Quando realizou mesas redondas executivas com empresas de e-commerce de todo o país, a Master B2B esperava ouvir sobre estratégias de personalização e gestão de IA generativa. Em vez disso, a prioridade estratégica mais frequente era “gerenciar relatórios e funções analíticas”.

Essa resposta revela a mudança crucial que acontece no e-commerce B2B. Não há falta de dados nas empresas; a dificuldade é transformar esses dados em insights práticos que aumentem a lucratividade. Embora as empresas usem há anos funções analíticas de e-commerce para gerar relatórios, os avanços na área de IA no e-commerce colocaram em destaque as funções analíticas preditivas: o uso de dados históricos para prever resultados futuros de negócios.

Há muito a ganhar. No cenário econômico atual, o ROI de todos os investimentos digitais deve ser muito claro, e a experiência do cliente em todos os pontos de contato precisa contribuir para a retenção e o crescimento. Por isso, as principais empresas B2B estão adotando IA e funções analíticas preditivas não só como ferramentas de geração de relatórios, mas como geradoras de lucro estratégico.

Na parte quatro da série “O imperativo da lucratividade”, a Master B2B entrevistou 86 executivos globais de produção e distribuição para entender como eles estão abordando os investimentos em dados e funções analíticas. O resultado mostra que, embora as despesas das empresas com funções analíticas tenham aumentado em 44% em 2024, a maioria delas está perdendo oportunidades significativas de gerar lucros com o uso mais inteligente dos dados.

Vamos analisar como as empresas com visão de futuro transformam a abordagem dos dados e o resultado.

O poder da IA preditiva para transformar as decisões de negócios

As funções analíticas preditivas representam a guinada fundamental da geração de relatórios descritivos para a previsão estratégica. Enquanto as funções analíticas tradicionais do e-commerce dizem o que aconteceu – tráfego no site, valor médio dos pedidos, taxa de conversão –, a IA e as funções analíticas preditivas ajudam a entender o que acontecerá depois.

Essa distinção tem enorme importância na lucratividade. Considere a otimização da cadeia de suprimentos: em vez de simplesmente rastrear o nível do estoque, a IA preditiva é capaz de analisar padrões sazonais, tendências geográficas e sinais de demanda para garantir níveis de estoque ideais. A cooperativa de compras Wendy's exemplifica essa abordagem usando IA e funções analíticas preditivas para gerenciar o estoque de sua promoção de Frosty por US$ 1 em 6.000 locais. Como disse o head de compras da Wendy's, as empresas que não adotarem essas ferramentas terão “uma desvantagem clara” em poucos anos.

A pesquisa revela que as empresas B2B se sentem mais à vontade ao usar IA e funções analíticas preditivas em aplicações voltadas ao cliente, como campanhas de marketing (adoção de 17,4%) e recomendações de produtos (12,8%). No entanto, menos de 10% aplicam essas ferramentas às principais funções operacionais, como previsão de demanda ou otimização de depósitos, o que representa um enorme potencial inexplorado.

Casos de uso de crescimento da receita de e-commerce

As implementações mais bem-sucedidas de IA no e-commerce se concentram em três áreas de alto impacto.

Otimização de compras e cadeia de suprimentos

As funções analíticas preditivas conseguem analisar grandes volumes de dados de compras para identificar tendências sazonais e geográficas a fim de garantir que as empresas tenham o estoque ideal de estoque nos pontos corretos do varejo. Essa capacidade se torna essencial quando a inflação aumenta os custos do estoque, o que torna proibitivo mantê-lo em excesso em vários locais.

Os dados da pesquisa mostram que, atualmente, apenas 8,1% das empresas usam IA generativa para otimizar a cadeia de suprimentos em suas funções analíticas preditivas, o que é outra oportunidade inexplorada de vantagem competitiva.

Estratégias dinâmicas de precificação

Embora a precificação dinâmica seja discutida há mais de 20 anos, os avanços na IA estão tornando a otimização sofisticada dos preços mais precisa e automatizada do que nunca. Recentemente, a Delta Air Lines anunciou que está trabalhando com tecnologia de IA na precificação para automatizar decisões que antes exigiam analistas.

Em um recente Dia do Investidor, Glenn Hauenstein, presidente da Delta, explicou o poder das novas ferramentas de precificação: “O que temos hoje com a IA é um superanalista que trabalha 24 horas por dia, sete dias por semana, e tenta simular em tempo real quais devem ser as faixas de preço usando as mesmas informações disponíveis a um analista.”

O impacto financeiro é substancial. Um estudo do The Journal of Professional Pricing constatou que a otimização dos preços pode proporcionar um aumento de 2% a 5% do EBIT – uma melhora significativa da margem que afeta diretamente a lucratividade.

Turbinando a função do analista

Além de substituir tarefas rotineiras, a IA e as funções analíticas preditivas são um potente reforço para os analistas humanos. Grandes empresas estão abrindo novas vagas para cientistas de dados capazes de criar ferramentas que usem grandes modelos de linguagem para ingerir dados, fazer inferências e previsões e, em essência, criar analistas virtuais.

Como o relatório descreve, o Walmart abriu uma vaga de cientista de dados para criar “uma plataforma SaaS de última geração que utilize LLMs e modelos de visão computacional para obter insights de varejo e automatizar processos decisórios com a finalidade de aumentar a satisfação do cliente e a eficiência operacional”.

Enquanto isso, os atuais analistas de dados podem executar cenários hipotéticos com mais rapidez do que nunca e habilitar funções analíticas preditivas para o crescimento do e-commerce com previsões melhores que maximizem o lucro. Por exemplo, eles podem modelar rapidamente perguntas como: “E se mudássemos o fornecedor e transferíssemos toda a produção para uma unidade mais próxima desse fornecedor?” ou “Qual seria o impacto na margem do produto se eliminássemos um fornecedor, mas comprássemos mais de outro?”

