Ciência de Dados: Transformando Decisões de Marketing | PPT Não Compila Podcast

0:00tem martex voltadas pra CRM né e gestão do banco de dados e disparo de mensagem customizada para cada cluster essa coisa então é realmente um um termo que designa bastante coisa problema das polêmicas especialmente no Marketing é que é assim a pessoa trabalha numa empresa e a empresa chama de um jeito e a pessoa acha que é desse jeito e aí é E aí cada empresa chama do seu jeito uma coisa que eis não fazem hoje é planejar né Ela é incapaz de planejar porque o planejamento ele requer um tipo de raciocínio contrafactual por necessidade não tô criticando mas o setor de marketing não tem a vocação de contratar e tecnologia fundacional contrata caso de uso né muito bem muito bem meus amigos do PPT não compile estamos aqui para mais um episódio dessa bagaça mais um pra conta mais um e eu mais puxando o feijãozinho ali não sei o número Ah não já não sei talvez o Daniel com suas artes estatísticas possam nos ajudar nossas análises né Talvez ele possa nos ajudar nesse nesse assunto porque hoje a gente vai falar sobre um tópico técnico sim de ciência de dados análise de dados aplicado no mercado de marketing CL exato exato é uma coisa que interessante que que que tem tanta tanta ciência matemática imag vou descobrir hoje tem muito mais coisa aí que a gente nem imagina Pois é a gente fala tanto de dados de ai etc e nunca destrinchamos isso num num mercado que é super Fit com isso né exato aplicação disso na real né E hoje nós vamos falar sobre isso com o Daniel Guine que é CEO e founder da uncover Fala Daniel tudo bem cara tudo bom gente prazer enorme est aqui com vocês o Daniel que é um cara estranho tenho medo dele porque ele é um cara de humanas que faz exac Exatamente exatamente dá uma palinha aí Dani bom eu sou o Daniel que nem você falou sou fundador e se uncover é desde começamos em 2019 fiquei Full Time ncover desde 2020 eh já trabalhei com tudo que vocês imaginam já fui consultor de marketing de ciência de dados já trabalhei com cinema em dado período da minha vida e mas eu era economista lá do do cinema então Eh sou formado em economia e propaganda tenho pós em matemática e e amo muito realmente essa mistura de criatividade com ciências exatas e como que a gente consegue criar e conectar esses dois mundos inclusive é muito interessante pessoas de humanas entendem exatas de outra forma né e e eu me identifico muito quando você fala isso acho que eu sou um de humanas que gosta de exatas e não inverso Que legal cara [ __ ] Muito obrigado pela tua presença aqui tenho certeza que vai ser um episódio muito bom vamos nessa Valeu show de bola então fica com a gente se você quer saber um pouco mais sobre como aplicar Car ciência de dados em gestão de dados modelos preditivos insites como fazer essa relação de casualidade entre ações e séries temporais né Então vem com a gente que o episódio está muito bom mas antes se inscreva no canal exato deixe o seu like se inscreve no Spotify sim encaminha o episódio no grupo da família você que tá aí ouvindo e e fazendo as suas coisas ali eu sei que você tá aí para um pouquinho vai lá dá um like isso e se você acha que pode contribuir da mais com o PPT no compila seja membro do nosso canal né se inscreva lá seja membro que você vai ter alguns conteúdos adicionais que são exclusivos para membros inclusive o Daniel vai deixar um trechinho aqui exclusivo para membros falando sobre inteligência artificial então só só só os membros poderão ter acesso a esse conteúdo Então vamos lá que o episódio tá muito bom se inscreve manda pro grupo da firma [Música] [Música] Bora Daniel conta pra gente o que é exatamente e o que faz uma martec como anc boa bom assim a maioria dos termos no marketing é sempre Nebulosa tá cada um chama de uma coisa então martec também é um termo bastante amplo eu e uma martec como encover a gente tem uma solução de software para aplicações no setor de marketing Tá mas tem outras martec que por exemplo são implementadores de sistema e empresas de serviço então o termo martec Hoje ele tanto designa eh o fornecedor da tecnologia quanto um prestador de serviços hightech por exemplo mas via de regra com aplicação no marketing né e marketing Analytics essas áreas sempre focado ali no no no contexto de de marketing né exato seja como automação etc ou na área mais de Insight analíticos que é mais o perfil de vocês né perfeito Tem tem de tudo né Tem Então é isso que você falou automação de processos erps essas coisas Analytics mas até muitas por exemplo tem martec voltadas para social listening é o que mais tem então que vão captar por exemplo né conversas em redes sociais eh pegar esses dados agregar esses dados e medir qu positiva é a conversa isso é uma martec queela análise de sentimento etc exato tem martec voltadas para CRM né e gestão do banco de dados E aí disparo de mensagem customizada para cada cluster essa coisa então é realmente um um termo que designa bastante coisa hoje grandes companhias inclusive alguns dos meus clientes TM setor de martech né porque que acontece setor de marketing tadinho às vezes é um setor que o time de tecnologia Deixa um pouquinho de lado e é um setor que tem complexidades bem específicas por ser um pouco bagunçado E aí o o setor de martec virou um setor que vai ter uma agenda de tecnologia dedicada pro marketing e paraas suas especialidades Então hoje os maiores empresas do Brasil que tem grandes setores de marketing tem um setor de martec também que é quem vai fazer a gestão de todas as tecnologias para atender o setor de marketing tá vendo aí Clauber você achando que setor de marketing era só enviar newsletter Tá vendo só fazer mail marketing muito é não tem é muito mais do do que isso até aproveitando eh eu não sei se se o nosso ouvinte aí tem essa dúvida mas isso às vezes também me me chama atenção a questão de Marketing e publicidade Às vezes acho que o pessoal acaba Juntando os dois acho que pra gente começar é interessante tem tem realmente uma junção os dois são separados e propaganda e propaganda Exatamente é Assim eu evito Até entrar nessa porque é isso a gente gosta de polêmica é e o problema das polêmicas especialmente no Marketing é que assim a pessoa trabalha numa empresa e a empresa chama de um jeito e a pessoa acha que é desse jeito e aí e E aí cada empresa chama do seu jeito meu entendimento tá marketing É uma disciplina Ampla que vai designar tudo ali que tem a ver com aquisição e crescimento e geração de receita tá eh a parte de Publicidade é a parte mais voltada pra mídia paga né anúncio anúncio na TV e e propaganda e publicidade são usados de forma muito intercambiável então é isso aí mas por exemplo trade marketing né que é garantir que tem anúncio na gôndula tá distribuído é uma outra disciplina de marketing mas que não é publicidade pricing às vezes tá dentro de marketing CRM Então tudo isso são disciplinas de Marketing e publicidade seria mais uma dela agora eh tem e é isso é tudo complexo né Tem empresa que chama de outra forma vai falar assim o setor é growth E aí marketing é a parte que cuida de mídia dentro de growth né E então às vezes tem empresas é isso a parte de branding fica em marketing e mídia paga fica em growth então cada empresa tem seu jeito mas meu entendimento é que marketing é a grande disciplina Inclusive eu sou até meio contra growth falo não é tudo marketing é marketing E aí as coisas dentro de marketing então eu sou mais dessa linha é legal porque a gente lembra também de arquitetura e a palavra que a gente sempre usa né que é marke depende depende depende exato É uma boa uma boa e E aí cara a a uncover ela atua em que disciplina do marketing exatamente qual qual o foco da uncover o do do produto ou dos produtos uncover a uncover atua sobretudo eh apoiando os times de mídia Ah esse é o foco Ah mas a verdade a gente a gente gosta de se colocar como uma espécie de sistema operacional pro time de marketing por quê Por causa dessa bagunça toda