Big Data como estratégia de Marketing

Big Data como estratégia de Marketing
A importância dos dados na tomada de decisões estratégicas
Renato Carvalho de Alvarenga Mafra
[email protected]
RESUMO
Este artigo tem como objetivo identificar e refletir sobre o potencial
proporcionado pelos dados disponíveis na Big Data para a tomada de decisões
estratégicas de marketing. Para tanto, além de explorar e contextualizar a
importância das informações disponíveis na internet, o trabalho faz um paralelo
da relevância da gestão da informação e do marketing em meios digitais. Este
trabalho não busca fazer análises técnicas do uso do Big Data em marketing,
mas entender como a tecnologia pode ser útil em estratégias de comunicação.
Conclui-se que a análise de dados do Big Data pode proporcionar uma
melhoria na qualidade da gestão estratégica nas organizações.
ABSTRACT
The objective of this article is to identify and raise points about the potential of
the Big Data in strategic marketing decisions. Therefore, more than exploring
and contextualizing about the available information on the Internet, this work
makes an important parallel about information management and the digital
media marketing. However, this work is not focused on technical analysis
related to the Big Data usability, but to understand how this technology can be
useful in communication strategies, improving the strategic management in
organizations.
Palavras-chave
Big Data, marketing, gestão da informação, comunicação
1. INTRODUÇÃO
O termo Big Data está cada vez mais comum no nosso dia a dia, mesmo
que ainda não atinja a grande massa da população. Jornais, revistas, sites de
notícias,
e
principalmente
executivos
de
empresas
estão
lidando
frequentemente com o tema. Segundo dados do Google Trends, nos últimos
cinco anos, o interesse no termo cresceu quase seis vezes.
Para se atentar a importância do tema, 2,2 milhões de terabytes de novos
dados são criados todos os dias no mundo. Além disso, a previsão é que até
2020 haja um total de 40 trilhões de gigabytes de dados no mundo. Até o
momento, apenas 0,5% de toda a informação disponível online foi analisada ou
utilizada para fins comerciais. (HEKIMA, 2016a).
Ainda segundo o artigo publicado pela Hekima (2016a), em 2014, o
mercado de Big Data movimentou US$ 28 bilhões. A expectativa é que até
2017 esse número chegue a US$ 50 bilhões e em 2019 a US$ 102 bilhões.
Outro dado interessante presente no artigo diz que empresas que investem em
Big Data são cinco vezes mais propensas a tomar decisões mais rápidas que a
concorrência.
Pensando no contexto do marketing, o acesso a essas informações
possibilita a mensuração de resultados a partir do armazenamento de dados de
usuários. O Big Data aparece nesse cenário como uma grande vantagem que
as empresas podem ter através da análise do dado certo para a criação de
estratégias na tomada de decisão. (CAVASSOLA, 2014).
Ferguson (2013) mostra uma pesquisa realizada pela empresa de
consultoria McKinsey, em que 65% das organizações são eficientes ao capturar
dados, mas 46% delas dizem ser eficientes na disseminação das informações.
A pesquisa aponta, ainda, que apenas 4% das organizações usam todos os
dados que coletam.
Diante disso, é visível que o Big Data é um grande desafio para as
empresas. Como afirma Ferguson (2013), as companhias buscam reunir o
maior tipo e número de dados, mas acabam se perdendo ao ter insights e
tomar decisões a partir dessas informações.
A partir de então, este trabalho de conclusão de curso pretende entender
como o uso do Big Data pode contribuir para decisões mais assertivas na
estratégia de marketing de uma empresa, bem como a importância da gestão
da informação.
2. ENTENDENDO BIG DATA
Antes de trazer suas inúmeras possibilidades e potencialidades, é preciso
definir o seu significado. Big Data pode ser explicado como um grande volume
de dados produzidos de maneira exponencial. É o desafio de processar
conjuntos de dados que são muito grandes para caber em um único servidor,
bem como desestruturados para caber em um banco de dados de linha ou
coluna, assim como continuamente fluídos para caber em um armazém de
dados estáticos (BROUSSARD; MEDIA, 2014).
Para facilitar o entendimento, o conceito de Big Data pode ser dividido em
5 “V”s: volume, variedade, velocidade, veracidade e valor (TAURION, 2012).
