Análise operacional

O que é análise operacional?

A análise operacional usa dados em tempo real de sistemas operacionais para informar a ação mais imediata e apropriada para qualquer situação comercial. Os dados usados para a análise operacional geralmente vêm de sistemas de negócios, como POS (ponto de venda), ERP (planejamento de recursos empresariais), IoT (internet das coisas) e sistemas de CRM (gerenciamento de relacionamento com o cliente).

A análise operacional é diferente da análise de business intelligence, que usa informações históricas e algoritmos complexos para produzir relatórios periódicos para a tomada de decisões estratégicas. Em vez disso, a análise operacional disponibiliza insights aos usuários corporativos em tempo real para que eles possam usá-los para tomar decisões mais rapidamente e agir imediatamente para obter o impacto mais significativo.

Devido ao seu foco no imediatismo, a análise operacional pode ajudar a aprimorar qualquer processo em que as informações chegam rapidamente e os dados mudam com rapidez. Esses processos incluem suporte ao cliente, merchandising de varejo, manufatura industrial, desenvolvimento ágil e muitos outros.

Esta página abordará o assunto:

• Por que a análise operacional é importante?
• Casos de uso para análise operacional
• Benefícios da análise operacional
• Desafios da análise operacional
• Couchbase Capella para análise operacional
• A vantagem do Couchbase Capella

Por que a análise operacional é importante?

A análise operacional foi projetada para ajudar as organizações a tomar decisões mais rápidas usando a consciência situacional. Ela permite que os funcionários usem os dados dos sistemas empresariais para responder de forma mais eficaz aos eventos em tempo real.

Por exemplo, em um call center de serviços, um agente de suporte pode decidir melhor como lidar com uma consulta de um cliente se souber os dados demográficos, o status da conta, os casos de suporte anteriores, as compras anteriores e a localização geográfica do cliente. Essas informações, acessadas durante uma interação ao vivo, podem informar o agente sobre a trajetória ideal de resposta. O cliente é titular de uma conta de nível ouro? Então ele terá tratamento preferencial na fila. Ele já se envolveu com o problema por meio de outros canais? Então, é mais provável que ele esteja insatisfeito e, por isso, é melhor escalar o caso de forma proativa. Ao minimizar o tempo até o insight, a análise operacional ajuda a organização a tomar as medidas corretas rapidamente e reduz os problemas causados pela falta de informações.

Em muitos casos, a análise preditiva é usada para aprimorar a análise operacional, prevendo resultados prováveis com base nos dados. Por exemplo, no cenário da central de atendimento, um algoritmo preditivo poderia avaliar a probabilidade de o autor da chamada comprar um upgrade com base no status da conta, na idade, no histórico de compras e na localização. O algoritmo também poderia recomendar uma oferta para o agente fazer em tempo real.

Casos de uso para análise operacional

A análise operacional pode ser aplicada a praticamente qualquer processo comercial complexo ou dinâmico orientado por dados. Os casos de uso comuns incluem:

• Suporte ao cliente
• Risco e detecção de fraudes
• Venda cruzada/upsell no ponto de venda de varejo
• Manutenção preditiva
• Otimização de campanhas de marketing
• Gerenciamento da cadeia de suprimentos
• Otimização do chão de fábrica
• Gerenciamento de frotas
• Atendimento a pacientes hospitalares

Benefícios da análise operacional

A capacidade de usar informações operacionais relevantes em tempo real pode beneficiar a empresa de várias maneiras.

Maior envolvimento do cliente
Com base na premissa de que os clientes respondem positivamente a um serviço altamente personalizado, muitas organizações aplicam a análise operacional aos processos voltados para o cliente que orientam os funcionários nas etapas de engajamento. Fazer ofertas e recomendações com base no perfil de um cliente específico facilita o upsell desse cliente e cria fidelidade. Ao analisar dados operacionais em tempo real, uma organização também pode detectar problemas que causam insatisfação do cliente e tomar medidas corretivas antes que os clientes sejam afetados.

Processos de negócios aprimorados
Ao monitorar e analisar o estado dos sistemas críticos de negócios à medida que eles operam, a organização pode detectar e corrigir problemas antes que eles se tornem problemáticos. Por exemplo, uma organização pode resolver problemas de manutenção em uma linha de montagem de alta velocidade antes que eles levem à falha do equipamento e a um dispendioso tempo de inatividade.

Aumento da produtividade
O uso de dados em tempo real como parte de um processo operacional pode eliminar a necessidade de coletar essas informações manualmente. E, ao obter insights oportunos sobre possíveis problemas, uma organização pode atenuar os problemas de forma proativa, manter os processos funcionando sem problemas e maximizar o tempo de atividade.

Tempo de ação mais rápido
Devido ao seu foco em fornecer informações no momento, a análise operacional proporciona uma conscientização situacional vital que permite que uma organização tome a ação mais benéfica imediatamente. Em comparação, a análise histórica tradicional é menos impactante porque adia a ação para um momento futuro.

Desafios da análise operacional

A jornada para uma análise operacional bem-sucedida pode ser complicada porque o acesso a dados de vários sistemas de negócios para análise em tempo real apresenta desafios significativos.

