Utilizando Alteryx para Self-Service Analytics e alavancagem de vendas

Apresentação realizada por Michel Minerbo no Big Data Week São Paulo 2019 [http://sao-paulo.bigdataweek.com].

Transcript

1. Este relatório foi utilizado como material de apoio a uma apresentação oral e, portanto, não representa registro completo do que foi abordado na referida apresentação. É para uso exclusivo do cliente, sendo que nenhuma de suas partes pode ser reproduzida para distribuição fora da organização sem prévio consentimento por escrito da Gradus Consultoria de Gestão. PRECISION SALES, CASES DE SUCESSO NO USO DE DATA ANALYTICS Big Data Week São Paulo, 02 de novembro, 2019
2. QUEM É A GRADUS Projetos de alto impacto e alto retorno obtidos através do uso intensivo de Data Analytics Profissionais altamente qualificados Consultoria de gestão especializada no aumento de rentabilidade
3. APRESENTAÇÃO DA GRADUS Qualificação do time 57% 43% Pós Graduação Graduação Equipe especializada Formação internacional 73% 27% MBA Internacional MBA Nacional Melhores universidades Melhores MBAs do mundo +12 5
4. FOOTPRINT DE PROJETOS EXECUTADOS 6 Mais de 400 projetos em 25 países
5. NOSSAS METODOLOGIAS 8 • Temos diversas metodologias para gerar resultado que utilizam intensivamente Data Analytics Orçamento Matricial Dimensionamento de Pessoal Redesenho Organizacional Integração Pós-Fusão Programa de Produtividade Operacional Melhores Práticas Comerciais
6. NOSSAS METODOLOGIAS 9 • Temos diversas metodologias para gerar resultado que utilizam intensivamente Data Analytics Orçamento Matricial Dimensionamento de Pessoal Redesenho Organizacional Integração Pós-Fusão Programa de Produtividade Operacional Melhores Práticas Comerciais
7. 10 MELHORES PRÁTICAS COMERCIAIS Mapa da batalha • Pequeno varejo • Key accounts (Nacionais, Regionais) • Distribuidores (Broker, Exclusivo) • Atacadistas • Atacarejos • Venda direta (consultores de venda) • Representantes • E-commerce Organizar e dimensionar equipes Revisar rotinas, métricas e ferramentas comerciais remuneração Organizar e dimensionar equipes Revisar rotinas, métricas e ferramentas comerciais Definir estratégia RTM (Route to Market) Estimar o potencial de receita (Vendas de precisão) Definir estratégia e ações táticas de Pricing Otimizar a rentabilidade do portfólio Estabelecer gestão de ações de mercado e marketing de precisão Criar processo de inteligência e monitoramento de mercado Sistemas de recompensa: Revisar modelo de remuneração das equipes comerciais e de trade marketing Estrutura: Organizar e dimensionar equipes comerciais e de trade marketing Processos e tecnologia: Revisar rotinas, métricas e ferramentas para equipes comerciais e de trade marketing “Quais alavancas devo utilizar para capturar a maior e melhor fatia possível desse mercado?” Canais de atendimento “Como ter visibilidade contínua sobre o mercado e sobre as alavancas que posso utilizar?” “Qual o tamanho do mercado e em quais portas devo bater?”
