Lean e Data Science para levar o turismo brasileiro a outro patamar

Bruno Pereira

• CTO do HotelUrbano em 2014 • Trabalha com métodos ágeis desde de

2007 • Fundador e CEO da Rivendel

Tecnologia • Lean Startups/Innovation desde 2010:

60+ startups

Demetrius Rapello

• CTO do HotelUrbano • Desde 2007 trabalha com métodos ágeis • Há 14 anos desenvolvendo produtos para

internet • Mestre em Informática pela Puc-Rio, com

especialização em machine learning e sistemas de recomendação

Fonte: Exame (2014-04-11)

HotelUrbano

• maior agência de viagens online do brasil

• fundada em janeiro de 2011

1 diária vendida a cada 8 segundos

180 mil hotéis em 35 mil destinos, em

183 países

18 milhões de clientes na base

HU em números

"Proporcionar o sonho de viajar de todo brasileiro"

visão

• quantos milhões? • quantos destinos? • quantos hotéis?

Profissionalizar! Melhorando O quê e Quanto

Métricas Métricas Métricas

“ Measure what is measurable, and make measurable what is not so.” - Galileu

métricas

• Quantos gostariam de visitar algum desses lugares? • Quantos conseguem prestar atenção na palestra

depois disso? :) • Quantos acreditam que conseguimos cruzar

ociosidade com desejo de viajar e fechar negócios melhores para todos?

• Quantos querem conhecer uma história de Lean e Data Science aplicados para você viajar?

Panorama Inicial

dificuldades iniciais

• Estrutura organizacional

• Muitas vanity metrics, poucas actionable metrics

• Empresa sem cultura de dados. Muitas decisões subjetivas

Nossa empresa está organizada da melhor forma?

mudança na cultura

antes depois

Market Driven foco na necessidade de distribuição

Product Driven construir um produto baseado nas necessidades dos usuários

mudança na organização dos times

Gerente de Projeto

Lider Servidor

auto organizado

antes depois

começamos a planejar produto

Product Manager responsável por pensar nas necessidades do usuário e

alinhar com UX, TI e Business

Estamos atuando nos problemas corretos com as

pessoas certas?

priorização dos PO's

antes depois

baseada em opiniões subjetivas

baseada em coleta e análise de dados

foco nas pessoas

• contratação é o mais importante

• investimento em treinamento e eventos

• ambiente interno

• tech house

Lean e Métricas

Lean

• Pouco desperdício: buscando mínimo de esforço pra validar hipóteses

• Ciclos rápidos de inspeção e adaptação

• Stop the line: mobilizamos o que for necessário para evidenciar e corrigir problemas

Get Out of the fucking Building!!!

metrics for pirates

AARRR!

AARRR!!!• Acquisition: clientes chegam ao seu produto através de diferentes

canais

• Activation: clientes gostam da 1a interação - experiência feliz

• Retention: clientes voltam e usam seu produto várias vezes

• Referral: clientes gostam o suficiente do seu produto para indicá-lo para outras pessoas

• Revenue: clientes te geram receita

Qual etapa do funil é mais crítica pro seu produto AGORA?

exemplos de métricas

Escolha poucas métricas para acompanhar e otimizar o ciclo

Documentando Hipóteses e experimentos

formulando hipótesesAcredito que se fizermos X teremos um impacto positivo no produto, especialmente na etapa Y do funil

• Quais são métricas que precisamos acompanhar?

• Consigo definir o que é sucesso?

• Essa hipótese conflita com alguma outra já sendo testada?

• Importante documentar o experimento realizado pra que seja “formalizado" o aprendizado.

build measure and learn

Escolha poucas métricas para acompanhar e otimizar o ciclo

Data Science

“In god we trust. All others must bring data” - W. Edwards Deming

Data Science

• Extração de conhecimento a partir dos dados

• Aplicamos análises estatísticas e aprendizado de máquina para entender o histórico e prever comportamento futuro

• Comumente associado a Big Data, mas já conseguimos muitos aprendizados valiosos com Small Data.

time de data science e papéis

• Data Engineering: captura, extração/limpeza e disponibilização de dados

• Data Scientist: algoritmos de machine learning e estatística

• Data Visualization: implementam visualizações e usam análises exploratórias e preditivas para gerar insights de negócio

• Data Stewards: profissionais analíticos alocados nas áreas de negócio para apoiar na utilização do conhecimento obtido

Tão importante quanto gerar inteligência é garantir que ela seja usada. Realimentar áreas de negócio continuamente é essencial.

Use Cases• Marketing: prever LTV, segmentação de clientes, churn,

recomendação

• Vendas: priorização de leads, predição de demanda

• Risco: detecção de fraude, avaliação de crédito

• Varejo: precificação, layout de loja física, gestão de inventário, recomendação de novas lojas

• Hotelaria: precificação dinâmica, segmentação de clientes x produtos, priorização de investimentos

Claro, também dá pra resolver o problema das bicicletinhas de Amsterdam! ;)

Stack Realtime Stack Analítica

criando uma cultura data driven

premissas

• Colaboração e foco

• imersão no negócio

• métricas acionáveis

• respire dados

• repetível e escalável

onde estamos agora

O próximo tripulante pode ser você!

recrutamento@hotelurbano.com.br

demetrius.rapello@hotelurbano.com.br

bruno.pereira@hotelurbano.com.br