Latest / Os Agilistas / #344 - Heineken: a jornada de dados além dos relatórios básicos

Transcript

#344 - Heineken: a jornada de dados além dos relatórios básicos · Os Agilistas

0:00
Eu acho que a nossa capilaridade assim, né?
0:03
De de chegar em mais áreas e ver o movimento de de mais áreas de
0:07
negócio querendo ter essa proficiência em dados, né?
0:10
Digamos assim. Ela aconteceu de forma mais
0:13
orgânica pelas estratégias que a gente passou aqui no começo, né?
0:17
Da nossa jornada de dados. Bom dia, boa tarde, boa noite.
0:25
Esse é mais um episódio dos agilistas que é o seu radar de
0:28
inovação, tecnologia e negócios. Eu sou Marcela e estou aqui mais
0:32
uma vez para conversar sobre dados.
0:34
E hoje a gente tem uma convidada super legal aqui que vai trazer
0:37
um bocado de case, que é a Dani bertol, que é gerente senior de
0:41
produtos de dados e analíticas no grupo Heineken.
0:44
Bem-vinda, Dani, tudo bem? Obrigada, tudo joia e contigo,
0:48
Marcelo. Tudo joia no mercado, onde os
0:50
dados são novos petróleo, né? Que a gente ouve isso o tempo
0:54
inteiro. É muito importante a gente
0:56
trazer cases reais e esse é o motivo da nossa conversa hoje
1:00
com o grupo Heineken. E a Dani vai contar um pouquinho
1:02
pra gente como que é o desafiador e como que eles têm
1:05
desenvolvido, né? Soluções de dados que permeiam
1:07
diversas estruturas dentro do grupo.
1:10
Então, Dani, eu queria primeiro que você contasse um pouquinho
1:13
sobre a organização de vocês, né?
1:15
Pra atender. Eu acho que é um ponto legal de
1:17
falar é que os cases que elas eles trouxeram pra gente são
1:22
cases que de né, que de inovar atendem várias áreas de negócio.
1:26
E um dos pontos que mais me gerou curiosidade na hora que eu
1:29
fasciei esses esses cases foi o fato de como é que eles
1:32
conseguem gerar? É tantos produtos de dados para
1:35
tantas áreas e eu acho que era legal você começar contando um
1:38
pouquinho pra gente, como é que é a estruturação do time?
1:40
Bom, primeiro, obrigada por me receberem aqui.
1:42
É um prazer estar com vocês hoje.
1:44
Vou contar um pouco então da nossa estrutura.
1:46
A gente tem um time de dados aqui dentro da área de
1:49
tecnologia da rainha, que a gente chama de digital e
1:52
tecnologia. E o nosso time de dados, ele
1:54
está estruturado para atender e refletir as áreas de negócio,
1:57
né? Então, dentro do nosso time
1:59
temos subtimes aqui que atendem áreas de suporte.
2:02
Como RH, finanças, corporate affairs, sustentabilidade, temos
2:06
também times que olham pra suply.
2:08
Ching, então, especificamente falando de toda a cadeia
2:11
logística primária, secundária, toda a distribuição mesmo, que
2:15
também é em todo o Brasil, first War service e produção,
2:18
cervejarias mesmo e também o time que olha para as áreas
2:21
comerciais. Então desde trade marketing em
2:24
vendas, campo mesmo, até o time de marketing e marketing em si,
2:28
então o nosso time consegue permear aí toda a nossa cadeia,
2:32
ponto a ponto. Né?
2:33
Da operação do grupo raik por meio dessa organização, onde a
2:36
gente reflete mesmo, né? Com a estrutura, né?
2:39
Da operação da raik. Legal uma coisa também que eu
2:42
acho que que fica muito clara pra gente assim é o desafio
2:45
agora com o advento da IAO, desafio de estruturação dos
2:49
dados mesmo, né? Que a gente sabe que a gente tem
2:52
muitos dados disponíveis nas grandes empresas.
