Estratégia do oceano azul: ela ainda é válida?
A estratégia do oceano azul: Depois de terminar um MBA em 2004 e insatisfeito com as práticas da concorrência no mercado de tecnologia, estava buscando alguma forma de reinventar o negócio, tentando construir mais valor para os clientes e sair da concorrência sangrenta. Como eu poderia ter sucesso em um mercado no qual outros concorrentes ofereciam o mesmo produto por um valor bem próximo do custo? Foi quando, em uma viagem, folheei um livro, numa dessas livrarias de aeroporto, que transformou a minha percepção de valor. Fiquei encantado com a visão apresentada e casos de empresas bem-sucedidas que fizeram a transição de um mercado de alta competitividade e baixas margens para um mercado com uma vantagem competitiva sustentada, onde o valor do benefício tem um peso muito maior na escolha do que o preço em si. Resolvi beber água na fonte. Em 2006 fui para o INSEAD estudar com os professores autores da estratégia do oceano azul. Aquela estada em Fountainebleau ampliou minha visão e perspectivas para o futuro. Desde então venho aplicando esses conceitos para criar mais valor e vantagem competitiva com bastante sucesso. O termo “estratégia do oceano azul” se transformou em uma dessas palavras-chave que ouvimos com frequência no mundo dos negócios. Algumas pessoas acreditam que se trata de uma estratégia antiga, que não se aplica mais e até uma palavra da moda. Na verdade, ela continua funcionando, só precisamos atualizar alguns conceitos, aprender com as falhas e por fim aprimorá-la. O movimento é tudo. Enquanto estamos em movimento estamos aprendendo, vivendo, experimentando e transformando as coisas. Algumas empresas que implementaram a estratégia do oceano azul obtiveram bons resultados e ficaram esperando por uma nova onda, que obviamente não veio, alegando posteriormente que a estratégia não funciona mais. Foi assim com a re-engenharia, a gestão do conhecimento, entre outras finadas estratégias da moda. Hoje temos que criar mercados e não competir em mercados saturados. Assim fizeram desde a General Electric até a startup em sua mais tenra idade. A quarta revolução industrial, a transformação digital, o aprimoramento das ferramentas de inteligência artificial, a multiplicação das startups, entre outros sintomas da contemporaneidade e da vida cosmopolita nos obrigam a reavaliar continuamente o que fazemos, como fazemos e os resultados obtidos. Essa transição é um movimento contínuo, como as ondas do mar, e nunca deve cessar, assim como deve ser o aprendizado de um profissional bem-sucedido. Pensando nisso, os professores Kim e Mauborgne acabaram de lançar o livro a transição para o oceano azul, que é uma compilação dos maiores sucessos e fracassos da implementação da estratégia que eles começaram a desenvolver há trinta anos. Movimento, criação de mercados, fator humano, competência criativa e mais alguns ingredientes ilustram que a estratégia continua mais atual do que nunca. O objetivo deste post não é ajudar os professores a vender livros, mas conceituar a estratégia e ilustrar um pouco como a aplicamos para construir as coisas inteligentes mais incríveis que temos criado. Nestes anos na Aliger, temos ajudado vários clientes a manter este fluxo de movimento contínuo, construindo mercados e vantagem competitiva sustentada, de forma que, quando os concorrentes copiam e lançam no mercado suas tecnologias e produtos, já estamos introduzindo uma nova geração de produtos e funcionalidades, que mesmo os competidores com capacidade de investimento ilimitado têm dificuldades para criar um valor maior do que nossos clientes levam ao mercado. O que é a estratégia do oceano azul? De todas as palavras-chave mercadológicas, poucas são mais conhecidas que a estratégia do oceano azul. Ela consiste na descoberta de novos mercados e surgiu como uma alternativa para empresas que querem expandir seus negócios sem necessariamente ter de lidar com a competição, pelo menos em um primeiro momento. A estratégia do oceano azul inspira-se, em seu nome, nas Grandes Navegações e propõe que é possível descobrir nichos de mercado e oportunidades. Segundo a estratégia, isso pode ser mais lucrativo do que o simples investimento em áreas já estabelecidas. A estratégia do oceano azul não é a criação de conceitos de negócios que competem com outros e sim a fundação de novos mercados nos quais a competição é, em si, irrelevante. Ou seja, se você pretende criar um negócio em um setor que já existe, como uma rede de lanchonetes fast-food, logo de início já pode descartar essa estratégia do seu arsenal, a não ser que você faça isso de uma forma totalmente inovadora, deixando de lado até então premissas que o mercado consideraria axiomas. Quando foi conceituada, a estratégia do oceano azul dividiu