O analytics<\/a> est\u00e1 cada vez mais presente no dia a dia de diversos segmentos e um dos principais motivos para isso \u00e9 o crescimento constante do Big Data.<\/p>\n A cada dia mais de 2,5 exabytes (25.000.000.000.000.000.000 de bytes) s\u00e3o criados e esse n\u00famero praticamente dobra a cada 3 anos, desde 1980.<\/strong><\/p>\n Constantemente mais empresas entendem como \u2014 e por que \u2014 o Big Data \u00e9 importante e passam a adotar estrat\u00e9gias que envolvam mais an\u00e1lises de dados e insights a partir dessa an\u00e1lise.<\/p>\n E chegou a hora de voc\u00ea fazer o mesmo!<\/p>\n Para isso, explicaremos os seguintes pontos que geram mais d\u00favidas sobre Big Data:<\/p>\n[post-table-index]\n Preparado? Vamos come\u00e7ar!<\/p>\n Big Data \u00e9 o conjunto de informa\u00e7\u00f5es presentes nos bancos de dados de servidores e empresas, que pode ser acessado e possui interliga\u00e7\u00f5es entre si.<\/p>\n Ou seja, que est\u00e1 dispon\u00edvel na rede mundial de computadores e pode ser acessado remotamente.<\/p>\n Para ficar mais claro, o Youtube \u00e9 um exemplo de BD, disponibilizando diversos v\u00eddeos presentes em um banco de dados dispon\u00edvel para usu\u00e1rios acessarem.<\/p>\n Outro exemplo \u00e9 Wikip\u00e9dia, com textos dispon\u00edveis em bancos de dados para consultas online. Por\u00e9m, o Big Data n\u00e3o se resume apenas a bancos de dados e informa\u00e7\u00f5es online.<\/strong><\/p>\n Segundo a Lisa Arthur,<\/a> contribuidora da revista Forbes, diversos CMO’s e CIO’s concordam que Big Data \u00e9 todo e qualquer dado que pode ser coletado sobre uma empresa ou um assunto.<\/p>\n \u00c9 uma cole\u00e7\u00e3o de informa\u00e7\u00f5es de fontes tradicionais e digitais internos e externos \u00e0 sua empresa, que representam uma fonte de descoberta e an\u00e1lise cont\u00ednuas.<\/p>\n Apesar de os meios digitais reinarem quando o assunto \u00e9 ac\u00famulo de dados, as grandes empresas afirmam que n\u00e3o devem deixar de lado informa\u00e7\u00f5es de compra e venda, registros financeiros e canais de intera\u00e7\u00e3o n\u00e3o-digitais, como call centers e at\u00e9 telemarketing.<\/p>\n Tudo isso pode ser fonte de dados para ajudar a sua empresa a crescer.<\/p>\n Apesar de o termo Big Data ser relativamente novo, a premissa de reunir e armazenar informa\u00e7\u00f5es \u00e9 consideravelmente antiga.<\/p>\n Pense em bibliotecas, por exemplo!<\/p>\n Por\u00e9m, o conceito ganhou uma abordagem nova no come\u00e7o dos anos 2000, quando Doug Laney <\/a>escreveu um artigo que hoje \u00e9 a defini\u00e7\u00e3o mais conhecida de Big Data.<\/p>\n Doug separou a ideia em 5 V’s que vamos ver logo abaixo.<\/p>\n A crescente dos dados dispon\u00edveis e os modelos just in time de neg\u00f3cio, tornaram indispens\u00e1veis uma forma de an\u00e1lise em tempo real de grandes quantidades de dados.<\/strong><\/p>\n Que \u00e9 a grande diferen\u00e7a entre aplicar a ideia de BD na sua empresa, e armazenar informa\u00e7\u00f5es sem qualquer tipo de organiza\u00e7\u00e3o ou an\u00e1lise.<\/p>\n Atualmente, podemos dividir o Big Data em 5 V’s que formam a base para a implementa\u00e7\u00e3o do conceito em qualquer empresa.<\/p>\n S\u00e3o eles: Volume<\/strong>, Velocidade<\/strong>, Variedade<\/strong>, Variabilidade<\/strong> e V\u00ednculo<\/strong>.<\/p>\n Vamos explicar em detalhes cada um deles abaixo.<\/p>\n Volume \u00e9 o ponto de partida para entender o BD.