2:55
Mas como que a gente estrutura esses dados para realmente
2:58
conseguir fazer um bom uso deles e gerar insights, né, para o
3:03
negócio? Como vocês têm atuado a partir
3:06
dessas diversas etapas, né, de estruturação de análise de
3:10
dados, até eventualmente, uma etapa de predição que vocês
3:14
também estão fazendo, né? Bom, legal é de fato assim.
3:17
Qualidade é o básico, né? A gente sempre fala, sempre é um
3:21
lado ruim. Qualquer recomendação ou o
3:23
output ali do de qualquer modelo ou análise de dados vai ser ruim
3:27
também. A gente divide muito o nosso
3:29
trabalho aqui, olhando para a cozinha de casa, e o que a gente
3:32
chama aqui de é atendimento ao negócio.
3:34
Ali é o nosso trabalho mais sexy, né?
3:36
Que é o que gera realmente valor.
3:38
Então, na cozinha de casa, a gente tem trabalhado muito para
3:41
estruturar esses dados, né? Garantir que a gente tenha
3:44
tontes, confiáveis, automatizadas.
3:46
Então, quando a gente entrega 11 fluxo de dados para o negócio, a
3:50
gente quer que seja assertivo, que não tenha.
3:52
Tenha é grandes gaps de qualidade, que ele seja
3:55
automático. Ou seja, o usuário não precisa
3:57
fazer alguma intervenção manual para obter aquele dado.
4:00
E a gente sempre busca ter clareza de papéis ali como
4:03
negócio, né? Então, putz, tem um dado que não
4:06
é a área de ti que vai ser dona, né?
4:08
É um dado que a gente só tem que disponibilizar.
4:11
Então a gente acerta muito, muita clareza nesses papéis
4:13
quando o dado é de responsabilidade do negócio,
4:16
para que a gente crie uma governança que sustente, né?
4:19
Uma qualidade adequada para a gente conseguir rodar.
4:22
Que é camada de de inteligência em cima dessas informações.
4:25
E aí falando da parte, né? De de atendimento mesmo ao às
4:30
necessidades do negócio em cima da cozinha de casa.
4:32
Acho que a gente teve uma jornada muito grande e começamos
4:37
num ponto de partida que não era.
4:39
Tão estruturado, mas a gente teve alguns Marcos bem claros
4:43
assim ao longo desses últimos 5 anos.
4:45
Então, no início, o nosso foco, depois de ter disponibilizado os
4:48
dados e ter arrumado um pouquinho a qualidade, né, do
4:51
que a gente tinha como base, o nosso foco era muito em cima de
4:54
relatórios descritivos. Isso, claro, é muito importante,
4:57
né, para ter uma linguagem única de performance e disciplinar
5:01
organização a confiar numa fonte única de verdade por tomar
5:05
decisão, né? Então o time de vendas quer
5:07
saber sobre o dado de. Receita quanto que está o
5:10
volume, né? Em algum lugar, então a gente
5:12
tem que ter 11 lugar que permita tomar decisão em cima daquele
5:15
número e aquele número vai ser consumido por todas as áreas de
5:18
negócio. Então a gente trabalhou muito
5:19
para fazer isso, mas quando a gente começou a trabalhar no
5:23
formato mais self service, aí que veio o grande Salto assim,
5:27
né? Então a gente passou num formato
5:29
onde nós desenvolvíamos os relatórios dos dashboards, essas
5:33
análises mais descritivas para empoderar o negócio para fazer
5:37
isso por eles mesmos, né? Então a gente.
5:39
A gente desenvolve os fluxos de dados, disponibiliza isso e o
5:43
próprio time de negócio que é responsável por criar esses
5:46
relatórios e essa é camada aí de dashboard que vai dar essas
5:50
informações para eles tomarem decisões no dia a dia.
5:52
Então a gente passou a olhar é a partir desse momento é não mais
5:56
para projetos e dashboards isolados.
5:59
E conseguiu, né? Ter espaço aqui para aí sim
6:02
olhar para produtos de dados e produtos de inteligência
6:05
artificial. E acho que aí sim que veio, né?
