Blog da Navita:

Leia nossos artigos e saiba mais sobre o universo da tecnologia, atualidades, curiosidades e muito mais. Ganhe dicas e conhecimento para você e para o seu negócio!

Veja nossos últimos posts

Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors

Conteúdo por categoria

Tecnologia 5G

5G: tudo o que você precisa saber sobre a tecnologia

O futuro depende da conectividade. De inteligência artificial (IA) e carros autônomos ao 5G e telemedicina, uma mistura de realidade com tecnologias ainda não sonhadas. E todas as tecnologias que esperamos que tornem nossas vidas mais fáceis, seguras e saudáveis ​​exigirão conexões de internet de alta velocidade sempre ativas. Para acompanhar a explosão de novos dispositivos e veículos conectados, sem mencionar o crescimento do streaming de vídeo, a indústria introduziu algo chamado 5G – que recebeu esse nome porque é a quinta geração de tecnologia de rede sem fio. Conheça, neste post, tudo sobre esta nova tecnologia. A evolução de 1G para 5G A primeira geração de redes sem fio móveis, construída no final dos anos 1970 e 1980, era analógica. A voz era transmitida por ondas de rádio não criptografadas e qualquer pessoa podia ouvir conversas usando componentes prontos para uso.  A segunda geração, construída na década de 1990, era digital – o que tornou possível criptografar chamadas, fazer uso mais eficiente do espectro sem fio e entregar transferências de dados no mesmo nível da Internet discada ou, posteriormente, dos primeiros serviços DSL.  A terceira geração deu às redes digitais um aumento de largura de banda e iniciou a revolução dos smartphones. As primeiras redes 3G foram construídas no início dos anos 2000, mas demoraram a se espalhar. É fácil esquecer que, quando o iPhone original foi lançado em 2007, ele nem mesmo suportava velocidades 3G, muito menos 4G. Na época, a finlandesa Nokia ainda era a maior fabricante de aparelhos do mundo, em grande parte graças à liderança da Europa na implantação e adoção de 2G. Enquanto isso, o Japão estava bem à frente dos EUA em cobertura 3G e uso de internet móvel. Mas não muito depois que os primeiros iPhones com capacidade 3G foram lançados, em 2008, a era dos aplicativos começou de verdade. A Apple lançou a App Store e os primeiros telefones usando o sistema operacional Android, do Google, começaram a ser vendidos.  Logo os smartphones, antes vistos como itens de luxo, passaram a ser considerados necessidades. À medida que a Apple e o Google popularizaram os gadgets, o Facebook deu às pessoas um motivo para ficarem grudadas em seus dispositivos.  Impulsionados pela Apple, Google e aplicativos como o Facebook, os Estados Unidos lideraram a mudança para 4G, levando a um enorme crescimento de empregos e inovação à medida que as operadoras expandiram e atualizaram suas redes. Entenda a tecnologia utilizada em uma rede móvel A verdadeira inteligência por trás dos smartphones é a rede móvel que os mantém conectados. Todas as redes móveis, independente da geração de tecnologia, usam os mesmos princípios básicos de funcionamento. As redes móveis consistem em três partes. Em primeiro lugar, temos a Rede de Acesso por Rádio, à qual o seu telefone se conecta. Suas antenas podem frequentemente ser vistas instaladas no topo de prédios. Depois, temos a Rede Principal – a parte central da rede móvel – que, por exemplo, conecta sua chamada à pessoa certa ou conecta você ao serviço de Internet que deseja usar. Por fim, temos a Rede de Transporte que conecta a Rede de Acesso Rádio e o Núcleo.  O que é a tecnologia 5G A promessa é que o 5G traga velocidades de cerca de 10 gigabits por segundo para o seu telefone. Isso é mais de 600 vezes mais rápido do que o 4G típico dos smartphones de hoje. Rápido o suficiente para baixar um filme de alta definição 4K em 25 segundos ou para fazer várias lives ao mesmo tempo.  No caso de smartphones, só é possível aproveitar essas velocidades com um aparelho “pronto para 5G”, ou seja, que já seja compatível com a nova tecnologia. Fabricantes como a Apple, Samsung, LG e Motorola, entre outras, já disponibilizam diversas opções. Como funciona o 5G? Os sistemas de comunicação sem fio usam frequências de rádio (também conhecidas como espectro) para transportar informações pelo ar. O 5G opera da mesma maneira, mas usa frequências de rádio mais altas, que são menos confusas. Isso permite carregar mais informações em um ritmo muito mais rápido. Essas bandas mais altas são chamadas de ‘ondas milimétricas’ (ondas mm).  Embora as bandas mais altas sejam mais rápidas no transporte de informações, pode haver problemas com o envio a grandes distâncias. O sinal é facilmente bloqueado por objetos físicos, como árvores e edifícios. Para contornar esse desafio, o 5G utilizará várias antenas para aumentar os sinais e a capacidade da rede sem fio. A tecnologia 5G também será capaz de ‘dividir’ uma rede física em várias redes virtuais. Isso significa que as operadoras serão capazes de fornecer a fatia certa de rede, dependendo de como ela é usada e, assim, fazer um melhor gerenciamento da banda.  Por exemplo, um operador será capaz de usar diferentes fatias dependendo da importância. Portanto, um único usuário transmitindo um vídeo usaria uma parte diferente para um negócio, enquanto dispositivos mais simples poderiam ser separados de aplicativos mais complexos e exigentes, como o controle de veículos autônomos. As tecnologias que constituem o 5G O 5G é baseado em OFDM (multiplexação por divisão de frequência ortogonal), um método de modulação de um sinal digital em vários canais diferentes que visam reduzir a interferência. O 5G usa uma interface ao lado dos princípios OFDM, como também utiliza tecnologias de largura de banda mais ampla, como sub-6 GHz e mmWave. Como o 4G LTE, o 5G OFDM opera com base nos mesmos princípios de rede móvel. No entanto, a nova interface 5G NR pode aprimorar ainda mais o OFDM para oferecer um grau maior de flexibilidade e escalabilidade. Isso poderia aumentar o fornecimento da tecnologia a pessoas para uma variedade de casos de uso diferentes. O 5G trará larguras de banda mais amplas, expandindo o uso de recursos de espectro, de sub-3 GHz usado em 4G a 100 GHz e além. Ele pode operar em ambas as bandas mais baixas (por exemplo, sub-6 GHz), bem como mmWave (por exemplo, 24 GHz e superior), o que