<\/p>\n Os 2,5 quintilh\u00f5es de dados criados diariamente causa um volume de informa\u00e7\u00f5es impressionante das mais diversas fontes.<\/p>\n Acompanhamento de leads e clientes, redes sociais, intera\u00e7\u00f5es em sites e blogs, hist\u00f3rico de compra, cliques e muito, muito mais.<\/p>\n O volume de informa\u00e7\u00f5es influencia em dois pontos principais: armazenamento e an\u00e1lise.<\/strong><\/p>\n Com a expans\u00e3o di\u00e1ria de servidores, ficou muito mais f\u00e1cil armazenar esses dados, principalmente com a compress\u00e3o de arquivos e possibilidade de disponibiliz\u00e1-lo na nuvem.<\/p>\n J\u00e1 a an\u00e1lise se torna cada vez mais simples, principalmente com o uso de ferramentas pr\u00f3prias para o Big Data.<\/p>\n Dados s\u00e3o transferidos, armazenados e baixados em velocidades alt\u00edssimas!<\/p>\n E n\u00e3o estamos falando da velocidade da sua conex\u00e3o com a internet, mas sim como esse conte\u00fado \u00e9 trabalhado, atualizado e expandido rapidamente.<\/strong><\/p>\n Cada vez mais fontes fornecem dados, o que torna necess\u00e1rio o gerenciamento dessas informa\u00e7\u00f5es em tempo real, de forma \u00e1pida e segura.<\/p>\n Dados aparecem com todas as formas, cores e tamanhos. Podem ser planilhas, dados estruturados, ou somente documentos de texto, v\u00eddeos e imagens.<\/p>\n \u00c9 preciso entender as variedades existentes e como cada uma deve ser analisada e armazenada.<\/p>\n A velocidade e variedade dos dados crescem constantemente, mas, adicionalmente, esses elementos mudam e n\u00e3o s\u00e3o necessariamente consistentes.<\/p>\n Imagine as m\u00eddias sociais, como elas v\u00e3o gerar informa\u00e7\u00f5es de forma regular?<\/strong><\/p>\n Elas s\u00e3o totalmente dependentes das a\u00e7\u00f5es dos usu\u00e1rios e, mesmo parecendo, n\u00e3o ficamos 24 horas por dia conectados na web.<\/p>\n A ideia de variabilidade tamb\u00e9m pode ser aplicada a dados di\u00e1rios, sazonais e relativos a eventos espec\u00edficos, o que gera um grande volume de informa\u00e7\u00f5es e traz desafios no gerenciamento.<\/p>\n Com um volume t\u00e3o grande de dados, \u00e9 muito prov\u00e1vel que voc\u00ea perca o controle de tudo na hora que realmente precisar.<\/p>\n Um dos principais motivos disso \u00e9 a dificuldade de conectar e transformar informa\u00e7\u00f5es atrav\u00e9s de diferentes plataformas.<\/p>\n Portanto, \u00e9 preciso conectar e correlacionar os elementos, criar hierarquias e liga\u00e7\u00f5es m\u00faltiplas para os dados, ou seja, criar v\u00ednculos entre eles.<\/p>\n Voc\u00ea tamb\u00e9m pode se interessar por este conte\u00fado!<\/strong> O volume incrivelmente alto de informa\u00e7\u00f5es gerados diariamente \u2014 e acumulado de outros anos \u2014 passou a ser visto como uma fonte de insights e n\u00e3o s\u00f3 um apanhado de dados.<\/p>\n Logo, foi preciso pensar em um modelo de an\u00e1lise que ajude as empresas a encontrar ideias valiosas no meio de tantos bytes.<\/p>\n O Big Data ajuda empresas a encontrarem oportunidades n\u00e3o s\u00f3 onde elas est\u00e3o claras, mas em correla\u00e7\u00f5es e cruzamento de dados complexos<\/strong>, na decupagem de dados estruturados, n\u00e3o estruturados e multi-estruturados.<\/p>\n \u00c9 muito prov\u00e1vel que voc\u00ea j\u00e1 entendeu a import\u00e2ncia dos dados <\/strong>para Big Data. Afinal, j\u00e1 falamos sobre eles diversas vezes.<\/p>\n Existe mais de um tipo de dado.