Casos de Sucesso
Varejo
Desafio:
1º Migração de BI clássico para estrutura analítica em nuvem;
2º Construção de um Data Lake único de vendas;
3º Construção de um processo de previsão de vendas e otimização de preços.
Contexto:
Os usuários de negócios possuíam um ambiente 100% on-premises, sem visualização regional abrangente e estratégica das preferências do mercado em tempo real.
Objetivo:
Viabilizar a transformação digital em Data Analytics, integrando as lojas físicas e o online.
Principais Indicadores de Sucesso:
Redução de custos com infraestrutura e aumento da capacidade de processamento de vendas;
Criação de um processo de previsão de vendas em tempo real para identificação da curva de vendas;
Criação de um processo de price optimization, visando trabalhar a melhor elasticidade de preço possível, clusterizado por tipo de lojas.
Desafio:
Ter visão consolidada dos seus clientes em potencial e acesso aos dados estratégicos das vendas, além da junção dos relatórios de diversas áreas que eram descentralizados.
Contexto:
Grupo de varejo, detentor de uma das principais marcas de moda do Brasil, com capital aberto. Conforme o crescimento do grupo, com lojas físicas e a aceleração do e-commerce, houve ruptura de informações de vendas dentro de um ecossistema analítico.
Objetivo:
Orquestrar dados de vendas reais e dados sensíveis sob uma governança.
Projetos:
#1: Implementação de ecossistema Data Mart;
#2: Implementação de Governança de Dados;
#3: Integração de consentimentos LGPD.
Principais Indicadores de Sucesso:
Agilidade no processamento dos relatórios e dados de horas para minutos;
Aumento de vendas em 60% com o lançamento de campanhas internas de cashback ao consumidor, comparado à plataforma contratada anteriormente, o que também gerou redução de custos;
Automatização e integração dos diversos tipos de consentimentos dos clientes com base nas regras da LGPD.
Desafio:
Integração de base de dados de forma consolidada das marcas de um grande grupo de varejo de cosméticos.
Contexto:
Com o crescimento do grupo de varejo de cosméticos e a aquisição de marcas para seu portfólio, havia descentralização de informações e falta de uso dinâmico e integrado de dados relevantes para a área de negócios.
Objetivo:
Integração de dados de múltiplas bases.
Projetos:
#1: Ciência de Dados aplicada em modelos estatísticos;
#2: Machine Learning com foco em melhorias e performance.
Principais Indicadores de Sucesso:
Redução em seis (6) meses de ~27% no churn das consultoras entre as "Janelas de Vendas" — para as consultoras com alta probabilidade de churn, foram oferecidos incentivos e cupons, resultando em um aumento de cerca de 30% no ticket médio geral;
Tomada de decisão mais assertiva através da geração de KPIs de negócio;
Com a fusão das empresas, houve a integração e padronização das informações baseadas no comportamento de todos os clientes.
Desafio:
Desenvolver e fortalecer o acesso à informação e inteligência analítica para redes de supermercados e fornecedores. Foi um desafio para uma startup de inteligência analítica.
Contexto:
A startup de inteligência analítica, em parceria com uma associação regional de supermercados, buscava criar um ecossistema de dados centralizado e analítico para atender as demandas do setor.
Objetivo:
Orquestrar dados para geração de relatórios analíticos.
Projetos:
#1: Implementação de Data Lake;
#2: Implementação de relatórios analíticos para tomada de decisão.
Principais Indicadores de Sucesso:
Aumento na maturidade analítica e confiabilidade na tomada de decisão orientada a dados;
Criação de uma plataforma consolidadora de vendas;
Geração de relatórios de inteligência de mercado para parceiros da rede supermercadista associada à empresa.
Desafio:
Executar projetos de migração de BI Corporativo em Vendas e Contabilidade.
Contexto:
Buscar soluções para redução de custos e avaliação de alternativas mais dinâmicas sem perder qualidade e entregabilidade para os usuários.
Objetivo:
Reduzir custos associados ao uso de ferramentas de análise de dados avançadas.
Principais Indicadores de Sucesso:
Integração entre as ferramentas de processamento em memória, utilizando serviços de Analytics e aplicativos de automação;
Redução de custos e diminuição do tempo de processamento;
Melhoria na velocidade e organização dos dados através da implementação de serviços de análise avançada.
Desafio:
Necessidade de uma organização e repositório centralizado dos dados.
