Data Analytics: 10 histórias de sucesso

Se os dados são o novo petróleo, saber como refiná-los é a chave para liberar seu potencial. Para esse fim, os CIOs estão adotando a Análise Preditiva, criando algoritmos de Machine Learning.

O hyperaware do trabalho com dados, que reduz os custos ou aumenta as receitas, pode ajudá-los a brilhar aos olhos da diretoria. Por isso os líderes de TI estão gastando mais do que nunca com tecnologias que suportam a Ciência de Dados .

As receitas mundiais de software de Big Data e Business Analytics vão superar os US$ 166 bilhões este ano, um aumento de 11,7% em relação a 2017, de acordo com  dados da IDC. Além disso, a guerra por talentos capazes de trabalhar com tecnologias emergentes de Data Analytics está acirradíssima em todo o mundo.

Alguns CIOs que encontraram maneiras de impulsionar resultados diretos e indiretos por meio da análise inteligente de dados compartilharam recentemente as lições aprendidas e alguns conselhos para os seus pares envolvidos em esforços semelhantes.

1 – Na Shell, a manutenção preditiva reduz custos e aumenta a produtividade

Poucos setores geram mais dados do que o setor de energia. Mas durante anos, a manutenção na gigante petrolífera Shell foi exclusivamente um “apagar incêndios”. A empresa não conseguia saber  quando e onde poderia ter problemas de manutenção em seus equipamentos até que as peças começassem a falhar. Com o tempo ocioso das máquinas custando milhões de dólares por dia, a Shell decidiu investir na análise de dados para reduzir os custos de manutenção e aumentar a produtividade.

O caminho escolhido foi a construção de uma plataforma analítica baseada em software de vários fornecedores para executar modelos preditivos para prever quando qualquer uma das mais de 3 mil peças de perfuratrizes de petróleo falhariam, segundo Daniel Jeavons, gerente geral do Centro de Excelência de Dados da companhia.

Uma dessas ferramentas ajuda a planejar melhor quando comprar peças de reposição, por quanto tempo e onde mantê-las em estoque. Hospedada na nuvem do Microsoft, a solução Azure Databricks ajudou a Shell a reduzir a análise de inventário de mais de 48 horas para menos de 45 minutos, economizando milhões de dólares por ano com movimentação e realocação de estoque.

Lição aprendida: são necessárias muitas ferramentas para evitar falhas nas máquinas. Jeavons diz que a plataforma da Shell combina soluções da Databricks, Alteryx, C3, SAP e outros fornecedores para ajudar seus cientistas de dados a gerar insights de negócios. Em última análise, os CIOs devem avaliar as ferramentas certas e ver o que funciona, antes de pensar em grandes gastos. 

2 – A ARC decidiu mudar o gerenciamento de dados
Os dados são a força vital da Airlines Reporting Corp. (ARC), que a cada ano liquida mais de US$ 88 bilhões em transações entre companhias aéreas, incluindo Delta, American Airlines, British Airways, Alaska Airlines e agências e serviços de viagens, como o Expedia. 

As companhias aéreas pagam para acessar dados que a ARC coleta sobre transações de compra de bilhetes para saber as preferências dos viajantes _ para onde estão indo, quando viajam e quanto estão pagando. São mais de 2,2 bilhões de vôos registrados por ano.

A ARC captura os dados, os insere em mecanismos de análise, os refina e cria relatórios personalizados para seus clientes. A empresa está migrando de um data warehouse Teradata para um software em nuvem da Snowflake, que a ajudará gerar relatórios mais rapidamente. A solução oferece maior escalabilidade e desempenho, graças ao uso da AWS, segundo o CIO da ARC, Dickie Oliver.

Lição aprendida: Mudar para uma nova plataforma de dados não é apenas uma decisão tecnológica. O gerenciamento de mudanças é o verdadeiro impulsionador. Conseguir que os funcionários aceitem bem as mudanças é a parte mais desafiadora do processo”, diz Oliver, acrescentando que está totalmente empenhado em treinar funcionários, incluindo investir em certificações e na contratação de consultores para ajudar no gerenciamento de mudanças.