6:08
Um campo de. Oportunidades.
6:09
Então, quando a gente começa a olhar para AEAE toda, toda a
6:12
nossa operação aqui tem muito espaço, né?
6:15
Desde a cadeia logística até as áreas de suporte.
6:18
Como a gente gera dados todo dia, né?
6:21
E por meio de vários sistemas e várias interações com diversas
6:25
áreas. Para a gente conseguir
6:26
recomendar, prever e recomendar ações com base nesses dados, né?
6:30
E acho que hoje a gente está numa maturidade bem bacana,
6:34
assim que a gente começou, explorando não só áreas tão
6:37
óbvias, né, como vendas e marketing, que geralmente é onde
6:40
a gente vê um grande peso, né, de IA sendo aplicada, mas também
6:44
para áreas como RH, né, e jurídico, que são áreas que
6:47
temos também muitas informações, né?
6:50
Tomamos decisões diariamente, decisões de alto impacto para o
6:53
negócio, principalmente no que tem de pessoas que é.
6:55
Mutação? E a gente conseguiu aí
6:57
desbloquear um valor bacana para essas áreas também.
7:00
Pro meio-dia tem tem sido assim nossa jornada.
7:02
Legal, eu fico te ouvindo. Eu não sou da área técnica, né?
7:05
Eu acho que os ouvintes sabem assim.
7:07
Eu sou da área de comunicação e fico tentando entender assim as
7:10
questões do negócio mesmo e da parte técnica.
7:13
E uma coisa que eu sei, né, pelas nossas discussões, é que
7:16
AEA ela. Começa a democratizar, né?
7:19
Uma coisa que vocês tecnicamente já estamos fazendo há muito
7:22
tempo e numa empresa tipo o grupo Heineken, que é gigante,
7:27
que tem uma capilaridade gigantesca, eu queria entender
7:30
como é que foi esse processo de sair dessa, dessa solução que
7:34
vocês fazem ao fim, a fim para prover um ambiente onde eles
7:38
começam a utilizar. Assim, com com relação aos temas
7:41
de governança, você pode contar um pouquinho também.
7:44
Foi um foi um desafio, né, porque a partir do momento que
7:47
todo. Todo mundo sabe desenvolver um
7:49
dashboard, todo mundo tem acesso fácil à informação e quer
7:52
começar a desenvolver, quer começar a experimentar, né?
7:55
Mexer com dados. A gente começa a tropeçar aí em
7:58
pontos de gestão de custo, garantir que aquela informação
8:02
que a pessoa está trabalhando ali, né, no seu modelo, ali
8:05
dentro do seu parquinho, né, que a gente brinca aqui, que é Oo
8:08
ambiente controlado ali que o usuário do negócio pode usar,
8:11
seja confiável. Então aplique as regras de
8:14
negócio que a gente tem homologadas aqui, né, no nosso
8:17
ambiente, então. Então foi necessário, você tá
8:19
algumas diretrizes, né? E a gente evangelizar muito o
8:23
negócio para entender que não é que a gente quer tirar a
8:26
autonomia, né? Mas a gente precisa garantir que
8:29
eles tenham autonomia dentro desse cercadinho, né?
8:32
Então dentro dessa desse conjunto de regras e boas
8:34
práticas que a gente disponibiliza para eles.
8:37
Então não é que a gente quer bloquear, né?
8:40
Oo que o time de negócio pode fazer, mas sim garantir que a
8:43
gente tenha um ambiente organizado com os sistemas que
8:46
sejam homologados, né? Né?
8:47
A gente tem muita ferramenta gratuita hoje no na internet,
8:51
então começa a ficar um ambiente mais perigoso, né, de vazamento
8:55
de dados. Então a gente precisa garantir
8:57
essa disseminação da informação, do porquê que a gente está
9:00
fazendo, né? EEE, citando governanças para
9:03
que as pessoas consigam ser EMBAIXADORAS dessa nossa
9:06
governança também, né, que elas realmente comprem a ideia com a
9:09
gente. Então é, acho que é uma
9:11
dificuldade, né, porque todo mundo quer testar coisas, todo
9:14
mundo quer melhorar o seu dia a dia é, a gente não consegue, né?
