Quando uma empresa realiza uma fusão ou aquisição, o CEO e o comitê de liderança geralmente seguem um caminho familiar. Seu foco é assegurar a continuidade dos negócios, alavancar a criação de valor e desenhar uma organização eficaz que possa competir em um mundo em constante disrupção. Mas existe um grande empecilho: a integração plena geralmente leva muitos meses, e frequentemente anos, para ser concluída.
Será que advanced analytics e big data poderiam ajudar a tornar a integração mais eficiente? Essas ferramentas e técnicas já foram aplicadas em muitos outros contextos de negócios, onde melhoraram significativamente os custos e as receitas. Áreas em que houve grandes ganhos incluem utilização de ativos, previsão da demanda, gerenciamento de estoque e marketing e vendas. Não há motivo para que as empresas não possam aplicar as mesmas técnicas a fusões e aquisições, visto que estão buscando melhorias nessas mesmas áreas.
Alguns fatos recentes tornam este o momento perfeito para as empresas darem esse passo. Primeiro, o ágio pago pelas empresas-alvo aumentou substancialmente, tornando mais importante do que nunca que os parceiros extraiam o máximo valor de uma fusão ou aquisição e cumpram os compromissos assumidos com os conselhos de administração e os investidores. Segundo, cerca de 90% dos dados disponíveis no mundo foram gerados nos últimos anos.1 Nesse ínterim, os custos de armazenamento de dados caíram drasticamente e o poder de processamento disparou. Diante desses fatos, ficou mais fácil para as empresas gerenciarem as vastas quantidades de informações internas que cada parceiro traz para a mesa de negociação, e também as fontes de dados externas. À medida que a gestão de dados se aprimora, as empresas tenderão a tomar decisões melhores e cumprir os prazos apertados para integrar negócios, funções e processos.
Como poucas empresas hoje aplicam advanced analytics durante uma fusão ou aquisição, seus benefícios não são discutidos nas bibliotecas de casos das faculdades de administração que descrevem as melhores práticas de integração. A fim de explorar essa oportunidade, especificamente na fase de integração, examinamos um banco de dados de estudos de caso da McKinsey com quase 200 empresas que aplicaram analytics para resolver problemas urgentes de negócios, focando os problemas que têm maior probabilidade de surgir durante uma fusão ou aquisição. (Embora muitas empresas em nossa análise estivessem passando por uma fusão, a maioria não estava.) Nosso interesse maior foi determinar se advanced analytics é capaz de ajudar a fusão das empresas por meio de quatro atividades durante a integração: aprimorar as estratégias de gestão de talentos, acelerar o impacto sobre as sinergias de receitas e de custos, desenvolver capacidades preditivas e aumentar a eficácia dos ativos. Nossa análise sugere que advanced analytics tem o potencial de melhorar todas essas quatro áreas durante a integração, o que pode acelerar os impactos e aumentar o volume da transação.
Evidentemente, é preciso cautela ao aplicar advanced analytics durante uma fusão ou aquisição. O período que antecede o fechamento do negócio é particularmente delicado, pois há limitações estritas ao tipo e profundidade dos dados que as partes podem compartilhar. Muitas das análises mais importantes exigirão a criação de uma equipe isenta para assegurar que não haja violação das leis antitruste, incluindo aquelas que envolvam dados comercialmente sensíveis, como informações sobre preços e procurement. Assessores jurídicos poderão oferecer a orientação necessária.
Aprimorando a cadeia de valor das fusões e aquisições
Embora advanced analytics já esteja gerando valor para os negócios, seu potencial permanece basicamente inexplorado. Atualmente, apenas 8% das empresas possuem práticas que favorecem a adoção ampla dessas ferramentas durante qualquer atividade.2 Mas o fato é que as empresas que continuarem hesitando poderão sair prejudicadas. Por exemplo, o McKinsey Global Institute estima que as empresas poderiam gerar entre US$ 9,5 trilhões e US$ 15,4 trilhões em valor comercial investindo em ferramentas de inteligência artificial, incluindo aquelas que têm papel central em advanced analytics.3
Fusões e aquisições são uma área em que poucas empresas hoje aplicam advanced analytics, mas existe aí o potencial de elas aprimorarem todas as atividades. Durante o processo de due diligence, as empresas podem extrair novos insights dos dados externos, se disponíveis. Essas análises podem ser uma fonte importante de insights adicionais, visto que as empresas têm acesso limitado a dados internos durante a fase de due diligence. Advanced analytics também pode revelar oportunidades de sinergia que, de outra forma, passariam despercebidas. Na fase de negociação, quando os documentos da transação são elaborados, as empresas podem usar análises comportamentais para entender melhor seus possíveis parceiros. Munidas com esse conhecimento, poderão aprimorar sua estratégia de negociação. Por fim, quando o negócio é fechado, as empresas podem aplicar advanced analytics para obter o máximo valor da transação. Neste artigo, optamos por focar as fases de planejamento da integração antes do fechamento e de implementação da integração após o fechamento, pois são nelas que existem mais dados disponíveis para as equipes. Além disso, o valor potencial que as empresas podem obter aplicando advanced analytics provavelmente também é maior nessas duas fases.
