Como implementar precificação dinâmica com sucesso.

Como implementar precificação dinâmica com sucesso.

Já não é mais novidade que sistemas de precificação dinâmica – e inteligente – têm roubado a cena em muitos segmentos do mercado e da indústria, começando pelo e-commerce (que já nasceu digital).

Podemos afirmar com elevado grau de confiança, assim como é discutido pela Forbes, que no futuro, as estratégias de precificação vão incorporar cada vez mais o poder computacional de automação e inteligência, possibilitando assim a flutuação adequada de preços de acordo com as condições de mercado.

O conceito por trás de todo sistema de smart-pricing é um dos mais elementares dentro das ciências econômicas: 

“quando oferta e demanda estão em equilíbrio é quando se obtém a maior eficiência”. 

Ou seja, falar em tornar o preço dinâmico de acordo com as condições de mercado é falar em buscar a equivalência entre oferta e demanda e, por consequência, gerar a eficiência que se traduz em maximização de lucros. 

Segundo Louis da Forbes, em tempos difíceis, como na pandemia do COVID-19, ser eficiente significa sobreviver e minimizar os impactos negativos sobre os negócios, e é por isso que a precificação dinâmica ganha ainda mais importância.

Na Aquarela, desenvolvemos uma metodologia ágil de projetos de analyticsa DCIM -, que garante eficiência e rapidez aos nossos clientes, inclusive em projetos de precificação dinâmica. 

Nas seções a seguir, mostraremos como conseguimos ter implementações bem-sucedidas de precificação dinâmica.

Desenhando uma estratégia de precificação

A base para o sucesso de um projeto de precificação dinâmica é o completo e correto mapeamento dos processos da estratégia de precificação adotada pela empresa, começando na produção, passando pela distribuição e terminando na venda final, considerando também as características de cada produto ou serviço a ser precificado. Cada etapa da cadeia produtiva terá seu peso sobre o preço final.

Com a total compreensão desses processos, é aberta a possibilidade de automatizá-los. O preço pode variar conforme a hora, dia da semana ou qualquer outra unidade de tempo. Ou então, de acordo com a região de comercialização, com a quantidade de estoque ou com as condições de concorrência e mercado. 

Todos os fatores de custo e oportunidade podem ser considerados em um sistema automatizado de precificação dinâmica, singularmente ou em conjunto, desde que os processos estejam bem definidos e mapeados, de modo que tornem evidentes as regras de negócio.

E se não houver uma estratégia consolidada de precificação ou os processos não estão bem definidos? Nestes casos, a equipe de analytics contará com a ajuda dos especialistas de pricing e revenue management para estudar o estado da arte das estratégias de precificação do setor em questão, assim podendo, em conjunto, estabelecerem as estratégias mais adequadas para a empresa e/ou melhor estruturar os processos já existentes.

Dados

Atualmente, já não é mais possível discordar da frase “data is the new oil!”. A coleta de dados de preços, fechamento de contratos ou qualquer outro tipo de efetivação de vendas é de extrema importância para os times de analytics.

O que chamamos de maturidade de dados não é somente a coleta, mas também um pipeline tecnológico que garanta o armazenamento adequado  sem perda de informação. Ainda mais maturidade a empresa tem se já consegue extrair as próprias análises dos dados. Quanto maior a maturidade, mais rapidamente e de forma mais eficiente é possível extrair a inteligência, como mostrado na figura a seguir:

No contexto de precificação dinâmica, a inteligência pode ser entendida como a extração de regras e insights que não são explícitos para as equipes de pricing. Pela nossa experiência, esse olhar do cientista de dados é extremamente agregativo na construção destes sistemas dinâmicos de precificação.

Caso não exista uma maturidade de dados suficiente para viabilizar o projeto, como proceder?

Para este problema, podemos oferecer um projeto estruturante, que tem como objetivo ajudar empresas a construírem uma sólida cultura de dados. Este curto projeto é dividido em duas partes:

  • na criação do pipeline de coleta e armazenamento de dados; e
  • na definição da ontologia de preços e harmonização de indicadores.

Esta última, se encarrega de garantir que o dado coletado e armazenado viabilize a extração de informação, conhecimento, insights e, por fim, a inteligência, ou seja, garante que o dado tenha, de fato, valor para os planos futuros da empresa. Um pouco deste processo está descrito neste artigo – Dos dados à inovação.

Tecnologia

De nada adianta todo o trabalho dos tópicos anteriores ser realizado se não há tecnologia já existente na empresa que consiga dar conta de atualizar os preços na periodicidade desejada. Por exemplo, de nada adianta existir uma ferramenta que consegue tornar os preços dinâmicos em tempo real se as alterações de preço são feitas manualmente.

