Terra Mobile canais * CAPA * TERRA MAIL * HORÓSCOPO * NOTÍCIAS * ESPORTES * DIVERSÃO * ECONOMIA * CLIMA * TERRA TV * ASSINE [?partner=Cio] (BUTTON) (BUTTON) ____________________ X [lupa-caixabusca-mobile.png]-Submit * Home * Mais Lidas * Notícias * Gestão * Opinião * Tecnologia * Carreira Big Data: O que Airbnb, Starbucks e Sonic têm a ensinar Tecnologia - 30 de setembro de 2015 às 07h30 As três são exemplos de que progressos incrementais podem ser mais importantes do que uma abordagem em busca de uma grande vitória Jeff Vance, Network World O momento é de aceleração no uso de ferramentas de Big Data. O movimento vem à reboque dos primeiros casos públicos de real extração de valor a partir da aplicação do conceito em diversas indústrias. Para a maior parte das organizações, contudo, conseguir um grande acerto muitas vezes requer uma série de erros prévios. Muitas empresas preferem uma abordagem de pequenas vitórias em vez de uma abordagem que pode ser considerada a cartada definitiva. São medidas para tornar sua cadeia de suprimentos um pouco mais eficiente ou contratar profissionais melhores mais rapidamente que começam a criar massa crítica dentro da organização e gabaritam uma companhia a pensar algo maior ou mesmo expandir lentamente o uso das ferramentas. Especialistas defendem que progressos incrementais podem ser mais importantes do que uma abordagem em busca de uma grande vitória. Portanto, em outras palavras, se seu objetivo for abrangente e vago – do tipo “vamos dominar o mercado mundial de tecnologia” – provavelmente será uma abordagem que não dará assim tão certo. Dessa maneira, talvez seja mais adequado criar pequenos diferenciais que o tornem melhor que seus rivais. Depois de atingir essa meta, ganhe confiança, assimile conhecimentos, e parta rumo a uma nova empreitada. A seguir, trazemos alguns exemplos do que empresas como Airbnb, Starbucks e Sonic têm feito para conseguirem suas vitórias e como têm empilhado blocos para ganhar massa crítica, tornando os objetivos mais palpáveis. 1. Uma imagem vale mais que… Muitas startups acreditam que, utilizando big data, derrubarão líderes de mercado como Cisco, Google ou Apple. Elas acreditam que conectarão suas ferramentas de análise de dados a bolas de crista e descobrirão segredos que magicamente a catapultarão a posição de grandes vencedores. Pois saiba que isso raramente acontece, se é que acontece. Histórias de sucesso envolvendo big data tipicamente começam com pequenas perguntas. Qual é o melhor quarteirão para instalar ma nova loja? Como podemos tornar a escolha das localizações em um processo sistemático? O que fazer para time de vendas convencer os clientes em ligações telefônicas? Como mudar a abordagem nas ofertas de varejo, em tempo real, para alinhá-las as preferências dos consumidores? Peguemos o exemplo de um dos maiores expoentes da economia de compartilhamento. O Airbnb precisou de um bom tempo para construir bases sólidas e isso ocorreu quando descobriu que o seu principal obstáculo era prevenir-se que pessoas escolhessem ficar em hotéis no lugar de contratar seus serviços. Riley Newman, líder de Analytics e cientista de dados da empresa, conduziu um processo de regressão para determinar as características mais impactantes no fechamento de uma reserva. Ele descobriu algo que hoje soa trivial: apartamentos cujas fotos não eram bonitas não eram alugados/reservados. Simples assim. Com base na descoberta, o Airbnb passou a enviar fotógrafos profissionais a vários apartamentos para refazer imagens. Os resultados foram surpreendentes, com ganhos no número de reservas e na confiança dos usuários/locatários. 2. Em busca da localização perfeita O mantra do bom negócio no mercado imobiliário é “localização, localização e localização”, mas nem sempre isso é tão simples de ser compreendido. A nossa segunda lição sobre Big Data vem de um gigante do varejo que descobriu um processo para melhor determinar onde abrir suas lojas. Em tempos de Internet, muitas empresas direcionam negócios fortemente para a estratégia puramente digital, ignorando que, nos Estados Unidos, o e-commerce ainda corresponde por apenas 17% das vendas do varejo norte-americano. Trocando em miúdos: grande parte do dinheiro ainda passa na frente da vitrine e entra em espaços físicos. Quando empresas de cimento e tijolo pensam em expandir operações para capturar a maior fatia desse segmento multibilionário, um dos maiores desafios reside em descobrir exatamente onde posicionar a nova loja. No passado, donos dessas empresas direcionariam o investimento a