3 – No TD Bank, o desafio foi mergulhar no data lake
A equipe de análise de dados do TD Bank passou os últimos anos atualizando sua infraestrutura de dados para as necessidades atuais e futuras, criando um banco de dados corporativo usando Hadoop.

Um foco central do TD Bank inclui fornecer aos analistas de negócios a capacidade de extrair dados do data lake e torná-los utilizáveis ​​e acionáveis. “Estamos tornando o conjunto de dados amplamente disponível para as pessoas usarem”, diz o DosSantos, acrescentando que o TD Bank também usa sua plataforma de análise para detectar fraudes e outros malefícios.

Uma solução Cloudera é usada para gerar insights sobre os clientes, segundo Joe DosSantos, vice-presidente sênior de informações corporativas do TD Bank.

Lição aprendida: O TD Bank reinventou sua plataforma de dados corporativos nos últimos anos, analisando décadas de transações com clientes, entre outros dados. Em vez de confiar demais no Hadoop, o TD Bank decidiu usar o software Talend para extrair e transformar dados brutos em informações usadas pelo BI da companhia.

4 – A Cargill decidiu melhorar a vida dos produtores de camarão
A unidade de nutrição animal da Cargill desenvolveu o iQuatic, um aplicativo móvel de rastreamento de dados que ajuda os criadores de camarão a reduzir a taxa de mortalidade dos animais.

O aplicativo prevê a biomassa em tanques de camarão com base em fatores ambientais, como temperatura, pH e nutrição, e trabalha em conjunto com o sistema automatizado de alimentação de camarão iQuatic, que emprega alimentadores automatizados, usando tecnologia acústica para entender os padrões naturais de alimentação dos animais, diz Tiffany. Snyder, CIO da Cargill’s Animal Nutrition Enterprise. Snyder apresentou no sistema iQuatic no CIO 100 Symposium, em agosto.

Os fazendeiros salvam os dados na nuvem, através de um aplicativo e acessam um dashboard com informações sobre o desempenho da lagoa, incluindo medidas e análises preditivas que ajudam a gerenciar melhor a saúde do camarão e aumentar a produtividade. Anteriormente, os agricultores coletavam esses dados offline – usando caneta e papel.

Lição aprendida: Para construir o aplicativo, Snyder diz que a Cargill enviou engenheiros e executivos para uma fazenda de camarão no Equador, para aprender como os produtores capturavam dados sobre seus lagos. Os produtores passaram a integrar as equipes Agile que trabalharam em um piloto, que se tornou operacional em cinco meses.

5- Na Merck, o piloto de Data Analytics foi fundamental 
A  Merck estava procurando usar dados coletados em sistemas de ERP para orientar a execução de manufatura e o controle de estoque, de modo a obter insights de negócios. Mas, com seus engenheiros gastando de 60% a 80% de seus esforços para encontrar, acessar e tratar dados para cada projeto, os objetivos não estavam sendo atendidos. “Não estávamos visualizando os dados como um ativo viável, permanente e valioso”, diz Michelle D’Alessandro, CIO da divisão de manufatura da Merck. “Queríamos estabelecer uma cultura em que passássemos muito menos tempo em movimento e informando os dados e muito mais tempo usando os dados para obter resultados comerciais significativos”, explica o executivo.

Para resolver esse problema a Merck criou o  MANTIS (Manufacturing and Analytics Intelligence) , um sistema de armazenamento de dados composto por bancos de dados in memory e ferramentas de código aberto que podem processar dados armazenados em sistemas estruturados e não estruturados, incluindo texto, vídeo e mídia social. É importante ressaltar que o sistema foi projetado para permitir que analistas de negócios não técnicos vejam facilmente os dados em um software de visualização. Por outro lado, os cientistas de dados podem acessar informações por meio de sofisticadas ferramentas de simulação e modelagem. 

