para estudar o cliente, as lojas seven eleven

PARA ESTUDAR O CLIENTE, AS LOJAS SEVEN ELEVEN
ESTUDAM OS DADOS
Se você mora nos EUA, provavelmente existe uma loja SEVEN-ELEVEN no seu bairro, e
provavelmente é um lugar conveniente para comprar uma lata de Coca-Cola ou um sandwich.
De fato, a Seven-Eleven é a cadeia de lojas de Conveniência número um dos Estados Unidos, com
3.300 lojas franqueadas e 2.500 lojas próprias. A empresa começou cerca de 80 anos atrás
vendendo gelo em barra. Quando as modernas geladeiras elétricas começaram a substituir as
originais – que nada mais eram do que armários de madeira abastecidos com gelo – a
administração de cada loja perguntou aos clientes, um a um, quais itens eles gostariam de guardar
em seus novos eletrodomésticos. Por falar diretamente com os clientes e estocar apenas os
clientes que eles queriam, a empresa cresceu e prosperou.
Ao longo do tempo a Seven-Eleven afastou-se de suas raízes e acabou perdendo o contato como
consumidor. Não havia meios de saber o que vendia bem em cada lona, por isso a companhia
deixava fornecedores como a Coca-Cola e a Frito-Lay decidir o que colocar nas prateleiras. Mas as
lojas Seven-Eleven não são todas iguais. O que os clientes querem depende em grande medida do
bairro e da região do país onde a loja se localiza. O que vende em Boston não vende no Texas.
Como as margens de lucros são muito baixas no seguimento de conveniência, um aumento de
0,25% no volume de vendas pode significar a diferença entre o sucesso e o fracasso. Assim, saber
exatamente o que vender em cada loja faz uma grande diferença.
Em 2004, a Seven-Eleven instalou servidores e comutadores de rede HP em todas as suas lojas,
próprias e franqueadas, para implementar um sistemas de informação de varejo. Esse sistema
coleta dados dos terminais de ponto-de-venda de cada loja sobre cada compra feita diariamente
pelos seis milhões de clientes norte-americanos da rede, e transmite estas informações em tempo
real para um banco de dados ORACLE de 7 terabytes operados pela Eletronic Data Systems
(EDS). Com esse banco de dados, a Seven-Eleven controla as transações de compra e também as
analisa, procurando padrões de demanda, preço e interesse por novos produtos, como a Diet Pepsi
Slurpee. O sistema oferece aos gentes de loja informações sobre vendas diárias, semanais e
mensal de cada item, ajudando-os a determinar quais itens encomendar e em quais quantidades.
/os gerentes usam essas informações, além de seu conhecimento próprio do bairro, para tomar a
decisão final de pedidos.
Todos os dias às 10 da manhã, os gerentes fazem os pedidos em estações de trabalho ou
computadores de mão. O sistema consolida estes pedidos e os transmite aos fornecedores da
Seven-Eleven. Os pedidos são consolidados 4 vezes por dia uma para cada faixa de fuso horário
em que as lojas da Seven-Eleven operam. Os pedidos de artigos perecíveis são agregados na sede
da Seven-Eleven, e transmitidos para os fornecedores de perecíveis e para as padarias, que os
preparam e entregam no dia seguinte.
Graças à Tecnologia da Informação, a Seven-Eleven voltou às origens: está novamente indo ao
encontro das necessidades do cliente. Por acompanhar e analisar, conhece os consumidores tão
estreitamente como na época em que os donos da loja cumprimentavam cada cliente que cruzava
a porta.
BANCO DE DADOS
Um banco de dados é um conjunto de arquivos relacionados entre si que contém registros sobre
pessoas, lugares ou coisa. O mais bem sucedido banco de dados da história é o da Lista
Telefônica, pois é um registro referente a pessoas físicas e jurídicas que possuem telefone, com
quatro tipos de informação sobre cada usuário de telefone: sobrenome, primeiro nome, endereço e
número de telefone.
Além do desenvolvimento dos bancos de dados digitais, as empresas usavam grandes arquivos de
metal, cheios de arquivos de papel, para armazenar informações referentes a transações. Clientes,
fornecedores, estoque e funcionários. Costumavam usar também listas laboriosamente coletadas e
datilografadas para resumir as informações dos arquivos de papel. Ainda podemos encontrar
bancos de dados manuais, feitos em papel, em muitos consultórios médicos, onde os registros dos
pacientes são armazenados em centenas de fichas.