<\/p>\n Basicamente, qualquer informa\u00e7\u00e3o pode ser definida assim, mas existem diferentes formatos que podem facilitar, dificultar ou direcionar a an\u00e1lise feita pelas empresas.<\/p>\n Os dados s\u00e3o divididos em dois tipos: estruturados e n\u00e3o estruturados. Vamos conhecer um pouco mais sobre cada um deles?<\/p>\n Com o passar dos anos, os bancos de dados passaram a interpretar com mais facilidade dados.<\/p>\n Isso aconteceu muito pelo fato de esses bancos armazenarem informa\u00e7\u00f5es similares, como planilhas, c\u00e1lculos, fun\u00e7\u00f5es e n\u00fameros, o que facilita a forma como esse conte\u00fado \u00e9 analisado.<\/p>\n Por\u00e9m, novos formatos chegaram e eles n\u00e3o s\u00e3o t\u00e3o facilmente interpretados como antes.<\/p>\n Eles s\u00e3o chamados de dados n\u00e3o estruturados<\/strong>, informa\u00e7\u00f5es que n\u00e3o est\u00e3o organizadas ou que n\u00e3o s\u00e3o facilmente entendidas pelos bancos de dados tradicionais<\/strong> e formatos conhecidos de dados.<\/p>\n Geralmente, esses elementos s\u00e3o, predominantemente, textos. Metadata de blogs, imagens, e tu\u00edtes s\u00e3o exemplos de dados n\u00e3o estruturados.<\/p>\n Em contrapartida, existem dados que s\u00e3o facilmente reconhecidos pelos bancos e facilitam a an\u00e1lise e processamento. Eles s\u00e3o chamados de dados estruturados<\/strong> (ou multi-estruturados).<\/p>\n Eles s\u00e3o derivados das intera\u00e7\u00f5es entre pessoas e m\u00e1quinas, como aplica\u00e7\u00f5es na web e m\u00eddias sociais.<\/p>\n Um bom exemplo s\u00e3o dados resultantes do comportamento dos usu\u00e1rios na web \u2014 tamb\u00e9m conhecidos como logs<\/strong>.<\/p>\n \u00c9 uma mistura de texto, imagens e dados estruturados como formul\u00e1rios ou informa\u00e7\u00f5es transacionais.<\/p>\n O avan\u00e7o digital transformou muitos desses dados, trazendo ainda mais formatos para os considerados estruturados.<\/p>\n Com a constante evolu\u00e7\u00e3o das rela\u00e7\u00f5es entre marcas, consumidores e plataformas, a tend\u00eancia \u00e9 que essas informa\u00e7\u00f5es continuem evoluindo e se alterando.<\/p>\n Atualmente, o que faz o Big Data ser t\u00e3o bem-sucedido \u00e9 a sua aplica\u00e7\u00e3o em in\u00fameros contextos. Podemos ver usos da an\u00e1lise de grandes volumes dados para efeitos diversos, muitos deles vinculados \u00e0 gera\u00e7\u00e3o de melhores resultados de lucratividade nas empresas.<\/p>\n A seguir, destrinchamos algumas aplica\u00e7\u00f5es concretas do Big Data. Acompanhe!<\/p>\n O comportamento do usu\u00e1rio pode ser rastreado e coletado com o apoio do Big Data. A equipe pode dispor os dados de forma organizada em dashboards<\/a> para visualiza\u00e7\u00e3o e compartilhamento. A partir do uso de sistemas de analytics, \u00e9 poss\u00edvel intuir determinadas a\u00e7\u00f5es do usu\u00e1rio de acordo com esse comportamento pr\u00e9vio.<\/strong><\/p>\n Com base em hist\u00f3ricos de compras, em intera\u00e7\u00f5es e em sess\u00f5es de atendimento, o sistema pode predizer, por exemplo, a possibilidade de um cliente pedir o cancelamento dos servi\u00e7os contratados.<\/p>\n No Marketing, o Big Data pode ser o combust\u00edvel para a an\u00e1lise preditiva, que busca prever como um cliente vai reagir a determinadas t\u00e1ticas. \u00c9 vi\u00e1vel, por exemplo, amplificar sua mensagem e obter an\u00fancios otimizados para gerar o m\u00e1ximo de convers\u00e3o e de vendas ao estudar quais formas de comunica\u00e7\u00e3o ressoam melhor com o p\u00fablico.