Cada vez mais parece que todos estão sempre a falar de “Analytics” e “KPIs”. Talvez porque a Inteligência Artifical com “Deep Learning” deu um novo ímpeto à análise de dados, ao mesmo tempo que impulsionaram o “Data Science” ao ponto de se tornar uma moda na escolha duma carreira. Ou, talvez, porque as organizações passaram pelo “Hype” dos bons e velhos sistemas de apoio à decisão, e, finalmente, chegaram ao “Plateau” da produtividade no que toca a utilização e visualização de dados. Ou até porque todos têm “websites”, onde o “Google Analytics” é omnipresente.
Há tanta comunicação sobre o assunto, que as linhas se tornam confusas, tornando difícil acompanhar o que realmente significa “Analytics”. Pode ser o “Data Science” (exploração “ad hoc” de dados, com recurso à estatística muito sofisticada, utilizando ou não Redes Neurais), ou pode ser apenas um monte de indicadores, calculados ocasionalmente, extraindo manualmente dados dos sistemas, ao nível operacional, e fazendo algumas estatísticas básicas com eles em folhas de cálculo, sem qualquer processo regular e automático em vigor. Pode mesmo ser a taxa de conversão do “website”, ao falar com um “web designer”.
Em qualquer caso, todas as empresas querem ter “Analytics”, e todas as empresas de software o fornecem. Todos nós sentimos a necessidade de extrair conhecimento estruturado de dados em bruto, porque essa é a única forma de detetar padrões, gerir por exceção, otimizar processos, analisar tendências e, até, prever o futuro. O domínio de todas essas coisas é essencial no sentido de gerir e fazer crescer organizações saudáveis. As melhores destas organizações encontram uma forma de criar processos automáticos e regulares que extraem informação para “destilarem” um conjunto de indicadores. Escolhem também alguns indicadores chave, os que realmente têm impacto no desempenho e atuam regularmente sobre ele.
Atuar sobre a informação é o principal objetivo de tudo isto, e fecha o ciclo: medimos coisas, comparamos métricas com o que pretendemos, tomamos algumas ações para mudar a forma como trabalhamos, para que o ciclo seguinte mostre métricas que estejam mais próximas do que pretendemos. Uma vez que não temos tempo para olhar tudo, e algumas coisas são muito mais importantes do que outras, concentramo-nos nos “Key Performance Indicators”, ou “KPIs”.
Verne Harnish, o autor de “Scaling Up”, vai um passo mais à frente e revê os “KPIs” como “Kept Promises Indicators” (Indicadores de Promessas Cumpridas). Todas as empresas fazem promessas aos seus clientes, mesmo quando não estão totalmente conscientes disso. As empresas de topo estão perfeitamente cientes dessas promessas, e seguem incansavelmente o seu próprio rasto de como as cumprem, definindo, monitorizando, e agindo com base em alguns “KPIs” bem escolhidos.
Os processos de Transformação Digital também precisam de ser medidos e geridos, nomeadamente a última etapa da cadeia: automatização de tarefas, subprocessos e processos “end-to-end”, geralmente a missão da RPA.
Felizmente, é fácil recolher dados de robôs (afinal de contas, programamo-los, para que possamos incluir passos automáticos para recolher dados sobre dados, ou seja, “metadata”), juntá-los todos no mesmo local, processá-los e apresentar estes conhecimentos às pessoas que executam o processo.
Isto é ainda mais verdade quando os robôs são executados sob a supervisão de um orquestrador, tal como o iMAESTRO da ARPA. A utilização de um orquestrador avançado alivia muito trabalho dos robôs, na recolha de dados, ao mesmo tempo que contribui com mais dados por si só, uma vez que o ARPA iMAESTRO está ciente dos processos “end-to-end”, enquanto os robôs se concentram na sua tarefa específica.
Além disso, o ARPA iMAESTRO insere o colaborador humano no circuito, coordenando as contribuições dos humanos e dos robôs. Isto significa que o ARPA iMAESTRO pode também recolher “metadata” sobre a forma como as coisas se movem do lado humano, permitindo aos clientes da ARPA ver uma parte do “big picture”. Embora os robôs estejam a tornar-se cada vez mais sofisticados, ao enfrentarem tarefas que exigiriam intervenção humana há alguns anos atrás, ainda não conseguem fazer um trabalho criativo como os humanos fazem.
As melhores soluções são geralmente híbridas.
O “RPA Analytics” pode fornecer conhecimentos, a todos os níveis, que dizem respeito à uma implementação com sucesso, desde a monitorização até otimização, quer dos recursos, quer dos processos, através da análise dos erros, passando por cálculos reais de “Return On Investment” (ROI), baseados na utilização efetiva dos robôs.
Embora o RPA tenha muito mais benefícios do que reduzir os custos, a verdade é que o ROI do projeto é uma consideração importante para a maioria dos clientes e perspectivas.
Ser capaz de cumprir promessas é crucial para construir confiança, e os “KPIs” ajudam a atingir esse objetivo. Os nossos clientes diretos adoram apenas poder mostrar aos seus quadros que o projeto está a cumprir as suas promessas, por isso é tempo de confiar no sistema e alimentar a fábrica de automatização com mais alguns processos.
Um dos nossos clientes, AMORIM CORK, conseguiu recuperar o investimento que fez na automatização de 8 processos, via RPA, em menos de 10 meses, e conseguem verificar isso porque também utilizam o ARPA KPIs Dashboard, a plataforma da ARPA que recolhe, processa e apresenta um “cockpit”, de uma forma acionável (ou seja: é fácil de olhar e agir para corrigir problemas).
Desenvolvido em cima da “suite” da Elastic, disponível em “cloud” ou “on-premise”, fornece aos nossos clientes uma visão completa sobre como está a decorrer a iniciativa global de RPA (poupança de dinheiro, processos já implementados, registos processados), ajudando-os a concentrar o foco em questões operacionais, que normalmente se tornam relevantes quando escalam (processos que requerem muito recursos, robôs subutilizados, etc.) ou mesmo avaliando a qualidade dos processos (percentagem de erro, com e sem reprocessamento, estatísticas, etc.). E, claro, ver em tempo real quanto dinheiro estão a poupar, apenas com o funcionamento dos robôs.
O ARPA KPIs Dashboard tem sido utilizado há muito tempo, pois foi desenvolvida ao longo da nossa versão anterior do nosso orquestrador (ARPA RSO). Entretanto, recolhemos muitos dados dos utilizadores, relativamente a novos “KPIs”, flexibilidade na sua exploração e como selecionar e exibir dados. Lançámos também o ARPA iMAESTRO, o nosso orquestrador avançado, que permite a recolha de dados mais detalhados, ao mesmo tempo que alarga o âmbito da recolha, especialmente para robôs que não registam explicitamente “metadata”.
Finalmente, vários dos nossos clientes pediram-nos que também fosse suportada a “stack” da Microsoft: ELK, que é uma grande tecnologia e a maioria dos nossos clientes vive numa base Microsoft, sendo muito importante para eles integrar as coisas sem problemas.
Assim, para abordar estes três vetores, estamos a desenvolver uma nova versão do ARPA KPIs Dashboard, que deverá estar 100% pronta no final do primeiro semestre de 2022.
Por favor, tenha presente, “KPI” significa “Kept Promises Indicators” (Indicadores de Promessas Cumpridas).