Saiba mais »
Tecnologia e seus resultados

KPIs de tecnologia: a forma de melhorar o resultado dos negócios

Olá, bem-vindo ao maravilhoso mundo digital onde tudo pode estar em nossas mãos em questão de segundos. É como em um filme de ficção científica, só que na vida real. Podemos processar milhões de dados em segundos, realizar tarefas automatizadas com eficiência e rapidez, gerenciar equipes trabalhando remotamente, entre outras possibilidades fantásticas, as quais precisam se monitoradas e avaliadas por KPIs. Os avanços tecnológicos revolucionaram o mundo mais rápido do que poderíamos controlar e, de repente, estamos diante de um oceano de novas oportunidades a serem desenvolvidas. Parece que estamos progredindo muito, porém isso é apenas o começo, então o melhor para você é se associar a uma empresa especializada em implantação de sistemas tecnológicos. Por quê? Pela simples razão de que em meio a tantas informações você pode se perder e não saber como capitalizar benefícios concretos em resultados de negócios.  É um momento muito desafiador para um CIO e o setor de Tecnologia da Informação de qualquer empresa, por isso acredite em nós quando dizemos que o conhecimento desta nova era econômica ainda está sendo construído. É por isso que hoje vamos falar sobre um daqueles conceitos incríveis criados para orientar o trabalho com base em estratégias digitais, os KPIs de tecnologia. Eles são o nosso mapa da mina, nossos aliados no monitoramento de todo um sistema de produção. Achou interessante? Continue lendo que hoje você aprenderá algo fundamental para o seu negócio. O que é um KPI O famoso KPI (Key Performance Indicators), ou Indicador Chave de Desempenho, em português, é uma métrica especial, que tem o dom de representar todo um sistema produtivo. É uma ferramenta conceitual fruto do gênio criativo do mercado e de seus agentes. Sua força é semelhante à do fulcro e da alavanca formulada por Arquimedes quando disse “me dê um fulcro e moverei o mundo”. Um KPI de tecnologia é um número muito simples de entender e que traduz automaticamente centenas de dados de um determinado processo. Se sobe, desce ou permanece estável, todos os casos significam algo relevante. Por isso são tão importantes no negócio, pois em qualquer ação ou estratégia temos sempre uma série de super-objetivos que se repetem: aumentar a eficiência e o atendimento ao cliente; dar mais qualidade ao serviço ou produto; reduzir despesas operacionais totais; aumentar a lucratividade da empresa; tudo isso com a máxima segurança.  E é aí que surge o nosso protagonista, o KPI de tecnologia, como forma de garantir que sempre sejam atingidos aqueles 5 elementos que garantem os resultados dos negócios de uma empresa. Como o próprio nome aponta, são indicadores diferenciados, que têm uma capacidade de transmitir informações associadas que outros indicadores não possuem. A lógica desse método é monitorar os sintomas para controlar todo o sistema.  Continue lendo! Como funcionam as KPIs de tecnologia Existem muitos conceitos relevantes para o mundo dos negócios que, embora sejam intangíveis, têm grande influência no resultado final de uma corrente de produção, por isso temos que criar um sistema de atribuições para poder quantificá-los. Tomemos, por exemplo, o conceito de Autoridade. Quando uma empresa ou pessoa tem autoridade em algo significa que seu conhecimento sobre o assunto está acima da média e que são referências nessa área. É um valor que não podemos definir quantitativamente, por isso o associamos a uma ação quantificável: o número de vezes que uma pessoa ou empresa é citada como referência. Portanto, podemos afirmar: quanto mais citada uma pessoa/empresa em determinada área, significa que ela tem mais Autoridade. Dessa forma, se uma estratégia de posicionamento for definida para que nossa empresa vire uma referência no mercado, a quantidade de vezes que ela for citada será uma métrica relevante. O KPI de Autoridade funcionará como eixo estruturador de todo o trabalho, pois tudo irá ser orientado para manter esse número alto. Interessante, não é? Vamos continuar para saber mais sobre esse tema! Diferença entre métricas e KPIs  Existe uma lei no mundo das métricas que é a seguinte: todos os KPIs são métricas, mas nem todas as métricas são KPIs. É um jogo de palavras interessante que temos que entender para ter sucesso nessa missão de escolher os melhores KPIs de tecnologia. Métricas: tudo o que é quantificável é uma métrica, desde o número de passos que você dá no momento em que entra na empresa e chega à sua mesa, até a quantidade de papel que foi comprado no ano passado. A diferença é que nem todas elas devem ser utilizadas, pois muitas oferecem apenas informações quantitativas que não geram nenhum tipo de análise relevante para o negócio, bem diferente da função dos KPIs.  KPI: é uma métrica de grande relevância para indicar o comportamento de um sistema complexo. O que significa que se fizermos esforços para aumentar ou diminuir essa métrica, podemos modificar todo o sistema. Eles não são métricas comuns, mas indicadores-chave. KPIs de tecnologia: inteligência e desempenho E, para finalizar esse tema, é preciso diferenciar inteligência e desempenho, embora saibamos bem que o CIO de uma empresa deve cuidar de ambos. Inteligência e desempenho são duas faces da mesma moeda, uma está ligada à outra. Por exemplo, um KPI de inteligência é o Cash Flow (fluxo de caixa) que nos informa da capacidade que temos para fazer frente às despesas e fazer investimentos. Um KPI de desempenho é o número de leads gerados pelo setor de marketing. A inteligência deve ser transformada em insight para ser usada concretamente para melhorar o desempenho. O Cash Flow vai mostrar quanto você pode investir para aumentar o desempenho do setor de Marketing. A importância dos KPIs de tecnologia e como ajustá-los durante a jornada  Para começar, é o que falamos anteriormente, os KPIs de tecnologia têm um alto poder de organização do trabalho e se encarregam de nos avisar quando temos que fazer ajustes na estratégia. É por meio deles que sabemos se um plano está sendo bem ou mal-executado. Portanto, a principal virtude dos KPIs de tecnologia é que eles nos permitem melhorar em movimento, a equipe