Construindo a estrutura da equipe para o sucesso das funções analíticas

A pesquisa revelou uma lacuna preocupante: 52% das empresas não têm analistas de dados dedicados à plataforma de e-commerce. Esse déficit de pessoal está diretamente ligado à baixa adoção de técnicas avançadas de funções analíticas. Sem expertise dedicada, as empresas têm dificuldade de ir além dos relatórios básicos e passar a implementar funções analíticas preditivas para o crescimento dos negócios.

A Master B2B recomenda uma abordagem com quatro pilares para a criação de equipes de funções analíticas:

• Exploração e preparação de dados
  O analista de dados avalia a precisão e a integridade do conjunto de dados disponível e identifica anomalias que podem distorcer os modelos de IA preditiva.
• Visualização e storytelling
  Os analistas de negócios criam relatórios atraentes que traduzem as funções analíticas complexas de e-commerce em insights práticos para stakeholders de toda a organização.
• Teste e validação
  Os engenheiros e gerentes de produto colaboram com os cientistas de dados para criar estruturas de teste estatisticamente sólidas e garantir que os modelos de funções analíticas preditivas forneçam previsões precisas.
• Dimensionamento e implementação
  Os cientistas de dados criam modelos robustos com base em resultados de testes e, de modo interfuncional, implementam novos recursos de IA e funções analíticas preditivas em toda a empresa.

As empresas que conseguem ampliar a IA no e-commerce relatam que essa abordagem estruturada evita a armadilha comum da “paralisia da análise” e garante que os insights se tornem ações rentáveis.

O imperativo da democratização dos dados

Em cada parte desta série de pesquisas, a importância de coletar e integrar os dados de toda a organização tem sido enfatizada. Um dos fatores determinantes dos silos de dados é que as equipes temem perder o controle dos dados que forem para outros locais. Mas essa mentalidade contribui para a proliferação de silos de dados.

Eliminando os silos de dados

Em uma era em que os clientes compram em vários canais e as ferramentas de IA generativa exigem o máximo possível de dados para criar experiências personalizadas, silos não são mais aceitáveis. Essa mudança, em que todas as áreas da empresa têm acesso a todos os dados, é a chamada de “democratização dos dados”.

Um executivo de uma fabricante global de peças para ar condicionado falou recentemente sobre sua mudança de mentalidade a respeito da propriedade dos dados: “Decidimos não nos preocupar tanto com nossos dados exclusivos, porque quem realmente quiser vai consegui-los. Por isso, preferimos compartilhar os dados de maneira mais aberta dentro da empresa. Se a equipe digital e as equipes de vendas trabalharem com o mesmo conjunto de dados, caberá a elas determinar a melhor forma de atender aos clientes.”

Estabelecendo padrões de qualidade de dados

A democratização dos dados não significa abandonar a supervisão. Como Melody Chien, analista diretora sênior do Gartner, observou recentemente, “dados de boa qualidade geram leads melhores, mais compreensão dos clientes e um relacionamento melhor com eles. A qualidade dos dados é uma vantagem competitiva de que os líderes de dados e funções analíticas precisam para melhorar continuamente.”

O sucesso da democratização dos dados requer a criação de um comitê para supervisionar como eles são usados e garantir que atendam aos padrões organizacionais. Embora os dados nunca estejam perfeitamente limpos, as organizações devem definir o que é “bom o bastante” e definir esse padrão para a medição.

A vantagem competitiva das funções analíticas integradas

Para enfrentar esses desafios, a SAP CX fornece recursos integrados de funções analíticas de e-commerce que se conectam perfeitamente ao ERP, ao CRM e a outros sistemas de negócios. Essa integração viabiliza funções analíticas preditivas baseadas em dados abrangentes do cliente – desde o histórico de compras e as interações de atendimento até as métricas financeiras e os dados operacionais.

A força da SAP está na integração dos dados em todo o ecossistema de negócios. Isso significa que cada insight de funções analíticas preditivas de IA pode incorporar dados de lucratividade para otimizar as decisões e obter valor de negócios a longo prazo.

Em tempos de incerteza econômica, essa abordagem integrada se torna ainda mais valiosa. As empresas precisam de funções analíticas de e-commerce que melhorem a experiência do cliente e causem impacto comprovado no resultado.

Principais conclusões para líderes B2B

Como detalhado na quarta e última parte da série “Imperativo da lucratividade” da SAP e da Master B2B, a oportunidade de transformar as operações comerciais por meio de IA e funções analíticas preditivas já está disponível. Com muitas empresas aumentando o investimento em funções analíticas, os líderes de vanguarda estão reconhecendo a vantagem competitiva que esse recurso oferece.

Etapas de ação imediata:

• Crie sua base de funções analíticas: como 52% das empresas não têm analistas de dados dedicados ao e-commerce, essa será sua primeira vantagem competitiva
• Implemente os quatro pilares: foco em exploração, visualização, teste e dimensionamento dos dados
• Democratize seus dados: elimine os silos que impedem as equipes de acessar insights essenciais dos clientes
• Estabeleça padrões de qualidade: garanta a precisão dos dados e, ao mesmo tempo, permita o acesso entre departamentos
• Mude sua mentalidade: em vez de perguntar “O que aconteceu?”, prefira “O que acontecerá?” e "Como influenciar o resultado?"

Esses não são conceitos teóricos; são soluções práticas implementadas atualmente por empresas líderes. Seus dados são o segredo para aumentar a lucratividade e o crescimento sustentável. A questão não é se esses recursos se tornarão essenciais, mas se a sua organização liderará a transformação ou seguirá quem agiu primeiro.

Saiba mais