Case: Como empresa de utilities criou data lake e acelerou a geração de leads com IA

A transformação digital não é mais uma opção, mas uma necessidade estratégica para empresas que buscam manter a competitividade e a eficiência operacional. No setor de infraestrutura e utilities, onde a complexidade regulatória e o volume de dados são imensos, a capacidade de tomar decisões rápidas e informadas é ainda mais crucial.

Nesse contexto, a inteligência artificial surge como uma ferramenta poderosa para desvendar padrões e gerar insights a partir de grandes massas de dados. Mas como transformar dados brutos e dispersos em informações padronizadas e acessíveis para todas as distribuidoras de uma empresa? Para a empresa do estudo de caso que exploraremos a seguir, a solução foi encontrada no trabalho desenvolvido com o AI Factory do Distrito.

Para entender como isso foi feito na prática, confira o que você vai encontrar neste artigo:

• O cenário: o desafio da fragmentação de dados em holdings
• O desafio: dados dispersos e a busca por leads qualificados
• A solução AI Factory: data lake e agente de IA para inteligência de mercado
• Resultados: mais leads, otimização de processos e maior poder de negociação
• Conclusão

O cenário: o desafio da fragmentação de dados em holdings

Holdings e grandes corporações, especialmente aquelas que crescem por meio de fusões e aquisições ou que dependem de uma rede de distribuição intrincada, frequentemente herdam uma colcha de retalhos de sistemas tecnológicos.

Essa realidade cria silos, onde dados cruciais ficam isolados em diferentes departamentos, plataformas e unidades de negócio, impedindo uma visão unificada da operação. Essa falta de coesão nos dados não apenas gera retrabalho manual e relatórios inconsistentes, mas também compromete a confiança na informação, dificultando a tomada de decisão.

No setor de infraestrutura e utilities, esse problema é ainda mais crítico. Companhias que pertencem a ele geralmente dependem de redes extensas de fornecedores, clientes e distribuidores, o que resulta em descentralização de dados e dificuldade de integrar todo o conhecimento de mercado disponível em uma única interface.

Consequentemente, essas organizações precisam lidar com um volume massivo de informações e muitas não conseguem extrair seu potencial máximo devido a sistemas legados e controles de dados insuficientes.

Em suma, a ausência de uma base de dados unificada e confiável dificulta a adoção de tecnologias transformadoras, como a inteligência artificial, que se tornaram essenciais para a modernização da rede e otimização de ativos.

A dinâmica no estudo de caso e a busca por sinergia

A empresa do estudo de caso é composta por diversas Companhias de Distribuição Local (CDLs), cada uma operando em uma região específica. Entretanto, essa estrutura descentralizada, embora necessária para a operação local, gerava um desafio de sinergia e padronização.

Assim sendo, a gestão de informações e a coordenação de processos, como a geração de leads e a compra de suprimentos, tornavam-se gargalos. A iniciativa de buscar soluções avançadas de dados e IA visava, primordialmente, unificar a inteligência de negócio e contribuir para a consolidação de um Núcleo de Excelência Operacional que contemple todas as frentes do negócio e sirva a todas as CDLs, com o objetivo de garantir que as decisões sejam tomadas com base em uma fonte única.

É nesse cenário, portanto, que se insere o case a seguir: uma empresa do setor que identificou a fragmentação de dados como o principal obstáculo para sua operação e como um impeditivo delicado para o objetivo estratégico de estruturar um Núcleo de Excelência Operacional, focado em centralizar processos e maximizar a sinergia entre suas distribuidoras.

O desafio: dados dispersos e a busca por leads qualificados

Como uma empresa de utilities de grande relevância no Brasil, a companhia desse estudo de caso enfrentava um desafio central em sua área de Inteligência de Mercado: a falta de informações confiáveis e padronizadas.

O grande volume de dados, provenientes de múltiplas fontes públicas (como IBGE e Receita Federal) e do setor, estava disperso e desorganizado. Essa diversidade dificultava a interpretação e atrasava a geração de insights estratégicos, impactando diretamente a qualidade e a quantidade de leads gerados para as equipes de vendas das CDLs.

Por conseguinte, a companhia precisava de uma solução robusta que fosse capaz de:

• Unificar e padronizar as informações de mercado, superando a dificuldade de consolidar dados de diferentes fontes e formatos;
• Disponibilizar esses dados de forma contínua e confiável para todas as CDLs associadas à empresa;
• Transformar o volume massivo de dados em análises práticas para orientar decisões de negócio, como a qualificação de leads e a identificação de novos mercados.

A solução AI Factory: data lake e agente de IA para inteligência de mercado

Para superar o desafio, a estratégia adotada focou em duas frentes principais, integradas pelo AI Factory: a engenharia de dados e a Inteligência Artificial.

Data lake para unificação e padronização

Primeiramente, foi construído um data lake corporativo centralizado. Esse repositório unificou dados estruturados, semiestruturados e não estruturados, incluindo arquivos CSV, logs, documentos e bases de sensores, em seu formato bruto. A equipe de engenharia de dados integrou registros do IBGE, da Receita Federal e de entidades setoriais, aplicando processos de data quality para eliminar duplicidades, corrigir inconsistências e preencher lacunas.

Ao longo dessa etapa, foram definidos os campos prioritários para cada regional. Além de informações dos potenciais clientes, a empresa passou a incluir variáveis relativas à posição geográfica, como renda média do bairro, infraestrutura urbana e proximidade de redes de distribuição.