Saiba mais »
Tendências de tecnologia

Tendências de tecnologia: conheça 32 para seu negócio em 2021

Foram inúmeros os impactos que as empresas de todos os setores tiveram que lidar, de uma hora para outra, durante 2020. O isolamento social e o home office acabaram obrigando muitas corporações a acelerar as estratégias de transformação digital e surfar a onda das principais tendências de tecnologia. Isso sem contar com o início de vigência da LGPD, que acabou causando tantos outros desafios! O ano ‘virou’ e as coisas não parecem nem próximas de voltar à normalidade conhecida. Cabe aos líderes e equipes aceitarem que o mundo não será mais como antes, se aprofundarem nas tendências de tecnologia para 2021 e tomarem as próximas decisões com cautela e assertividade. Neste post, você encontrará as principais tendências de tecnologia que o mundo corporativo adotará este ano. Acompanhe! Principais tendências de tecnologia para 2021 Todos os anos, consultorias renomadas como o Gartner publicam materiais que nos mostram um resumo do ano anterior e de que forma a tecnologia apoiou amenizando os desafios. Com base na mais recente publicação do Gartner, Top Strategic Technologies Trends for 2021, montamos uma lista de tecnologias e tendências de tecnologia que podem ser usadas por você para identificar necessidades e próximos investimentos para o seu negócio. Internet of Behavior A chamada Internet de Comportamento é uma tendência de tecnologia que consiste na coleta de dados pessoais disponíveis digitalmente, em redes sociais, aplicativos de rastreamento, mensagens de texto e agora também dos dispositivos IoT espalhados pelas casas inteligentes. Grande parte destes dados já eram analisados como estratégia de entender e definir comportamentos e necessidades dos seres humanos, mas com a IoB eles vão ainda mais longe. Empresas que usam estes dados para fazerem análises podem conseguir informações que vão desde os hábitos das pessoas ao dirigirem seus carros até caminhos percorridos e padrões de consumo. A expansão de dispositivos em IoT exige que novos protocolos de segurança móvel sejam criados, e que as empresas se tornem cada dia mais vigilantes e proativas. Total Experience (TX) Sabem aquelas estratégias que nós já estamos até cansados de saber como são importantes para um negócio, como experiência do cliente, experiência do usuário e multiexperiência, entre outros? A Experiência Total é a integração de todas elas na busca de entregar uma jornada perfeita para todos, desde consumidores à funcionários. A Total Experience é uma tendência de tecnologia que não apenas oferece uma melhor experiência geral, mas também é uma ótima forma de diferenciar uma organização de seus concorrentes. O Gartner cita um exemplo inovador de uma empresa que implantou um sistema de agendamento por meio de um aplicativo, que envia uma mensagem aos clientes quando eles chegam a menos de 25 metros da loja. Esta notificação orienta durante o check-in e ainda mostra quanto tempo levará até que eles possam acessar a empresa mantendo o distanciamento social. Para aumentar a segurança dos funcionários, a empresa também implantou uma tecnologia que permitiu aos colaboradores navegar pelo hardware dos clientes sem a necessidade de tocar fisicamente no dispositivo. Operations Anywhere Operações em qualquer lugar é um modelo operacional de TI projetado para oferecer suporte, habilitar funcionários e gerenciar implantações a partir de quaisquer lugares graças à sua infraestrutura distribuída. Mas é claro que as coisas não são tão simples assim, não é mesmo? Para ser realmente eficiente, o modelo deve oferecer experiências únicas de valor agregado. O Gartner ainda diz que, para fornecer uma experiência digital escalável e contínua, é necessário investir em tendências de tecnologia, como a mudanças na infraestrutura de tecnologia, práticas de gerenciamento, políticas de segurança e governança e modelos de engajamento de funcionários e clientes. E todas estas mudanças exigem 5 blocos de construção, que vão desde investimentos em colaboração, até infraestrutura, automação para suportar operações remotas, quantificação da experiência digital e acesso remoto seguro. Já conhecia esta tendência de tecnologia? Hiperautomação A Hiperautomação é a combinação de tecnologias como Inteligência Artificial, Machine Learning, software orientado a eventos e RPA (Automação Robótica de Processos), entre outros, para tornar grande parte dos processos da empresa automáticos. No mercado atual, a busca pela excelência operacional é quase uma obrigação. E a presença da COVID-19 durante todo o ano de 2020 serviu como grande impulsionador para que inúmeras empresas optassem pelas alternativas remotas e digitais. E a hiperautomação tem sido a chave deste sucesso. Malha de segurança cibernética Com a exigência de isolamento social e home office, os parâmetros de segurança físicos se tornaram inúteis e a malha de segurança cibernética apareceu como uma alternativa segura e moderna de proteção. Esta abordagem arquitetônica é escalável, flexível e confiável e permite que colaboradores ou máquinas acessem com segurança outras ferramentas digitais a distância, fornecendo o nível de segurança necessário. Engenharia de IA Projetos de inteligência artificial têm se tornado uma tendência de tecnologia por serem fundamentais em diversos processos dentro das empresas. Contudo, é bastante comum que algumas estratégias falhem ou não tragam o retorno esperado por conta de uso inadequado. A Engenharia de IA entra como alternativa bastante eficiente de criação de projetos robustos, facilitando o desempenho, escalabilidade e confiabilidade dos modelos de Inteligência Artificial ao mesmo tempo em que oferece o valor total dos investimentos em IA. Computação que aprimora a privacidade Esta tendência de tecnologia compreende três esferas de proteção de dados, que ainda permitem o processamento e a análise destas informações de maneira segura. São elas: Fornecer ambiente para processamento e análise de dados confidenciais, incluindo terceiros e ambientes de execução confiáveis de hardware. Executar o processamento e a análise de maneira descentralizada utilizando tecnologias como aprendizado de máquina com reconhecimento de privacidade. Transformar dados e algoritmos antes do processamento ou análise por meio de práticas de segurança como criptografia, provas de conhecimento zero, entre outros. Isso permite o compartilhamento seguro de dados em ambientes não confiáveis, sendo um investimento de suma importância frente à crescente necessidade de manipulação e proteção de dados. Estas foram algumas das tendências tecnológicas apontadas pelo ebook do Gartner. Mas outra área se destacou em 2020 e tende a preservar seu protagonismo é

Saiba mais »

Data Driven – criando uma cultura orientada a dados

Tomar decisões com base em dados faz sentido instintivamente, e há evidências de que também faz sentido financeiramente. Por exemplo, o McKinsey Global Institute indica que as organizações orientadas por dados, ou Data Driven, têm 23 vezes mais probabilidade de adquirir clientes, seis vezes mais probabilidade de retê-los e 19 vezes mais probabilidade de serem lucrativas como resultado. Estar ciente deste potencial é valioso, mas muitas empresas já entendem que os dados devem embasar as decisões. Entretanto, adquirir essa compreensão e colocá-la em prática são duas coisas muito diferentes. Então, como reverter o jogo e criar uma cultura data driven? Quais são os resultados de uma cultura Data Driven? Conheça os cases em destaque no mercado. Ao se tornarem Data Driven, as organizações podem obter insights que lhes dão vantagens competitivas. Na verdade, muitas das principais empresas do mundo estão usando dados para impulsionar seu sucesso. Por exemplo, como o Walmart escreveu em um artigo intitulado “5 maneiras através das quais o Walmart usa big data para ajudar os clientes”, ele combina big data e modelos preditivos para antecipar a demanda ao longo do dia. De acordo com a Wired, o McDonald’s adquiriu a Dynamic Yield, uma empresa de análise, por mais de US$ 300 milhões, e já está usando a tecnologia para projetar a demanda do cliente e reduzir o desperdício em suas instalações. E se você já fez compras na Amazon, provavelmente já viu a seção “Frequentemente comprados juntos”, outro ótimo exemplo do uso de insights baseados em dados. O sistema de recomendação personalizada da Amazon analisa informações como seu histórico de compras, o que está em seu carrinho e itens que você visualizou para recomendar produtos adicionais. Assim como no McDonald’s, essa técnica provou ser um grande sucesso. Conforme relatou o Wall Street Journal, os bloqueios geraram um aumento na demanda do consumidor, a ponto de as recomendações baseadas em dados altamente eficazes da Amazon acabarem sobrecarregando seus sistemas. Como resultado, a Amazon abandonou temporariamente as recomendações de produtos. Vamos ver mais um exemplo: Netflix. O feed da Netflix de um usuário é personalizado para ele, por meio de modelos preditivos inseridos com dados como quando eles assistem a um programa, o dispositivo que usam, se eles pausam o programa, se voltam a assistir após uma pausa e muitos outros pontos de dados. Como muitas das empresas mais bem-sucedidas do mundo – de entretenimento a varejo, restaurantes e muito mais – estão usando dados para impulsionar seu sucesso, organizações de todos os portes querem aproveitar os benefícios da inteligência de dados. Mas existe um longo caminho a ser percorrido! Por que tornar-se Data Driven? Como acontece com muitos projetos de mudança impulsionados pela tecnologia, a taxa de falha para aqueles que estão nesta jornada é considerável. De fato, um relatório recente da EY revela que, embora 81% das organizações apoiem ​​a noção de que os dados devem estar no centro de tudo o que fazem, a grande maioria insiste em manter os dados em silos, estrangulando seus esforços. Então, como reverter este cenário? A primeira etapa é entender por que você está procurando tornar-se Data Driven. Muitas organizações se apressam em obter os recursos de BI necessários, sem dedicar tempo se perguntando como o BI se encaixará na cultura da organização. Esta pergunta simples deve desencadear uma avalanche de outros questionamentos, que precisam ser respondidos e pensados cuidadosamente. Quais eventos os levaram a buscar ferramentas ou recursos para começar a utilizar os dados? Afinal, usar dados de maneira eficaz provavelmente mudará a cultura em todas as frentes, então esteja preparado. O papel que a função de BI desempenhará no processo de tomada de decisão, onde residirá essa função e por que, qual será a estrutura de relatório, como isso impactará o papel e a função dos outros departamentos. O artigo da EY sugere que, para a maioria das organizações, esse desejo será entender melhor os clientes e melhorar os produtos e serviços. A partir dessa necessidade básica, você pode começar a implementar sua estratégia. Saiba garimpar o ouro É tentador pensar que as organizações estão lutando contra a falta de dados, mas a realidade é que a maioria delas tem mais do que o suficiente para tomar decisões criteriosas. O problema é que estas informações, na maioria das vezes, são mal gerenciadas e exploradas. Os pesquisadores do MIT consideram isso como a base de sua pirâmide e consiste não apenas em dados bem gerenciados, mas também em um firme compromisso dos líderes de adquirir uma mentalidade orientada a dados. Alguns líderes defendem a existência de um núcleo central especializado em dados para garantir que os padrões, métodos e ferramentas comuns sejam usados ​​para a coleta e gerenciamento de informação. Esta iniciativa também aumenta a probabilidade de a inteligência de negócios ter uma presença a nível de conselho que sustenta a tomada de decisão orientada a dados na organização. Isso garante que os insights estejam disponíveis aos times quando eles precisarem. É apenas nesse estágio que os dados se tornam um ativo essencial para sua organização, sustentando sua estratégia e aprofundando o envolvimento com os clientes. O pico da pirâmide, então, permite que você pegue seus recursos de dados recém-descobertos e crie modelos de negócios e gráficos de novos territórios. Antes de tornar-se Data Driven, lembre-se do básico Chato, mas importante: antes de alçar voos mais altos, você deve garantir que sua base esteja adequada, e esse é o tipo de trabalho manual que muitas organizações ignoram. A realização de um inventário de dados simples costuma ser um trabalho que os executivos relutam em realizar, resultando em um monte de dados que apodrecem em silos. Fazer esse trabalho também permite que você se concentre na questão espinhosa de segurança e conformidade. Reguladores de diversas partes do mundo, inclusive do Brasil, estão reprimindo empresas que detêm dados pessoais, com penalidades que dizem respeito a parte de seu faturamento anual global. Como você pode ver, conformidade não é brincadeira, e muitas empresas estão recorrendo a Chief Data Officers ou