O MANTIS ajudou a reduzir em 45% o tempo e o custo do portfólio geral de projetos de análise de TI da empresa. Os resultados comerciais tangíveis incluem uma redução de 30% no tempo médio de entrega e uma redução de 50% nos custos médios de estoque.

Lições aprendidas:  A chave para o sucesso foi identificar um projeto piloto em uma fábrica na Ásia-Pacífico, onde a Merck veria maior retorno. Após demonstrar sucesso com o MANTIS lá, a aplicação do sistema tornou-se viável em outras fábricas da companhia. 

6 – Dr. Pepper Snapple Group aposta na relevância contextual dos dados
Durante anos, a equipe de rota de vendas do Dr. Pepper Snapple Group pegou um fichário gordo cheio de dados de clientes, notas sobre vendas e promoções, e pegou a estrada para conquistar clientes como Wal-Mart e Target. Hoje, a equipe de vendas está armada com iPads que informam quais lojas precisam visitar, o que oferecer e outras métricas cruciais. “Eles eram tomadores de pedidos, agora estão se tornando consultores de venda, equipados com informações para ajudar a alcançar seu objetivo”, diz Tom Farrah, CIO da Dr. Pepper Snapple Group.

A plataforma MyDPS, disponível nos iPads, é equipada com aprendizado de máquina e outras ferramentas de análise que oferecem recomendações e um diário de pontuação operacional para os funcionários. Algoritmos mostram aos funcionários como eles estão performando em relação às projeções esperadas, incluindo se estão no caminho certo para cumprir seus planos e como corrigir o curso se não estiverem. “Se ajudar alguém a ser bem sucedido em suas metas, tenho que garantir que as informações que recebe é contextualmente relevante”, diz Farrah.

Lições aprendidas:  Para testar a prova de conceito do MyDPS Farrah entregou o software a quatro pessoas e fez com que o presidente da empresa as visitasse.  “É muito importante que você não tenha apenas o patrocinador de negócios do projeto ciente de que ele entrega o resultado esperado”, diz Tom Farrah, CIO da Dr. Pepper Snapple Group.

7 – A Bechtel decidiu acabar com os silos de dados
Os gastos relacionados à construção são 13% do PIB, mas a indústria gerou apenas um ganho de produtividade de 1% nas últimas duas décadas, diz Carol Zierhoffer, CIO da Bechtel. Especialistas dizem que o setor pode aumentar a produtividade de 50% a 60% ao reconectar contratos, melhorar a qualificação dos funcionários e melhorar a execução no local, entre outros ajustes. A Bechtel, que construiu a Represa Hoover, o Canal da Mancha da Inglaterra e outras maravilhas, começou a  descobrir esses insights a partir de dados disponíveis em várias partes do negócio .

Zierhoffer construiu um grande data center de excelência, no qual fica um data lake com 5 petabytes de dados e iniciou uma prova de conceito. A empresa usou a tecnologia de reconhecimento de fotos para inspecionar e rotular fotos de sites em nome dos clientes, economizando US$ 2 milhões. Ferramentas de processamento de linguagem natural (NLP) analisam declarações, RFPs e contratos. Estimativas e planos que antes levavam dias e semanas agora levam horas. A Bechtel também expandiu os esforços de análise para observar a retenção de funcionários, inclusive tentando antecipar quando os funcionários podem estar dispostos a deixar a empresa. “Acreditamos que estamos batendo à porta desse desafio na produtividade”, diz Zierhoffer.

Lições aprendidas:  Silos de dados minam a qualidade da análise. Embora a Bechtel possa analisar grandes volumes de dados, a qualidade dos dados localizados em todo o negócio deve ser melhorada. “Tivemos que analisar como trabalhávamos e construir pontes entre os silos de dados”.

