Posts

Big Data

Dez sinais de que você está errando no seu projeto de Big Data

Por Israel Nacaxe, co-fundador da Propz

Big Data

Recentemente li um excelente artigo de @martingoodson, e como são informações de extrema relevância no contexto atual do mercado de inteligência e Big Data, decidi compartilhar. Como especialista na área há cerca de dez anos, acredito que as dicas abaixo podem te ajudar a caminhar com menos tropeços nessa odisseia que é trabalhar com grande volume de dados. Confira as principais considerações de Martin Goodson no texto abaixo.

A ciência de dados continua a gerar empolgação nos varejistas, contudo os resultados conquistados até agora também trazem decepção aos seus líderes. De que maneira podemos eliminar riscos e garantir resultados reais que atinjam a essas expectativas?

1. Seus dados não estão prontos (ainda) — Se existem dados disponíveis eles sempre podem ser aproveitados, certo? Errado. Faça uma análise crítica e, se não for possível aproveitá-los, se não forem úteis, é melhor descartar tudo e recomeçar a captação.
Um consultor me disse certa vez que devemos sempre questionar se os dados já foram usados anteriormente em algum projeto. Caso a resposta seja não, acrescente entre 6 meses a 1 ano para concluir uma ‘limpeza’ e organização inicial desses dados.

Fazer uma espécie de auditoria nas informações disponíveis sempre evita retrabalhos. Faça-a antes de começar o projeto. Por exemplo, você pode concluir que sua base de dados tem diferentes transações armazenadas em Dólar e Yen, sem especificar quem é quem.

2. Big Data é o novo petróleo? — Não, não é. Dados não podem ser considerados comodity, como o petróleo é. Antes de qualquer coisa, ele deve ser transformado em um produto para poder ser avaliada sua qualidade.

3. Seus cientistas de dados estão prestes a pedir demissão — Não trate seus cientistas de dados como quem irá sair da empresa amanhã. Não torture seus cientistas de dados ao bloquear ou limitar acesso aos sistemas ou informações que eles precisam para cumprir seus trabalhos. Mostre confiança no trabalho que executam e forneça ambiente adequado para o desenvolvimento do que foi combinado.

Cientista de dados4. Você não tem um cientista de dados líder — Por esse mesmo motivo não será possível ter certeza de que seus dados são úteis ou não. Você precisa de pessoas que conheçam e respirem modelos matemáticos (selection bias, measurement bias, etc) ou então você nunca saberá se os resultados alcançados fazem realmente algum sentido. Os profissionais mais indicados para essa função são chamados de cientistas de dados.

Não confunda analista de dados e suporte a business intelligence com profissionais que apenas registram ações em andamento de um time, para ‘maximizar resultados’ com profissional gabaritado e com experiência em programação probabilística, MCMC, Análise de dados ou Hidden Markov Models. É bem diferente. Curiosamente, o inverso também é frequentemente verdade.

5. Você não deveria ter contratado cientista de dados — Para trabalhos de ETL (processo de extrair, transformar e carregar) contrate bons engenheiros de dados (data engineer). Para relatórios o melhor é contratar um experiente analista de business intelligence. Ponto final.

6. Seu chefe é fã de um blog sobre machine learning — Com o hype sobre machine learning em alta é fácil encontrar grande quantidade de conteúdo sobre o tema internet afora. O problema disso é que agora todos começam a se achar experts no assunto. Todos podem ter insights sobre machine learning. Questione sempre, ou isso corre sérios riscos de não acabar bem.

7. Seus modelos são complexos demais — Comece com um modelo compreensível e já interpretado anteriormente e teste com uma baseline. Moral da história: use um modelo simples que você consiga entender. Apenas depois dessa fase adote algo mais complexo, e somente se for muito necessário.

8. Seus resultados não são reproduzíveis — O coração da ciência é a reprodutibilidade. Importante aplicar Git, fazer revisões de código, rodar testes automatizados, além de gestão do pipeline de dados. Fez tudo isso? Depois não diga que não avisei.

9. Um departamento de P&D (pesquisa e desenvolvimento) parece um alienígena para a cultura da sua empresa — P&D é uma atividade de alto risco. Muitos não estão preparados para as grandes inovações. Um laboratório de ciências aplicadas é na verdade um grande compromisso. Dados podem frequentemente oferecer uma ameaça àqueles que preferem confiar em seus instintos. P&D tem um grande risco de falha e exige altos níveis de perseverança da equipe envolvida. Antes de seguir em frente com essa ideia faça uma análise profunda se a sua empresa está pronta para realmente aceitar essa cultura.

