No cenário atual, a inteligência de dados emerge como um fator fundamental para impulsionar o crescimento, a inovação e o sucesso das empresas. Também conhecida como análise de dados ou business intelligence, trata-se da capacidade de coletar, processar, analisar e interpretar informações para tomar decisões informadas e estratégicas.

Mas afinal, como coletar dados corretamente e no que de fato eles ajudam (que vai além de apenas compreender o consumidor)?

Quem responde essa questão é o doutor e mestre em tecnologia, sistemas de apoio à tomada de decisões, Marcelo Dallagassa – que também é professor de pós-graduação nas disciplinas Banco de Dados, Business Intelligence e Business Analytics, em diversas instituições de ensino superior, além de professor convidado na ISAE Escola de Negócios.

“A formação de dados é essencial para o direcionamento estratégico das empresas. As coletas podem ocorrer por meio de dados de transações, dados cadastrais de clientes e dados de mercado”, resume.

O que é a inteligência de dados?

Dallagassa explica que os dados de transações, também chamados de log de eventos, são os registros que identificam qualquer atividade do cliente, desde o acesso ao estabelecimento até a efetivação da compra. “Esses dados podem fornecer informações valiosas sobre o comportamento do cliente, como os produtos e serviços que ele tenha interesse, os horários em que ele faz compras e os lugares que ele visita, entre outras informações.”

Os dados cadastrais, podem ser obtidos de diversas maneiras, como formulários de cadastro, programas de fidelidade e interações com o atendimento ao cliente. “Esses dados podem fornecer informações sobre as características demográficas do cliente, como idade, gênero, localização e renda”, exemplifica.

Já os dados de mercado são coletados para identificar tendências gerais de consumo, comportamento dos clientes, concorrência, economia e outros fatores que podem auxiliar nas correlações para utilização em decisões estratégicas. Essas informações podem ser obtidas por meio de pesquisas, relatórios de consultoria e dados governamentais.

Contudo, o especialista ressalta que a coleta e o uso de dados devem ser feitos de forma ética e transparente. “As empresas devem obter o consentimento dos clientes antes de coletar seus dados e devem tomar medidas para proteger a privacidade dos dados.”

Dashboards e KPIs

As informações estratégicas podem ser representadas por meio de painéis de controle (dashboard) que são compostos por uma série de indicadores (KPIs – Key Performance Indicator) que representam dimensões importantes para o segmento de varejo de móveis. Entre essas dimensões, Dallagassa cita e da alguns exemplos de indicadores possíveis:

  • Finanças: margem bruta, margem líquida, CMV, ticket médio;
  • Operações: taxa de rotatividade de estoque, necessidades de recursos para operação;
  • Marketing: taxa de conversão de leads e de vendas;
  • Clientes: grau de satisfação e fidelidade.

“As informações estratégicas são essenciais para as empresas de varejo de móveis tomarem decisões assertivas. Os painéis de controle são construídos por meio de ferramentas de Business Intelligence (BI), que permitem a apresentação de dados de forma clara e concisa, facilitando o entendimento do gestor no reconhecimento de oportunidades de melhoria, e na identificação de situações que mereçam atenção.”

A utilização de Aprendizagem de Máquina para análise de negócios, também conhecido como Business Analytics (BA), permite o processo de seleção, análise e interpretação dos dados, de forma automática ou semiautomática, para a identificação de tendências, padrões e insights que podem ser utilizados para o apoio a tomada de decisões.

“O Aprendizado envolve generalização a partir da experiência e no caso de Aprendizado de Máquina este Aprendizado busca generalizar a experiência retratada em conjuntos de dados. O Aprendizado descritivo analisa os dados e identifica similaridades (agrupamentos) ou associações (regras de associações)”, esclarece.

Leia também:
– Entenda o varejo 5.0

Aprendendo com os dados

Dallagassa explica, também, que há o aprendizado preditivo – aquele que analisa os dados que representam eventos passados, buscando relações entre estes, que permitam predizer situações em novos dados futuros, tais como: a classificação para predições de valores discretos e a regressão para predições de valores contínuos. “Como exemplo de aprendizado preditivo, pode-se identificar potenciais clientes interessados em algum novo produto a ser divulgado.”

Já no aprendizado descritivo, o especialista cita a associação entre eventos demandados, que podem indicar possíveis relações de causa-efeito ao ser complementada com a respectivo espaço de tempo entre estes eventos associados.

