Faça os seus dados trabalharem para você – parte 2


Na primeira parte deste texto falamos sobre a curva de maturidade das empresas em análise de dados, dos incidentes por fontes de dados e as categorias das fontes de dados. Se você ainda não leu, pode acessar aqui.



Sensibilidade dos dados ao tempo


É importante entender que alguns tipos de dados são mais sensíveis do que outros. Por exemplo, é fundamental agir rapidamente sobre uma onda de comentários on-line negativos ou um problema de segurança dos produtos, ao passo que não é tão prioritário agir sobre métricas operacionais básicas, a menos que elas indiquem uma situação que tem um impacto grande e imediato sobre o negócio.


Entretanto, nos dias atuais em que as exigências dos consumidores são elevadas, todos nós esperamos satisfação imediata, sendo que qualquer tempo gasto para consertar um problema resultará em uma redução da satisfação geral. Abaixo apresentamos um gráfico que demonstra esse fenômeno.


No gráfico podemos ver que se os dados estão sem uso ou intocados, isto é, estáticos, eles perdem constantemente seu valor. Cada etapa independente significa que o tempo de processamento total aumenta, com a redução prevista no valor de negócio.


Dados operacionais são como tartarugas: raramente demonstram qualquer urgência. Feedback dos consumidores é como a lebre: se você não coletar e agir sobre ele em pouco tempo, se torna sem valor. Alguns feedbacks de consumidores requerem ação imediata e outros preservarão seu valor por dias ou semanas.


Isso significa que se você decidir que precisa transformar dados em ação deve estar ciente de quanto tempo essa análise levará e, mais importante, quanto tempo levará para decidir e executar um plano de ação que fará uma real diferença para seus consumidores. As várias ferramentas e abordagens de análise de dados auxiliam a descobrir isso. Nem todas as situações de análise requerem alta velocidade, mas quando elas precisam ser rápidas, a automação das decisões de negócio oferece rapidez para insights que demandam ação.


Algumas observações adicionais sobre dados


Grande parte dos dados que trabalhamos diariamente é coletada em uma forma desestruturada, como flat files de respostas de pesquisas ou comentários de consumidores. Dessa forma, dados individuais precisam ser organizados em formatos e estruturas inteligíveis, de maneira a permitir melhores insights. É possível ver isso, quando transformamos um flat file em uma tabela Excel e dali para um gráfico de barras simples.


Isso é conhecido como conjunto de dados estruturados e efetivamente era o nosso universo de dados até alguns anos atrás. Mas, dados não estruturados como gravações em áudio e textos, estão se tornando fontes críticas de feedback de consumidor. Não causa espanto que cada vez mais se avança em análise de texto e fala para simplificar o processo de tomada de decisão a partir de uma inundação de dados não estruturados.


Análise de texto e fala


Ferramentas de análise de texto atuam sobre textos não estruturados publicados em mídias sociais, e-mails, relatórios e outros conteúdos escritos. A análise de texto ajuda a entender o "porquê" por trás dos dados do cliente. Por exemplo, muitas pesquisas pedem uma resposta numérica para uma pergunta, mas também questionam ou querem questionar POR QUÊ?


Antes da análise de dados de textos, os analistas simplesmente não tinham tempo de ler as dezenas de milhares de respostas escritas em pesquisas. Ao invés disso, eles construíam uma amostra aleatória das respostas, desenvolviam categorias comuns de respostas, segmentavam cada resposta por tipo e pelo sentimento positivo ou negativo associado e acompanhavam a frequência. A análise de dados de textos reduz o custo de codificar altos volumes de comentários e aumenta a qualidade da análise.


Você decide a frequência e o volume dos dados a serem analisados. Além de usar a análise de texto como uma ferramenta de depuração para limpar os dados, as empresas podem usá-la para identificar e erradicar dados com problemas ou duplicados.


A análise de fala é um termo usado para descrever métodos automatizados de analisar arquivos de áudio e extrair informações úteis de conteúdo falado. Um dos usos da análise de fala é identificar palavras-chave ou frases e seu sentimento associado, tanto como alertas em tempo real de áudios ao vivo, quanto em etapas de pós-processamento em discurso gravado.


A análise de fala em contact centers pode ser usada para extrair insights de negócios que poderiam de outra forma serem perdidos. A análise e categorização de conversas telefônicas gravadas entre empresas e seus clientes podem trazer informações muito úteis.



Na próxima parte deste texto, abordaremos também o seguinte assunto:


Interligação de dados (linkagem de dados): A chave para encontrar relacionamentos significativos entre dados


Fique atento a tendências e novidades de mercado lendo outros textos do nosso blog e não se esqueça de deixar suas dúvidas e opiniões.