De Business Analytics para Data Science no Grupo Boticário
No final 2016, estávamos finalizando o Go-live de um projeto de previsão de Demanda Indústria para a marca O Boticário, visando planejamento S&OP (Sales and Operations Planning). O objetivo, naquele momento, era sair de uma ferramenta de previsão de demanda de mercado que já não nos atendia, SAP APO DP, para uma solução customizada. A nova solução contemplava o desenvolvimento desde a parte transacional, back e front-end, assim como os modelos matemáticos de previsão de demanda no Sell-Out (demanda do varejo) e sua conversão de Sell-Out para Sell-In (demanda da indústria). Após muita pesquisa e entendimento dos dados, aprendemos como modelar as variáveis temporais não estacionárias e a desenvolver modelos com técnicas de redes neurais, SVR (Support Vector Regression) e árvores de decisão. Naquela altura, após 2 anos de projeto, não tínhamos ainda a ciência de todos os legados que esse projeto traria para o Grupo Boticário, mas já sabíamos da necessidade de continuar com uma equipe de suporte e evolução da ferramenta. A complexidade da solução desenvolvida e a quantidade de itens pendentes para sua evolução exigia uma equipe de pelo menos 4 pessoas: 1 cientista de dados, 1 analista de BI, 1 desenvolvedor backend e 1 usuário chave para orquestração da solução.
O time cresceu
Pouco mais de 1 ano após o go-live, em janeiro de 2018, nosso pequeno time estava se tornando uma coordenação de Business Analytics para a área de Demanda da empresa. Contando os colaboradores internos e terceiros, nosso time era composto de 6 pessoas: 1 gestor, 3 cientistas de dados, 1 desenvolvedor backend e 1 analista de BI. E talvez, a esta altura, você pode estar se perguntando: “Nossa, mas por que 3 cientistas de dados?”. E sim, essa é uma ótima pergunta! Como muitas áreas de Analytics que nascem em uma grande empresa, os cargos, papéis e responsabilidades ainda não estavam bem definidos. Logo, era muito comum fazermos todos os tipos de trabalho, como engenharia de dados, produtização dos modelos matemáticos (engenharia de machine learning), dashboards, relatórios gerenciais, melhorias de sistemas, funções operacionais da área de negócio, dentre outros. Consequentemente, o papel do cientista envolvia, naquela época, fazer muito mais do que soluções matemáticas.
Nesse contexto ainda muito nebuloso de escopo de uma área de Analytics, não apenas nosso volume de trabalho técnico estava aumentando, como também o escopo de temas da área de negócio se expandia em duas dimensões. Na vertical, com o aumento da complexidade dentro dos modelos de previsão Sell-Out e Sell-In de longo prazo que já existiam. E na horizontal, com novos escopos inerentes à previsão de demanda que ainda não estavam sendo cobertos, como previsão de curto prazo indústria, previsão de lançamentos e previsão de curtíssimo prazo para abastecimento da rede, assim como escopos periféricos que tangenciavam o tema de demanda, como entendimentos das alavancas de negócio que manipulam nossa demanda em promoções, elasticidades de preço, mensuração dos efeitos da concorrência etc.
Dada a crescente demanda técnica e de temas de negócio, em junho de 2018 iniciávamos nossa jornada de crescimento intenso da área. Visando primeiramente resolver problemas de negócio, nosso time, ainda de Analytics, saiu da área de Gestão de Demanda e migrou para a nova Diretoria de Inovação e CRM. Nesse momento, encontramos nosso primeiro desapego de escopo, deixando atividades operacionais da área, abrindo espaço para focarmos apenas na construção e desenvolvimento dos algoritmos. Também foi nesse momento que encontramos terreno fértil para crescer em novos temas de negócio, como o desenvolvimento de modelos de recomendação e mensuração para CRM e aplicativos de celular, assim como solidificar nossos investimentos em projetos iniciados na antiga gestão de demanda, mas que ainda precisavam de investimento tanto de pessoas quanto de infraestrutura para suportar.