<\/p>\n Al\u00e9m de prever, \u00e9 poss\u00edvel personalizar a abordagem para afunilar a comunica\u00e7\u00e3o. Desse modo, a empresa pode satisfazer e fidelizar os seus consumidores, para obter melhores resultados.<\/strong><\/p>\n Na log\u00edstica, o uso de an\u00e1lise de dados ajuda a gerar efici\u00eancia na defini\u00e7\u00e3o das melhores rotas para levar um produto de A a B. \u00c9 poss\u00edvel otimizar o transporte e gerenciar melhor os riscos nessa frente. Da mesma forma, a empresa consegue antecipar demandas para preparar os seus estoques.<\/p>\n Na sa\u00fade, existe uma longa frente tecnol\u00f3gica que adota solu\u00e7\u00f5es de Big Data. Uma delas busca prever doen\u00e7as nas pessoas com base em uma s\u00e9rie de dados hist\u00f3ricos, de monitoramento. Al\u00e9m disso, \u00e9 poss\u00edvel detectar as chances de algum quadro cl\u00ednico ocorrer de acordo com padr\u00f5es de outras doen\u00e7as envolvendo caracter\u00edsticas de cada paciente.<\/p>\n Nesse nicho, \u00e9 importante destacar a presen\u00e7a da internet das coisas, IoT. Os dispositivos da IoT conseguem monitorar e acompanhar as condi\u00e7\u00f5es de um paciente, gerando uma quantidade significativa de dados <\/strong>que podem ser analisados. <\/p>\n Portanto, a IoT produz informa\u00e7\u00f5es que devem ser enviados a sistemas anal\u00edticos que ajudam no tratamento e controle de doen\u00e7as.<\/p>\n Com dados diversos acerca de opera\u00e7\u00f5es financeiras e poss\u00edveis ocorr\u00eancias de fraudes, torna-se vi\u00e1vel detectar esses riscos e antecip\u00e1-los de forma proativa. <\/p>\n Dessa forma, quaisquer sinais que indicam a possibilidade de uma atividade fraudulenta j\u00e1 levantam um alerta para a empresa, que pode agir de forma preventiva<\/strong> para combater as consequ\u00eancias.<\/p>\n Outro uso do Big Data associado ao varejo ou ao marketing \u00e9 em sistemas de recomenda\u00e7\u00e3o. <\/p>\n Nesse caso, s\u00e3o coletados dados variados acerca dos usu\u00e1rios e de suas prefer\u00eancias, de modo a gerar recomenda\u00e7\u00f5es para pessoas semelhantes. <\/strong><\/p>\n O sistema anal\u00edtico chega a uma probabilidade para indicar algo a algu\u00e9m, que pode ser um produto ou um filme a ser assistido. \u00c9 o mecanismo utilizado pela Netflix nas telas iniciais de cada usu\u00e1rio!<\/p>\n Podemos mencionar tamb\u00e9m o uso de sistemas que processam e analisam dados para chegar a uma otimiza\u00e7\u00e3o din\u00e2mica de pre\u00e7os. <\/p>\n Assim, em vez de somente definir valores est\u00e1ticos, o sistema consegue analisar quest\u00f5es da concorr\u00eancia, prefer\u00eancias do usu\u00e1rio, contexto socioecon\u00f4mico e outras vari\u00e1veis para mudar o pre\u00e7o sempre que for necess\u00e1rio. Essas a\u00e7\u00f5es s\u00e3o feitas para maximizar as vendas e a lucratividade em tempo real.<\/p>\n Os assistentes virtuais s\u00e3o um \u00f3timo exemplo de como transformar os dados em aplica\u00e7\u00f5es inteligentes. Nesse sentido, s\u00e3o coletados dados de intera\u00e7\u00f5es com o usu\u00e1rio para an\u00e1lise de sistemas anal\u00edticos que geram um resultado capaz de dialogar e interagir de maneira espont\u00e2nea com os clientes. <\/p>\n \u00c9 vi\u00e1vel ainda personalizar a abordagem de comunica\u00e7\u00e3o de acordo com a conversa e transmitir emo\u00e7\u00f5es variadas, que sejam coerentes com o tom de voz da marca e o perfil do cliente ideal.