ORGANIZANDO ARQUIVOS EM UM BANCO DE DADOS RELACIONAL
Se você armazenasse informações em arquivos de papel, provavelmente teria um arquivo para
cada entidade/assunto e seus atributos. Em um sistema de informação o banco de dados organiza
os dados de maneira muito parecida, agrupando dados relacionados entre si. O banco de dados
relacional é o tipo de banco de dados mais comum hoje em dia. Banco de dados relacionais
organizam os dados em tabelas bidimensionais (denominadas relações) com colunas e linhas.
Cada tabela contém dados referentes a uma entidade e seus atributos. Na maioria dos casos,
montasse uma tabela para cada entidade de negócio.
Tabela de Banco de Dados Relacional
Modelo de tabela de banco de dados relacional para a entidade FORNECEDOR na forma
como ela representa a entidade e seus atributos.
Até agora a tabela FORNECEDOR não possui nenhuma informação sobre as peças que um
fornecedor particular provê a sua empresa. PEÇA é uma entidade separada de fornecedor logo os
campos com informações sobre peças devem ser armazenados em uma tabela PEÇA
independente.
(ENTIDADE é um objeto ou ser sobre o qual criou-se uma tabela)
As informações sobre peças e fornecedores não podem ser guardadas na mesma tabela, pois se
assim fosse cada linha da tabela conteria atributos referentes à PEÇA e atributos referentes à
FORNECEDOR. Como um fornecedor pode fornecer mais de uma peça seriam necessárias várias
linhas em cada fornecedor para mostrar todas as peças que ele fornece. Sendo assim teríamos
grande quantidade de dados redundantes sobre fornecedores, e será difícil buscar as informações
sobre uma peça em particular, porque não saberemos se esta peça é a primeira ou a décima quinta
no registro do fornecedor. Portanto uma tabela separada PEÇA deve ser criada para armazenar
estes três campos e resolver o problema.
A tabela peça deve conter outro campo, o Número_Fornecedor (código interno) para que se saiba o
fornecedor de cada peça.
ESTABELECENDO A RELAÇÃO
Com o intuito da certeza de que entendemos a relação entre as duas tabelas, uma representação
denominada DIGRAMA ENTIDADE/RELACIONAMENTO é usada para esclarecer relações entre as
tabelas de um banco de dados relacional. Maior utilidade deste diagrama é dizer de que maneira
duas ou mais tabelas se relacionam. Em um banco de dados relacional, as tabelas podem ter
relacionamentos um-para-um, um-para-muitos ou muitos-para-muitos.
banco de dados para mainframes e computadores de porte médio A relação entre as entidades
FORNECEDOR e PEÇA no exemplo acima é uma relação do tipo um-para-muitos: cada fornecedor
pode fornecer mais de uma peça, mas cada peça tem apenas um único fornecedor. Para cada
registro na tabela FORNECEDOR pode haver muitos registros correlatos na tabela PEÇA.
Diagrama entidade/relacionamento básico
Este diagrama mostra a relação entre as entidades FORNECEDOR e PEÇA.
SISTEMAS DE GERENCIAMENTO DE BANCOS DE DADOS
Um sistema de gerenciamento de bancos de dados (DBMS – DATA BANK MANAGEMENT
SYSTEM) é um tipo de software específico usado para criar, armazenar, organizar e acessar dados
a partir de um banco de dados.
Exemplos de DBMS:





Microsoft Access, Banco de dados para computadores pessoais;
DB2,
Banco de dados para mainframes
Oracle Database,
porte médio
Microsoft SQL Server,
MYSQL, Banco de dados popular de código fonte aberto.
}
e computadores de
O DBMS livra o programador ou o usuário final da tarefa de entender onde e como os dados estão
realmente armazenados, separando a visão lógica e física dos dados.
Visão lógica: como os usuários finais veem os dados.
Visão física: como os dados estão realmente estruturados e organizados.
COMO USAR BANCO DE DADOS PARA MELHORARO DESEMPENHO E A TOMADA DE
DECISÃO NA EMPRESA
Empresas usam DBMS para monitorar transações básicas, como pagamento a fornecedores,
processamento de pedidos, atendimento a clientes e pagamento a funcionários, mas elas também
precisam de DBMS que as ajudem a administrar o negócio de maneira mais eficiente e, ao mesmo
tempo, auxiliem gerentes e funcionários a tomar melhores decisões. Se uma empresa quiser saber
qual produto é mais aceito pelo mercado, ou quais clientes são mais lucrativos, a resposta estará
nos dados.
Em uma grande empresa, com grande bancos de dados ou grandes sistemas para funções
separadas, como manufaturas, vendas e contabilidade, são necessários recursos e ferramentas
especiais para analisar vastas quantidades de dados e extraí-los de múltiplos sistemas.