9:17
Entender sempre na velocidade que todo mundo espera, né?
9:21
Acho que toda área de TI passa por isso.
9:23
É 1 o volume crescente de demandas e necessidades que a
9:26
gente tem aí para atender o negócio, principalmente agora
9:29
com OIA, mas que a gente precisa que eles comprem a nossa ideia
9:33
para que a gente evite retrabalhos e fique mais lento
9:35
ainda, né? Então acho que é é um ponto que
9:38
a governança vem para ser o nosso aliado, para a gente
9:40
conseguir gerar mais valor e gerar valor mais rápido, né?
9:43
E quando o negócio entende isso aí, eu acho que a gente começa a
9:46
andar junto. Danilo também.
9:47
Queria entender um pouquinho assim que igual você citou, tem
9:52
áreas que já são mais afeitas a dados, né?
9:55
Que já se direcionam claramente pelos dados e tem áreas que
9:59
estão começando talvez a usufruir desse desse processo de
10:02
tomar decisões embasadas e. Em dados agora, essa foi uma
10:05
sensação que você teve mais recente, assim, de outras áreas?
10:09
Tentando se orientar com os dados a partir do momento que,
10:13
né? Vocês fizeram essa estruturação
10:14
EE, deixaram os dados disponíveis para todas as áreas,
10:18
eu acho. Que a nossa capilaridade assim,
10:21
né? De de chegar em mais áreas e ver
10:23
o movimento de de mais áreas de negócios querendo ter essa
10:27
proficiência em dados, né? Digamos assim, ela aconteceu.
10:31
De forma mais orgânica, pelas estratégias que a gente passou
10:34
aqui no começo, né? Da nossa jornada de dados, que
10:37
foi não querer evangelizar o negócio com o conceito abstrato
10:41
ou querer construir pilotos. Que não resolvam problemas reais
10:46
que vão mover o ponteiro da do negócio, sabe?
10:48
Então acho que é é muito mais a gente se preocupar em estar
10:51
próximo do dia a dia das áreas de negócio e resolver esses
10:55
problemas certos. Claro, os problemas que
10:56
realmente vão gerar o impacto e cocriar com eles, né?
11:00
Com quem está na ponta ali, focando sempre nessa gestão de
11:02
mudança, que no fim do dia, se a gente gera ferramenta ali, mas
11:06
não tem essa cultura, essa adoção, ela vira custo, né?
11:09
Então, no fim do dia, não é isso que a gente quer, a gente quer
11:12
realmente. A usabilidade e a adoção das
11:15
nossas ferramentas. Então, a nossa agenda de gestão
11:18
e de mudança organizacional, ela anda muito próximo com a nossa
11:22
agenda de dados, né? Então é tão importante quanto a
11:25
tecnologia em si. Quando a gente buscou fazer isso
11:28
desde o começo, a gente combinou.
11:30
É o desenvolvimento de pilotos com áreas justamente que não
11:34
tinha 11 proficiência tão grande em dados, né?
11:37
Como o próprio time de RH, que é um é um, é uma área aqui.
11:40
É muito mais voltada para cuidado de pessoas do que para
11:43
cuidar de dados, né? É o contrário de vendas, por
11:46
exemplo, que já é uma área mais analítica, que já tem uma
11:48
aptidão maior a números, né? Que é cobrada por números todos
11:52
os dias. Então, estrategicamente fazer
11:54
esse Balanço de não olhar só para áreas mais analíticas e
11:57
maduras por si só, EE focar também nessas áreas, como RH e
12:01
finanças e jurídico, ajudam muito a gente a mover o ponteiro
12:05
em temas que antes a gente não conseguia tangibilizar.
12:09
Uso de dados ali, né? Então isso ajudou muito ao
12:12
engajamento. Seu orgânico, né?
