Com a pandemia da COVID-19, as empresas do mundo inteiro se viram subitamente forçadas a tomar decisões repentinas e de modo dinâmico. Precisaram garantir a segurança dos trabalhadores e assegurar a continuidade dos negócios – mobilizando equipes para trabalho remoto, preservando as operações (na medida do possível), gerenciando clientes e parceiros de canais, e estabilizando supply chains interrompidas – enquanto se ajustavam a mudanças sísmicas na demanda.
Porém, para tomar as decisões certas, as empresas precisavam dos dados certos, na hora certa. Mas quantas delas dispunham, de fato, desses dados?
Em qualquer situação que se desenrola rapidamente, especialmente em meio a todas as incógnitas de uma pandemia, dizer que a tomada de decisões se torna algo desafiador é quase um eufemismo. Os KPIs tradicionais, como os indicadores históricos de defasagem, são inadequados. As vendas do último trimestre também não vão ajudar muito a prever a demanda quando um canal de vendas simplesmente “apaga”, ou quando as necessidades do cliente dão uma reviravolta de 180 graus, ou outras premissas testadas e comprovadas tornam-se questionáveis ou irrelevantes da noite para o dia. As empresas precisam de indicadores micro e macroeconômicos confiáveis para discernir as tendências emergentes, novos comportamentos e novas correlações. Os insights provenientes desses indicadores permitem que as empresas se tornem proativas, o que pode significar a diferença entre consolidar uma vantagem competitiva e enfrentar problemas de desempenho prolongados. Em termos mais drásticos, pode também significar a diferença entre um negócio sustentável e um negócio que se tornou irrelevante.
A boa notícia é que esses insights estão facilmente disponíveis para as empresas. Os chamados global business services (GBS) – isto é, a organização que centraliza as funções gerais e administrativas (incluindo finanças, RH, TI, procurement e jurídico) – muitas vezes desempenham o importante papel de “primeiro socorrista” dos dados quando é preciso obter informações confiáveis às pressas. Como repositório central de dados financeiros, de RH, de procurement e de outros processos cruciais que afetam todos os aspectos das operações da empresa, a organização de GBS pode ser uma verdadeira “mina de ouro” de informações.
Se tiver as capacidades analíticas apropriadas, a organização de GBS estará bem posicionada para ajudar a empresa a obter rapidamente insights acionáveis a partir da abundância de dados corporativos que ela gerencia – dados que são processados e atualizados regularmente, muitas vezes em tempo real. Quando se analisa uma questão de negócios específica, algoritmos de advanced analytics cuidadosamente programados e aplicados aos dados da organização de GBS podem reduzir drasticamente a subjetividade e os vieses pessoais, contribuindo para uma tomada de decisões mais clara e sensata. Além disso, o trabalho analítico contínuo que o pessoal das funções de GBS realiza confere-lhes as habilidades e a mentalidade necessárias para extrair insights dos dados.
Agora que as empresas começam a se recuperar dos efeitos da COVID-19, um programa de advanced analytics poderá ajudar a organização de GBS a atuar como uma agente de informações ainda mais eficaz, fornecendo aos líderes os dados de que precisam para tomarem decisões proativas rapidamente. As organizações de GBS foram concebidas de modo a aproveitarem ao máximo as economias de escala; portanto, essa nova função de fornecedoras de dados constitui uma evolução natural de suas atividades. Esse arranjo também lhes permite trabalhar com mais eficiência, liberando-as dos relatórios manuais que às vezes precisam preparar e habilitando-as assim a servirem à empresa de modo mais estratégico.
Das análises retrospectivas aos insights sobre o futuro
A pandemia e as respostas institucionais a ela desencadearam todo tipo de desafios operacionais para as empresas: disrupção do supply chain, colapsos (ou picos) na demanda, escassez de trabalhadores, paralisações de duração indeterminada e interrupções do fluxo de caixa. Esses desafios foram agravados pela vasta gama de políticas, que variavam de região para região.