o mercado em dois: oceanos vermelhos e oceanos azuis. Os vermelhos representam todas as indústrias que já existem e funcionam dentro do mercado como conhecemos, onde a competição se dá por preços; os azuis, aqueles pedaços ainda não explorados, cujas regras competitivas não existem e nos quais é preciso que empreendedores definam e desbravem novas águas frequentemente e mantenham a estratégia em movimento. Quais os pontos principais? As diferenças entre o posicionamento no oceano vermelho e no oceano azul podem ser colocadas assim: a de oceano vermelho compete em mercados estabelecidos; a de oceano azul explora nichos ainda não conquistados; na estratégia de oceano vermelho é preciso vencer a competição; na estratégia do oceano azul, por outro lado, competir é irrelevante; o oceano vermelho explora uma demanda já existente; o oceano azul cria e captura uma demanda que até recentemente não sabíamos que existia; no oceano vermelho é preciso oferecer o melhor custo-benefício; no oceano azul o custo-benefício ainda precisa ser estabelecido, mesmo que o mercado necessite ser educado para isso; o oceano vermelho exige centrar seu negócio em oportunidades específicas para o cliente, quando comparado com os demais nomes do mercado e produtos existentes; e a estratégia do oceano azul se baseia em diferenciação, disrupção, alto valor entregue aos clientes e bom custo benefício. Como a estratégia funciona na prática? O benefício, e o que faz com que a estratégia do oceano azul funcione na prática para algumas organizações, é que ela valoriza a inovação. Ao longo da pesquisa que levou os autores Mauborgne e Kim a descobrirem essa tendência, eles
Tecnologia na agricultura: quais são e como aumentam a produtividade
Há muito o que se falar sobre a tecnologia na agricultura. Afinal, até alguns poucos anos atrás, o seu emprego era limitado à utilização de equipamentos modernos para acelerar processos. Na contemporaneidade, porém, tecnologia na agricultura é um assunto um pouco mais complexo. Você sabia que alguns dos recursos que estão mudando o processo de cultivo de alimentos têm muito mais a ver com o que se pode fazer com dados do que com algum tipo de trator muito moderno? Explore conosco alguns dos impactos da tecnologia na agricultura e conheça o que a Inteligência das Coisas pode fazer pelo trabalho no campo! A tendência da agricultura inteligente O conceito mais importante da tecnologia na agricultura, atualmente, é o do cultivo inteligente. Ele parte do princípio de que conhecimento pode fazer mais pelas fazendas do que produtores sequer imaginam. Para implementá-lo, são utilizados alguns recursos comuns às coisas inteligentes, como o rastreio e o monitoramento com auxílio de sensores. Rastreio e monitoramento são princípios comuns em outras indústrias e, ao ouvi-los, você provavelmente os associa, naturalmente, a alguns ambientes, como o da logística. Afinal, que outra parte dos negócios poderia ser um exemplo tão claro de como acompanhar de perto bens pode evitar perdas e evidenciar oportunidades? Mas não é só na logística que o campo pode se beneficiar dos sensores. A agricultura pode obter melhores resultados, aumentar as próprias margens de lucro e evitar desperdícios, considerando rastreio e monitoramento também suas palavras de ordem. Tecnologia é essencial aqui porque é o que nos possibilita acompanhar ativos e detectar necessidades de mudanças. A agricultura inteligente, porém, não se limita à rastreabilidade dos processos. Ela pode ser aplicada por um negócio em outras tantas situações, como na análise do solo, no acompanhamento da temperatura local, no ajuste da irrigação e até no monitoramento de adubamento. Isso faz com que o plantio de produtos para exportação, que precisam ter sua qualidade assegurada com cautela, como o café, seja otimizado. O uso da tecnologia na agricultura para melhor administração do plantio Existem inúmeras situações que podem implicar um baixo desempenho na cultura de produtos agrícolas. Desde como um agricultor lida com pragas até variações climáticas simples, vários pontos na equação que resulta na colheita perfeita podem ser ajustados para obtenção de melhores resultados. Utilizando ambos — sensores e algoritmos preditivos, que fazem parte da Inteligência das Coisas —, é possível liberar mão de obra sem perder o controle do que está sendo administrado. Verificar continuamente os campos continua sendo uma demanda para os agricultores, todavia, hoje, essa demanda pode ser encarada com o auxílio de ferramentas melhores, que não apenas lidam com dados concretos, como o que se pode aferir com os olhos, mas também consideram alguns fatores, como a previsão do tempo ou o volume de precipitação para criar o cenário ideal. Tecnologia na agricultura, hoje, é incluir um aparato