12:14
Essas áreas começaram a querer fazer parte e ter produtos de ar
12:18
no seu dia a dia, porque viram que aquilo realmente gera valor.
12:21
Ajuda a bater metas, né? Então aquilo facilita o dia
12:25
deles ali como equipes, né? Em si, no dia a dia.
12:28
Ah, nesse sentido, eu achei bem legal o case do do departamento
12:33
jurídico mesmo. Você podia contar um pouquinho
12:35
para os nossos ouvintes, né? Porque.
12:37
Realmente, quando a gente olha assim jurídico está usufruindo
12:41
de dados a ponto de gerar resultado, né?
12:43
Na veia do negócio. É bem legal trazer essa
12:47
experiência. Você pode contar pra gente?
12:49
Então é com o último jurídico a gente tem.
12:52
É uma série de de iniciativas aqui, né?
12:55
E a mais recente que a gente fez com eles foi o produto de
12:58
jurimetria. Então, em resumo, a gente
13:01
conecta dados que a gente tem de mercado mesmo, de bases
13:04
externas, né? Sobre processos e todas.
13:07
Causas trabalhistas, civis, enfim, para a gente conseguir
13:11
olhar para o nosso time interno, né, para as nossas causas mesmo,
13:14
e conseguir recomendar ações para prevenir que a gente tenha
13:18
um novos processos e causas novas relacionadas aos mesmos
13:22
temas e inclusive, né, a gente conseguir enriquecer.
13:26
Né? Causas trabalhistas e processos
13:28
trabalhistas com é materiais internos que a gente tem aqui,
13:32
do nosso, do nosso time, né? Então, por exemplo, a faz
13:35
sentido eu seguir com alguma causa, ou eu devo recomendar um
13:38
acordo ou eu devo ir para algum outro caminho na defesa.
13:43
Então a gente consegue apoiar o time jurídico na tomada de
13:46
decisão que impacta diretamente, né?
13:48
Provisões financeiras também e facilita esse trabalho do time
13:52
jurídico também com escritórios externos, que né, que a gente
13:56
vem. A trabalhar ali em alguma causa.
13:58
Então é o impacto direto, né? Que combina não só o uso de
14:02
dados e análise avançada, mas também e age gerativa para
14:06
apoiar o time na execução da sua atividade com mais eficiência,
14:10
né? Porque digamos que antes o time
14:12
conseguisse olhar com maior dedicação um número x de
14:15
processos, hoje a gente consegue olhar para um montante bem maior
14:18
e ser mais proativo de evitar, né?
14:21
Algumas causas e, inclusive, fazer análises que envolvam
14:24
outras áreas, né? Então, por exemplo, digamos.
14:26
Acho que a gente teve algum acidente, né, em alguma
14:29
localidade. Putz, como que a gente olha com
14:31
o time de segurança, o time de RH, pra gente fortalecer a
14:34
cultura da da segurança naquilo localidade, sabe?
14:38
É ou teve, né? Alguma outra causa que a gente
14:40
consiga acionar o time de saúde para atuar com a gente.
14:43
Então é acaba gerando uma cadeia de ações assim que.
14:47
Fortalecem ali, né? A ação dos times internamente,
14:50
por meio do uso ali de dados. Então foi um projeto bem bacana
14:53
aqui, que a gente entregou de forma contínua, né?
14:56
Produto vivo, na verdade, a gente vai incrementando com
14:59
funcionalidades ali dentro e a gente também.
15:01
Tem aí muita coisa pra vir nesse ano.
15:03
Então pode ser que nosso portfólio por time jurídico
15:06
acabe crescendo bastante. Claramente me parecem que exes
15:10
bem diferentes do que a gente costuma ouvir de dados no
15:13
sentido de que? Realmente eles ultrapassam AA
15:16
Barreira da execução. Ali eles acabam levando outras
15:19
áreas juntas, né? Igual você disse trazer gestão
15:22
das mudanças. E aí vocês também conseguem
15:24
fazer um letramento das áreas, né?
