A Coca-Cola é uma presença onipresente na vida dos brasileiros e em todo o mundo. Com tamanha potência e alcance de mercado, poderíamos até mesmo pensar que a organização conduz seus negócios à moda antiga, mantendo a fórmula vencedora. Nada mais longe da verdade: neste post, vamos mostrar como a Coca-Cola se tornou referência entre as empresas que utilizam o Big Data.
A gigante norte-americana abraçou as novas tecnologias e tem desenvolvido soluções digitais inovadoras, criando novos meios de se posicionar na era da transformação digital. Mas quais são os exemplos práticos? Vamos conhecer agora mesmo. Confira!
Assistentes virtuais
É importante notar que o Big Data se relaciona diretamente à inteligência artificial, já que a IA se beneficia dos dados reunidos. De certa forma, podemos dizer que o Big Data é o grande combustível da inteligência artificial.
Pensando nisso, a Coca-Cola realiza investimentos significativos em pesquisa e desenvolvimento em inteligência artificial, gerando insights a partir dos dados coletados. A empresa também está procurando seguir o exemplo dos gigantes da tecnologia e desenvolve ferramentas de alta complexidade, similares às já estabelecidas Alexa e Siri.
A diferença é que essa Inteligência artificial está presente em máquinas de venda automática, permitindo maior personalização. Assim, os usuários podem solicitar sua mistura favorita de qualquer máquina — que realiza a mistura de acordo com a preferência individual.
Opções mais saudáveis
Como as vendas de bebidas açucaradas e com gás caíram significativamente nos últimos anos, a Coca-Cola aproveitou o Big Data para seguir a tendência. Dessa forma, foi possível desenvolver e comercializar opções mais saudáveis, como os sucos Minute Maid e Simply Orange. É importante lembrar que a primeira opção, no Brasil, corresponde ao popular Del Valle.
Por meio da tecnologia, a empresa monitora elementos como classificações de acidez e doçura e oscilação dos preços das matérias-primas. Imagens de satélite das plantações das frutas que geram os sucos também são verificadas e, com o Big Data, é possível garantir que as laranjas sejam cultivadas de forma sustentável.
O algoritmo, em seguida, encontra a melhor combinação de variáveis, a fim de combinar os produtos aos gostos dos consumidores locais — nos mais de 200 países que recebem os seus produtos.
Mineração de dados nas redes sociais
Com mais de 100 milhões de fãs no Facebook e outros tantos milhões de seguidores no Twitter, podemos dizer que as redes sociais são outra fonte de dados valiosos para a companhia.
A Coca-Cola acompanha de perto como os seus produtos são representados nas mídias sociais e, em 2015, foi capaz de calcular que seus produtos foram mencionados em algum lugar do mundo, em média, pouco mais de uma vez a cada dois segundos.
Ao coletar esses dados, os cientistas de dados companhia têm uma ideia precisa sobre quem está consumindo suas bebidas e onde estão os seus clientes. A empresa usou a tecnologia de reconhecimento de imagem orientada por IA para determinar a melhor maneira de veicular anúncios. Isso é feito por meio da detecção de fotos tiradas pelos fãs que veiculam a marca.
Como vimos no post, ao abraçar a tecnologia, a Coca-Cola se tornou referência entre as empresas que utilizam o Big Data. A boa notícia é que essa ferramenta se adapta a diferentes tipos de negócio, otimizando a performance digital e gerando vantagem competitiva.
Para saber mais sobre como a tecnologia pode ser integrada ao seu negócio, aproveite a visita e leia, agora mesmo, o nosso post sobre as melhores formas de obter sucesso com o Big Data!
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?