Saiba mais »
Estratégia de marketing

Trade marketing: saiba como criar sua estratégia

Embora o Trade Marketing ainda siga muitos dos princípios fundamentais do marketing tradicional, seus diferentes aspectos exigem uma abordagem única. O objetivo do Trade Marketing não é fazer uma venda final, mas sim encontrar parceiros que possam ajudá-lo ao longo do caminho. Neste artigo, você vai entender como abordar o Trade Marketing e construir uma estratégia abrangente para provar que seu produto é mais do que um tijolo na parede. O que é Trade Marketing? O Trade Marketing é uma forma de marketing B2B. Ou seja, é a arte de comercializar produtos especificamente para empresas, e não diretamente aos consumidores. Normalmente, o objetivo principal de uma campanha de Trade Marketing é vender produtos para outras empresas, que podem então vender esses itens aos seus clientes. Por isso, esta estratégia visa colocar um produto nas prateleiras das lojas. Isso é feito fazendo com que outras empresas reconheçam o valor de seu produto e convencendo-as de que ajudá-lo a vender seu produto também as ajudará a ganhar dinheiro. Quem usa o Trade Marketing e por quê? Os fabricantes, ou seja, a pessoa ou empresa que faz os produtos para a venda, usam o Trade Marketing para tentar vender seus produtos a varejistas, atacadistas e distribuidores. Por quê? Bem, para que um produto seja vendido em uma loja ao público, o varejista primeiro precisa comprar o item em algum lugar. Os varejistas podem comprar produtos diretamente do fabricante, mas também podem adquiri-los por meio de um atacadista ou distribuidor. É claramente mais fácil e lucrativo para os fabricantes venderem diretamente aos varejistas, mas eles podem não ter o luxo da escolha. Se não o fizerem, eles precisam promover seus produtos para todas as três partes. Essencialmente, as estratégias de Trade Marketing são usadas pelos fabricantes para criar demanda por tudo o que eles produzem. Por isso é tão crítico para os fabricantes comercializarem seus produtos; porque os varejistas (bem como atacadistas e distribuidores) obviamente têm milhões de produtos para escolher quando estão decidindo o que valerá mais a pena vender. Afinal, há muito espaço nas prateleiras, certo? Como você pode ver, o varejista está, em última análise, na posição de decisor. Como tal, há uma batalha contínua entre os fabricantes para colocar seus produtos na frente dos parceiros da cadeia de suprimentos. Se um fabricante não usar nenhuma campanha de Trade Marketing, sua lucratividade estará em grande risco. As táticas de Trade Marketing podem ser a diferença entre um varejista que escolhe um produto para vender no lugar de outro. Como funciona uma operação de Trade Marketing? Muitas empresas combinam o Trade Marketing com o marketing tradicional e têm uma equipe que trata de ambos os aspectos. Embora isso certamente funcione bem para algumas empresas, vale a pena considerar a possibilidade de ter uma equipe de Trade Marketing que se concentra especificamente em táticas de marketing B2B. Existem diferentes cargos em uma equipe de Trade Marketing: Gerente de Trade Marketing O objetivo de um gerente de Trade Marketing é desenvolver estratégias de marketing que atinjam o público-alvo e supervisionar as operações do departamento. Um gerente de Trade Marketing deve ter uma sólida formação em marketing, bem como experiência em negociações B2B. Eles devem ser qualificados para avaliar e compreender as tendências e dados de marketing e devem ser apaixonados pela visão do mercado no qual estão inseridos. Algumas de suas responsabilidades incluirão o desenvolvimento e implementação de campanhas para aumentar a demanda entre os parceiros da cadeia de suprimentos, como programas de fidelidade e lançamento de novos produtos. Analista de Trade Marketing Os analistas se reportarão ao gerente da operação. Eles supervisionam os dados e análises associados às estratégias desenvolvidas pelo departamento e criam estratégias e métodos novos e mais eficazes para alcançar o público-alvo e melhorar a percepção da marca. Podemos entender que os analistas de Trade Marketing são viciados em aperfeiçoar os resultados colhidos. Trade Marketing Associate O Trade Marketing Associate também trabalha sob o gerente de Trade Marketing e geralmente assume uma função mais geral no departamento. Eles podem gerenciar contas específicas e relatar sucessos e pontos de atenção tanto para o gerente quanto para o analista. Como o Trade Marketing tornou-se tão importante? O Trade Marketing tornou-se relevante e importante na década de 1990. Anteriormente, um fabricante tinha uma posição de negociação muito forte, mas durante aquela década, o equilíbrio de poder mudou consideravelmente e os varejistas começaram a dar as cartas. O Trade Marketing existe há mais de 25 anos, mas a necessidade dele tornou-se mais evidente quando as empresas de bens de consumo em rápida evolução (sua sigla, em inglês, é FMCGs) começaram a se preocupar com várias questões críticas. Para o especialista em Trade Marketing Mark Anthony, as três principais preocupações das FMCGs eram: Fragmentação de mídia Conforme a tecnologia se desenvolveu ao longo da década, o grande desafio dos negócios era como atingir um público cada vez mais disperso. Tradicionalmente, as empresas sempre foram capazes de se comunicar com um grande público por meio de um pequeno número de canais facilmente gerenciáveis. Os tempos estavam mudando e isso estava se tornando mais difícil. De repente, os consumidores ficaram mais distraídos do que nunca. Antes, os fabricantes podiam falar com o público sempre que quisessem, e agora encontravam mais resistência. Como resultado, o custo de conexão com os consumidores aumentou e o público cativo que existe em uma loja de varejo tornou-se mais valioso. Organização por categorias Na década de 1990, as empresas começaram a agrupar vários produtos em faixas, em vez de tratá-los como itens individuais. Assim, por exemplo, uma seção de produtos de higiene pessoal pode incluir várias coisas que nem sempre estão convenientemente relacionadas. Podemos estar falando sobre pasta de dente, escovas de dente e fio dental, mas da mesma forma, também podemos ter que considerar desodorantes, papel higiênico e tesouras de unha. O advento do uso da categoria em um ambiente de varejo causou dois problemas. Em primeiro lugar, mudou completamente vários relacionamentos. As negociações entre os fabricantes e os parceiros

