//Como otimizar Business Intelligence em empresas de SaaS

Como otimizar Business Intelligence em empresas de SaaS

Por Fernando Okumura

20 de novembro de 2018
10 min. de leitura

Saiba como otimizar Business Intelligence em empresas de SaaS para ganhar vantagem competitiva e crescer.

O que acha de ouvir o post, em vez de lê-lo? Escute com o player abaixo:

As empresas de SaaS bem sucedidas são aquelas capazes de identificar e capturar oportunidades de mercado rapidamente. A chave para essa agilidade é ter uma Business Intelligence (BI) eficaz e eficiente. Nesse artigo, vamos cobrir os Fatores Chave de Sucesso de BI para você ganhar agilidade em sua empresa. Vamos lá?

O que é Business Intelligence (BI)? Qual é a sua missão?

Em suma, BI é a função responsável por coletar e transformar dados em insights para que gestores tomem melhores decisões. Entretanto, no mundo acadêmico, ela pode ser referir a sistemas de informação propriamente ditos (ex. data warehouses e ERPs). É uma associação natural dada a proximidade da função aos sistemas de TI.

Assim, BI tem 2 missões principais em empresas de SaaS:

  1. Gerar Customer Insights, um elo indispensável para criar vantagem competitiva. Trata-se usar os relacionamentos com clientes para melhorar produtos, o que traz mais clientes e reforça o processo. Leia sobre mais sobre essa dinâmica em O Ciclo Virtuoso da Receita Recorrente.
  2. Gerar Performance Insights, informações para avaliar a saúde financeira da companhia e atratividade de seus investimentos. Empresas de SaaS tem um modelo de negócio diferente do comércio e da indústria. Portanto, precisam acompanhar métricas específicas que ERPs tradicionais não fornecem.

Como estruturar o time Business Intelligence?

O time de BI é geralmente uma função horizontal que serve outras funções (p. ex. marketing e vendas) e unidades de negócio (p. ex. gestores de produto).

Gráfico sobre estrutura organizacional presente no blogpost

Os papéis do time BI dependem do contexto da empresa (p. ex. maturidade da companhia, tamanho do time, e habilidades disponíveis). Além disso, os papéis não correspondem necessariamente a uma pessoa. Um indivíduo pode desempenhar mais de um papel e um papel pode ser desempenhado por mais de um indivíduo.

As funções em um time de Business Intelligence (BI)

No entanto, de forma geral, há 5 papéis principais em um time de BI:

  1. Gestor de BI: responsável pelo time com um todo. O ideal é que essa pessoa tenha conhecimento tanto do business como de tecnologia.  
  2. Desenvolvedor de BI: responsável pela criação e manutenção da sua Data Warehouse, o hub de dados de sua empresa.  
  3. Analista de Negócios: responsável extração de dados, análise e relatórios para clientes internos (i.e., outras funções e unidades de negócio). Essa pessoa fica no time de BI ou no “cliente”. De preferência, fica no “cliente” pois assim será especializada e estará mais atualizada sobre quais informações serão úteis no momento.
  4. Analista de Base de Dados (DBA): responsável pela manutenção das bases de dados. Além disso, cria e suporta aplicações, e faz a gestão de meta dados (i.e., informação sobre outros dados).
  5. Cientista de Dados: extrai insights estratégicos de Big Data através de machine learning e outras análises mais complexas. Tem conhecimentos de programação, estatística e ferramentas (p. ex.  Azure ML, Tensor Flow, ML AWS, e Google ML).

Como montar seu Business Intelligence (BI) no início

No entanto, é difícil ter algo assim estruturado desde o inicio da empresa. Geralmente, há aquele “ninja” de SQL que “puxa” os dados da base e manda para alguém de negócio analisar em Excel. Para relatórios de rotina e análises pontuais, essa dinâmica pode funcionar. Porém, conforme a empresa cresce e as low hanging fruits desaparecem, é preciso gerar insights mais robustos. A partir daí, uma estrutura organizada e dedicada se torna necessária.

Comece com um time pequeno buscando easy wins: sucesso traz maiores orçamentos, maior time e especialização. No início, monte um time multidisciplinar e motivado de 2-3 pessoas. Por exemplo, o Gestor de BI pode também ser o Desenvolvedor. O DBA também pode ser o Cientista de Dados. O Analista de Negócios também pode ser uma pessoa do “cliente”. Comece com projetos mais simples que possam ser realizados em períodos curtos de tempo. Dessa forma, ainda que o impacto seja menor, haverá pequenas vitórias. Elas motivam o time e atrair interesse dentro da organização.

Quais são os Fatores Chave de Sucesso de BI em empresas de SaaS?

Os principais Fatores Chave de Sucesso (KSF – Key Success Factors) são:

1) Ter uma cultura de data based decision making.

De que adianta ter uma Ferrari na garagem e não usar? As melhores tecnologias e times não produzirão os resultados se apenas produzirem relatórios rotineiros para investidores. Primeiramente, a paixão por coleta e análise de dados e por automação deve vir do topo, do CEO, sobretudo em SaaS. Além disso, é imporante  que os contratos permitam o uso de dados de clientes de forma agregada. Meça tudo, ainda que pareça inútil hoje.

2) Ter pessoa(s) 100% dedicada(s).

BI, como sistema de informação, pode ser completamente inútil se feito de forma equivocada ou incompleta. Assim, é fundamental que exista ownership claro da função (ainda que seja apenas 1 pessoa no começo). Se as pessoas tiverem que dividir seu tempo entre BI e as tarefas core de suas funções, BI não será a prioridade. Sem dúvida, haverá erros e faltas e a função não funcionará. Finalmente, lembre-se de que Business Intelligence, apesar de próximo, não é TI pois suas funções requerem habilidades diferentes. BI é mais focado em informações e business enquanto TI concentra-se mais em tecnologia e produto.  

