O SAS realizou, na semana passada, o SAS Forum Brazil 2019, evento que discutiu o uso da análise de dados no mercado brasileiro. Na ocasião, em entrevista ao Portal IPNews, o country manager da empresa, Cássio Pantaleoni, explicou como a evolução do business intelligence (BI) se deu em seus clientes e passou para uma análise preditiva. “Se eu sempre vendo 25% a mais em março, é possível que a curva no futuro se dê desse modo”, exemplifica.
PMEs estão atrasadas na implementação de analytics no negócio, afirma executivo da MicroStrategy
Com uma taxa de crescimento anual composta (CAGR) de 7% no Brasil, Pantaleoni explica como a empresa tem feito para manter seu crescimento constante. Confira:
Portal IPNews: Como o SAS vem desenvolvendo seus negócios em um mercado competitivo como o BI?
Cássio Pantaleoni: BI já está estabelecido e não é nosso centro de negócios já faz um tempo. O BI, na verdade, é uma ferramenta para enxergar dados do passado e às vezes você tem uma estatística descritiva. A grande maioria das empresas já está bem aparelhada quanto a isso.
O que acontece daí para a frente é justamente onde entra o Advanced Analytics e seus diferentes níveis de maturidade. A primeira coisa que você pode fazer é uma previsão para o futuro, estabelecendo uma tendência a partir dos dados do passado. Se eu sempre vendo 25% a mais em março, é possível que a curva no futuro se dê desse modo. Se torna uma análise preditiva.
Quais são os outros passos?
O segundo passo é encontrar elementos que vão permitir prescrever alguma coisa. Por exemplo, é melhor que se faça isso do que aquilo. No futebol por exemplo, usando estatística descritiva, pode-se chegar a conclusão de que é melhor bater o escanteio curto, pois 62% das vezes que foi cobrado deste modo, saiu o gol. Isso é o descritivo. O preditivo é, dado que a informação anterior é real, mas o time adversário falha na bola área, é mais interessante jogar a bola na área. Você abre uma correlação e prediz que a chance de sair gol é maior ao jogar a bola na área.
A prescritiva é ainda mais diferente. Vai levar em conta os dados de jogos passados e de outros, como velocidade do vento, altura dos jogadores, tamanho do campo, e dizer onde cobrar levando em conta todos esses fatores. É aí que as empresas estão se sofisticando.
Quem já utiliza isso no Brasil?
Vários setores já usam isso. Algumas empresas começam com o analytics fazendo algo básico para o negócio, como uma seguradora cliente nossa que usava para determinar a vida útil do item segurado. A medida que vão evoluindo e começam a incorporar dados internos e formar um data lake, a gente cria uma possibilidade mais ampla e criar correlações invisíveis para o modelo mental humano.
Os bancos avançaram muito nisso e as telcos também. A operadora se colocou em um desafio onde não pode apenas se tornar o meio, mas precisa monetizar sua infraestrutura de outra maneira. O projetos da TIM e da Vivo, por exemplo, querem elaborar um cérebro que se baseia no uso massivo de dados e analytics para que se tenha um novo tipo de relação com o cliente, de maior valor agregado.
Como o SAS se diferencia dos concorrentes?
Os concorrentes se plugam na base de dados de clientes e, sem que ele precise se preocupar com nada, ele te dá uma série de representações do seu dado de forma estatística. Alguns fazem algo a mais, incorporando modelos analíticos com mais precisão. Quando chega no nível mais forte e você quer mais precisão, surgem três desafios. O primeiro: não basta mais métodos analíticos, precisa ter variados e passar a compará-los. O segundo: precisa trabalhar com mais dados e é aí que os concorrentes fracassam, porque não tem infraestrutura para lidar com a volumetria. E o último, que é a velocidade de processamento de todos esses dados.
Sua ferramenta analítica é capaz de dar direcionamentos à estratégia de uma empresa. Qual o papel do CEO nesse cenário?
O papel dele é desenvolver a estratégia. As tomadas de decisões que podem ser automatizadas, serão. As decisões que ficam de fora, que são muito mais estratégicas, elas vão estar mais amparadas e serão bem mais complexas. Quando se trata de uma questão complexa, por exemplo, eu devo comprar uma empresa deficitária? O analytics pode dizer que a empresa está em queda, mas o CEO entende que vai haver uma tendência na indústria e que o modelo do negócio vai ter sucesso no futuro.
Qual a estratégia do SAS para aumentar a captura de dados e aumentar a acuracidade das decisões?
Nossa estratégia é colocar o analytics cada vez mais na ponta. Hoje, qualquer equipamento é capaz de gerar dados, então o volume é gigante. Espera-se que, em 2020, vamos ter 30 trilhões de terabytes na rede. O analytics na ponta vai garantir que, a cada evento que aconteça neste equipamento, se filtre os dados importantes que deveria estar se capturando.
Nesse caso, será necessário o edge computing (computação de borda). Qual o ecossistema de parceiros para desenvolver isso?
CP: A Cisco é a nossa principal parceira em Internet das Coisas (IoT), mas qualquer empresa que captura dado na ponta pode ser uma parceira em potencial com a gente. Não é restritivo. Nosso lado, é com a questão analítica, não com o dispositivo.
Como que a gestão pública utiliza a análise de dados?
CP: Para controle de irregularidades, primordialmente, e evasão fiscal. Tem muitos projetos para encontrar erros em aposentadorias e coisas do gênero. Mas estão em projetos, não foram vendidos ainda. O poder executivo, em todas as esferas (municipal, estadual e federal), usa rudimentos analíticos na tomada de decisão. Eu tenho conversado com pessoas próximas ao governo federal que têm me dito que ele quer usar analytics para identificar várias coisas e vemos uma crescente da demanda.