Volume
O Volume se refere ao tamanho simples de dados e opções de
armazenamento para acomodá-los. Além dos dados gerados pelos sistemas de
transações, temos a ainda os dados gerados pelos objetos na Internet das
Coisas, assim como os gerados nas mídias sociais, pelos computadores,
smartphones e tablets.
A quantidade de dados gerados pelas mais diversas aplicações aumenta
cada vez mais. Isso exige uma capacidade de armazenamento maior, assim
como requer uma distribuição de locais de processamento e armazenamento
(ALVAREZ; VIANA; SILVA, 2016).
Variedade
Se há uma grande quantidade de dados, há também uma enorme
variedade. As redes sociais, como Facebook, Twitter, Instagram, entre outros,
oferecem milhares de informações a todo segundo. O Big Data escalona a
variedade de informações das seguintes formas (NETTO; MORO; FERREIRA,
s/d):
Dados estruturados: armazenados em bancos de dados, sequenciados
por tabelas;
Dados semi-estruturados: acompanham padrões heterogêneos, são mais
difíceis de serem identificados, pois podem seguir diversos padrões;
Dados não estruturados: são uma mistura de dados com fontes
diversificadas como imagens, áudios e documentos online. Estima-se que 90%
de todos os dados do mundo são considerados não estruturados.
Velocidade
Uma fotografia tirada há cinco minutos representando o trânsito de uma
rua seria o suficiente para permitir que uma pessoa a atravesse de olhos
vendados? Dificilmente. A foto de 5 minutos atrás não serve e é preciso saber
das condições atuais para atravessar com segurança (FORBES, 2012). Essa
mesma lógica se aplica às empresas, já que precisam de dados atuais sobre
seu negócio.
A velocidade é tão importante que em algum momento vai existir uma
ferramenta que analise os dados em tempo real, diferente de hoje que são
analisados apenas após serem armazenados (TAURION, 2014). A velocidade
com a qual se obtém informações é bastante valorizada, já que se torna uma
vantagem competitiva entre as empresas (NETTO; MORO; FERREIRA, s/d).
Veracidade
A relevância dos dados coletados é o que faz diferença. Dessa forma, sua
verificação é um ponto chave para obter informações que agreguem valor ao
processo. É preciso ter certeza que os dados fazem sentido e são autênticos
(TAURION, 2012) e que condizem com a realidade daquele momento.
Valor
É necessário que a organização que utiliza os processos de Big Data
obtenha retorno destes investimentos. É importante perceber que os custos
envolvidos na operação, o valor agregado do trabalho desenvolvido - coleta,
armazenamento e análise de dados -, compense os custos financeiros
envolvidos. (TAURION, 2012).
Caminhando ao lado do Big Data está o Business Intelligence (BI), que
por muitas vezes é confundido com o termo principal deste trabalho. Apesar de
distintos e terem objetivos diferentes, as duas soluções são complementares.
Segundo Elias (2014) BI tem foco na coleta, organização, transformação
e disponibilização de dados estruturados para a tomada de decisão, além de
permitir análise preditiva de forma rápida e assertiva às organizações. Já o Big
Data foca no processamento de dados em busca de correlações e
descobertas. “Está aí o diferencial do Big Data: mostrar caminhos e correlações
antes desconhecidos nos grandes volumes de dados, em tempo hábil, para
que as empresas ganhem vantagem competitiva” (ELIAS, 2014, s/p).
Outro conceito que se mistura aos dois tratados anteriormente é o de
Data Mining, ou mineração de dados. A definição mais usada sobre o termo foi
elaborada por Fayyad e colaboradores (1996), que diz que Data Mining é o
“processo não-trivial de identificar, em dados, padrões válidos, novos,
potencialmente úteis e ultimamente compreensíveis”.
A tabela a seguir, proposta por Hoppen (2015) serve como parâmetro
para diferenciar os três termos a partir de sete características:
CARACTERÍSTICAS
Business Intelligence (BI)
Data Mining
Big Data
1 – Virtude da solução
Volumetria – Monitorar o
desempenho dos
indicadores das operações.