Quando a dinamicidade acontece em tempo real, é necessário maior robustez no stack tecnológico das empresas envolvidas. Por isso, o levantamento dos requisitos de sistemas e integrações deve ser feito, para que exista uma estimativa de tempo de implementação, com um cronograma coerente antes do início do projeto.

Precificação dinâmica e inteligente

Neste ponto, já temos um sistema de precificação dinâmica quase completo: temos um sistema operacional que consegue provocar variações de preços de acordo com as condições que foram previamente estabelecidas por regras de negócios, sejam elas extraídas dos especialistas de pricing ou de insights dos dados. O que falta?

O que pode passar despercebido, é que a dinamicidade dos preços pode ficar comprometida, travada, pelas próprias regras de negócio que embasaram o sistema.

O trade-off é claro: elevado grau de controle versus dinamicidade dos preços. Além disso, as regras normalmente não conseguem ser suficientemente genéricas a ponto de conseguirem definir o preço ideal para todas as situações possíveis.

Neste cenário é que entram as aplicações de Inteligência Artificial e Machine Learning, que aparecem como o elemento capaz de aprender, com extensas bases de dados, os padrões mais bem sucedidos do passado, e assim conseguir definir o preço ideal para cada situação. Ou então, com uma abordagem de modelagem diferente e um tanto quanto mais complexa, é possível fazer com que a inteligência artificial consiga definir preços a partir de outros fatores, sem que os padrões do passado sejam a base principal.

A vantagem de um sistema de precificação dinâmica orientado por uma inteligência artificial é que ele consegue ser mais versátil. No entanto, isso implica que as equipes de pricing abram mão do controle sobre a definição de preço, o que pode ser algo não tão desejável.

A solução para o impasse pode ser um sistema híbrido. Um sistema de precificação que tenha elementos gerados por uma inteligência artificial e complementados pelo conhecimento de negócio de especialistas, é o que chamamos de inteligência expandida. Do ponto de vista gerencial, essa é uma opção bastante atrativa, pois consegue equilibrar certa versatilidade e entregar um certo grau de controle no processo de definição de preços.

Avaliação de resultados

Por fim, mas não menos importante, é necessária uma metodologia consolidada que consiga provar a eficácia de um sistema dinâmico de preços versus o sistema tradicional. Para tanto, é bastante comum e eficiente utilizar a metodologia de diferenças das diferenças, que admite um grupo de controle (tradicional) e um grupo de testes (dinâmico) e permite comprovar, estatisticamente, a eficácia ou não da nova abordagem de precificação.

Case

Como exemplo, trouxemos um case utilizando a plataforma Vortx no segmento da educação privada, onde existia um complexo sistema de precificação não automatizado, com extensas regras de negócio para definir a mensalidade/bolsa de estudo ideal para cada aluno.

Com a estruturação, mapeamos os processos e adicionamos fatores como a distância do aluno até a escola, a renda do responsável, a escola que o aluno estudou anteriormente, entre outros 200 variáveis disponíveis no dataset enriquecido da Aquarela. Também adicionamos tratamentos automatizados de outliers (o que são outliers?) para não deixar passar situações que fogem da normalidade.

Partindo disso, todo o processo foi estudado e revisado por cientistas de dados em conjunto com uma equipe de pricing / revenue, removendo e/ou reformulando as regras de precificação existentes. Como resultado, fomos capazes de:

  • Propor insights e regras que agregaram ainda mais robustez ao processo existente;
  • Gerar um aumento de 5% no faturamento total de negociações; e
  • Criar uma maior transparência no processo decisório da alocação de bolsas de estudos.

Utilizando modelagem estatística avançada, fomos capazes de propor indicadores, utilizados como base para a precificação da mensalidade do aluno, a partir de machine learning. Assim, este sistema híbrido foi concluído e colocado em operação dentro de 4 meses.

Conclusão

Os métodos e tecnologias para precificação dinâmica estão chegando ao mercado, incluíndo setores mais tradicionais. Vimos nos primeiros cinco tópicos as etapas que consideramos fundamentais em projetos de precificação dinâmica.

A decisão de digitalizar e dinamizar a escolha dos preços dos produtos/serviços, sabemos, não é simples. Anteriormente escrevemos alguns aspectos importantes neste artigo Escolhendo fornecedores de inteligência artificial e data analytics.

Com nossa metodologia ágil e seguindo o que foi colocado acima, conseguimos entregar uma solução de precificação dinâmica rápida e eficaz em uma área tradicional como a da educação.

Quem é a Aquarela Advanced Analytics?

A Aquarela Analytics é pioneira e referência nacional na aplicação de Inteligência Artificial na indústria e em grandes empresas. Por meio da plataforma Vortx e da metodologia DCIM (Download e-book gratuito), atende clientes importantes como Embraer, Grupo Randon, Solarbr Coca-cola e outros.

