A empresa de cartões de crédito Visa se apropriou da análise dados das transações de seus consumidores para traçar estratégias de mercado mais seguras e competitivas. Órgãos públicos estão usando os dados coletados por câmeras de segurança e GPS para orientar as políticas de trânsito e de segurança em grandes cidades.

Além disso, empresas de saúde já se valem de dados do histórico de exames de seus pacientes, assim como do estudo do fluxo de atendimento em prontos-socorros, para traçar metas de atendimento e produtos que atendam melhor os seus clientes, com menor custo.

Estes são apenas alguns exemplos de como a análise de dados é importante para a sua empresa. Independente do seu ramo de atividade, milhares de informações são geradas por diversos mecanismos e podem ser aproveitadas para alavancar um negócio. Por isso, é importante criar uma rotina de aproveitamento dessas informações — que esteja alinhada ao planejamento estratégico geral da instituição.

Para sistematizar o uso de dados em sua empresa, é importante considerar as cinco dimensões que envolvem o uso do Big Data, conhecidos como os 5Vs: o volume com que os dados são gerados, a variedade de informações, a velocidade da geração / processamento, a veracidade dos dados e o valor de cada conteúdo.

Ao falar de Big Data, é fundamental relacionar outro conceito comum à área: o de Business Intelligence, conhecido como BI. Trata-se de um termo utilizado para definir um conjunto de técnicas de análise de dados empregado em processos de tomada de decisões.

O seu principal objetivo é tornar o planejamento de médio e longo prazos do negócio mais eficaz, gerando lucros e aumentando a performance das campanhas de vendas. Como os dois conceitos trabalham de forma central com a análise de dados, eles precisam manter uma relação — para que o trabalho seja feito de forma complementar.

O papel dos profissionais de BI é identificar, por meio de todos os dados coletados, as necessidades e desejos dos clientes, bem como fraquezas e oportunidades do mercado. Essa combinação reduz muito os riscos, os erros, e melhora as entregas. O desafio está em conseguir todos os dados necessários para fazer esse tipo de análise.

Empresas de qualquer seguimento podem se apropriar dessas ferramentas para alavancar seus negócios. O Banco da Patagônia, que se fundiu com o Sudameris, usou o BI para manter o detalhamento das informações, mesmo depois que sua estrutura cresceu muito.

A empresa VISANET — especializada em meios eletrônicos de pagamentos — também usou o BI para melhorar suas entregas. Ela oferece serviços de monitoramento, captura e processamento de transações eletrônicas para a Visa Vale, bandeiras particulares e outras instituições financeiras.

A empresa investiu em soluções capazes de investigar o uso de sua intranet. Também foi implantada uma solução de relatório analítico de uso de sites, que permitiu avaliar o volume de acessos à intranet em diferentes dimensões, como de usuários, além de outras propostas que ajudaram a equipe de marketing a estimular o uso da rede.

Na área de telefonia, a Vivo é um exemplo de empresa que usa soluções de BI para gerenciar informações estratégicas de marketing em tempo real. Já na aviação, a Air Canada deixa a confiabilidade dos serviços mais robusta e aumenta a satisfação dos clientes por meio de diversas ferramentas de Business Intelligence.

Nesse contexto, algumas etapas precisam ser bem compreendidas para que a empresa consiga fazer uso de ferramentas como Big Data e Business Intelligence. Confira algumas delas:

Definição

Essa etapa é fundamental, já que representa momento em que a empresa precisa fazer as perguntas necessárias à resolução dos problemas. Nem todos os dados interessam, e eles também não surgem sozinhos. Por isso, é nessa fase que se definem que informações são realmente importantes para o seu negócio e como elas vão ajudar.

Não adianta fazer muitas perguntas, se, ao final, não haverá tempo disponível para fazer as análises. Foque naquilo que realmente é urgente — no momento em que você terá tempo para dedicar em uma avaliação minuciosa.

Suas perguntas podem ser:

“Como a análise de dados vai me ajudar a entender por que a empresa perdeu 20% dos seus contratos no último ano?”

Dessa forma, você vai ter um sinal de quais dados são relevantes: área de contratos, vendas, SAC ou relacionamento com clientes e outros — que podem te dar pistas de como o seu problema será resolvido por meio da análise de informações.