8. 11 MELHORES PRÁTICAS COMERCIAIS Mapa da batalha • Pequeno varejo • Key accounts (Nacionais, Regionais) • Distribuidores (Broker, Exclusivo) • Atacadistas • Atacarejos • Venda direta (consultores de venda) • Representantes • E-commerce Organizar e dimensionar equipes Revisar rotinas, métricas e ferramentas comerciais remuneração Organizar e dimensionar equipes Revisar rotinas, métricas e ferramentas comerciais Definir estratégia RTM (Route to Market) Estimar o potencial de receita (Vendas de precisão) Definir estratégia e ações táticas de Pricing Otimizar a rentabilidade do portfólio Estabelecer gestão de ações de mercado e marketing de precisão Criar processo de inteligência e monitoramento de mercado Sistemas de recompensa: Revisar modelo de remuneração das equipes comerciais e de trade marketing Estrutura: Organizar e dimensionar equipes comerciais e de trade marketing Processos e tecnologia: Revisar rotinas, métricas e ferramentas para equipes comerciais e de trade marketing Canais de atendimento “Quais alavancas devo utilizar para capturar a maior e melhor fatia possível desse mercado?” “Qual o tamanho do mercado e em quais portas devo bater?” “Como ter visibilidade contínua sobre o mercado e sobre as alavancas que posso utilizar?” Case 1: Identificação do potencial de mercado PDV a PDV
9. 1. Entendimento do Mercado 2. Identificação de Oportunidades – Top down e bottom up Teste de hipóteses Comparação interna Definição do Mercado inercial 6,9 0,3 7,7 Inertial Volume Real Movement -6% 7,3 Total volume (8.16-7.17) Expected Movement Total volume (8.15-7.16) 0,8 +11% 0,8 0,6 6,7 6,4 -0,4 7,3 On Off Clusterização Potential revenue/capita Urban/rural classification Hispanic ethnicity Education (2 variables) Recreation businesses per capita POS “can buy” per capita Political affiliation Unemployment rate Average annual temperature Religious rate (per 1000) Distance from Buffalo Age (9 variables) Race (3 variables) Median income per household Sex Distance from Lake Ontario Type of occuption (3 variables) -5 -4 -3 -2 -1 0 1 2 3 4 -5 -4 -3 -2 -1 0 1 2 3 4 Expected Real LN of Labatt (US$) = -21.46 + 0.82 x Distance from Lake Ontario + 0.00005 x Household income + 0.25 x % White + 0.15 x % High school educated + e Elaboração de modelos Teste de relevância das variáveis Hipóteses 1. Áreas brancas 2. Saúde da marca 3. SKUs 4. Estrutura do time de vendas 5. Estrutura do revendedor 6. Despesas de marketing 7. .... IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Etapas para identificação de oportunidades 12 CONCEITUAL
10. 13 IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Contexto do negócio 37 33 29 30 31 73 65 59 51 41 84 77 89 94 100 162 158 155 150 144 2 2014 2 2013 2 2 2016 2015 2 2017 358 334 334 327 318 -11% Mainstream Import Flavored malt beverages Craft Economy Cervejaria regional nos EUA • ESTOU ENDEREÇANDO TODO O POTENCIAL DE MERCADO DOS MEUS CLIENTES? • A estratégia atual de rota ao mercado está atingindo os clientes certos? • O portfólio atual tem o número correto de produtos? • A estratégia de precificação maximiza a rentabilidade por linha de produtos? • Os investimentos com marketing e trade marketing são eficientes? Questões chave