Fique atento às novas publicações da Aquarela Analytics no Linkedin e assinando Newsletter

Autores

Precificação dinâmica: o case do metrô de Londres.

Precificação dinâmica: o case do metrô de Londres.

A Precificação dinâmica e inteligente vem se tornando cada vez mais importante para os setores da indústria que caminham rumo a personalização em massa de produtos e serviços, como já falamos neste outro artigo: A Indústria 4.0 na visão da Aquarela.

No Brasil, diversas indústrias, comércios e serviços já utilizam estratégias e soluções de precificação dinâmica; os mais avançados utilizam Inteligência Artificial (I.A) para otimizar ainda mais a escolha dos preços das transições com alto grau de complexidade. 

Vamos apresentar pontos importantes do tema de precificação no ponto de vista de data analytics (O que é Data Analytics?), nos seus diferentes níveis de maturidade e na definição das estratégias utilizando o caso de Londres para melhorar a didática do texto.

Tipos de precificação

A precificação é um tema onipresente em negócios, sendo recorrentemente discutido nas áreas de contabilidade e finanças, onde se busca constantemente responder às seguintes perguntas: 

  • Como definir o preço de um produto e/ou serviço de modo que faça sentido tanto para o vendedor como para o comprador?
  • Como obter o melhor rendimento financeiro em médio longo prazo por cliente?
  • Como trabalhar as margens e o mix de produtos de modo que o ganho geral seja alavancado? 

Abaixo apresentamos um resumo dos conceitos.


Preço fixoPreço dinâmicoPreço inteligente
DefiniçãoO preço é único para todos os consumidores, independente da situação.O preço dinâmico é uma personalização do valor pré-fixado, ajustado ao contexto da transação.  A definição do preço é feita com base nas características (padrões) dos consumidores, além de levar em conta o contexto em que a transação foi efetuada.
ExemplosToda e qualquer passagem no sistema será sempre R$ 5,19 com reajuste anual de x%.
Exemplo:Transporte em cidades pequenas.
Para a situação “A” o valor é R$ 3,25. Já para a situação “B” o preço é R$5,85. E assim por diante. Ou seja, um valor para cada caso.
Exemplo: Sistemas Integrados de Transporte.
Considerando o clima, padrões da demanda, sazonalidades, perfil do passageiro e eventos acontecendo na região o valor pode flutuar entre  “A” será R$ 5 a R$10 e B de R$ 8 a R$10.
Exemplo: Uber e passagens aéreas.   

Qual o preço mais justo para uma passagem? 

Se a resposta for de um morador de Londres, ele dirá: depende! 

Então é aqui que começamos o estudo das precificação fixa, dinâmica e dinâmica inteligente. 

Sistema de transporte londrino   

Escolhemos como exemplo o sistema de transporte de Londres, que integra trens, metrô e ônibus e gera valores diferentes dependendo da escolha do usuário, da hora do dia e diversos outros fatores. Um ótimo estudo de caso dos elementos de uma precificação dinâmica. 

A cidade de Londres é uma das maiores da Europa, e um dos maiores centros financeiros do mundo. Atualmente conta com uma população de aproximadamente 8 milhões de habitantes (1 milhão e meio a mais do que o estado de Santa Catarina). A maioria dos londrinos usa um cartão chamado de Oyster para pagar todas das despesas, inclusive  transporte público. Com ele é possível usar o metrô, trem, ônibus, Vlts (Veículo Leve sobre Trilhos), submarinos, jet skis e carros drones. Bem, os últimos ainda não.

Cultura de dados

Um bom processo de precificação obrigatoriamente necessita de um bom nível de maturidade de dados que reflete trabalhos visionários em longo prazo. Abaixo cito alguns dos principais movimentos, que ajudam a explicar o nível de maturidade da Inglaterra.

  • Aquele país já possui uma longa tradição nas ciências naturais e na estatística, tanto que os relógios do mundo sincronizam com a hora zero associada ao bairro londrino de Greenwich.
  • A enfermeira inglesa Florence Nightingale revolucionou a estratégia das guerras e a saúde mundial com o uso da estatística a partir da guerra da Crimeia (1853-1856) quando criou o diagrama da rosa.
  • Durante a segunda guerra, os matemáticos ingleses conseguiram decifrar os códigos criptografados pela Alemanha utilizando Inteligência Artificial como descrito no filme O jogo da imitação.
  • Ainda, na época do Titanic (1912), os ingleses catalogaram todos os passageiros de tal forma que hoje este conjunto de dados é um dos mais conhecidos na área de machine learning (Aprendendo com o desastre do titanic). 

