Hoje, é comum ouvir falar sobre as aplicações do Big Data no mercado. Contudo, muitas pessoas ainda não sabem que é possível melhorar ainda mais essa estratégia de análise de dados.
A cultura Omnichannel tem sido outra revolução tecnológica aplicada aos negócios. E como as duas se encontram? Descubra agora e aproveite para aprender mais sobre ambas!
Cases de sucesso com o Big Data
O Big Data se refere, de modo geral, a um grande volume de dados, estruturados ou não, que são analisados por ferramentas específicas para gerar informações concretas e conhecimento relevante para o negócio.
De forma mais objetiva, podemos conceituá-lo como um conjunto de dados brutos detidos pelas empresas e trabalhados por meio de ferramentas tecnológicas avançadas.
A Nike, famosa multinacional de materiais esportivos, investe de forma maciça em tecnologia e nas ferramentas de Big Data. Com os dados colhidos, a empresa reúne informações concretas sobre seus usuários, principalmente por meio de aplicativos.
O Grupo Pão de Açúcar também se beneficia dos resultados da análise de dados. A empresa utiliza informações retiradas do histórico de compras do consumidor para oferecer descontos personalizados. Além disso, o próprio serviço de wi-fi dentro de suas lojas ajuda a estabelecer padrões e fornece promoções com o cliente já dentro de um dos seus estabelecimentos, incentivando as compras.
O serviço não beneficia somente os consumidores que tencionam pagar pouco. Com o sistema, é possível identificar rapidamente quais são os produtos que precisam de reposição e checar atualizações dos preços nas etiquetas.
Assim, com o Big Data, as empresas podem desenvolver soluções mais personalizadas, estreitando o relacionamento com seus clientes e elevando a sua reputação. Segmentando os resultados por regiões, é possível lançar produtos que atendam às demandas de determinada área.
Cultura Omnichannel
Omnichannel é um termo utilizado para explicar uma tendência atual do comércio que se baseia na convergência de todos os canais utilizados por uma organização. Basicamente, trata-se de mesclar os universos offline e online do negócio para transformar tudo em uma grande base de dados de mercado — de modo similar ao trabalho com Big Data.
Assim, a cultura Omnichannel designa a junção entre instrumentos diferentes, como a atuação da empresa nas redes sociais e os pontos fixos de venda do negócio. Desse modo, é possível integrar todas as informações relacionadas ao negócio e facilitar a consulta aos arquivos e o desenvolvimento de soluções personalizadas.
Essa cultura já é amplamente difundida entre as grandes empresas do comércio brasileiro. Um exemplo são as lojas eletrônicas que vendem produtos esportivos com a opção de retirada em um ponto físico ou recebimento em casa, integrando diferentes tipos de interação com esses consumidores.
Outra aplicação do conceito é encontrada quando as empresas que comercializam ingressos para eventos realizam a venda do serviço pela internet, mas oferecem a opção de retirada do bem em determinado ponto físico para aqueles que desejam tê-lo em mãos.
Diferentemente de outras nomenclaturas como Multichannel e Crosschannel, o Omnichannel caracteriza a possibilidade de utilização simultânea dos múltiplos canais do negócio. Nesse modelo, o cliente é o centro das atenções.
Integração entre Big Data e Omnichannel
A sincronização entre os canais do Ominchannel e as soluções de Big Data resultam, portanto, em uma ampla quantidade de informações úteis para a empresa. Isso favorece a agilidade no atendimento por meio de diferentes canais de interação com o cliente.
É interessante notar que ambas as ferramentas são complementares, já que se dedicam a centralizar informações e fornecer uma visão geral e diferenciada do negócio. Por meio do levantamento de dados do Big Data, é possível mapear tendências e fortalecer os canais de comunicação prediletos dos clientes com a ajuda da cultura Omnichannel.
Percebeu como essas tendências podem ser integradas para agregar valor ao seu negócio, independentemente do seu ramo de atuação? Na era da informação, é um grande erro desprezar o cruzamento de dados das aplicações do Big Data e a simultaneidade oferecida pelo Omnichannel para estabelecer padrões de consumo.
Gostou do conteúdo e quer ler mais sobre tecnologia aplicada aos negócios? Então, confira o próximo post e descubra se a sua empresa está preparada para a quarta revolução industrial!
Foi aluno de Ralph Kimball, maior referência mundial no assunto, no curso de Modelagem Dimensional realizado pela Kimball University, em Estocolmo – Suécia.
Já ministrou diversas palestras sobre o tema e atualmente mantêm o blog da Know Solutions, com referências sobre Business Intelligence.
Pós Graduado em Gestão de Projetos de Software pela PUC – Paraná. Trabalhou durante 7 anos na empresa Siemens onde participou de projetos em diferentes países.