Melhorando a gestão de talentos em um mercado competitivo
É possível que a empresa adquirente disponha de poucas informações sobre a força de trabalho que herdará da empresa-alvo e não saiba quais são os funcionários que realmente criam valor. Os líderes também podem ter pouca familiaridade com os novos mercados e segmentos em que estão entrando, e não sabem ao certo quais serão as habilidades necessárias para competir. Isso pode provocar lacunas de talento em áreas críticas.
Utilizando advanced analytics, a empresa poderá ir além das estratégias tradicionais para adquirir, desenvolver e reter talentos durante uma fusão. Além disso, com o aumento do poder computacional, a empresa tem condições de avaliar uma gama muito maior de dados, incluindo informações de fontes externas que tendiam a ser negligenciadas, visto que antes não havia como coletar, limpar e analisá-las durante uma fusão em andamento. Eis como advanced analytics funciona.
Aquisição de talentos
Em muitos campos, é difícil encontrar os melhores talentos utilizando abordagens tradicionais de recrutamento. Big data e advanced analytics podem ajudar as empresas a encontrar fontes inexploradas e entender a escala dos desafios para obter os talentos certos em mercados específicos. Em certa fusão recente, um conglomerado adquiriu uma empresa de tecnologia e se comprometeu a aumentar o número de talentos técnicos na firma adquirida ao longo de um período especificado. A estratégia fundamental do conglomerado – e o motivo principal da aquisição – dizia respeito ao desejo de expandir para a internet das coisas, e a estratégia de talentos especificava que os novos funcionários deveriam ter habilidades nessa área. Depois que a empresa aplicou advanced analytics ao pool de talentos local, ficou claro que seria muito difícil encontrar pessoas em número suficiente com as habilidades adequadas para a internet das coisas. Na verdade, para atingir sua meta, a empresa teria que recrutar mais de 80% dos talentos locais de internet das coisas. Diante disso, a empresa decidiu focar os esforços de recrutamento em funcionários técnicos em geral, e não apenas naqueles especializados em internet das coisas. Outras empresas que estiverem recrutando talentos podem realizar análises semelhantes, idealmente no início do processo de negociação, para entender o mercado disponível, incluindo a existência de instituições educacionais capazes de formar adequadamente esses talentos. Dada a crescente escassez de talentos técnicos e digitais para funções críticas, bem como o custo crescente de recrutamento, essas análises se tornarão ainda mais importantes no futuro.
Do mesmo modo, certa empresa de serviços de TI queria fortalecer sua presença em um complexo nicho de mercado por meio de crescimento rápido e margens elevadas. A empresa tinha pouca experiência nesse segmento e sabia que levaria muito tempo para desenvolver as capacidades internas necessárias e firmar sua presença. Portanto, optou por adquirir uma empresa que facilitasse sua entrada imediata no mercado e lhe permitisse crescer rapidamente. Embora tenha considerado uma série de possíveis alvos de aquisição, muitas desses alvos eram empresas relativamente pequenas, com informações limitadas sobre as próprias operações e finanças.
Would you like to learn more about our Strategy & Corporate Finance Practice?