<\/p>\n Tamb\u00e9m associada com a IoT, a manuten\u00e7\u00e3o preditiva se destaca por oferecer novamente uma capacidade preventiva para as empresas. <\/p>\n Com a an\u00e1lise dos sensores, \u00e9 poss\u00edvel coletar uma quantidade enorme de dados para processamento. Uma vez que esses dados s\u00e3o coletados, a empresa \u00e9 capaz de fazer reparos inteligentes antes que determinada m\u00e1quina pare de funcionar.<\/strong><\/p>\n As aplica\u00e7\u00f5es que mencionamos anteriormente combinam Big Data, Machine Learning e Intelig\u00eancia Artificial<\/a>. \u00c9 preciso, portanto, saber a diferen\u00e7a principal entre esses conceitos e a rela\u00e7\u00e3o entre eles. <\/p>\n Basicamente, o que chamamos de Big Data (dados estruturados ou n\u00e3o, em grande volume, gerados rapidamente e com formatos variados) \u00e9 a base para os treinamentos de modelos de Machine Learning (ML)<\/strong>. <\/p>\n Todo sistema de ML precisa de um treinamento, seja ele supervisionado, n\u00e3o supervisionado ou por refor\u00e7o. Dessa forma, \u00e9 preciso uma etapa anterior ao seu funcionamento para \u201censinar\u201d o modelo.<\/p>\n Esse treinamento \u00e9 feito com base em dados diversos. Quanto maior a complexidade do nosso problema de ML, maior deve ser essa base. Com os sistemas de ML modernos, temos a vantagem de poder coletar dados em diferentes formatos, j\u00e1 que os algoritmos aceitam uma variedade maior de op\u00e7\u00f5es.<\/strong><\/p>\n Assim, podemos coletar uma tabela estruturada do Excel ou tweets do Twitter tranquilamente. Esses dados s\u00e3o logo preparados, convertidos e transformados para servir como base para o treinamento do modelo inteligente.<\/p>\n Ou seja, com as bibliotecas e as ferramentas de manipula\u00e7\u00e3o, conseguimos lidar com dados de todos os tipos, n\u00e3o somente os relacionais e estruturados. Por isso, o ML gerencia perfeitamente os dados que chamamos de Big Data.<\/p>\n Dentro do conceito de Machine Learning, temos um tipo espec\u00edfico de algoritmo chamado de redes neurais. Al\u00e9m disso, existe um meio mais complexo de rede neural que \u00e9 chamado de deep learning, que \u00e9 caracterizado por precisar de ainda mais dados para o seu treinamento. Por isso, se alimenta tamb\u00e9m do Big Data.<\/p>\n O machine learning, por sua vez, \u00e9 um subcampo da Intelig\u00eancia Artificial (IA)<\/strong>, que praticamente monopolizou o debate sobre IA nos \u00faltimos anos. Al\u00e9m disso, \u00e9 um dos meios mais modernos e bem-sucedidos da IA.<\/p>\n Como uma das caracter\u00edsticas do Big Data \u00e9 a sua natureza constantemente mut\u00e1vel, temos que abordar tamb\u00e9m a quest\u00e3o do MLOps e do pipeline de dados. <\/p>\n Nesse tipo de projeto, o modelo \u00e9 retreinado sempre que houver uma atualiza\u00e7\u00e3o nos dados, de modo a manter a acur\u00e1cia das predi\u00e7\u00f5es e a consist\u00eancia dos resultados. Isso \u00e9 feito de forma autom\u00e1tica, acompanhando a volatilidade das fontes de entrada.<\/strong><\/p>\n N\u00e3o se engane, marketing (e vendas) podem se beneficiar do Big Data tanto quanto qualquer outro setor. Talvez at\u00e9 mais do que qualquer outro!<\/p>\n Isso acontece porque empresas que baseiam seu marketing em dado<\/strong>s \u2014 tamb\u00e9m conhecido como data-driven marketing<\/strong> \u2014 dominam o mercado, sem sombra de d\u00favidas.