Estratégia

Alibaba e o futuro dos negócios

Ming Zeng
10 de outubro de 2018
futuro dos negócios e alibaba

Em setembro de 2014, a Alibaba virou manchete ao realizar o maior IPO do mundo. Hoje a empresa tem uma das dez maiores capitalizações globais de mercado, superou a Walmart em vendas globais e expandiu-se em todos os principais mercados do mundo. E seu fundador, Jack Ma, é mundialmente conhecido.

A plataforma de e-commerce da Alibaba cresceu enormemente desde o início, em 1999. No entanto, ainda não era campeã mundial em 2007, quando a equipe de gestão — na qual eu já trabalhava havia um ano em período integral — promoveu uma reunião para um off-site de estratégia em um hotel insípido à beira-mar em Ningbo, província de Zhejiang. No decorrer do encontro, as nossas observações e pensamentos desarticulados sobre as tendências de e-commerce começaram a fundir-se em uma visão mais ampla do futuro e, por fim, chegamos a uma visão comum. Nós “promoveríamos o desenvolvimento de um ecossistema de comércio eletrônico aberto, coordenado e próspero”. Foi então que a trajetória da Alibaba começou de fato.

Leia também: artigos da HBRBR sobre estratégia para empresas de plataforma

Descubra uma plataforma no seu produto
Os efeitos da rede não são suficientes
Pipelines, plataformas e novas regras de estratégia
Como lançar sua plataforma digital

Percebemos que a verdadeira inovação da Alibaba residia no fato de que estávamos, realmente, construindo um ecossistema: uma comunidade de organismos (empresas e consumidores de muitos tipos) que interagia não só mutuamente como também com o ambiente (a plataforma online e o conjunto mais amplo de elementos físicos off-line). Nosso imperativo estratégico era garantir que a plataforma fornecesse todos os recursos, ou o acesso aos recursos, de que um negócio online precisa para ter êxito, e dessa forma apoiasse a evolução do ecossistema.

No início, o ecossistema que construímos era simples: ligamos compradores e vendedores de mercadorias. Conforme a tecnologia avançava, mais funções de negócios eram incorporadas online, incluindo as estabelecidas, como publicidade, marketing, logística e finanças, e as emergentes, como marketing de afiliados, recomendação de produtos e influenciadores de mídia social. E, à medida que expandíamos nosso ecossistema para aco-
modar essas inovações, ajudamos a criar novos tipos de negócio online, reinventando completamente o setor de varejo da China ao longo do caminho.

Hoje a Alibaba não é apenas uma empresa de comércio online. Ela é o conjunto de todas as funções associadas ao varejo coordenadas online em uma vasta rede orientada por dados que inclui vendedores, profissionais de marketing, prestadores de serviços, empresas de logística e fabricantes. Em outras palavras, a Alibaba faz o que a Amazon, a eBay, a PayPal, a Google, a FedEx, os atacadistas e boa parte dos fabricantes fazem nos Estados Unidos, com a saudável ajuda de serviços financeiros para guarnecer.

Das dez empresas mais valorizadas do mundo atualmente, sete são empresas de internet com modelos de negócio semelhantes aos nossos. Cinco delas — Amazon, Google e Facebook nos Estados Unidos, e Alibaba e Tencent na China — têm apenas 20 anos. Por que tanto valor e poder de mercado surgiram tão rápido? Por causa de novos recursos na coordenação de redes e inteligência de dados usados por todas essas empresas. Os ecossistemas que elas administram são muito mais eficientes economicamente e muito mais centrados no cliente do que os setores tradicionais. Essas empresas seguem a abordagem que eu chamo de empresa inteligente, e acredito que ela representa a lógica dominante dos negócios do futuro.

O que é um negócio inteligente? 

O negócio inteligente surge quando todos os stakeholders envolvidos em atingir um objetivo comum de negócio — por exemplo, o varejo ou o compartilhamento de caronas — são coordenados em uma rede online e usam a tecnologia de aprendizado de máquina para alavancar dados de forma eficiente e em tempo real. Esse modelo habilitado pela tecnologia, no qual a maioria das decisões operacionais é feita por máquinas, permite que as empresas se adaptem de forma dinâmica e rápida às mudanças nas condições de mercado e às preferências dos clientes, obtendo enorme vantagem competitiva em relação aos negócios tradicionais.