Diante de tamanha opacidade, a empresa não foi capaz de determinar qual dos possíveis alvos de aquisição estava melhor posicionado para o futuro. Mas pressentiu que eram os talentos internos que diferenciavam os vitoriosos dos perdedores no segmento-alvo e recorreu a advanced analytics para confirmar essa hipótese. Primeiro, comparou os perfis no LinkedIn de seus funcionários mais importantes com os de funcionários de concorrentes que vinham conquistando muitas das contas mais desejadas do segmento-alvo. Para tanto, utilizou a modelagem de tópicos, uma ferramenta de mineração de textos capaz de descobrir estruturas semânticas ocultas. Nesse caso, a modelagem de tópicos analisou as milhares de habilidades listadas no LinkedIn e identificou aquelas com maior probabilidade de constarem de um mesmo perfil. Munida com essas informações, a empresa pôde então comparar os funcionários com base no conjunto de habilidades que possuíam. Após efetuar essa análise, a empresa comparou os perfis de seus gerentes de contas com os de funcionários de empresas bem-sucedidas a fim de determinar se havia diferenças nos conjuntos de habilidades. Logo ficou claro que os conjuntos de habilidades dos gerentes de contas das empresas bem-sucedidas eram muito diferentes daqueles dos atuais gerentes de contas da empresa. Essas informações foram vitais, uma vez que o grande objetivo da empresa numa fusão ou aquisição era melhorar sua base de talentos. Sem uma ideia clara das habilidades mais importantes, ela teria grande dificuldade para escolher a empresa-alvo apropriada.
Depois de definir e adquirir a empresa-alvo – uma que tivesse um grande número de talentosos gerentes de contas –, a empresa valeu-se de insights de advanced analytics para criar planos de retenção personalizados para os melhores funcionários e assim garantir que a transação gerasse o máximo valor possível.
Desenvolvimento de talentos
Além de avaliações de performance, tempo de serviço e grau de instrução, os cientistas de dados podem examinar métricas operacionais e financeiras detalhadas para determinar as contribuições de um funcionário. Em vendas, podem verificar o número de clientes com os quais um representante entrou em contato, a frequência de suas interações e o número de contratos assinados. As planilhas de horários podem fornecer pistas e indicar se os funcionários estão dedicando tempo suficiente aos clientes mais valiosos ou se estão se concentrando em contas que não contribuem muito para a rentabilidade da empresa. Quando todos os pontos de dados são analisados em conjunto, a empresa é capaz de identificar seus melhores talentos ou aqueles com potencial para serem líderes. Graças à explosão de dados nos últimos anos e à disponibilidade de algoritmos mais inovadores, advanced analytics pode hoje oferecer insights mais sofisticados com base em tais informações. Em todos os setores existem empresas que já utilizaram advanced analytics para aprimorar o desenvolvimento de talentos, embora a maioria dos exemplos não envolva fusões ou aquisições. Por exemplo, certa seguradora foi capaz de identificar os 10% de funcionários que mais se destacavam em cada função, departamento e filial. Os insights obtidos durante a análise permitiram que melhorasse seu sistema de avaliação da performance. Do mesmo modo, certa empresa de telecomunicações alcançou €15 milhões em melhorias de produtividade utilizando advanced analytics para identificar funcionários de alto valor e oferecer-lhes treinamento adicional.
Durante uma fusão ou aquisição, equipes isentas podem analisar certos dados confidenciais sobre os funcionários da empresa-alvo, o que talvez ajude a identificar os mais valiosos. Se tais equipes não existirem, a empresa poderá se preparar para a integração limpando e analisando os dados de seus funcionários internos. Os insights resultantes permitirão que ela avance rapidamente após concluída a fusão ou aquisição.
Retenção de talentos
Não basta identificar os melhores funcionários – as empresas também precisam retê-los, o que pode ser desafiador durante uma fusão, quando muitos funcionários começam a procurar novos empregos por temerem as mudanças ou não verem futuro no novo negócio. Em nossa experiência, empresas que não empreendem um grande esforço de retenção tendem a perder até 70% de seus gerentes seniores nos primeiros cinco anos após a fusão. Em outras palavras, cerca de duas vezes mais funcionários vão embora do que em empresas que não realizaram uma fusão ou aquisição.
Os líderes geralmente tentam conter essa enxurrada desenvolvendo um plano de retenção específico para os funcionários mais críticos, embora não saibam quais funções geram mais valor nem quais são os funcionários que mais contribuem para a organização. Para combater esse problema, as empresas devem analisar vários dados para determinar quais funções são mais críticas para a criação de valor. Em seguida, devem identificar os funcionários de melhor desempenho utilizando métodos tradicionais, como examinar as avaliações de performance. Mas também devem utilizar advanced analytics para analisar o desempenho, visto que as avaliações tradicionais talvez não consigam identificar os funcionários que geram mais valor. Essas discrepâncias são extremamente comuns, pois os executivos costumam classificar os funcionários com base no tempo de serviço e em relações pessoais – ou simplesmente confiando na própria intuição. Entretanto, com esse tipo de avaliação subjetiva, as pessoas que mais contribuem para os resultados da empresa podem sair prejudicadas ou passar despercebidas.