<\/p>\n Os times de marketing mais eficientes s\u00e3o aqueles que colhem as informa\u00e7\u00f5es recolhidas atrav\u00e9s das leads, do comportamento dos usu\u00e1rios e das experi\u00eancias do time, e as transformam em a\u00e7\u00f5es que ajudam a alcan\u00e7ar resultados.<\/p>\n Separamos 5 aspectos do marketing que s\u00e3o favorecidos com o uso de Big Data. Confira!<\/p>\n Empresas que tomam decis\u00f5es a partir de dados s\u00e3o mais felizes.<\/strong><\/p>\n \u00c9 verdade!<\/p>\n Elas s\u00e3o mais felizes por que essas resolu\u00e7\u00f5es s\u00e3o baseadas em an\u00e1lises, dados e relatos que ajudam na sua efici\u00eancia.<\/p>\n Uma decis\u00e3o tem mais chances de trazer os resultados esperados quando \u00e9 baseada em dados<\/strong> que comprovam sua efici\u00eancia projetada.<\/p>\n Uma pesquisa da KPMG Capital<\/a> mostrou que 99% dos entrevistados acreditam no Big Data como importante parte da tomada de decis\u00e3o.<\/p>\n Por\u00e9m, 85% deles alegam que t\u00eam dificuldade em interpretar os dados e apenas 25% aplicam os insights obtidos atrav\u00e9s da an\u00e1lise.<\/p>\n Logo, \u00e9 preciso de um profissional capacitado para interpretar devidamente as informa\u00e7\u00f5es e ajudar a empresa a tomar as decis\u00f5es certas.<\/p>\n Para essa interpreta\u00e7\u00e3o, as ferramentas s\u00e3o t\u00e3o importantes quanto os profissionais.<\/p>\n Em sua maioria, s\u00e3o plataformas de organiza\u00e7\u00e3o e decupagem de dados, que facilitam a infer\u00eancia deles em um futuro pr\u00f3ximo.<\/p>\n A intui\u00e7\u00e3o e experi\u00eancia dos profissionais direcionou empresas ao sucesso.<\/p>\n Mas nem sempre o caminho foi t\u00e3o tranquilo assim. Muitos erros, testes e dinheiro foram gastos no processo.<\/p>\n Muito disso aconteceu porque n\u00e3o \u00e9 poss\u00edvel adivinhar o que o seu p\u00fablico quer e o Big Data \u00e9 uma m\u00e3o na roda nessa hora.<\/p>\n As personas \u2014 perfis semificcionais \u2014 s\u00e3o indispens\u00e1veis para uma estrat\u00e9gia de marketing digital de qualidade, e para criar boas personas voc\u00ea precisa ter informa\u00e7\u00f5es s\u00f3lidas sobre o que elas gostam, onde est\u00e3o presentes e qual conte\u00fado desejam consumir.<\/p>\n Nessa hora, encontrar padr\u00f5es de comportamento entre os clientes da sua empresa e como eles atuam dentro do mercado seria bem interessante, n\u00e3o \u00e9 mesmo?<\/p>\n An\u00e1lises descritivas de eventos, correla\u00e7\u00f5es e ideias geradas a partir dos dados<\/strong> s\u00e3o as fontes de conhecimento que o Big Data fornece para a sua estrat\u00e9gia de marketing.<\/p>\n A tomada de decis\u00e3o de compra pode ser um grande mist\u00e9rio.<\/p>\n O que leva uma pessoa a escolher a sua empresa?<\/p>\n Os motivos podem ser v\u00e1rios e se voc\u00ea est\u00e1 envolvido no mundo do trade marketing<\/a>, venda direta ou marketing multin\u00edvel, Big Data pode ser a sua melhor amiga \u2014 e talvez voc\u00ea nem saiba.<\/p>\n Analisar esses dados ajuda o seu neg\u00f3cio a encontrar os melhores meios de distribui\u00e7\u00e3o para os produtos, t\u00e9cnicas de PDV (ponto de venda) e fornecer a experi\u00eancia de compra que o cliente espera.<\/p>\n Em mercados multin\u00edvel, existe uma demanda grande por personaliza\u00e7\u00e3o por parte do cliente e voc\u00ea precisa de conhecimento estrat\u00e9gico para atender as necessidades da sua persona.