que eu falei para vocês eh o marketing ele se organiza de forma extremamente fragmentada né então queem às vezes tem o silo do branding o silo da mídia paga o silo do CRM do trade cada um tá gerando dados de forma não estruturada geralmente em planilhas dispersas e e para fazer algumas análises para fazer análises sofisticadas tudo tá impactando o consumidor no fundo né então o que a gente faz é conectar essas Fontes todas né harmonizar Elas que é um processo de engenharia de dados E aí aplicar modelos preditivos que vão dar sentido para isso e vão ajudar quem que a gente mais ajuda o time de mídia com o quê o já me adiant T and bastante na história mas o time de mídia tem uma questão que é a questão histórica clássica do marketing que é qual que é o Retorno dos investimentos e onde eu devo investir né É uma questão desde que o marketing existe todo mundo questiona E aí eu investi num Patrocínio investir na TV investir no Google quanto que de cada coisa gerou de retorno ao processar esses dados todos né e rodar os modelos preditivos a gente consegue e dar essa resposta especialmente pro time de mídia falar ó aqui tiktok tá dando mais retorno investe um pouco mais esse investimento que você fez tá dando menos investe menos Então a gente vai assessorando mas agora outros times podem também ser ajudados pelo mesmo modelo Ah eu invisto eu tenho que investir mais em distribuição do meu produto Ah que o modelo tá dizendo que se você distribuir Mais Você vai vender tanto a mais e faça isso Então apesar do time de mídia ser o foco a gente acaba coordenando as ações diversas ali do dentro dessa bagunça que é o marketing uhum e e isso é Fiquei imaginando aqui Apesar de conhecer zero da operação de de de marketing Uhum mas eu fico imaginando que de fato deve ter uma um desafio grande de você conectar essas fontes de informações né porque são iniciativas que muitas vezes são isoladas uma das outras né então eu fiz uma um um spot de TV por exemplo patrocinei um podcast PPT no comp ouvi dizer que é muito bom esse podcast é bom eu já ouvi falar também interessados inclusive meio na descrição e E aí o cara foi lá e fez uma outra ação de link patrocinado por exemplo só que a receita dele vamos supor vem tudo num canal só perfeito né como é que parametriza essa parada Então você atacou logo a raiz do problema né porque eu falo muito o pessoal olha muito pra parte do modelo preditivo Ai isso é muito glamoroso mas o verdadeiro problema não é esse Inclusive a uncover tem uma iniciativa agora de deixar nossos modelos preditivos open source porque a gente fala não tá aí o problema tá no problema raiz de integração dessas fontes de dados todas parametrização e manutenção delas atualizadas para alimentar o modelo né Então esse é o Core da do que a nossa tecnologia faz como que a gente faz isso em diversas estruturas então o o principal é conector de api Então a gente tem um conector para todas as apis possíveis de mídia né desde um banco de mídia offline da Rede Globo até e os bancos de mídia digital tiktok e meta Google e por aí vai até os bancos de negócio internos do cliente de receita Então porque e você apresentou aí dois problemas que são distintos né o problema um é integrar esses dados e parametrizar eles para todos ficarem numa mesma língua o problema dois é o problema que você fala a venda vem tudo vem uma venda vai lá o cara e compra quem qual quem que é responsável aqui esse é um problema estatístico né primeiro é um problema tecnológico E aí uma vez que a tecnologia tá resolvida Você vai pra parte de modelagem preditiva para entender quem aqui é responsável por essa venda né então a gente ataca os dois problemas mas o problema da Integração dos dados ele é o mais de fundo e assim para quem às vezes para quem de tecnologia é difícil entender o seguinte o o buraco é muito embaixo em que sentido uma coisa são fontes de dados desintegradas e não parametrizadas isso já é um problema grande no Marketing o problema mais fundo na medida em que muitos processos sequer geram dados estruturados tá o cara vai lá manda um o que chama um pedido de inserção paraa Globo faz um anúncio né O anúncio é rodado isso não gerou nenhum dado né Eh então às vezes a gente tem que estruturar um mecanismo para que esse processo Produza um dado de quanto investiu qual que foi a audiência e Alimente um banco então tem estruturar o dado né conectar ele parametrizar e manter um banco de dados Unificado atualizado Essa é a infraestrutura é isso que a nossa tecnologia faz é um dos principais coisas que ela faz tô tô com o cérebro fritando aqui é já vou aproveitar você comentou sobre já escalou para uns três podes aqui a já vaiha o kubernetes mental aqui já escalou para três podes já vai fazendo a listinha ali já bot queem acionou eh você comentou sobre mídia por exemplo de TV também vocês também fazem essa análise uhum ã como que é a diferença entre você conseguir dados de uma mídia que é passiva uhum e e de de internet como que funciona essa questão que você falou de integração Porque como provavelmente TV também não gera eh eh dados de volta para você saber se teve engajamento se não teve como como que funciona ah isso é uma grande grande questão a gente trata tudo como mídia passiva do que você chamou Como assim então eu vou fazer uma quebra de paradigma aqui para vocês que talvez seja a grande quebra de paradigma que a gente trabalha na uncover né o engajamento de uma pessoa com a mídia ou seja se o cara clicou num anúncio não é a melhor forma de você avaliar aquele anúncio é por quê Porque muitas vezes por exemplo você vê um anúncio E aí você não clica nele você vai lá e compra no canal de venda você vai gera uma busca orgânica Então quem clicou ali é uma parte da história não não conta a história completa né de outra forma outra lado dessa mesma moeda É pô você vai lá no Google você busca ali o nome de uma marca né Você vai lá aparece o anúncio primeiro e clicou Você clicou no anúncio mas às vezes você buscou a marca porque você viu um outdoor Então também não vamos dar essa venda pro clique né E aí eu confesso aqui Clauber e Daniel se eu gosto da marca eu pulo o patrocinado para economizar o clique do cara e eu vou na linha de baixo se eu tô procurando com raiva eu clico no patrocinado isso concorrente da uncover a gente deixa alguém clicando o dia inteiro ISO eu tenho segredo mas se eu gosto Pô eu gosto dessa marca e tal eu não clico no patrocinado eu vou no de baixo e aí não entra na estatística dos lá do Google perfeito Então qual que é a nossa estratégia a gente trata tudo como mídia passiva ou seja eu vou ter uma métrica de impressões e investimento que cada mídia gera por dia então o Google gerou tantas impressões e foi investido tanto hoje e a TV foi tanto a gente trata tudo como igual e a gente vai avaliar estatisticamente quanto que cada um explica da sua receita né E aí a relação não é pelo engajamento da pessoa com a mídia é uma relação é estatística entre o volume de impressões o volume de investimento e o volume de receita o volume de vendas e tudo você porque eh deixa eu ver se eu tô entendendo aqui que tá esse papo tá muito interessante eh quando eu faço lá uma campanha por exemplo de Google ADS para para o Marketplace por exemplo eu tenho como medir a conversão por exemplo que aí é exatamente o que você falou eu tenho uma uma um monitoramento ativo e não passivo né de conversões imediatas perfeito Se aquilo foi influenciado por outras questões etc eu não tenho não tenho como saber mas por outro lado do ponto de vista de análise de dados eu tenho inclusive como fazer essa inferência com aquele utm source lá de onde veio Qual foi o canal e etc né Eh o que você tá nos explicando é para eu medir isso que é entre aspas porque medir o intangível é impossível porque afinal ele seria intangível né mas para que eu consiga medir isso que eu não consigo ter uma inferência direta digamos assim você vai aplicar modelos estatísticos onde você vai fazer medições eh inferências que