Automação de processos com n8n: coleta e análise de dados

Análise preliminar - Apresentação

Apresentando o instrutor e o curso

Bem-vindos a mais um curso da Alura. Meu nome é Ricardo Bugan, sou Head Operacional e Head de Produto, e serei o instrutor deste curso.

Audiodescrição: Ricardo é um homem branco, com cabelo curto castanho e olhos castanhos. Ele veste uma camisa branca e está em um ambiente de escritório com uma parede clara ao fundo, com alguns quadros decorativos.

Continuando a formação em N8n para negócios

Neste curso, daremos continuidade à nossa formação de N8n para negócios, com foco em como o N8n pode nos auxiliar na extração de dados para nossos processos e na utilização desses dados na tomada de decisões.

Anteriormente, trabalhamos em três automações para um processo de envio, com uma abordagem voltada para a visão de processos. Agora, vamos entender como, dentro desse processo, podemos gerar uma base de dados e um relatório com dados para análise e tomada de decisões.

Explorando a automação e análise de dados com N8n

A partir disso, conseguimos entender o N8n como uma ferramenta de automação que realmente libera trabalho para nós, coletando dados constantemente. Dessa forma, não precisamos nos lembrar de realizar a coleta manualmente, evitando que os dados se percam. Além disso, abordamos o tratamento e a análise de dados, bem como os diferentes tipos de dados com os quais podemos trabalhar.

Na análise de dados, utilizaremos o LucreStudio para gerar um dashboard. Vamos compreender melhor como extrair esses dados do processo e como analisá-los no Miro para identificar pontos de apoio. Também discutiremos os tipos de informações que as empresas normalmente já possuem, permitindo cruzar esses dados com os dados de NPS, que é o relatório mencionado em uma das automações que fizemos no curso anterior.

Transformando dados em decisões estratégicas

A partir de tudo isso, entenderemos como transformar essa mentalidade de dados em tomada de decisão e como fechar esse ciclo para alcançar um aprendizado contínuo. Estaremos sempre aprendendo, melhorando e tomando decisões mais baseadas em dados, alinhando isso com a estratégia da empresa.

Esperamos que você aproveite este curso.

Análise preliminar - Revisando o processo e analisando respostas do NPS

Relembrando o curso anterior e introduzindo o M8n

Para iniciar nosso curso, vamos relembrar onde paramos. Se você não assistiu ao curso anterior, é importante fazê-lo, pois este curso faz parte de uma sequência que estamos desenvolvendo sobre M8n, processos e automação de processos para negócios. O curso anterior está disponível na plataforma e é um pré-requisito para este. Caso você já tenha assistido, mas esqueceu, ou para começarmos aqui, vamos relembrar onde paramos e para onde vamos a partir de agora.

Estamos com o M8n aberto, onde realizamos três automações. Essas automações resultaram da análise, pesquisa e estudo que fizemos com nosso processo. Também temos o Miro com nosso processo, que abrange desde o tipo de vendas até o tipo de pós-venda. Identificamos gargalos, visualizamos e utilizamos fluxogramas para entender o fluxo do processo e identificar onde podemos automatizar.

Compreendendo a matriz RACI e a pesquisa de satisfação

Após esse estudo, compreendemos a matriz RACI, que define quem faz o quê, quais são as responsabilidades, quem aprova, quem ajuda e com quais áreas precisamos nos comunicar. Isso nos auxiliou a desenhar as automações no M8n. Concluímos nossa última automação entendendo a pesquisa de satisfação do cliente. Enviamos a pesquisa por meio de uma das automações, capturamos as respostas e, com essas respostas, criamos um processo de automação para verificar se o cliente está satisfeito ou não.

Discutimos que esse tipo de pergunta é subjetiva, pois cada empresa possui parâmetros e métricas para definir satisfação. No nosso caso, utilizamos o NPS como método para avaliar a satisfação do cliente. Durante este curso, vamos explorar a pesquisa de NPS e entender sua importância, já que cada vez mais é exigido de nós, enquanto gestores ou colaboradores, que compreendamos métricas e tomemos decisões baseadas nelas, adotando uma mentalidade focada em métricas.