capaz de trabalhar em conjunto com a Inteligência Artificial na tomada de decisões em tempo real, endereçando problemas e antecipando desafios. Todo esse aparato, quando bem aplicado, economiza dinheiro para os produtores e, acima de qualquer outra coisa, evita prejuízos. Ainda que a tecnologia seja novidade para a maioria dos produtores rurais, ela traz resultados comprovados. O retorno obtido ao se apostar na Internet das Coisas no campo pode reduzir a demanda por pesticidas, por exemplo, e liberar valores para a aplicação em outras tecnologias que elevarão o desempenho agrícola. Uma maior produtividade, menores perdas e melhora na tomada de decisões Alguns cultivos em particular são mais desafiadores que outros. Esse é o caso que vemos nas vinícolas do país, em que monitorar algumas características, como temperatura e umidade, pode fazer toda a diferença na obtenção de um produto de alta qualidade. Projetos de Inteligência, nesses casos, são centrados em automatizar a coleta de dados, monitorar parâmetros específicos e informar os trabalhos atuais e futuros. Da radiação solar à luminosidade captada em uma plantação, tudo pode ser quantificado e servir como informação preciosa para a produção do próximo ano. Ou, pelo menos, essa era a realidade até alguns anos atrás. Com IoT, modificações podem ser providenciadas imediatamente, impactando diretamente a cultura que está crescendo em suas plantações agora. Graças a recursos assim, engenheiros agrícolas podem escolher que direção seguir bem informados e conseguem agir rapidamente para preservar as características fundamentais do produto que precisam vender sem se surpreender com os problemas que aparecem pelo caminho. O controle, a economia e os retornos em todas as suas colheitas O que faz, todavia, com que a tecnologia na agricultura seja uma tendência para a qual você deve abrir os olhos é a forma como ela modifica os resultados do campo. Obter melhores rendimentos é mais fácil quando se sabe exatamente quais são as variáveis que influenciam esses resultados e, embora já as conheçamos há algum tempo, apenas agora é possível acompanhá-las e utilizar algoritmos e computadores para extrair informações acionáveis. Uma das consequências da tecnologia no plantio é o aumento das toneladas que se pode colher em um mesmo número de hectares. O desafio é encontrar, nas fazendas, a infraestrutura ideal para fazer a implementação do equipamento necessário com sucesso. Se você fosse apresentado, agora mesmo, a algum tipo de trator que pode acelerar o tempo do trabalho em suas fazendas em duas ou três vezes não ficaria empolgado? É isso que IoT está fazendo nos campos, mas com dados e modelos matemáticos que entregam um roteiro preciso para o controle das plantações, a economia de recursos e a obtenção de retornos que sequer imaginávamos até pouco tempo. Os exemplos citados são apenas uma referência de como tecnologias relacionadas à Internet das Coisas podem modificar os resultados obtidos no agronegócio. Respostas customizadas para as necessidades da sua produção agrícola levam em consideração os pontos fortes do empreendimento e, por isso, são as que podem trazer mais impacto. Contar com a ajuda de especialistas capazes de orientá-lo na escolha de técnicas e recursos que possam não apenas acelerar processos como identificar oportunidades é o ideal. O Time da Aliger é especializado saberá orientá-lo quanto às implementações tecnológicas que realmente farão
Inteligência artificial: o guia completo da Aliger
O conceito de Inteligência Artificial é imprescindível para que possamos falar da maioria das tecnologias que são tendência hoje. Entretanto, essa área da ciência da computação muitas vezes é explicada sem muito detalhamento e acaba gerando mais dúvidas do que respostas. Por isso, preparamos um guia completo para explicar para você o que é Inteligência Artificial e ajudá-lo a entender melhor o que é possível fazer com auxílio do recurso. Aqui você entenderá não apenas o conceito, mas como funciona a Inteligência Artificial, quais são as tecnologias que a tornam possível, onde ela é utilizada e quais benefícios gera. Além disso, você terá um guia para a aplicação da Inteligência Artificial nas empresas e saberá como fazer uso dela. Cases e tendências ilustram este material para ajudá-lo a compreender melhor o tema. O que é Inteligência Artificial? Inteligência Artificial, ou AI na sigla inglesa, é a disciplina que se dedica a simular a inteligência humana em computadores e máquinas. Por definição, a Inteligência Artificial compreende processos como o aprendizado, a razão e a autocorreção. São eles que diferenciam essencialmente a forma como as máquinas eram programadas para tomar decisões antes e depois do surgimento da Inteligência Artificial. Foi John McCarthy