Evidentemente, o amplo poder de computação e os dados digitais são o combustível para o aprendizado de máquina. Quanto mais dados e quanto mais iterações do mecanismo algorítmico, melhor será o output. Os cientistas de dados criam modelos de previsão probabilística para ações específicas e, em seguida, o algoritmo produz grandes quantidades de dados para, a cada iteração, tomar decisões melhores em tempo real. Esses modelos de previsão se tornam a base da maioria das decisões de negócios. Assim, a aprendizagem de máquina é mais que uma inovação tecnológica — ela vai transformar a forma como os negócios são feitos à medida que a tomada de decisão humana é, cada vez mais, substituída pela produção algorítmica.

A Ant Microcrans fornece um exemplo impressionante de como será esse futuro. Em 2012, quando a Alibaba lançou a Ant, os empréstimos dos grandes bancos na China geralmente ficavam na casa dos milhões de dólares. O valor mínimo do empréstimo — cerca de 6 milhões de remimbis (RMB) ou pouco menos de US$ 1 milhão — estava bem acima do montante esperado pela maioria das pequenas e médias empresas (PMEs). Os bancos relutavam em prestar serviços para as empresas sem histórico de crédito ou até mesmo sem documentação adequada de suas atividades comerciais. Consequentemente, dezenas de milhões de empresas na China tinham dificuldades reais para garantir o dinheiro necessário para o crescimento de suas operações.

Na Alibaba, percebemos que tínhamos o ingrediente necessário para a criação de um negócio de empréstimos às PMEs que fosse rentável, escalável e de alto nível de desempenho: a enorme quantidade de dados de transações gerados pelas numerosas pequenas empresas usuárias de nossa plataforma. Assim, em 2010 lançamos um negócio pioneiro de microcrédito baseado em dados para oferecer empréstimos a empresas em valores não superiores a RMB US$ 1 milhão (cerca de US$ 160 mil). Em sete anos de operação, o negócio emprestou mais de RMB US$ 87 bilhões (US$ 13,4 bilhões) para quase três milhões de PMEs. O tamanho médio dos empréstimos é de RMB US$ 8 mil, ou cerca de US$ 1.200. Em 2012, juntamos essa operação de empréstimo com a Alipay, nosso bem-sucedido negócio de pagamentos, para criar a Ant Financial Services. Demos esse nome ao novo empreendimento (ant significa formiga em inglês) para transmitir a ideia de que ajudaríamos empresas pequenas como formigas, porém esforçadas.

Hoje, a Ant pode processar pequenos empréstimos, de várias centenas de remimbis (cerca de US$ 50), em poucos minutos. Como isso é possível? Diante de uma solicitação, as instituições que fornecem empréstimos precisam responder a apenas três questões básicas: devemos fornecer o empréstimo, quanto devemos emprestar e qual a taxa de juros? Dada a permissão dos vendedores em nossas plataformas para analisar os dados, estávamos bem posicionados para responder a essas perguntas. Nossos algoritmos podem analisar dados de transações para avaliar o desempenho de determinado negócio, a competitividade de seus produtos ou serviços no mercado, as classificações de crédito de seus parceiros e assim por diante.

A Ant usa esses dados para comparar bons tomadores de empréstimo (os que pagam em dia) com os maus (os que não o fazem) para isolar traços comuns em ambos os grupos. Esses traços são usados para calcular as pontuações de crédito. Claro que, de alguma forma, todas as instituições de crédito fazem isso, mas na Ant a análise é feita automaticamente e em tempo real para todos os que pedem empréstimo, usando todos os seus dados comportamentais. Cada transação, cada comunicação entre vendedor e comprador, cada conexão com outros serviços disponíveis no Alibaba — ou seja, todas as atividades realizadas em nossa plataforma — afetam a pontuação de crédito da empresa. Ao mesmo tempo, os algoritmos que calculam as pontuações estão evoluindo em tempo real, melhorando a qualidade da tomada de decisão a cada iteração.

