Como escolher o melhor fornecedor de Data Analytics e Inteligência Artificial?

Escolher um fornecedor de inteligência artificial para projetos de analytics, precificação dinâmica, previsão de demanda é, sem dúvida, um processo que deve estar na mesa de todo gestor da indústria em transformação digital. Portanto, caso você estiver considerando agilizar o processo, uma saída e a contratação de empresas especializadas no assunto em um processo de terceirização de analytics.

Uma implementação bem-sucedida de analytics é, em grande parte, um resultado de uma parceria bem equilibrada entre as equipes internas da operação com as equipes prestadoras do serviço de analytics (empresa terceirizada), portanto, essa é uma decisão importante.

Avaliando parceiros e fornecedores de inteligencia artificial e analytics com base em competências e escala

Primeiro, você deve avaliar suas opções com base nas competências dos membros da equipe do parceiro de analytics. Abaixo trazemos alguns para critérios:

• Pegada global consistente com as necessidades da sua organização.
• Competências individuais dos membros da equipe e forma de trabalho.
• Experiência com a sua indústria, em oposição, as ofertas padrão de mercado.
• Experiência no segmento de seu negócio.
• Fit cultural com sua organização.
• Maturidade comercial das soluções como a plataforma de analytics.
• Referência no mercado e capacidade de escalar times.
• Capacidade de geração de insights externos. 

Seja desenvolvendo um time interno de analytics ou contratando externamente, o fato é que você provavelmente gastará bastante dinheiro e tempo com o parceiro de analytics e inteligência artificial, por isso é importante que eles tragam as competências certas para o negócio ou processo do seu departamento.

Considere todas as opções da oferta de analytics.

Temos visto muitas organizações limitarem suas opções à Capgemini, EY, Deloitte, Accenture e outros grandes consultorias ou simplesmente desenvolvendo times internos de analytics. Porém:

Mas há muitas outras boas opções no mercado, incluindo o nacional, e por isso vale estar atento ao rápido crescimento dessas opções. Principalmente dentro dos principais polos tecnológicos do país, como: Florianópolis, Recife, Campinas e outros.

Ajuste as expectativas e evite frustrações analíticas

Já vimos, em diversas ocasiões, a criação frustrada de times de analytics totalmente internos, sejam estes para a configuração de data-lakes, governança de dados, machine learning ou integração de sistemas. 

O panorama da adoção de I.A é parecido, pelo menos por hora, com o tempo onde as empresas desenvolviam seus próprios ERPs internos nos departamentos de processamento de dados. Hoje das 4000 maiores contas de tecnologia do Brasil, apenas 4.2% mantém o desenvolvimento do ERP interno, destes o que predominam são  bancos e governos, o que faz total sentido do ponto de vista de estratégia e core business. 

Investigamos um pouco mais estas histórias e vimos que existem, pelo menos, quatro fatores por trás dos resultados: 

• A Cultura não data-driven e segmentação vertical impedem o fluxo necessário(velocidade e quantidade) de ideias e dados que tornam o analytics valioso (guia de introdução a cultura de dados).
• Gestão de projetos modelo waterfall, como é feito para construção de artefatos físicos ou sistemas de ERPs, não são adequados para analytics. (Business Canvas Analytics).
• Dificuldade de contratação de profissionais com o conhecimento de analytics na área de negócio da empresa junto com a falta de programas de onboarding adequados aos desafios. (O profissional de Data Science na visão da Aquarela)
• Desafios técnicos e imprevistos acontecem aos montes, e é necessário ter profissionais resilientes e acostumados a essas capoeiras cognitivas, já que datasets da vida real nunca estão prontos e são tão calibrados como aqueles dos exemplos de machine learning dos passageiros do titanic. Normalmente têm outliers (O que são outliers?), estão amarrados a processos de negócio complexos e cheios de regras como no exemplo da precificação dinâmica das passagens do metrô de londres.

Embora não exista uma resposta única para como implantar analytics e processos robustos de governança e inteligência artificial, lembre-se de que você é o responsável pelo relacionamento com essas equipes, e pelo relacionamento entre os sistemas de produção e de analytics.

Entenda os pontos fortes dos parceiros de analytics, mas também reconheça suas fraquezas

É difícil encontrar no mercado recursos com profundidade e qualidades funcionais e técnicas, principalmente se o perfil do seu negócio é industrial, envolvendo conhecimentos de processos raros, como por exemplo o processo físico químico para criação de pastilhas de freio. 

Mas, como toda organização, esses parceiros de analytics também podem ter pontos fracos, como por exemplo:

• Falta de prontidão na implementação do analytics (metodologia, plataforma), para garantir que você tenha uma solução implementada rápido. 
• Falta de estratégia de migração, mapeamento de dados e ontologias
• Sem garantia de transferência de conhecimento e documentação.
• Falta de experiências práticas na indústria.
• Dificuldade em absorver o contexto do negócio do cliente

Portanto, conhecer bem os métodos e processos do parceiro é essencial.

Os pilares da execução de um bom projeto de Analytics e I.A são a Metodologia e seu Stack Tecnológico (O que é um stack tecnológico?). Por isso, busque entender sobre o background do novo parceiro, pergunte sobre suas experiências com outros clientes de porte similar ao seu.

Ainda, busque entender como este parceiro resolveu desafios complexos em outros negócios, mesmo que estes não tenham ligação direta com o seu desafio. 

Data Ethics

Ética no tratamento de dados, lógico que que não podemos deixar de pontuar esse tema. Não é de agora que os dados estão se tornando o centro das atenções da gestão, e ainda mais com a Lei Geral de Proteção de Dados (LGPD) entrando em vigor no Brasil.  

Fique atento! Veja a forma como os seus dados serão tratados, transferidos e guardados pelo parceiro, e se o nome dele está limpo na praça.

Bons parceiros são aqueles que, além de conhecer bem a tecnologia, possuem diretrizes para lidar com a informação do seu negócio, como por exemplo:

• Tem processos de segurança bem claros e definidos
• Utilizam criptografia de ponta a ponta
• Acompanham as atualizações de seus softwares
• Respeitam NDAs (Non-disclosure Agreements) – NDAs não devem ser simplesmente de praxe quando se fala em dados. 
• Todos os canais de comunicação estão alinhados e segmentados por níveis de segurança. 
• São bem vistos pela comunidade de análise de dados.

Concluindo

Escolher seu parceiro Analytics é uma das maiores decisões que você fará para a transformação digital da sua organização. 

Independente de qual parceiro você escolher para a sua empresa, é importante que você monte uma equipe de consultoria externa de analytics que faça sentido para sua organização, que tenha uma lastro tecnológico e que suporte a demanda da sua indústria. 

Autor