Entenda como o Refinitiv Labs vem adotando uma abordagem de Design Thinking mais aberta, ágil e centrada no usuário para resolver desafios na área de dados com grande sucesso e rapidez.
- Como o Refinitiv Labs utiliza o design thinking para colaborar com clientes e parceiros em novos protótipos de Inteligência Artificial?
- O Design Thinking coloca o usuário no centro da inovação, além de ajudar a mitigar os riscos ao refinar projetos com base no contínuo feedback do cliente.
- Projetos do Refinitiv Labs, como o Trade Discovery Tool ou uma nova ferramenta de exploração de dados, ilustram como o Design Thinking pode beneficiar o setor de serviços financeiros.
Para saber mais, explore os projetos mais recentes do Refinitiv Labs
O que é, afinal, o Design Thinking?
Segundo o designer industrial britânico Tim Brown, o Design Thinking pode ser definido como “uma abordagem colaborativa e centrada no ser humano para a solução de problemas, em que se emprega uma mentalidade de design para resolver problemas complexos”.
Daniel Lewington, diretor de design de produto, e Manisha Jangra, pesquisadora de user experience (UX), explicam que o Refinitiv Labs utiliza o Design Thinking para trabalhar em estreita colaboração com os clientes, identificando e resolvendo problemas de dados. Por meio de colaboração direta e iterativa, a equipe pode debater soluções em potencial e obter feedbacks antecipados sobre protótipos, conceitos e idéias.
Refinitiv Learn-It-All-Labs: Design Thinking para uma nova experiência em ciência de dados
Valores fundamentais
Como explica Daniel Lewington, o Design Thinking engloba três valores fundamentais. “Somos colaborativos (com clientes, entre equipes e ao formar conjuntos de habilidades). Focamos no usuário, porque colocamos o humano no centro do que fazemos e não usamos a inovação por si só. E por fim, nossa abordagem é iterativa, com o objetivo de fracassar rapidamente para garantir melhorias constantes”, afirma.
Lewington também explica que vê o Design Thinking como uma ferramenta de gerenciamento de riscos. “Limitamos nossa exposição ao risco, porque não avançamos muito em um projeto sem obter feedback. Isso nos permite chegar ao cerne do que o cliente precisa e, colocando um protótipo na frente deles regularmente, podemos mudar de direção se precisarmos e fazer as coisas direito de forma mais rápida. A repetição e o refinamento rápidos de nossos projetos nos fazem economizar tempo e dinheiro.”
Para saber mais, explore os projetos mais recentes do Refinitiv Labs
Trade Discovery, uma ferramenta da Refinitiv
Recentemente, a nossa equipe usou o Design Thinking em um projeto para ajudar os clientes a lidar com o Risk Factor Eligibility Test (RFET), introduzido pelo Fundamental Review of the Trading Book (FRTB). O FRTB é um abrangente conjunto de regras sobre requisitos de capital relacionados ao risco de mercado para bancos desenvolvido pelo Comitê de Supervisão Bancária de Basileia (BCBS, na sigla em inglês).
Para concluir o RFET, os bancos precisam obter grandes quantidades de dados comerciais e de cotações comprometidas nos 12 meses anteriores, mapear esses dados para fatores de risco e verificar se há atividade suficiente para ultrapassar limites de liquidez predefinidos.
O Trade Discovery, ferramenta da Refinitiv, possui os dados em um formato legível por computador para dar suporte aos usuários com cálculos de RFET. Vários de nossos clientes, no entanto, passaram a requisitar ferramentas adicionais para apoiar o processo de obtenção e descoberta de dados, além de refinar e calibrar suas regras de mapeamento.
Assim, o Refinitiv Labs ajudou a criar a Trade Discovery Tool, oferecendo uma solução para obter informações, definir regras de mapeamento personalizadas e calcular a taxa de aprovação dos clientes por meio de uma interface do usuário que lhes permite explorar e compreender completamente os dados. A ferramenta ainda faz cálculos sobre onde esses dados falham, e visualiza como podem ser aperfeiçoados.
Assista o vídeo: FRTB calculations — Could months in Excel be seconds with machine learning?
