Apresentação do PowerPointhiria.com.br/agenda-de-eventos/hbrbigdata/pdfs/Elaine-Tavares... · –...
-
Upload
trinhxuyen -
Category
Documents
-
view
216 -
download
0
Transcript of Apresentação do PowerPointhiria.com.br/agenda-de-eventos/hbrbigdata/pdfs/Elaine-Tavares... · –...
Caso P&G
• Sucesso muito além do previsto no lançamento de um sabão em pó concentrado.
• 8 anos de preparação de sistemas e processos, para se ter informação atualizada e capacidade analítica para tomada de decisão.
Reestruturação da P&G
• Global Business Units (GBUs) – Globalmente
centralizada • Estratégia • Marcas • Manufatura • Inovação
• Market Development Organizations (MDOs) – Presença local
• Entender preferência de consumidores e varejistas locais.
• Customizar marcas globais para mercados locais.
Reestruturação da P&G
• Funções Corporativas – Assessoria jurídica – Comunicação – Governança
• Global Business Services (GBSs) – Backoffice
• Ex.: Contabilidade, Contas a pagar, RH e TI
• Escala, padronização de serviços e compartilhamento de melhores práticas.
GBS • TI interna para apoio a decisão
– IDS – Information and Decision Solution • Desenvolveu capacidade técnica e humana para
analytics na cadeia de suprimentos, em marketing e vendas.
• Integração de sistemas ao longo de uma década. • Presidente da BGS: Passerini
– Estatística e pesquisa operacional
Analytics
• Em uma década: – pessoas, sistemas e dados para mudar a tomada de
decisão.
TI apóia tomada de decisão por repositório
central de dados e software de apoio
IDS deve ajudar os gestores fazendo as análises e tornando os dados acessíveis
Valorização do Analytics • 2009
– Bob MacDonald – novo presidente
• Capacidades analíticas da IDS precisavam ser usadas para decisões melhores e em tempo real. – Carta para os acionistas: Desenvolvendo
capacidade para operar sob demanda, em tempo real e orientada para o futuro.
Valorização do Analytics
• Mover BI para o centro do negócio – Analytics é uma nova forma de conquistar
mercado.
• Vantagem competitiva baseada não só em dados, mas em ferramentas, talento e cultura.
Vantagens de centralizar análise
• Padrões e controle de qualidade dos dados. • Melhor comparação das linhas de produto e
regiões. • "Uma única verdade" para toda empresa. • Automação de relatórios, que podiam ser
facilmente entendidos por qualquer um.
Decision Cockpit
• Dashboard baseado na web que tinha os dados e notícias principais para cada funcionário. – 2011: 50.000 pessoas
• Customizável e com alertas para eventos fora de padrão.
Decision Cockpit
• Objetivos: – Acelerar decisão em tempo real. – Mudar o foco da decisão de o quê para por quê e
como. • Possibilidade de aprofundar na informação para ver
não só o que estava acontecendo, mas a causa. • Ajudava a entender as opções sobre como reagir.
Decision Cockpit
• Ex.: – Queda nas vendas do Gillette Fusion na Austrália
• O que automático • Por que: vendas por varejista, cidade, remessas, preços,
promoções, ações de competidores, se todo mercado caiu ou foi só a P&G
• Entendendo o problema, pode reagir mais rapidamente.
Decision Cockpit
• IDS trabalhava com as unidades de negócio, fornecedores, clientes e empresas como a Nielsen para obter dados. – Análise de sentimento em redes sociais em tempo
real.
Business Sphere
• Uma sala de reunião voltada para a tomada de decisão. – Dados, imagem, voz e videoconferência
Previsões
• Modelos desenvolvidos por 2 anos – Previsões para 12 meses. – 6.000 produtos, considerando tamanho do
mercado, fatia do mercado e vendas – Contemplava probabilidade dos eventos
acontecerem
• Business Sufficiency Models – Acompanhar metas e objetivos
Analistas nas unidades
• 300 analistas da IDS nas unidades de negócio e funcionais – Auxiliavam o uso da Business Sphere e dos
Business Sufficiency Models. – Apesar do analytics ser centralizado, era
importante ter gente trabalhando juntos aos líderes de negócio.
