Autor
ASSISTA // Google Series Talks na Vivatechnology (ativar as legendas em inglês na barra de ferramentas)
Vincent Luciani, co-CEO da Artefact, debate com Dounia Zouine (CDO, Unify) sobre ”Inteligência Data: transformando data em valor“. A entrevista é animada por Pierre-Louis Corteel, gerente da Google Marketing Platform France
O potencial de transformar data em valor por meio da inovação de produtos, serviços ou processos é imenso, e as empresas que conseguem fazer isso superam seus concorrentes. No entanto, apenas 30% dos projetos de transformação de data-driven atingem seus objetivos, muitas vezes tropeçando no aumento de escala.
Na VivaTech 2021, entrevistei Dounia Zouine, Data e Diretora Digital da Unify (uma subsidiária digital 100% do grupo TF1, que inclui aufeminin, Marmiton, Les Numériques, etc.), e Vincent Luciani, cofundador e co-CEO da Artefact (uma empresa de consultoria data e agência data marketing), sobre o potencial da data, as condições para aumentar a escala e os problemas subjacentes.
Vincent, o slogan do Artefact é “Value by Data”. Como o senhor acha que as marcas podem ter sucesso na criação de valor por meio do data?
Vincent: Com base em nossa experiência, podemos identificar três áreas principais em que estamos observando retornos significativos sobre o investimento, embora essa não seja uma lista exaustiva.
O marketing está em primeiro lugar, especialmente o marketing digital, por meio de uma melhor alocação de orçamento, otimização de campanhas e targeting. A melhoria desses fatores pode dobrar as vendas.
Em seguida, a cadeia de suprimentos, que está se tornando cada vez mais data-driven. Hoje é possível prever com mais precisão a demanda final, analisando sinais que ajudam a refinar as probabilidades, como investimentos em marketing, restrições da rede de distribuição ou clima. Estimamos que uma melhoria de 10 pontos na previsão pode resultar em um aumento de 1% no faturamento. Esse é o tipo de relação que observamos em um de nossos clientes do setor de alimentos do CAC 40, no qual melhoramos as previsões em 2 a 10%, dependendo da unidade de negócios.
Por fim, o relacionamento com o cliente. Um bom exemplo é o que chamamos de “aconselhamento aumentado”. Com sistemas de reconhecimento de linguagem (Processamento de Linguagem Natural), é possível fornecer aos operadores de call center informações pertinentes durante uma conversa em tempo real.
Hoje, os principais grupos estão definindo metas ambiciosas para programas de transformação usando data e IA, e a crise da Covid só acelerou essa dinâmica?
Qual é a estratégia data do senhor na Unify e como seu uso moldou seus produtos e serviços?
Dounia: Na Unify, desenvolvemos todo um conjunto de sites de mídia, conteúdo e comércio eletrônico, todos eles fontes data em termos de quantidade e diversidade (interesse, intenção, semântica, perfil sociológico). Isso data melhora nosso conhecimento audience e permite usos internos e externos:
O verdadeiro desafio por trás de todo esse trabalho, além de coletar o data, é como usá-lo de forma eficaz, controlada e responsável, ao mesmo tempo em que aumenta a escala. Para a Unify, isso significou estabelecer a organização e os investimentos certos de acordo com nossa ambição e nossos ativos de data.
O aumento de escala costuma ser um obstáculo nesses projetos por vários motivos, porque estamos falando de uma transformação real que é difícil de implementar.
Vincent: É verdade que muito poucos projetos de data atingem seu potencial máximo. No entanto, nos últimos cinco anos, foi feito um grande esforço para profissionalizar o data usando dois conceitos-chave: “data como um ativo” e “data como um produto”.
O Data como um ativo significa gerenciar o data como um ativo real. Mas, para isso, primeiro precisamos reduzir a “dívida” que se acumula em torno do data: a multiplicidade de sistemas de TI complexos que são sobrepostos ao longo do tempo, com fontes de data que geralmente são mal documentadas, de difícil acesso e, às vezes, discordantes.
Para eliminar essa “dívida“, precisamos identificar os domínios mais importantes do data e criar camadas organizadas que melhorem a qualidade, padronizem e tornem o data acessível. Estão surgindo novos perfis de “gerentes de domínio do data” ou “administradores do data”, que são responsáveis por manter e conectar as fontes do data para garantir seu uso.
O Data como produto significa criar um software real que permita que as empresas visualizem, usem e manipulem o data de forma independente. Um software que deve ser integrado aos sistemas de informação e mantido ao longo do tempo.
Isso é mais difícil do que parece, pois envolve repensar fundamentalmente a forma como os cientistas data trabalham e requer abordagens dedicadas (como MLOps), proprietários de produtos e ferramentas para direcionar, orquestrar e manter algoritmos (como Vertex, a nova ferramenta de orquestração do Google).
Tornar o data um ativo utilizável, transformá-lo em “produtos” que podem ser usados pelas linhas de negócios e depois manter esses produtos ao longo do tempo... Um projeto como esse requer novas habilidades. Como sua organização se adapta?
Dounia: Para ser totalmente franca, a questão da organização - especialmente a data governance - é um dos maiores desafios que enfrentamos, e estamos tentando avançar trabalhando em estreita colaboração com nosso departamento de TI. Isso é ainda mais difícil porque, com os projetos data, geralmente vemos os custos antes dos lucros.
É por isso que começamos com os casos de uso com maior probabilidade de melhorar a receita da Unify, mudando gradualmente a mentalidade e criando confiança. Sem confiança, não há mudança.
No final, o que mais nos ajudou foi o fato de termos experiência interna em data e também uma organização proativa. Centralizamos as ferramentas, as habilidades e a base técnica.
Agora que atingimos a maturidade e podemos ver claramente o valor, percebemos que, para continuar aumentando a escala, precisamos de habilidades em qualidade, segurança e governança do data.
O aumento da escala implica uma certa maturidade de coleta, segurança, fornecimento e uso do data organizacional. Isso também levanta novas questões éticas.
Vincent: Sim, com a disseminação do artificial intelligence, é preciso ter um cuidado especial, pois podem surgir distorções não intencionais ao usar o data histórico que é, por sua vez, distorcido.
Por exemplo, se a base data de uma instituição de crédito contiver mais homens do que women, um algoritmo poderá interpretar o gênero como um critério de qualificação, o que ninguém quer.
É por isso que as decisões tomadas por algoritmos devem ser documentadas e monitoradas (explicabilidade) para garantir que estejam em conformidade com o código de ética da instituição e com a ética no sentido mais amplo.
Sem ética, não há confiança. Sem confiança, não há mudança.