Explorando a ferramenta N8n e a mentalidade orientada por dados

Vamos ver como a ferramenta do N8n nos auxilia a analisar métricas. Realizamos a pesquisa, obtivemos respostas e adicionamos comentários e dados adicionais para análise. Vamos trabalhar a partir desses dados para expandir uma pesquisa simples de NPS, mostrando como ela pode nos ajudar a desenvolver uma mentalidade orientada por dados, ou Data Driven Mindset, como é chamado em alguns lugares. Essa abordagem é cada vez mais requisitada para gestores, líderes de equipe e colaboradores individuais que desejam avançar em suas carreiras e se tornarem mais experientes.

Além de compreendermos sobre processos, mapeamento e análise desses processos, e automação, vamos entender como a automação nos auxilia na captura de dados e facilita esse processo. Já que estamos com a pesquisa aberta, vamos analisar as respostas que temos.

Analisando os resultados da pesquisa de NPS

De imediato, ainda não calculamos o NPS, mas faremos isso mais adiante. Observamos respostas como 4, 3, 2, 5, 1, 4 novamente, 0, 6, 2. Não parece que temos notas muito altas no NPS. A maioria das respostas são de valor baixo, classificadas como detratores ou neutros, sendo a maioria detratores.

Vamos analisar os comentários ao lado. Observamos menções a entregas fora do prazo, atrasos, mas com tudo resolvido no final. Novamente, há menções a entregas fora do prazo. Produtos com defeito foram entregues, mas não estavam em condições adequadas. Há repetidas menções a atrasos e produtos danificados. Isso nos dá um indicativo inicial.

Formulando perguntas e hipóteses a partir dos dados

Com esses dados diretos dos clientes, começamos a formular perguntas. Se estamos enfrentando tantos atrasos, será que isso faz sentido? Onde pode estar o problema? Proporcionalmente ao número de pedidos e entregas, os atrasos são significativos? Ou é apenas uma minoria barulhenta? Mesmo que seja uma minoria, é uma questão importante de qualidade do serviço. Um cliente nos alerta sobre a importância de não atrasar. Além disso, produtos danificados indicam problemas no envio.

Com informações básicas e feedback dos clientes, já podemos formular hipóteses. Por exemplo, será que, proporcionalmente, há muitos pedidos atrasados, indicando um problema logístico geral? Ou há uma região específica com atrasos? Ou um tipo de produto frequentemente danificado, necessitando de maior cuidado na embalagem?

Essas são perguntas que precisamos responder, mas falta informação para isso. O próximo passo é estruturar quais informações são necessárias para responder essas perguntas. Durante o curso, exploraremos essas questões e, no próximo vídeo, abordaremos como elaborar essas perguntas e transformá-las em métricas.

Análise preliminar - Levantando hipóteses

Analisando a planilha de NPS

Ao realizar nossa análise na planilha de NPS, identificamos algumas questões e levantamos perguntas para entender como trabalhar esses dados. Vamos abrir uma nova planilha para discutir e pensar sobre isso. É uma boa prática anotar essas perguntas em um papel ou bloco de notas, conversar com alguém e trabalhar nas informações necessárias para respondê-las.

Algumas perguntas que surgiram, ao analisarmos os comentários, incluem questões de atraso e produtos com defeito. Especificamente, mencionaram dificuldades de devolução, mas a maioria dos comentários focou em produtos com defeito e atrasos. Levantamos algumas hipóteses, como: será que os pedidos de alguma região específica estão atrasando mais do que em outras? Essa é uma pergunta interessante para respondermos.

Levantando hipóteses sobre atrasos e defeitos

Outra hipótese levantada foi sobre o volume de pedidos atrasados: será que ele é relevante? No NPS, a sensação de relevância para o cliente já está clara, mas precisamos verificar se o volume é igualmente significativo. Isso nos ajudará a priorizar soluções.

Também questionamos se há um produto específico que tende a chegar com defeito. Por exemplo, vendemos louças e vidros, que podem quebrar no transporte, ou recebemos produtos defeituosos de fornecedores sem verificar. Essas são perguntas que precisamos explorar.

