[Nota do editor: esta é a segunda parte de uma série de três matérias apresentando a automação analítica e o papel que ela desempenha na transformação digital do supply chain].
Um bom motivo para iniciar a jornada através de um centro de excelência em automação analítica é assegurar o alinhamento da organização com outros investimentos em análises — em particular, ferramentas de business intelligence (BI) compatíveis com relatórios, painéis e KPIs, além da equipe de ciência de dados mencionada anteriormente.
Quando todos esses recursos estão alinhados e são gerenciados em uma unidade para oferecer resultados orientados por dados, os benefícios aumentam de forma rápida.
Por exemplo, enquanto a automação analítica permite acelerar as etapas do ciclo de vida da análise, ela não é a principal responsável por comunicar resultados. Isso é normalmente tarefa da equipe de BI, especializada na arte e na ciência da análise de dados visuais e na interpretação de insights em escala. A comunidade Tableau é um bom exemplo.
Para equipes de automação analítica, recursos de BI são complementares. Além de comunicar resultados e conclusões de casos de uso às partes interessadas, os colaboradores também precisam manter o controle do portfólio para informar o valor comercial aos executivos c-level. A disponibilidade do Auto Insights, anteriormente conhecido como Hyper Anna, facilita casos de uso como esse.
Unir a experiência em automação analítica com a ciência de dados também apresenta vantagens.
Primeiramente, é possível filtrar pedidos de casos de uso relacionados à ciência de dados, que podem ser executados com mais eficiência por meio de uma abordagem de baixo ou sem código. Com as funcionalidades do Designer Cloud e do Alteryx Machine Learning (também baseado na nuvem), isso ficou mais fácil do que nunca. Se a equipe de cientistas de dados não entender as oportunidades oferecidas pela automação analítica, ela será incapaz de descobrir soluções inovadoras para aproveitar o tempo em outros projetos.
Quando tradutores analíticos influenciam a organização em prol da equipe de data science, eles podem agir como intermediários para alinhar o método ideal com casos de uso adequados.
Em segundo lugar, compreender as capacidades da automação analítica destaca o potencial de acelerar os próprios trabalhos de ciência de dados com códigos personalizados. A execução de atividades baseadas em dados ainda consome muito tempo do processo de data science. No entanto, o uso de ferramentas de baixo e sem código permite acelerar as etapas para profissionais com diferentes habilidades e qualificações. A Trifacta, a nova solução em nuvem que agora integra o Alteryx Analytics Cloud, é capaz de impulsionar o processo ao agilizar e simplificar a migração de um data warehouse para a nuvem.
O mesmo vale para modelos preditivos e de machine learning, os quais se beneficiam da rapidez de protótipos nos estágios iniciais, quando surgem as hipóteses e em seguida, na avaliação dos resultados e possíveis ajustes necessários.
Confira o primeiro post desta série em três partes: Práticas de adoção e valor de negócio dos melhores clientes de supply chain da Alteryx.