11. 1. Entendimento do Mercado Teste de hipóteses Comparação interna Definição do Mercado inercial 6,9 0,3 7,7 Inertial Volume Real Movement -6% 7,3 Total volume (8.16-7.17) Expected Movement Total volume (8.15-7.16) 0,8 +11% 0,8 0,6 6,7 6,4 -0,4 7,3 On Off Clusterização Potential revenue/capita Urban/rural classification Hispanic ethnicity Education (2 variables) Recreation businesses per capita POS “can buy” per capita Political affiliation Unemployment rate Average annual temperature Religious rate (per 1000) Distance from Buffalo Age (9 variables) Race (3 variables) Median income per household Sex Distance from Lake Ontario Type of occuption (3 variables) -5 -4 -3 -2 -1 0 1 2 3 4 -5 -4 -3 -2 -1 0 1 2 3 4 Expected Real LN of Labatt (US$) = -21.46 + 0.82 x Distance from Lake Ontario + 0.00005 x Household income + 0.25 x % White + 0.15 x % High school educated + e Elaboração de modelos Teste de relevância das variáveis Hipóteses 1. Áreas brancas 2. Saúde da marca 3. SKUs 4. Estrutura do time de vendas 5. Estrutura do revendedor 6. Despesas de marketing 7. .... IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Etapas para identificação de oportunidades 14 CONCEITUAL 2. Identificação de Oportunidades – Top down e bottom up
12. 15 IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Desafios técnicos – diversidade de fontes e volume de informações Como processar e extrair insights de tudo isso? • Base de dados com três anos de vendas da indústria, categoria a categoria, por código postal • Dados sociodemográficos, por condado • Dados de vendas de três anos, por nota fiscal • Base com dados básicos de todos os pontos de venda off premise nos estados unidos • 40 milhões de notas fiscais • 600 mil PDVs sem código único para cruzar com as notas fiscais • Mais de 30 variáveis demográficas para mais de 70 mil Census Tracts Cervejaria regional nos EUA
13. IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Etapas para identificação de oportunidades CONCEPTUAL 16 Possíveis abordagens Top Down Bottom up Potencial de Mercado via modelagem estatística Potencial de Mercado PDV a PDV As duas abordagens devem se reforçar
14. IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Etapas para identificação de oportunidades CONCEPTUAL 17 Possíveis abordagens Top Down Bottom up Potencial de Mercado via modelagem estatística Potencial de Mercado PDV a PDV As duas abordagens devem se reforçar
15. IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Metodologia de modelagem – Variáveis independentes Receita per capta potencial Classificação rural/urbana Índice de etnia hispânica Educação (2 variáveis) Atividades de lazer per capta Poder de compra per capta Direcionamento político Taxa de desemprego Temperatura anual média Índice de religiosidade (por 1000) Distância até Buffalo Idade (9 variáveis) Raça (3 variáveis) Renda média por domicílio Sexo Distância até o Lago Ontário Ocupação (3 variáveis) * Variáveis que são endógenas à operação da companhia, tais como canal de distribuição, tamanho da equipe de vendas etc. não foram incluídas no modelo +30 variáveis foram testadas* Variáveis mais significantes CONCEPTUAL 18
16. IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Cerveja – Resultado do modelo 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 Esperada Real Oportunidade total de aumento do faturamento em 9% Cada ponto representa um município. Aqueles que estão na área cinza apresentam um “sales gap” frente aos valores previstos pelo modelo LN do fat. da marca (US$) = -21.46 + 0.82 x Distância até o Lago Ontário + 0.00005 x Renda do domicílio + 0.25 x % Brancos + 0.15 x % Ensino médio completo+ e Renda per capita 19
17. IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Perfis de produtos Juice and Tea Oportunidade preliminar $2,9 million (6%) Variáveis chave Maiores lacunas (US$) Unemployment rate Households with child under 18 % Black County 1. Middlesex 2. Erie 3. Saratoga 4. Hampshire 5. Oneida 6. Cumberland 7. Niagara Estado MA NY NY MA NY ME NY 20 Maiores lacunas (%) County 1. Cortland 2. Potter 3. Lewis 4. Montgomery 5. Yates 6. Chenango 7. Wyoming Estado NY PA NY NY NY NY NY Efeito Impacto Isotonic and Enhanced Waters Oportunidade preliminar $4,9 million (5%) Variáveis chave Maiores lacunas (US$) County 1. Middlesex 2. Fairfield 3. Erie 4. Monroe 5. Middlesex 6. Niagara 7. Hampshire Estado MA CT NY NY CT NY MA Maiores lacunas (%) County 1. Oswego 2. Orange 3. Lincoln 4. Fairfield 5. Warren 6. Bennington 7. Tioga Estado NY VT ME CT NY VT PA Efeito Impacto Unemployment rate % Asian Median HH income Households with child under 18 Grande engarrafadora de bebidas nos EUA
18. IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Etapas para identificação de oportunidades CONCEPTUAL 21 Possíveis abordagens Top Down Bottom up Potencial de Mercado via modelagem estatística Potencial de Mercado PDV a PDV As duas abordagens devem se reforçar
19. Tipo de estabelecimen- to • Restaurant • Supermarket • Liquor Store • … Urbano / Rural • Urbano • Rural População da área • População total da área Consumo de bebidas per capita Renda media do consumidor • Renda media da área Rede / Independente • Rede • Independen- te Direito de vender vinho e spirits • Vinho (S/N) • Spirits (S/N) Condições climáticas da região • Temperatura e precipitação médias Densidade de PDVs • # PDV per capta Market share da companhia • Cerveja comum • Cerveja artesanal • Saborizados Raça do consumidor • % Brancos • % Negros • % Latinos • … Faturamento total com bens de consumo • Volume semanal de vendas (US$) Variáveis contínuas Vizinhança Município Município Vizinhança Município IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Clusterização dos PDVs Variáveis com potencial para clusterização 22 • Cerveja comum • Cerveja artesanal • Saborizados Variáveis categóricas As variáveis selecionadas para a clusterização devem ser variáveis categóricas (para filtros prévios) e variáveis significativas
20. 23 IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Clusterização dos PDVs Empresa de Bebidas 51,600 – US$ 50.3 MM Convenience Stores 11,104 – US$ 9.7 MM Full Service Restaurants 6.368 – US$ 4.3 MM Quick Service Restaurants 5,976 – US$ 5.8 MM College/University 2.512 – US$ 2.6 MM Drug Store 2,051 – US$ 845 k Others (22) 34,682 – US$ 27,1 MM PDVs com dados ext. 2,912 – US$ 2.5 MM PDVs sem dados ext. 8,192 – US$ 7.3 MM Clusterização de PDVs no nível do ZIP Variáveis utilizadas • Taxa de desemprego • % de afro-americano • % de domicílios com crianças • Tamanho total do PDV 70 clusters de “convenience stores” que são altamente comparáveis Exemplo cluster (#55, 82 PDVs, US$ 110k em receita) Taxa de desemprego % de afro-americano % de domicílios com crianças Tamanho total do PDV Utilizando K-means, um modelo matemático não supervisionado, cria-se grupos de PDVs a partir da semelhança entre eles em função de variáveis chave Min Max 0,1% 22,4% 156k 11,7MM 39,9% 0,2% 1,8% 81,1% 14,6 26,3 0,2 4,3 0,1 1,5 520k 2,1 MM Cada cluster tem um perfil claro Muito baixo Médio baixo Pequeno Muito baixo Grande engarrafadora de bebidas nos EUA
21. 0,7% 0,0% 2,0% 0,0% 0,0% 1,1% 1,3% 1,9% 4,1% 7-11 A 7-11 B 7-11 C AM-PM 7-11 D Sunoco 7-11 E Shell A Shell B 1. Comparação interna entre PDVs de um mesmo cluster definido estatisticamente 2. Para cada categoria analisada, uma referência é estabelecida de forma que seja possível comparer o mix de vendas de cada um dos PDVs IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Identificação da oportunidade de venda 24 CONCEITUAL Vendas da marca / Vendas totais do PDV