o primeiro cientista a utilizar a noção de AI, em 1956, em uma palestra na Dartmouth Conference. Desde então a Inteligência Artificial passou a ser sinônimo de uma porção de preceitos que, juntos, deram o pano de fundo para a criação do que chamamos de indústria 4.0. Hoje, ao falarmos de AI podemos fazer referência a coisas como Big Data, automação de processos ou à robótica tradicional. O que diferencia a Inteligência Artificial das outras “inteligências” que um computador pode ser programado para ter são as tarefas que ela pode desempenhar. AI identifica padrões em dados, por exemplo, com eficiência maior até mesmo que seres humanos, e permite que os negócios obtenham direcionamentos claros aos quais seguir. Inteligência Artificial, todavia, não é uma coisa só. Há tipos diferentes dela e cada uma pode ser classificada como “forte” ou “fraca” de acordo com certos padrões. A Inteligência Artificial forte é aquela que demonstra capacidades humanas avançadas, como os sistemas de computação cognitiva. Elas são capazes de lidar mesmo com tarefas pouco familiares porque conseguem relacionar informação o bastante para detectar a solução mais adequada. Um exemplo de Inteligência Artificial forte é o Watson, da IBM. As Inteligências Artificiais fracas, por outro lado, são treinadas para algumas tarefas em específico e limitadas a elas. Pense, por exemplo, em assistentes virtuais como a Alexa, criada pela Amazon. Seguindo comandos específicos ela é capaz de realizar uma porção de coisas, mas quando confrontada com um dado para o qual não foi programada, não apresenta nenhuma reação. Outros tipos de classificação das Inteligências Artificiais separam-nas em reativas — como o Deep Blue, da IBM (uma inteligência feita para vencer jogos como o xadrez) — e de inteligência limitada — como sistemas de BI que usam dados do passado para informar decisões futuras. Ainda nessa classificação temos também tipos de AI que não existem, como as capazes de demonstrar desejos e intenções próprias ou que são conscientes da própria existência. Há muitos exemplos de Inteligência Artificial, seja no processamento da linguagem natural, na robótica e no reconhecimento de padrões. Mais adiante você conhecerá algumas delas em detalhe. [btx_button full_width=”true” link=”/” icon=”anchor”]Baixe o nosso e-book: O guia completo da indústria 4.0[/btx_button] Como funciona a Inteligência Artificial? Há centenas de anos, filósofos se dedicam à tarefa de entender o pensamento humano. Essa disciplina nunca foi tão relevante quanto agora, quando temos a possibilidade de replicar nossa forma de pensar em máquinas. Por isso, é um consenso que a Inteligência Artificial depende muito das disciplinas humanas e de como utilizaremos o que os computadores podem fazer para avançar o endereçamento das nossas principais necessidades. Dito isso, precisamos frisar que não há uma resposta universal para como a Inteligência Artificial funciona. Isso porque temos muitos tipos de AI e cada um deles opera sob regras em particular. Machine Learning elimina a necessidade de codificar mensagens especificamente toda vez que buscamos uma resposta de um sistema, enquanto Deep Learning utiliza uma estrutura que se assemelha ao cérebro humano para conferir às máquinas o poder de tomar decisões conforme os problemas se apresentam. De forma geral, entretanto, a Inteligência Artificial pode ser baseada em dois modelos: aquele que guia-se pelos dados que já conhecemos (modeling a priori) e aquele que não. A Inteligência Artificial modelada por conhecimentos que já existem compõe boa parte dos robôs que utilizamos hoje. Ela é definida seguindo propósitos claros e serve a funções específicas, com base em informação estruturada. Essa informação estruturada fornece à Inteligência Artificial respostas baseadas nesses padrões, que necessariamente estão corretas, pois já temos essa informação. Lembra quando a Google criou uma AI especificamente para vencer o jogo chinês Go? Essa AI era uma inteligência baseada em conhecimentos modelados a priori. Já as inteligências que não são baseadas em informações conhecidas seguem um padrão diferente (ou não estruturado). O algoritmo é responsável pela tomada de decisões e codificado para atender a um determinado comportamento. A maneira como ele interage ou percebe os problemas ao seu redor define seu curso de ação e essa Inteligência Artificial aprende, mais ou menos, como um bebê. Por meio de tentativa e erro, modelos não baseados a priori são construídos e tomam como verdadeiros os resultados que assim podem ser comprovados. Digamos que uma Inteligência Artificial construída assim tem como objetivo sair de um labirinto: toda vez que ela atingir uma parede aprenderá que aquela não é a resposta correta e, em pouco tempo, conseguirá se orientar mesmo sem compreender de fato o labirinto como um todo. Quais são as tecnologias por trás da AI? Falar de Inteligência Artificial não é abordar um tema único. Sendo assim, precisamos compreender algumas das tecnologias que a tornam possível. Estamos falando especificamente de redes neurais, de Machine Learning, Deep Learning, aprendizado supervisionado e não supervisionado e processamento da linguagem natural. Saiba
Deep learning: saiba o que é e como funciona na prática
Deep Learning é um dos campos do aprendizado de máquina, ou Machine Learning, que se ocupa de algoritmos especiais. Esses algoritmos, ao contrário dos demais, simulam a capacidade de células neurais para reproduzir a maneira como os nossos cérebros são introduzidos ao conhecimento. O Deep Learning, portanto, dá às máquinas a capacidade de aprender conforme elas entram em contato com novas informações. Os principais destaques ligados à tecnologia são os avanços que proporcionam para a Inteligência das Coisas. Assim, o Deep Learning faz com que o uso de algoritmos seja menos complexo, mais fácil de se aprender e ajuda ainda a acelerar a aplicação da Inteligência Artificial. Por isso, a tecnologia é uma das mais avançadas e necessárias para organizar, analisar, interpretar e aplicar dados no contexto dos negócios. Vamos entender melhor como funciona o Deep Learning? Continue a leitura! Como funciona o Deep Learning? Deep Learning se baseia em dois conceitos: o aprendizado supervisionado e o não supervisionado. O primeiro treina inteligências artificiais a partir de parâmetros definidos, que são replicados por uma máquina para conseguir seu objetivo. Já o segundo funciona de maneira mais espontânea e permite que a Inteligência Artificial seja treinada de acordo com uma lógica semelhante à tentativa e erro. Ambos os tipos de aprendizagem podem produzir resultados similares. O importante é entender que quanto mais complexa é uma estrutura de Deep Learning, mais elaboradas são as tarefas que consegue completar. Redes neurais simples tendem a ser aplicadas em atividades repetitivas, enquanto as de aprendizado não supervisionado são usadas em coisas como a computação cognitiva. Qual a importância do Deep Learning para os negócios? Existem 3 grandes impactos do Deep Learning que trazem vantagem competitiva para os negócios: Deep Learning influencia as vendas Deep Learning é um recurso fundamental para avaliar leads e transformá-los em clientes. Seus algoritmos podem ajudar profissionais de vendas a se focarem nos potenciais clientes mais relevantes e a análise preditiva ajuda a indicar isso. Deep Learning também ajuda a entregar seu pitch de vendas no contexto e momento certos para aumentar suas chances de ser efetivo. Deep Learning muda a maneira como fazemos Marketing Também o Marketing Deep Learning pode fazer o que outros tipos de AI não faz. Entender textos, figuras e imagens, oferecer sugestões e esclarecer questões com a ajuda de redes neurais, torna o trabalho do departamento em questão muito mais simples. Filtrar anúncios com base no que a sua audiência responde e fazer a jornada do cliente de forma mais simples, é um dos grandes benefícios de aplicar a tecnologia. Deep Learning transforma o Big Data Por último, podemos dizer que o Deep Learning muda nossa relação com dados. Ajudando a escaneá-los e entendê-los melhor faz com que a tecnologia seja capaz de recomendar qual o próximo passo a seguir. Como começar a usar o Deep Learning? Aplicar o aprendizado de máquina nos problemas de negócios é uma questão de identificar oportunidades. O Deep Learning pode ajudá-lo, por exemplo, a fazer previsões quando há um conjunto de dados muito complexo. Digamos que seja preciso escolher passagens frequentemente para as viagens do seu time: essa tecnologia o ajudará na tarefa. Mas há outras várias aplicações do Deep Learning. Por exemplo, a criação de filtros de spam menos permeáveis, o reconhecimento da fala humana, a produção de recomendações personalizadas para seus clientes, etc. Tudo isso pode ser feito desde que existam dados claros o bastante para a tecnologia utilizar. Sistemas de Deep Learning também são de grande auxílio no atendimento ao consumidor. Eles podem identificar, entre um sem-número de solicitações, a natureza de cada uma delas e catalogá-las para ajudar a equipe a endereçá-las. A tecnologia do Deep Learning pode fortalecer estratégias e detectar tendências importantes, além de mudar a maneira como seus colaboradores entendem a Inteligência Artificial. Existem várias tecnologias emergentes que um negócio pode se beneficiar. Hoje a Aliger trabalha em parceria com a NVIDIA para levar as melhores vantagens até a sua empresa. Portanto, não deixe de conferir sobre a ferramenta e o que ela pode fazer por sua empresa! Até a próxima.
