Descubra neste artigo como as ferramentas de big data podem auxiliar a estruturar eficazes estratégias de marketing para a sua empresa.
O que é Big data
O termo Big Data não é novo. Ele tem sido utilizado por especialistas da área de tecnologia pelo menos desde o final da década de 60. Não obstante, ele remonta a origens ainda mais antigas e ao termo “estatística”, que se refere à coleta e à classificação de dados.
A Revista Forbes fornece um conceito simples e prático do que é big data. “É o ato de coletar uma larga quantidade de dados advindos de fontes tradicionais e digitais, passíveis de identificar tendências e padrões” (Forbes, 2016, tradução nossa).
Ou seja, big data diz respeito a novas tecnologias e arquitetura articulada para extrair valor de grande volume de dados advindos de diversas fontes. Tal articulação possibilita que os dados sejam coletados, explorados e analisados em alta velocidade.
Como o big data vem revolucionando o mundo digital?
Com a evolução trazida pela internet e pela globalização, o uso da estatística tem sido cada vez mais potencializado, remetendo a uma grande articulação de dados, facilmente visualizada no esquema abaixo:
Os processos in Memory foram sendo aprimorados desencadeando em memórias RAM de maior capacidade, ampliando a velocidade de processamento.
Qual a relação entre Big data e Marketing?
O big data transforma e revoluciona cada vez mais a capacidade de armazenar, recuperar e analisar dados, bem como a forma como as empresas se relacionam com seus clientes e nas estratégias de marketing aplicáveis.
Como exemplo, podem ser citadas as análises preditivas na área da saúde. Um dispositivo na nuvem pode ter acesso a uma base de dados muito maior do que um médico sozinho. De acordo com seus dados pessoais o indivíduo pode ser avisado quando houver algum risco para sua saúde ao praticar determinada atividade física, por exemplo (Algar Tech, 2015).
Esses dados também podem ser utilizados para prever reações de consumo, traçando perfis de compra e pagamento. Conforme explica a Revista Forbes a informação coletada é utilizada pelas empresas para melhorar o que eles sabem acerca do que os clientes querem e necessitam. O objetivo é tomar decisões consistentes baseadas em dados e não simplesmente em palpites (Revista Forbes, 2016).
Ou seja, big data permite que você preveja quais são as necessidades dos seus clientes e suas possíveis futuras reclamações. Com isso, você antevê a existência de problemas e elabora respostas rápidas através de estratégias inovadoras e eficazes.
No entanto, para que essas previsões sejam possíveis os dados necessitam ser tratados através de processos que envolvem a aplicação de metodologia adequadas e equipe preparada para analisá-los.
De quais dados estamos falando?
A grande quantidade de dados disponível e facilmente acessível através da internet necessita ser traduzida e analisada para que seja possível entender o seu conteúdo.
Antigamente as ferramentas que poderiam auxiliar nessa compreensão estavam disponíveis apenas para especialistas da área. Hoje, no entanto, elas estão à disposição de muitos profissionais.
Exemplo destas ferramentas é o Many Eyes, uma ferramenta que coloca à disposição a visualização da informação e ao mesmo tempo em que consiste em um amplo espaço de discussão em que é possível criar um debate centrado em dados oficiais.
Outros exemplos de dados são os obtidos a partir de redes sociais como o Facebook , que possui uma marca de aproximadamente 1 bilhão de usuários por dia. Totalizando mais de 4 milhões de likes e 300 milhões de fotos (Felipe Paiva, 2016).
Além disso, você sabia que existem mais dispositivos conectados à internet do que seres humanos na Terra? Para 2020 a Revista Forbes antevê o número de 1.7 megabytes de novas informações que serão criadas a cada segundo por cada ser humano existente no planeta. Felipe Paiva (2016) explica que a estimativa é de que estes números cresçam ainda mais e que até 2020 existam mais de 20 bilhões de dispositivos conectados.
Como montar uma estratégia de big data para a sua empresa?
Você possui uma série de fontes que podem lhe fornecer dados dos seus consumidores. Cada vez mais as pessoas se disponibilizam a entregar seus dados em troca de produtos e serviços que lhes são oferecidos.
Você deve trabalhar e analisar esses dados e pensar em como reverter essas informações em benefício da sua empresa.
Imagine que você comece a coletar os dados do Facebook dos seus clientes. Isso pode lhe fornecer informações sobre quem são eles e o que os mesmos estão dizendo a respeito de seus produtos.
A partir dessa informação você pode investir na reprodução de produtos já existentes, corrigir os problemas daqueles que estão recebendo más avaliações e criar novos serviços e produtos de acordo com a demanda que você verificou a partir da extração e da análise destes dados.
Por exemplo, pode ser que seja interessante para você abrir uma nova filial em alguma parte da cidade onde verificou que a demanda do seu produto ou serviço está em alta.
Como compreender os seus dados?
Big data se refere a ferramentas que podem facilmente “traduzir” os conteúdos da grande quantidade de dados existente.
Os dados analisados são provenientes de diversas fontes e podem se dividir tanto em dados estruturados, quanto não estruturados.
A grande dificuldade hoje diz respeito principalmente à análise dos dados não estruturados. Pois sempre envolvem novas e diversas informações.
Para cada um destes grupos de informações existem ferramentas específicas, que, conforme explica Felipe Paiva (2016) são mais adequadas a um e a outro:
Ferramentas SQL
Os bancos de dados relacionais são adequados para dados estruturados e transacionais. O tempo de resposta é curto e eles são aptos a realizar consultas complexas. No entanto, o mesmo pode se tornar difícil de escalar e o esquema fixo pode dificultar a organização e a evolução dos dados.
Exemplos de ferramentas: Oracle, MySQL, PostgreSQL, SQL Server.
Ferramentas NoSQL
São melhores para dados não relacionais. Sua arquitetura sem esquema possibilita a realização de mudanças frequentes. Permite que os dados sejam escalados com maior facilidade e rodam bem em ambientes distribuídos (Felipe Paiva, 2016).
No entanto, se tratam de ferramentas que estão ainda em fase de amadurecimento e possuem uma incompatibilidade em relação ao SQL.
Exemplos: MongoDB, Elastic Seacrh, HBase, CouchBase, etc.
Os especialistas da Revista Forbes (2016) apontam que analisar posts do Facebook e de outras redes sociais é, muitas vezes, mais difícil do que analisar dados de recibos ou de tráfegos da web.
Textos e imagens não estruturadas requerem softwares especiais para que se obtenha o seu significado. E a quantidade tão alta de dados não estruturados torna esse trabalho ainda mais difícil, tornando também necessário que se utilize hardwares especiais para que tais dados possam ser organizados e compreendidos.
As empresas costumam utilizar os dois tipos de dados, estruturados e não estruturados, para construir a sua percepção sobre os clientes.
De qualquer modo você deve ficar atento aos três V’s que caracterizam o big data:
Volume – que diz respeito à quantidade de dados;
Velocidade – que remete à velocidade com que os dados são gerados; e
Variedade – que se refere à diversidade de dados envolvidos.
Quanto maior é a quantidade de dados adequadamente analisada, melhor poderá ser a experiência do consumidor com os produtos e serviços da sua empresa.