Saiba mais »
Trabalho remoto

Trabalho remoto: como otimizar o trabalho a distância

Há algum tempo, ouvimos falar que o trabalho remoto é a tendência do futuro. Mesmo que esteja fisicamente localizado no mesmo escritório, você pode enviar uma mensagem instantânea para seu colega de trabalho em vez de ir até a mesa dele. Atualizar o status de um projeto em uma planilha, dar feedback em um comentário, colocar suas ideias em um post-it virtual… Você está praticando “colaboração remota”. Apesar dessa tendência crescente, muitos ainda veem o fato de fazer parte de equipes remotas ou de distribuição bem-sucedidas como um grande desafio. Mas a ampla adoção do home office por inúmeras empresas este ano acelerou o processo de familiarização com novas formas de trabalhar. Goste ou não, o trabalho virtual e remoto veio para ficar. Portanto, continue aqui para descobrir a receita secreta e fazer o melhor com suas equipes remotas. O que é o trabalho remoto? Trabalho remoto, também conhecido como teletrabalho, é qualquer ambiente de trabalho em que os colaboradores não precisem trabalhar no mesmo escritório. O termo refere-se ao trabalho que está sendo feito por indivíduos que não estão no mesmo local físico, mas ainda trabalham de forma eficaz e produtiva nos mesmos projetos. Às vezes, isso significa que eles estão espalhados por diferentes locais ou em diferentes fusos horários. Também pode significar que os funcionários trabalham em escritórios diferentes dos de seus colegas ou clientes – ou que trabalham em casa. Não importa como você o classifique, o trabalho remoto normalmente significa que as equipes precisam aproveitar as ferramentas de comunicação, como apps de mensagem instantânea, videoconferência, telefones, ferramentas de colaboração visual e rastreadores de tarefas para realizar as tarefas. De acordo com uma pesquisa da Deloitte de 2017 com mais de 10.000 líderes empresariais e de RH de 140 países, a organização do futuro é uma “rede de equipes”. As equipes estão se tornando muito mais dinâmicas e o trabalho está mais distribuído. Além de uma tendência geral para o trabalho em equipe à distância, mais empregadores estão reconhecendo os benefícios de expandir suas contratações para além de um único local e, em vez disso, os recrutadores têm um pool de talentos mais amplo para escolher. Qual é a diferença entre Home Office e Trabalho Remoto? Tanto o Trabalho Remoto quanto o Home Office são tendências populares e trazem benefícios reais para as equipes. Mas há bastante diferença! Trabalhar em casa e trabalhar remotamente não é a mesma coisa, então é hora de parar de falar sobre seus funcionários remotos como se eles simplesmente não estivessem no escritório. Enquanto um é considerado um benefício, o outro é simplesmente uma forma de trabalhar. O home office, ou “trabalhar em casa” é uma situação temporária, enquanto o trabalho remoto é uma abordagem totalmente diferente. Essa diferença é uma distinção extremamente importante que merece atenção. Home Office O home office é o que você faz quando trabalha em um escritório, mas fica em casa na quinta-feira porque precisa mudar de cenário. Ou talvez você não tenha nenhuma reunião cara a cara amanhã, então decide evitar o escritório durante o dia. Também é algo que você pode fazer ocasionalmente quando precisar de um bloco de tempo sem a interrupção de colegas de trabalho cutucando suas cabeças em seu escritório. Você pode trazer seu laptop de trabalho para casa e colocá-lo na mesa da cozinha ou em sua mesa. Em geral, representa uma mudança significativa em relação à sua rotina normal e ao seu ritmo normal de trabalho – o que pode ser muito bom de vez em quando. É eficaz principalmente porque é diferente do normal. Você ainda tem a estrutura de seu escritório, e as pessoas que trabalham lá ajustam seu trabalho de acordo com sua ausência. Trabalho remoto O trabalho remoto, ou trabalhar fora do escritório da sua empresa o tempo todo, é fundamentalmente diferente. Requer um conjunto diferente de habilidades e recursos. Requer uma atitude de autoinicialização e níveis insanos de habilidades de gerenciamento de tempo. Também requer comunicação proativa e um foco quase hiperativo no que está acontecendo com os membros da equipe, uma vez que você não tem um tempo presencial regular com eles. O trabalho remoto requer a criação do seu próprio ambiente de trabalho, o que certamente traz benefícios, pois você pode definir o seu espaço para que funcione melhor para você. Ah, e há vida e todas as outras coisas que acontecem durante o dia. Você sabe, como membros da família que esquecem, só porque você está lá, que você está realmente trabalhando. Portanto, o colaborador remoto tem a liberdade de trabalhar como e onde se encaixar melhor em sua rotina. E, quando eu precisar de uma mudança de cenário, pode trabalhar no Starbucks, ou em qualquer outro lugar, durante o dia. Tipos de equipes para o trabalho remoto Existem várias estruturas populares para equipes remotas. Vamos dar uma olhada em cada uma delas: Equipes totalmente remotas Quando uma empresa não tem escritórios centrais e todos trabalham em casa, em campo ou em escritórios, você tem uma equipe totalmente remota. Embora essa configuração possa ter desafios, também tem suas vantagens. Ou seja, ser totalmente remoto significa que você pode criar processos e tecnologias que atendam às necessidades de funcionários remotos desde o primeiro dia. Existem muitas empresas totalmente remotas de sucesso que são consideradas líderes em seus setores, como gitlab e Zapier (para citar alguns). Centros de escritório divididos Quando uma empresa decide instalar pequenos escritórios em cidades diferentes de sua sede, sua força de trabalho fica “distribuída”. À medida que um local de trabalho se torna geograficamente dividido, a liderança executiva deve decidir quem trabalha em cada equipe localizada e definir sua função em relação ao escritório central. É aqui que entra a consideração cuidadosa da estrutura organizacional. O objetivo é criar uma relação simbiótica na qual as equipes localizadas e centralizadas sintam que as expectativas em relação às funções, responsabilidades e direção do fluxo de comunicação são claras. A liderança pode definir como os diferentes escritórios se relacionam entre si.

Saiba mais »

Data Science – saiba como a ciência de dados pode te ajudar!

