Big Data Week São Paulo

Um ótimo blog sobre Big Data Analytics com artigos, ebooks e vídeos abordando as aplicações de Big Data Analytics no Brasil e no mundo.
19
Mar

CIÊNCIA DO COMPORTAMENTO FORMA A CIÊNCIA DOS DADOS E A MUDANÇA DE DIRECIONAMENTOS

É por isso que os cientistas de dados precisam pensar como um economista ou psicólogo comportamental quando se comunicam ou a história conta suas percepções. Isso ajuda as empresas a tomar decisões concretas e sem preconceitos para adquirir clientes, reter funcionários e lidar com gerentes dentro da organização.

Imagine este cenário: existem duas empresas de investimento que introduziram produtos concorrentes. Ambas as empresas reuniram informações sobre seus clientes e estão tentando agrupá-las para corresponder com precisão esses novos produtos às necessidades de seus clientes. Existe um alto risco de perda de clientes se as empresas não oferecerem o produto certo ou se incomodarem com mensagens não segmentadas. Além disso, uma das empresas quer usar esses dados para abalar os atuais processos internos para agregar valor sendo mais competitivo não apenas pela introdução de novos produtos, mas também pela reformulação da empresa como um todo.

A Empresa A tem usado algoritmos avançados de clustering para identificar diferentes perfis de clientes, na tentativa de direcionar novos clientes para oferecer esses novos instrumentos financeiros. Embora a empresa tenha tido o cuidado de reunir informações pertinentes sobre o perfil de comportamento desses novos clientes, eles também cuidaram das necessidades do departamento de TI e mantêm a coleta de dados de transações, comportamento de mídias sociais, necessidades de clientes e objetivos de vida, etc. para um mínimo e armazenar o mínimo possível.

Enquanto isso, a Empresa B segue uma abordagem diferente. Ele sabe que o comportamento é confuso e que mesmo um dado aparentemente sem importância pode se revelar altamente explicativo. A empresa, portanto, coleta o máximo que puder legalmente, armazena e seu departamento de TI e também descobriu como lidar com o grande volume de dados. A empresa também reúne dados comportamentais, de processo e de desempenho em diferentes momentos, com relação a como os produtos antigos evoluíram e os mescla com os dados comportamentais relacionados ao cliente.

Embora ambas as empresas, A e B, sejam bem-sucedidas com a nova versão, a rotatividade de clientes para a empresa B é menor, já que foram capazes de delinear o foco principal dos clientes. Por exemplo, com base nos dados coletados e na análise, eles sabiam quais clientes estavam verificando suas contas durante o fim de semana e poderiam, consequentemente, orientar sua equipe de atendimento ao cliente.

Isso permitiu que a empresa tivesse um novo produto no mercado com base na necessidade real de seus clientes e não apenas um “pressentimento”. Além disso, a empresa conseguiu capacitar de forma eficiente o departamento de atendimento ao cliente e introduziu, entre outras medidas, mecanismos de compartilhamento de ganhos que fomentavam a abertura e a dedicação de todos os departamentos aos clientes. Isso melhorou a jornada do cliente e definiu o ritmo para transformar e mudar o comportamento dos diferentes departamentos que tinham pontos de contato com os clientes.

Neste exemplo, não é apenas mais um ingrediente para adicionar – clientes foram capazes de adicionar dados desde o início sabendo quem, como e para que os seus dados foram usados, o que diminuiu a rotatividade e aumentou a sua vontade e envolvimento com a empresa B.

O que vemos aqui é que o comportamento é importante e, quando ligado aos dados, pode mudar completamente as regras do jogo sobre engajamento, clientes e empresas.

É importante pensar cuidadosamente sobre como os bits de dados podem, de alguma forma, revelar aspectos inesperados do comportamento de um cliente ou funcionário.

Este é um exemplo claro de como os dados, usados ​​para apoiar e fomentar a mudança, exigem uma compreensão profunda dos aspectos humanos que estão por trás disso. Tecnologia e dados podem fazer com que as empresas ajam de forma mais inteligente, mas as ciências humanas e o comportamento irão diferenciá-las das demais, facilitando a mudança e a transformação. Se for necessária uma mudança de mentalidade para transformar uma empresa tradicional em digital, onde a tomada de decisão orientada por dados é a essência, a ciência de dados precisa atender às ciências sociais para pensar mais amplamente incorporando não apenas o contexto econômico da empresa, mas também sua dimensão humana em primeiro lugar.