Desafios geográficos e outros

Como melhorar o transporte de uma cidade milenar, sem remover quarteirões e construções, e ainda suportar de modo eficiente eventos de grande escala, como os jogos olímpicos, com uso de tecnologia e técnicas de precificação? 

Na figura a seguir, está o mapa das ruas da cidade a partir do google maps só para se ter uma noção do quão retalhada é a cidade. O Mapa a seguir dá uma noção do quão complexa é a malha viária da cidade de Londres

A evolução do sistema de precificação

Antigamente as passagens para viagens de trem na Grande Londres eram compradas em uma base “ponto a ponto” entre duas estações, como um bilhete único, de retorno ou de temporada; e foram precificados de acordo com a distância percorrida (precificação fixa).

Durante o início dos anos 80, o Executivo de Transportes de Londres (literalmente o Senhor dos Anéis), fez uma série de revisões das tarifas para então criar os anéis (zonas tarifárias) com o objetivo de simplificar as tarifas e agilizar o processo de compra e uso dos bilhetes. 

Os ônibus vermelhos utilizam preço fixo através de todos os anéis, e o usuário pode pegar qualquer veículo durante um espaço determinado de tempo. A cidade foi dividida em zonas de ônibus onde as tarifas simples eram aplicadas. No metrô, a área que hoje é a zona 1 foi dividida em duas áreas sobrepostas, chamadas City e West End.

No gráfico abaixo temos a divisão das zonas em camadas que permitem uma cobrança diferenciada do usuário. Se o usuário trafega da zona 5 para 6 então o preço é x. 

Estas mudanças trouxeram mais flexibilidade para os usuários gerando maior dinamicidade no transporte. Com a integração dos bancos de dados dos diversos modais, o usuário ainda pode optar por trocar o seu tempo por dinheiro ao escolher uma forma mais barata só que mais lenta de se locomover.

Tanto o sistema de transporte como o usuário podem trabalhar visando a otimização de seus recursos.   

Origem das regras de definição de pesos de precificação 

As regras e os pesos de ponderação dos preços podem se originar de diversas fontes, desde a experiência dos gestores com conhecimento tácito do negócio até de algoritmos de Inteligência Artificial que podem reconhecer padrões até então não conhecidos pela gestão. O importante é que nenhum sobrepõe o outro totalmente.

Abaixo mostramos uma tabela que compara algumas das diferentes abordagens com seus devidos prós e contras. 


PositivosNegativos
Experiência do time de gestãoA experiência dos gestores trás um conjunto de regras muito rico dependendo da vivência de cada pessoa com o processo em questão e são normalmente baseados em dados de relatórios contábeis e financeiros estáticos.  O conhecimento tácito das regras de precificação pode ser difícil de replicar dependendo do contexto da precificação.
Não permite um alto grau de personalização e automação do processo de precificação.
Machine Learning / Modelagem estatísticaAs regras de comportamentos de preço são gerados a partir de inferências estatísticas e aprendizado de máquina de um número muito grande de perfis e contextos, permitindo recomendações de preço personalizadas.A análise de treinamento das bases demanda profissionais qualificados com boa noção de estatística e fundamentalmente conhecimento sobre o negócio em que será aplicado o modelo. Também, modelos mal treinados podem gerar preços incoerentes e replicar comportamentos do passado que são indesejados. 
Benchmarking de mercadoPermite nivelar as melhores práticas do mercado em questão que variam desde diferenciação de valores como também regras de segmentação de valores. Podem não trazer o racional que define preço do produto ou serviço. 

Técnicas de analytics

A área de análises avançadas de dados (Data Analytics) é muito rica em técnicas e tecnologias criadas especificamente para detectar padrões em grandes massas de dados, e assim auxiliar os gestões nos testes das abordagens de precificação.

Para a questão do transporte, as georeferências são muito importantes para avaliar os fluxos dos usuários dos sistemas, e até resultados obtidos ao longo do tempo de novas políticas de precificação.

Abaixo, os cientistas britânicos elaboram um gráfico de calor (heat map) mostrando a intensidade de usuários nos diversos pontos da cidade, onde as linhas brancas mostram o espaço que uma pessoa pode se transportar a cada 10 minutos no horário de pico. Sem dúvida uma análise muito rica e alinhada ao contexto.

Fonte – Departamento de Transportes – 100020237 2006

Um dos pontos mais importantes das equipes de precificação é o tamanho, qualidade, acurácia e precisão do arcabouço de técnicas de analytics para mensuração e acompanhamento dos resultados. 

Como são os preços atualmente?