Em épocas de disrupção, as capacidades de advanced analytics da organização de GBS podem ajudar as empresas a responder a inúmeras perguntas a fim de se determinar as alavancas estratégicas certas a serem acionadas:
- E se, ao avaliarem o tempo do ciclo de order-to-cash (entre um pedido e a liberação do pagamento), as empresas pudessem saber a qualquer momento o volume de pedidos de vendas, as renovações e a receita por cliente – substituindo assim os indicadores nos quais costumam confiar hoje, por exemplo, contas por funcionário de tempo integral (FTE)?
- E se, em vez de aplicativos de transferência de dinheiro por FTE, as empresas pudessem conhecer as tendências de pagamento parcial e os dados de pagamento dos clientes – ou seja, se pudessem ver a direção e a velocidade dessas tendências a qualquer momento?
- Ao avaliarem o ciclo de procure-to-pay (da compra ao pagamento), as empresas normalmente precisam aguardar até que os pagamentos sejam efetuados para rastrear os que foram realizados no prazo. E se elas pudessem comparar o valor de estender as condições de pagamento com o valor de oferecer descontos para pagamentos antecipados – ou, melhor ainda, e se pudessem avaliar os efeitos dessas mudanças de modo dinâmico?
- E se, em vez de aguardarem os KPIs mensais sobre envelhecimento do estoque (ou sobre manutenção, reparos e operações), as empresas pudessem prever esses KPIs com maior precisão?
Em todos esses casos, o impacto sobre as decisões de gastos, gestão de caixa e alocação de recursos pode ser dramático, o que em tempos de crise ou de volatilidade pode ter repercussões significativas nos negócios.
O que impede as empresas de agirem assim?
Com certeza, as empresas hoje entendem o valor dos dados e de analytics. Contudo, elas enfrentam muitos obstáculos cotidianos na adoção de um programa de advanced analytics. Frequentemente, as empresas carecem de um ativo importante: nossa análise mostrou que menos de 20% delas dispõem de todos os componentes necessários para isso. Algumas têm os dados, mas não a plataforma certa para analisá-los; outras têm a plataforma, mas não têm os dados certos ou então não podem acessá-los de maneira proveitosa. Em outras, a força de trabalho não possui as habilidades digitais e de analytics necessárias.
Extrair o máximo valor de um programa de advanced analytics baseado em GBS pode ser difícil por uma série de razões.
Dados isolados, equipes isoladas.
Grande parte dos dados reside na unidade de negócio, na região geográfica ou em um sistema específico de gerenciamento de serviços. Veja o caso dos dados de vendas: eles costumam ser responsabilidade da função de vendas, que os gerencia, e muitas vezes estão fora do alcance da organização de GBS e sua qualidade nem sempre é consistente. Em muitas organizações, as equipes financeiras e de vendas interagem só minimamente, criando poucas oportunidades para colaborarem na revisão dos dados, fazerem melhorias ou trocarem ideias.
Inexistência de um protocolo comum para os dados.
Sem definições específicas dos tipos de dados, pode ser difícil comparar os dados de um processo. Por exemplo, os códigos da contabilidade do livro razão podem não ser consistentes ou suficientemente detalhados no plano geral de contas da empresa. Não é raro equipes de vendas da mesma empresa adotarem padrões diferentes. Portanto, a análise das tendências dos dados exige um esforço manual substancial.
O enorme volume de dados.
A crescente digitização dos processos de negócios e de clientes, combinada com a proliferação de dispositivos – incluindo aparelhos móveis e sensores industriais da internet das coisas incorporados a equipamentos de manufatura e de prestação de serviços – provocou um aumento exponencial na quantidade de dados que as empresas produzem. Gerenciar todos esses dados e garantir sua qualidade exige da empresa como um todo capacidades cada vez mais sofisticadas.
Poucos ou nenhum protocolo para a utilização de dados externos.
A maioria das empresas carece de protocolos para obter e utilizar dados de fontes externas – seja para extrair, validar ou transformá-los (por exemplo, limpar os dados brutos para um uso específico) ou até mesmo para inseri-los em seus sistemas de armazenamento. Isso porque a utilização desses dados depende de acordos específicos, que só podem ser feitos caso a caso. Essa falta de padrões pode aumentar o lead time e atrasar a utilização dos dados – outro empecilho à tomada de decisões.
Ausência de um plano de carreira formal em ciência de dados ou engenharia de dados.