Determinar o valor a emprestar e a taxa de juros a cobrar exige a análise de muitos tipos de dados gerados dentro da rede Alibaba, tais como margens de lucro bruto e giro de estoque, assim como informações menos precisas, como o ciclo de vida dos produtos e a qualidade das relações sociais e de negócio do vendedor. Os algoritmos podem, por exemplo, analisar a frequência, a extensão e o tipo de comunicação (mensagens instantâneas, e-mails ou outros métodos comuns na China) para avaliar a qualidade do relacionamento.

Os cientistas de dados da Alibaba são essenciais para identificar e testar quais dados fornecem os insights desejados e, em seguida, projetar algoritmos para a mineração de dados. Esse trabalho requer plena compreensão do negócio e experiência em algoritmos de aprendizado de máquina. Considere novamente a Ant Financial. Se um vendedor com avaliação de crédito ruim paga seu empréstimo, ou um vendedor com crédito excelente não paga reiteradamente, é evidente que o algoritmo precisa de ajustes. Os engenheiros conseguem verificar suas pressuposições com rapidez e facilidade. Que parâmetros devem ser adicionados ou removidos? Que tipos de comportamento do usuário devem receber mais peso?

Conforme os algoritmos recalibrados produzem previsões cada vez mais precisas, o risco e os custos da Ant diminuem de forma constante, e os tomadores de empréstimo conseguem o dinheiro de que precisam, quando precisam, e a uma taxa de juros que podem pagar. O resultado é um negócio altamente bem-sucedido: a taxa de inadimplência nas operações de microcrédito é de cerca de 1%, muito abaixo da estimativa do Banco Mundial para 2016, de 4% em média global.

Então, como você cria esse tipo de negócio?

Automatize todas as decisões de operação

Para se tornar um negócio inteligente, sua empresa deve permitir que o maior número possível de decisões operacionais sejam tomadas por máquinas alimentadas ao vivo por dados, e não por humanos apoiados por sua própria análise de dados. Transformar a tomada de decisão dessa maneira é um processo que ocorre em quatro etapas.

1º PASSO

Capture e registre os dados de todas as transações dos clientes. A Ant teve a sorte de ter acesso a dados em abundância dos potenciais clientes para responder às questões inerentes ao seu negócio de empréstimos. Para muitas empresas, o processo de captura de dados será mais desafiador. Mas os dados em tempo real são essenciais para criar os ciclos de feedback que são a base do aprendizado de máquina.

Considere o negócio de aluguel de bicicletas. As startups na China alavancaram a telefonia móvel, a internet das coisas (na forma de fechaduras inteligentes de bicicleta) e os sistemas móveis existentes de pagamento e crédito para organizar todo o processo de aluguel.

Tradicionalmente, alugar bicicleta requer ir ao local apropriado, interagir com a pessoa encarregada de entregá-la, fazer depósito, retornar o veículo e pagar pelo aluguel em dinheiro ou cartão de crédito. Várias empresas chinesas concorrentes disponibilizam tudo isso online, integrando várias novas tecnologias às existentes. Uma inovação crucial foi a combinação de códigos QR com bloqueios eletrônicos que habilmente automatizaram o processo de checkout. Ao abrir o aplicativo de compartilhamento de bicicletas, o ciclista visualiza as disponíveis e reserva uma nas proximidades. Quando obtém o veículo, usa o aplicativo para nele digitalizar o código QR. Supondo que a pessoa tenha dinheiro em sua conta e atenda aos critérios de aluguel, o código QR abrirá a trava de bicicleta eletrônica. O aplicativo chega até a verificar o histórico de crédito do usuário por meio do Sesame Credit, o novo produto online da Ant Financial para classificações de crédito de consumidor, o que lhe permite pular a etapa do depósito e acelerar ainda mais a transação. Quando a bicicleta é devolvida, basta travar a fechadura para completar o ciclo. O processo é simples, intuitivo e leva apenas alguns segundos.

Capturar e registrar todos os dados possíveis nesse processo de aluguel melhora muito a experiência do consumidor. Com base nos dados processados ao vivo, as empresas enviam caminhões para levar as bicicletas até os locais de demanda. Isso permite alertar os usuários regulares sobre a disponibilidade de bicicletas nas proximidades. Graças, em grande parte, a essas inovações, o custo de aluguel de bicicletas na China caiu para apenas alguns centavos por hora.