Com a integração dos sistemas de precificação é possível digitalizar também a consulta dos valores pelos usuários. Abaixo está o preço gerado pelo sistema após informar os pontos A, B e o perfil do usuário (estudante, aposentado e etc). 

https://tfl.gov.uk/fares/find-fares/tube-and-rail-fares/single-fare-finder

Vemos que existe um incentivo financeiro relevante para que os usuários utilizem o cartão “Oyster” ao invés do dinheiro. Além disso, as combinações proporcionadas para cada fluxo entre as diferentes zonas aumentam a complexidade da gestão dos fluxos, já que cada usuário pode utilizar o sistema de um modo particular.  

Resultados da gestão e dos usuários 

Segundo a pesquisa trimestral realizada pela prefeitura, os usuários têm demonstrado uma maior satisfação da qualidade dos serviços. Na tabela abaixo, quanto mais intenso a cor verde maior é o índice de satisfação dos clientes. 

Em relação ao tempo médio da compra dos tickets também vemos uma considerável melhora dos serviços ao longo do tempo. Quando mais intenso a cor vermelha na tabela, maior o tempo de espera.

Conclusões da precificação dinâmica

Como vimos, existem diversos tipos de precificação, tais como a base fixa, dinâmica e a inteligente, que utiliza a Inteligência Artificial e que tem um impacto bastante relevante na transformação digital da indústria e dos serviços. Assim:

A complexidade dos projetos de precificação pode variar conforme a cultura de dados e estratégia comercial de cada organização.

Atualmente, os sistemas de e-commerce são os que mais utilizam as técnicas de precificação inteligente, pelo fato de serem soluções já nascidas no mundo digital.

Em Londres, a transformação digital do sistema precificação só ocorreu graças a uma base histórica robusta de projetos analíticos (boa coleta e integração de dados).

Hoje Londres possui um sistema de precificação dinâmica de transporte que privilegia a mobilidade, e com altos níveis de liberdade dos usuários, ao mesmo tempo que pode cobrir os custos da operação dos trens.

Com a popularização de sistemas de informação coletando dados em vários setores da economia, como na indústria, comércio e serviços – (14 setores para análise de dados), teremos cada vez mais insumos para a construção de sistemas de precificação que respondem em tempo real de forma cada vez mais inteligente.

A Inteligência Artificial da plataforma Aquarela VORTX hoje já nos permite chegar a modelos de precificação com base em estimativas de acontecimentos futuros, e mais personalizados do que a precificação puramente dinâmica.

Acreditamos que sempre haverá demanda para profissionais de tecnologia, matemática, estatística e outros para trabalhar nas parametrizações (leis, climas, tempos, distâncias e etc) de projetos de precificação e previsão de demanda nos diversos setores econômicos. É um novo e amplo campo de trabalho para mentes inquietas. 

Quem é a Aquarela Advanced Analytics?

A Aquarela Analytics é pioneira e referência nacional na aplicação de Inteligência Artificial na indústria e em grandes empresas. Por meio da plataforma Vortx e da metodologia DCIM (Download e-book gratuito), atende clientes importantes como Embraer, Grupo Randon, Solarbr Coca-cola e outros.

Fique atento às novas publicações da Aquarela Analytics no Linkedin e assinando Newsletter

Autores

Onde grandes empresas utilizam Inteligência Artificial (IA)?

Onde grandes empresas utilizam Inteligência Artificial (IA)?

Quando falamos de Inteligência Artificial ou simplesmente IA, é comum pensarmos em robôs e tecnologias abstratas e distantes. Apesar de ser utilizada para tais feitos, a IA também está presente no nosso dia a dia, muito mais perto do que costumamos pensar. 

Além de facilitar nossa rotina diária, a IA também é responsável por ajudar empresas e indústrias em seus processos de tomada de decisão, precificação e manutenção, melhorando processos e aumentando o retorno financeiro. Por isso, o investimento em inteligência artificial vem crescendo mundialmente e fazendo a diferença em diversos setores da economia (Internacional Finance Corporation). 

Neste artigo vamos mostrar como a IA tem impactado algumas das maiores empresas do mundo.

Alibaba

A gigante chinesa Alibaba utiliza algoritmos baseados em IA e processamento de linguagem natural (NLP) para ajudar na recomendação de produtos aos compradores e na previsão de demanda para os varejistas (Previsão de demanda na visão da Aquarela parte 1

Além disso, ela possui também um chatbot que, de acordo com a empresa, consegue suprir 90% das solicitações dos clientes. Essas tecnologias, no primeiro ano de sua implementação, permitiram que a empresa alcançasse a marca de US$ 25 bilhões em vendas no famoso Singles Day, contra US$ 17,8 bilhões quando comparado ao ano anterior.

