Preço sempre foi determinado pela observação e tempo de mercado. Agora é possível antecipar e identificar a melhor maneira de formar valor para um bem ou serviço.
Daniel Lázaro *
Publicada em 23 de novembro de 2011 às 13h07
Analisar e precificar. É esta equação que se forma a partir da verificação
consistente de dados e que beneficia a realização de negócios de alta
performance. Se antes, formar o preço de um produto era determinado pela
observação e tempo de mercado, agora é possível antecipar e identificar a melhor
maneira de formar valor para um bem ou serviço.
Se por um lado a análise descritiva observa dados históricos e ajudam a responder perguntas básicas como “o que e por que aconteceu", por outro, a forma preditiva amplia as possibilidades de resultados ao aplicar algoritmos estatísticos de modelagem e otimização.
Dessa forma, a análise preditiva consegue antecipar o impacto de várias ações nos resultados de negócios, como promoções, mudanças de preço ou publicidade. Ela permite realizar pesquisas complexas, dinâmicas e com múltiplas variáveis, inclusive para experiências de mercado sujeitas a rápidas transformações, como campanhas relâmpago de baixo custo. Com essa ferramenta, as previsões tornam-se informações baseadas em fatos e não em suposições.
Esta modalidade de analytics é útil para o setor varejista e de bens de consumo embalados, e também para o segmento B2C ou para o B2B. Apesar do entusiasmo sobre a precificação preditiva, não é fácil construir essas capacidades, pois elas exigem abordagens novas que não podem ser implementadas da noite para o dia.
Em um nível básico, as empresas podem se beneficiar da adoção de soluções de business intelligence para obterem informações padrão, consultas e alertas. No entanto, para aproveitar corretamente a análise preditiva, é preciso pensar e agir utilizando abordagens integradas de analytics. Isso inclui um conjunto de capacidades de análise e a definição de quais métricas usar no rastreamento, quais ações executar e quais mecanismos de governança utilizar, para alinhar a análise preditiva à estratégia de negócios.
Ao observar o mercado, é possível dizer que poucas empresas estão preparadas para aplicar analytics com toda força na composição de preços. A minoria possui um executivo que tenha a atividade de precificação como primeira responsabilidade - com exceção de exemplos no varejo - pois essa é ainda uma situação relacionada ænbsp; cultura das organizações. A precificação nem sempre esteve ligada estrategicamente com crescimento. Para se ter uma ideia, uma recente pesquisa da Accenture revelou que menos de 29% dos CMOs (Chief Market Officers) alegam usar a precificação como um item para alcançar seus objetivos de crescimento.
Esses desafios são mais visíveis no setor B2B, no qual a precificação tem sido com frequência um jogo sem limites, no qual os descontos são oferecidos ao primeiro sinal de pressão competitiva ou indiferença de compradores. Nessas circunstâncias, os vendedores que não possuem informações consistentes para negociar acabam por ceder à pressão dos compradores, pois não querem assumir o risco de perder um negócio.
Por isso é necessária uma mudança de cultura na qual a analytics preditiva deve permitir não apenas entender o impacto da mudança de preços no passado, como também prever o que acontecerá caso os fatores se alterem novamente no futuro. Uma precificação que usa análises granulares geralmente marca a diferença entre uma empresa que se mantém no mercado e aquela que é líder na indústria.
O setor de varejo está à frente dessa transformação, mas não deve ser o único setor a se beneficiar dessas novas ferramentas. A análise preditiva pode ser aplicada em diversos ramos, pois suas possibilidades são infinitas.
(*) Daniel Lázaro é líder para a prática de Analytics e Gestão da Informação da Accenture na América Latina.
Se por um lado a análise descritiva observa dados históricos e ajudam a responder perguntas básicas como “o que e por que aconteceu", por outro, a forma preditiva amplia as possibilidades de resultados ao aplicar algoritmos estatísticos de modelagem e otimização.
Dessa forma, a análise preditiva consegue antecipar o impacto de várias ações nos resultados de negócios, como promoções, mudanças de preço ou publicidade. Ela permite realizar pesquisas complexas, dinâmicas e com múltiplas variáveis, inclusive para experiências de mercado sujeitas a rápidas transformações, como campanhas relâmpago de baixo custo. Com essa ferramenta, as previsões tornam-se informações baseadas em fatos e não em suposições.
Esta modalidade de analytics é útil para o setor varejista e de bens de consumo embalados, e também para o segmento B2C ou para o B2B. Apesar do entusiasmo sobre a precificação preditiva, não é fácil construir essas capacidades, pois elas exigem abordagens novas que não podem ser implementadas da noite para o dia.
Em um nível básico, as empresas podem se beneficiar da adoção de soluções de business intelligence para obterem informações padrão, consultas e alertas. No entanto, para aproveitar corretamente a análise preditiva, é preciso pensar e agir utilizando abordagens integradas de analytics. Isso inclui um conjunto de capacidades de análise e a definição de quais métricas usar no rastreamento, quais ações executar e quais mecanismos de governança utilizar, para alinhar a análise preditiva à estratégia de negócios.
Ao observar o mercado, é possível dizer que poucas empresas estão preparadas para aplicar analytics com toda força na composição de preços. A minoria possui um executivo que tenha a atividade de precificação como primeira responsabilidade - com exceção de exemplos no varejo - pois essa é ainda uma situação relacionada ænbsp; cultura das organizações. A precificação nem sempre esteve ligada estrategicamente com crescimento. Para se ter uma ideia, uma recente pesquisa da Accenture revelou que menos de 29% dos CMOs (Chief Market Officers) alegam usar a precificação como um item para alcançar seus objetivos de crescimento.
Esses desafios são mais visíveis no setor B2B, no qual a precificação tem sido com frequência um jogo sem limites, no qual os descontos são oferecidos ao primeiro sinal de pressão competitiva ou indiferença de compradores. Nessas circunstâncias, os vendedores que não possuem informações consistentes para negociar acabam por ceder à pressão dos compradores, pois não querem assumir o risco de perder um negócio.
Por isso é necessária uma mudança de cultura na qual a analytics preditiva deve permitir não apenas entender o impacto da mudança de preços no passado, como também prever o que acontecerá caso os fatores se alterem novamente no futuro. Uma precificação que usa análises granulares geralmente marca a diferença entre uma empresa que se mantém no mercado e aquela que é líder na indústria.
O setor de varejo está à frente dessa transformação, mas não deve ser o único setor a se beneficiar dessas novas ferramentas. A análise preditiva pode ser aplicada em diversos ramos, pois suas possibilidades são infinitas.
(*) Daniel Lázaro é líder para a prática de Analytics e Gestão da Informação da Accenture na América Latina.