A maioria das empresas orientadas por dados coleta e analisa informações para criar um modelo causal. O modelo isola os dados críticos da massa de informações disponíveis. Não é assim que empresas inteligentes usam os dados. Em vez disso, capturam todas as informações geradas durante as transações e comunicações com os clientes e outros membros da rede durante as operações e deixam os algoritmos descobrirem os dados relevantes.

2º PASSO

Transforme todas as atividades em software. Nos negócios inteligentes, todas as atividades — não apenas a gestão de conhecimento e o relacionamento com o cliente — são configuradas por meio de softwares, de modo que as decisões que as afetam possam ser também configuradas. Isso não significa que as empresas precisem comprar ou construir o software Sistema de Gestão Empresarial (ERP, na sigla em inglês) ou um equivalente para gerir seus negócios — pelo contrário. Os softwares tradicionais tornam os processos e os fluxos de decisão mais rígidos e, muitas vezes, viram camisa de força. Em contraste, a lógica dominante para negócios inteligentes é a reatividade em tempo real. O primeiro passo é construir um modelo de como os humanos tomam decisões e encontrar maneiras de replicar os elementos mais simples desse processo usando software — o que nem sempre é fácil, já que muitas decisões humanas são baseadas no senso comum ou mesmo na atividade neurológica subconsciente.

O crescimento do Taobao, o site de varejo doméstico do Alibaba Group, é impulsionado pela contínua transformação do processo de varejo em software. Uma das primeiras ferramentas importantes de software construídas no Taobao foi a de mensagens instantâneas, a Wangwang. Por meio dela compradores e vendedores se comunicam com facilidade: cumprimentam-se, apresentam produtos, negociam preços e assim por diante, exatamente como se faz nas lojas de varejo tradicionais. A Alibaba desenvolveu também um conjunto de ferramentas de software que ajudam os vendedores a projetar e lançar diversas lojas online. Quando elas entram em operação, os vendedores conseguem acessar outros produtos de software para emitir cupons, oferecer descontos, executar programas de fidelidade e realizar outras atividades de relacionamento com o cliente, todas coordenadas entre si.

Como a maioria dos softwares atuais é executada online como um serviço, uma importante vantagem de transformar as atividades de negócio em software é que dados processados ao vivo podem ser coletados naturalmente como parte do processo de negócio, criando a base para a aplicação de tecnologias de aprendizado de máquina.

3º PASSO

Faça fluir os dados. Em ecossistemas com muitos atores interconectados, as decisões de negócio exigem coordenação complexa. Os mecanismos de recomendação do Taobao, por exemplo, precisam operar junto com os sistemas de gestão de estoque dos vendedores e com os sistemas de perfil de consumidores de várias plataformas de mídia social. Seus sistemas de transação devem operar junto com produtos e serviços em desconto e programas de fidelidade, além de alimentar nossa rede de logística.

Padrões de comunicação como o TCP/IP e as interfaces de programação de aplicativos (APIs) são fundamentais na obtenção dos dados que fluem entre vários atores, assegurando simultaneamente o controle rigoroso do acesso à edição de dados em todo o ecossistema. As APIs são um conjunto de ferramentas que permite a diferentes sistemas de software “conversar” e operar coordenadamente online. Elas têm sido fundamentais para o desenvolvimento do Taobao. Como a plataforma se desenvolveu de um fórum no qual compradores e vendedores podiam transacionar, e se tornou o site dominante de e-commerce da China, os vendedores do site precisavam de muito apoio de desenvolvedores terceirizados. Novos softwares tinham de operar de forma amplamente coordenada com todos os outros softwares da plataforma para ter algum valor. Assim, em 2009, o Taobao começou a desenvolver APIs para uso de fornecedores independentes de software. Hoje, os vendedores do Taobao assinam, em média, mais de cem módulos de software, e os serviços de dados ao vivo que eles habilitam diminuem drasticamente seus custos de negócio.