Metodologia científica e
Data Mining em grande
algoritmos. Descobrir
escala. Geração de
padrões de
conhecimento de gestão
comportamento de dados. apoiado por inteligência e
Detecção de pontos cegos
capacidade
da gestão. Análise
computacional. Análise
estatística intensa e
estatística intensa e
pontual.
contínua.
2 – Tipos de Dados
Dados estruturados em
planilhas, banco de dados
Dados estruturados em
planilhas, banco de dados
Dados estruturados,
semiestruturados e não
relacionais e dimensionais, relacionais e dimensionais,
etc.
etc.
estruturados em bancos
de dados NoSQL ou
TripleStores.
3 – Estilo de análise
Reflete apenas o passado
dos dados em pequena ou
grande escala. Não há
inteligência no sistema,
sendo necessário
profissionais da gestão
para interpretar as
informações e tomada de
decisão.
Permite fazer a predição e
descoberta de fatores
relevantes ao negócio em
pequena escala usando
inteligência computacional.
Necessita de profissionais
de gestão trabalhando em
colaboração com
cientistas da informação.
Permite fazer a predição e
descoberta de fatores
relevantes ao negócio em
grande escala usando
inteligência
computacional. Necessita
de profissionais de gestão
trabalhando em
colaboração com
cientistas da informação.
4 – Resultados esperados
Diversas visualizações de
gráficos consolidadas em
painéis de controle
conhecidos como
dashboards.
Relatório de
recomendação
estratégica.
Painéis de controle com
indicadores preditivos e
recomendações
estratégicas.
5 - Foco
Monitorar indicadores tais
como preço, valor,
temperatura, custo total,
etc.
Identificar padrões de
comportamento dos
dados, criando novos
indicadores de análise
para o BI.
Extração de
conhecimento de grandes
massas de dados com
fontes e tipos variados.
6 - Comercialização
Custo de implantação,
integração do sistema e
mensalidade por usuário
Valor por projeto,
envolvendo o custo da
produção do relatório.
Custo de implantação,
integração do sistema e
mensalidade e/ou
comissionamento sobre o
resultado do faturamento.
7 – Volume de dados
Alto, porém limitado ao
processamento dos bancos
de dados
relacionais/dimensionais.
Baixo, trabalho por
amostragem (pequenas
parcelas) de dados com
alto custo de
processamento.
Alto com estruturas de
processamento
distribuídos e grande
demanda de
processamento.
Tabela 1: Comprativo entre os termos Big Data, Business Intelligence e Data Mining
3. GESTÃO DA INFORMAÇÃO
A informação, assume, nos dias atuais, uma importância cada vez maior.
Ela torna-se fundamental para empresas na descoberta e introdução de novas
tecnologias e exploração de oportunidades de investimentos (BRAGA, 2000).
A gestão da informação pode ser considerada um conjunto de processos
que envolvem atividades de planejamento, organização, direção, distribuição e
controle visando à racionalização e à efetividade de determinado sistema,
produto ou serviço (MARCHIORI, 2002).
A autora ainda fala que a gestão da informação tem como princípio o foco
no indivíduo e seus problemas, conforme os diferentes fluxos de informação,
buscando soluções criativas e efetivas. O gestor da informação tem como
função fornecer um serviço e/ou produto de informação que seja direcionado,
funcional e atrativo.
Acontecimentos externos obrigam as organizações a enfrentar diversas
situações, que incluem ameaças e oportunidades para as empresas. A tomada
de decisões exige, portanto, bastante informações sobre o contexto em que a
companhia se encaixa e o que acontece ao seu redor.
A concorrência no mercado também faz com que, cada vez mais, as
empresas busquem melhores recursos. “Quem dispõe de informação de boa
qualidade, fidedigna, em quantidade adequada e no momento certo, adquire
vantagens competitivas, mas a falta de informação dá asas a erros e à perda
de oportunidades” (BRAGA, 2000, p2).
Os dados que ‘flutuam’ no Big Data possuem muito valor, mas sozinhos,
sem quaisquer análises, funcionam só como uma biblioteca repleta de livros –
as informações estão lá, mas o valor só é gerado a partir do momento em que
o conhecimento disponível por lá seja trabalhado.