Contexto:
Uma das maiores indústrias globais de varejo de calçados, com presença e atuação relevante em diversos países.
Objetivo:
Organizar a jornada do dado, desde a ingestão até o consumo.
Projetos:
#1: Construção de Data Lake, Ingestão de Dados e Consumo Analítico;
#2: Governança de Dados.
Principais Indicadores de Sucesso:
Tomada de decisão mais rápida devido à consolidação dos dados em tempo real;
Geração de análise de sentimentos por meio de campanhas de satisfação dos clientes;
Disseminação e implementação da cultura analítica em toda a companhia;
Democratização de dados capaz de servir dezenas de usuários simultâneos por área de negócio.
Desafio:
Implantar eficiência arquitetural para análise de dados.
Contexto:
Grupo de varejo e moda que recentemente realizou uma fusão com outro conglomerado do setor, formando uma nova organização.
Objetivo:
Gestão de dados das empresas que compõem o grupo, visando uma visão analítica com foco em performance.
Projetos:
#1: Data Lake;
#2: Implementação de FinOps.
Principais Indicadores de Sucesso:
Maior confiabilidade das áreas de negócio para utilização dos dados em relatórios e ações de vendas estratégicas;
Campanhas de vendas mais assertivas com base nos dados dos clientes, disponibilizados em bases consolidadas;
Redução expressiva no tempo das entregas e na disponibilização dos dados nas camadas;
Redução de custos com a arquitetura, mesmo em crescimento exponencial, devido à adoção das melhores práticas em FinOps.
Desafio:
Diminuir o tempo de atualização das informações de vendas, navegação e produtos.
Contexto:
O primeiro projeto envolveu a construção de um Data Lake utilizando a engenharia MapR, e o segundo projeto foi a migração de MapR para a tecnologia Spring Boot.
Objetivo:
Redução de custos e agilidade no processo de atualização das informações.
Projetos:
#1: Criação de Data Lake;
#2: Migração da solução MapR para Spring Boot.
Principais Indicadores de Sucesso:
Entrega de um processo de ingestão em Data Lake com dados atualizados em tempo real, reduzindo o tempo de atualização de 18 horas para cada 5 minutos;
Migração para a nova tecnologia, refletindo em redução de custos e atualizações das informações em tempo real.
Desafio:
Alto volume de transações, identificação de padrões de compra, fidelização de clientes e performance de tempo e resposta.
Contexto:
Uma das maiores varejistas de moda do Brasil, buscando otimização na gestão de dados analíticos para melhorar a performance em vendas.
Objetivo:
Entender o comportamento de compra dos clientes, maximizar as vendas com ofertas personalizadas e otimizar a variedade de produtos oferecidos em cada loja.
Projetos:
#1: Oracle Big Data Appliance;
#2: Oracle Exadata Database Machine.
Principais Indicadores de Sucesso:
Entrega de um processo de ingestão em Data Lake com dados atualizados em real time. Atualização passaram de 18 horas para cada 5 minutos;
Migração para a nova tecnologia, refletindo em redução de custos e atualizações das informações em tempo real.
Desafio:
Integrar e padronizar um alto volume de informações de forma precisa, orquestrada para visão executiva.
Contexto:
Cenário de múltiplos dashboards executivos sem modelo para consumo.
Objetivo:
Padronização e organização de dados para consumo do board executivo de uma grande empresa do setor de alimentos.
Projetos:
#1: Implementação da ferramenta ValQ;
#2: Implementação de 35 dashboards executivos.
Principais Indicadores de Sucesso:
Configuração para informações precisas de receitas, custos, despesas, balanço, fluxo de caixa, margens e informações de mercado em detalhes;
Solução com informações variáveis e simulação de cenários de negócio com base no orçamento;
Dashboards executivos em tempo próximo ao real.
Desafio:
Democratizar o acesso aos dados de logística, que eram utilizados em sistemas ERP.
Contexto:
Os usuários de negócios não tinham acesso aos dados para construir relatórios de acompanhamento relacionados aos custos de frete.
Objetivo:
Viabilizar o processo de ingestão, mantendo o repositório com atualização rápida dos dados, sem se conectar o tempo todo para não impactar a experiência do usuário.
Principais Indicadores de Sucesso:
Disponibilização do acesso às informações para área de negócio através do Data Lake;
Desenvolvimento da cultura de criação de dashboards no Power BI;
Repositório com dados passou a ser atualizado uma vez ao dia.