Por não considerarem expertise em ciência ou engenharia de dados como algo vital para a organização, as empresas prejudicam de duas maneiras todas as suas iniciativas com dados, pois não só se torna menos provável que consigam atrair esse tipo de talento como também correm o risco de perderem os talentos que já possuem devido às opções limitadas de avanço profissional.
Falta de confiança no modelo.
Antes de implementar uma nova tecnologia ou prática em um processo de negócios crítico, os stakeholders internos precisam ser convencidos de que ela funciona, que é suficientemente robusta e que seus riscos são limitados. A empresa deve então desenvolver uma metodologia confiável e bem elaborada que permita às equipes definir e testar algoritmos. Depois que a nova abordagem é aprovada, torna-se necessário um programa de gestão de mudanças que incentive sua adoção. Pois a resistência à nova abordagem pode ser intensa se não houver uma cultura de dados forte na organização de GBS, ou se os gerentes de áreas funcionais estiverem acostumados a confiar no próprio instinto.
Análises rápidas no mundo real
Várias equipes de GBS e provedores terceirizados de GBS já vêm colocando advanced analytics para funcionar, com impacto positivo sobre os resultados financeiros.
As previsões de fluxo de caixa encurtam os prazos e reduzem o custo do capital.
Certa multinacional que enfrentava novas demandas de capital reconheceu que precisava ter uma noção mais precisa e oportuna de suas contas a pagar, de modo a tornar mais flexível a gestão do capital de giro. Ao longo de cerca de dois meses, essa empresa desenhou e testou um modelo para prever contas a pagar pendentes no final do mês, não apenas no nível corporativo, mas também por localidade e tipo de despesa. Ao desenvolver um programa piloto para duas unidades de negócios com dinâmicas diferentes, a empresa conseguiu construir um modelo preditivo capaz de antever os 90 dias seguintes com margem de erro de aproximadamente 3%. O modelo também proporcionou aos gerentes financeiros uma visão clara dos padrões de pagamento da empresa, revelando oportunidades para estender, com consequências mínimas, o vencimento dos pagamentos pendentes. No final, a abordagem melhorou a precisão das previsões, cortou o custo do capital da empresa e reduziu a carga de trabalho dos controladores, dando-lhes mais tempo para focarem em questões estratégicas.
Centro de planejamento de supply chain.
Uma empresa líder de bens de consumo está utilizando seu grupo de planejamento de supply chain em GBS para planejar a distribuição e a entrega direta em loja dos produtos de suas fábricas regionais. Como o grupo está colocalizado na empresa com os grupos de procurement e de gestão de pedidos de vendas, ele consegue ajudar a resolver problemas de disrupção do fornecimento ou no recebimento de produtos pelo cliente. Graças a sua visão de rede das limitações do fornecimento e da logística de entrada e saída (por exemplo, lockdown de transporte), a organização de GBS pôde então otimizar o fornecimento de produtos em um cenário local em rápida mudança.
Empresa terceirizada de TI ajuda líderes governamentais ao mesmo tempo em que identifica suas próprias tendências de demanda de serviços.
Um grande provedor de serviços de TI implementou “do zero” centros de resposta à COVID-19 com capacidades de analytics para seus clientes governamentais. Esses dados estão ajudando as autoridades locais a calibrar as decisões políticas e a gerenciar o transporte de suprimentos essenciais para as áreas de maior necessidade.
Tecnologias como processamento de linguagem natural (PNL) e machine learning estão ajudando esse provedor de serviços de TI a monitorar e atender as necessidades de seus próprios clientes em tempo real. Especificamente, essas tecnologias estão ajudando o provedor a realizar a modelagem de tópicos em tempo real, utilizando material de milhares de publicações de órgãos internacionais de saúde e agências de notícias, e permitindo automatizar a extração de tendências quantificáveis juntamente com informações acionáveis relevantes para o papel e responsabilidades de um gestor. A empresa também desenvolveu um sistema preditivo que monitora e prevê (direcionalmente) quando regiões críticas para o provedor de serviços e para seus clientes atingirão o pico de contaminação, bem como quando a situação se inverterá e as taxas de recuperação começarão a aumentar. As tecnologias também ajudaram a empresa a criar um modelo multidimensional de simulação da pandemia que lhe permitiu desenvolver cenários de demanda de serviços.
