O Alibaba chegou às manchetes com o maior IPO do mundo em setembro de 2014. Hoje, a empresa tem um valor de mercado entre As dez maiores do mundo, ultrapassou o Walmart nas vendas globais e se expandiu para todos os principais mercados do mundo. O fundador Jack Ma se tornou um nome familiar.
Desde o seu início, em 1999, a Alibaba experimentou um grande crescimento em sua plataforma de e-commerce. No entanto, ainda não parecia uma competidora mundial em 2007, quando a equipe de gerenciamento, à qual eu havia aderido em tempo integral no ano anterior, se reuniu para uma estratégia externa em um hotel à beira-mar em Ningbo, província de Zhejiang. No decorrer da reunião, nossas observações e ideias desconexas sobre tendências de comércio eletrônico começaram a se unir a uma visão mais ampla do futuro e, no final, tínhamos concordado em uma visão. Nós “promoveríamos o desenvolvimento de um ecossistema de comércio eletrônico aberto, coordenado e próspero”. Foi quando a jornada do Alibaba realmente começou.
A inovação especial do Alibaba, percebemos, era que estávamos realmente construindo um ecossistema: uma comunidade de organismos (empresas e consumidores de vários tipos) interagindo entre si e com o meio ambiente (a plataforma online e os elementos físicos offline maiores). Nosso premissa estratégica era garantir que a plataforma fornecesse todos os recursos, ou acesso aos recursos, que um negócio online precisaria para ter sucesso e, portanto, apoiou a evolução do ecossistema.
O ecossistema que construímos foi simples no início: ligamos compradores e vendedores de mercadorias. À medida que a tecnologia avançava, mais funções de negócios se moviam online – incluindo as tradicionais, como publicidade, marketing, logística e finanças, e as emergentes, como marketing de afiliados, recomendadores de produtos e influenciadores de mídias sociais. E à medida que expandimos nosso ecossistema para acomodar essas inovações, ajudamos a criar novos tipos de negócios online, reinventando completamente o setor de varejo da China ao longo do caminho.
Alibaba hoje não é apenas uma empresa de comércio online. É o que você obtém se assumir todas as funções associadas ao varejo e coordená-las online em uma ampla rede de vendedores, profissionais de marketing, prestadores de serviços, empresas de logística e fabricantes orientados por dados. Em outras palavras, o Alibaba faz o que a Amazon, o eBay, o PayPal, o Google, a FedEx, os atacadistas e uma boa parte dos fabricantes fazem nos Estados Unidos, com uma ajuda saudável de serviços financeiros para complementar.
Das dez empresas mais valorizadas do mundo atualmente, sete são empresas de internet com modelos de negócios semelhantes aos nossos. Cinco deles – Amazon, Google e Facebook nos Estados Unidos e Alibaba e Tencent na China – estão há quase 20 anos. Por que tanto valor e poder de mercado surgiram tão rapidamente? Por causa dos novos recursos em coordenação de rede e inteligência de dados que todas essas empresas colocam em uso. Os ecossistemas que administram são muito mais eficientes economicamente e centrados no cliente do que as indústrias tradicionais. Essas empresas seguem uma abordagem que eu chamo de Empresa Inteligente (Smart Business) e acredito que ela representa a lógica de negócios dominante do futuro.
O que é um Negócio Inteligente?
Os negócios inteligentes surgem quando todos os atores envolvidos na realização de uma meta de negócios comum – varejo, por exemplo, ou compartilhamento de viagens – são coordenados em uma rede online e usam a tecnologia de aprendizado de máquina para aproveitar os dados em tempo real com eficiência. Esse modelo habilitado pela tecnologia, no qual a maioria das decisões operacionais é feita por máquinas, permite que as empresas se adaptem de forma dinâmica e rápida às mudanças nas condições de mercado e às preferências dos clientes, obtendo uma enorme vantagem competitiva em relação aos negócios tradicionais.
