Trilha Acadêmica: Big Data and Applied Retail Analytics (tema CLAV 2017)

O processo de insight pode sofrer viés cognitivo pela ação dos participantes. Crenças, valores e experiências pregressas podem influenciar o processo de análise dos dados para se conseguir um conhecimento que não é simplesmente uma correlação. Uma alternativa para minimizar este viés cognitivo é a utilização de ferramentas de analytics. Essas ferramentas permitem trabalhar com um elevado número de variáveis e dados estruturados e não-estruturados a partir de um suporte computacional não permitido em um passado recente. Essa facilidade permite que voz, texto e imagem sejam utilizados como dados para análises, permitindo avançar nos tipos e complexidades de análises. Atualmente mais de 70% dos dados disponíveis para análises são não-estruturados (IDC, 2010; GARTNER, 2014). Este estudo apresenta uma proposta para mitigar o problema do viés cognitivo, a partir de técnicas de analytics, em busca de padrões que possam identificar as oportunidades para suportar a elaboração de insights. Foram utilizados dados não-estruturados de 26.514 conversas telefônicas realizadas em Dezembro de 2016, provenientes do contact center de uma empresa do mercado financeiro. A metodologia analítica consistiu na transcrição de voz para texto e no uso associado de Social Network Analysis e da Teoria de Grafos, sem a identificação prévia do cliente ou incorporação de dados de sistemas CRM, propositalmente. Os resultados obtidos permitiram identificar insights, a partir dos elementos de maior centralidade identificados nas redes de associação de palavras. Implica-se que o uso de técnicas analíticas em dados não estruturados pode permitir a obtenção de achados com menor influência do viés cognitivo.