Existe um pré-conceito de que a aplicação de ciências de dados no mundo corporativo irá automatizar fluxos e processos, agilizar a disponibilidade de informação para tomada de decisões, e essa evolução irá tornar a vida das pessoas mais fácil. O que muitas vezes não é dito é que a ciência de dados passará a contemplar nuances tão específicas do seu negócio, que a simples interpretação de um cenário de otimização exigirá horas relevantes de treinamento e uma mudança de mentalidade por parte do planejador.
Em um universo de revenue management buscamos integrar três grandes pilares na tomada de decisão: cadeia de suprimentos, estratégia de precificação e indicadores financeiros. Em resumo precisamos responder: Consigo produzir? O mercado absorverá esse volume a esse preço? Isso me fará ganhar dinheiro?
Nesse tipo de abordagem, a metodologia de Pesquisa Operacional se mostra muito eficaz na representação desse problema em uma modelagem matemática. A maximização de um indicador financeiro, que potencialize as melhores alocações do plano de vendas, regional e taticamente, e que caiba dentro das restrições fabris e logísticas, tem se mostrado uma fórmula de sucesso para destravar valor em grandes empresas.
Porém, explicar ao time comercial que não será realizada uma campanha de descontos na marca commodity no próximo mês, porque a linha de produção dessa marca está com 3 turnos cheios, é sempre uma tarefa desafiadora. No contrassenso, explicar ao time industrial que foi planejado um mix consideravelmente mais difícil de ser entregue, por enxergar oportunidades de vendas que alavancarão resultados financeiros importantes, é igualmente complexo.
Somada à essa dificuldade de gestão de mudança, trazer a capacidade de explicação dos porquês das decisões de um modelo de pesquisa operacional também exige um grande esforço. Ter optado por um ponto ótimo B que é diferente do até então ponto ótimo A, exige um entendimento de cadeia, um mapeamento do fluxo de dados completo, e aproveitar toda a potência do BI para conseguir interpretar diferentes faces de um mesmo cubo de forma dinâmica e simultânea.
Construir uma ferramenta baseada em ciência de dados que contemple a complexidade do seu negócio é desafiador. Conseguir explicar os porquês de cada resposta que essa ferramenta entrega é ainda mais desafiador. E fazer todo um time entender quais passarão a ser os reais gatilhos para as tomadas de decisão, exigirá muita energia e tempo gasto na gestão da mudança, desde a mentalidade dos gestores até a própria carta de metas de cada time.
Em resumo, a jornada de aplicação de ciências de dados não será fácil e depois de implementada não tornará sua vida mais fácil. Mas potencialmente irá destravar cifras relevantes na última linha do seu indicador financeiro, o que fará essa jornada ter valido a pena.