DATA WAREHOUSES
Banco de dados que armazena dados correntes e históricos de potencial interesse para os
tomadores de decisão de toda a empresa. Os dados originam-se de muitos sistemas operacionais
centrais, como sistemas de vendas, contas de clientes e manufatura, podendo incluir ainda dados
provenientes de transações em sites. O data warehouse consolida e padroniza as informações
oriundas de diferentes bancos de dados operacionais, de modo que elas possam ser usadas por
toda a empresa para análise gerencial e toma da de decisões
Componentes de um Data Warehouse
Dados correntes e históricos são
extraídos de sistemas operacionais
internos à organização. Esses dados
são combinados com dados de fontes
externas e reorganizados em um banco
central projetado para análise gerencial e
produção de relatórios. O diretório de
informações fornece aos usuários
informações sobre os dados disponíveis
no armazém.
DATA MARTS
Empresas podem montar data warehouse de âmbito empresarial, nos quais um armazém central de
dados atende à organização inteira, ou podem criar armazéns menores, descentralizados
denominados data marts.
DATA MART é um subconjunto de um Data Warehouse, no qual uma porção resumida ou
altamente focalizada de dados da organização é colocada em um banco separado destinada a uma
população específica de usuários.
Ex. Uma empresa pode desenvolver data marts de vendas e marketing para tratar informações de
clientes.
Um data mart em geral focaliza uma única área de interesse ou linha de negócios, de modo que
pode ser montado com mais rapidez e a custo mais baixo do que um data warehouse de âmbito
empresarial.
OLAP
Imagine que uma empresa venda quatro produtos diferentes – porcas, pinos, arruelas e parafusos –
nas regiões leste, oeste e central. se você quisesse fazer uma pergunta bem direta, do tipo
“Quantas arruelas foram vendidas no último trimestre? Poderia facilmente encontrar a resposta
consultando o seu DBMS, mas e se você quisesse saber quantas arruelas foram vendidas em cada
região e também comparar os resultados reais com a projeção de vendas?
Para isso seria necessário um OLAP (On Line Analitic Process) Processamento Analítico On
Line, o qual permite a análise multidimensional dos dados, de forma que os usuários vejam os
dados de diferentes maneiras, pois usa múltiplas dimensões.
Cada aspecto da informação – produto, preço, custo, região ou período de tempo – representa uma
dimensão diferente. Desta forma cada gerente pode fazer uma análise multidimensional (ou várias
análises dimensionais) específica(s) quanto aos itens que busca informação e confrontá-los com a
previsão de vendas.
O OLAP permite que os usuários tenham respostas on-line a questões específicas como essas com
uma velocidade razoável, mesmo quando os dados estejam armazenados em um DBMS
gigantesco, com números de vendas de vários anos.
DATA MINING
O DATA MINING (mineração de dados) é mais orientados por descoberta. Oferece percepções dos
dados corporativos que não podem ser obtidos com o OLAP descobrindo padrões e
relacionamentos ocultos em grandes DBMS e inferindo regras a partir deles para prever
comportamentos futuros. Esse modelos e regras podem então ser usados para guiar o processo de
decisão e prever o efeito destas decisões. Os tipos de informações que podem ser obtidos como
DATA MINING incluem associações, sequências, classificações, aglomerações e prognósticos.
A VIRGIN MOBILE AUSTRALIA, por exemplo, usa um data warehouse e um data mining para
aumentar a fidelidade dos clientes e lançar novos serviços. A empresa criou um data warehouse
que consolidou os dados do sistema integrado, do sistema de gerenciamento do relacionamento
com o cliente e dos sistemas de cobrança em um gigantes com banco de dados. Graças ao DATA
MINING pode determinar o perfil demográfico dos novos clientes e relacioná-los aos tipos de
aparelhos telefônicos que eles compravam, assim como identificar o desempenho de cada loja e
das campanhas no ponto-de-venda.
O DATA MINING é uma ferramenta poderosa e lucrativa, mas impõe desafios no que diz respeito à
proteção da privacidade. A tecnologia do DATA MINING pode combinar informações oriundas de
diversas fontes para criar uma “imagem digital” de cada um de nós – nossa renda, nosso padrões
de locomoção, nossos hobbies, nossa família, nosso interesses políticos, etc.
Uma série de ferramentas
analíticas trabalha com os
dados armazenados nos
bancos de dados,
encontrando padrões e
insights que ajudam gerentes
e funcionários a tomar
melhores decisões e, assim,
aprimorar o desempenho
organizacional.