Netflix

A Netflix revolucionou o mercado de streaming utilizando uma estratégia de personalização com recomendações focadas no usuário. Utilizando IA e análise de dados, a Netflix consegue entregar um serviço personalizado que deixa seus assinantes mais satisfeitos por encontrarem o que precisam sem buscar muito, tornando-se, dessa maneira, a líder mundial em serviços de streaming.

American Express

 A American Express, empresa de serviços financeiros, utiliza das vantagens da IA para prevenção de fraudes, detecção de outliers (O que são outliers?) e prevenção à inadimplência. Com algoritmos de aprendizado de máquina e análise de dados embutidos em um processo de precificação dinâmica, a empresa consegue economizar milhões em perdas. Assim, consegue detectar fraudes quase em tempo real e definir o limite de crédito de acordo com o perfil de seus clientes. 

Google

Talvez não seja novidade para ninguém que o buscador do Google utiliza recursos da Inteligência Artificial para recomendações e ranqueamento de sites, mas vai muito além disso. 

Outros sistemas que também utilizam IA são: 

  • assistente virtual, o Google Assistente
  • Google Fotos para reconhecimento e agrupamento de imagens; 
  • Gmail para sugestão de textos na escrita de e-mail; 
  • Google Maps para traçar a menor rota de um ponto ao outro e diversas outras aplicações. 

Infervision

Apesar de não ser tão conhecida, a Infervision ajudou a salvar milhares de vidas na China utilizando Inteligência Artificial (IA). Por meio de aprendizado de máquina e reconhecimento de imagens, a startup de diagnóstico por imagem conseguiu treinar algoritmos capazes de captar sinais precoces de câncer de pulmão com precisão e eficácia, um problema que aflige milhares de chineses todos os anos. Com isso, além de salvar vidas, conseguiu se estabelecer no mercado.

Aquarela + Grupo São Carlos

Em parceria com o grupo São Carlos, desenvolvemos um conjunto de mecanismos inteligentes para indústria e serviços de refrigeração que envolve a prevenção a falhas e a otimização do processo de manutenção. 

Neste cenário, a plataforma Vortx identifica os fatores críticos para a manutenção preventiva e corretiva a partir de dados de operação e IoT, utilizando técnicas de Machine Learning. Por meio de painéis online, monitora-se o estado do equipamento em tempo real e recomenda-se os procedimentos de troubleshooting. Assim, é gerada uma lista otimizada de procedimentos para a prevenção de falhas.

Impactos nos negócios a partir da utilização da Inteligência Artificial (IA):

  • Aumento da segurança;
  • Redução de custos com manutenção;
  • Maior produtividade.

Conclusão

Neste artigo mostramos que a Inteligência Artificial (IA) traz impactos positivos para a sociedade e para a economia. Além disso, é um mercado que vem trazendo retornos financeiros consideráveis para as empresas e indústrias que estão investindo nesse mercado crescente. 

Gostou do artigo? Deixe seu comentário e compartilhe.

Quem é a Aquarela Advanced Analytics?

A Aquarela Analytics é pioneira e referência nacional na aplicação de Inteligência Artificial na indústria e em grandes empresas. Por meio da plataforma Vortx e da metodologia DCIM (Download e-book gratuito), atende clientes importantes como Embraer, Grupo Randon, Solarbr Coca-cola e outros.

Fique atento às novas publicações da Aquarela Analytics no Linkedin e assinando Newsletter

Autores:

Quanto uma empresa deve investir em Analytics e IA?

Quanto uma empresa deve investir em Analytics e IA?

É época de fazer os orçamentos, então: Quanto devo investir em analytics e projetos de inteligência artificial? 1, 2, 3, 5% do orçamento total?

Grandes mudanças econômicas estão ocorrendo com a digitalização da indústria, e toda essa mudança pode dificultar a determinação de prioridades em alocar os fundos de tecnologia nas empresas. Neste sentido, alguns executivos cometem o erro de usar o mesmo modelo de orçamento todos os anos, sem considerar mudanças de cenário, tais como:

  • Novas necessidades da empresa;
  • Avanços tecnológicos de processo com impacto no negócio;
  • Novos posicionamentos da concorrência.

Decidir sobre os gastos com data analytics e inteligência artificial no contexto empresarial (indústria ou serviços) requer mais do que apenas escolher números que parecem bons ou proporcionais!

“As empresas ainda não enxergam claramente como devem ser alocados fundos voltados para analytics com inteligência artificial nos seus diversos setores”.

Existem algumas questões que executivo deve considerar ao determinar seu orçamento de analytics para implementar decisões de tecnologia com eficácia. Alguns pontos cruciais são:

Devo investir em novos processos com IA que mudarão a base da concorrência no setor?

Para os dirigentes de muitos setores, a tecnologia está se tornando uma corrida armamentista. Temos visto que as empresas estão aproveitando tecnologias como mídia social e serviços baseados em localização para reinventar a experiência do cliente e conquistar participação de mercado.