O nosso time adotou a abordagem “Diamante Duplo” do Design Council para enfrentar esse desafio, que inclui quatro ações sobrepostas:
- Descubra os problemas e as necessidades dos clientes
- Defina-os
- Desenvolva potenciais soluções para cada uma delas
- Forneça soluções viáveis
Foram realizados dez ciclos de desenvolvimento, feedback e refinamento, que serviram para ajustar o protótipo e criar um produto bem aceito.
O Trade Discovery Tool foi um projeto particularmente bem-sucedido. As partes interessadas formaram um conselho consultivo para explicar suas necessidades e dar sugestões sobre protótipos, permitindo que o modelo avançasse rapidamente e fosse concluído dentro das 12 semanas planejadas.
Cientistas de dados precisam de maior velocidade
Nem sempre é tão fácil saber quais são as exigências ou obter feedback dos clientes que trabalham no acelerado mundo das finanças. A nossa equipe precisou recorrer a várias estratégias para obter colaboração em um projeto que criasse uma ferramenta de exploração de dados.
O crescente volume e profundidade de dados disponíveis na indústria de serviços financeiros tem sido acompanhado pelo aumento também no número de cientistas de dados contratados para analisá-los. Por isso, o Refinitiv Labs se propôs a criar um recurso para ajudar esses cientistas a encontrar, avaliar, acessar e usar facilmente os conjuntos de dados da Refinitiv. Assim, eles podem concluir rapidamente se esses elementos são úteis e relevantes para as suas necessidades.
Como parte do processo de Design Thinking, o nosso time realizou entrevistas pessoais com mais de trinta cientistas de dados. Todos eles definiram o acesso a dados limpos no início do processo de descoberta para validar idéias como um requisito essencial. A equipe também obteve boas informações ao analisar os resultados de uma pesquisa do Refinitiv Machine Learning com mais de 450 cientistas da área de dados e profissionais do setor financeiro.
Outro ponto de partida importante foi a “necessidade de velocidade” por parte desses profissionais, já que o valor dos dados costuma depender do tempo e requer uma resposta imediata. Para permitir que os cientistas de dados comecem a trabalhar rapidamente com conjuntos de elementos desconhecidos, o agregador apresenta a eles ferramentas com as quais estão familiarizados.
A nossa ferramenta de exploração de dados também foi desenhada para fornecer aos clientes conjuntos de dados e serviços que podem ser abertos imediatamente em um notebook Jupyter hospedado na nuvem, com exemplos para serem visualizados e executados para uma avaliação rápida.
Os conjuntos de dados são sustentados por metadados de qualidade, incluindo uma introdução aos dados e sua cobertura, além de amostras e descrições de campos de dados.
Para saber mais, explore os projetos mais recentes do Refinitiv Labs
Incentivo aos clientes
Inicialmente, a abordagem de Design Thinking desafiou a equipe do Refinitiv Labs, pois seus clientes estavam muito ocupados – parte do problema que o agregador decidiu resolver. Entretanto, eles foram logo incentivados a nos oferecer informações. “A colaboração inicial deu ótimos resultados: conseguimos acertar rapidamente, e os usuários tiveram o produto em mãos mais cedo”, acrescentou Lewington.
Clientes no centro da inovação
Daniel Lewington explica que o Design Thinking também ensinou a equipe a deixar de lado a opinião pessoal sobre o que os produtos da Refinitiv deveriam oferecer. “Ouvimos o que nossos clientes realmente desejam. Na base do que fazemos, há um ser-humano com um problema a ser resolvido. Podemos produzir algo que roda em um computador e usa Machine Learning, mas somos motivados pelas pessoas que estão por trás da ferramenta”, diz.
“Não se trata de pensar fora da caixa, mas de estender a caixa. Queremos ampliar o que nossos clientes podem fazer, mas ainda assim mantê-los no centro, por meio de inovações significativas em vez de apenas hype, barulho”, acrescentou Jangra.
Os usuários do Refinitiv Labs também vêm adquirindo consciência sobre as vantagens do Design Thinking. Eles enxergam o benefício de fornecer insights e, da mesma forma, veem produtos modelados por insights de outras pessoas em posições semelhantes.
Os laboratórios de inovação de nossos clientes também estão adotando essa abordagem para seus próprios projetos, e a equipe do Refinitiv Labs está aberta à colaboração para resolver problemas comuns de dados em todo o setor.
Para saber mais, explore os projetos mais recentes do Refinitiv Labs
