Analytics em tempo real: 7 dicas para o sucesso

À medida que dados de todos os tipos chegam às empresas em taxas sem precedentes, ser capaz de fornecer aos tomadores de decisão acesso fácil a percepções imediatas está se tornando uma necessidade de negócios. A analytics em tempo real permite que as organizações enfrentem esse desafio aplicando lógica e matemática a dados brutos, transformando números em conhecimento acionável e abrindo a porta para tomadas de decisão rápidas e precisas.

Como acontece com qualquer ferramenta de TI poderosa, a analytics em tempo real requer um alto grau de compreensão e proficiência antes de poder ser usada para atender às necessidades críticas de negócios do mundo real, como melhorar fluxos de trabalho, impulsionar programas de marketing e vendas e compreender vários tipos de cliente comportamento.

Para organizações que estão começando com analytics em tempo real, aqui estão 7 formas de evitar erros comuns e impulsionar a tecnologia em direção ao seu potencial máximo.

Limite a analytics em tempo real a casos de uso relevantes

Os líderes de negócios e de TI costumam ficar tão apaixonados pela velocidade que insistem que cada insight de dados seja entregue em tempo real. Em algumas situações, fornecer analytics em tempo real não é apenas um desperdício de dinheiro, mas também contraproducente.

“Por exemplo, colocar seu relatório de receita financeira em um ambiente de analytics em tempo real pode não ser apropriado, especialmente se os pedidos são frequentemente cancelados, movidos ou manipulados”, disse Theresa Kushner, Diretora Sênior de Inteligência de Dados e Automação para Serviços de TI e Negócios da NTT Data Services. “Como o gerente de vendas reagiria quando em um minuto ele atingisse sua meta e no próximo, em tempo real, ela caísse para 88%?”

Ao compreender quais analytics podem realmente se beneficiar do suporte em tempo real, a TI pode garantir que as iniciativas de analytics em tempo real gerem um valor significativo para a empresa. “Como qualquer esforço de analytics, você precisa ter uma estratégia para o que a analytics produzirá e quais decisões serão tomadas com base nas análises”, conclui Kushner.

Construir uma infraestrutura forte e confiável

O desapontamento pode ocorrer quando uma empresa, antecipando insights precisos em tempo real, não consegue atingir esses objetivos simplesmente porque sua infraestrutura não cumpre os níveis de desempenho planejados.

Para garantir o sucesso de longo prazo com analytics em tempo real, a arquitetura subjacente precisa suportar manipulação, ingestão e processamento de dados em tempo real, diz Dan Simion, Vice-Presidente de IA e analytics da empresa de consultoria de negócios Capgemini América do Norte. “Os modelos também precisam ser construídos para suportar o processamento de dados em tempo real, e as fontes de dados devem ser em tempo real, e não em tempo quase real ou em lotes gerados diariamente”, acrescenta.

Implantar painéis aplicáveis

Antes de prosseguir com qualquer iniciativa de analytics em tempo real, o líder do projeto deve entrar em contato com os usuários finais para identificar os tipos de painéis de que precisam. “Armado com essas informações, o líder de TI pode fazer com que sua equipe analise os requisitos de captura de dados dos dados de origem e garantir que a solução analítica em tempo real possa fornecer as informações de que o usuário final precisa exatamente nos formatos de que precisam para vê-las dentro”, diz Rich Temple, Vice-Presidente e CIO da Deborah Heart and Lung Center.

Temple explica que a abordagem permite que a TI coloque o usuário final no centro da discussão analítica. “Em vez de impingir uma solução de analytics que pode interromper o fluxo de trabalho de um usuário, fazer o trabalho de perna para identificar as necessidades e oferecer insights sobre o que é possível antes de tentar comprar e implantar um sistema de analytics resultará em análises que são exclusivamente direcionadas às necessidades individuais do usuário”, ele diz.

Combine dados em tempo real com dados históricos

O valor dos dados em tempo real aumenta exponencialmente quando são combinados com os dados históricos, permitindo que os usuários finais combinem e comparem insights “no momento”, observa James Corcoran, Vice-Presidente Sênior de Engenharia da KX, um desenvolvedor e provedor de software de data analytics.