Iniciamos o ano de 2019 com pouco mais de 10 pessoas no time de Business Analytics, e dada a complexidade técnica dos diversos temas de negócio que estávamos trabalhando e em diferentes bases, começamos a nos organizar e dividir o papel e responsabilidade do(a) Cientista e Engenheiro(a) de dados. Precisávamos de um banco de dados OLAP mais robusto e organizado, que fizesse todo nosso time se comunicar em um padrão único, mantendo a comunicação com a área de negócio, e assim iniciamos o desenvolvimento do ADB (Analytics Database); também de um banco de dados IBM IIAS (on-premisse) organizado em camadas de processamento de dados, disponibilizando o dado de forma única a ser consumido pelo nosso time e as áreas para suprir nossas necessidades de DataOps. Adicionalmente, conseguiríamos separar nosso servidor IBM x64 RedHat de processamento de dados/modelos, suprindo de forma muito laboratorial nossas necessidades de MLOps.
Finalizamos o ano de 2019 com aquele sentimento de crescimento, mas ainda como apenas 1 coordenação, passando de 20 pessoas no time. No início de 2020, saímos com uma proposta de reestruturação da área de Business Analytics, com mais coordenações dedicadas à cada tema de negócio que trabalhávamos e uma área adicional que nos ajudaria a dar vazão a novos investimentos e organização do time.
Em paralelo, uma nova área estava sendo criada dentro do Grupo Boticário e iria nos ajudar a organizar e acelerar muitos de nossos planos futuros. Uma área pura de Engenharia de Dados! (ver artigo: “Fazendo beleza com dados em nuvem: a acelerada jornada de dados do Grupo Boticário”). Na perspectiva de nossa área de Business Analytics, a vinda desse time e sua escolha de plataforma de trabalho on cloud no GCP (Google Cloud Plataform) traziam dois impactos essenciais e positivos:
(i) melhor definição do papel de Engenharia de Dados, com a migração de tecnologia de on premise para cloud;
(ii) definição do papel de Engenheiro(a) de ML para a produtização e aceleração dos modelos matemáticos.
E assim, com aproximadamente 30 pessoas, ao final de 2020 começava a virada de chave de um time de Business Analytics para Data Science, nos desfazendo de posições de Engenharia de Dados e Desenvolvedores(as) backend e definindo melhor o papel de produtização dos modelos.
Mas ainda faltava algo!
No início de 2021, uma diretoria de dados foi criada no Grupo Boticário, cujo primeiro desafio era realizar o desenho da estratégia de dados do Grupo, e que concentrava 3 áreas da empresa: Engenharia de Dados (DE), Business Intelligence (BI), Data Science (DS) e criando uma quarta área de CoE (Center of Excellence) para cuidar de cultura e governança de dados na empresa ( ). Essa migração do time para a nova diretoria de dados e a divisão de escopo entre as áreas seria a jogada final de conversão da nossa área para Data Science, se desfazendo de papéis que não competiam ao desenvolvimento de soluções matemáticas para o negócio. E, em equivalência, agora tendo o escopo de Analytics distribuído dentre as diferentes áreas da Diretoria de Dados, empoderando cada grande time (DE, BI, DS e CoE) a focar em cada uma de suas especialidades.
Claramente esse não é o fim da história de criação do time de Data Science do Grupo Boticário, mas o começo! Afinal, em uma visão mais macro, toda a experiência que tivemos até agora, somada à entrada do time GAVB para o Grupo Boticário, gera o privilégio de iniciar um time de Data Science correndo a 100km/h, colhendo os frutos de anos de investimentos da empresa e de pessoas visionárias. E também, tendo a visão de que olhávamos para algo como 30% do Grupo e, agora, precisamos olhar para os 100%. Dada a imensidão do Grupo Boticário, já encontramos e estou certo de que ainda encontraremos muitas oportunidades inexploradas, assim como muitos times como o nosso antigo de Business Analytics, os quais queremos conhecer e nos unir para, juntos, seguir mais forte nessa jornada de dados.
Curtiu o texto? Quer ajudar na construção dos próximos capítulos dessa história? Então se liga nas nossas vagas!