Materia muito interessante
Obrigada pelo artigo 🙂 Acho que eu tenho uma equipe que pode obter cada sucesso 🙂 Mas sem kanbantool.com, nao conseguimos arranjar e controlar todas tarefas. Ferramentas digitais podem ajudar bastante – tal como manager ou teamledaer, mas mais suave 🙂 Eu planejo o dia do trabalho com kanban e todas tarefas sao cumpridas. Eu sei que nao cada um gosta trabalhar assim, mas comigo funciona 🙂
Parabéns por trazer a CRISP-DM de volta ao tablado. O “produtocentrismo” que assola o mercardo de BI pressiona os players a comprar o último brinquedo, a seguir a última moda, quando quase tudo que tem algum uso prático já existe há décadas – como o CRISP-DM
Seria legal um artigo um artigo comparando-o com SEMMA. Pode ser muito interessante para quem entrou na área há menos de 20 anos.
Gostaria de entender se a utilização da Big data nas empresas gera algum tipo de desvantagem nas pessoas que lá trabalham ?
Sobre o comentário do João Kechichian, concordo em relação às empresas não terem claro o que querem, e concordo com o Leandro sobre a abordagem de “Qual o seu problema” para dar as sugestões.
Mas vale ressaltar que as empresas não conseguem identificar o que querem por não terem claro um Planejamento Estratégico e objetivos bem descritos. Isso facilita muito perceber quais indicadores serão necessários acompanhar para atingir os resultados esperados.
Bom dia,
Há muita diferença das versões do livro The Data Warehouse Toolkit?
Vejo que ele esta na 3 edição.
Posso comprar apenas a 3 ou devo comprar todas?
Oi Marcos!
Há algumas atualizações com conceitos mais atuais. Não precisa comprar todas as edições não, apenas a 3a já cobre tudo que precisa.
Sim e não. A maior diferença é entre a primeira edição e as restantes. Da segunda edição em diante, quando a Margy Ross assumiu o livro, é tudo mais ou menos o mesmo.
A primeira edição, que por acaso chegou a ser publicada em português, é a melhor, na minha opinião. Ela é mais concreta, menor e mais focada. Se conseguir achá-la, compre. Vale ouro.
eu precisava para compor você uma pouco de note ajudar diga obrigado again com o extraordinário conselhos você compartilhado nesta página . Foi certamente maravilhosamente generoso com você dando abertamente tudo o que muitas pessoas {poderiam ter | poderiam possivelmente ter | poderiam ter | teriam | distribuído para um ebook para gerar alguma massa para eles mesmos , especialmente considerando que you poderia ter tried it se você nunca desejado . Those estratégias também agido como outras pessoas tenha semelhante desire como my own entender bom negócio mais relacionado este assunto . Eu tenho certeza há alguns mais agradáveis ocasiões ahead para pessoas que ver seu site
[…] de BI — Business Intelligence ou, traduzindo, Inteligência Empresarial — é justamente o diferencial que uma empresa precisa para tratar dados gerados por vários meios. Veja alguns contextos que podem servir de […]
[…] para aumentar seu lucro ou diminuir seus custos operacionais. Esse é o conceito básico de Business Intelligence utilizado como diferencial […]
Olá Leandro.
Acredito que o potencial da área de Business Intelligence dentro das empresas pode ser maior do que se imagina hoje.
Trabalho com consultoria de B.I. para agencias e empresas, e enfrentamos diariamente dois grandes problemas.
1- Padronização dos dados: Como utilizamos muitas fontes de dados, todo o processo, desde o que a implementação, até a parte operacional, precisa ser muito bem estruturada. Sem o padrão das informações perde-se muito tempo com “correção”, sendo que “tempo” não é o que temos para identificar um padrão, pois no dia seguinte ele pode mudar se não o tratarmos.
2- Pessoas que não sabem o que querem: Corporações não sabem o que querem, logo querem tudo. O problema é que sabemos que não tudo não é necessário, se consegue identificar padrões e otimizações com metade do volume. Sendo assim o processo de otimização passa a ser inteligente para ser operacional.
O futuro da área esta encaminhando para segmentações e clusterizações dinâmicas para analise de Big Data, mas se o processo de todos envolvidos precisa ser muito bem desenhado e a área de B.I. precisa ter este knowhow também.
Obrigado e muito bom seus artigos.
Oi João, obrigado pelo seu comentário! Concordo com você!
Realmente, a padronização dos dados é o ponto mais sensível mesmo. Aqui estimamos em torno de 60% a 70% do tempo em um projeto de BI apenas para esta parte.
Sobre as pessoas não saberem o que querem, aqui vemos como uma certa vantagem. Muitas vezes não é nem exatamente não saber o que querem, mas não saberem o que é possível fazer. Com isso, parte do nosso trabalho aqui é exatamente entender do que o cliente sofre aí então sugerir algumas coisas. Tentamos não ir para uma abordagem de “o que você quer” mas sim de “quais são seus problemas”.
Isso me deu até a ideia de criar um post focado nisso, vou deixar anotado para o futuro!
Existe uma técnica chamada Árvore de Realidade Presente, da Teoria das Restrições, que lida justamente com essa barafunda de problemas e entendimentos. Eu experimentei a mesma frustração que você, João, e decidi resolver esse problema. A imagem https://geekbi.files.wordpress.com/2020/10/bi_toc-crt-x.png é um resumo do que eu tenho até agora.
Adoraria uma contribuição. “O cliente não sabe o que quer” já está lá. “Dados são sujos” e “Dados são bagunçados” me parecem boas adições.
O que você acha? E você, Leandro?