<\/p>\n No in\u00edcio do Big Data, as fontes de dados estavam limitadas a informa\u00e7\u00f5es geradas por algumas empresas em alguns programas.<\/p>\n Claramente, n\u00f3s vimos como o volume de refer\u00eancias aumentou exponencialmente ao longo dos anos. E isso n\u00e3o \u00e9 nem um pouco negativo.<\/strong><\/p>\n Claro, agora, \u00e9 preciso ser um especialista para conseguir as estat\u00edsticas realmente relevantes a partir dos dados dispon\u00edveis, mas, ao mesmo tempo, a variedade desses elementos \u00e9 cada vez maior.<\/p>\n Twitter<\/a>, Facebook<\/a>, Instagram <\/a>e diversos aplicativos fornecem dados diariamente.<\/p>\n Um varejista pode utilizar dados meteorol\u00f3gicos para comprar os produtos certos na hora certa.<\/p>\n Um organizador de eventos pode escolher a melhor data para uma a\u00e7\u00e3o atrav\u00e9s da previs\u00e3o do tempo, e assim por diante.<\/p>\n Todas as fontes de informa\u00e7\u00e3o ajudam a sua empresa a tomar as melhores decis\u00f5es, encontrar as melhores solu\u00e7\u00f5es para seus clientes e impulsionar as vendas.<\/strong><\/p>\n Os logs da web foram expandidos e se tornaram o conte\u00fado das redes sociais, dados de ferramentas de BI (Business Intelligence), relat\u00f3rios, indicadores macroecon\u00f4micos e muito mais.<\/p>\n Cada vez mais fontes fornece informa\u00e7\u00f5es relevantes para empresas.<\/p>\n A nossa velha conhecida automa\u00e7\u00e3o de marketing n\u00e3o \u00e9 s\u00f3 indispens\u00e1vel para estrat\u00e9gias de marketing de conte\u00fado e inbound marketing<\/a> de sucesso.<\/p>\n Elas s\u00e3o mais fontes de dados e tamb\u00e9m fazem an\u00e1lises interessantes para as empresas.<\/p>\n Se pensarmos bem, as plataformas de automa\u00e7\u00e3o armazenam informa\u00e7\u00f5es sobre o usu\u00e1rio, caracter\u00edsticas de comportamento, e at\u00e9 m\u00e9tricas de rendimento de campanhas e a\u00e7\u00f5es.<\/p>\n Logo, \u00e9 mais uma parte do Big Data altamente relevante para a sua empresa.<\/p>\n Al\u00e9m disso, s\u00e3o ferramentas com muitas integra\u00e7\u00f5es e que te ajudam a ter uma vis\u00e3o cada vez mais ampla do material que voc\u00ea tem dispon\u00edvel para an\u00e1lise.<\/p>\n <\/a><\/p>\n Com certeza voc\u00ea j\u00e1 percebeu que \u00e9 preciso analisar para crescer. Ali\u00e1s, foi esse fato que motivou tanto o crescimento do conceito de Big Data.<\/p>\n Logo, o lado analista n\u00e3o pode ser deixado de lado.<\/p>\n Big Data \u00e9 o conjunto dos dados dentro dos bancos, j\u00e1 Big Data Analytics \u00e9 colocar a m\u00e3o na massa e encontrar os insights<\/strong> sobre tend\u00eancias do mercado, comportamento dos consumidores e suas expectativas.<\/p>\n O que \u00e9 o analytics faz \u00e9 pegar todas as fontes de dados que n\u00f3s j\u00e1 vimos anteriormente \u2014 a mat\u00e9ria-prima de tudo \u2014 e criar as correla\u00e7\u00f5es, infer\u00eancias e v\u00ednculos entre as informa\u00e7\u00f5es.<\/p>\n Assim, \u00e9 poss\u00edvel encontrar as m\u00e9tricas relevantes para a sua empresa, usar n\u00fameros para tomar decis\u00f5es e criar estrat\u00e9gias mais eficientes.<\/p>\n Padr\u00f5es s\u00e3o bem importantes.<\/p>\n Os padr\u00f5es da sua audi\u00eancia te ajudam a montar a sua persona, usu\u00e1rios que se comportam de forma similar e se tornam clientes d\u00e3o insights sobre as a\u00e7\u00f5es que voc\u00ea deve executar para conquistar mais clientes desse tipo.