Na grande maioria das conversas com nossos clientes sobre Analytics e Inteligência Artificial, notamos que há uma lacuna entre a realidade do negócio e expectativas de projetos de Data Analytics.
Muitos destes clientes ainda buscam saber por onde começar e até como contratar fornecedor, neste sentido, fizemos uma pesquisa para responder às questões sobre aplicação de Data Analytics:
- Quais principais setores (áreas de negócio) utilizam Data Analytics hoje?
- Quais os resultados mais comuns das iniciativas de Data Analytics por setor?
- Quais são os dados mínimos (datasets) de entrada para cada iniciativa?
Setores para Aplicação de Data Analytics
Sabemos que é muito raro que duas organizações detenham o mesmo conjunto de dados, mesmo assim formatamos um resumo de nossas pesquisas sobre itens que consideramos genéricos suficientes por setor, assim temos:
Conclusões
A tabela traz dados de forma resumida para fácil visualização, porém a realidade de cada empresa se desdobra em muitas variáveis de entrada, gerando muitas oportunidades (e riscos) atreladas aos níveis de maturidade em gestão de dados (Níveis de Maturidade de Analytics).
- Existem vários outros setores que já utilizam recursos e metodologias da ciência de dados, porém estes já podem servir de exemplo para uma grande parcela dos negócios em operação.
- Soluções de Data Analytics necessitam obrigatoriamente de dados de entrada e como cada negócio é um negócio, é importante conhecer bem os dados de entrada e sua qualidade. Em muitas situações as organizações não estão capturando os dados corretamente em seus sistemas, apresentando um baixo nível de maturidade.
- Um obstáculo comum dos projetos de Data Analytics é o elevado esforço necessário para coletar, organizar e “limpar” os dados de entrada. Isso é, geralmente, o principal gerador de grandes frustrações entre os interessados no projeto. Cursos e capacitações na área podem acelerar o processo de construção dos modelos de análise de forma significativa, mas este conhecimento é escasso no mercado.
- Não existem, pelo menos até onde se estendem nossas pesquisas, aplicativos “Plug & Play” de “Data Analytics” que possam ser instalados e possam produzir os resultados das análises imediatamente. Em 100% dos casos toda a equipe (pessoal técnico e de negócio) precisa meter a mão na massa, criar hipóteses, definir amostras de dados, fazer testes, ajustar o modelo, calibrar o processo e finalmente chegar a resultados de fato conclusivos. Uma metodologia científica de trabalho voltada à dados que se ajuste ao negócio é fundamental para que esse processo seja bem sucedido. Na Aquarela, criamos e disponibilizando para Download o Analytics Business Canvas.
Este post dá um panorama bem geral (e pé no chão) sobre algumas áreas de mercado aonde sabemos que existem dados, e que, de alguma forma, estão estruturados para análise.
Existem sim outros mercados (você leitor deve ser deste “outro mercado”) que estão geram muitas informações (marketing digital por exemplo), mas escolhemos focar naqueles que são de senso comum, e ainda operam de maneira cética em relação aos dados.
Se você quer se aprofundar melhor sobre como esse novo olhar pode mudar o seu negócio, leia nosso Guia de introdução à cultura de Data Analytics.
Lá mostramos os caminhos e etapas necessárias para que você entre no mundo do Data Analytics sabendo dos desafios que irá encontrar, dividimos o processo de adaptação em sete etapas, da identificação da oportunidade até a replicação de um projeto de sucesso.
Baixe agora e esteja pronto para a revolução dos dados!
Quem é a Aquarela Analytics?
A Aquarela Analytics é vencedora do Prêmio CNI de Inovação e referência nacional na aplicação de Inteligência Artificial corporativa na indústria e em grandes empresas. Por meio da plataforma Vorteris, da metodologia DCM e o Canvas Analítico (Download e-book gratuito), atende clientes importantes, como: Embraer (aeroespacial), Scania, Mercedes-Benz, Grupo Randon (automotivo), SolarBR Coca-Cola (varejo alimentício), Hospital das Clínicas (saúde), NTS-Brasil (óleo e gás), Auren, SPIC Brasil (energia), Telefônica Vivo (telecomunicações), dentre outros.
Acompanhe os novos conteúdos da Aquarela Analytics no Linkedin e assinando a nossa Newsletter mensal!
