O que têm em comum Barack Obama, Spotify e os Houston Rockets? Barack Obama é um fã dos Houston Rockets? Não. Spotify e a música mudaram a vida de Barack Obama? Não. Os Houston Rockets recorrem ao Spotify para se reunirem e ganharem energia através da música? Talvez. Porém, o denominador comum a todos eles é que todos, Barack Obama em 2012 (eleição presidencial), a Spotify e os Houston Rockets, usam ou usaram big data e analytics para superarem/suplantarem a concorrência.

Jim Messina, diretor de campanha de Barack Obama na eleição presidencial em 2012, tornou-se uma espécie de “data freak”. Foram recolhidos dados de tudo (no terreno) e praticamente tudo foi mensurado. O objetivo era claramente tornarem a campanha numa campanha smart. Em primeiro lugar 100 diferentes data analysts trabalharam na campanha de Barack Obama – em três equipas, uma de terreno junto aos votantes, outra como data analysts e on-line workers e, finalmente, outra como media workers. Os primeiros conseguiam avaliar o impacto do “gosto/não gosto” da campanha no terreno e carregar os dados para que fossem trabalhados a nível central. Os segundos, analisavam dados e estavam responsáveis pela presença on-line, campanhas dirigidas via e-mail e resultantes de ações que caíam bem na generalidade da população, angariação de fundos via on-line e presença nos social media. Os terceiros encarregavam-se de moldar as mensagens pessoais de Barack Obama e introduzir os efeitos positivos medidos em entrevistas, diálogos e, bem assim, em compra e produção de publicidade.

A dinâmica de data analysis residia nos dados core gerados pelo eleitorado ao nível individual. Depois, em perceber como as ações da campanha influenciavam cada um dos votantes ou potenciais votantes. Se se conseguisse ter uma forma rápida de medir o impacto de cada ação em cada potencial votante poder-se-iam mudar ações futuras e alavancar o que estava a correr bem. Espalhar boas práticas – que caíam bem no potencial eleitorado – e evitar más práticas que inibiam a adesão ao candidato Barack Obama.

O KPI (muito simples e único) para a campanha assentou no número dos que planeavam votar Obama dividido pelo número de todos os que iriam ser votantes e por isso diziam ir votar. Com este KPI havia três frentes para melhorar/assegurar o numerador: garantir o registo dos votantes, persuadir a base de votantes total a pertencer ao numerador, i.e., a engrossar as fileiras de Obama, e criar um efeito de grupo e de pertença (efeito de massa). Assim, era fundamental convencer os potenciais votantes a registarem-se (aspeto crítico nos EUA), persuadir os indecisos a votar Obama e tudo fazer para que os apoiantes de Obama aparecessem no dia da votação para efetivamente votarem (nada melhor para isto que criar um efeito dominó ou de identificação com a potencial maioria – movimento em ascensão).

Igualmente interessante foi o movimento de big data trazido por Daryl Morey para a equipa de basquetebol da NBA Houston Rockets. A decisão de instalação de câmaras de filmar nos campos de basquetebol influenciou largamente a adoção de big data e a procura da perfeição.

Todos os mais habituados à linguagem do basquetebol – pontos, assistências, ressaltos, lançamentos com bloco, lançamentos livres e suas percentagens devem habituar-se a um novo vocabulário. A distância ao cesto e o estar dentro ou fora da linha dos 3 pontos, por exemplo, passam a ganhar novos significados. Ganham também importância não apenas os movimentos ofensivos mas igualmente os defensivos.

O basquetebol passa, assim, a ser analítico, as jogadas medidas pela eficiência e eficácia e os lançamentos pelo risco (medido pela distância) versus retorno. Um jogador em campo pode fazer a diferença numa equipa e a sua entrada ou saída devem ser analisados quer em termos ofensivos quer em termos defensivos. Longe vão os tempos em que dávamos vivas apenas aos jogadores ofensivos porque metade das jogadas são feitas a defender e os jogadores devem ser pagos quer por atacar quer por defender.

Há quem diga que a espetacularidade do basquetebol ficou coartada. Há quem diga que o jogo é, hoje, demasiado analítico e a espontaneidade deixou de existir (os jogos olímpicos, este verão, encarregaram-se de nos mostrar alguns destes efeitos). Há quem veja jogadas muito similares e muitos lançamentos de 3 pontos, por exemplo, pelo mesmo jogador apenas porque tem grande retorno destes lançamentos. Cada jogador passa a treinar posições de onde consegue melhor retorno/risco e a lançar muito dos mesmos locais vezes sem conta. Não obstante tudo isto, que parcialmente pode ser verdade, a eficiência ganha em jogo, a redução dos metros percorridos e os resultados alcançados justificam estas análises.

Afinal de contas, parece que foi através de big data e analytics que os Houston Rockets quebraram, em 2014-2015, um jejum de 20 anos sem um título de divisão e 18 sem ir às finais da zona Oeste dos EUA.

Quanto ao Spotify, que todos os meus alunos mais que conhecem, usa a fórmula simples e vitoriosa da recomendação entre conexões. As músicas de que alguém gosta são propostas às suas conexões. Esta amplificação da música através dos contactos torna o Spotify não num serviço de música mas antes numa gigantesca operação de dados. Sem big data o Spotify nunca se teria tornado no que é. Com uma presença cada vez mais global e sempre crescente traduz o sucesso em dados criados e que criarão novos dados num futuro próximo. Mais dados significarão mais recomendações, melhores predições e mais utilizadores e, assim, mais fontes de pagamentos para os detentores de direitos.

Não foi a quantidade de músicas ou mesmo o canal que modificou a indústria da música. A verdadeira mudança veio pelos dados.

O curioso nestas três histórias é que há uma variável que é transversal a todas elas: o tempo. Só o tempo permite gerar dados. E, posteriormente, saber transformar dados em vantagem competitiva. Três casos tão distintos e tão iguais.

Tempos diferentes, mais curtos ou mais longos, mas sempre um mesmo padrão: os resultados do bom trabalho dos dados (analytics), ou dos muitos dados (big data), pode transformar-se numa séria dor-de-cabeça para os concorrentes e, com isto, numa vantagem competitiva.

Professor Catedrático, NOVA SBE