Como as empresas estão incorporando o big data no dia-a-dia? Para o Gerente de Produtos de High-Performance Analytics do SAS, Marcos Pichatelli, é preciso que as companhias melhorem a compreensão e a maturidade com o uso do fenômeno, “Com o aumento do volume de dados, o fácil acesso a informações via redes sociais, a evolução das soluções de BI e Analytics e o fortalecimento de novas tecnologias como Hadoop, uma coisa é certa: o big data está aqui para ficar. Portanto, profissionais de marketing e fidelização de clientes precisam estar preparados para tirar vantagem deste fenômeno e aprofundar o entendimento sobre os clientes”, diz.
A seguir, o executivo explica as cinco maneiras que as empresas podem lidar com o big data e, assim aumentar a lealdade dos clientes:
1- Definir big datas para sua organização
Uma boa definição de big data é quando os dados que uma empresa deseja trabalhar atingiram um volume ou complexidade que tiram as organizações de sua zona de conforto. Uma ótima forma de ilustrar a aplicação disso na área de fidelização é a indústria de telecomunicações, onde as operadoras de telefonia móvel começaram a tentar descobrir quais clientes tinham potencial para cancelarem os seus contratos. Elas passaram a olhar para indicadores bastante simples e de fácil acesso para identificar os nomes e os números de assinatura dos clientes que estavam diminuindo gradativamente a utilização dos serviços. Essa medida de propensão de cancelamento não foi transformada em um índice de desempenho propriamente dito. Hoje, os líderes de mercado utilizam os dados para encontrar multiplicadores entre seus clientes, que possam influenciar amigos próximos ou potenciais novos clientes a migrarem para a empresa ou adquirirem novos produtos ou serviços. Este tipo de análise envolve um olhar menos atento no volume de chamadas e muito mais em quem está chamando quem, o que exige um processamento muito mais complexo dos mesmos dados. Para fazer isso, as operadoras de telecomunicações precisam de soluções mais sofisticadas de inteligência analítica, além de analistas e cientistas de dados.
Uma boa definição de big data é quando os dados que uma empresa deseja trabalhar atingiram um volume ou complexidade que tiram as organizações de sua zona de conforto. Uma ótima forma de ilustrar a aplicação disso na área de fidelização é a indústria de telecomunicações, onde as operadoras de telefonia móvel começaram a tentar descobrir quais clientes tinham potencial para cancelarem os seus contratos. Elas passaram a olhar para indicadores bastante simples e de fácil acesso para identificar os nomes e os números de assinatura dos clientes que estavam diminuindo gradativamente a utilização dos serviços. Essa medida de propensão de cancelamento não foi transformada em um índice de desempenho propriamente dito. Hoje, os líderes de mercado utilizam os dados para encontrar multiplicadores entre seus clientes, que possam influenciar amigos próximos ou potenciais novos clientes a migrarem para a empresa ou adquirirem novos produtos ou serviços. Este tipo de análise envolve um olhar menos atento no volume de chamadas e muito mais em quem está chamando quem, o que exige um processamento muito mais complexo dos mesmos dados. Para fazer isso, as operadoras de telecomunicações precisam de soluções mais sofisticadas de inteligência analítica, além de analistas e cientistas de dados.
2- Sentir uma oportunidade
Sensores de dados de todos os tipos tiveram uma queda drástica de preço, o que representa uma mina de ouro de dados úteis. Por exemplo, uma seguradora criou uma campanha de fidelização utilizando mineração de dados visando aumentar as vendas. Ela ofereceu aos motoristas a oportunidade de colocar um dispositivo em seus carros em troca de preços diferenciados. O sensor detecta a velocidade ou travagens bruscas, por exemplo, e cruza as informações com o perfil do condutor informado no início da apólice. Isso apresentou uma oportunidade de encontrar bons motoristas e dar-lhes um desconto ainda maior, sem restringir-se apenas às análises de registros históricos, mas envolveu também peneirar mais os dados, que são de uma magnitude superior ao que a empresa está acostumada a tratar.
Sensores de dados de todos os tipos tiveram uma queda drástica de preço, o que representa uma mina de ouro de dados úteis. Por exemplo, uma seguradora criou uma campanha de fidelização utilizando mineração de dados visando aumentar as vendas. Ela ofereceu aos motoristas a oportunidade de colocar um dispositivo em seus carros em troca de preços diferenciados. O sensor detecta a velocidade ou travagens bruscas, por exemplo, e cruza as informações com o perfil do condutor informado no início da apólice. Isso apresentou uma oportunidade de encontrar bons motoristas e dar-lhes um desconto ainda maior, sem restringir-se apenas às análises de registros históricos, mas envolveu também peneirar mais os dados, que são de uma magnitude superior ao que a empresa está acostumada a tratar.
3 – Experiência com mais fontes de dados
Usar apenas os resultados de um programa de fidelidade junto com alguns dados demográficos básicos já não é o suficiente. Por exemplo, varejistas podem tentar incorporar dados meteorológicos para tentar obter sortimentos mais precisos em suas lojas, reduzindo descontos e/ou aumentando a frequência de entrega de mercadoria. A arquitetura distribuída usando software de código aberto, como o Hadoop, é a chave para trabalhar com big data de forma rápida e econômica. Daqui para frente, mantenha seus olhos na computação em cluster, ela está mostrando bastante potencial para combinar proteção de investimento com capacidade de processamento.
Usar apenas os resultados de um programa de fidelidade junto com alguns dados demográficos básicos já não é o suficiente. Por exemplo, varejistas podem tentar incorporar dados meteorológicos para tentar obter sortimentos mais precisos em suas lojas, reduzindo descontos e/ou aumentando a frequência de entrega de mercadoria. A arquitetura distribuída usando software de código aberto, como o Hadoop, é a chave para trabalhar com big data de forma rápida e econômica. Daqui para frente, mantenha seus olhos na computação em cluster, ela está mostrando bastante potencial para combinar proteção de investimento com capacidade de processamento.
4 – Não se prender à desilusão
O ano de 2012 foi de experimentação para o big data em um grande número de empresas. E, sim, alguns projetos não saíram exatamente como planejados. Na era pré-Big Data houve um varejista que passou a maior parte de seu tempo tentando organizar seus dados para enviar as promoções de vendas, ofertas na web e catálogos. Com tecnologias como ´high-perfromance analytics´, o varejista está personalizando ofertas como jamais havia feito; selecionando locais de novas lojas e estimando as vendas destes pontos de venda, escolhendo produtos com maior lucratividade e promoções que impulsionem as vendas. Em um cenário econômico que tem sido difícil para fidelização de marca, esta empresa está conseguindo sucesso. E você, já tem o seu plano para Big Data?
O ano de 2012 foi de experimentação para o big data em um grande número de empresas. E, sim, alguns projetos não saíram exatamente como planejados. Na era pré-Big Data houve um varejista que passou a maior parte de seu tempo tentando organizar seus dados para enviar as promoções de vendas, ofertas na web e catálogos. Com tecnologias como ´high-perfromance analytics´, o varejista está personalizando ofertas como jamais havia feito; selecionando locais de novas lojas e estimando as vendas destes pontos de venda, escolhendo produtos com maior lucratividade e promoções que impulsionem as vendas. Em um cenário econômico que tem sido difícil para fidelização de marca, esta empresa está conseguindo sucesso. E você, já tem o seu plano para Big Data?