É preciso desenvolver capacidades para explorar esses dados para se
destacar na competição entre empresas. Sendo assim, a capacidade de gestão
da informação passa a desempenhar um papel relevante em um ambiente
competitivo tão dinâmico. (MAÇADA; BRINKHUES; JÚNIOR, 2015)
Diante disso, o Big Data representa três mudanças na forma como se
entende e analisa a informação que organiza a sociedade (GONÇALVES;
PEREIRA, 2009). Segundo os autores a primeira se refere à análise de dados
que pode ser processada atualmente. A segunda mudança se relaciona a
redução de erros na medição de dados, já que com uma maior análise, há
menos falhas nas amostragens. Por fim, a terceira se remete à análise da
causalidade. É possível descobrir padrões e correlações nos dados que
propiciam novas e valiosas ideias.
A ideia do uso de dados para tomar decisões é tão antiga quanto a
própria tomada de decisão. No entanto, a partir de agora é preciso levar em
conta que a inteligência dos negócios na análise de dados torna-se condição
de competitividade quando ocorre investimento no monitoramento adequado
dos dados produzidos (DAVENPORT, 2013).
O autor destacado acima também aponta dez requisitos para capitalizar a
análise de dados digitais. É preciso ter vários tipos de dados combinados; um
conjunto de opções de gerenciamento de dados; tecnologias mais rápidas e
métodos de análise; análise de dados incorporada; descoberta de dados;
equipes interdisciplinares de dados; diretores de análise; análise prescritiva;
análise de dados em escala industrial; e finalmente novas formas de decisão e
de gestão.
Reis (1993) afirma que para que a gestão da informação seja eficaz é
preciso que as empresas estabeleçam um conjunto de políticas coerentes que
possibilitem o fornecimento de informação relevante, correta, com qualidade,
transmitida de forma certa e no tempo certo.
A gestão moderna exige que a tomada de decisão seja feita com o maior
número de informações possíveis. Portanto, quanto mais importante for o dado
para a empresa e mais rápido o acesso a ela, mais facilmente a empresa
atingirá seus objetivos.
Diante disso, Braga (2000) destaca que a gestão da informação tem o
objetivo de apoiar a política global da empresa de forma a tornar mais eficiente
o conhecimento e articulação entre os seus subsistemas; apoia os gestores na
tomada de cisões; torna mais eficaz o conhecimento do meio envolvente; apoia
de forma interativa a evolução da estrutura organizacional; e ajuda a formar
uma imagem da organização.
4. MARKETING NOS MEIOS DIGITAIS
Antes de começar a discutir sobre marketing nos meios digitais é preciso
trazer algumas definições do termo. Kotler e Keller (2006) definem, de forma
simples, que marketing é a atividade humana dirigida para satisfazer
necessidades e desejos por meio de troca. Diante disso, fica claro que para
fazer funcionar é mais que necessário levar em consideração o público-alvo e,
para isso, deve-se conhecer muito bem a quem busca atingir. As estratégias a
serem usadas, por outro lado, variam conforme o comportamento do segmento.
(GABRIEL, 2010).
Kotler (1999) propôs alguns pontos que considera ideais para se ter
sucesso no marketing. Segundo o autor a pesquisa de mercado é o ponto
inicial, que ajudará a entender a oportunidade disponível e a preparação de
estimativas financeiras baseadas na estratégia proposta.
Ainda no tema, para um marketing bem-sucedido é primordial que as
empresas tenham a maior quantidade de informações possíveis para tomar
decisões. Tais dados se dividem em cinco tópicos: Macroambiente, ambiente
de marketing, ambiente da empresa e outras informações.
Em macroambiente devem constar informações sobre tendências
demográficas, econômicas, estilo de vida, tecnológicas e políticas. Já em
ambiente de marketing as informações de consumidores, colaboradores e
concorrentes compõem o tópico. Vendas e participação de mercado, pedidos
de compras e renovação de pedidos, custos da empresa, lucratividade por
cliente, por módulo, segmento, canal, tamanho de pedido e área geográfica
estão incluídos como parte do ambiente da empresa (KOTLER, 1999).
A internet, por sua vez, oferece cada vez mais novas ferramentas
tecnológicas que possibilitam que o usuário escolha o produto com base em
informações objetivas e não mais apenas pela propaganda e persuasão. O
grande diferencial do marketing online é atingir a um público bastante
específico (CINTRA, 2010).
