Como garantir e maximizar o impacto organizacional de um modelo analítico?

Você já participou de um projeto analítico sofisticado, que prometia uma revolução completa nos negócios, mas acabou em um engano? Você deve saber que não está sozinho. De acordo com uma pesquisa recente da MIT Sloan Management Review, na qual mais de 3000 gerentes foram contatados, o número de empresas que têm uma estratégia para inteligência artificial e que estão testando ou implantaram soluções analíticas cresceu de 2017 para 2020. No entanto, apenas 11% das organizações relatam resultados financeiros significativos em 2020.

De nossa experiência na LTPLabs, quando as coisas não resultam, dois resultados principais são observados:

• Foi feito um esforço para conceber, implementar e avaliar o impacto potencial de um novo modelo analítico. No entanto, as equipes de negócios não aproveitam o modelo após o término do projeto e não o sustentam em seus processos diários. Pode-se dizer que há uma lacuna entre a capacidade da empresa de produzir resultados analíticos e sua capacidade de aplicá-los às questões de negócios;
• Embora um novo modelo analítico tenha sido concebido, implementado e esteja sendo usado com sucesso, os resultados não são tão bons quanto o esperado inicialmente.

Várias causas podem estar por trás dessas falhas. Em relação ao primeiro resultado, o problemas típicos que originam uma implementação deficiente são a falta de interação e alinhamento entre as equipes de ciência de dados e de negócios durante o projeto e a implementação do modelo analítico, ou uma relação ruim entre o novo modelo e um problema comercial concreto (em outras palavras, a empresa encontrou um propósito para os dados disponíveis em vez de aproveitar os dados para um propósito).

Em relação ao segundo resultado, as coisas podem ser mais complicadas. Pode ser que o modelo não esteja retornando os resultados esperados porque os dados ou as suposições mudaram desde a execução do projeto. Mas com mais frequência do que isso, algumas implementações também falham porque o modelo analítico não está sendo usado para aumentar a tomada de decisões. Os usuários corporativos, acostumados com sua maneira anterior de fazer, ajustam ou substituem manualmente os resultados do modelo, diminuindo a impacto das recomendações orientadas analiticamente.

Estratégias para aumentar o impacto dos modelos analíticos

Diferentes estratégias podem ser aproveitadas para maximizar a chance de o modelo analítico retornar os resultados esperados.

Preste atenção a esses pontos ao configurar o projeto

1. Conecte o modelo/projeto analítico a um caso de uso concreto

Os gerentes geralmente iniciam novos projetos ou fazem novos investimentos apenas porque o tópico alvo está na moda ou porque a concorrência está um passo à frente. Não queremos sugerir que isso não seja relevante. Mas para garantir que um novo modelo analítico seja bem-sucedido, é vital conectá-lo a um problema comercial concreto.. Ancore o projeto a uma decisão a ser tomada ou a uma necessidade real de sua equipe de negócios.

2. Defina a equipe adequada para enfrentar o desafio

Defina as funções necessárias para garantir a eficiência e a eficácia do projeto (e, consequentemente, o sucesso do novo modelo analítico). Quatro funções merecem ser consideradas:

• Cientistas de dados: aqueles que têm a propriedade e o conhecimento necessários para desenvolver o modelo analítico;
• Analistas de negócios: aqueles que estabelecem a ponte entre as necessidades do negócio e o modelo analítico. Eles são essenciais para ajudar a definir os requisitos;
• Usuários corporativos: aqueles que usarão o novo sistema de apoio à decisão. Embora os analistas de negócios possam ser capazes de identificar as necessidades comerciais relevantes, incluir os usuários finais é valioso para capturar as idiossincrasias detalhadas do processo e promover a participação;
• Membros de TI: aqueles que obterão os dados necessários para configurar o projeto e que poderão posteriormente ser responsáveis pelo desenvolvimento da aplicação que hospedará o modelo analítico.

3. Não coloque a barra muito alta ou muito baixa

Defina, já que o projeto está configurado, o que se deve esperar da versão MVP (Minimum Viable Product). Não espere pela perfeição para lançar o novo modelo analítico. Como alguns detalhes só podem ser identificados quando os usuários começam a implementar as recomendações fornecidas pelo modelo analítico, é preferível refiná-las posteriormente. Mas, por outro lado, garanta que os resultados façam sentido antes de começar a testar e usar as recomendações do modelo, ou você pode criar resistência à adoção.

Defina as condições para a evolução

1. Defina o modo de interação adequado

Quando o modelo começar a ser usado, garanta que o modo de interação entre o ser humano e o sistema de apoio à decisão seja claro e seja o mais adequado para o problema em questão. Em alguns casos, o modelo pode ser mais autônomo e o humano supervisiona apenas casos desviantes (por exemplo, um módulo automático de preços que revisa os preços de milhares de produtos/ofertas diariamente). Em outras ocasiões, o humano pode ser mais interveniente, com o modelo analítico fazendo recomendações que serão analisadas antes da decisão final (por exemplo, modelo prescritivo sugerindo o tamanho ideal da força de trabalho para uma determinada loja ou armazém).

Garantir que essa interação seja clara é importante para que as equipes de negócios saibam o que esperar do modelo analítico e também estabeleçam as condições para sua evolução.

Durante a análise dos resultados/recomendações automáticas, os usuários corporativos podem identificar oportunidades de melhoria para o refinamento do modelo.

2. Crie uma cultura de melhoria contínua

Defina o processo e a governança para melhorar continuamente o modelo analítico. Defina uma plataforma de comunicação para coletar novas oportunidades de melhoria. Defina um momento na agenda para analisar e priorizar a lista de pendências. Crie as condições para a implementação de novos recursos com agilidade. Comunique-se e comemore novos lançamentos com toda a equipe.

3. Meça os resultados e a utilização do modelo analítico

Defina um conjunto de KPIs concretos para avaliar o sucesso do modelo. Idealmente, esses indicadores devem ser os mesmos que foram definidos no início do projeto e usados para avaliar o potencial por trás do modelo analítico. Defina um momento na agenda para avaliar esses indicadores e fazer um resumo sobre oportunidades adicionais. Além disso, nos primeiros dias da adoção, medir a utilização do novo sistema de apoio à decisão.

‍

Defina as condições para a primeira versão viável e faça um esforço para melhorá-la ao longo do tempo. Olhe para o modelo analítico como alavanca para ajudar a resolver desafios comerciais concretos. E defina como sua equipe deve interagir com o modelo e, ao mesmo tempo, ser motivada a incorporá-lo em seus processos.

‍