Outros estão apostando em IA para fomentar para melhorias em seus produtos industriais, trabalho este do módulo Vortx – Desenolvimento de novos produtos.

É importante saber quem são seus concorrentes, emergentes ou existentes, como eles estão estruturando seus projetos IA e como sua equipe ou parceiros de analytics (como escolher um parceiro de analytics?) estão te ajudando a vencê-los, e até mesmo entrar em novos mercados.

O que é necessário investir para superar as expectativas de nossos clientes no digital?

Empresas que são líderes em comércio eletrônico como Amazon, Apple, Lojas Americanas, Magazine Luiza e Mercado Livre estão massificando, ou em outras palavras, democratizando a experiência dos negócios online. Resultando em experiências ultraconvenientes e sobretudo personalizadas.

Com essas grandes vitrines globais na distância de um clique, o trabalho da gestão é de planejar novos processos, novas análises e novas estruturas de sistemas de informação, que atendam um cliente cada vez mais informado e com expectativas mais altas.

O plano de negócio aborda o potencial da IA como uma estratégia?

Em muitas situações, os gastos/investimentos com analytics e protótipos de inteligência artificial podem ser altos, no entanto, verifique se não são relativamente pequenos em comparação com seu potencial para impulsionar o desempenho operacional de uma empresa.

Segundo a Harvard Business Review, as áreas de maior impacto ao negócio são:

Em última análise, a estratégia que surge de uma avaliação de oportunidades e ameaças deve ser um plano integrado que mostre como a empresa irá vencer a concorrência usando a automação de comportamentos inteligentes gerados por máquinas, não simplesmente um orçamento anual de tecnologia ou até marketing revisado.

Conclusões e recomendações

O tema de orçamentação é complexo por natureza e está ligado desde à estratégia até a operação do negócio.

Neste artigo levantamos algumas questões para ajudar os executivos a refletirem sobre a prioridade e a intensidade da alocação de recursos na área de analytics, big data e inteligência artificial. Neste sentido, mostramos alguns exemplos dos módulos da plataforma Aquarela VORTX que podem ajudar a aproximar processos inovadores com a operação.

Acreditamos que investir no aumento da maturidade analítica da organização é sempre importante, mesmo que retorno não seja tão direto. O fato é que os lideres dos setores estão se tornando cada vez mais maduros em analytics, e isso deve ser levado em conta.

Quem é a Aquarela Advanced Analytics?

A Aquarela Analytics é pioneira e referência nacional na aplicação de Inteligência Artificial na indústria e em grandes empresas. Por meio da plataforma Vortx e da metodologia DCIM (Download e-book gratuito), atende clientes importantes como Embraer, Grupo Randon, Solarbr Coca-cola e outros.

Fique atento às novas publicações da Aquarela Analytics no Linkedin e assinando Newsletter

Autor

A importância da manutenção planejada com Analytics

A importância da manutenção planejada com Analytics

A manutenção planejada com analytics é essencial para estender a vida útil de ativos, maximizar seu ROI, evitar falhas e reparos dispendiosos.

De acordo com a Harvard Business Review este é um dos terrenos mais férteis para o uso de analytics e big data. Da mesma forma que os projetos de precificação dinâmica e predição de demanda.

Neste artigo apresentamos: um dos cenários no qual trabalhamos, os principais benefícios do uso de analytics e recomendações para gestores alinhados aos bases da indústria 4.0.

Manutenção planejada na área de Ar Condicionado

Antes de tudo, tomamos como exemplo a área de HVAC (sigla em inglês para “heating, ventilating and air conditioning“) que em português se refere a “aquecimento, ventilação e ar condicionado”.

As manutenções de HVAC, por sua vez, exigem cuidados recorrentes já que são equipamentos de uso intensivo e com impactos diretos na operação e nos custos. 

No Brasil, uma das principais referências neste mercado é o Grupo São Carlos que, em parceria com a Aquarela, desenvolveu os modelos de inteligência artificial embutidos nos planos de manutenção 4.0.

Os serviços de manutenção incluem, mas não se limitam a:

  • limpeza do condensador refrigerado do ar;
  • limpeza do filtro de água;
  • substituição da correia, do gás e do filtro de ar;
  • reparo de componentes eletrônicos e;
  • outros.

A complexidade dos cenários de manutenção planejada

Para dar uma ideia da complexidade da gestão dos ativos HVAC, vale citar a grande variação do número de equipamentos em operação e a variação de modelos. 

Isso significa que:

estamos falando de um cenário de alta complexidade (alto potencial de exponencialização) devido a combinação da quantidade, variedade e tempo de uso dos equipamentos. Que, por sua vez, estão expostos à fatores climáticos que atuam de forma distinta em diferentes regiões.