Oito semanas para criar valor
Conforme ilustrado pelos exemplos acima, uma organização é capaz de implementar uma abordagem rápida de advanced analytics em apenas oito semanas (Quadro 1). O modelo de trabalho reúne equipes de várias funções: pessoal de TI, engenheiros de dados, cientistas de dados e especialistas em assuntos de negócios, entre outros. As duas primeiras semanas devem ser voltadas a priorizar casos de uso – um processo que envolve uma boa dose de deliberação (incluindo a determinação dos critérios) e que pode exigir algumas rodadas de iteração (Quadro 2). A etapa seguinte consiste em montar equipes de analytics dedicadas aos assuntos certos e que possuam as habilidades de dados certas. Por fim, chega a hora de coletar os dados e definir a abordagem analítica.
Logo no início, é importante estabelecer um modelo de governança para acelerar a tomada de decisões e o progresso. Adotar uma mentalidade de investidor ajuda as equipes a encontrarem maneiras de superar os gargalos de recursos ou de talentos. Nas cinco semanas seguintes, aproximadamente, a empresa deve construir um produto mínimo viável (MVP) para três ou quatro casos de uso prioritários. Paralelamente, deve avaliar as capacidades de analytics que já possui a fim de determinar o que é necessário para intensificar os esforços em toda a organização. Por fim, na última semana, a empresa lançará os MVPs, sintetizará as conclusões, criará um roadmap de alto nível para outros casos de uso e apresentará seus planos de capacitação.
Todavia, demonstrar a prova de conceito não é suficiente. Neste momento, é fundamental treinar os usuários dos dados, que talvez precisem ser persuadidos a abandonar suas análises manuais, para que possam depositar sua confiança em algoritmos e se adaptar a uma nova maneira de trabalhar. Portanto, o sucesso poderá ser medido, em grande parte, pela velocidade com que os casos serão escalonados – o que, por sua vez, depende da obtenção de amplo apoio dos usuários.
Depois que a implementação rápida demonstrar o valor de um programa integral de advanced analytics para GBS, em pouco tempo a empresa poderá criar um centro de excelência para supervisioná-lo, o qual terá recursos específicos e comitês formais de investimento e organização para atender as funções e unidades de negócio.
Nesse ponto, a organização de GBS poderá prosseguir a todo vapor com as iniciativas de capacitação. Isso significa adquirir novos talentos e treinar o pessoal existente nas novas funções de dados e analytics, e também na utilização de ferramentas de analytics. A organização de GBS provavelmente também refinará seu modelo operacional, aprimorando a infraestrutura de dados e instituindo as ferramentas e processos certos. Com o tempo, a tomada de decisões baseada em dados poderá se tornar a norma para a organização de GBS em suas interações com stakeholders e clientes. Com base nos insights de dados que a organização de GBS gera, ela poderá mudar sua orientação para a otimização de processos baseada em resultados.
A pandemia da COVID-19 pôs à prova o planejamento e a resiliência das empresas como nunca antes. Os próximos três a seis meses constituem um período crítico de reconstrução para todas as empresas. Uma visão clara da demanda, da oferta e de outras tendências críticas das operações e dos clientes poderá lhes dar um grande impulso inicial.
Além de seu papel de guardiã dos registros transacionais, a organização de GBS detém o acesso a insights estratégicos que são particularmente difíceis de obter em tempos de crise e de mudanças rápidas. Colocar isso em prática requer que a organização de GBS abandone sua mentalidade passiva e voltada a processos. A aplicação acelerada de advanced analytics ao GBS requer uma abordagem nova que reúna equipes multifuncionais de TI, do negócio e das áreas de engenharia e ciência de dados para trabalharem juntas de maneira ágil.
Em vez de continuar atuando como “a guardiã da mina de ouro” que são os dados, a organização de GBS deve assumir sua condição de agente detentor do ativo mais precioso da organização: seu rico patrimônio de dados. Porém, à medida que a automação e os analytics avançam, a janela de oportunidade poderá se fechar. Agora é a hora de reconhecer o valor que a organização de GBS pode criar – e aproveitar seu poder para orientar a empresa rumo à recuperação, resiliência e vantagem competitiva.