Autores
Fundador e Diretor Comercial da Aquarela, Mestre em Business Information Technology com especialização em logística – Universiteit Twente – Holanda. Escritor e palestrante na área de Ciência e Governança de Dados para indústria e serviços 4.0.
Sócio fundador e Presidente da Flex Capital Securitizadora S/A – Mestre em “Business Administration” pela Universidade da Califórnia em Los Angeles (UCLA) – Mestre em Engenharia de Produção pela Universidade Federal de Santa Catarina (UFSC).
13 Comments
[…] Em praticamente todas as áreas onde existam dados e que estes estejam disponíveis para serem processados por algoritmos de Big Data. Já publicamos anteriormente aqui no blog uma lista de áreas onde já existem casos comprovados de aplicação de Big Data, vale a pena dar uma olhada neste link 14 setores para aplicação de Big Data e dados necessários para as análises. […]
[…] possíveis aplicações estão no post “14 setores para aplicação de Big Data e dados necessários para as análises”. no blog da […]
Olá, teria algum case para disponibilizar relacionado a controle da qualidade ?
Olá Cleber, é possível sim. Te encaminho algumas informações no seu email! Um forte abraço!
Olá pessoal, tenho interesse em aprender sobre big data aplicada a industria (areas relacionadas as de produção e processos). Poderia me enviar alguns cases sobre isso? Obrigado!
Olá Felipe, tudo bem?
Obrigado pelo comentário, infelizmente cases no setor privado são difíceis de gerar alguma publicação pelo teor estratégico das soluções encontradas, os cases que publicamos aqui no blog são essencialmente feitos com dados já publicados. No entanto, seguem alguns links que podem te ajudar nesse horizonte de pesquisa.
• Análise preditiva na indústria – Visão Geral – Vídeo IBM https://www.youtube.com/watch?v=9S2O5bhZDEo
• Análise preditiva na indústria Aeroespacial Predictive Analytics for Aircraft Maintenance – IBM https://www.youtube.com/watch?v=0L5kBMN9uSs
• Análise preditiva para otimização de preços – How Important Are Predictive Analytics To Revenue Management? Duetto https://www.youtube.com/watch?v=A5tdZR0wpsk
Um forte abraço e obrigado pela audiência em nosso blog!
Joni
[…] uma área dentro de ciência de dados para produzir os cases, aqui no blog já escrevemos com algumas […]
Olá pessoal, tenho muito interesse em saber mais sobre big data em particular ou dedicado no setor do campo. Trabalho na área do setor sucroalcooleiro e o meu setor está totalmente voltado nesse assunto .
Olá Rodrigo, obrigado pelo seu comentário. Este é um setor que pode se beneficiar muito com o uso intensivo de data analytics. Porém, a aplicação de algoritmos dependem bastante do nível de maturidade de dados das pessoas, processos e tecnologias (incluindo o setor sucroalcooleiro). Neste artigo comentamos mais sobre essa questão https://aquare.la/planejamento-estrategico-de-ia-e-analytics-conceito-e-impactos/
Como informação extra temos também este outro artigo com algumas ideias que também poderiam ser pensadas para o seu contexto.
https://aquare.la/agro-4-0-aplicacoes-de-ia-e-analytics-no-agronegocio/
Que as informações lhe tenham sido úteis. Em breve vamos escrever algo voltado exclusivamente para este setor.
Os mais diversos dados obtidos em menor tempo pode afetar a veracidade, pois as grande possibilidade de chegar ao fake é maior, a análise dos dados deve ser realizada de forma crítica e buscando o valor necessário e almejado para a tomada de decisão
Obrigado pelo comentário, seu ponto é relevante. As informações devem ser sempre analisadas de forma crítica, sejam dados ou noticias. Tendo uma ou mais fonte de dados confiável podem gerar mais informações importantes e úteis. É importante salientar que mesmo que as fontes sejam de alta qualidade ainda sim o cientista precisa cuidar com o viés da análise.
dá uma olhada se tem algum erro e responde lá
Os diversos dados obtidos em pouco tempo pode afetar a veracidade, pois as grande possibilidade de chegar ao fake é maior, a pesquisa dos dados deve ser realizada de forma crítica e buscando o valor necessário e esperado para tomar decisões
Exatamente Maria, tando o cado precisa ser verídico como também sem viés, ambas as situações podem ser tornar complexas de contornar.