Aprendizado preditivo

  • Objetivo: fazer previsões ou estimativas sobre eventos futuros com base em dados históricos e modelos matemáticos.
  • Natureza: é uma técnica de aprendizado que utiliza algoritmos para construir modelos a partir de dados passados e, em seguida, aplicá-los a novos dados para fazer previsões.
  • Exemplo: usar dados de vendas históricas para criar um modelo que preveja as vendas futuras de um produto com base em fatores como sazonalidade e publicidade.

Aprendizado descritivo

  • Objetivo: descrever e resumir os dados existentes para fornecer insights sobre o que aconteceu no passado ou está acontecendo no presente.
  • Natureza: é uma técnica de aprendizado que se concentra em análises retrospectivas, estatísticas descritivas e visualizações de dados para entender tendências e padrões históricos.
  • Exemplo: analisar dados de vendas da loja para entender quais produtos foram os mais vendidos no último ano.

A principal diferença entre aprendizado preditivo e aprendizado descritivo está no objetivo e na natureza das análises. O aprendizado descritivo concentra-se em descrever o passado ou o presente, enquanto o aprendizado preditivo visa fazer previsões sobre o futuro com base em dados históricos.

Ambas as abordagens têm aplicativos valiosos em diferentes contextos, dependendo das necessidades de análise e das perguntas que se deseja responder.

Natureza do aprendizado

“Em geral, a natureza do problema em questão define a natureza do aprendizado a ser adotado na experimentação de mineração de dados” – Marcelo Dallagassa, doutor e mestre em tecnologia, sistemas de apoio à tomada de decisões.

“Em geral os problemas são preditivos ou descritivos. Porém muitas vezes as duas estratégias podem ser adotadas de forma complementar”, detalha Dallagassa. Por exemplo, o sistema aprende sobre as preferências históricas de compras e avaliações e, a partir deste aprendizado, realiza recomendações de novos produtos. “O aprendizado para esta recomendação pode ser obtido pela hibridização destes dois tipos de aprendizados.

Business Analytics e Business Intelligence

Para a implementação de soluções de BI e BA, o especialista recomenta seguir os seguintes passos:

  1. Definição dos objetivos: o primeiro passo é definir os objetivos que a empresa deseja alcançar com a implementação da solução. Esses objetivos podem ser relacionados a aumento de vendas, melhoria da experiência do cliente, redução de custos etc.;
  2. Análise de dados: o próximo passo é realizar uma análise de dados para identificar os dados relevantes para a análise. Esses dados podem ser coletados de uma variedade de fontes, incluindo sistemas de CRM, ERP, marketing e vendas;
  3. Seleção da solução: após a análise de dados, a empresa deve selecionar a solução de BI e BA que melhor atenda às suas necessidades. Existem uma variedade de soluções disponíveis no mercado, com diferentes recursos e funcionalidades;
  4. Implementação da solução: a implementação da solução deve ser realizada por uma equipe de especialistas. O processo de implementação pode variar de acordo com a complexidade da solução;
  5. Treinamento dos usuários: após a implementação da solução, os usuários devem ser treinados para usar a solução de forma eficaz. O treinamento pode ser realizado pela empresa fornecedora da solução ou por uma equipe interna.

“As soluções de BI e BA podem ser uma ferramenta poderosa e valiosa para as empresas de varejo moveleiro. Ao implementar essas soluções, as empresas podem melhorar sua tomada de decisão, aumentar a eficiência e reduzir custos, porém nunca esquecendo as questões éticas, de sigilo e privacidade de informações”, finaliza Dallagassa.

Exemplos da utilização de BA no varejo, segundo Dallagassa:

  • Marketing: segmentação de clientes com base em produtos, forma de pagamento/compra, localização e outras variáveis de interesse. Dessa maneira, é possível personalizar as campanhas de marketing direto, atingindo clientes com maior probabilidade de conversão;
  • Vendas: associação de fatores diversos para estimular as vendas e acompanhar seu desempenho ao longo do tempo;
  • Operações: alertas preditivos para melhorar a eficiência da cadeia de suprimentos, otimizar o uso de recursos e reduzir custos;
  • Finanças: análises preditivas para identificar riscos de crédito, tendências de indicadores financeiros e situações que requerem intervenção para uma boa gestão dos recursos financeiros.