não são imediatas né isso a palavra é inferência inclusive né e inferência causal Ou seja a gente vai construir um modelo que vai achar se existe causalidade uma relação causal entre o volume que Você investiu ali e o volume que você vendeu Exatamente isso exemplo eu tenho ali eh como você falou eu consigo fazer ingestão da minha base de pedidos por exemplo uhum da das minhas vendas e eu consigo inferir que numa janela de tempo eu tive eu não fiz tiktok por exemplo E aí dentro dessa janela eu consigo inferir qual foi o impacto nesse volume de vendas uhum e chegar a uma dedução do retorno estatístico ali do que aquela mídia que eu não fiz teve de impacto É tipo isso é é bem nessa linha a com a vantagem eh como que a gente faz a gente levanta do anos de histórico no mínimo de tudo que o cara fez então ele não precisa desligar a mídia porque nesses dois anos vai ter momento que ele investiu mais vai ter momento que ele investiu menos e e e a variável investimento em tiktok tá fazendo assim então o modelo que é que chama modelo de regressão o modelo de regressão vai estimar o parâmetro de dessa relação causal então você não precisa nem desligar você só vai ver tudo variando ao mesmo tempo e o modelo de regressão vai captar vai capturar essas relações causais agora e eh né easier said and done né assim a prática disso é super difícil por muitos motivos eh primeira dificuldade eh muita coisa impacta a flutuação dos seus pedidos não é só a mídia sim o preço a sazonalidade o volume de promoção o o investimento do seu concorrente o índice de confiança do Consumidor dependendo da categoria então um o modelo que a gente faz ele incorpora para além das variáveis de marketing todas as variáveis que influenciam a sua categoria né o seu no seu caso um Marketplace né então para eu realmente achar uma relação causal robusta eu preciso estar controlando tudo isso por quê Porque se você faz uma promoção ao mesmo tempo que você faz a mídia E aí que que e se eu não tô controlando o fator promoção vou falar olha sua mídia vendeu um monte né sendo que foi ali uma promoção ou um desconto né então extrapolando para um caso absurdo tipo fiz r$ 1 de ads vendi demais era Natal Tá sim sim Exatamente exatamente E aí foi o Natal ou foi o Ed Essa é a questão que a gente precisa conseguir responder porque se você pega só quem clicou no Ed é óbvio que um monte de gente clicou no Natal mas eu preciso separar o joo do Trigo né sim sim cara eh e e eu acho que isso é ele vai bem É o que você falou isso vai bem além do um se você consegue mensurar todas essas variáveis uhum para cruzar com com com o resultado de vendas você tem um modelo que basicamente não Analisa sua mídia perfeito analisa tudo é isso o use Case principal é mídia mas eu consigo dar Insight por exemplo a gente tem banco que o nosso modelo o banco cresceu de um mês pro outro 5% a gente gera um report para esse cara falando ó desse seu crescimento de 5% tanto foi a taxa de juros da economia tanto foi a mídia tanto foi uma sazonalidade e tanto a a gente não explicou também porque uma parte a gente sempre não consegue explicar que é o ruído né então a gente gera o o o CEO do banco recebe essa essa monit ali que vai dizer cada uma das fontes de variação da receita dele então para lém tem Outras aplicações né cara sensacional e e pode ser aplicado também não só para conversão de vendas ou por exemplo eu posso poderia fazer um modelo Onde eu pego por exemplo clientes tratores meu NPS Uhum eu consigo medir a minha variação de NPS de acordo com iniciativas que eu tive na companhia por exemplo aumentei o preço diminuí as vagas do meu call center eh diminuir sei lá a quantidade de vendedores e o atend a fila de atendimento ficou maior eh o modelo que você conseguem também fazer esse tipo de de projeção ótima questão eh até consegue mas eu não acho que o tipo de modelo que a gente usa é o melhor para isso tá o tipo de modelo que a gente usa que chama a gente usa séries de tempo né Eh então geralmente são variáveis relacionadas à aquisição volume de leads volume de tráfego uma variável como NPS tem modelos por exemplo é mais porque Qual que é a diferença do NPS você vai ter um monte de dados sobre o cara que que é o seu consumidor né no dado no nível do usuário aí vale mais a pena na minha opinião pelo menos aplicar outro tipo de de modelo que vai considerar menos esses fatores e vai fazer mais testes eh experimentos localizados tal enfim Tô sendo só muito assim dá para fazer os clientes até pedem Ah posso fazer um modelo para ver qual que é o impacto disso no meu NPS falei até dá mas não é o modelo o modelo de série de tempo não é ideal para esse tipo de de solução o ideal é que eu tenha uma uma uma grandeza que eu consiga ter eventos autocontidos unitários distribuídos numa Linha do Tempo perfeito a ótima ótima definição então eu poderia ao invés de NPS medir cancelamentos por exemplo can super com certeza com certeza porque aí eu tenho uma uma modelagem mais estruturada temos temos um modelo de ch né E aí até uma questão se eu fizer mais mídia reduzo meu ch por exemplo eh ou o que que eu faço para reduzir ch é preço é mídia ou aí a gente consegue responder porque eu tenho essa é isso que você falou o ch ao longo do tempo e aí eu faço o processamento para entender o que que tá explicando melhor ele sensacional ô bante você eu eu notei no site de vocês que vocês também TM alguma integração com inteligência artificial Uhum em que ponto vocês aplicam ai nessa história toda boa é eu acho que é é super bom Realmente separar essas coisas né porque os Model algumas pessoas chamam modelo econométrico modelo de regressão de ai a gente não acho que é no máximo a gente chama de machine learning né mas não ai o que a gente usa ai é nas etapas de automação eu falo eu eu uso a ai para ela me ajudar a construir o modelo estatístico como que ela faz isso por exemplo a parte de parametrização eu tenho mei que já vai ler as taxonomias de mídia vai ler o formato daqueles dados e vai fazer uma proposta de transformação desses dados para harmonizar falar Opa isso aqui é um dado de receita aí ele já chama de receita na minha base né então isso é um uso de ai por exemplo ou ainda esse uso ainda ainda não tá rolando mas uma coisa que a gente tá desenvolvendo eu vou lá eu Gero um modelo de regressão com 100 parâmetros estatísticos entre se gerar 100 parâmetros e isso ser interpretado por um executivo e esse executivo tomar uma decisão de investir mais em tiktok tem um GAP enorme Então o que a gente também tá aplicando a iia agora é modelos de linguagem para interpretar a o output das regressões e já gerar insite E aí o cara consegue onde eu invisto e aí ah pelo resultado da regressão lá lá investe Aqui quanto que eu vou crescer esse semestre se eu investir 100 milhões em TV você a Então essa é uma outra aplicação de Ai que a gente tá desenvolvendo agora já que a gente tocou no assunto de ai eh esse modelo estatístico que você colocou ele é muito aderente com as ais de geração anterior digamos assim porque agora a gente só fala de DNI né mas ele ele é muito eh dá um Fit muito grande com as com com os Machine learnings Class catórios que a gente tinha antes né então você define seu modelo e esse modelo ele consegue eh gerar esse tipo de Insight classificatório ali vocês têm ou pensam em ter algum tipo de modelo desse tipo para que possa fazer ensaios dentro de uma plataforma por exemplo eh qual seria supostamente o meu retorno se eu passasse o ano que vem inteirinho fazendo TV p é isso já tá na plataforma para você usar exatamente isso D ideia pro cara não não mas é é uma ótima ideia tanto que ela tá feita é porque é exatamente esse tipo de insite que ao interagir com a plataforma você recebe né Fala ai se eu gastar 100 milhões ano que vem em TV todos os meses já vai receber a previsão de de vendas é exatamente isso né e uma coisa que é super interessante né porque a gente teve um Boom de ai né Óbvio e e e modelos causais eles ficaram um pouquinho menos