Advanced analytics também pode identificar os funcionários mais propensos a deixar a empresa. Uma análise dos anúncios de emprego online pode mostrar, por exemplo, que há forte demanda por cientistas de P&D na região, sugerindo que talvez devam ser recrutados em outros lugares. Ou uma análise dos perfis no LinkedIn dos funcionários atuais pode revelar que vários funcionários os atualizaram recentemente ou expandiram a descrição de suas habilidades – atividades que tendem a preceder a busca por um novo emprego.
Depois que a empresa identificar quais são os funcionários críticos e quais correm o risco de partir, ela pode desenvolver intervenções customizadas, em vez de oferecer incentivos genéricos para todos. Por exemplo, o CEO pode conversar com os 20 melhores cientistas da empresa ou os gerentes podem aumentar o salário dos cargos mais críticos.
Acelerando os impactos
Mesmo em meio ao caos que acompanha uma fusão ou aquisição, advanced analytics pode ajudar a empresa a aprimorar algumas de suas operações, processos de negócio e funções mais importantes – o que pode acelerar o cronograma de integração.
Considere como advanced analytics pode ajudar a acelerar o desenvolvimento de produtos – uma das atividades mais cruciais em muitas áreas, como laboratórios farmacêuticos e empresas de alta tecnologia. Uma empresa pode ter em andamento um produto com potencial de tornar-se um grande sucesso futuro, mas não é fácil priorizar as atividades de P&D e mantê-las na direção certa durante um processo de fusão. As empresas que estão se fundindo podem ter agendas conflitantes de P&D, o que dificulta determinar como a nova empresa deverá definir prioridades. Além disso, os funcionários talvez tenham dificuldade para manter o mesmo ritmo, pois podem ter que assumir novas responsabilidades ou se adaptar a novos processos. E mesmo que um produto consiga passar pelo funil de P&D no ritmo esperado, é possível que só venha a ser lançado bem depois de concluída a fusão.
Ao aplicarem advanced analytics, as empresas podem integrar e delimitar mais rapidamente seus pipelines de P&D. Por exemplo, duas empresas farmacêuticas que se fundem podem ter dezenas ou centenas de produtos em vários estágios de desenvolvimento. Se conseguirem acelerar a eliminação dos produtos mais fracos durante os primeiros ensaios clínicos aplicando advanced analytics, a nova empresa alocará seus gastos de P&D com muito mais eficiência.
Durante uma iniciativa de melhoria, certa empresa farmacêutica utilizou advanced analytics para aprimorar o método de avaliar medicamentos nos ensaios clínicos. Ela examinou os dados internos de cada local de P&D para determinar se alguns desses locais tinham um histórico de ensaios problemáticos ou de custos elevados em diferentes áreas terapêuticas. As informações resultantes ajudaram-na a criar um modelo preditivo capaz de determinar os melhores locais para ensaios futuros. Além disso, cientistas de dados desenvolveram modelos para otimizar a inscrição em ensaios clínicos, prever sua duração e identificar riscos à qualidade. Esses modelos ajudaram a empresa farmacêutica a reduzir o time-to-market em 15% e os custos dos ensaios clínicos em 11%. Em uma fusão, empresas farmacêuticas podem adotar técnicas similares para determinar quais locais de P&D devem ser utilizados em ensaios futuros ou até avaliar quais locais devem permanecer abertos, especialmente se vários locais estiverem atuando na mesma área terapêutica.
Melhorando as capacidades preditivas em uma época de incerteza
Antes de concluída a fusão ou aquisição, a alta gerência pode ter acesso limitado a alguns dos aspectos mais importantes da empresa-alvo – por exemplo, a amplitude e profundidade dos funcionários ou a cultura corporativa predominante. Essas lacunas de conhecimento podem comprometer a precisão das previsões e inibir sua capacidade de tomar decisões baseadas em fatos. Após concluída a fusão, os líderes podem acessar mais informações, mas estarão sob pressão para tomar decisões rápidas e simplesmente não terão tempo para realizar análises detalhadas sobre cada tópico.