Considere, por exemplo, dados de temperatura que são transmitidos por um sensor embutido dentro de uma máquina. “Compreender esses dados em tempo real é útil para verificar se a máquina está operando de forma eficiente ou se um limite de temperatura não foi atingido”, explica Corcoran. Quando os dados históricos são mapeados ao longo de dias ou semanas, os tomadores de decisão podem obter uma compreensão mais rica do desempenho de uma máquina específica. “Você também pode construir modelos preditivos com base em outros perfis de desempenho da máquina”, acrescenta.

Corcoran descreve esta metodologia como “inteligência contínua” – a capacidade de tomar decisões mais inteligentes derivadas de percepções obtidas a partir da análise de dados, seja em tempo real, histórico ou ambos, em um período de tempo tão breve quanto possível.

Incorpore dados internos e contextuais

Os líderes de TI precisam garantir que sua prática analítica possa ingerir não apenas dados internos, mas também dados contextuais relacionados à concorrência, mercados, segmentos de clientes e pontos de dados do censo para fornecer um conjunto abrangente de fatos e tendências, sugere Sumit Anand, CIO da rede de superlojas At Home. “Também deve haver uma contribuição direta no roteiro de tecnologia de negócios da organização e no plano financeiro de longo prazo”, acrescenta.

Ao longo de semanas e meses, o acesso a dados internos e contextuais em tempo real, ricos em insights significativos, pode transformar o processo de tomada de decisão de uma organização, diz Anand. “Essa abordagem é eficaz porque se concentra na transformação da cultura de uma organização, tornando-se mais orientada a dados, baseada em fatos e macro-consciente de seu cenário de negócios”.

Concentre-se na entrega de informações materiais

Conceito emprestado da lei e da contabilidade, “informação material” é a informação que faz com que um destinatário mude seu pensamento sobre um assunto específico ou altere seu julgamento ou curso de ação. “Eles farão algo em resposta ao recebimento das informações materiais”, disse Kenneth McGee, Pesquisador da empresa de consultoria e pesquisa Info-Tech Research Group.

Por exemplo, o medidor de óleo de um veículo só pode ser verificado uma vez, se for o caso, durante o curso de uma viagem. Essas são informações estáticas. “Mas se [um] alarme acender ou soar, o motorista irá imediatamente considerar a possibilidade de buscar uma solução na próxima saída”, explica McGee.

Executivos e gerentes são inundados com informações – demasiadas para serem absorvidas completamente. “No entanto, apenas (…) uma quantidade muito pequena de informações materiais precisa ser analisada em tempo real para garantir o sucesso”, observa McGee.

Construa uma equipe de analytics que entenda as principais necessidades de negócios

A equipe de analytics deve ser um verdadeiro parceiro, não simplesmente um recebedor de pedidos. “Quando a equipe de analytics é vista como um facilitador de negócios e não um centro de custos, a empresa estará disposta a investir mais em recursos humanos e tecnologia para apoiar a função analytics”, aconselha Kathy Rudy, Diretora de Dados e Analytics da empresa de consultoria e pesquisa de tecnologia Information Services Group.

A melhor maneira de garantir o sucesso a longo prazo é fornecer à equipe de analytics conhecimento de negócios para que ela possa fornecer inteligência relevante, diz Rudy. “Quanto mais eles souberem sobre o negócio, melhor serão no fornecimento de analytics que importam”.

Com o tempo, uma equipe de analytics bem apoiada ganhará a capacidade de fornecer dados cada vez mais relevantes que permitem aos tomadores de decisão tomar medidas rápidas e bem informadas. “Isso inclui trazer dados de mercado por meio de conexões de API e coleta de dados para oferecer suporte à analytics geradas internamente”, diz Rudy. “Ser um parceiro por meio de analytics em tempo real e dizer à sua equipe executiva coisas que eles não saberiam por conta própria, ou mesmo que pensariam em perguntar, fará de você uma estrela do rock”.