glamurosos mas eu aposto muito numa certa volta uma vez que a gente consiga automatizar o processo de gerar causalidades eu aposto muito numa força desses modelos por a ai ela tem um certo componente de black de Black Box né Ou seja você gera um monte de inputs ela vai gerar uma previsão ali né só que ela não é boa para explicar o porquê dessa previsão né só que no marketing para tomar uma decisão não adianta eu preciso entender o porqu das coisas né o tem um livro que eu gosto muito chama The Book of why do judea Pearl eh que é um livro sobre causalidade ele faz muito esse dilema sobre ai versus modelos causais e e é isso o nosso objetivo com o modelo causal é para além eh da previsão é explicar cada um dos componentes dessa previsão né E agora tem toda uma linha de causal ai causal machine learning n que pega Exatamente Essa fronteira entre como usar um modelo de machine learning ou de ai até que consegue trazer as explicações causais ali dentro né tá ainda bem mais embrionário do que os outros modelos ji mas é é é bem nessa aí que a gente aposta né sim e e que os modelos de a generativas que nós temos hoje não são bons para esse tipo de de de de uso né até porque elas alucinam quando ela tem uma trilha bem definida na rede neural para aquela classificação que ela precisa fazer ela é uma ia que ela é feita para criar perfeito e ela vai criar talvez ela vai te dar um resultado que ela tirou do da orelha Uhum E que não necessariamente corresponde a teu histórico né exato e inclusive uma coisa que a não fazem hoje é planejar né Ela é incapaz de planejar porque o planejamento ele requer um tipo de raciocínio contrafactual aqui eu tô um pouco em palavras difícil mas vamos com calma é nossos entes são inteligentes Então vamos que vamos eh o raciocínio contrafactual ele requer a relação causal a priori por quê Porque ela fala ah e se Ok eu fiz a E se eu fizesse B qual que teria sido o outcome só que ela precisa entender que existe uma relação causal entre a e o resultado né E aí aí não entende causalidade ela só entende previsão ela cria ela propõe mas faz ah eu preciso planejar E se eu fosse pelo caminho C se fosse pelo caminho D ela não consegue porque ela não tem as relações causais na cabeça dela e o modelo de alidade ele vai dar exatamente boas trilhas neurais para falar se você for por B O resultado vai ser x se você for por C O resultado vai ser Y né então tem tudo isso e aí os modelos classificatórios são melhores para esse tipo de de de análise né Total total porque ele vai conseguir dá um pouquinho de explicação causal no fim sim sim você consegue ter aqueles agrupamentos tipo Olha isso aqui produziu esse resultado por causa disso uhum né então é é o que você falou acho que o o grande o grande bom nesse momento vai ser quando a gente conseguir e aplicar de fato as redes neurais ali da ia generativa com essa inteligência classificatória que a gente tem do machine learning né perfeito eu acho que o e para mim a combinação de ai ou ai com modelo causal com outra a é o pulo do gato porque você vai ter por exemplo o ai para processar os dados aí um modelo ess vai gerar um modelo causal e a gente põe um modelo de linguagem para interpretar o modelo causal quando você começa a acoplar ais e modelos causais Aí você faz coisas fora fora do sério né acho que é é uma grande aposta aí pro Futuro essa acoplamento de ai Cada uma com uma função show eh descendo um pouco mais aqui no no técnico Daniel Fala um pouquinho pra gente como que é a su o seu processo de ingestão de dados você falou que você tem alguns conectores já na própria plataforma né para consumir a PS padrão provavelmente plataforma de M ET e você também tem conectores pra base de dados direto da das aplicações né perito E aí como que você trabalha esses conectores você trabalha isso online via streaming via Bet como que é teu dat Lake D dá um geral aí pr gente que eu tô curioso arquitetura tá não sou a pessoa correta para para te dar essa resposta tá eu sei que a gente processa é tudo um Lake dancover vai puxando marketing Real Time é uma não quer dizer dependendo da aplicação Mas é uma coisa a tempestividade do nosso dado é baixa então não é um streaming real time que tem são bats que a gente atualiza diariamente até porque você vai estar sempre no ano passado você não precisa atualizar isso exato exato não tem D menosum no Marketing é tempo real tá E então é mais isso e a gente vai puxando vai gente coloca tudo no banco da WS que fazer a vida do seu engenheiro de dados muito mais fácil muito eu até falo o nosso mundo não é Big Data a a gente usa meab de dados vai às vezes giga mas eh porque eu não tô o o nível de estruturação e agregação dos meus dados e a tempestividade deles de atualização tudo é muito mais baixa né só que meu meu engenheiro de dados tem outros problemas que ele tá usando ele tá lidando com fontes de dado tão desestruturadas e tão cruas que o problema é outro né O problema é ali entender a fonte e e como que a gente vai fazer essa fonte automaticamente atualizar né que é é outra natureza de problema né sim e aí você deve ter ali alguns processos ali de transformação e talvez até de dedução do dado onfly né que é a parte onde a gente aplica eii essa dedução né Eh o que hoje o Core da minha plataforma eu diria a propriedade intelectual mais valiosa da uncover é um sisteminha no code onde você conecta na fonte né você faz a conexão e você faz todo o processo de Haron transformação todos os os os data parsing tudo com linguagem natural né ah esse dado aqui isso aqui na verdade que o Google chama de cost é investimento em mídia E aí isso já chega em aqui o que o o o meta chama de spending é investimento em mídia você vai usando linguagem natural para fazer as transformações do que é o data parsing e gerar uma base então o o poder secreto da uncover é a Nossa essa parte da plataforma que você faz a conexão e a transformação sem precisar de um engenheiro de dados sem precisar de código sem precisar de nada só com a própria plataforma mesmo né E ali você vai o o próprio cliente Entra lá e vai fazendo essa normalização de dados é aí vai caso a caso né a gente opera com clientes muito grandes e nesses casos a gente tem um time de setup implementação uhum eh para um cliente menor que vai ter só a licença ele mesmo ele pode ele mesmo fazer com algum suporte nosso entendi Pô isso é bacana cara porque eh de fato o o o desafio de normalizar esse tipo de dado que vem de uma API e e e tratar banana com banana e não banana com laranja é e tem muitos players né Então só imagina tratar esses dados e normalizar que cada um chama de um jeito exato sim não e e é isso temos todos os Players de mídia Aí temos as variáveis macroeconômicas temos vendas e a plataforma tem que normalizar tudo né E e aí esses dados que não são do próprio cliente uhum eh como dado de mercado etc aí vocês fazem uma integração e já entreg na plataforma é isso perfeito você tá hackeando o meu negócio é não pô o cara já arquiteto já vai pensando aqui em todas as os componentes né É É que super legal porque é aí que tá o valor das coisas porque e algum um bom modelo ele vai ter dado interno e dados de outras fontes e o que a gente tá fazendo uncover faz parcerias com suppliers de dado de todo o mercado desde dados públicos a até dados privados de uma ibop né C ibop por exemplo que aí o cara já vai ele vai ter na plataforma que ele chama de um data Hub na qual ele pode subscribe um dado externo né E esse dado já vai vir harmonizado junto com os dados internos que ele foi integrando daquele jeito que eu falei então a plataforma vai te dar tanto uma experiência de integra seu dado interno quanto acesse um dado só que um dia pode até virar um Marketplace de dados né Ah eu tenho o PPT não compila tem uma audiência aqui que gera médio interesse médio por tecnologia né pô se a gente se a gente puder construir um streaming do dado de vocês e o cara pudesse subscribe você monetiza esse dado por exemplo Então essa até uma ideia