De todos os dados armazenados hoje, 90% deles foram guardados há dois anos. Ou seja, há um grande volume de dados sendo gerados, de forma exponencial e sendo atualizados a uma velocidade até então jamais vista. Para conseguirem lidar com esse desafio, as empresas se apóiam ao big data-analytics para conseguirem gerir e filtrar as informações e, assim, tirarem o melhor resultado dela. “De que adianta armazenar um volume grande de informações, se eles não significativos para mim, em função de inconsistência ou qualidade? Para isso fazemos uso de mecanismos para melhorar a qualidade de dados que passam na empresa e um deles é a limpeza”, aponta Carlos Tunes, executivo de big data-analytics da IBM Brasil.
E quando se trata de data quality e limpeza de dados, Tunes enfatiza: o importante é ser probabilístico e não determinístico. “No momento em que se estabelece um processo de limpeza e qualidade de dados é preciso determinar o percentual probabilístico para o registro ser mantido e não, simplesmente, manter todas as informações completas e eliminar as incompletas.” Isso acontece, porque não é o simples fato de que um dado está completo que ele será útil à empresa, bem como a condição de que por mais que a empresa tenha uma porcentagem grande na qualidade de seus dados, que ela não deverá realizar processos de limpeza, este deve ser continuamente feito para a procura constante de melhorias.
Para os que não realizam a limpeza de dados, esses estão suscetíveis a riscos tecnológicos e também na questão da imagem do seu negócio. Quanto à primeira situação, a organização poderá enfrentar o problema de gerar um volume grande de dados, que impacta a operação no dia a dia. “O primeiro custo: é como vou gerenciar essa quantidade de dados, se a grande parte deles não vão me gerar nenhuma informação útil.” Já na parte da imagem, sem uma gestão de conteúdo qualificada, a empresa pode ter uma base de CRM desatualizada e, com isso, gerar um impacto negativo de prestar um mau serviço ao cliente. Por exemplo, enviar um e-mail marketing a uma conta errada dele, ou um conteúdo que não faça parte do perfil.
Porém, nem sempre aqueles que realizam data quality fazem este processo de forma efetiva, pois, segundo o executivo, algumas organizações possuem sistemas diferentes para tratar necessidades distintas de uma mesma informação, fazendo, assim, com que cada um tenha uma parte equivocada. “Então, para melhorar o relacionamento com o cliente, a primeira coisa é garantir que todas as suas estruturas de dados estejam com uma qualidade dos dados alta, garantindo que a informação, uma vez atualizada por uma área, seja compartilhada por todos”, comenta.
Ou seja, é essencial que todas as partes tenham a última e melhor informação do cliente e, dessa forma, será possível estabelecer processos de como atendê-lo melhor, partindo para estratégias de segmentação e individualização das ações de marketing. “É conhecer o público como indivíduo, seu perfil e, consequentemente, melhorar o seu relacionamento com ele e sugerir, por exemplo, novos produtos com o perfil dele, aumentando, até, o volume de vendas.” Por meio desse conhecimento é possível saber o quê ofertar, para quem ofertar e quando ofertar baseado nos dados.