A tecnologia permite que empresas de diversos portes possam, de forma
mais efetiva, controlar seus pontos de contato entre clientes e sua marca
utilizando o marketing digital (CINTRA, 2010).
Seguindo, ainda, a linha de raciocínio da autora citada acima, o marketing
digital pode ajudar a destacar as empresas que têm como diferencial
competitivo a informação. Isso porque a tecnologia aproxima usuários e
empresas e torna o conhecimento entre eles muito mais prático. Na internet o
que importa é estar sempre conectado e manter um canal direto com o cliente.
“O investimento é pequeno, frente a grandes possibilidades de negócios que
surgem com o decorrer do tempo” (CINTRA, 2010, p9).
Rosa (2010) citando Hoffman (1995) lembra que a popularidade da web
como um meio comercial se deu graças à sua facilidade de compartilhar
informações e recursos, além do seu potencial como canal de publicidade,
marketing e distribuição de bens e serviços. Isso garante uma maior interação
entre consumidores e empresas. No entanto, as facilidades de interações
também geram uma exposição ao mercado cada vez mais elevada (ROSA,
2010).
As novas plataformas online, bem como as redes sociais, criaram um
diálogo interativo em massa entre as companhias e usuários, o que alterou a
forma como a comunicação era feita. Se antes o modelo seguido era “um para
muitos” agora passou a ser de “muitos para muitos”, no qual a mensagem pode
ser originada de ambas as partes (HOFFMAN; NOVAK, 1996).
As estratégias de marketing destinadas às redes sociais digitais requerem
um conjunto de ações que seguem um plano coerente e consistente.
Informações cruciais como o comportamento do consumidor, a identificação do
público-alvo, a região onde se encontra, palavras-chaves mais digitadas por
ele, comportamento de compra e outras tantas variáveis fornecem um norte
sobre o que fazer (VAZ, 2008).
Uma das contribuições mais valiosas que o marketing obteve da internet
foi a possibilidade de se mensurar dados com maior precisão e agilidade. O
monitoramento e análise de métricas se tornaram muito mais democráticas,
baratas e acessíveis. Um dos principais exemplos é o Google Analytics,
ferramenta de monitoramento e rastreamento.
A partir dessa ferramenta é possível captar uma grande quantidade de
dados – demográficos, horário, páginas acessadas, conversão de metas,
idiomas, tempo de visitação, entre várias outras – que tornam a tomada de
decisão mais assertiva.
Outra ferramenta que facilita o marketing na internet é o Google Adwords,
serviço de publicidade baseado em links patrocinados. A partir de
segmentações bem definidas do público-alvo é possível obter grandes
resultados na captação de novos clientes, reforço de marca ou qualquer que
seja o objetivo da empresa (FERNANDES; ROSA, 2013).
5. BIG DATA COMO ESTRATÉGIA DE MARKETING
Big Data na indústria de marketing e publicidade se refere ao
processamento de dados muito grandes para manipular em um único servidor,
incluindo dados não estruturados, e envolvendo a integração de múltiplas
fontes de dados que refletem as atividades de marketing e as reações dos
consumidores. Tal abordagem deve produzir uma visão inalcançável, até então,
na análise de negócios convencional. (BROUSSARD; MEDIA, 2014)
O marketing já se utiliza de banco de dados há anos para buscar novas
estratégias e ser mais efetivo com seu público-alvo. O database marketing foi
criado no final da década de 1970 e utiliza os dados para promover ações que
promovam satisfação de seus clientes (ESTRELA, s/d).
É uma forma de marketing direto que utiliza bases de dados de clientes
para gerar listas segmentadas para comunicações. Normalmente esses bancos
de dados incluem telefone, e-mails, histórico de compras, pedidos de
informação, entre outros. Tais informações podem ser obtidas através de
formulários para produtos gratuitos, formulários de inscrição para concursos,
cartões de garantia do produto, assinatura de newsletters etc.
O desenvolvimento tecnológico democratizou o acesso às pesquisas e
aos dados de monitoramento. Ao mesmo tempo, o processo de análise dessas
informações se torna mais trabalhoso devido à grande quantidade disposta na
rede, em vários lugares e simultaneamente. O desafio, então, é saber escolher
quais dados devem ser analisados (FERNANDES; ROSA, 2013).