que a gente aventa pro Futuro Possivelmente sensacional sensacional porque você pode até pensar em dados nichados de acordo com com o próprio perfil do cliente né Exatamente porque aí eu pode posso ter dados que são macro mas não são tão macros assim mas são são dados de virement digamos assim mas para e clientes muito específicos né Por exemplo tô tô viajando aqui já cara tô já escalou para cinco podes já Ô Claudio e vai crescer mais vai crescer por exemplo sei lá é o cara que é de Agro Você pode ter uma sazonalidade muito grande de escassez de Safra etc que pode influenciar no investimento que esse cara fez e que pode ter impacto no retorno que ele teve ou não E como é que Sep essa cara esse negócio é muito louco mas cara é exatamente isso do tipo a gente trabalhava com o bike Itaú né se esse é um exemplo básico mas é só que é parecido se chove ou não a pessoa pega o bike ou não isso influencia Mike mídia influencia mais que tudo choveu ninguém pega a bike né então meu modelo preditivo tá tava e eh acoplado no clima tempo n diretamente com a base de chuva isso é um dado público agora tem categorias que não tem um dado público que nem esse né Por exemplo eu não tenho cliente de Agro Mas é isso a safra então se eu tiver um provedor desse dado que eu possa alimentar o modelo específico dele a gente conecta harmoniza e começa a alimentar o modelo né E aí você vai criando modelinhos por indústria e cada indústria eh usei macroeconômico porque eu trabalho muito com banco que juros influencia muito essas coisas mas para muitas indústrias são elementos muito mais específicos que acabam impactando do que macroeconomia né então e aí esses dados têm muito valor cara [ __ ] pera aí a t posso só fazer um complemento então de uma coisa que eu acho muito legal desse tipo de modelo por mais que a gente esteja falando de muito dado tal o modelo econométrico não usa nenhum dado user level nenhum dado no nível do usuário é tudo dado agregado Então agora que as políticas de privacidade estão ficando mais restritas né Chrome tá acabando com os cooks então você não pode mais rastrear tal o nosso tipo de modelo que só vai usar dado agregado de receita agregado e te dá um poder preditivo bom ele vai ter um grande acho que um alcance de mercado interessante por quê Porque você consegue fazer inferências com dados agregados você não tá eh eu na uncover a gente tem uma política não entra dado de usuário não entra É se se o cara quer me forne Ah pega da minha base user Level A gente vai agregar transformar e no meu banco de dados Isso só vai chegar agregado isso tira a gente de problemas de lgpd problemas de qualquer e eu acho que é é eu para mim mim o futuro é esse o futuro não é mais você ficar catando dado nível individual com CPF e tudo o futuro é você agregar os dados e gerar modelos preditivos para interpretar e gerar inferências né então isso eu acho também uma Outra vantagem de se operar com esse tipo de modelo quero falar com você agora quem ainda não conhece é Clever Clever é uma empresa que já tem mais de 3 milhões de usuários em 30 países com 30 idiomas diferentes que tem trazido Soluções em blockchain criptomoedas e a ativos digitais o objetivo da Clever é te dar liberdade financeira para operar nesse mercado de cripto então se você acredita nisso se você acredita nessa Liberdade você já Pensa como a Clever vai conhecer os caras é Clever Paio estão contratando também pessoal para trabalhar com crypto com blockchain então se você tem interesse se você tem conhecimento nessa área procura Clever se você gosta de criptomoedas se você opera no mercado você precisa conhecer a Clever precisa conhecer as soluções da Clever então o endereço tá aqui embaixo no vídeo para que quem não tá no YouTube é Clever Paio Vai lá vai conhecer que realmente é um mercado sensacional e e a pergunta que eu ia te fazer antes do seu complemento era muito ligado a isso uhum se você não pede se você não tem clientes que acabam pedindo para você fazer um drill Down maior ainda no no no funil né tipo ah cara eu tive beleza eu eu aumentei aqui a minha receita de conversão de clientes eh quando eu aumentei a minha meu investimento em tiktok Mas eu quero saber quantos são homem Quantos são mulheres e e de que faixa Itália por exemplo e recebem esse tipo de pedido pensa em ter esse tipo de de de de informação Ou acha que não é o foco vou começar acho que não é o foco por que que eu digo isso também eh a tudo tudo na vida são tradeoffs né para eu ter tamanho poder preditivo Eu dispenso dado user level né então aí sim os modelos que você chamou de mídia ativa você vai ver quem clicou tal esse é o esse é o caminho de dados certo para você fazer o drill Down para saber o público que reagiu à campanha porque você vai ver quem clicou nela né o meu modelo ele tem um outro propósito né meu modelo é entender porque entender qual mídia te gerou mais de uma certa variável Claro dá para fazer algumas coisas do tipo e se eu então deixa eu criar uma série de tempo só de aquisição de eh homens aquisição de consumidores mulheres aquisição de consumidores velhos e eu vou criar uma regressão para cada um desses para ver até é possível mas eu é isso eu acho que na lógica esforço retorno esse não é a forma que te dá o melhor retorno de ter a resposta que você busca a resposta que você busca é qual campanha apela mais para qual público essencialmente né aí vai quem clicou na vai outras formas né Eu acho que o meu modelo ele tem um outro poder que é explicar sua receita explicar suas vendas mesmo que num nível um pouco mais agregado eh que aí é isso tem vantagens de privacidade tem mil vantagens mas a desvantagem é eu não quebro pelo tipo de de perfil posso fazer a pergunta de Advogado do Diabo Claro se se for uma empresa que tem um perfil predominantemente de um gênero por exemplo Uhum eu não não seria importante por exemplo saber que um determinado tipo de mídia pro meu público atende melhor um determinado de gênero ou ou não hum eu te peguei não vamos lá eu acho que são questões eh de um lado eh eu tô respondendo isso porque assim eu tô dizendo qual mídia te retorna melhor qual mídia te Ger mais venda se de fato o seu produto apela mais para um público e essa mídia tá gerando mais Roy É porque ela tá and pro público certo é eu só não vou entrar no Eu só não vou entrar no detalhe de ah essa mídia e outra coisa as próprias plataformas elas são as responsáveis por te dar essa informação ó aqui na audiência que você vai entra lá no Google no tiktok e você segmenta a a audiência né então a gente parte da gente não entrar nisso não quero concorrer com esses caras eles têm a melhor segmentação de audiência eles eles são donos do dado user level o Google o meta tudo então a seg você faz lá e eu vou te dar o qu ó essa segmentação que você fez de homem e mulher funciona ou não exatamente e eu vou eu fala a gente é muitas vezes eu falo eu sou clínico geral né eu falo ó isso aqui funcionou isso aqui não funcionou tal por qu temos que fuçar a mídia vamos ver qual que foi a campanha qual que foi o criativo qual que foi a segmentação de público para entender porque o seu Roy tá baixo aí o cara vai lá muda a segmentação pum o Ro do cara subiu é aí você consegue linkar com bo a a gente viu que essa segmentação deu um Roy de tiktok muito maior né E aí vai trabalhando acho que dessa forma você vai refinando as campanhas do do cliente exatamente vai refinando né a gente a gente é esse clínico geral a gente vai vendo o que que funciona o que que não funciona e o cara vai testando ali né e ele falou opa fiz isso funcionou mais então aposta mais nisso né você saiu bem É até por conta pensando nisso até questão não só de gênero mas de região né se você for pensar que a gente tava atravessando uma onda de calor enorme no Brasil mas algumas regiões Pode ser que estejam mais frias aí o cara que vende ar condicionado por exemplo lá Total eh vai anunciar mais sei lá sim Em algumas partes de São Paulo e não no estado inteiro não sei né a