Autor
ASSISTA // Google Series Talks na Vivatechnology (ative 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 transformação de 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 data atingem seus objetivos, muitas vezes com dificuldades para aumentar a escala.
No VivaTech 2021, entrevistei Dounia Zouine, diretora de Data e digital da Unify (uma subsidiária 100% digital do grupo TF1, que inclui aufeminin, Marmiton, Les Numériques, etc.), e Vincent Luciani, cofundador e co-CEO da Artefact (uma empresa de consultoria e agência data marketing data ), sobre o potencial dos data, as condições para aumentar a escala e os problemas subjacentes.
Vincent, o slogan da Artefacté "Value by Data". Como você acha que as marcas podem ter sucesso na criação de valor por meio dos 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.
Em primeiro lugar está o marketing, 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. 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 AI, e a crise da Covid só acelerou essa dinâmica?
Quais são seus data estratégicos na Unify e como o uso deles moldou seus produtos e serviços?
Dounia: Na Unify, desenvolvemos uma série de sites de mídia, conteúdo e comércio eletrônico, todos eles fontes data em termos de quantidade e diversidade (interesse, intenção, semântica, perfil sociológico). Esses data aprimoram nosso conhecimento sobre o audience e permitem usos internos e externos:
O verdadeiro desafio por trás de todo esse trabalho, além de coletar os data, é como usá-los de forma eficaz, controlada e responsável, ao mesmo tempo em que se amplia a escala. Para a Unify, isso significou estabelecer a organização e os investimentos corretos de acordo com nossa ambição e nossos ativos 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 poucos projetos de data atingem todo o seu potencial. No entanto, nos últimos cinco anos, um grande esforço para profissionalizar data foi feito usando dois conceitos-chave: "data como um ativo" e "data como um produto".
Data como um ativo significa gerenciar data como um ativo real. Mas, para isso, primeiro precisamos reduzir a "dívida" que se acumula em torno dos data: a multiplicidade de sistemas de TI complexos que são sobrepostos ao longo do tempo, com fontes data que geralmente são mal documentadas, de difícil acesso e, às vezes, discordantes.
Para eliminar essa "dívida", precisamos identificar os domínios data mais importantes e criar camadas organizadas que melhorem a qualidade, padronizem e tornem data acessíveis. Estão surgindo novos perfis de "gerentes de domíniodata " ou "administradoresdata ", que são responsáveis por manter e conectar fontes data para garantir seu uso.
Data como um produto significa criar um software real que permita às empresas visualizar, usar e manipular data 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 data um ativo utilizável, transformá-los em "produtos" que possam ser usados pelas linhas de negócios e, em seguida, 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 governança data , 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, nos projetos de 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 data .
O aumento de escala implica uma certa maturidade na coleta, segurança, fornecimento e uso data organizacionais. Isso também levanta novas questões éticas.
Vincent: Sim, com a disseminação da artificial intelligence, é preciso ser particularmente cuidadoso, pois podem surgir vieses não intencionais ao usar data históricos que são, por sua vez, tendenciosos.
Por exemplo, se o banco de dados de uma instituição de crédito contiver mais homens do que mulheres, um algoritmo poderá interpretar o gênero como um critério de elegibilidade, o que ninguém deseja.
É por isso que as decisões tomadas pelos 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.