Nova cultura • Todo gestor era orientado por analytics • IDS deu coaching sobre como usar as
ferramentas para o gestores • Preview culture -> transparência (todos
veriam ao mesmo tempo) – Orientado para não perder tempo na tomada de
decisão
Nova estrutura
• Transparência reduziu hierarquia de 7 para 5 níveis e reduziu 15% das gerências seniores.
O Mercado de sabão norte americano • Pressão dos varejistas para se produzir sabão
em pó concentrado. – Espaço em gôndola e logística – Ambientalmente correto
• 2010: substituir todas as marcas por produto concentrado, ajustando o preço para manter custo para o consumidor. – Requer ajuste total das plantas
O Mercado de sabão norte americano
• Riscos – Consumidor cético passar a comprar da
concorrência – Consumidor preferir o concentrado
• Mercado teste – Boa aceitação – Aumento das vendas modesto: 3%
O Mercado de sabão norte americano • Projeto em fases
– No target e outros varejistas selecionados (02/11) – Grandes varejistas (06/11) – Outros varejistas e distribuidores (08/11)
• Primeiras semanas: dificuldade para coletar dados – Estoque de sabão antigo – Concorrentes lançando embalagens compactas,
sem ser sabão concentrado
O Mercado de sabão norte americano • Dois meses depois
– Aumento imprevisto das vendas • Marcas P&G 12% • Maior market share • Mercado em geral não cresceu
• Previsões – Ainda iria melhorar um pouco na fase 1 – Nas fases 2 e 3 não haveria mudança – Modelos estatísticos não lidam com mudanças
disruptivas.
O Mercado de sabão norte americano • Ajustar o modelo? Como?
– As melhorias eram sustentáveis ou temporárias? • Previsões otimistas chamaria atenção nos
decisions cockpits e gerariam expectativas altas e mudanças. – Se errar para mais: mais matéria prima, trabalhadores
e estoques. – Se errar para menos, não atende ao mercado e
prejudica relação com clientes e consumidores. – Chamaria atenção até dos outros países.
Tomada de Decisão 1 em 3 Gestores tomam decisão com base em
informações que não confiam ou não têm
56% Se sentem sobrecarregados com a quantidade de dados que gerenciam
60% Acreditam que precisam melhor capturar e entender informações, rapidamente
83% Apontam que BI & Analytics fazem parte de seus planos para aumentar competitividade
Sobrecarga • As organizações estão nadando num mar de
dados crescente – Volumoso e não estruturado – Analisado de forma tradicional
• Exemplo: – Dados de navegação na web – Conteúdos de mídias sociais – Imagens e vídeos – Dados de voz (call center) – Dados captados por dispositivos móveis – Dados captados por sensores e etiquetas RFID
KPMG • 85% de 144 CFOs e CIOs disseram não ter como
analisar os dados que já têm coletados. • 54% disse que a principal barreira é identificar o
valor de coletar os dados. • A maioria das organizações não consegue
entender perfeitamente como dados e análises podem transformar seus negócios.
• As organizações que aprendem a ter vantagens com Big Data usam informação em tempo real para entenderem seus ambientes num nível granular, para criarem novos produtos e serviços e para responder as mudanças de padrão que ocorrem.
O Que é Big Data?
Objetivos Imediatos
• Maior produtividade • Novas oportunidades comerciais • Custo / benefício de se tratar dados
Pensando Diferente • Organizações que mais se beneficiam do big
data se distanciam das análises tradicionais: – São atentas ao fluxo de dados, e não ao estoque; – Usam data scientists e desenvolvedores de
produtos e processos; e – Mudaram a função de análise da TI para o core
business e as funções de operações e produção.