15:26
Em agir proativamente pra poder mitigar algumas possibilidades
15:31
de acontecimentos que geram é impacto no negócio, né?
15:35
Bem interessante. E um outro também, que eu achei
15:39
muito legal de ouvir é, é do NPS.
15:42
Eu especialmente, né? Sei que a gente de marketing
15:45
está sempre trabalhando com NPS, né?
15:47
Que a gente avalia ali como é que o nosso cliente está
15:50
recebendo, né? O serviço, o produto e et
15:53
cetera. Mas acaba que geralmente fica um
15:56
resultado, um indicador muito contido na área de comunicação e
16:00
marketing. E no case de vocês, vocês
16:02
conseguem perpassar assim em várias áreas, né?
16:06
Vocês vão lá Na Na questão logística, né?
16:09
Impactando em ruptura. E também eu queria que você
16:11
contasse um pouquinho como é que foi esse desafio também, de
16:14
envolver tantas áreas numa análise da ponta ali, né?
16:17
Você parte da análise do cliente e consegue levar para dentro de
16:20
casa e mexer em tantos negócios. O case g.
16:23
NPS é um exemplo muito didático, assim de como a gente consegue
16:28
transformar o que é visto, talvez mais como uma pessoa.
16:31
Pesquisa, né? Num produto de dados com um
16:33
ciclo de valor assim. Então na prática, ONPS como
16:37
produto, né? Ele ele acaba olhando para toda
16:40
a jornada. Então, desde que a gente tenha
16:41
essa captura do contínuo ali, né, do feedback do cliente, até
16:45
integração com essas outras Fontes de dados aqui
16:48
operacionais que a gente tem, como de logística, entrega,
16:51
prazo de entrega, né? O atendimento para oferecer essa
16:54
visão mais completa da experiência, do sentimento do
16:58
cliente para o para o nosso time de vendas e identificar ali com
17:01
essa. São esses principais fatores que
17:03
influenciam AA satisfação e os pontos de atrito na jornada
17:07
mesmo para orquestrar ações para fechar o loop, né?
17:10
Com o cliente. Então, digamos que a gente tinha
17:12
lá algumas reclamações ou ou feedback de tipo, Ah, eu agendei
17:17
uma entrega para 1 dia, né? Não recebi ou então questões de
17:21
tipo, não tinha produto quando eu quis comprar, então a gente
17:24
consegue perceber. Alguns pontos pequenos ali que
17:28
talvez num mar de feedback, né? Num mar de pesquisas, a gente
17:32
manualmente nem conseguiria pegar para conseguir endereçar e
17:36
investigar ali com áreas de negócio específica, seja de
17:39
logística, seja com o time de vendas, que né, tenha que
17:43
colocar ali um pedido proativamente ou time de
17:46
produção para ver como que está ali a demanda e a e a
17:49
capacidade, né? De atender alguma região, algum
17:52
centro de distribuição. Então a gente consegue amarrar
17:55
essas, essas respostas e esses insights que a gente recebe em
17:59
algumas pesquisas para gerar ações ali junto com o time da
18:02
área responsável, né? Então a gente teve que criar
18:04
aqui e aí volta na no ponto que eu falei, né?
18:07
Da gestão de mudança ser tão importante quanto a gestão
18:10
tecnológica ali, né? Que a gente teve que criar um
18:12
comitê praticamente, né, interdisciplinar ali dentro da
18:16
da rotina ali do time de vendas, para que a gente conseguisse
18:19
endereçar essas ações, né? E tivesse, de fato, efetividade
18:23
ali depois de. Olhar o insight que vem da
18:25
pesquisa, então acho que esse case assim foi, foi muito
18:28
bacana, né? E muda muito a relação entre
18:31
analytics ali, as áreas de negócio, né?
18:34
Que ao invés de entregar um relatório de um feedback
18:37
estático, né, o time começa a olhar aí para um backlog de
18:40
evoluções do nosso rps, né? Então tem.
