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
Tecnolo...
Demetrius Rapello
• CTO do HotelUrbano
• Desde 2007 trabalha com métodos ágeis
• Há 14 anos desenvolvendo produtos para
in...
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 n...
"Proporcionar o sonho de viajar de
todo brasileiro"
visão
• quantos milhões?
• quantos destinos?
• quantos hotéis?
Profissi...
“ 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...
Panorama Inicial
dificuldades iniciais
• Estrutura organizacional
• Muitas vanity metrics, poucas
actionable metrics
• Empresa sem cultura d...
Nossa empresa está
organizada da melhor forma?
mudança na cultura
antes depois
Market Driven
foco na necessidade de
distribuição
Product Driven
construir um produto base...
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 Bus...
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...
metrics for pirates
AARRR!
AARRR!!!
• Acquisition: clientes chegam ao seu produto através de diferentes
canais
• Activation: clientes gostam da 1a in...
exemplos de métricas
Escolha poucas
métricas para
acompanhar e otimizar
o ciclo
Documentando
Hipóteses e experimentos
formulando hipóteses
Acredito que se fizermos X teremos um impacto positivo
no produto, especialmente na etapa Y do funil
•...
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...
time de data science e papéis
• Data Engineering: captura, extração/limpeza e disponibilização de
dados
• Data Scientist: ...
Use Cases
• Marketing: prever LTV, segmentação de clientes, churn,
recomendação
• Vendas: priorização de leads, predição d...
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@hot...
Lean e Data Science para levar o turismo brasileiro a outro patamar
Lean e Data Science para levar o turismo brasileiro a outro patamar
Próximos SlideShares
Carregando em…5
×

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

1.189 visualizações

Publicada em

Nesta apresentação, mostramos como criar uma cultura Lean e data-driven, e como implementar inovação em tecnologia usando as melhores práticas de gestão ágil – com base na nossa experiência no Hotel Urbano e em outras grandes empresas nacionais.

Publicada em: Tecnologia
0 comentários
2 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
1.189
No SlideShare
0
A partir de incorporações
0
Número de incorporações
271
Ações
Compartilhamentos
0
Downloads
12
Comentários
0
Gostaram
2
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

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

  1. 1. Lean e Data Science para levar o turismo brasileiro a outro patamar
  2. 2. 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
  3. 3. 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
  4. 4. Fonte: Exame (2014-04-11) HotelUrbano • maior agência de viagens online do brasil
 • fundada em janeiro de 2011
  5. 5. 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
  6. 6. "Proporcionar o sonho de viajar de todo brasileiro" visão • quantos milhões? • quantos destinos? • quantos hotéis? Profissionalizar! Melhorando O quê e Quanto
  7. 7. “ Measure what is measurable, and make measurable what is not so.” - Galileu
  8. 8. 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?
  9. 9. Panorama Inicial
  10. 10. dificuldades iniciais • Estrutura organizacional • Muitas vanity metrics, poucas actionable metrics • Empresa sem cultura de dados. Muitas decisões subjetivas
  11. 11. Nossa empresa está organizada da melhor forma?
  12. 12. mudança na cultura antes depois Market Driven foco na necessidade de distribuição Product Driven construir um produto baseado nas necessidades dos usuários
  13. 13. mudança na organização dos times Gerente de Projeto Lider Servidor auto organizado antes depois
  14. 14. começamos a planejar produto Product Manager responsável por pensar nas necessidades do usuário e alinhar com UX, TI e Business
  15. 15. Estamos atuando nos problemas corretos com as pessoas certas?
  16. 16. priorização dos PO's antes depois baseada em opiniões subjetivas baseada em coleta e análise de dados
  17. 17. foco nas pessoas • contratação é o mais importante • investimento em treinamento e eventos • ambiente interno • tech house
  18. 18. Lean e Métricas
  19. 19. 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!!!
  20. 20. metrics for pirates AARRR!
  21. 21. 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?
  22. 22. exemplos de métricas Escolha poucas métricas para acompanhar e otimizar o ciclo
  23. 23. Documentando Hipóteses e experimentos
  24. 24. formulando hipóteses Acredito 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.
  25. 25. build measure and learn Escolha poucas métricas para acompanhar e otimizar o ciclo
  26. 26. Data Science
  27. 27. “In god we trust. All others must bring data” - W. Edwards Deming
  28. 28. 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.
  29. 29. 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.
  30. 30. 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! ;)
  31. 31. Stack Realtime Stack Analítica
  32. 32. criando uma cultura data driven
  33. 33. premissas • Colaboração e foco • imersão no negócio • métricas acionáveis • respire dados • repetível e escalável
  34. 34. onde estamos agora
  35. 35. O próximo tripulante pode ser você! recrutamento@hotelurbano.com.br demetrius.rapello@hotelurbano.com.br bruno.pereira@hotelurbano.com.br bruno.pereira@rivendel.com.br

×