Explorando causas de atrasos e defeitos

Nos comentários, encontramos menções a defeitos no primeiro uso, atrasos maiores que o esperado, produtos certos que chegaram atrasados, e anúncios incorretos. A maioria dos comentários continua destacando atrasos, o que nos leva a pensar sobre as causas: pode ser uma região específica, um produto específico, ou um problema no processo logístico, como empacotamento.

O exercício aqui é pensar nessas perguntas e identificar o que pode estar causando os atrasos. Se sua empresa utiliza o NPS, é importante ler os comentários, filtrá-los e criar perguntas para clarear quais dados são necessários. Por exemplo, com essas perguntas, já sabemos que precisamos de dados como a nota do NPS, comentários, endereço ou cidade da pessoa, volume de pedidos em atraso, e o total de pedidos. Cada linha da planilha representará um pedido, e precisamos do ID do pedido para obter mais informações sobre ele.

Identificando dados necessários para análise

Com essas informações, acreditamos que podemos avançar na análise e encontrar soluções para os problemas identificados.

O NPS, o comentário, o endereço para verificar a região e o ID do pedido são fundamentais, pois dentro do ID do pedido, podemos identificar os produtos e cruzar essas informações para determinar se há algum produto ou região específica que esteja influenciando negativamente o NPS. O exercício de levantar perguntas, formular hipóteses e refletir sobre como responder a essas perguntas através dos dados é essencial para desenvolver um mindset orientado a dados. Isso nos ajuda a identificar quais dados são necessários para compor uma tabela.

Desenvolvendo um mindset orientado a dados

Se tivermos uma tabela com o NPS, o comentário, o endereço e o ID do pedido, começamos a identificar padrões. É normal que inicialmente faltem perguntas ou dados, pois isso faz parte do processo de amadurecimento na análise do comportamento do cliente. Com o tempo, essa compreensão se desenvolve, mas já temos um ponto de partida. Uma vez que definimos quais dados são necessários, podemos pensar em onde encontrá-los.

É comum que muitas empresas possuam planilhas de Excel com diversas informações. Por exemplo, podemos ter uma planilha com dados dos clientes, incluindo cidade, estado e canal de aquisição. Se estivermos investigando questões relacionadas ao canal de aquisição, essa informação será útil. No entanto, nem todas as informações presentes na tabela serão utilizadas para responder às hipóteses. Algumas métricas podem ser descartadas.

Analisando dados de pedidos e comunicação

Na tabela de pedidos, temos informações como data do pedido e data de entrega, o que nos permite analisar o SLA e identificar atrasos. Isso nos leva a questionar se a comunicação com os clientes sobre prazos de entrega está adequada. Pode haver reclamações de atraso que, na verdade, são decorrentes de uma comunicação incorreta do SLA. Precisamos entender qual é o nosso SLA efetivo por região, considerando que a empresa é responsável pela entrega. Mesmo que a entrega seja delegada aos correios, faz sentido comunicar uma margem de segurança ao cliente.

À medida que analisamos os dados, novas perguntas surgem. Por exemplo, podemos comparar a data do pedido com a data de entrega real para verificar atrasos e calcular o tempo médio entre o pedido e a previsão de entrega. Com essas informações, podemos cruzar dados por estado ou cidade para identificar diferenças regionais.

Automatizando a coleta e análise de dados com N8n

Embora muitas informações estejam em planilhas de Excel, idealmente, elas deveriam estar em um banco de dados gerido pelo time de TI. No entanto, é comum que essas informações sejam exportadas para Excel ou preenchidas manualmente. Podemos solicitar relatórios ao time de dados ou TI, sempre respeitando a LGPD e as políticas de compliance da empresa.

Agora, vamos trabalhar com o N8n. Sabendo os dados necessários e tendo as fontes de dados, precisamos automatizar a coleta e geração de relatórios. Utilizaremos o N8n para integrar essas informações, unificá-las em uma grande tabela e, assim, facilitar a análise posterior.

Sobre o curso Automação de processos com n8n: coleta e análise de dados

O curso Automação de processos com n8n: coleta e análise de dados possui 183 minutos de vídeos, em um total de 37 atividades. Gostou? Conheça nossos outros cursos de Automação e Produtividade em Programação, ou leia nossos artigos de Programação.

Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:

• Análise preliminar
• Preparação de dados
• Análise de dados
• Dados qualitativos
• Comunicação e decisão