áreas que parecem ser uma boa aposta medindo o fluxo de tráfego, o número de pedestres por hora ou comparando os empreendimentos existentes na região. Agora, apenas porque um espaço amplo parece uma boa localização para instalar uma loja não significa que, de fato, seja. Aliás, pode ser um poço de prejuízo. Pior, um outro ponto, a poucas centenas de metros de distância pode ser mais adequado sem que você se dê conta. Por essa razão que o Starbucks confia em análise de ddos para guiar o processo de abertura de cafeterias, indo tão longe quanto a construção de uma plano de mercado e aplicações para desenvolvimento de lojas em um sistema chamado Atlas. A melhor maneira de explicar o Atlas é como uma ferramenta de análise de grandes volumes de dados que possui, acima, uma camada de softwares de mapas e informações geográficas. Com ele, a rede de cafeteria consegue avaliar um volume elevado de variaveis que podem contribuir com o sucesso das lojas, visualizando-as nos mapas e procurando pontos similares em outras localidades. No ano passado, em uma conferência, Patrick O'Hagan, gerente de estratégia do Starbucks apresentou a ferramenta colocando o mapa de uma cidade chinesa de dois milhões de habitantes que já tem 80 localizações da rede. Ele moveu diversas camadas para visualizar no mapa o que influencia cada uma das lojas a partir de dados como áreas de negócios, informações demográficas, volume de tráfego, disponibilidade de transporte público. Com base nas informações, o O’Hagan dentificou um ponto onde três novas torres de escritórios seriam inauguradas dentro de dois meses, representando uma localização com potencial promissor. Uma vez que a localidade é encontrada, um fluxo de telas surgem como pop ups, guiando o processo de aprovação da abertura da noval loja junto a corporação, seguindo normas para o lançamento do novo empreedimento. Mas o Starbucks não para por aí. Nos Estados Unidos, com um mercado saturado de cafeterias, a empresa usa o Atlas para ajudar no desenvolvimento de novas ideias de produtos, como a oferta de cerveja em algumas lojas, por exemplo. Com base nisso, consegue fazer projetos-piloto para validar a iniciativa. Aprender com dados e mapas não garante o sucesso dos esforços, mas o processo assegura redução drástica dos riscos associados ao lançamento de umano va loja. 3. Ajustando o menu Já vimos esse filme antes: um lugar com rostos amáveis dentro de um ambiente economicamente favorável que gera o encanto. A consequência do sucesso, normalmente, é um aumento de preço, filas, confusão nos processos que culmina com a destruição do que havia feito o charme do estabelecimento. A rede de fast food Sonic não quer cair nessa armadilha. Com mais de 3,5 mil lanchonetes espalhadas por 43 estados norte-americanos transformou seu modelo de drive-in em um serviço de vantagem competitiva. A empresa concorre em um segment de margens apertadas. Para manter o rumo, compreendeu que precisaria encontrar novas formas de manter custos sem impactar os preços aos clientes. Apesar de ver potencial na vasta oferta de dados armazenada, executivos da companhia ficavam frustrados com as limitações de desempenho das ferramentas que utilizavam. A empresa procurava uma forma mais rápida de extrair mais valor dos insights na mesma medida que relutava em investir em uma solução mais complexa e cara para tratar a questão. Depois de rejeitar algumas ferramentas baeadas em Hadoop e outras que demandavam misturar ou combinar componentes de diversos fonecedores, a Sonic adotou uma ferramenta de Analytics da 1010Data, que não era construída sobre um banco de dados relacional e não pedia trabalhos paralelos para compensar a limitação de arquiteturas legadas. Com a tecnologia, a rede pode processar dados não estruturados e obteve efetividade a partir de uma interface de visualização mais amigável a usuários não técnicos, que ganharam liberdade para se aprofundar na ferramenta. 4. Compartilhar conhecimento em nuvem Para a Sonic, o sucesso inicial de seu programa de Big Data inspirou um sentimento na companhia para que buscasse outras áreas onde soluções analíticas tivessem bom uso e trouxessem resultado. O plano agora é estender a tecnologia utilizada para sua rede de franquias. Colocar os dados na nuvem permitirá que a companhia simplifique o compartilhamento de informações com sua rede, bem como permitirá que a companhia mantenha o controle sobre informações sensíveis. * * * * ____________________ [lupa-caixabusca-mobile.png]-Submit Acesse a versão web Copyright© 2016. Digital Network!Brasileiros.