O
mercado,
nos
tempos
atuais,
e
com
tantas
possibilidades
proporcionadas pela tecnologia, exige medidas agressivas. E isso faz com que
a aplicação de recursos tenha um retorno certeiro à empresa. Cada ação de
marketing precisa ser acompanhada em tempo real por ferramentas de
monitoramento de redes sociais.
As soluções em análises de Big Data tornaram possível a análise de
dados
não
estruturados
de
diversos
processos
internos
–
vendas,
relacionamento e atendimento aos clientes – e também de fontes externas –
redes sociais.
Os rastros da movimentação dos usuários nas redes sociais digitais são
registrados. Essas pegadas contam uma história mais precisa sobre suas vidas
que qualquer forma de exposição, tudo isso a partir de atualizações de status
no Facebook, mensagens para determinadas pessoas, lugares por onde
passam, registros sobre o que comeram e produtos que compraram
(GONÇALVES; PEREIRA, 2009).
A integração entre os sistemas de informação e as ferramentas
analíticas direcionadas ao marketing possibilitou entender os verdadeiros
motivos que levam clientes a comprarem determinados produtos ou serviços.
Ao entender essas ações é possível mapear os passos do consumidor
(HEKIMA, 2016b).
Muitas empresas fazem uma análise reativa dos resultados obtidos sem
buscar mapear com precisão o processo da compra do produto/serviço. Esse
processo é “superficial e acaba limitando bastante os resultados que poderiam
ser
obtidos
com
um
marketing
baseado
em
grandes
dados
e,
consequentemente, mais direcionado” (HEKIMA, 2016b).
Para uma análise completa, os modelos de atribuição permitem avaliar
em tempo real, por completo, a jornada do consumidor até o momento da
compra. Aliado a dados precisos gerados por ferramentas de análise de Big
Data, esses modelos ajudam a entender rapidamente o que captou o usuário.
Esse processo sendo executado continuamente, sempre em tempo real,
ganha novas comparações e apresenta melhor as informações, o que garante
mais exatidão e eliminando informações irrelevantes. Portanto, reduz os custos
com processos menos efetivos e um maior investimento na estratégia que tem
dado mais certo. (HEKIMA, 2016b).
O Big Data possibilita atingir determinados clientes em pontos críticos de
contato. Um exemplo claro a facilitar o entendimento é uma mulher com um
filho recém-nascido procurando por fraldas descartáveis. Os registros dessas
buscas já indicam um claro interesse no produto, além de possíveis outros para
bebês. Isso habilita a empresa a enviar uma mensagem correta e efetiva ao
possível cliente (ROSENWALD, 2013).
Mas além desse potencial de resposta direta à necessidade momentânea
de um cliente, o Big Data tem papel crucial na previsão de tendências,
ajudando a antecipar ações.
Por meio das técnicas de aprendizado de máquina, o Big Data consegue
prever, de forma assertiva, quais produtos farão sucesso, por exemplo, durante
alguma temporada. Ferreira (2016) explica que o cruzamento de dados
estruturados – histórico de compras do cliente – e de dados não estruturados –
gerados em redes sociais -, em conjunto com as já tradicionais pequisas de
mercado, permite que a empresa descubra os padrões de busca de
determinados produtos, e assim, quais suas intenções de próximas compras.
Com isso em mãos, a empresa consegue preparar seu estoque, logística e
marketing.
Broussard
e
Media
(2014)
argumentam
que
a
abundância,
a
granularidade e a riqueza do Big Data conduzem decisões estratégicas e
táticas mais eficazes, que garantem desempenho superior de marketing. Diante
disso, os autores apresentam cinco aspectos fundamentais que ajudam em
decisões estratégias: precisão, previsão, extensão de dados, velocidade e
continuidade, acurácia.
Precisão
Dados detalhados e descritivos tornam cada vez mais possível a
identificação de múltiplos segmentos de consumidores-alvo para um único
produto ou serviço. Investimentos em mídias e mensagens podem ser
adaptados a esses segmentos para impulsionar mais efetivamente vendas e
também o branding.
