INDÚSTRIA
“A GESTÃO DA CADEIA DE VALOR É FATOR CRUCIAL PARA A GESTÃO DE ORGANIZAÇÕES INDUSTRIAIS”
De acordo com pesquisa nacional realizada pela Confederação Nacional da Indústria (CNI), 43% das indústrias não identificam quais técnicas de analytics podem ser utilizadas para gerar informações e alavancar a competitividade do setor.
A aplicação de modelos de Data Science é de fundamental importância para a elaboração de previsões de demanda, alocação de recursos, roteirização, programação, gerenciamento de estoques, controle estatístico de processos, logística, operações, gestão de equipes de sell out, aprimoramento de processos em procurement e gerenciamento das interfaces na cadeia de valor. Modelos preditivos e de diagnóstico representam um enorme diferencial competitivo.
CONSTRUÇÃO E CAPTAÇÃO
-
Estruturação de bancos de dados obtidos por meio de diferentes fontes internas ou externas à organização, com chaveamento de observações e variáveis e a partir da definição da granularidade desejada,
-
Desenvolvimento de questionários estruturados para levantamento de dados de clientes e fornecedores para a avaliação da qualidade dos serviços prestados (por exemplo, prazos de entrega, roteirização, erros administrativos).
DIAGNÓSTICO
-
Análises preliminares das bases de dados para estudo de quais técnicas de modelagem e analytics podem ser utilizadas para, por exemplo, a determinação de cálculos de frete em modelos de entrega, a estipulação de alocação de recursos em modelos fabris ou a definição de equipes de sell out no gerenciamento da cadeia de valor,
-
Tratamento das bases de dados existentes para a identificação de possíveis outliers ou missing values, dimensão amostral e ajustes em dados para aplicação de técnicas de Data Science,
-
Estruturação e elaboração de POC´s.
DATA SCIENCE E ANALYTICS
-
Desenvolvimento de modelos robustos de analytics, big data, machine learning e deep learning para fins preditivos e/ou de otimização de recursos materiais, humanos e financeiros,
-
Utilização de toolboxes como Python, Java, R, Hadoop, Spark, SAS, Stata e SPSS para implementação de scripts e rotinas, estimação de modelos e obtenção de outputs propícios à tomada de decisão.
IMPLEMENTAÇÃO PARA TOMADA DE DECISÃO
-
Análise conjunta dos resultados junto à equipe gestora, relacionando os outputs encontrados aos objetivos da organização,
-
Treinamento das equipes no processo de alimentação dos bancos de dados para estimação das técnicas de Data Science no processo de tomada de decisão contínua. Em outras palavras, transferência total de conhecimento.