Análise de dados sem afetar as cargas de trabalho operacionais
A análise operacional requer dados de sistemas que são essenciais para manter a empresa funcionando. Por exemplo, você precisa que seu sistema de PDV processe as transações com rapidez e precisão. Porém, se também estiver executando algoritmos analíticos com base nos dados de cada transação, é provável que sobrecarregue o sistema, tornando-o mais lento e com risco de problemas ou falhas. Você precisa de uma maneira de analisar os dados operacionais sem afetar o desempenho dos sistemas que os produzem e utilizam.

Acesso em tempo real a dados operacionais
Para consolidar várias fontes de dados e minimizar o impacto sobre as cargas de trabalho operacionais, muitas organizações usam processos de ETL (extração, transformação e carregamento) que movem os dados para um data warehouse, onde são analisados. Embora essa técnica possa ser útil para isolar cargas de trabalho analíticas e reduzir o impacto sobre os sistemas operacionais, ela atrasa significativamente o tempo de obtenção de insights. As rotinas de ETL devem ser desenvolvidas cuidadosamente para manter a qualidade dos dados durante a transferência, e podem levar dias ou até semanas para serem concluídas. O que é necessário é uma maneira de analisar os dados operacionais no local, sem os atrasos de transferi-los para outro sistema.

Transformando insights em ações
Embora a análise geralmente seja excelente para esclarecer o que já aconteceu, um grande objetivo da análise operacional é recomendar o que fazer em seguida. Adicionar recursos preditivos à carga de trabalho da análise geralmente requer a integração de outra tecnologia. No entanto, tecnologias adicionais tornam o ambiente mais complexo e propenso a atrasos. O que é necessário é uma maneira de incorporar previsões e recomendações à análise sem complicar a pilha de tecnologia.

Couchbase Capella para análise operacional

Couchbase Capella é um DBaaS (Database-as-a-Service) de documento NoSQL distribuído e nativo da nuvem que combina vários modelos de banco de dados em uma única tecnologia. Os recursos incluem:

• Processamento de dados de valor-chave na memória para uma capacidade de resposta hiper-rápida
• Armazenamento distribuído de dados de documentos JSON para flexibilidade e resiliência
• Suporte a dispositivos móveis e IoT
• Suporte a consultas SQL
• Pesquisa de texto completo
• Eventos

Um dos recursos mais exclusivos do Couchbase Capella é seu serviço de análise integrado.

Couchbase Analytics - Isolamento de cargas de trabalho operacionais e analíticas sem movimentação de dados

Análise do Couchbase é um recurso de gerenciamento de dados paralelos para o Couchbase Capella que usa uma arquitetura de processamento massivamente paralelo (MPP) para fornecer percepções na velocidade das transações. O Couchbase Analytics é mais adequado para executar consultas grandes e complexas que envolvem agregações de dados em grandes quantidades de dados.

O Analytics Service cria automaticamente uma cópia de sombra dos dados operacionais armazenados no Couchbase Capella, isolando-os especificamente para análise. O Couchbase Analytics também pode obter dados do AWS S3 e do Azure Blob Storage. Como os dados do Analytics Service são inerente e automaticamente vinculados aos dados operacionais, as alterações nos dados operacionais são refletidas nos dados analíticos em tempo real. E como a cópia de sombra dos dados é isolada, você pode consultar os dados do Analytics Service sem afetar as cargas de trabalho operacionais.

Leia mais sobre o Couchbase Capella Analytics neste blog.

O Couchbase Analytics também oferece suporte a funções definidas pelo usuário (UDFs), que permitem que você aproveite os algoritmos de aprendizado de máquina para obter insights poderosos dos dados. Com as UDFs, os modelos de ML treinados são chamados como funções em consultas analíticas que podem avaliar os dados operacionais e retornar previsões que são adicionadas ao resultado.

Leia mais sobre os UDFs do Couchbase Analytics para análise preditiva aqui.

Benefícios do Couchbase Capella para análise operacional

Isolamento da carga de trabalho
A latência e o rendimento da consulta operacional são protegidos contra lentidões causadas pela carga de trabalho da consulta analítica. O Capella consegue isso sem a complexidade de operar um banco de dados analítico separado.

Os dados estão sempre atualizados e não é necessário ETL
O Couchbase Analytics usa DCP (protocolo de alteração de banco de dados), um protocolo rápido de memória para memória que os nós do Couchbase Capella usam para sincronizar dados. Como resultado, o Couchbase Analytics é executado em dados extremamente atuais sem ETL.

Modelo de dados comum
O Couchbase Analytics oferece suporte nativo ao mesmo modelo de dados de documento de esquema flexível rico usado para seus dados operacionais no Capella. Você não precisa forçar seus dados a um modelo relacional plano e predefinido para analisá-los.

A vantagem do Couchbase Capella

Com o Couchbase Capella e o Analytics Service, sua organização pode ter o melhor dos dois mundos: uma plataforma de dados operacionais dimensionável e resiliente e uma plataforma de análise rápida e avançada. O Capella combina ambos em um único sistema que consome menos infraestrutura e precisa de menos cópias de dados, resultando em um menor custo total de propriedade.

• Veja como Domino's Pizza usa o Couchbase Analytics para análise operacional em tempo real para aprimorar o marketing do cliente.
• Saiba mais sobre o Couchbase Analytics neste folha de dados.
• Confira o Documentação do Couchbase Analytics.
• Experimente o Couchbase Capella gratuitamente.