Previsão
Como já dito anteriormente, o Big Data pode ajudar profissionais a
desenvolver ferramentas preditivas para descobrir ações que seus clientes
tomarão,
baseando-se
em
seu
comportamento.
Os
avanços
no
armazenamento de dados, a velocidade de processamento e os aplicativos de
ciência de dados têm uma melhor modelagem preditiva.
Extensão de dados
Broussard e Media (2014) afirmam que existem centenas de fontes de
dados externas disponíveis para integração com os dados de clientes já
existentes nas empresas. Isso permite uma visão mais completa das
transações dos consumidores. Esse cenário traduz uma maneira mais eficiente
de cultivar negócios e a lealdade de clientes atuais, assim como atrair novos.
Grande velocidade de processamento de dados e armazenamento tornam
essas uniões de dados mais viáveis do que nunca.
Velocidade e Continuidade
A coleta eletrônica e contínua de dados fornece um feedback constante e
rápido que possibilita ajustar estratégias e táticas de mercado em menos
tempo.
Acurácia
Os dados de consumo de mídia e aquisição, coletados eletronicamente,
fornecem uma base mais sólida do que a coleta de dados baseada em
levantamentos para determinar a relação entre marketing e publicidade e
vendas.
6. CONCLUSÃO
A análise de dados do Big Data pode proporcionar uma melhoria na
qualidade da gestão estratégica nas organizações. As abordagens utilizadas no
na tecnologia apontam para uma diversificação de seu potencial de solução,
usos e ferramentas desenvolvidas no ambiente corporativo e competitivo com
base em métodos digitais.
Fica claro que as decisões, no contexto de Big Data, não podem ser
tomadas com base em apenas um critério, ou uma análise simplificada, mas a
partir do cruzamento de múltiplas informações e da interação de variados
elementos.
As ferramentas de análise de dados mudaram o mercado de marketing
digital. Diversas práticas publicitárias utilizadas até pouco tempo deram lugar a
métodos mais ágeis que permitem entender o comportamento e necessidade
dos consumidores.
Embora a segmentação de público-alvo faça parte de toda e qualquer
estratégia de marketing, é possível perceber que a grande quantidade de
dados disponíveis sobre o comportamento de qualquer usuário na internet
permite dirigir-se a uma pessoa individualmente e não mais apenas como um
grupo.
Por outro lado, apesar de o avanço tecnológico facilitar a coleta de dados,
a análise e suas aplicabilidades dependem de estratégias humanas. O
desenvolvimento do marketing por dados está, ainda, nas mãos e mentes do
homem. A gestão da informação, na mesma lógica, é parte fundamental para a
exploração de todo o potencial disposto pelo Big Data.
Essa “nova” perspectiva de comunicação impacta diretamente na maneira
como as empresas se dirigem aos consumidores, bem como a forma como
interagem. As informações ganham velocidade e as reações precisam ser
imediatas.
REFERÊNCIAS
BROUSSARD, Gerard; MEDIA, Pre-meditated. A Primer for Defining and
Implementing Big Data in the Marketing and Advertising Industry Prepared for
the Council for Research Excellence by. 2014.
CAVASSOLA, João Pedro. Tomada de decisão no e-commerce no contexto do
Big Data: estudo de caso único. p. 68, 2014.
CINTRA, Flavia Cristina. Marketing Digital: a era da tecnologia on-line. v. 4080,
n. 16, p. 6–12, 2010.
ELIAS, Diego. A diferença entre Big Data e Business Intelligence, 2014.
Disponível em: <https://corporate.canaltech.com.br/noticia/businessintelligence/A-diferenca-entre-Big-Data-e-Business-Intelligence/#ixzz32GGigJPf
>. Acesso em: 20 de jan. 2017.
ESTRELA, Pedro Augusto. Database marketing como processo estratégico.
S/d. Disponível nem: <http://br.monografias.com/trabalhos3/databasemarkerting-como-processo-estrategico/database-markerting-como-processoestrategico.shtml> . Acesso em 22 de jan. 2017.
FAYYAD, U. M. et al. From data mining to knowledge discovery: an overview. In:
Advances in knowledge discovery and data mining. California: AAAI/The MIT,
p.1-34, 1996.