22. 0,0% Meta 0,0% 0,0% 7-11 A 0,7% 1,1% 1,3% 1,9% 2,0% 4,1% 7-11 B 7-11 C AM-PM 7-11 D 7-11 E Shell A Shell B Sunoco Mais Eficiente 25 IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Identificação da oportunidade de venda 1. Comparação interna entre PDVs de um mesmo cluster definido estatisticamente 2. Para cada categoria analisada, uma referência é estabelecida de forma que seja possível comparer o mix de vendas de cada um dos PDVs Vendas da marca / Vendas totais do PDV CONCEITUAL
23. 1,2% 0,0% 7-11 C 1,2% 1,2% Shell A 2,0% 0,0% 7-11 D 1,6% 4,1% 0,0% 1,6% 1,6% 0,9% 0,7% 1,9% 0,5% 1,1% 0,3% 1,3% Meta 7-11 B 1,2% 1,2% 1,2% 7-11 A AM-PM 7-11 E Shell B Sunoco 26 IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Identificação da oportunidade de venda Mais Eficiente Oportunidade identificada 1. Comparação interna entre PDVs de um mesmo cluster definido estatisticamente 2. Para cada categoria analisada, uma referência é estabelecida de forma que seja possível comparer o mix de vendas de cada um dos PDVs Vendas da marca / Vendas totais do PDV CONCEITUAL
24. 27 IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Visualização e controle As analises e insights alimentam ferramentas de visualização (BI) para engajamento de todo time comercial Ferramenta de store lookup que busca informações do PDV da Google Indicadores dinamicamente atualizados Geolocalização cruzada com dados do PDV
25. 28 IDENTIFICAÇÃO DO POTENCIAL DE MERCADO PDV A PDV Resolvendo problemas com Alteryx Cruzamento de bases • Capacidade de juntar bases com milhões e milhões de linhas e montar fórmulas sem recorrer a planilhas • Cruzamentos inteligentes, permitindo contornar problemas de chaves inconsistentes • Rastreamento claro de todas as junções e “de-para” Clusterização de PDVs e análises de oportunidade • Facilidade de utilizar técnicas estatísticas complexas para clusterizar PDVs em função de variáveis sociodemográficas • Integração de ferramentas de interface para auxiliar na automatização e calibração de processos recorrentes • Análise facilmente replicável graças ao workflow em Alteryx Resultados atingidos: • Base de PDVs distribuída em dezenas de milhares de clusters e revisão do Route to Market de cada um deles • Definição de um perfil de consumo para cada cliente com base nas vendas dos top performers de seus respectivos clusters
26. 29 MELHORES PRÁTICAS COMERCIAIS Mapa da batalha • Pequeno varejo • Key accounts (Nacionais, Regionais) • Distribuidores (Broker, Exclusivo) • Atacadistas • Atacarejos • Venda direta (consultores de venda) • Representantes • E-commerce Organizar e dimensionar equipes Revisar rotinas, métricas e ferramentas comerciais remuneração Organizar e dimensionar equipes Revisar rotinas, métricas e ferramentas comerciais Definir estratégia RTM (Route to Market) Estimar o potencial de receita (Vendas de precisão) Definir estratégia e ações táticas de Pricing Otimizar a rentabilidade do portfólio Estabelecer gestão de ações de mercado e marketing de precisão Criar processo de inteligência e monitoramento de mercado Sistemas de recompensa: Revisar modelo de remuneração das equipes comerciais e de trade marketing Estrutura: Organizar e dimensionar equipes comerciais e de trade marketing Processos e tecnologia: Revisar rotinas, métricas e ferramentas para equipes comerciais e de trade marketing Canais de atendimento “Quais alavancas devo utilizar para capturar a maior e melhor fatia possível desse mercado?” “Como ter visibilidade contínua sobre o mercado e sobre as alavancas que posso utilizar?” Case 2: Distribuição de carteira utilizando geolocalização “Qual o tamanho do mercado e em quais portas devo bater?”
