TI na Prática > Analytics, BI

Dez casos de big data que garantiram expressivo retorno sobre investimento

Mostramos como empresas de seis diferentes verticais estão utilizando o conceito para obter significativos resultados de negócio

18 de Março de 2016 - 16h25

Big data não passa de hype? Nada disso. As críticas tecidas aos projetos envolvendo grandes volumes de dados foram abafadas pelos resultados apresentados por grandes empresas que apostaram no conceito. Quanto mais o mundo acredita em cidades, carros e casas inteligentes (smart é a palavra da vez), multiplicam-se os exemplos de sua aplicações da tecnologia no “mundo real”, impactando o desenvolvimento – ainda em fase inicial – de data lakes e as ferramentas de machine learning.

Embora pesquisas recentes da Accenture, GE e IBM, não tirem conclusões definitivas sobre o tópico, o futuro é promissor. Entre as empresas adeptas que participaram de alguns levantamentos recentes sobre o assunto, 92% dos executivos se dizem satisfeitos com os resultados e 89% classificam o sistema como “muito” ou “extremamente” importante.

De forma similar, pesquisadores da Accenture descobriram que 89% dos entrevistados que implementaram no mínimo um projeto de big data, o encaram como uma jeito de revolucionar as operações empresariais e 85% acreditam que o armazenamento e análise de grandes volumes de dados mudará drasticamente a maneira com que os negócios são conduzidos.

As implementações existem já há tempo suficiente para exibirem resultados além dos gigantes da internet e dos pioneiros que aplicaram Hadoop para solucionar problemas de inovação. Da indústria automotiva a de logística, passando pelo varejo, o big data e a ciência de dados registram resultados significativos.

A seguir, listamos dez casos inspiradores de adoção do conceito por empresas de seis verticais de negócios apresentados pela Pivotal.

Varejo

Na Walgreens utiliza ferramentas avançadas de analytics na área de drogarias para o cuidado de pacientes, avaliando melhor suas condições e fornecendo recomendações que fortalecem a saúde e evitam despesas médicas futuras. O sistema atual é capaz de apanhar uma receita médica não preenchida para ajudar as pessoas a aterem a seus planos de saúde, evitando gastos desnecessários no futuro. Mais de 7,5 bilhões de ocorrências médicas para 100 milhões de pessoas abastecem o sistema big data da empresa com informações demográficas, inscrições, diagnósticos, procedimentos e dados de planos de cuidado gerenciado.

A Kroger também adotou big data em seu empreendimento conjunto com a Dunnhumby. A companhia coleta, avalia e gerencia dados de cerca de 700 milhões de consumidores. Para a empresa, os analytics ajudaram a encarar melhor questões como fidelidade do consumidor e rentabilidade.

Alegando que 95% das vendas estão atreladas ao constante retorno dos clientes, a varejista pode analisar os resultados do seu reconhecido programa de fidelidade, com uma taxa de retorno do consumidor de 60% e mais de US$ 12 bilhões em receita incrementada com o uso de grandes volumes de informações e analytics desde 2005. De acordo com um relatório, a Kroger dá o crédito a seus programas de análise por ter permanecido rentável durante a crise de 2009.

Mídia

No mundo acelerado da mídia digital, o Huffington Post se tornou um dos principais sites de notícias nos Estados Unidos. A empresa acredita que o sucesso decorre de um gerenciamento do negócio baseado em dados. Isso inclui o aprimoramento da experiência dos leitores em tempo real, com social trends, recomendações, moderação e personalização. O site foi otimizado em diversas formas e sua plataforma de analytics alimenta todo seu processo de inteligência.

Segundo um relatório sobre o uso de big data na indústria de mídia, o FT.com também usa dados para compreender e atender melhor seu consumidor, gerando anúncios direcionados e projetando novos produtos baseados nas informações coletadas. Seu CEO afirmou que o conceito transformou completamente o negócio. A empresa usa vários ‘data points’ para analisar as preferências de conteúdo dos leitores, aumentando a relevância nas suas comunicações e personalizando o conteúdo – tudo para manter os visitantes e o tráfego pelo maior tempo possível.

Logística

A UPS faz milhares de entregas todos os dias. São mais de 4 bilhões de itens enviados por ano por uma frota de quase 100 mil veículos. Com esse volume, as aplicações orientadas à big data são múltiplas. A principal delas versa sobre a otimização da frota. Telemática nos caminhões e algoritmos avançados auxiliam com rotas, tempo ocioso dos motores e manutenção preventiva. Desde o início do programa de armazenagem de grandes volumes de dados, a empresa economizou mais de 39 milhões de galões de combustível e evitou que seus motoristas dirigissem por 364 milhas desnecessárias. A empresa planeja aplicar o sistema para otimizar também seus aviões.

Telecom

A Sprint aplicou análise de grandes volumes de dados para melhorar a qualidade e a experiência do consumidor, ao mesmo tempo em que reduzia a taxa de erros da rede e o descontentamento dos clientes. A tecnologia lida com dezenas de bilhões de transações por dia -- para 53 milhões de usuários -- e o analytics injetou inteligência em tempo real na rede, aumentando sua capacidade em 90%.

Finanças

A American Express buscou alterar seu modelo de avaliação, baseado em um relatório tradicional de inteligência e indicadores de desempenho para prever a fidelidade do consumidor. Com big data, seus modelos de previsão mais sofisticados analisaram transações antigas com 115 variáveis para prever o potencial descontentamento de seus clientes. No mercado australiano, eles acreditam serem capazes de prever 24% das contas que se encerrarão nos próximos 4 meses.

Já o American International Group (AIG) analisa registros estruturados e não estruturados – como notas de ajuste escritas a mão – de reclamações armazenadas em bancos de dados para identificar potenciais fraudes. Além de listar reclamações prioritárias para investigação, seus painéis e visualização abastecem equipes com outros insights e ajudam a melhorar nos algoritmos de machine learning.

Automotiva

Naturalmente, a Tesla serve de modelo de evolução de veículos. A montadora instalou sensores em seus carros, que enviam dados para a central de análise usando um cluster Apache Hadoop para coletá-los. Esses registros são então usados para aprimorar o P&D da empresa, o desempenho dos carros, sua manutenção e a satisfação do cliente. A empresa é notificada quando o veículo não funciona perfeitamente, permitindo que os consumidores sejam aconselhados a procurar um serviço. A análise de dados ajudou a Tesla a criar percentual de mercado em um ambiente difícil, onde estações de carregamento não são largamente implantadas.

Já a Ford está usando big data e analytics para dar uma guinada tecnológica em seu negócio. Ela quer usar o grande volume de dados para avaliar a qualidade dos veículos, seus custos de segurança, transporte, sua inteligência, padrões de direção, entre outros. Entre os objetivos está a redução dos custos dos motoristas com seguro. A montadora conta com aproximadamente 200 experts em big data e analytics, que dão suporte a grandes decisões da companhia.

A empresa analisa vários fluxos de dados sobre os veículos construídos, vendidos e armazenados e o que os consumidores pesquisam em sites, recolhendo dados econômicos como casas construídas e taxas de emprego e desemprego - tudo isso é usado para ajudar a vender mais carros.