acho que esse isso é uma coisa que o nosso modelo e a gente faz modelos bem regionalizados isso a gente faz porque é isso você faz uma mídia externa de relógio aqui em São Paulo isso não vai dar impacto na venda do Rio de Janeiro éé então se eu tô analisando só a venda total do país achar essa relação causal fica mais complexo então a gente isso a gente faz a gente quebra modelos às vezes por estado por região para encontrar essas relações que às vezes são até comportamento de consumidor do tipo o quanto a taxa de juros impacta o consumidor no Pernambuco e no Rio Grande do Sul é muito diferente é E aí o modelo precisa levar isso em conta então a gente regionaliza bastante os modelos e aí vai muito na estratificação também né do dos dados né porque eu posso pegar minha base de conversão de resultado aí estratificou ela regionalmente isso exatamente E aí eu pego aquela campanha e aplico ela na naquele extrato Uhum eu consigo trabalhar com essas faixas né Exatamente exatamente a gente o que a gente a gente só consegue rodar modelos regionais se os dados tiverem estratificados regionalmente est cara faz faz muito sentido eh nessa linha do do da agregação dos dados com com as mídias etc eh o quanto você acha que a gente tem essa informação eh e como é que eu posso me expressar bem aqui para não ser mal mal entendido Clau Respira fundo o quanto você acha que essa informação ela é de fato completa pra gente ter essa relação eh de causa e efeito né porque como você disse ali eu consigo fazer a normalização dos dados direto na plataforma mas ela devem ter assim níveis de informação eh diferentes ou não ou isso já é razoavelmente resolvido entre as plataformas é que h eu acho que desde o início a gente assumiu que as Plata eh a gente não conta com níveis muito profundos de dado é até a primeira pergunta do do Clauber foi eh olha plataforma ativa passiva eu trato tudo como passivo por quê Porque o meu modelo eu a gente construiu um modelo para funcionar bem tendo só informação básica que é quanto Você investiu quantas impressões você gerou E aí Claro caracterização de onde foi essa mídia algumas outras com esse básico todas TM n claro algumas vão ter muito mais outras muito menos mas a gente preparou o modelo para normalizar tudo no básico né então a gente nem conta com tem mais e aí a gente trabalha com isso E desde o começo o modelo foi criado para funcionar com com esse nível básico esse nível básico a gente sempre consegue Claro ah eu tô entre aspas jogando fora algumas análises né porque [ __ ] se se eu tenho um dado ali no no meta né no Facebook de quantas pessoas viram o vídeo até o fim né versus Eu tenho esse dado eu não tô incorporando ele na análise mas é tudo dado uma coisa é tudo uma relação de retorno esforço retorno é do tipo quanto de Insight e aceita mais eu vou ter incorporando o dado de View true de um vídeo no no no Facebook Cara o o impacto disso no modelo final é muito e o e o esforço Para incorporar isso no modelo é gigante então vamos trabalhar com o básico que é a melhor relação de esforço retorno que às vezes a gente quer o cliente tem essa tendência essa pergunta que você fez o cliente tem Vamos colocar tudo no modelo o esforço de colocar tudo no modelo vai aumentar gigant interpretar o modelo vai ficar difícil eh manter o modelo ativo vai ficar difícil e qual que é o retorno de Insight financeiro ó esse se eu sou se eu incorporar View true no meu modelo isso vai me fazer ganhar quanto a mais né o que que vai me explicar mais né e e e outra coisa só concluindo eh que nem eu até a gente começou conversando né Eh marketing é um é um conjunto eu eu eu tento evitar muito Às vezes o cliente quer que esse modelo esse modelo tem um nome chama marketing Mix Model é esse tipo de modelo que a gente faz ele quer que o marketing Mix Model responda tudo né eu falo não ele serve para te dar algumas respostas né outros modelos e outras abordagens vão te dar outras respostas então por exemplo fazer um drill Down dentro de um canal de mídia é melhor usar o Analytics daquele canal de mídia né então eu também tento sempre falar pro cliente Olha não tem porque a gente enfiar tudo nesse modelo aqui que esse modelo não vai ficar muito melhor vai ficar às vezes até pior eh e vai ficar mais difícil né É o propósito é outro propósito é outro Exatamente exatamente E aí só eu sei que tô insistindo nesse negócio com delo porque eu que vai eu eu gosto dessa parada eh acho que eu sou um cientista de dados frustrado Ô clá é lembrando n nossas aulas de de de Inteligência Artificial e os modelos e tudo mais já faz sentido né sim faz sentido mas eh a gente tá falando muito sobre série temporal né Principalmente para medir a fazer a inferência do do resultado né Eh mas como que funciona essa estratificação para eu poder atingir de fato um resultado financeiro e não assim eu quero dizer o qualitativo e não o quantitativo como que vocês inferem isso é por receita é por produto por que que por que que eu estou dizendo isso porque em alguns momentos você vai ter que levar em conta muito o custo de ição do cliente uhum para para poder verificar a o resultado da mídia Uhum é diferente de eu fazer um investimento por exemplo para vender cerveja que aí eu vou ter 1 milhão de de vendas com ticket baixo com ticket médio muito baixo Uhum E eu anunciar apartamento de luxo por exemplo porque aí eu vou ter um um investimento de mídia super alto Uhum mas o meu custo de aquisição vai ser maior mas o meu ticket é gigante Uhum Então eu tenho um um um resultado qualitativo mais mais alto mas em relação a volume ele é menor como que que trata isso no modelo isso Eh tá a a grande discussão quando a gente começa com o cliente é entender isso tá porque isso a gente pode tratar de diversas formas a forma mais simples é pô vamos pegar um modelo de receita total e ver o que gera mais receita Total eh se uma uma mídia tiver gerando vendas de Alto ticket essa mídia tá te gerando um Roy melhor investe mais nessa mídia provavelmente ela tá atacando um público mais de luxo tal é outra mídia tá com Roy menor ó essa mídia você não pode investir tanto porque ela te traz um menos receita provavelmente então tem essa forma simplista de resolver esse problema no fim a receita resolve muita coisa no fim a receita resolve muita coisa Agora É Para muitos o problema ele vai se desdobrando para muitos clientes a jornada de compra de um cliente de de Alto ticket de um de baixo ticket é muito diferente e aí a gente trabalha com múltiplos modelos por exemplo em educação e os clientes geralmente eles TM e EAD que é um ticket mais baixo e o presencial que é um ticket mais alto a jornada de aquisição do cara de EAD o como as mídias impactam o que que que ativa esse cara o que que faz ele comprar tem nada a ver com por exemplo na mídia na venda física a mídia offline tem muito Impacto você faz um aí o cara vê lembra vai lá faz a matrícula no EAD muito menos no e é muito mais o digital Então esse é um caso que aí eu preciso separar os modelos por tipo de produto e aí eu faço no nível do produto né então tem cada caso mesmo se a gente for trabalhar quando para complementar esse exemplo E se eu tenho investimento de mídia que é mais branding e não tá segmentado no produto parece que você tá na minha empresa que esse esse é o problema não eu tava com esse problema Hoje eu tava com uma empresa que tá com dois modelos um manda tem os dois tem o investimento em branding um manda diminuir outro Manda aumentar E aí o cliente fica porri que eu aí a gente tem algumas saídas mas assim a gente tem formas de conectar os modelos e gerar uma prescrição única né do tipo ó esse aqui manda diminuir só que o que manda se aumentar Você vai vender muito mais do que você diminuir aqui então a gente a gente a gente faz os modelos se conversarem e gera uma prescrição unificada então às vezes o que eu preciso fazer é eu faço modelos preditivos separados mais uma prescrição de mídia unificada que vai dar o saldo Total tipo qual que é a