Os dados estão em todos os lugares e a ciência de dados (Data Science) está ganhando cada vez mais força, aceitando os desafios do tempo e oferecendo novas soluções algorítmicas. Participar dessa revolução é extremamente empolgante! Observar todos os movimentos, mudanças, novas possibilidades e também fazer parte deles. No entanto, se você é um novato nesse assunto, isso significa que você ainda tem um longo caminho a percorrer para se tornar um especialista, e assim como qualquer cientista, você terá que passar por uma série de tentativas e erros antes de alcançar a expertise necessária. Mas com este post, vamos tentar facilitar essa tarefa para você. Aprenda a maneira mais eficaz de entender o universo de Data Science. O que é Data Science? De um modo geral, a Data Science — ou ciência de dados, em português — não é um domínio único: é mais parecido com uma combinação de vários conceitos que se concentram na análise de dados e na busca das melhores soluções baseadas neles. Inicialmente, essas tarefas eram realizadas por experts em matemática ou estatística, mas os especialistas em dados começaram a usar o Machine Learning e a inteligência artificial, criando essa nova abordagem de análise de dados que conhecemos. Essa nova forma de analisar os dados, acabou sendo muito mais rápida, eficaz e extremamente popular. Então, no fim das contas, a Ciência de Dados se tornou tão popular por sua capacidade de englobar a coleta de grandes matrizes de dados estruturados e não estruturados e transformá-los em formatos legíveis e de simples visualização. Como a Data Science surgiu? A história da ciência de dados se correlaciona com a do armazenamento de dados. Antes da era digital, os dados eram armazenados em nossas cabeças, em tabletes de argila ou em papel, o que fazia com que analisar estes dados fosse uma tarefa extremamente demorada. Em 1956, a IBM lançou o primeiro computador comercial com um disco rígido magnético, o 305 RAMAC. Toda a unidade exigia um enorme espaço físico, pesava mais de uma tonelada e, por US$ 3.200 por mês, as empresas podiam alugar a unidade para armazenar até 5 MB de dados. Mais tarde, os preços por gigabyte caíram de US$ 2,64 bilhões em 1965 para US$ 4,9 em 2017. Além de serem mais baratas, o armazenamento de dados também passou a ocupar muito menos espaço Essa combinação de custo e tamanho drasticamente reduzidos no armazenamento de dados é o que torna possível a análise de Big Data de hoje. Com custos de armazenamento ultra baixos, a construção da infraestrutura de Data Science para coletar e extrair insights de uma grande quantidade de dados se tornou uma abordagem lucrativa para as empresas. Além disso, com a introdução de dispositivos de  IoT  que constantemente geram e transmitem dados dos usuários, as empresas estão coletando-os em um número cada vez maior de atividades, criando uma quantidade enorme de ativos de informações de alto volume, alta velocidade e alta variedade (ou os “três Vs de big data“). A maioria dessas atividades (por exemplo, e-mails, vídeos, áudio, mensagens de bate-papo, postagens em mídias sociais) gera dados não estruturados, que hoje representam quase 80% do total de dados corporativos e crescem duas vezes mais rápido que os dados estruturados na última década. Esse crescimento maciço de dados transformou drasticamente a maneira como os dados são armazenados e analisados, porque as ferramentas e abordagens tradicionais não estavam equipadas para lidar com os “três Vs de big data”. Desta forma, novas tecnologias foram desenvolvidas com a capacidade de lidar com o volume e a variedade cada vez maior de dados, a uma velocidade mais rápida e a um custo cada vez menor. Essas novas ferramentas também têm efeitos profundos sobre como os cientistas de dados fazem seu trabalho – permitindo que eles monetizem o enorme volume de dados executando análises e construindo novos aplicativos que antes não eram possíveis. Conheça o universo de Data Science Data Science trabalha com estatística, métodos analíticos e tecnologias como machine learning, deep learning, inteligência artificial, análise de probabilidade e modelos preditivos e redes neurais, por exemplo, são aplicados na solução de problemas reais. Todas estas tecnologias são muito populares e, por mais que estejam de alguma forma relacionadas, não são a mesma coisa! Portanto, antes de pular de cabeça em qualquer um destes conceitos, precisamos entender a diferença entre eles. Inteligência Artificial É a criação de máquinas inteligentes que funcionam e reagem como seres humanos. A Inteligência Artificial como estudo remonta a 1936, quando Alan Turing construiu as primeiras máquinas com Inteligência Artificial. Apesar de uma história bastante longa, hoje a IA na maioria das áreas ainda não é capaz de substituir completamente o ser humano. Machine Learning É uma ferramenta de criação para extrair conhecimento dos dados. Nos modelos de Machine Learning, os dados podem ser treinados de forma independente ou em etapas: treinamento com um professor, ou seja, ter dados preparados por humanos ou treinamento sem um professor, trabalhando com dados espontâneos. Deep Learning É a criação de redes neurais com várias camadas em áreas onde são necessárias análises mais rápidas ou avançadas que o aprendizado de máquina tradicional não consegue lidar. Big Data Trabalha com grandes quantidades de dados não estruturados. As especificidades da esfera são ferramentas e sistemas capazes de suportar alto volume de dados. Data Science É a adição de significado a matrizes de dados, visualização, coleta de informações e tomada de decisões com base nesses dados. Os especialistas de campo usam alguns métodos de Machine Learning e Big Data – computação em nuvem, ferramentas para criar um ambiente de desenvolvimento virtual e muito mais. Afinal, o que o Data Scientist faz? As habilidades relacionadas a Data Science combinam conhecimentos em matemática a estatística, expertise em negócios e skills tecnológicas. Aplicando estas habilidades aos dados que serão analisados, este profissional será responsável, na prática, por: Detecção de anomalias, por exemplo, comportamento atípico do cliente ou de um grupo de clientes, fraude; Marketing personalizado – materiais personalizados por e-mail, redirecionamento, sistemas de

Saiba mais »

Customer Success: por que esta área é tão importante?

O Customer Success é uma metodologia com foco no sucesso do cliente, e está cada vez mais se tornando um dos fatores de grande importância em todos os tipos de negócios. O cliente deve estar no centro de sua estratégia, para isso é preciso garantir que eles alcancem os resultados desejados ao usar seu produto ou serviço. Portanto, o Customer Success é um gerenciamento de clientes focado no relacionamento, que alinha as metas do cliente e do fornecedor para obter resultados mutuamente benéficos. Ao aplicar o Customer Success os resultados podem ser: Menor rotatividade, entrega de valor com eficiência, clientes evangelizadores da sua marca, aumento em oportunidades de upsell, dentre outros benefícios. Como surgiu o Customer Success? Serviços sob demanda baseados em assinaturas são uma tendência que veio para ficar. Este tipo de negócio entrega aos clientes mais poder do que nunca, e as tecnologias se tornam cada vez mais integradas e imersivas em nossas vidas cotidianas. Portanto, simplesmente entregar um produto pelo qual os clientes estão dispostos a pagar não é mais suficiente. Logo, surge a necessidade de provar continuamente ao cliente que ele está fazendo a escolha certa ao negociar com você. Os clientes querem alcançar o resultado desejado e ter uma experiência satisfatória durante as interações com sua empresa. E este é o motivo pelo qual mais e mais empresas reorientaram os esforços para fortalecer o relacionamento existente com os clientes, investindo no sucesso do cliente. A ideia de Customer Success está diretamente relacionada ao mundo SaaS (Software as a Service), que diz respeito a aplicações online que podem ser usadas no computador, tablet ou celular, de maneira simples e remota. O próprio conceito surgiu através do culminar de três mudanças de paradigma no mundo SaaS: uma apreciação da economia da experiência, a chegada da era baseada na nuvem digital e o modelo de assinatura. Sendo assim, o advento da era digital na nuvem coincidiu perfeitamente com a crescente adoção da Internet. Isso permitiu que as pesquisas entre clientes e mecanismos de feedback que trabalhavam com os sistemas de CRM se tornassem cada vez mais recorrentes. Os primeiros defensores do Customer Success e da centralização do cliente perceberam que, embora as ferramentas de CRM existentes pudessem ajudar na coleta de dados e melhorar sua experiência, ainda lhes faltava um elemento-chave: a voz do cliente. Os primeiros líderes da indústria de SaaS lutaram a favor da retenção. Rapidamente, eles perceberam que os modelos de negócios tradicionais não funcionavam mais em um mundo de serviços de assinatura baseado em nuvem, repleto de produtos e preços cada vez mais competitivos. As ofertas tradicionais de plataformas tornavam a troca para um concorrente muito cara e difícil; empecilhos não enfrentados por clientes de serviços de assinatura baseada na nuvem. Portanto, em um setor totalmente dependente de assinaturas renováveis, todo o poder está nas mãos de seus clientes. Percebendo isso, as empresas começaram a investir no gerenciamento de relacionamentos com clientes individuais para garantir valor por meio de resultados bem-sucedidos. Estas iniciativas abriram o caminho para os esforços de Customer Success que ainda estavam por vir. As primeiras iniciativas para levar sucesso ao cliente foram focadas unicamente no combate e na redução do churn (o indicador que mede o índice de evasão dos clientes, ou seja, a taxa de cancelamento), comumente chamado de Customer Success 1.0. O problema desta abordagem é que, com o foco na retenção de clientes, os resultados bem-sucedidos ficam em segundo plano. Fazer o mínimo para impedir que os clientes saiam, dificilmente é a receita para o sucesso, mas muitas organizações conhecidas já caíram nessa armadilha. A necessidade de o Customer Success evoluir além da interação inicial abriu caminho para o que a McKinsey chama de Customer Success 2.0. Desta voz, o foco não era somente em reduzir a rotatividade, mas em impulsionar o crescimento e a retenção. Embora pareça uma melhoria, isso ainda não coloca os resultados do cliente em primeiro lugar. E, se mal administrado, pode minar a confiança de um cliente na empresa e prejudicar o relacionamento existente. As lições ao longo do surgimento do conceito de Customer Success mostraram uma clara necessidade de trabalhar ao lado dos clientes e garantir que seus objetivos não apenas proporcionem momentos de prazer, mas também um valor mensurável de forma consistente. Devemos nos tornar melhores alunos do comportamento do cliente para garantir que, de sua perspectiva, somos os únicos com quem eles desejam fazer negócios. Garantindo, assim, o seu sucesso e, consequentemente, o nosso. Este é o melhor caminho a seguir em uma economia de experiências que está em constante mudança. Portanto, para aprimorar este processo, é preciso ter sempre em mente que ajudar seus clientes a obter sucesso com seu produto não é apenas benéfico para os clientes. Também é benéfico para o seu resultado. Como Jason Lemkin, empreendedor e investidor em SaaS, disse em 2015: “O sucesso do cliente é onde 90% da receita está”. Com isto, ele atestou que é mais fácil gerar receita por meio de vendas adicionais ou vendas cruzadas de clientes existentes do que sair e encontrar novos clientes. Para esclarecer, o objetivo aqui não é extrair o máximo de dinheiro possível de seus clientes. Em vez disso, você deve alinhar seus preços com o valor que os clientes estão recebendo. Desta forma, os clientes enxergam resultados reais e ficam continuamente impressionados com a experiência que seu produto possibilita, e inevitavelmente contarão a outras pessoas e empresas sobre você, tornando-os verdadeiros evangelizadores da marca. Customer Success x SAC: qual é a diferença? Customer Success é sobre uma empresa ser proativa, enquanto o SAC, ou Serviço de Atendimento ao Cliente é sobre ser reativo. Atendimento ao cliente é: Quando os clientes têm problemas e fazem solicitações através de tíquetes, e-mails ou chamadas telefônicas. Então, a equipe de suporte de forma reativa soluciona o problema em questão. Portanto, o Serviço de Atendimento ao Cliente é focado no caso a caso e no aqui e agora. Existe, ainda, o gerenciamento de contas. Este é outro

Saiba mais »

Indústria 4.0: saiba quais são seus impactos no mercado!

Você já ouviu falar na 4ª Revolução Industrial, ou Indústria 4.0? Para entender este conceito, é preciso lembrar-se das Revoluções Industriais que já marcaram a história. Todas elas quebraram algum paradigma nos modelos de produção da época nas quais elas aconteceram. Conheça a história das Revoluções Industriais Para entender como a Indústria 4.0 ganhou a dimensão que tem hoje, uma olhada em seus antecessores pode nos dar uma perspectiva de como essa revolução, em particular, é diferente. A primeira Revolução Industrial foi mecânica e sua maior colaboração para a produção em massa foi a máquina a vapor. Ela aconteceu entre os anos de 1760 e 1840 no Reino Unido e foi um marco para o fim da manufatura e disseminação da maquinofatura, isto é, a produção industrial propriamente dita. Isso ajudou muito a agricultura e o termo “fábrica” ​​se tornou bastante popular. Uma das indústrias que se beneficiaram muito com essas mudanças é a indústria têxtil e foi a primeira a adotar esses métodos. Constituiu também uma grande parte da economia britânica na época. A segunda Revolução Industrial, por sua vez, foi elétrica e incrementou as máquinas, equipamentos e aparelhos eletrônicos à manufatura. Ela se estendeu desde a segunda metade do século XIX até meados do período da Segunda Guerra Mundial. O petróleo, o aço e uma série de desenvolvimentos da indústria química também impactaram este período. A “eletrificação” das fábricas contribuiu bastante para o aumento de suas taxas de produção. Já quando mencionamos a terceira Revolução Industrial, estamos falando sobre um período que vivemos na pele. Por isso, é um conceito bastante familiar. Este fenômeno aconteceu em meados do século XX até os anos 2000, quando o auge da bolha da internet, a automação e a tecnologia da informação assumiram posições de destaque. É frequentemente chamada de Revolução Digital, ou Era da Informação, e surgiu da mudança de sistemas analógicos e mecânicos para sistemas digitais. A terceira revolução foi, e ainda é, um resultado direto do enorme desenvolvimento em computadores e tecnologia da informação e comunicação. O que é a indústria 4.0, ou 4ª Revolução Industrial? A Revolução Industrial na era digital é definida por uma fase de mudanças rápidas e radicais. A atenção não é mais voltada para a massa de consumidores, mas para o comprador individual, que determina a dinâmica da produção com suas escolhas. A 4ª Revolução Industrial leva a automação dos processos de fabricação a um novo nível, introduzindo tecnologias de produção que, mesmo em massa, sejam personalizadas e flexíveis. Isso significa que as máquinas operarão de forma autônoma, ou cooperarão com os humanos na criação de sistemas orientados ao cliente, que trabalhem constantemente para sua automanutenção. A ideia é fomentar tecnologias que tornem a máquina uma entidade independente, capaz de coletas e analisar dados por si só. Isso se torna possível com a introdução de auto otimização no setor. Desta forma, os usuários podem se comunicar com os computadores em vez de operá-los. Por isso, é comum dizermos que a 4ª Revolução Industrial ou Indústria 4.0 se refere a cooperação entre os meios físico, digital e biológico. Princípios da Industria 4.0 Alguns princípios são responsáveis por caracterizar os projetos da Indústria 4.0. Estas características foram colocadas em pauta pelo Dr. Siegfried Dais e pelo Prof. Dr. Henning Kagermann. Estes estudiosos alemães presidiram um grupo de trabalho após a apresentação do relatório de recomendações para a implementação da iniciativa estratégica chamada, a partir de então, de Indústria 4.0. Os princípios são: Descentralização Com a tomada de decisão estando sob a responsabilidade da própria máquina, os sistemas desenvolvem a habilidade de agir sem que haja dependência da intervenção humana. Eles se auto ajustam e avaliam as necessidades da fábrica por conta própria. Interoperabilidade É a ideia da comunicação entre os sistemas, pegando emprestados conceitos dos Sistemas Ciber-físicos e da Internet das Coisas (IoT). Neste princípio, humanos e fábricas inteligentes utilizam a internet e a computação em nuvem para realizar a troca de informações de forma dinâmica. Virtualização A virtualização propõe que as fábricas inteligentes possuam uma cópia virtual criada por sensores de dados interconectados, que monitoram processos físicos. Além disso, modelos de plantas virtuais podem otimizar processos através de simulações que são realizadas antes da implementação deles, já aplicando o melhor cenário. Orientação a serviços De acordo com este princípio, softwares são orientados a disponibilizarem soluções como serviços, conectados com toda a indústria através da computação em nuvem. Tempo real A capacidade de coletar e analisar dados em tempo real permite a tomada de decisão instantânea, tendo em vista a entrega do conhecimento derivado destas análises de forma imediata. Modularidade Este princípio prevê a capacidade de acoplar e desacoplar módulos de acordo com a necessidade da fábrica. A adaptação flexível decorrente desta iniciativa permite a otimização da infraestrutura e dos custos da fábrica inteligente. Quais são as principais tecnologias da indústria 4.0? A Indústria 4.0 é baseada nas tecnologias por trás da manufatura digital, que devem ser adotadas pelas empresas para obter todas as vantagens desse fenômeno. Vamos lembrar, por exemplo, tecnologias digitais, Internet das Coisas (IoT), Big Data, computação em nuvem e robótica. Sistemas ciber-físicos, Internet das coisas, Smart Factory e Internet de serviços são os quatro termos mais comuns citados em publicações de pesquisa acadêmica relacionadas ao setor. Sistemas ciber-físicos Você consegue imaginar uma fábrica onde robôs, veículos guiados automatizados, sensores, controladores, matérias-primas, produtos e bancos de dados se comuniquem? Estes são os sistemas ciber-físicos no contexto da Indústria 4.0. Além dessa conexão, eles são orquestrados automaticamente através de uma inteligência central, que monitora e controla as operações em todos os níveis. Também conhecidos como CPSs (uma abreviação para o termo em inglês, cyber psysical systems), estes sistemas estão transformando a maneira como os humanos interagem com os sistemas de engenharia, assim como a Internet transformou a maneira como as pessoas interagem com as informações. Internet das Coisas (IoT) A Internet das Coisas é o que permite que objetos e máquinas, como telefones celulares e sensores, “se comuniquem” entre si, assim como seres