Esses atributos, coletados de fontes externas e cruzados com dados internos, permitiram uma visão 360° de cada lead. Tal arquitetura foi fundamental para organizar e armazenar os dados de diferentes fontes, garantindo a atualização contínua e a confiabilidade das informações.

Assim sendo, a engenharia de dados envolveu o tratamento, a estruturação e a definição de um mapeamento de negócio preciso. Além disso, esses dados foram conectados a uma plataforma de georreferenciamento (ArcGIS), permitindo a visualização espacial e a análise de leads com base em fatores como setor censitário e CNAE.

Por fim, outra entrega importante foi um relatório em Power BI. A ferramenta de visualização recebeu as mesmas tabelas do data lake e permitiu criar dashboards dinâmicos de forma rápida. Os times comerciais podiam acompanhar indicadores como leads gerados por região, taxa de conversão e segmentações por CNAE sem depender de planilhas manuais.

O data lake resolveu o problema dos silos de informação, criando a fonte unificada necessária para a sinergia do grupo.

Agente de IA para consulta inteligente (Text-to-SQL)

O próximo passo estratégico envolve a implementação de um agente de IA para consulta inteligente, mais especificamente um chat dinâmico com tecnologia Text-to-SQL. A ideia é que, com os dados já estruturados no Data Lake, os usuários de todas as empresas agrupadas sob o guarda-chuva da holding possam fazer perguntas em linguagem natural.

Essa solução já está sendo testada na frente de suprimentos da companhia e o projeto passará por sua adaptação e aplicação na frente de inteligência de mercado, a fim de estabelecer sinergia com os dados manejados pela companhia, agora melhor organizados e facilmente acessados graças às entregas da primeira etapa.

O agente de IA, por conseguinte, interpretará perguntas dos colaboradores e as transformará em consultas SQL, retornando informações estratégicas em tempo real. Em suma, essa próxima etapa da solução visa otimizar o acesso à informação, transformando o volume massivo de dados em análises práticas e acessíveis para as decisões de negócio no menor tempo possível.

Resultados: mais leads, otimização de processos e maior poder de negociação

Embora o projeto seja contínuo e a etapa de chat dinâmico ainda esteja em execução, os resultados qualitativos iniciais já demonstram o sucesso da iniciativa.

O principal ganho, assim como almejado inicialmente, foi a unificação e disponibilização de dados para todas as associadas da empresa. Isto é, CDLs que antes não tinham acesso a dados de mercado ou utilizavam fontes não confiáveis, agora contam com uma base padronizada e de alta acuracidade.

Na frente de inteligência de mercado, a companhia observou uma melhora significativa na acuracidade e na qualidade dos leads gerados. O tempo do time de vendas foi otimizado, pois eles passaram a focar em clientes com maior potencial. As decisões de expansão, por sua vez, se tornaram mais estratégicas.

Na área de suprimentos, a visibilidade proporcionada pelo agente de IA permitiu a criação de sinergia entre os fornecedores e as unidades de negócio. Como resultado, o poder de barganha da organização foi aprimorado, possibilitando negociações mais vantajosas e uma redução de custos por fornecedor.

Ganhos em diferentes frentes

As melhorias na qualidade e no volume de informações se traduziram em benefícios tangíveis, aqui sintetizados:

• Inteligência de Mercado: aumento de leads qualificados, com maior acuracidade na geração, já que o sistema passou a adicionar atributos como renda por setor censitário e CNAE, indicando o potencial real de conversão.
• Vendas: otimização do tempo, uma vez que o foco em leads de alto potencial reduziu a perda de tempo com prospecções de baixo retorno e elevou a produtividade do time.
• Suprimentos: redução de custo por fornecedor, possibilitada pela identificação de discrepâncias de preço entre as CDLs para um mesmo fornecedor e pela negociação de propostas unificadas, o que gerou economia.
• Negociação: maior poder de barganha, ao disponibilizar informações cruciais aos compradores como custo, vigência e multas, fortalecendo a capacidade de negociação com fornecedores.
• Gestão: consolidação do Núcleo de Excelência Operacional, garantindo que as decisões estratégicas sejam tomadas com base em dados unificados e confiáveis.

Conclusão

A jornada dessa gigante de infraestrutura e utilities em busca de eficiência operacional demonstra de forma prática não só a importância estratégica dos dados quando bem organizados, mas também a qualidade estratégica do potencial da inteligência artificial.

Ao resolver o desafio de dados dispersos, a empresa melhorou a geração de leads, abriu caminho para a otimização de processos críticos, como o de suprimentos, e preparou o terreno para ganhos ainda maiores com as próximas etapas que serão implementadas.

O foco em mapear, planejar e construir que orienta a companhia foi efetivamente aprimorado com a tecnologia. Isso garante que cada passo seja dado com base em informações sólidas e estratégicas.

Ademais, o projeto de Inteligência de Mercado, com a construção do data lake e a futura implementação do chat dinâmico, constituirá um pilar no desenvolvimento do Núcleo de Excelência Operacional.

Quer entender como a Inteligência Artificial pode transformar a gestão de dados, a eficiência operacional e muitos outros aspectos da sua empresa? Fale com um de nossos especialistas e conheça as soluções possíveis com o AI Factory!