3) Manter o Analistas de Negócios nos “clientes”

Ter o Analista de negócios reportando ao diretor de BI e, em linha pontilhada, ao gestor do “cliente” pode ser uma boa idéia. É preciso estar no dia a dia das operações para gerar insights efetivamente. Note que a missão do analista aqui não é gerar relatórios rotineiros (isso pode ser feito pelo próprio “cliente”). Pelo contrário, seu trabalho é buscar melhoras em processos e práticas vigentes e novas oportunidades de negócio. No entanto, se não houver orçamento para esse modelo, pode-se fazer projetos pontuais em “clientes” diferentes. Nesse caso, é importante que o analista realize um de cada vez e que o projeto possibilite uma real imersão na área (p. ex. 3+ meses).  

4) Certificar-se de que sua tecnologia de BI está 100%.

BI é uma mescla de tecnologia e pessoas. Dessa forma, sem ferramentas e integrações adequadas, é impossível gerar insights de forma efetiva e eficiente. Ademais, BI está cada vez mais baseada em soluções SaaS de terceiros. Assim, é importante que seu time esteja sempre atualizado acerca das ferramentas disponíveis no mercado.

BI deve medir rotineiramente quais métricas de SaaS ?

Como comentamos acima, gerar Performance Insights é uma das principais missões do time de BI. De fato é o mais relevante no começo pois a empresa ainda não está focada em Customer Insights. Novos produtos e oportunidades de mercado ainda não são a prioridade #1.

Portanto, vale a pena listar algumas das principais métricas de SaaS para se seguir rotineiramente:

1) LTV/CAC (Customer Lifetime Value / Customer Acquisition Cost)

Talvez a principal métrica de SaaS pois indica o quão lucrativa e, portanto, viável, sua operação é. Empresas de SaaS “perdem” dinheiro antes venda para depois recuperá-lo ao longo do relacionamento com o cliente. Dessa maneira, Lucro nos moldes tradicionais não é uma boa métrica para medir sua viabilidade econômica. O LTV/CAC faz essa função e, nos EUA, a regra geral é que seja 3+. Entretanto, no Brasil, 4-6x é uma boa referência pois esse número é calculado com base no ROI requerido por investidores. Como o custo de capital no Brasil é maior do que nos EUA, é natural que o ROI precise ser maior. Para saber mais, leia LTV/CAC: O Que É, Importância E Como Calcular.

2) Tempo para recuperar CAC

LTV/CAC dá uma ideia sobre a lucratividade da operação, mas não inclui a dimensão do tempo. Assim, essa métrica cobre o gap. Nos EUA, a regra geral é que deva ser 12 meses ou menos. No entanto, no Brasil, ~6 meses é uma boa referência (o mesmo raciocínio sobre ROI do item 1 se aplica aqui).

3) LTV (Customer Lifetime Value)

LTV é o valor que um assinante médio traz para a empresa durante todo relacionamento (i.e., soma da margem bruta mensal x meses de vida do cliente médio). Para saber mais, leia Como calcular Customer Lifetime Value (LTV) e Margem Bruta: O que é, Importância, e Como Calcular.

4) CAC (Customer Acquisition Cost)

CAC é o custo médio de marketing e vendas para se obter um novo cliente. Para saber mais, leia Custo De Aquisição Do Cliente: O Que É e Como Calcular e Como Reduzir O Custo De Aquisição do Cliente.

5) Customer e Revenue Churn

Churn é a taxa de perda de clientes e receita devido a cancelamentos e downgrades de assinaturas. Para saber mais, leia Churn: O Que É, Importância e Como Calcular

6) MRR (Monthly Recurring Revenue)

MRR é a receite mensal proveniente de produtos de receita recorrente (i.e., excluindo-se receitas pontuais como Setup por exemplo). Para saber mais, leia

7) Quick Ratio

O Quick Ratio mede a qualidade do crescimento da empresa de SaaS. A empresa pode ter uma linha crescente de bookings, mas estar perdendo clientes quase tão rápido quanto os adquire. Essa métrica ajusta para isso. Para saber mais, leia Quick Ratio: O Que É, Para Que Serve E Como Calcular

8) Métricas do Funil de Maketing

As métricas do Funil de Marketing variam de empresa para empresa. Entretanto, o conceito fundamental é entender como o volume de tráfego no topo do funil se converte em leads qualificados – Marketing Qualified Leads (MQLs).

9) Métricas do time de Vendas

Como no caso de marketing, as métricas de Vendas variam de empresa para empresa. No entanto, a taxa de conversão de MQLs a clientes fechados é fundamental. Se seu time de vendas tem a habilidade de compor oferta e precificar, Receita Média / Lead Processado é uma ótima métrica pois engloba só a capacidade de conversão e a capacidade de maximizar receita.

10) Net Promoter Score (NPS) ou Customer Happiness Index (CHI)

Ambos medem a satisfação de seus clientes com o relacionamento. São essenciais pois permitem a identificação de clientes em risco e te dão uma chance de consertar a situação. Assim, te ajudam a otimizar a retenção de clientes.

Conclusão

Agora que você já conhece um pouco mais Business Intelligence, te encorajamos colocar esse conhecimento em prática. Comece a planejar e estruturar suas ações de BI para navegar sempre as claras e manter seus produto aderentes. O que achou desse post? Deixe seu comentário abaixo. Adoraríamos falar com você.

Não perca nenhum post!

Assine nosso blog e receba as últimas novidades diretamente em seu e-mail.

Por | 2019-01-07T09:06:29+00:00 20 de novembro de 2018|