Ampla capacidade de computação e dados digitais são o combustível para aprendizado de máquina, é claro. Quanto mais dados e mais iterações o mecanismo algorítmico passar, melhor será sua saída. Os cientistas de dados apresentam modelos de previsão probabilística para ações específicas e, em seguida, o algoritmo produz grandes quantidades de dados para produzir melhores decisões em tempo real a cada iteração. Esses modelos de previsão se tornam a base para a maioria das decisões de negócios. Assim, o aprendizado de máquina é mais que uma inovação tecnológica; transformará a maneira como os negócios são conduzidos, à medida que a tomada de decisão humana é cada vez mais substituída pela produção algorítmica.
Ant Microcrédito fornece um exemplo impressionante de como será esse futuro. Quando o Alibaba lançou a Ant, em 2012, o empréstimo típico dado pelos grandes bancos na China foi de milhões de dólares. O montante mínimo do empréstimo – cerca de 6 milhões de RMB ou pouco menos de US US$ 1 milhão – estava bem acima dos montantes necessários para a maioria das pequenas e médias empresas (PMEs). Os bancos estavam relutantes em prestar serviços às empresas que não possuíam qualquer tipo de histórico de crédito ou mesmo documentação adequada de suas atividades comerciais. Como conseqüência, dezenas de milhões de empresas na China estavam tendo dificuldades reais para garantir o dinheiro necessário para o crescimento de suas operações.
No Alibaba, percebemos que tínhamos o ingrediente para criar um negócio de empréstimos para pequenas e médias empresas, altamente funcional, escalável e lucrativo: a enorme quantidade de dados de transação gerados pelas muitas pequenas empresas que usam nossa plataforma. Assim, em 2010, lançamos um negócio pioneiro de microcrédito baseado em dados para oferecer empréstimos a empresas em valores não superiores a 1 milhão de RMB (cerca de US$ 160.000). Em sete anos de operação, a empresa emprestou mais de 87 bilhões de RMB (US$ 13,4 bilhões) para quase três milhões de PMEs. O tamanho médio dos empréstimos é de 8.000 RMB, ou cerca de US$ 1.200. Em 2012, agrupamos essa operação de empréstimo junto com a Alipay, nossa empresa de pagamentos muito bem-sucedida, para criar o Ant Financial Services. Nós demos ao novo empreendimento esse nome para captar a ideia de que estávamos dando poder a todas as pequenas.
Hoje, a Ant pode processar empréstimos tão pequenos quanto várias centenas de RMB (cerca de US$ 50) em poucos minutos. Como isso é possível? Quando confrontados com potenciais mutuários, as instituições de crédito precisam responder apenas a três perguntas básicas: devemos emprestar a elas, quanto devemos emprestar e a que taxa de juros? Uma vez que os vendedores em nossas plataformas nos deram autorização para analisar seus dados, estávamos bem posicionados para responder a essas perguntas. Nossos algoritmos podem analisar dados de transação para avaliar o desempenho de um negócio, a competitividade de suas ofertas no mercado, se seus parceiros têm altas classificações de crédito e assim por diante.
Ant usa esses dados para comparar bons tomadores de empréstimos (aqueles que pagam a tempo) com os maus (aqueles que não pagam a tempo) para isolar traços comuns em ambos os grupos. Essas características são usadas para calcular as pontuações de crédito. Todas as instituições de crédito fazem isso de alguma forma, é claro, mas na Ant a análise é feita automaticamente em todos os tomadores e em todos os seus dados comportamentais em tempo real. Cada transação, cada comunicação entre vendedor e comprador, cada conexão com outros serviços disponíveis no Alibaba, na verdade, todas as ações tomadas em nossa plataforma, afeta a pontuação de crédito de uma empresa. Ao mesmo tempo, os algoritmos que calculam as pontuações estão evoluindo em tempo real, melhorando a qualidade da tomada de decisões a cada iteração.
Determinar quanto emprestar e quanto interesse cobrar requer análise de muitos tipos de dados gerados dentro da rede Alibaba, como margens de lucro bruto e giro de estoque, juntamente com menos informações matematicamente precisas, como ciclos de vida do produto e a qualidade do vendedor. relações sociais e de negócios. Os algoritmos podem, por exemplo, analisar a frequência, o comprimento e o tipo de comunicações (mensagens instantâneas, e-mail ou outros métodos comuns na China) para avaliar a qualidade do relacionamento.