8 – Novos caminhos para a RRD
Há alguns anos, a RRD, empresa de comunicação e marketing anteriormente conhecida como RH Donnelley, abriu uma divisão de logística para enviar materiais impressos para consumidores e empresas. Para apoiar os negócios, a RRD gerenciava cargas para si mesma e enviava desde máquinas de lavar até comida de cachorro em nome de seus parceiros, chegando a um negócio de US$ 1 bilhão. O desafio? Encontrar as melhores taxas de envio em um mundo onde a FedEx e a UPS eram os reis indiscutíveis.

Variáveis ​​como clima, geografia, motoristas e climas políticos interferem nos negócios. Com a necessidade premente de prever as variáveis ​​de taxa, o RRD voltou-se para o Analytics e o Machine Learning, diz Ken O’Brien, CIO da RRD. Contratou funcionários e universidades para ajudar a escrever algoritmos, testando milhares de cenários em 700 rotas até conseguir antecipar as taxas de frete em tempo real, com sete dias de antecedência e uma taxa de precisão de 99%. “O projeto se pagou em menos de um ano e ainda estamos vendo crescimento nesse negócio relacionado a fretes”, diz O’Brien.

Lições aprendidas:  Novos negócios exigem um compromisso de alto nível, embora O’Brien admita que alguns de seus colegas de negócios estivessem prontos para jogar a toalha em vários momentos ao longo do caminho. A empresa não confiava na tecnologia para um processo que normalmente era feito por meio de feeling e experiência. A RRD criou um ambiente colaborativo no qual os negócios e a TI trabalharam juntos para influenciar o resultado. “Você vai tropeçar, terá desafios, mas seja paciente”, disse O’Brien.

9 – A Monsanto aumentou a produtividade por área cultivada
Os agricultores estão sempre em dúvida sobre quais sementes plantar, quanto, onde e quando. A gigante de sementes Monsanto está usando Ciência de Dados para fazer recomendações prescritivas para o plantio alavancando modelos matemáticos e estatísticos para traçar os melhores momentos para o cultivo de plantas masculinas e femininas e onde plantá-las idealmente para maximizar o rendimento e reduzir a utilização da terra. 

Seu algoritmo de Machine Learning produz mais de 90 bilhões de dados em dias, em vez de semanas ou meses, diz Adrian Cartier, diretor de análise global de TI da empresa. Os benefícios do negócio? Em 2016, a Monsanto economizou US$ 6 milhões e reduziu sua pegada na cadeia de suprimentos em 4%. “Na América do Norte, uma redução de 4% na utilização da terra equivale a uma grande quantidade de terra não utilizada e muito dinheiro economizado”, diz Cartier.

Lições aprendidas:  A chave para a Monsanto foi  a estreita colaboração entre a TI e o pessoal da cadeia de suprimentos. “Sua especialização na área, casada com nosso domínio de matemática e estatística, criou o valor que conseguimos oferecer”, diz Cartier.

10 – Para a Pitt Ohio o sucesso veio através de maneiras desafiadoras de usar os dados disponíveis
A indústria de frete está sob fogo cerrado devido ao “Amazon Impact”, diz Scott Sullivan, CIO da Pitt Ohio. A Pitt Ohio, uma empresa de frete de US $ 700 milhões, se acostumou a pegar frete e entregá-lo aos clientes no dia seguinte. Mas graças à Amazon, os clientes agora esperam que a entrega seja feita no mesmo dia. E eles esperam mais informações sobre seus pacotes.

“Os clientes agora querem saber não apenas quando serão retirados, mas como serão entregues para que possam planejar seu recebimento”, diz Sullivan. Usando dados históricos, análise preditiva e algoritmos que calculam peso de carga, distância de condução e outros fatores em tempo real, a Pitt Ohio pode estimar o tempo que o motorista chegará a um destino de entrega  com uma taxa de precisão de 99%. 

Lições aprendidas:  Sullivan diz que foi um trabalho interdepartamental envolvendo pesquisa de mercado, operações de vendas e TI. Todos verificaram e re-checaram os resultados para se certificar de que estavam cumprindo seus objetivos. “Há muitos dados em suas quatro paredes – seja inovador e procure maneiras desafiadoras de usá-lo”, diz Sullivan.