combinação de mídias que melhora seu saldo Total Aí eu preciso fazer os modelos se falarem e a gente tá trabalhando exatamente nisso agora que é isso às vezes uma coisa um investimento de branding que ataca todos eh tem resultados muito heterogêneos entre entre entre os mod sim Impacto diferente em modelos e produtos diferentes exato até É é engraçado a gente tava trabalhando com cerveja essas coisas é isso a mídia offline para a venda física Ela é super relevante né e e a venda e especialmente para esses tipo mev da vida pô a venda física é 98% da receita deles né então você faz um modelo de digital fala TV não serve nada mas se a TV mexe 1% na venda física ela já se pagou 10 vezes então então você não tem que parar de fazer então é é complexo essa essa equação e outra até pela sua pergunta do investimento Regional isso é outra complexidade que que a gente foi descobrindo e praças como Rio de Janeiro onde a vida é muito fora de casa algumas mídias Mia Outdoor que chama out of home Elas têm um retorno X em outras praças por exemplo no Sul que é muito mais frio tal retorno é muito mais baixo então e aí eu faço mais Outdoor ou menos ah numa praça mais na outra menos né então tudo você precisa trabalhar certo modelo né mas você acaba granular isando onde ele vai atacar as mídias né exatamente ex É a coisa da estratificação que a gente falou exatamente sensacional bom você que tá vendo esse podcast da hora tá vendo um monte de problema aqui que a gente tá colocando né e Quer uma ajuda aí na sua empresa faz o seguinte entra no site aqui da VMB que a gente pode te ajudar vem be.io nós somos uma empresa relacionada à arquitetura de soluções a modernizações de aplicações também atuamos no na Font devops para ajudar vocês a serem extremamente então dá uma olhada no nosso site que vai est aqui embaixo vb. e lá você vai poder ver um pouquinho da nossa história dos nossos profissionais e aproveitando se você for um profissional da área de tecnologia que tá Aim de trabalhar numa empresa legal um monte de colega gente boa e tecnologia de ponta manda o e-mail para people care @mario já agora eu quero meu show cara Quero fazer um curso de ciência de dados hoje Ô a gente vai lançar no fim do ano o curso de ciência de dados PR marketing que aí tu já sai certificado da plataforma pode vender modelo legal legal já fica dica aí gostei gostei quando lançar você volta aqui PR PR fazer o lançamento fazemos combinado Beleza cara agora preciso dar um scale Down aqui na quantidade de podes agora aquela toma uma aguinha tomar uma aguinha você é um dos founders você é o o é o founder nós somos quatro fundadores eu sou CEO Mas eu também fundador conta pra gente a história de como surgiu essa ideia cara tá bom vou contar um pouco da minha história e claro que tá muito linkada ISO eh bom eu eu minha formação acadêmica é super importante para mim assim até eu vou muito na contramão de empreendedor F Ah não faz faculdade para mim pelo menos claro cada um tem a sua história para mim o que aprendi na academia é a base de do que eu da minha capacidade de dialogar e de criar Eu também sou dessa dessa dessa vertente Eu acredito muito em good old assim né tempo de bunda estudando e para mim foi muito importante então o que eu sempre digo cara é e não larue a faculdade para empreender você não precisa largar a faculdade para empreender e para construir uma carreira não é mandatório mas se você puder Faça também acho e não vai te atrapalhar vai te ajudar Ah eu e eu acho que aprender a pensar e que a faculdade de ensina a pensar criticamente de separar um problema em suas partes e até o conhecimento técnico eu vejo foi a o que me formou né não não depende da faculdade mas não romantize a falta dela Total perfeito porque só porque às vezes tem um outlier lá nos Estados Unidos que é um gênio Pô a gente não pode assumir a gente é isso né exat Eh então eu gost assim contando bem do início da história gostava muito do cinema e mas eu era bom de exatas né E essa contradição sempre perseguiu a minha vida cara eu tenho medo de gente que usa os dois lados do cérebro C é mais complicado ainda é tenho medo esses car que usa os dois lados do cérebro de de arte e humanas perigoso é perigoso também fazer nenhum dos dois bom né é o verdadeiro perigo é eh mas acabei indo fazer comunicação eh eh lá na USP e aí desde o começo eu me dei bem com as disciplinas quantitativas então fiz eh iniciação científica em análise de Roy estatística aplicada né Aí quando E aí eu comecei já trabalhando em na newsen que é um grande Instituto de Pesquisa e dados para Marketing tal é terminei a faculdade falei pô preciso scale up um pouco meu meu conhecimento quantitativo eu sou eu sou uma pessoa de humanas que gosta de matemática hoje aí eu fiz outra graduação em economia e depois fiz pós em matemática é então a minha trajet e e quando eu fiz a pós a gente tinha um um grupo de pesquisa chamava dat cracia é uma espécie deem maleb do Brasil analisando estudo aplicação de estatística e ciência de dados ao marketing né E a mídia e a esse mundo todo Então essa formação acadêmica me fez entender bem parte de Publicidade os problemas do marketing e também os recursos quantitativos no mercado e eu sempre fui a pessoa de número para pessoas de marketing né então fazia muito Modelo econométrico E aí eventualmente trabalhando numa consultoria exatamente construindo esse tipo de modelo a gente que que eu via cara os anunciantes TM essa dor de saber o retorno onde eu aloco tudo só que a solução que as consultorias davam uma solução muito arcaica você demorava assim ó o que acost acontecia muito comigo eu tava em agosto apresentando o modelo referência do ano anterior oo meses de defasagem de pro modelo Car E aí ah e o trabalho de integração de dados como é que era feito ó sabe esse template aqui no Excel preenche aí cliente dois anos faz você a transformação na mão digita digita bota medos de um palumpa ali e transforma o dado transforma o dado digitando el e era e é uma consultoria que custava milhões de reais né Por quê Porque o cara precisa desse dado né então isso em 201920 eu tava dando essa consultoria eu era um consultor independente falei cara isso aqui dá para e isso aqui se funcionar de forma automatizada up to date atualizada tudo isso aqui tem um valor imenso da forma como é feito o valor é muito mais baixo né então trabalhando isso e vendo esses dois mundos do marketing do quantitativo que a gente decidiu começar aí mas eu sou a pessoa que nem você viu você fez uma pergunta de engenharia de dados eu já nem souo responder direito por quê Porque eu sou a pessoa mais da modelagem né modelagem e interpretação o meu irmão é meu sócio Ele é engenheiro da Poli mecatrônico ele era C de um fundo quantico construí a pipes de dados E aí falei Mateus e a gente consegue automatizar esse processo de onboarding e transformação de dados ele falou acho cons saiu do fundo né E e aí começamos a automatizar esses pipes todos de onboarding de dado só que a gente descobriu que também para fazer um software você precisa de um engenheiro de software né tchã surpresa tipo ó a gente aí ó e eu e eu como pessoa só mais da matemática da economia para mim ah programa programa Todo mundo programa né meu irmão falou não não eu programo dado é engenharia de dado tem nada a ver com Ger software e aí veio o terceiro sócio nosso que é o Jorge que era um programador que tava programando na gringa um dos melhores programadores de frontend do Brasil e veio para fazer toda a parte de software né E aí depois até entrou o Gilberto que é um par do meu irmão também Engenheiro então aí a gente decidiu atacar o problema então essa é um pouco da história é eu eu eu eu sou a pessoa eu trabalhava com isso via que o cliente ficava super insatisfeito de eu est lá em agosto apresentando o resultado do ano anterior o cara fala eu me sentia um pouco a pwc uma Auditoria do tipo eu preciso eu preciso falar pro meu gestor se aquilo deu retorno ou não mas assim para mim já não me