integrar a quantidade de produtos vendidos para cada hospital com todos os outros conjuntos de dados de um hospital específico, você extrai insights detalhados sobre as características do seu cliente ideal.

Outro exemplo. Jane, é personal banker. Como é o ecossistema de dados dela? Os conjuntos de dados do usuário podem incluir informações demográficas, o histórico financeiro do cliente e interações anteriores com ele. Os conjuntos de dados corporativos podem incluir as vendas por produto financeiro, registros de chamadas com conversas sobre vendas e métricas de desempenho de portfólios financeiros.

O setor bancário é muito regulamentado. Há muitos dados do setor disponíveis, inclusive comparações de mercado. Outro conjunto de dados do setor é o desempenho de ações e outras tendências de investimento que todos os colegas e concorrentes de Jane em outros bancos podem acessar. Neste caso, ao integrar as informações demográficas do usuário com as compras do produto, ela pode começar a descobrir quais indicadores demográficos são importantes para prever as compras do produto.

Os desafios de negócios com base nos insights

Vamos unir todos esses elementos. Como usar um ecossistema de dados e os insights extraídos de diferentes conjuntos de dados para transformar uma empresa?

Vamos começar com os desafios de negócios criados anteriormente. Você tem ideias de desafios específicos que podem agregar valor à sua empresa. Cada ideia está em uma posição no espectro “melhoria à transformação”. Veremos como associar os insights a esses desafios ajuda a aprimorar o foco e escolher um desafio de transformação para criar um caso de negócios.

Primeiro, veja um exemplo de como funciona. Imagine que você administra uma empresa de produção de laticínios. Você tem um rebanho de vacas, uma unidade de produção em que elas são ordenhadas e o leite é coletado e uma frota de caminhões que entregam os tanques de leite a produtores de iogurte e queijo. É um modelo de negócios bem simples. Existem dados e valores ocultos que ajudarão você a melhorar ou transformar uma empresa de produção de leite? Claro que sim.

Comece explorando os desafios de negócios mais amplos nesse cenário, e em seguida, concentre-se naquele que gerará resultados transformadores. Um dos seus clientes ou usuários é a cadeia de suprimentos Latdream. Ao focar o usuário, talvez você se pergunte: como oferecer um serviço melhor? Ao pensar 10x, você lembra que não quer melhorar o serviço em só 10%. O serviço precisa ser 10 vezes melhor. Talvez seja útil incorporar soluções da nuvem. Para oferecer um serviço 10 vezes melhor, pergunte-se: onde estão as incertezas ou as lacunas de conhecimento da empresa que mais afetam os usuários ou clientes? É difícil saber quanto leite cada vaca produzirá na próxima semana, em três semanas ou na primeira semana do mês seguinte.

Isso significa que os níveis variáveis de produção de leite geram incertezas de abastecimento para os parceiros da Latdream: as fábricas de iogurte e queijo. Parece que agora temos um bom desafio de negócios. Vamos colocá-lo em forma de pergunta. Como prever quanto leite as vacas produzem por dia? Este é o nosso desafio. A solução também será revolucionária. Como usamos a palavra “prever”, já sabemos que é possível usar a nuvem. Agora precisamos de dados. Imagine que você criou este ecossistema de dados. Pense nos conjuntos de dados do ecossistema que podem gerar insights.

Quais fatores afetam a produção de leite? Raça da vaca, idade, alimentação. E o clima? Esses conjuntos de dados estão se tornando cada vez mais úteis.

Você faz uma pesquisa e descobre que a chuva tem um impacto significativo. Quanto mais chuva, mais água as vacas ingerem e mais leite elas produzem. A produção de leite também está relacionada à raça do animal e ao quanto ele se exercita e se move. Como usar dados para solucionar esse desafio de negócios? Sem dúvida, há anos de registros de quanto leite uma vaca produz por dia. É um conjunto de dados importante. Você também precisa do conjunto de dados de chuva. Quando haverá chuva? É fácil descobrir, porque a previsão do tempo é uma informação pública. Portanto, ao analisar quanto leite foi produzido a cada dia nos últimos anos e associar essa informação aos padrões de clima dos anos anteriores, você gera um insight. Mas existe outro fator.

As vacas se movimentam bastante. Se o exercício está associado à produção de leite, capturar o movimento delas aumenta ainda mais a precisão. E se você adicionar uma tag de geolocalização a cada vaca para rastrear o movimento? Agora você sabe que pode solucionar o desafio com os dados que tem ou pode extrair. Você tem os conjuntos de dados históricos para começar a criar um modelo, a produção anterior por raça de vaca, e o histórico climático. Também tem os conjuntos de dados em tempo real: movimentação, raça da vaca e previsão do tempo. Assim é possível criar um modelo de autoaprendizagem. Você tem previsões tão precisas quanto a previsão do tempo.

Isso significa que você pode prever a produção e compartilhá-la com os parceiros da Latdream. Os parceiros saberão quando haverá altas e baixas no abastecimento e poderão preparar melhor suas unidades. Também significa que é possível prever quantos caminhões de entrega usará. Essa é uma possibilidade, mas existem várias outras. Por exemplo, como o estresse afeta a produção de leite? E se você pudesse monitorar o nível de estresse de cada vaca para ter insights de quanto leite elas produzirão durante a vida? Ainda melhor, e se você pudesse identificar uma doença com antecedência e isolar os animais para reduzir a propagação da doença no rebanho? Quando você pensa 10 vezes mais, as possibilidades são infinitas.

Neste exemplo, vemos um desafio de negócios se transformar em ações específicas, como tags de geolocalização e a criação de um modelo de nuvem para prever a produção de leite. Lembre-se: é melhor iniciar o processo com foco nos usuários. Em seguida, pensar 10x. Como repensar radicalmente o problema em vez de somente melhorar a situação? Após criar um desafio de negócios que instigue a imaginação, analise os conjuntos de dados no seu ecossistema. O que pode ser combinado para gerar o tipo de insight necessário para superar o desafio de pensar 10 vezes maior? Seguir estas etapas ajuda você a identificar soluções práticas para superar seu desafio de transformação e tratamento de dados.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *