Com estratégia data-driven, Unidas otimiza utilização da frota
Sétima colocada no ranking d’As 100+ inovadoras implementa cultura de dados e padroniza processos comerciais e de back-office
Reconhecida por três anos consecutivos nas 100+ Inovadoras no Uso de TI, a Unidas, um dos principais players do setor de aluguel e revenda de carros do país, conquistou a sétima posição do ranking deste ano com a implementação de uma cultura organizacional data-driven. O capítulo de ciência de dados foi criado em agosto do ano passado na estratégia de transformação digital em curso há mais de três anos na empresa.
“Usar a ciência dos dados para melhorar a experiência do nosso cliente, otimizar a operação e aumentar receita são os três pilares que guiam todos os nossos projetos e métricas”, sintetiza Renan Rocha, CTO da Unidas.
Para tanto, foi necessário repensar toda arquitetura de TI e estruturar um ecossistema de dados habilitado a partir da criação de um data lake. O maior desafio, segundo o executivo, foi a construção dessa estratégia.
“Isso foi possível com a migração de toda a plataforma tecnológica Unidas para a nuvem. Nossa estratégia de ciências de dados é multicloud, garantindo benefícios adicionais relacionados à segurança cibernética da informação, estabilidade e entregas contínuas”, destaca, citando a parceria com os provedores de cloud Microsoft e Google.
A reformulação permitiu à organização trabalhar com dados em larga escala, o que contribuiu para que a Unidas alcançasse resultados recordes. Diversos negócios e áreas foram impactados, como as lojas espalhadas pelo país e o backoffice, que passaram a contar com dados analíticos para a tomada de decisão.
Automatização de decisões
Para otimizar a frota de veículos para locação, a empresa construiu um sistema de previsão de demanda alimentado pelo data lake. As ações tomadas baseadas nas projeções do modelo resultaram no aumento de 5% da alocação da frota, que atingiu a marca de mais de 200 mil carros operacionais em 2022. Este modelo executa previsões periódicas e soma 2.500 combinações, sugerindo movimentações de veículos entre lojas.
Já nas aprovações de manutenções preventivas e corretivas de autos, utilizou-se o modelo Xgboost após execução de diversos cenários de aprendizado de máquina. Ao todo, são 14 mil materiais catalogados nos modelos para avaliação e aprovação automática. A iniciativa reduziu em 20% os custos com esses produtos e serviços.
Na etapa de aprendizado supervisionado, foram processados mais de R$ 4 milhões em aprovações, com erro inferior a R$ 1 mil. As áreas de backoffice, como toda esteira operacional, financeira e fiscal, também foram automatizadas e beneficiadas.
“No segmento de venda e locação de veículos, a ótima ocupação dos ativos e automatização do processo de aprovação do reparo do veículo, que anteriormente era manual, refletem em melhoria de receita, redução do custo operacional e, sobretudo, na experiência do cliente, que desfruta de um atendimento em autosserviço muito mais rápido”.
A Unidas também criou uma unidade de negócio para acelerar a venda de seminovos, a Acelero, que opera por meio de um algoritmo interno baseado em dados históricos e informações de portais de venda de veículos usados. O modelo auxilia tanto na aquisição, como reduz o tempo de venda de seminovos no varejo.
O projeto ainda contribuiu para análises de texto em todos os contextos conversacionais de atendimentos por chatbot. Com os algoritmos, a companhia dobrou os atendimentos pelo canal, que hoje soma 75% do volume mensal de atendimentos, impulsionando a locação.
Cultura data-driven
Além de enfrentar barreiras tecnológicas, a implementação de uma cultura de decisões baseadas em dados exigiu a ruptura com crenças atreladas a modelos tradicionais. “Desmistificamos que decisões de negócio tomadas por recursos humanos são mais confiáveis e assertivas que as robóticas promovidas por sistemas da informação inteligentes e capazes de aprender com os dados processados”.
A mão de obra de ciências de dados também é um desafio. Desse modo, o CTO conta que a saída foi apostar na formação de talentos internos, bem como na contratação de profissionais mais experientes das áreas de matemática e estatística.
“Começamos anos atrás com a formação de um mindset, com apoio da alta liderança e dos líderes de negócio e back office. Isso permitiu sair de uma governança de comando e controle para uma governança baseada em agilidade. Hoje buscamos descentralizar e empoderar nossos times de desenvolvimento de produto. O segredo para que esse modelo seja bem-sucedido: “ele deve ser baseado em dados, resultados de negócio e tecnologia”, compartilha Rocha.