Os cientistas de dados da Alibaba são essenciais para identificar e testar quais pontos de dados fornecem os insights que eles buscam e, em seguida, projetar algoritmos para minerar os dados. Este trabalho requer uma compreensão profunda do negócio e experiência em algoritmos de aprendizado de máquina. Considere novamente Ant Financial. Se um vendedor considerado com crédito ruim paga seu empréstimo a tempo ou um vendedor com excelente crédito catastroficamente inadimplente, o algoritmo precisa claramente de ajustes. Os engenheiros podem verificar suas pressuposições com rapidez e facilidade. Quais parâmetros devem ser adicionados ou removidos? Quais tipos de comportamento do usuário devem ter mais peso?
À medida que os algoritmos recalibrados produzem previsões cada vez mais precisas, o risco e os custos da Ant diminuem constantemente, e os mutuários recebem o dinheiro de que precisam, quando precisam, a uma taxa de juros que podem pagar. O resultado é um negócio altamente bem-sucedido: a operação de microempréstimos tem uma taxa de inadimplência de cerca de 1%, muito abaixo da estimativa de 2016 do Banco Mundial de uma média de 4% em todo o mundo.
Então, como você cria esse tipo de negócio?
Automatize todas as decisões operacionais
Para se tornar um negócio inteligente, sua empresa deve permitir que o maior número possível de decisões operacionais seja feito por máquinas alimentadas por dados ao vivo, e não por humanos, apoiados por sua própria análise de dados. Transformar a tomada de decisão dessa maneira é um processo de quatro etapas.
Etapa 1: “Datafy” em todas as trocas de clientes.
A Ant teve a sorte de ter acesso a muitos dados sobre potenciais tomadores de empréstimos para responder às questões inerentes ao seu negócio de empréstimos. Para muitas empresas, o processo de captura de dados será mais desafiador. Mas dados ao vivo são essenciais para criar os ciclos de feedback que são a base do aprendizado de máquina.
Considere o negócio de aluguel de bicicletas. As empresas iniciantes na China alavancaram a telefonia móvel, a internet das coisas (na forma de fechaduras inteligentes para bicicletas) e os sistemas de pagamento e crédito móveis existentes para organizar todo o processo de aluguel.
Alugar uma bicicleta tradicionalmente envolve ir a um local de aluguel, deixar um depósito, pedir a alguém que lhe dê uma bicicleta, usar a bicicleta, devolvê-la e depois pagar pelo aluguel em dinheiro ou cartão de crédito. Várias empresas chinesas rivais colocam tudo isso online, integrando várias novas tecnologias com as existentes. Uma inovação crucial foi a combinação de códigos QR e bloqueios eletrônicos que habilmente automatizaram o processo de checkout. Ao abrir o aplicativo de compartilhamento de bicicletas, um piloto pode ver as bicicletas disponíveis e reservar uma nas proximidades. Quando o ciclista chega à bicicleta, ele ou ela usa o aplicativo para digitalizar um código QR na bicicleta. Supondo que a pessoa tenha dinheiro em sua conta e atenda aos critérios de aluguel, o código QR abrirá a trava de bicicleta eletrônica. O aplicativo pode até mesmo verificar o histórico de crédito da pessoa por meio do Sesame Credit, O novo produto online da Ant Financial para classificações de crédito ao consumidor, permitindo que o passageiro pule o pagamento de um depósito, acelerando ainda mais o processo. Quando a moto é devolvida, o fechamento da trava completa a transação. O processo é simples, intuitivo e geralmente leva apenas alguns segundos.
A coleta de dados do processo de aluguel melhora muito a experiência do consumidor. Com base em dados ao vivo, as empresas enviam caminhões para levar as bicicletas até onde os usuários querem. Eles também podem alertar os usuários regulares sobre a disponibilidade de bicicletas nas proximidades. Graças em grande parte a essas inovações, o custo do aluguel de bicicletas na China caiu para apenas alguns centavos por hora.