Advanced analytics pode ajudar a dissipar a confusão e oferecer melhores insights – e uma área em que tal conhecimento é extremamente necessário é a retenção de clientes. Quando empresas se fundem, seus concorrentes podem aproveitar esse momento turbulento como uma oportunidade para atacar. Se clientes fiéis não se identificarem com a nova empresa ou se julgarem que “algo parece estar faltando”, é mais provável que deixem de fazer negócios com ela. Por exemplo, os clientes podem ficar confusos quanto ao modo como serão atendidos, as condições que serão oferecidas e os canais disponíveis para comunicação. Por todos esses motivos, a nova empresa deve desenvolver rapidamente estratégias poderosas de retenção de clientes.
Advanced analytics in asset management: Beyond the buzz
Em um caso, certo banco de varejo começou a perder muitos clientes após uma fusão. Além de ter de concluir a transação, o banco viu-se enfrentando competidores mais fortes, uma queda nas taxas de juros e corretores independentes cada vez mais ativos. Depois de desenvolver modelos para determinar quais clientes tinham mais probabilidade de partir, o banco conseguiu identificar os fatores subjacentes à perda desses clientes. Com isso, criou estratégias de retenção dirigidas aos segmentos mais vulneráveis. Após testar essas estratégias na prática, o banco ajustou o modelo preditivo e a estratégia de retenção. A precisão do modelo preditivo triplicou entre a primeira e a quarta implantação. No total, o banco reduziu em 20% a taxa de perda de clientes.
Aumentando a eficácia dos ativos
“Bons ativos, mas mal administrados” é uma frase bastante comum para descrever o objeto de uma aquisição. Os ativos em questão podem ser máquinas, fábricas ou alguma outra estrutura tangível, mas no mundo da gestão de fusões, também podem incluir funcionários ou grupos funcionais. Quando uma fusão ocorre, a empresa-alvo geralmente já pôs em prática os programas usuais de melhoria operacional e obteve alguns ganhos. Mas aplicar advanced analytics levará a eficácia dos ativos a um outro patamar, impossível de alcançar com as alavancas tradicionais.
Certa empresa global de mineração revelou o poder de tais esforços ao aplicar advanced analytics em seus locais de trabalho. Para reduzir o tempo de inatividade dos equipamentos, criou primeiro um modelo que avaliava a probabilidade de falha do maquinário com base em vários fatores, como número de horas de operação, condições climáticas e carga média. Em seguida, criou um modelo capaz de detectar falhas incipientes com base em vários inputs de sensores, incluindo voltagem, corrente e temperatura dos motores. Juntas, essas análises ajudaram a empresa a desenvolver uma solução para eliminar falhas precoces na esteira transportadora. Durante o processo de integração, quando as empresas estão fundindo suas operações, análises semelhantes podem ajudá-las a desenvolver soluções eficientes para problemas comuns. Tais análises podem ser particularmente úteis quando se busca resolver problemas na empresa-alvo, a qual pode não entender devidamente as causas-raiz ou as possíveis soluções para esses problemas.
A mesma lógica se aplica quando é preciso aumentar a eficácia de funcionários ou grupos. Em vendas, por exemplo, as empresas que se fundem podem ter uma sobreposição significativa de cobertura. Os líderes podem tentar eliminar a sobreposição coletando dados sobre territórios, clientes, cargas de trabalho e padrões de viagem. Após mapearem todo tipo de sobreposição de cobertura, seja em uma só empresa ou em ambas, eles devem aplicar advanced analytics para entender melhor o mercado subjacente. Por exemplo, grandes construtoras devem analisar o número de estradas, imóveis e pessoas em locais específicos para identificar bolsões de crescimento futuro.
Estratégias já testadas e comprovadas para fundir duas empresas conseguem dar conta do serviço, mas chegou a hora de adicionar advanced analytics a essa equação. Claro, tais esforços podem ser mais difíceis durante uma fusão ou aquisição, quando todos estão agitados e os líderes ocupados com as tarefas urgentes da integração – e isso significa que o sucesso pode exigir funcionários ou recursos adicionais, como a contratação de cientistas de dados. Além disso, as empresas devem priorizar suas iniciativas de advanced analytics durante a integração, pois não é viável ir atrás de cada oportunidade promissora. Embora advanced analytics possa exigir certo investimento inicial, o valor final da fusão ou aquisição certamente aumentará. Advanced analytics também reduzirá o estresse para todos os envolvidos na integração – aprofundando os insights, aumentando a transparência e reduzindo os prazos. E isso confere a advanced analytics um valor que vai muito além da boa rentabilidade.