18:43
Tem novas correlações, novos cortes ali da pesquisa.
18:47
Que vão permitir novas ações para a gente melhorar o nosso, o
18:51
nosso atendimento, a nossa operação e colocar, né?
18:54
De fato, o cliente no centro, que é pra gente o mais
18:57
importante. No fim, começar a transformar
18:59
esses detratores, né? Que a gente tenha em promotores
19:02
e traduzir isso em crescimento de receita.
19:05
Então, esse case ele foi bem, bem.
19:07
Bacana é. Ele é bem impactante mesmo e bem
19:09
completo, né? Assim, uma visão bem holística
19:12
tanto da saída da produção até a experiência final ali do
19:15
consumidor, né? E olhando para o futuro da.
19:17
Anne, acho que vocês já estão construindo, né?
19:20
Soluções bem legais e importantes para o negócio.
19:23
Mas eu imagino que também o céu é o limite, né?
19:27
Você podia contar um pouquinho pra gente assim em termos de
19:29
desafios que você vislumbram, né?
19:32
Tanto tecnicamente mesmo é em soluções técnicas para amparar,
19:36
né? Tamanhas áreas assim, tantas
19:39
áreas envolvidas quanto o que que vocês vislumbram aí para os
19:43
para os cenários de dados nos próximos tempos?
19:46
Eu diria que os. Os nossos próximos desafios,
19:49
assim, são muito menos em provar que dados geram valor e muito
19:54
mais em escalar isso com segurança, com governança e
19:57
automação, né? Porque eu acho que temos
19:59
recomendações, temos em sites, mas como que a gente aumenta o
20:03
nível de automação dessa, dessa inteligência artificial na
20:07
decisão do dia a dia, né, sem ser um risco para a companhia?
20:10
Então a gente já tem aí algumas, algumas automações de de
20:14
decisões por meio de inteligência artificial para
20:17
hoje. São coisas mais simples da gente
20:20
tomar ação, né? Uma distribuição, né?
20:22
Mover um produto de um CDA para outro, então a gente consegue
20:26
automatizar algumas decisões com mais segurança, mas algumas
20:29
outras a gente ainda, né? Precisa ali de um humano tomando
20:33
uma decisão, né, garantindo que a gente não vai errar em alguns
20:37
casos excepcionais e decisões mais estratégicas.
20:40
Então, para que a gente chegue nesse ponto, né, de ter decisões
20:43
automatizadas, é isso exige modelos muito mais robustos.
20:48
Né? Um monitoramento muito contínuo
20:49
e uma governança forte de de risco assim.
20:52
Então, todo o trabalho de governança, qualidade,
20:54
arquitetura de dados, ele continua sendo muito essencial.
20:57
E o outro eixo assim de desafios, que eu acho que a
21:00
gente tem aí para o futuro, é expandir o uso de ag nerativa e
21:04
agentes de a que a gente tem muita oportunidade, não só.
21:08
Nas áreas comerciais, mas nessas áreas de suporte que eu comentei
21:11
e olhando mais para frente, tem uma agenda de dados que converse
21:14
diretamente com os nossos compromissos de
21:16
sustentabilidade, eficiência energética e responsabilidade
21:20
social. Assim, acho que usar dados não
21:22
só para vender melhor e se manter competitivo no mercado,
21:25
mas para operar de forma mais responsável.
21:27
Como como grupo assim, né? Como companhia para a sociedade,
21:30
assim que acho que é o é 11 tema que eu pessoalmente sou muito
21:34
entusiasta, né? Então, usar dados em prol de de
21:37
um bem maior, não. Só do resultado da companhia
21:39
assim, que eu acho que também vai muito em linha com os
21:42
valores da Heineken, né? Sem dúvida.
21:45
E a gente está chegando aqui no final, Dani.