A maioria das empresas que buscam mais dados geralmente coletam e analisam informações para criar um modelo causal. O modelo então isola os pontos de dados críticos da massa de informações disponíveis. Não é assim que empresas inteligentes usam dados. Em vez disso, eles capturam todas as informações geradas durante as trocas e comunicações com clientes e outros membros da rede à medida que a empresa opera e, em seguida, permitem que os algoritmos descubram quais dados são relevantes.
Etapa 2: Digitalize toda atividade.
Em um negócio inteligente, todas as atividades – não apenas a gestão do conhecimento e as relações com o cliente – são configuradas usando o software para que as decisões que os afetam possam ser automatizadas. Isso não significa que uma empresa precise comprar ou construir software ERP ou equivalente para gerenciar seus negócios – muito pelo contrário. O software tradicional torna os processos e os fluxos de decisão mais rígidos e, muitas vezes, torna-se uma camisa de força. Em contraste, a lógica dominante para negócios inteligentes é a reatividade em tempo real. O primeiro passo é construir um modelo de como os humanos atualmente tomam decisões e encontrar maneiras de replicar os elementos mais simples desse processo usando software – o que nem sempre é fácil, já que muitas decisões humanas são baseadas no senso comum ou mesmo na atividade neurológica subconsciente.
O crescimento do Taobao, o site de varejo doméstico do Alibaba Group, é impulsionado pelo contínuo lançamento do processo de varejo. Uma das primeiras grandes ferramentas de software construídas sobre o Taobao foi uma ferramenta de mensagens instantâneas chamada Wangwang, através da qual os compradores e vendedores podem falar uns com os outros com facilidade. Usando a ferramenta, os vendedores cumprimentam os compradores, introduzem produtos, negociam preços e assim por diante, assim como as pessoas fazem em uma loja de varejo tradicional. A Alibaba também desenvolveu um conjunto de ferramentas de software que ajudam os vendedores a projetar e lançar uma variedade de sofisticadas frentes de lojas online. Uma vez que as lojas online estão em funcionamento, os vendedores podem acessar outros produtos de software para emitir cupons, oferecer descontos, executar programas de fidelidade e conduzir outras atividades de relacionamento com o cliente, todas coordenadas entre si.
Como a maioria dos softwares atuais é executada online como um serviço, uma importante vantagem de promover uma atividade comercial é que os dados ao vivo podem ser coletados naturalmente como parte do processo de negócios, criando a base para a aplicação de tecnologias de aprendizado de máquina.
Etapa 3: obter dados fluindo
Em ecossistemas com muitos atores interconectados, as decisões de negócios exigem uma coordenação complexa. Os mecanismos de recomendação do Taobao, por exemplo, precisam trabalhar com os sistemas de gerenciamento de estoque de vendedores e com os sistemas de perfis de consumidores de várias plataformas de mídia social. Seus sistemas de transação precisam trabalhar com ofertas de descontos e programas de fidelidade, além de alimentar nossa rede de logística.
Padrões de comunicação, como TCP / IP e interfaces de programação de aplicativos (APIs), são essenciais para obter o fluxo de dados entre vários participantes, garantindo controle estrito de quem pode acessar e editar dados em todo o ecossistema. APIs, um conjunto de ferramentas que permitem que diferentes sistemas de software “conversem” e se coordenem on-line, têm sido centrais para o desenvolvimento do Taobao. À medida que a plataforma crescia a partir de um fórum onde compradores e vendedores podiam se encontrar e vender mercadorias para se tornar o principal site de comércio eletrônico da China, os comerciantes do site precisavam de mais e mais suporte de desenvolvedores terceirizados. O novo software teve que ser amplamente interoperável com todos os outros softwares da plataforma para ter algum valor. Assim, em 2009, a Taobao começou a desenvolver APIs para uso por fornecedores independentes de software. Hoje,
Acertar a infraestrutura técnica é apenas o começo. Foi preciso um tremendo esforço para construirmos um padrão comum, para que os dados pudessem ser usados e interpretados da mesma forma em todas as unidades de negócios do Alibaba. Além disso, descobrir as estruturas de incentivo corretas para persuadir as empresas a compartilhar os dados que possuem é um desafio importante e contínuo. Muito mais trabalho é necessário. É claro que o grau em que as empresas podem inovar nessa área dependerá, em parte, das regras que governam o compartilhamento de dados nos países nos quais estão operando. Mas a direção é muito clara: quanto mais dados fluem pela rede, mais inteligentes o negócio se torna e mais valor o ecossistema cria.