Saiba mais »

Machine Learning: O que é? E por que é tão importante?

Nós sabemos que os humanos aprendem através de suas experiências passadas, e que máquinas seguem as instruções que recebem de humanos. Mas e se os humanos pudessem treinar as máquinas para aprender através de dados do passado e fazer o que os humanos podem fazer, mas com mais rapidez? Bom, isso é chamado Machine Learning. Apesar de a tradução do termo ser, praticamente, “aprendizado de máquinas”, o conceito é muito mais profundo do que simplesmente aprendizado. O Machine Learning também engloba que uma máquina entenda e raciocine. Existe uma nuvem de conhecimento acerca do Machine Learning e seu surgimento, dado que esta tecnologia foi fundamental para o surgimento da inteligência artificial, por exemplo. Hoje, vamos explorar este universo! Conheça a história do Machine Learning Arthur Samuel (1901-1990) foi pioneiro na pesquisa em inteligência artificial. De 1949 até o final da década de 1960, ele se destacou fazendo com que computadores pudessem aprender com suas próprias experiências. Seu veículo para isso era o jogo de damas. Isso ocorreu porque, para Samuel, os jogadores de damas tinham um alto volume de possibilidades, tendo que tomar uma série de decisões entre boas jogadas e ruins. Para isso, Samuel usou o programa Guia de Damas de Lee para a escolha de jogadas, desta forma, o programa escolheria rapidamente quais eram consideradas as melhores, de acordo com critérios de especialistas em damas. Em 1961, Ed Feigenbaum e Julian Feldman estavam aprofundando suas pesquisas sobre inteligência artificial e pediram para Samuel informações sobre a melhor jogada do seu programa, como apêndice do artigo que estava sendo formulado por eles. Samuel usou essa solicitação como uma oportunidade para desafiar o campeão estadual de damas de Connecticut, quarto melhor jogador do país. E o programa de Samuel venceu! Como este havia sido um dos primeiros exemplos de computação não numérica, as ideias e cadeias de instruções de Samuel, foram utilizadas para o surgimento dos primeiros computadores IBM. As instruções lógicas desses computadores foram desenvolvidas graças a sua iniciativa pioneira. Rapidamente, este modelo foi adotado por todos os projetistas de computadores, por ser útil para a maioria dos cálculos não numéricos. A importância do trabalho de Samuel foi amplamente reconhecida somente após sua aposentadoria da IBM, em 1966. Isso ocorreu, em parte, porque ele não gostava das políticas necessárias para que sua pesquisa fosse seguida com mais vigor. Ele também foi realista sobre a grande diferença entre o que foi realizado na compreensão dos mecanismos intelectuais e o que será necessário para alcançar a inteligência no nível humano. Antes de seu trabalho de Machine Learning, Samuel era engenheiro elétrico e, simultaneamente, trabalhava na IBM como engenheiro e gerente de pesquisa em engenharia e ciência. Entretanto, seu nome é reconhecido pelo seu pioneirismo em Machine Learning. Em 1959, o engenheiro e pesquisador introduziu o conceito na comunidade científica como “um campo de estudo que dá aos computadores a habilidade de aprender sem terem sido programados para tal”. Contudo, foi a partir do advento da internet que o Machine Learning passou a tomar forma. Isto foi possível devido a alta quantidade de informações coletadas e armazenadas na web, uma vez que foi preciso criar meios para organizar todo este conteúdo de forma automatizada. E claro, um dos pilares do Machine Learning é justamente a análise de dados em busca da detecção de padrões. Como o Spotify usou machine learning para se diferenciar? Para exemplificar o Machine Learning na prática, podemos falar um pouco sobre o algoritmo do Spotify! Já reparou como o app tem deixado de ser uma simples ferramenta de streaming e vem se tornando uma espécie de DJ pessoal? O Spotify é um excelente exemplo do uso de Machine Learning como forma de se diferenciar no mercado, atendendo expectativas cada vez mais altas dos seus consumidores. Playlists personalizadas, como “suas descobertas da semana”, “seu radar de novidades” e os “Daily Mixes” ajudam a personalizar a experiência de ouvir música de acordo com o que você gosta. Mas como a plataforma consegue prever o que você está querendo escutar? Como aplicar um algoritmo de Machine Learning? Através de técnicas de Machine Learning, é possível saber o que o usuário está ouvindo e determinar quais músicas podem ser de sua preferência. Essa decisão pode ser tomada com base em algumas características da música, como seu tempo, gênero, intensidade e o timbre da voz de quem a canta, por exemplo. Para simplificar o exemplo, podemos usar apenas a relação entre tempo e intensidade, onde “tempo” fica no eixo X e “intensidade”, no eixo Y. As variações de tempo oscilam entre “calmo” e “acelerado”, enquanto as variações de intensidade oscilam entre “suave” e “crescente”. De acordo com as preferências do ouvinte, vamos supor que ele prefere as músicas com o tempo acelerado e a intensidade crescente, enquanto tende a pular ou dar dislike em músicas com o tempo calmo e a intensidade suave. Agora, depois de analisar as escolhas do ouvinte, já conhecemos o que ele gosta. Com o algoritmo treinado, vamos supor que o ouvinte foi exposto a uma nova música: um rock and roll! Esta música tem o tempo acelerado e a intensidade crescente, então fica no grupo de preferências do ouvinte. Olhando para os dados pré-coletados, você consegue adivinhar se o ouvinte vai gostar da música ou não? Exatamente: ele amou a nova música. Então, observando as escolhas passadas do ouvinte, o algoritmo foi capaz de classificar a música inédita com muita facilidade. Entretanto, vamos expor o ouvinte a uma música neutra: nem tão suave, não crescente; nem tão calma, nem tão acelerada. Aqui é onde o algoritmo vai começar a brilhar. Exposto a esta situação, o mecanismo de machine learning será responsável por classificar a música combinando a variação de tempo e intensidade, mesmo que mínima, com a variação entre músicas que o ouvinte gostou ou não. Este é um mecanismo básico de Machine Learning chamado KNN – K nearest neighbors e é apenas um pequeno exemplo de um entre outros milhares de algoritmos de Machine Learning. Mas

Saiba mais »