10. Criar produtos oriundos de dados sem acessá-los de fato é como querer embalsamar um animal sem nunca tê-los visto vivos — Nunca deixe UX designers e gerentes de produto usarem dados falsos (mesmo que sejam rascunhos). Assim que você tiver acesso aos dados reais, o wireframe vai parecer fantasia pura. Os dados reais sempre terão picos discrepantes ou trechos mais tranquilos, sem graça. Será muito dinâmico. Será muito previsível ou não previsível o suficiente. Use dados reais desde o início ou seu projeto irá acabar na miséria e no ódio de si mesmo.

Marketing preditivo

Marketing preditivo impulsiona engajamento e vendas no varejo

Na economia da atenção, consumidor descarta quem não se posiciona de maneira relevante

Marketing preditivo

O que o seu cliente comprou semana passada? Qual seu ROI em campanhas de SMS ou e-mail marketing?

Conseguir prever o momento e as circunstâncias que levaram determinado cliente a fazer uma compra pode parecer ficção científica, mas já é uma realidade para o varejo físico brasileiro. Tudo isso graças ao chamado Marketing Preditivo e a inteligência artificial, que utiliza Big Data para determinar o comportamento do comprador na Internet e que tem alavancado as vendas no varejo físico, mesmo em tempos de crise. Esta vertente do marketing está ancorada no Machine Learning — ou aprendizado de máquina — método que automatiza o desenvolvimento de modelos analíticos, permitindo que o sistema “aprenda”, de maneira interativa, a partir dos dados.

Portanto, para o Marketing Preditivo, cada informação sobre o dia da semana, quais produtos levados para casa, hora e local de compra efetuada geram um imenso volume de dados e informações valiosas, que quando analisadas em conjunto, ajudam a prever a predisposição à compra futura: quais itens com maior chance se ser adquirido, em quais regiões, e pasmem – dia da semana mais propício, até horários de compra mais suscetíveis do consumidor ir até o supermercado, farmácia ou shoppings.

Esse tipo de tecnologia, combinada com aprendizado de máquinas, já permite que o varejo físico tome decisões mais assertivas e inteligentes, direcionadas para cada tipo de público. É a tecnologia apoiando as decisões de investimentos assertivos e eficazes nas ações de marketing e de fidelização de clientes.

Mais do que favorecer a colaboração entre o varejo e o marketing, a inteligência artificial combinada ao aprendizado de máquinas vai transformar as ativações de marketing em ações 100% relevantes ao consumidor. É o fim dos e-mails de fraldas para jovens solteiros e promoções de vinho para quem só toma cerveja.

Já sabemos que quanto mais conhecemos o consumidor, melhor e mais personalizada será a prestação de serviços a ele. Afinal, com adoção de Big Data aliada à especialistas em enxergar lógica e oportunidades em grande volume de dados, é possível segmentar e definir qual será a próxima missão de compra do cliente, e com isso investir de forma focada, e medir a taxa exata de retorno (em vendas) diretamente no ponto de venda.

Com apoio da tecnologia o perfil dos clientes pode ser estudado com o intuito de determinar o melhor próximo produto a ser adquirido e o momento propício para uma nova abordagem de vendas.

Em suma, se você também acredita que as campanhas massivas de SMS ou e-mail marketing massivas já morreram chegou a hora de conhecer tecnologias como a que foi criada pela Propz. Essas tecnologias orientam a tomada de decisão de forma assertiva, indicando quais produtos seu cliente deseja, e trazê-lo à sua loja com um preço especial ou algum tipo de benefício exclusivo, por exemplo. E o melhor de tudo: medir o ROI — Return Over Investiment em tempo real.

Conheça a Propz e entenda por que clientes como Bradesco, Censosud, entre outros, já adotaram a tecnologia.

Big data

Inteligência Artificial deixa de ser prova de conceito e passa ser uma realidade

Big data

Big Data e Inteligência Artificial continuam a ser os assuntos mais dinâmicos no mundo do varejo. A Propz participou da matéria sobre o tema, publicada pelo portal Mundo do Marketing e repercutida nacionalmente. Israel Nacaxe, co-fundador da empresa, confirma os primeiros resultados e cases de sucesso dos líderes do segmento.

“Os varejistas conseguirão tomar decisões mais estratégicas quando compreenderem a atual situação do mercado. O consumidor mudou e as estratégias ainda são as mesmas. O Bigdata permite replanejar ações de mídia, layout, o tamanho das lojas, a disposição dos produtos, além de melhorar a fidelização.”

 Israel Nacaxe.

Leia matéria na íntegra publicada pelo portal Mundo do Marketing.