Etapa 4: aplique os algoritmos.
Uma vez que uma empresa tenha todas as suas operações on-line, ela experimentará um dilúvio de dados. Para assimilar, interpretar e usar os dados a seu favor, a empresa deve criar modelos e algoritmos que explicitem a lógica subjacente do produto ou a dinâmica de mercado que a empresa está tentando otimizar. Este é um enorme empreendimento criativo que requer muitas novas habilidades, daí a enorme demanda por cientistas de dados e economistas. Seu desafio é especificar o trabalho que eles querem que a máquina faça, e eles precisam ser muito claros sobre o que constitui um trabalho bem feito em um ambiente particular de negócios.
Desde muito cedo, nosso objetivo para o Taobao era adequá-lo às necessidades de cada indivíduo. Isso teria sido impossível sem avanços no aprendizado de máquina. Hoje, quando os clientes fazem logon, eles veem uma página da Web personalizada com uma seleção de produtos com curadoria dos bilhões oferecidos por milhões de vendedores. A seleção é gerada automaticamente pelo poderoso mecanismo de recomendação do Taobao. Seus algoritmos, projetados para otimizar a taxa de conversão de cada visita, geram dados gerados na plataforma da Taobao, desde as operações até o atendimento ao cliente e a segurança.
Um marco no crescimento do Taobao, em 2009, foi a atualização da navegação simples, que funcionou razoavelmente bem quando a plataforma tinha muito menos visitas e produtos para manipular, um mecanismo de pesquisa com algoritmos de aprendizado de máquina e capaz de processar grandes volumes de consultas. . O Taobao também está experimentando algoritmos de busca de reconhecimento óptico que podem tirar uma foto de um item desejado fornecido pelo cliente e combiná-lo com os produtos disponíveis na plataforma. Embora ainda estejamos nos estágios iniciais de usar essa tecnologia para impulsionar as vendas, a função se mostrou muito popular entre os clientes, com 10 milhões de visitas únicas por dia.
Em 2016, o Alibaba apresentou um chatbot com tecnologia AI para ajudar nas consultas dos clientes. É diferente dos provedores de serviços mecânicos familiares à maioria das pessoas que são programadas para corresponder às consultas dos clientes com respostas em seu repertório. Chatbots do Alibaba são “treinados” por representantes experientes de comerciantes Taobao. Eles sabem tudo sobre os produtos em suas categorias e são bem versados na mecânica das plataformas da Alibaba – políticas de devolução, custos de entrega, como fazer alterações em um pedido – e outras perguntas comuns feitas pelos clientes. Usando uma variedade de tecnologias de aprendizado de máquina, como compreensão semântica, diálogos de contexto, gráficos de conhecimento, mineração de dados e aprendizado profundo, os chatbots melhoram rapidamente sua capacidade de diagnosticar e corrigir problemas de clientes automaticamente, em vez de simplesmente retornar respostas estáticas que levam o consumidor a tomar outras medidas. Eles confirmam com o cliente que a solução apresentada é aceitável e depois a executam. Nenhuma ação humana por Alibaba ou o comerciante ocorre.
Chatbots também podem fazer uma contribuição significativa para a linha superior de um vendedor. A marca de roupas Senma, por exemplo, começou a usar uma há um ano e descobriu que as vendas do bot eram 26 vezes maiores do que a principal vendedora de produtos humanos do comerciante.
Sempre haverá a necessidade de representantes humanos de clientes para lidar com problemas pessoais ou complicados, mas a capacidade de lidar com consultas de rotina por meio de um chatbot é muito útil, especialmente em dias de alto volume ou promoções especiais. Anteriormente, a maioria dos grandes vendedores em nossa plataforma contratava trabalhadores temporários para lidar com consultas de consumidores durante grandes eventos. Não mais. Durante o maior dia de vendas do Alibaba em 2017, o chatbot lidou com mais de 95% das perguntas dos clientes, respondendo por cerca de 3,5 milhões de consumidores.
Essas quatro etapas são a base para a criação de um negócio inteligente: envolva-se em dados criativos para enriquecer o conjunto de dados que a empresa usa para se tornar mais inteligente; software o negócio para colocar fluxos de trabalho e atores essenciais online; instituir padrões e APIs para permitir o fluxo e a coordenação de dados em tempo real; e aplicar algoritmos de aprendizado de máquina para gerar decisões de negócios “inteligentes”. Todas as atividades envolvidas nas quatro etapas são novas competências importantes que exigem um novo tipo de liderança.
O papel do líder
No meu curso de negócios inteligentes na Hupan School of Entrepreneurship, mostro um slide com 10 líderes de negócios e peço aos alunos que os identifiquem. Eles podem facilmente escolher Jack Ma, Elon Musk e Steve Jobs. Mas praticamente ninguém consegue identificar o CEO do CitiGroup, da Toyota ou da General Electric.
Há uma razão para isto. Ao contrário da GE, da Toyota e do Citigroup, que fornecem produtos ou serviços por meio de cadeias de suprimentos otimizadas, as empresas digitais precisam mobilizar uma rede para concretizar sua visão. Para isso, seus líderes devem inspirar os funcionários, parceiros e clientes que compõem essa rede. Eles devem ser visionários e evangelistas, sinceros de uma forma que os líderes das empresas tradicionais não precisam ser.
No nível mais alto, os evangelistas digitais devem entender como será o futuro e como suas indústrias evoluirão em resposta às mudanças sociais, econômicas e tecnológicas. Eles não podem descrever etapas concretas para realizar as metas de suas empresas, porque o ambiente é muito fluido e as capacidades que eles exigirão são incognoscíveis. Em vez disso, eles devem definir o que a empresa busca alcançar e criar um ambiente no qual os trabalhadores possam rapidamente agrupar produtos e serviços experimentais, testar o mercado e dimensionar as ideias que geram uma resposta positiva. Os líderes digitais não gerenciam mais; em vez disso, eles permitem que os funcionários inovem e facilitam o ciclo de retroalimentação das respostas dos usuários às decisões e execuções firmes.
No modelo de negócios inteligente, os algoritmos de aprendizado de máquina assumem grande parte do fardo da melhoria incremental, fazendo automaticamente ajustes que aumentam a eficiência em todo o sistema. Assim, o trabalho mais importante dos líderes é cultivar a criatividade. Seu mandato é aumentar a taxa de sucesso da inovação em vez de melhorar a eficiência da operação.
CONCLUSÃO
Empresas nativas digitais, como a Alibaba, têm a vantagem de nascer online e estarem prontas para os dados, por isso sua transformação em negócios inteligentes é bastante natural. Agora que eles provaram o modelo e estão transformando a velha economia industrial, é hora de todas as empresas entenderem e aplicarem essa nova lógica de negócios. Isso pode parecer tecnologicamente intimidador, mas está se tornando cada vez mais viável. A comercialização das tecnologias de computação em nuvem e inteligência artificial tornou a capacidade computacional e os recursos analíticos em larga escala acessíveis a qualquer pessoa. De fato, o custo de armazenamento e computação de grandes quantidades de dados caiu drasticamente na última década. Isso significa que os aplicativos de aprendizado de máquina em tempo real agora são possíveis e acessíveis em cada vez mais ambientes. O rápido desenvolvimento da tecnologia de internet-de-coisas vai digitalizar ainda mais o nosso ambiente físico, fornecendo cada vez mais dados. À medida que essas inovações se acumulam nas próximas décadas, os vencedores serão empresas que se tornam mais inteligentes do que a concorrência.
Uma versão deste artigo foi publicada na edição de setembro-outubro de 2018 (pp. 88-96) da Harvard Business Review.