É preciso pensar se esses dados estão disponíveis na própria empresa, se há informações que terão que ser buscadas em bancos externos e, ainda, qual o nível de confiabilidade desses dados diante da aplicação do marketing estratégico.

Coleta

Antes de partir para a efetiva coleta de dados em marketing estratégico, é preciso pensar nas ferramentas que vão gerá-los. É nessa fase que se define os algoritmos e tecnologias necessárias para uma coleta eficaz.

Os algoritmos, quando aplicados corretamente, podem gerar diversas vantagens competitivas, capazes de mudar o posicionamento da sua empresa. Um bom exemplo é o algoritmo de recomendações da Amazon. Ele surgiu de uma ideia simples, baseada na recomendação de livros, sobretudo, nas preferências individuais dos leitores que compram na loja virtual.

Isso funcionou bem para a empresa, porque não era o próprio site recomendando títulos, eram os outros usuários, acostumados a consumir o mesmo conteúdo. A credibilidade e autoridade desse tipo de indicação é bem vista pelo mercado.

Nessa parte de algoritmos e regras de captação de dados, é importante observar um princípio relacionado ao Big Data, que é a correlação de dados. Ela garante o relacionamento estatístico entre dois arquivos diferentes.

Considera-se que há uma correlação forte quando um dado muda e outro o acompanha. Esse conceito também pode orientar o uso de outras ferramentas com a internet preditiva, que usa a análise de dados para avaliar as tendência e possibilidades de mudanças no mercado. Através da correlação entre os dados, as predições podem ser mais ou menos assertivas.

Armazenamento

Depois que os parâmetros de coleta são definidos, é hora de pensar em como esses dados serão armazenados. Isso dependerá muito da rapidez com que essa coleta será feita, do intervalo de dados que será analisado, da variedade e das ferramentas de captação usadas pela empresa.

Algumas chegarão à conclusão que a própria ferramenta de gestão usada na instituição dá conta dessa armazenagem. Outras preferirão armazenar essas informações em um servidor único, ou até mesmo optar por uma ferramenta que disponha de tecnologia na nuvem.

Na fase de armazenagem, é interessante pensar em dois momentos: antes e após a análise. A sua empresa precisa guardar esses dados por quanto tempo após a análise? Existem informações confidenciais nesse banco? Como elas devem ser descartadas ou armazenadas de forma definitiva?

Alguns dados, como informações relacionadas a colaboradores e a questões trabalhistas, por exemplo, têm prazos certos (estipulados em legislação) para serem guardados. Outros dados vão depender das necessidades da empresa.

Análise

Como as perguntas necessárias para responder seus problemas já foram feitas no início do processo, a fase de análise de dados não será como procurar por uma “agulha no palheiro”. Os gestores saberão exatamente em que massa de dados cada análise será feita — e que mecanismos serão usados nessa fase.

O conceito de Data Mining (Mineração de Dados) deve ser compreendido para que essa fase seja exitosa. Nesse sentido, a Microsoft define Mineração de Dados como um processo de descoberta de informações acionáveis em grandes conjuntos de arquivos. Geralmente, esse processo usa análise matemática para derivar padrões e tendências que existem nos dados. Ocorre que, frequentemente, esses padrões não podem ser descobertos através de uma exploração tradicional.

A Mineração de Dados é essencial diante do marketing estratégico, além de se dividir em algumas etapas:

Previsão – onde são estimadas as vendas e previstas as cargas de servidor ou tempo de inatividade;

Risco e probabilidade – onde é determinado o ponto de equilíbrio provável para cenários de risco, atribuindo probabilidades a diagnósticos ou outros resultados;

Recomendações – quando se determina quais produtos são mais prováveis de serem vendidos em conjunto, gerando recomendações;

Localização de sequências – é feita análise e seleção dos clientes em um carrinho de compras, o que possibilita prever os próximos eventos;

Agrupamento – Nesse momento, são separados os clientes ou eventos dos itens relacionados, o que possibilita fazer análises e prever afinidades.

A Microsoft apresentou um diagrama que descreve as relações entre cada etapa do processo, bem como as tecnologias, específicas para o Microsoft SQL Server, que podem ser usadas diante da conclusão de cada etapa.

CADASTRE-SE no Blog Televendas & Cobrança e receba semanalmente por e-mail nosso Newsletter com os principais artigos, vagas, notícias do mercado, além de concorrer a prêmios mensais.