FERNANDES, Bruno Gregório; ROSA, Celso Orlando. As métricas do
Marketing no século XXI. Panorama, v. 3, n. 1, p. 180–190, 2013.
FERREIRA, Juliano. Big Data e Black Friday: dados ajudam a sua empresa a
viralizar vendas, 2016. Disponível em: <http://www.bigdatabusiness.com.br/bigdata-black-friday/ >. Acesso em: 22 de jan. 2017.
FORBES. Volume, Velocity, Variety: What You Need to Know About Big Data.
2012. Disponível em Forbes: Disponível em <
http://www.forbes.com/sites/oreillymedia/2012/01/19/volume-velocity-varietywhat-you-need-to-know-about-big-data/ >. Acesso em: 16 de jan. 2017.
GABRIEL, Martha. Marketing na era digital: conceitos, plataformas e
estratégias. São Paulo: Novatec, 2010.
GONÇALVES, Márcio; PEREIRA, Cláudio. Gestão da informação na era do Big
Data Dissertar. Dissertar, n. 1999, p. 73–82, 2009.
HEKIMA. Big Data: tudo que você sempre quis saber sobre o tema!, 2016b.
Disponível em: < http://www.bigdatabusiness.com.br/tudo-sobre-big-data/ >.
Acesso em: 16 de jan. 2017.
HEKIMA. Os grandes (e impressionantes) números de Big Data, 2016a.
Disponível em: < http://www.bigdatabusiness.com.br/os-grandes-eimpressioantes-numeros-de-big-data/ >. Acesso em: 16 de jan. 2017.
HOFFMAN, Donna; NOVAK, Thomas. Marketing in hypermedia computermediated environments: conceptual foundations, Journal of Marketing, Vol. 60,
pp. 50-68, 1996.
HOPPEN, Joni. 7 características importantes para diferenciar BI, Data Mining e
Big Data. 2015. Disponível em: <https://aquare.la/pt/artigos/2015/04/27/7caracteristicas-importantes-para-diferenciar-bi-data-mining-e-big-data/>.
Acesso em 16 de jan. 2017.
KOTLER, Philip. Marketing para o Século XXI: como criar, conquistar e dominar
mercados. Editora Futura. 10ª Edição. 1999.
KOTLER, Philip; KELLER, Kevin. Administração de marketing. 12. ed. São
Paulo: Pearson Prentice Hall, 2006.
MAÇADA, Antônio; BRINKHUES, Rafael; JÚNIOR José, Carlos. Big data e as
capacidades de gestão da informação. 2015.
MINELI, Michael; CHAMBERS, Michele; DHIRAJ Ambiga. Big data, big
analytics: emerging business intelligence and analytic trends for today's
businesses. New Jersey: John Wiley & Sons, Inc., 2013
NETTO, Adriana; MORO, Evandro; FERREIRA, Fernanda. Big Data e suas
influências sobre a estratégia das empresas, s.d. Disponível em:
<http://www.gta.ufrj.br/grad/15_1/bigdata/index.html>. Acesso em: 16 de jan.
2017.
REIS, Carlos. Planejamento Estratégico de Sistemas de Informação, pg. 20-24,
1993.
ROSA, Nuno Gonçalo Henriques. O impacto das redes sociais no marketing:
Perspectiva portuguesa. p. 87, 2010.
ROSENWALD, Peter. Como usar o Big Data para aumentar as vendas, 2013.
Disponível em: < https://endeavor.org.br/big-data-qual-e-o-tamanho-e-quantoele-realmente-vale/ >. Acesso em: 16 de jan. 2017.
TAURION, Cezar. Entre os Vs do Big data, velocidade cresce em importância,
2014. Disponível em: < http://cio.com.br/tecnologia/2014/11/25/entre-os-vs-dobig-data-velocidade-cresce-em-importancia/ >. Acesso em: 16 de jan. 2017.
TAURION, Cezar. Você realmente sabe o que é Big Data?, 2012. Disponível
em:<https://www.ibm.com/developerworks/community/blogs/ctaurion/entry/voce
_realmente_sabe_o_que_e_big_data?lang=en >. Acesso em: 16 de jan. 2017.
VAZ, C. A. Google Marketing. São Paulo: Novatec, 2008.