Construir a infraestrutura técnica correta é apenas o começo. Foi necessário um tremendo esforço para chegar a um padrão comum, e assim os dados serem utilizados e interpretados da mesma forma em todas as unidades de negócios da Alibaba. Além disso, descobrir as estruturas de incentivo certas para persuadir as empresas a compartilhar seus dados é um contínuo desafio. Muito mais trabalho é necessário. Claro que o grau em que as empresas inovarão nessa área dependerá das regras que governam o compartilhamento de dados nos países em que elas operam. Mas a direção está muito clara: quanto mais dados fluem pela rede, mais inteligente se torna o negócio e mais valor o ecossistema cria.

4º PASSO

Aplique os algoritmos. Uma vez que todas as operações da empresa estejam online, haverá um dilúvio de dados. Para assimilar, interpretar e usar os dados em seu próprio benefício, a empresa deve criar modelos e algoritmos que tornam explícita a lógica subjacente dos produtos ou a dinâmica do mercado que ela está tentando otimizar. Esse enorme empreendimento criativo requer muitas novas habilidades, daí a intensa demanda por cientistas de dados e economistas. Seu desafio é especificar o trabalho que pretendem que seja feito pela máquina, e eles precisam ter muita clareza sobre o que constitui trabalho bem-feito em determinada empresa.

Logo no início, nosso objetivo para o Taobao era adequá-lo às necessidades de cada indivíduo. Isso teria sido impossível sem avanços no aprendizado de máquina. Hoje, quando os clientes acessam o site, eles veem uma página personalizada com uma seleção de produtos escolhidos dentre os bilhões de produtos oferecidos por nossos milhões de vendedores. A seleção é gerada automaticamente pelo poderoso mecanismo de recomendação do Taobao. Seus algoritmos, projetados para otimizar a taxa de conversão de cada visita, processam dados gerados na plataforma do Taobao, desde operações e atendimento ao cliente até segurança.

Em 2009, um dos momentos mais importantes no crescimento do Taobao foi o upgrade da navegação básica — que funcionava razoavelmente bem quando a plataforma tinha bem menos visitas e produtos — para um mecanismo de pesquisa baseado em algoritmos de aprendizado de máquina capaz de processar um grande volume de buscas. Atualmente o Taobao testa algoritmos de busca por reconhecimento óptico capazes de tirar fotos de itens fornecidos pelos clientes para encontrar produtos semelhantes disponíveis na plataforma. Embora ainda estejamos nos estágios iniciais do uso dessa tecnologia para impulsionar as vendas, a função se mostrou tão popular entre os clientes que hoje temos dez milhões de usuários por dia.

Em 2016, a Alibaba lançou um chatbot com tecnologia de IA para ajudar nas buscas dos clientes. É diferente dos provedores mecânicos de serviços que a maioria das pessoas conhecem, programados para encontrar itens que fazem parte de seu repertório a partir das consultas dos clientes. Os chatbots da Alibaba são “treinados” por representantes experientes de vendedores do Taobao. Eles sabem tudo dos produtos de sua categoria e são bem versados na mecânica das plataformas da Alibaba — políticas de devolução, custos de entrega, alterações a ser feitas nos pedidos — e outras perguntas comuns dos clientes. Usando as mais variadas tecnologias de aprendizado de máquina, como compreensão semântica, diálogo de contexto, gráficos de conhecimento, mineração de dados e aprendizado profundo, os chatbots aprimoram com rapidez sua capacidade de diagnosticar e corrigir os problemas do cliente de forma automática, em vez de simplesmente fornecer respostas estáticas que o induzem a agir. Eles checam com o cliente se a solução apresentada é aceitável e em seguida a executam. Nenhuma ação humana é tomada pela Alibaba ou pelo vendedor.

Chatbots podem dar uma contribuição significativa para os produtos top de linha do vendedor. A marca de vestuário Senma, por exemplo, começou a usar um deles há um ano e descobriu que as vendas do bot eram 26 vezes maiores do que o seu melhor vendedor humano.

Representantes humanos sempre serão necessários para resolver problemas complicados ou pessoais, mas a capacidade de lidar com buscas de rotina via chatbot é muito útil, especialmente em dias de alto volume ou nas promoções especiais. Antes, a maioria dos grandes vendedores em nossa plataforma contratava funcionários temporários para atender às consultas dos consumidores durante grandes eventos. Isso já não acontece. Em 2017, no dia com mais vendas da Alibaba, o chatbot respondeu a mais de 95% das perguntas de cerca de 3,5 milhões de consumidores.

