Acelerando a inovação no setor de indústria, por Raphael Domingues*

/ A reinvenção ou criação de novos modelos de negócio se tornaram palavras de ordem para todas as organizações depois da emergência da crise da Covid-19. Porém, alguns setores têm desafios que precedem as atuais complexidades da pandemia, tornando a transformação digital e inovação tecnológica ainda mais urgente. 
Um deles é a indústria de manufatura, que converte matérias-primas em bens de consumo e produção, e que abrange empresas atuantes nas áreas de metalurgia, têxtil, alimentos, bebidas, entre outras. Um dos setores centrais da economia brasileira, a indústria tem enfrentado uma forte estagnação nos últimos anos: segundo dados do Instituto de Estudos para o Desenvolvimento Industrial (Iedi) de 2020, o Brasil teve a maior retração na indústria entre 30 economias globais desde 1970, depois de economias mais maduras como a Austrália e do Reino Unido.
A indústria brasileira precisa acelerar sua transformação e o setor se movimenta em direção a isso. Aqui, entra em cena a adoção e evolução de tecnologias sob o guarda-chuva da Indústria 4.0: de acordo com estudos da Confederação Nacional da Indústria (CNI), organizações da indústria desejam investir em tecnologias relacionadas à automação, assim como o uso massivo de dados para a melhoria de suas operações. Além disso, sabem que estas tecnologias podem habilitar a criação de novos modelos de negócio e produtos. 
O leque de oportunidades apresentado pela análise avançada de dados neste setor é vasto. Todas as funções da indústria – desde a manutenção de máquinas até o gerenciamento de cadeias de suprimentos e logística, bem como o desenvolvimento de novos produtos e processos – podem ser otimizadas e tornadas mais inteligentes, automatizadas e conectadas em rede pela captura e análise de dados para gerenciar máquinas e processos.
A modalidade de contratação de analytics como serviço é um grande aliado das empresas do setor de indústria, que pode fazer a inovação acontecer. Desde a solução tecnológica, até o fornecimento de suporte especializado para que o caso seja construído e o valor seja gerado para o negócio, o modelo permite a implementação de projetos rápidos que entregam resultados em um curto espaço de tempo.
Podemos dividir a aplicação deste modelo em dois mundos. Olhando da empresa para fora, organizações passam por um desafio brutal relacionado à previsão de demanda. Com as mudanças de comportamento e hábitos de consumo trazidas pela pandemia, isso se torna uma tarefa muito mais complexa, já que os dados que empresas possuíam para prever e preparar toda a cadeia de suprimentos já não refletem mais a realidade.
Com soluções de analytics oferecidas como serviço, é possível fazer a otimização de supply chain, com uma previsão de demanda mais acurada e baseada não só em variáveis internas da empresa, mas também as externas e de mercado: por exemplo, a variação de dólar, previsão do tempo, condições macroeconômicas e fatores que possam impactar a previsão. Isso consequentemente vai trazer mais acurácia, evitando, por exemplo, faltas ou sobras de estoque de um determinado produto ou serviço.
Olhando da empresa para dentro, a análise avançada de dados tem um potencial de impacto positivo muito grande, por exemplo, na otimização das operações da fábrica. Com análise avançada de dados, empresas conseguem preventivamente evitar problemas significativos. Outro exemplo prático de aplicação dentro da empresa é em evitar problemas em produtos no prazo de garantia, como recalls. Através de características de análise de dados do que acontece tanto na cadeia de produção, quanto em problemas aparentemente pontuais, é possível fazer análises preventivas e evitar potenciais anomalias, no produto ou na cadeia de suprimentos, que podem causar uma onda problemática de serviços em garantia. 
Aliada a outras ferramentas, como Internet das Coisas (IoT) e cloud, a análise avançada de dados traz diversos benefícios tangíveis. Através de equipamentos que se conectam com segurança à nuvem ou ao data center, organizações podem coletar dados para habilitar recursos de análise preditiva. Em uma aplicação prática, farmacêuticas podem, por exemplo, melhorar o manejo de medicamentos delicados, que requerem temperaturas de armazenamento precisas, com o rastreamento de carga e insights em tempo real, eliminando desperdícios e custos excessivos.
Como pilar central da abordagem de Indústria 4.0, a análise avançada de dados pode trazer um grande impacto positivo para o resultado de organizações do setor de indústria. No atual contexto macroeconômico do Brasil, considerando variáveis que impactam a previsão de demanda, a precificação correta, e a otimização da cadeia de suprimentos, o risco que empresas observam atualmente é muito maior do que no passado.
Por mais que a desindustrialização seja uma realidade em certos países mais desenvolvidos, existe nestes mercados uma mudança na composição da indústria: o setor encolhe, mas é constituído por segmentos voltados à tecnologia. Além disso, a indústria pode cumprir uma função de incorporar inovações com um efeito multiplicador, considerando que a atividade destas empresas perpassa outros setores. 
Portanto, a necessidade de se trazer mais inteligência para uma tomada de decisão executiva na indústria de manufatura brasileira – e fazer com que decisões tenham uma acurácia que traga o impacto mais positivo possível, tanto em redução de custo quanto em aumento de receita graças à inovação – é fundamental. 
Mais do que nunca, falamos sobre a necessidade e o potencial de tecnologias que fazem uso intensivo de dados como a inteligência artificial e automação – e tudo isso é totalmente aplicável ao momento atual do Brasil. Essa urgência também se refere aos desafios do setor de indústria: endereçá-los com tecnologia não é mais opção, mas sim uma prioridade para garantir a sustentabilidade do negócio em meio a condições desafiadoras.  

*Raphael Domingues é diretor de Desenvolvimento de Negócios para América Latina do SAS,