Inteligência climática

Você já deve conhecer aplicativos de previsão do tempo. Oferecer a melhor previsão e, dessa forma, mitigar riscos de operações portuárias, costumava ser um dos principais objetivos da plataforma i4cast.

Mas precisávamos ir além. Para auxiliar nas operações dos terminais, reduzir acidentes e divulgar conhecimento sobre condições climáticas da região, seria necessário oferecer inteligência climática para os nossos usuários.

Problema

O i4cast oferecia uma previsão do tempo hiperlocal, ou seja, uma previsão do tempo muito específica para a região do cliente.

Mas previsão do tempo, por si só, não é o suficiente para demonstrar o valor do produto ao cliente. Era necessário expandir o conhecimento que tínhamos sobre as regiões dos clientes. Precisávamos oferecer uma fonte de dados objetiva e clara, para qualquer usuário que acessasse a plataforma.

Inteligência Climática

Inteligência Climática

Eu precisava entender o que consistia em inteligência climática para os nossos usuários. Para isso, mergulhei em discovery:

  • Realizei entrevistas com usuários do i4cast;

  • Realizei entrevistas com usuários internos da empresa;

  • Realizei entrevistas com oceanógrafos.

Desafios

Falar com usuários

A rotina portuária é intensa, o que torna difícil conseguir que algum usuário tenha um tempo disponível para falar com você.

Por causa disso:

  • Me inseri na rotina dos usuários através do time comercial.;

  • Aproveitei as reuniões já agendadas com usuários chave (ativos no sistema) e participei dessas reuniões;

  • Utilizei os minutos finais para entrevistar os usuários e ouvir sugestões ou críticas, baseadas no que o sistema atendia (ou não) esses usuários no dia a dia.

Entender o problema

Como leiga no assunto, precisava entender e analisar corretamente os dados coletados no dicovery.

Para isso:

  • Busquei profissionais de oceanografia para me informar sobre o assunto e tirar dúvidas;

  • Com esses mesmos profissionais, aprendi quais dados e informações estavam ao alcance da nossa plataforma.

Problemas internos

Nossos usuários internos (time comercial) estavam diariamente em contato com usuários e com a plataforma.

Fiz uma bateria de discovery com eles, para entender:

  • Quais eram as principais reclamações dos usuários no dia a dia?

  • Quais eram os gargalos na hora de vender a plataforma para novos clientes?

  • O que fazia falta no nosso sistema (para vender ou auxiliar o usuário a solucionar problemas)?

Design de baixa fidelidade

  • Documentei os resultados do discovery e apresentei ao time de produto;

  • Em conjunto, realizamos exercícios de brainstorming de soluções;

  • Também em conjunto, construímos designs de baixa fidelidade com as ideias que foram priorizadas.

Resultados

Tela de analytics

A tela de analytics veio com foco para o time comercial, para resolver o problema de demonstração de valor da plataforma.

  • Foi feito um trabalho de priorização de dados. Quais eram os mais relevantes para os clientes na hora da venda?

  • A visualização gráfica surgiu das entrevistas com usuários externos. A maior parte demonstrava maior facilidade em entender dados através de gráficos.

Histórico de eventos

Os nossos usuários já realizavam, manualmente, o registro de eventos nas suas regiões. Por isso:

  • Criamos o histórico de eventos;

  • Por questões de transparência, adicionamos análises não só do i4cast, mas também de sensores e de outros modelos de previsão.

Dessa forma, entregamos uma solução digital para um problema que era resolvido de forma manual.

Análise de eventos

Chegamos na etapa mais importante desse projeto. Aqui, a ideia era coletar dados e, com base nesses dados, fornecer inteligência para o usuário final.

Para isso, criamos:

  • O registro de eventos;

  • A análise de eventos.

A ideia é que o usuário reportasse na plataforma ocorrências (eventos climáticos) que aconteceram na região dele. Dessa forma:

  • O sistema “aprende” mais sobre a região do usuário;

  • Conseguimos retornar dados relevantes para o usuário;

  • Conseguimos evoluir o sistema para projetar eventos futuros na região do usuário.

Análise de eventos

Quais dados precisávamos apresentar ao usuário?

Em um contexto de inteligência climática, ao registrar um evento, o usuário precisava saber:

  • Médias e máximos das grandezas medidas (ex. vento e rajada);

  • Direção das grandezas medidas;

  • Acúmulo de chuva no período estudado;

  • Série temporal dos dados brutos (medidos) no período estudado.

Essas eram as informações mais impactantes nas operações portuárias, além de fundamentais na projeção de impactos futuros para as regiões estudadas.

Considerações finais

A Inteligência climática foi um projeto realizado ao final de 2023, que até hoje atende aos usuários do i4cast.

Para esse projeto, realizei um estudo aprofundado, e atuei de ponta a ponta no processo de UX e UI design.

Quer saber mais detalhes sobre o que foi feito em cada etapa? Entre em contato comigo!