Essas quatro etapas são a base para a criação de negócios inteligentes: para isso, enriqueça seu banco de dados capturando-os de forma criativa; implante softwares em toda a empresa para colocar workflows e atores essenciais online; institua padrões e APIs para permitir o fluxo de dados em tempo real e a coordenação; e aplique algoritmos de aprendizado de máquina para gerar decisões de negócios “inteligentes”. Todas as atividades envolvidas nas quatro etapas são novas competências importantes que exigem um novo tipo de liderança.

O papel do líder

No meu curso de negócios inteligentes na Hupan School of Entrepreneurship, mostro um slide com dez líderes e peço aos alunos que os identifiquem. Com facilidade, eles nomeiam Jack Ma, Elon Musk e Steve Jobs. Mas praticamente ninguém consegue identificar o CEO da CitiGroup, o da Toyota ou o da General Electric.

Existe uma razão para isso. Diferentemente da GE, da Toyota e do Citigroup, que fornecem produtos ou serviços por meio de cadeias de suprimento otimizadas, as empresas digitais precisam mobilizar uma rede para concretizar seu modo de operar. Para isso, seus líderes devem inspirar os funcionários, parceiros e clientes que compõem essa rede. Eles devem ser visionários e evangelistas, sinceros de uma forma que os líderes das empresas tradicionais não precisam ser.

No nível mais alto, os evangelistas digitais devem entender como será o futuro e como seu setor evoluirá em resposta às mudanças sociais, econômicas e tecnológicas. Eles não podem descrever etapas concretas para realizar as metas de suas empresas porque o ambiente é muito fluido e as capacidades que serão exigidas são desconhecidas. Em vez disso, devem definir o que a empresa busca e criar um ambiente em que os funcionários possam, rapidamente, elaborar produtos e serviços experimentais, testar o mercado e produzir em escala as ideias que geram respostas positivas. Os líderes digitais já não gerenciam — em vez disso, permitem que os funcionários inovem e facilitam o ciclo de feedback das respostas dos usuários para fortalecer as decisões e a execução.

No modelo de negócios inteligentes, os algoritmos de aprendizado de máquina assumem grande parte da responsabilidade pela melhoria incremental, fazendo automaticamente ajustes que aumentam a eficiência em todo o sistema. Assim, o trabalho mais importante dos líderes é cultivar a criatividade. Mais que melhorar a eficiência da operação, sua missão é aumentar a taxa de sucesso da inovação.

EMPRESAS DIGITAIS NATIVAS, como a Alibaba, têm a vantagem de nascer e estarem prontas para receber dados, por isso sua transformação para negócios inteligentes é bastante natural. Agora que elas provaram que o modelo funciona e estão transformando a velha economia industrial, é hora de todas as empresas entenderem e aplicarem essa nova lógica de negócio. Isso pode parecer tecnologicamente intimidador, mas está se tornando cada vez mais viável. A comercialização das tecnologias de computação em nuvem e da inteligência artificial tornou acessível a qualquer pessoa a computação em larga escala e as capacidades analytics. De fato, o custo de armazenamento e computação de grandes quantidades de dados caiu drasticamente na última década. Isso significa que aplicações de aprendizado de máquina em tempo real agora são possíveis e acessíveis em um número cada vez maior de ambientes. O rápido desenvolvimento da tecnologia da internet das coisas haverá de digitalizar ainda mais o nosso ambiente físico, fornecendo mais e mais dados. Conforme essas inovações se acumularem nas próximas décadas, serão vencedoras as empresas que se tornarem mais inteligentes do que as concorrentes.


Ming Zeng é o presidente do Conselho Acadêmico do Alibaba Group, conglomerado de e-commerce, varejo e tecnologia sediado em Hangzhou, China, e autor de Smart business: what Alibaba’s success reveals about the future of strategy (Harvard Business Review Press, setembro de 2018). Reitor da Hupan School of Entrepreneurship, escola de negócios privada fundada pelo presidente da Alibaba, Jack Ma, e outros importantes empresários chineses em Hangzhou.

Compartilhe nas redes sociais!