21:47
E a gente costuma pedir uma recomendação de um conteúdo que
21:50
você acha que vale a pena divulgar para os nossos
21:53
ouvintes, seja especificamente da sua área de atuação ou não, é
21:56
uma troca mesmo de conteúdo. É, eu recomendaria um livro que
22:00
para mim foi muito bom, me ajudou muito no na minha
22:03
carreira assim. E sempre consulto, né?
22:06
Acho que não. Foi um livro que eu li e deixei
22:07
ali. Eu.
22:08
Uso como uma bibliozinha, que é o the Culture map, da Ellen
22:11
Mayer. É um livro que fala muito sobre
22:13
as diferenças, é e contextos culturais, né?
22:16
Quando a gente começa a trabalhar com pessoas e times de
22:19
outros países, né, que vem de outros contextos historicamente
22:23
culturais que a gente, né, aqui do Brasil.
22:25
E como a Heineken é uma empresa muito.
22:28
Globalizada, né? E a área de tecnologia está
22:30
sempre em contato com esse ambiente mais global.
22:33
Acho que ajuda muito, né? Então a gente se preparar para
22:36
trabalhar com esses times e a gente entender também como as
22:39
decisões são tomadas, como que a gente articula, influencia e né,
22:43
e cria a nossa rede ali, né? De networking dentro de
22:47
contextos tão diferentes e culturas tão, tão diversas.
22:50
Então foi um livro que para mim foi muito importante e enfim, eu
22:54
eu leria mais diversas vezes na minha vida.
22:57
Recomendo aí para todo. Do mundo que que tem ambição de
23:00
trabalhar em times globais ou que trabalha, né?
23:02
Acho que ajuda bastante. Boa só pra eu adicionar uma
23:06
pergunta, já que você tocou nessa, nesse ponto do global,
23:09
como tá a interface do desenvolvimento de dados aqui no
23:12
Brasil em relação ao resto do mundo?
23:14
Você acha que a gente está no mesmo nível, está à frente?
23:17
Como que a gente, profissional de tecnologia, está colocando
23:20
AAEAEA predição dentro do nosso dia a dia de trabalho?
23:24
Eu acho que a gente está bem e acho que as empresas.
23:28
Em geral assim, né? Aqui No No mercado brasileiro já
23:31
estão bem aptas e com bastante iniciativas, né?
23:36
Para votar realmente lá No No nosso dia a dia e nos processos
23:40
mesmo de de decisão aqui das empresas.
23:43
Falando especificamente da Heineken, né, a gente tem
23:46
diversos mercados aqui onde a gente atua e no Brasil a gente é
23:50
reconhecido como um dos benchmarks aqui, né?
23:53
Então, principalmente dentro da região América, somos os
23:56
pioneiros e muitas dessas. Nessas frentes, né?
23:59
Acho que somos a operação que mais gerou valor aqui por meio
24:03
de a dentro da região Américas. Então acho que estamos sendo
24:07
pioneiros aqui no Brasil. Então tem sido bacana.
24:09
Que demais, Dani. E eu agradeço muito a sua
24:12
disponibilidade. Foi muito legal ouvir os cases,
24:15
né? Assim, imagino que vocês devem
24:17
se orgulhar bastante de trazer valor real, né?
24:21
Pro negócio? Num momento em que está, a gente
24:23
está experimentando e entendendo como agir, né?
24:26
Assim, com AEA especialmente, mas com predição e et cetera.
24:29
Obrigada pela sua presença e disponibilidade.
24:32
Boa, eu que agradeço. Obrigada Marcelo e time e espero
24:35
que daqui um tempo a gente possa voltar aqui, trazer muito mais
24:39
cases e novidades aqui do do grupo.
24:41
Né? E pra você, deixa a gente ciente
24:43
de tudo que acontecia aí. E aos nossos ouvintes, muito
24:47
obrigada pela companhia. Hoje não deixa de seguir os
24:51
agilistas na sua plataforma. Como eu prefiro de streaming e
24:54
compartilhar o que que vocês acham interessante com seus
24:57
amigos? Enfim, vamos espalhar a palavra
24:59
aí de bons cases da tecnologia. Obrigada.
25:02
Até mais.