27. 30 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Contexto do negócio e desafios técnicos Um líder no mercado de rações para bichos de estimação sentia que havia uma oportunidade de crescimento inexplorada e que precisava se reorganizar para capturá-la. Uma das preocupações era o crescimento desorganizado do canal de venda direta 1 Resumo do caso Definir a forma otimizada de alocar clientes às carteiras dos vendedores das equipes de venda direta 2 Por que é importante • Aumento da proximidade com o cliente • Aumento do número de visitas por vendedor • Redução do tempo em deslocamento • Redução de despesas com combustível 3 Dificuldades • Ferramentas como o Excel não possuem funcionalidades suficientes para implementar esta iniciativa • Em condições normais, esta atividade envolveria um grande número de ferramentas, aumentando o grau de complexidade e potencialmente perdendo informação e agilidade ao longo do projeto
28. 31 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Resolvendo problemas com Alteryx – Alocação da carteira de clientes Obtém a localização geográfica dos clientes e as processa em um formato de base de dados Geolocaliza Utiliza a ferramenta de otimização do pacote R-Prescriptive para minimizar as distâncias percorridas pelos vendedores Otimiza Define uma nova alocação de clientes para os vendedores, com áreas de atuação bem definidas e sem sobreposições Realoca
29. 32 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Alocação da carteira de clientes – Geolocalização Além das ferramentas padrão, a comunidade da da Alteryx disponibiliza macros que facilitam processos mais complexos. Estas macros podem ser integradas em fluxos e até editadas e adaptadas às particularidades de cada situação Macro de geolocalização Fluxo completo da macro
30. 33 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Resolvendo problemas com Alteryx – Geolocalização Observa-se que há uma grande sobreposição das áreas de atuação de cada um dos nove vendedores Empresa brasileira de ração animal
31. 34 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Resolvendo problemas com Alteryx – Alocação da carteira de clientes Obtém a localização geográfica dos clientes e as processa em um formato de base de dados Geolocaliza Utiliza a ferramenta de otimização do pacote R-Prescriptive para minimizar as distâncias percorridas pelos vendedores Otimiza Define uma nova alocação de clientes para os vendedores, com áreas de atuação bem definidas e sem sobreposições Realoca
32. 35 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Alocação da carteira de clientes – Otimização Tempo fixo de visitas Tempo em trânsito entre PDVs + Duração da visitas na PDV Tempo disponível para venda Tempo útil de trabalho - Tempo administrativo Número de vendedores + Tempo total de visitas Tempo variável de visitas Peso média da unidade x Número de unidades vendidas Número de unidades vendidas x + Resultados Simulador Região de vendas • Zona 1 • Zona 2 • Zona 3 • Zona 4 • Zona 5 • Zona 6 • Zona 8 • Zona 9 • Zona 10 • Zona 11 • Zona 12 • Zona 13 Total FTEs atual FTEs simulados 1 6 3 4 6 10 2 4 4 1 2 1 44 1,2 7,2 3,5 5,1 5,5 11,8 2,0 2,8 3,2 0,5 0,8 0,3 43,9 FTE simulado menor que atual FTE simulado maior que atual A estimativa do tempo de atendimento de cada PDV entra como parâmetro da optimização
33. 36 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Resolvendo problemas com Alteryx – Alocação da carteira de clientes Obtém a localização geográfica dos clientes e as processa em um formato de base de dados Geolocaliza Utiliza a ferramenta de otimização do pacote R-Prescriptive para minimizar as distâncias percorridas pelos vendedores Otimiza Define uma nova alocação de clientes para os vendedores, com áreas de atuação bem definidas e sem sobreposições Realoca
34. 37 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Resolvendo problemas com Alteryx – Realocação de áreas Antes da otimização
35. 38 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Resolvendo problemas com Alteryx – Realocação de áreas Após a otimização Redução da área de cobertura em 76%
36. 40 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Resolvendo problemas com Alteryx – Realocação de áreas Atual Otimizada somente em função de distância Otimizada em função de distância e carga de trabalho do vendedor 1.971 # de vendedores Tempo de deslocamento 60 1.785 60 1.886 57 Empresa brasileira de distribuição de combustíveis Redução de 5% em vendedores necessários e tempo de deslocamento
37. 43 DISTRIBUIÇÃO DE CARTEIRA USANDO GEOLOCALIZAÇÃO Reconhecimento do poder da ferramenta • Os Alteryx Analytics Excellence Awards foram criados em 2015 para reconhecer aplicações inovadoras e de alto impacto da Alteryx • Neste ano, o Victor Faria da Gradus Consultoria foi premiado pela macro de distribuição de carteira usando geolocalização • O prêmio foi anunciado na conferência anual da Alteryx, Inspire London, junto com os outros 4 vencedores
38. PRECISION SALES, CASES DE SUCESSO NO USO DE DATA ANALYTICS 45 Dúvidas?
39. @gradusconsultoria Gradus Consultoria de Gestão Gradus Consultoria de Gestão SIGA NOSSAS REDES SOCIAIS