Além disso, é preciso lembrar que para cada equipamento existe também um conjunto de peças de reposição que exigem combinações específicas para funcionar. 

Em muitos casos, situações de emergência decorrentes de uma abordagem puramente reativa dos equipamentos resultam em paralisações temporárias, fazendo com que a produtividade diminua ou mesmo pare completamente.

É recomendado que o trabalho de reparo deva ser realizados por técnicos profissionais qualificados tanto na parte técnica de refrigeração como na parte analítica para a parametrização e treinamento dos modelos preditivos. Já que, muitas das regras da manutenção dos equipamentos estão baseadas na experiência profissional dos operadores.

Desenho dos modelos de manutenção com IA

É durante o processo inspeção que surgirem as primeiras evidências de falhas futuras de componentes, permitindo que o sistema receba manutenção antes que a falha ocorra.

Com a captura do estado das máquinas usando dispositivos de IOT, essa informação pode ser automatizada e se tornar um ativo para a companhia antes mesmo da visita dos técnicos.

São os dados dos sensores que formam a base para a criação dos modelos de análises descritivas, preditivas, prescritivas e de cenarização (mais detalhes destes tipos de análises neste artigo). 

Em parceria com o grupo São Carlos, usamos a experiência de 60 anos e dados de equipamentos para treinar um sistema de IA que monitora, prevê e evita falhas antecipadamente, elevando a maturidade gestão de ativos e reduzindo custos de forma alinhada à Indústria 4.0.

Na imagem abaixo, elaboramos um breve descritivo de uma arquitetura avançada para a obtenção de informações que levam a atividades proativas e planejadas de manutenção.

modelo hvac
Modelo analítico HVAC com inteligência artificial embutida.
Fonte (Aquarela Analytics)

Estimamos que mais de 40% das chamadas de emergência poderiam ter sido evitadas com manutenção adequada. Neste sentido, é perceptível impacto financeiro na operação entre uma manutenção reativa e planejada.

Os benefícios gerais da manutenção planejada incluem

Com a utilização de uma estratégia dados adequada tanto do ponto de vista metodológico como tecnológico, vários benefícios podem ser alcançados:

Abaixo levantamos alguns dos mais importantes:

  • Melhor eficiência operacional.
  • Vida operacional estendida do equipamento.
  • Custos de reposição de capital diferidos.
  • Uso reduzido de energia / economia de energia.
  • Identificação precoce de problemas potenciais (identificação de outliers).
  • Menos reparos de serviços de emergência (são mais custosos).
  • Tempo de inatividade do sistema menos frequente.
  • Diminuição das interrupções nas operações de construção.
  • Maior conforto / redução das reclamações dos ocupantes.
  • Segurança aprimorada / riscos mitigados.
  • Maximizar a confiabilidade, o desempenho e a eficiência dos equipamento.

Conclusões e recomendações

Neste artigo, abordamos um contexto bastante comum de manutenção e seus benefícios.

Dado a criticidade associada aos equipamentos físicos na operação, complexidade dos cenários e custos envolvidos, recomendamos atenção de gestores para o tema da manutenção planejada.

Projetos de analytics podem impactar positivamente na redução de custos e no aumento da maturidade analítica da organização.

As empresas que implementaram programas de manutenção planejada descobrem que seus custos totais podem ser até 50% mais baixos do que os custos das organizações que continuam a manter o equipamento em uma gestão menos data-driven.

Enxergamos também oportunidades de negócio ao integrar os algoritmos preditivos e prescritivos em soluções tais como:

para operações com abrangências estaduais, nacionais ou até internacionais. Porém, isso ficará para outras publicações.

Nosso objetivo final é orientar gestores a obter o maior ROI possível com seu investimento substancial, utilizando as melhores práticas de manutenção planejada. Igualmente, sugerimos este outro artigo sobre a contratação de empresas de analytics.

Por meio de nossa plataforma Vortx, criamos e entregamos valor de negócios para grandes clientes na indústria e de serviços. Em parceria com o grupo São Carlos aplicamos estratégias de Data Analytics e algoritmos de Inteligência Artificial capazes de gerar recomendações acerca dos momentos ótimos para reparo.

Quem é a Aquarela Advanced Analytics?

A Aquarela Analytics é pioneira e referência nacional na aplicação de Inteligência Artificial na indústria e em grandes empresas. Por meio da plataforma Vortx e da metodologia DCIM (Download e-book gratuito), atende clientes importantes como Embraer, Grupo Randon, Solarbr Coca-cola e outros.

Fique atento às novas publicações da Aquarela Analytics no Linkedin e assinando Newsletter

Autores