Fluxo, ao invés de Estoque • Há vários tipos de aplicações de Big Data:
– O que suporta processos de contato pessoal com clientes, (ex. identificação de fraudes em tempo real);
– O que envolve o monitoramento contínuo de processo (ex.: manutenção numa aeronave);
– O que explora as relações de rede (ex.: amigos sugeridos no Facebook).
• Em todos estes casos, os dados são fluxos contínuos.
• Mudança substancial do passado, quando os analistas utilizavam fontes fixas de dados.
• Evita decisão obsoleta. • No monitoramento em tempo real, é necessário um
processo contínuo de análise e decisão. • Analisar, decidir e agir rapidamente e frequentemente.
– Entender quem toma decisão, o processo decisório e os critérios utilizados.
Fluxo, ao invés de Estoque
Data Scients • Conhecimento vasto e competência de TI.
• As competências são diversas: programação, habilidades
matemáticas e estatísticas, conhecimento do negócio, capacidade de se comunicar com o tomador de decisão.
• Precisaram estar perto dos produtos e processos, o que significa nova posição na estrutura organizacional.
Movendo a Análise da TI para o Negócio
• Será necessário treinar e recrutar pessoas com novas habilidades, que consigam integrar estas capacidades nos seus ambientes.
Mudança de Paradigma • O Big Data não envolve só mudança de tecnologia,
envolve adaptação de processos e treinamentos relacionados à mudança de gestão e análise de dados.
Dificuldades • As organizações lutam para identificar onde e
como começar suas jornadas de Big Data. • Há oportunidades para ajudar as organizações a:
– analisar os dados "obscuros" que elas já têm, mas que atualmente estão enterrados em seus sistemas; e
– identificar e priorizar outras fontes de dados internas e externas.
Mudança Cultural • Adotar uma tomada de decisões baseada em evidências
é uma difícil mudança cultural: – processos de trabalho devem ser redefinidos; – os dados devem ser limpos; e – devem ser estabelecidas regras de negócios para
orientar as pessoas no seu trabalho.
Sucesso da P&G • Desenvolvimento de capacidade técnica e humana
para analytics • Papel dos altos gestores • Integração de sistemas prévia - qualidade dos dados • Mudança de cultura
– BI no centro do negócio – Operação com dados em tempo real – Dados, ferramentas, talento e cultura – Decision cockpit,Business Sphere e Business Sufficiency
Models – Coaching para ajudar a usar as ferramentas
• Revisão da estrutura organizacional
• Heterogeneidade, escala, pontualidade, complexidade e privacidade são desafios do Big Data.
• A integração dos dados é uma das maiores fontes de valor, mas requer colaboração.
• A apresentação dos resultados e sua interpretação é fundamental para extrair conhecimento acionável.
• Rever estruturas.
Alguns Desafios
Recomendações • Não temos ainda melhores práticas em gestão.
Só práticas ad hoc. • Se guiar pela transparência e pelo atendimento
de alguns objetivos. – Identificar o problema para depois resolver.
• Como transformar insights em resultados tangíveis.
• Ter noção de onde quer chegar. • Mudança de paradigma de gestão. • Comece com o problema, e não com os dados. • Compartilhe dados, para receber dados. • Alinhe interesses das partes. • Facilite a colaboração entre pessoas.
Recomendações
Condições Necessárias
• Cabeça aberta e cultura • Suporte gerencial e executivos • Orçamento suficiente • Melhores parceiros e fornecedores
Perguntas • Como você está lidando com dados estruturados e não
estruturados? • Que dados são importantes para o seu negócio e como aplicá-los? • Você tem ideia da complexidade dos dados que te cercam e sabe
como se adaptar a isto? • Você já pensou sobre os custos de gestão dos seus dados? • Como está a segurança dos seus sistemas? • Você está envolvendo as pessoas certas no projeto de Big Data? • Que competências pessoais você precisará ter e como assegurá-las?
Contatos
Elaine Tavares [email protected]
(55 21) 3938-9859
www.coppead.ufrj.br Centro de Estudos em Administração da
Informação