serve de nada esse Insight porque 8 meses defasado e dava um trabalho escambal O cara já gastou o orçamento do próximo ano foi já foi exatamente então a gente reconheceu esse problema me juntei com pessoas técnicas mais técnicas que eu para conseguir resolver a parte tecnológica e estamos nessa aí há 4 anos agora pô parabéns cara muito bom muito legal teu produto pô agradeço muito acho que é é isso a gente uma empresa de engenheiro basicamente né Até eu que su a parte não técnica sou um pouco técnico a [ __ ] você esse é o cara não técnico você imagina você imagina realmente assim a minha empresa é pouco assustadora assim porque realmente eu sou não técnico é centra lá é uma coisa acho que a gente tem muito trabalho a fazer de tradução comunicação marketing se eu fosse falar qual que é o calcanhar de Aquiles dancover eu acho que é a gente conseguir traduzir a complexidade do que a gente faz em termos de negócios termos mais simples tal isso é um Desafio pra gente o time é muito cabeças muito complexas às vezes el às vezes é bom às vezes não é bom porque também sim a facilidade de comunicação especialmente com com a camada executiva etc Às vezes você dá informação demais o cas perte is tem que dar o que ele precisa Total o que eu falo muito pro time eh eu sinto que pessoas muito técnicas elas sempre vão explicar um raciocínio começam por todo o raciocínio e depois vai TR a conclusão cara dormiu no meio da reunião pro executivo você tem que começar com a conclusão começa sa com a conclusão e se o cara tiver interesse ele vai vai querer saber vai perguntando faz vai vai puxando para trás vai puxando para trás em como você chegou nela é E aí é isso mas é é faz parte eu prefiro ter pessoas técnicas muito robustas que a gente vai do que um time aí não tão técnico dú show cara [ __ ] muito legal eh você consegue dar uma palhinha do que vem aí no roadmap de vocês clo eu eu acho que a Grande descoberta da uncover é a primeira descoberta que você fez que eu demorei 4 anos para fazer que é a parte do da Integração de dados é o é o pepino né E esse módulo de econometria de séries de tempo para análise de Roy né que chama-se marketing Mix model no mercado ele é a motivação inicial da companhia mas a gente tá virando uma companhia de infraestrutura é porque é uma vez que eu integro essas Fontes todas e harmonizo elas e Deixo elas atualizadas tem n aplicações em cima disso para além dessa que eu tô com para vocês você resolveu o problema da normalização do dado isso eu conectei todas as áreas do marketing num único sistema central e por isso que no começo você falou que é um sistema operacional pro isso esse é o futuro do que a gente quer a gente quer virar um sistema operacional onde todos os times vão fazer o trabalho de Analytics dele dentro do sistema da uncover seja ele um trabalho meramente relatorial que é dois cliques tá ali o o dado ou seja um trabalho mais sofisticado de ciência de dados que ali você vai ter os módulos de forecasting de de vendas otimização de mídia e a gente vai criando esses módulos em cima dessa infra né então o futuro da uncover eu falo o o modelo de Hoy é o primeiro módulo dessa infraestrutura que a gente construiu mas hoje hoje eu vejo a gente mais como uma empresa de infra do que uma empresa de mídia e e Hoy né show cara é até só para para finalizar eu acho interessante porque geralmente é uma pergunta que eu sempre faço para em algumas empresas se a empresa é uma empresa de Tecnologia mas por exemplo que vende geladeira ou uma empresa que vende geladeira e usa tecnologia uhum né então acho que no caso de vocês você são uma empresas de tecnologia que tem todo esse aparato técnico para oferecer pro pro cliente né perfeito eu acho que a gente começou como uma empresa de geladeira porque eu vendia a solução eu vendia faça mais receita com menos mídia e hoje a gente tá se convertendo numa empresa de tecnologia que os argumentos de venda São outros né eficiência operacional é outros argumentos que não é só venda mais com menos né então total e você vai resolver um problema do cliente que é ingestão e a normalização desse dado Uhum E aí cara aí pensando já até do do do lado empreendedor você vai ter uma plataforma para oferecer 1000 1000 produtos para ele exatamente e e eu acho que um pouco do Pulo do Gato aqui de ter começado como uma empresa de geladeira e venda de geladeira depois de tecnologia é por necessidade não tô criticando mas o setor de marketing não tem a vocação de contratar eh tecnologia fundacional uhum contrata caso de uso né e o que eu falo é que a nossa tecnologia é um cavalo de Troia eu vendo o cavalo de uso e coloco a fundação ali no cara E aí a gente vende outros casos de uso né porque se eu vendesse só a normalização posso te contar ninguém comprava o cara quer vender mais porque ninguém entende que no no fundo o problema é esse isso exatamente o cara pensa no resultado e não por onde consegui o resultado Exatamente exatamente E aí lente pulo do gato Parabéns novamente pô agradeço muito aqui ainda mais visão de vocês que estão são super sofisticados aqui para mim é super legal nada a gente só toma cerveja e fala besteira no podcast e hoje sem cerveja e hoje sem cerveja hoje só ficou a parte da besteira Daniel cara obrigado pela tua presença foi sensacional aqui foi um papo super passou voando aqui cara eu nem sei que passou voando e deu uma boa visão assim de de de ciência de dados para quem não é cientista de dados né eu posso ter feito aqui um monte de pergunta básica né CL S não e é legal que dá para mostrar que dá para aplicar em n coisas isso é exatamente e falou bastante do do do Pipe e tal Quero convidar teu irmão para vir aqui pô acho que tanto o meu irmão quanto o Jorge que é o nosso engenheiro de software seriam ótimas participações do podcast assim então fica o convite já P quando quando quiserem agradeço muito acho pô para mim é muito bom conversar com p suas técnicas parece que você vai Desc Eu gostei muito da conversa que parece que você foi descobrindo o produto pelas suas perguntas né então isso dá para ver como a pessoa vai tem o mesmo raciocínio que a gente foi fazendo vocês foram fazendo aqui então eu achei super legal sim e a gente não combina muito a pauta justamente para isso porque gosto me colocar no lugar do do nosso ouvinte aqui e fazer as perguntas que provavelmente ele Faria Faria então é legal porque a gente vai descobrindo o produto e vai descobrindo os desafios junto com com vocês muito legal show bola obrigadão cara muito obrigado pela presença novamente aqui e cara as portas sempre abertas aqui microfone sempre a t disposição obrigado gente pode ter certeza que ou eu o meu irmão ou todo mundo junto a gente volta aí show de bola Clauber Muito obrigado meu caro novamente aqui na na na na missão do nosso co-host ah estamos aqui espero sempre tá aqui no no braço direito precisar casa você que acompanhou a gente até agora muito obrigado pela audiência de vocês se você conhece alguém que se interessa pelo assunto ciência de D marketing etc joga esse episódio lá no grupo da empresa né o grupo da empresa é sempre um B grupo né aques grupos de WhatsApp da empresa isso é Joga lá indica esse episódio para alguém e se você acha que o nosso conteúdo agrega de alguma forma na sua vida profissional na sua vida pessoal ou se você só ri das besteiras que a gente fala aqui e você tem eh tem condições hoje de contribuir um pouco mais com PPT você pode ser membro do nosso canal exato você pode se inscrever lá no nosso canal YouTube e você pode ser membro que você vai ter acesso a conteúdos exclusivos exato E aproveitando também já se inscreve dá o like nesse vídeo Se você táo dá o joinha lá YouTube e a gente vai ter conteúdo exclusivos específicos para os nossos membros e você corre o risco também de vir conhecer essa bagaça aqui tomar uma cerveja aqui com a gente no dia que a gente tomar cerveja isso muito obrigado pela audiência de vocês obrigado Dani abraço até mais C [Música] [Aplausos] [Música]