<img height="1" width="1" style="display:none;" alt="" src="https://dc.ads.linkedin.com/collect/?pid=33098&amp;fmt=gif">

Como definir com mais assertividade e menores custos seu projeto de Big Data e Analytics?

Como definir.jpg

Em qualquer projeto de Big Data, a capacidade de escolher o problema a ser resolvido, definir o âmbito do projeto – colocando por fases e criando pilotos para testar hipóteses, apontando claramente os objetivos e mantendo o foco -  é fundamental.

Na era digital em que vivemos, a conectividade, a multiplicação de dispositivos e a digitalização das interações está dando às empresas uma oportunidade de ouro para conhecer os seus clientes, melhorar a sua experiência, fidelizar e rentabilizar os clientes e os recursos da empresa. No mundo atual, a experiência cliente é o maior diferenciador. Uma empresa equipada com plataformas tecnológicas adequadas pode, com um esforço sustentável, recolher informação e conhecer métricas que ajudam a gerir melhor suas frentes de atendimento, conhecer melhor seus clientes, e aplicar de imediato esses conhecimentos na melhoria da sua experiência.

No contexto de um projeto de Big Data que procure melhorar o conhecimento e a experiência cliente podemos indicar três boas práticas e que normalmente são pontos críticos para o sucesso do projeto:

- Identificar um problema de negócio cuja resolução terá, simultaneamente, o maior impacto e o retorno mais rápido, dando um bom exemplo que encoraje a continuada utilização de soluções e estratégias de big data.

- Utilizar aplicações e recursos externos de forma equilibrada para assegurar a transferência de conhecimento, garantir suporte e experiência que potencialize o sucesso.

- Identificar dentro da empresa as partes interessadas (stakeholders) nos resultados do projeto e cuja colaboração é indispensável ao seu sucesso. Fazer um esforço indispensável para assegurar o seu suporte e colaboração

A partir do momento em que o projeto de big data tem como objetivo aumentar o grau de engajamento com o cliente, os estudos existentes apontam para um retorno maior e mais imediato se der prioridade aos dados gerados pela atividade das pessoas nas frentes de atendimento e vendas, gerados pelas interações dos clientes, e gerados por cada canal utilizado para contatar e interagir com os clientes. Projetos de complexidade média permitem, com alguma rapidez, gerar informação e conhecimento que permitem alocar melhor recursos, gerir melhor canais e ser mais proativo no sentido da fidelização de clientes.

Conforme referido, defendemos que os primeiros projetos devem ser quick wins com o apoio externo necessário. No entanto, a transferência de conhecimento deve ser assegurada desde o início. A partir do momento em que haja retorno dos projetos, a tendência natural da organização será para alocar mais recursos e estruturar essa nova vertente no desenvolvimento do negócio.

Os insucessos nos projetos de big data são geralmente fruto de uma combinação de fatores. Os problemas podem estar na estratégia inadequada, na falta de competências, numa cultura que cria obstáculos na partilha de dados (silos), falta de  conhecimento sobre os dados disponíveis ou sobre as ferramentas a serem utilizadas. Acresce que dada a rápida evolução da economia digital, os projetos são ameaçados de obsolescência. É critico que o problema identificado seja suscetível de ser resolvido através de um projeto de big data, o que implica perceber os dados que se têm e as características dos modelos analíticos. A estratégia deve ser viável  e as competências (externas e internas) devem existir antes de avançar com as análises e aplicações.

Compartilhar:
   



Mais lidos

Subscribe to Email Updates