Abaixo estão três principais ideias comportamentais que os cientistas de dados modernos precisam levar em conta:

As ações nem sempre seguem os dados

Supõe-se que os dados sejam objetivos, pois podem informar sobre fatos ocorridos. O problema é como transformamos os dados em informação e informação em conhecimento para o nosso processo de decisão e ações a seguir. Os cérebros humanos precisam processar informações para fazer julgamentos e decisões diárias de negócios e é nesse momento que um outro tipo de viés (e um forte) entra em jogo – viés cognitivo. Esta é uma característica inalienável do ser humano que nos faz comer menos se sentarmos diante de um espelho, ou imitar o comportamento dos outros em um elevador quando eles olham para um determinado lugar sem perguntar.

 

Esse é o lado comportamental que os cientistas de dados devem ter quando desejam fornecer insights de dados acionáveis. Eles precisam pensar como um economista ou psicólogo comportamental quando se comunicam ou a história conta suas percepções. Conhecer o público é fundamental nesse caso. Eles precisam tirar o pé do sapato e não apenas pensar em maneiras diferentes de extrair conclusões de seus dados, mas precisam entender as mentes dos gerentes que usarão esses insights como uma contribuição em seu processo de tomada de decisão em eventuais ações. Isso permitirá que eles coordenem o comportamento e os dados para evitar os possíveis vieses de confirmação que os gerentes podem ser vítimas.

Boas fontes de dados – previsão de dados estratégicos

Como no exemplo mencionado no início deste artigo, os dados precisam ser coletados de várias fontes (como pesquisas de mídia social, Net Promoter Score, etc.) e não devem se concentrar apenas nas necessidades atuais. Uma análise de custo-benefício precisa ser realizada para determinar e dimensionar os dados que serão coletados. Estamos procurando apenas vender um novo produto ou ser os melhores vendedores desse novo produto? Quanto mais dados pudermos combinar e mais adiante no futuro, poderemos determinar não apenas nosso sucesso em fornecer insights acionáveis, mas também estabelecer a necessidade e a confiabilidade do ciclo de coleta de análise-decisão-ação nas empresas.

Além disso, a partir do momento em que decidimos que esse tipo de análise será útil para o tempo em que seremos capazes de tirar conclusões, há um lapso de tempo. Esse atraso nos obriga a pensar antecipadamente sobre o desenho experimental, as hipóteses futuras e as pequenas nuances dos dados comportamentais que podem fazer a diferença.

Como exemplo, lembre-se do experimento feito em Stanford em 1975, no qual um grupo de estudantes tinha que classificar a autenticidade das notas de suicídio. Dois grupos foram formados e depois do experimento; ambos os grupos receberam uma pontuação de alta ou baixa com base em sua capacidade de escolher as notas reais das notas falsas. Ambos os grupos foram informados de que eles realizaram a média como um todo. Apesar disso, o grupo que marcou pontos altos, ainda acreditou que eles poderiam escolher com precisão as notas reais das notas falsas e o grupo que marcou pontos baixos acreditava que eles não poderiam escolher com precisão as notas reais das notas falsas. Isso indicava que a percepção deles estava ancorada na pontuação atribuída, e não nos “fatos” reais apresentados a eles.

Aproveitando o poder da percepção visual

Uma parte importante do trabalho cotidiano de um cientista de dados nas empresas é destacar os insights de dados acionáveis ​​que promoverão a mudança. Com uma variedade de soluções “plug and play” sem código e novas ferramentas, a codificação está se tornando “mais fácil”. A democratização da ciência de dados, graças a isso, está trazendo o poder da análise para as mãos de mais pessoas e, portanto, a necessidade de visualizações para transmitir percepções reais para analistas de dados menos profundos. Mais uma vez, o comportamento desempenha um papel importante nisso.

A necessidade de entender os aspectos da percepção visual está se tornando crítica para profissionais de análise de dados e business intelligence que precisam criar painéis e ferramentas para traduzir suas descobertas em uma linguagem gerencial e preencher a lacuna entre o complexo pensamento abstrato por trás da análise de dados e a necessidade potencial para mudança organizacional.

Conclusão

Estes são apenas três exemplos de como o comportamento e os dados estão intimamente interligados. Essa tendência veio para ficar e crescerá à medida que a análise de dados sólida é adotada por mais empresas em seus processos de tomada de decisão. Na nova realidade da ciência de dados, matemática / estatística, codificação e TI não são os únicos ingredientes necessários para ser um ator de sucesso como um cientista de dados. O comportamento, desde a coleta de dados até a visualização, é uma ferramenta essencial que todo cientista de dados deve ter em sua caixa de ferramentas. Estamos definitivamente em uma encruzilhada entre comportamento e dados e, que aqueles que incorporam com sucesso o primeiro a sua análise, terá uma vantagem através de uma melhor compreensão não apenas de seus clientes, mas também da mentalidade das organizações.

 

Traduzido de: https://dataconomy.com/2019/01/behavioral-science-shapes-data-science-and-drives-change/

Leave a Reply