<\/p>\n O remarketing<\/a> \u00e9 um bom exemplo desses padr\u00f5es e an\u00e1lises. Depois de se interessar por um livro, quantas ofertas semelhantes voc\u00ea j\u00e1 recebeu ap\u00f3s isso?<\/p>\n Essa \u00e9 uma das aplica\u00e7\u00f5es do conhecimento obtido atrav\u00e9s desse diagn\u00f3stico.<\/p>\n Conhecer e entender o que a sua concorr\u00eancia est\u00e1 fazendo \u00e9 bem importante para o sucesso do seu neg\u00f3cio.<\/p>\n N\u00e3o necessariamente voc\u00ea vai atacar todos os seus competidores, mas a verdadeira vantagem est\u00e1 em aprender com os erros deles.<\/p>\n A an\u00e1lise de dados \u00e9 uma excelente ferramenta para encontrar os melhores caminhos \u00e0 serem percorridos<\/strong>, tomando como base as a\u00e7\u00f5es dos seus concorrentes que n\u00e3o apresentaram os resultados esperados.<\/p>\n Grande parte desses insights vem do comportamento do seu p\u00fablico e te ajuda a criar promo\u00e7\u00f5es espec\u00edficas para o seu mercado.<\/p>\n M\u00e9tricas s\u00e3o importantes para ambos os times.<\/p>\n O marketing precisa entender quais a\u00e7\u00f5es est\u00e3o gerando mais resultados \u2014 gerando mais leads, quais tem o melhor ROI<\/a> quais atraem mais tr\u00e1fego \u2014 e o time de vendas precisa encontrar as a\u00e7\u00f5es e processos que convertem mais leads em clientes.<\/p>\n A an\u00e1lise j\u00e1 faz parte do dia a dia da maioria desses times e se n\u00e3o faz parte dos times da sua empresa, \u00e9 hora de come\u00e7ar!<\/p>\n Big Data ajuda as empresas a entender padr\u00f5es de comportamento e de respostas \u00e0s a\u00e7\u00f5es realizadas.<\/strong><\/p>\n Muitas empresas usam essa an\u00e1lise para reduzir o seu Custo de Aquisi\u00e7\u00e3o por Cliente (CAC)<\/a>, customer lifetime value<\/a> (CLTV), otimizar pre\u00e7os, descontos e muito, muito mais.<\/p>\n O segredo das empresas de sucesso \u00e9 tornar o Big Data Analytics uma parte ativa do cotidiano dos times.<\/p>\n O Walmart critou o Walmart Labs,<\/a> que ajuda a empresa a criar ferramentas de relacionamento com o p\u00fablico atrav\u00e9s dos dados colhidos sobre os clientes.<\/p>\n O MIT utilizou o MIT Media Lab para mapear quantas pessoas se encontravam no maior centro de compras dos EUA em um determinado momento, durante a Black Friday.<\/p>\n A Nike utiliza o seu app de corrida para incentivar seus usu\u00e1rios a praticarem esportes e compartilharem nas redes sociais, e ainda recolhe diversas informa\u00e7\u00f5es relevantes para o neg\u00f3cio.<\/p>\n Bem interessante, n\u00e3o \u00e9?<\/p>\n A ideia de Big Data procura transformar tudo o que as empresas coletam no dia a dia de seus clientes \u2014 em forma de dados e informa\u00e7\u00f5es \u2014 em oportunidades valiosas para o neg\u00f3cio.<\/p>\n Afinal, com tanto conte\u00fado dispon\u00edvel, tanto dos seus pr\u00f3prios clientes quanto de visitantes e desconhecidos, n\u00e3o aproveitar essa chance de melhorar a sua empresa realmente n\u00e3o \u00e9 a melhor op\u00e7\u00e3o.<\/p>\n Clicando aqui <\/a>voc\u00ea pode ler sobre como o Big Data pode ser usado para automatizar a produ\u00e7\u00e3o de conte\u00fado!<\/p>\n O poder de analisar cada vez mais criou oportunidades para mais profissionais anal\u00edticos no mercado, mas que tamb\u00e9m precisam conhecer o segmento do neg\u00f3cio e, ainda mais importante, entender como aplicar o que foi aprendido na empresa.<\/p>\n Voc\u00ea n\u00e3o precisa fazer parte de uma grande empresa para aplicar a ideia do Big Data.<\/strong><\/p>\n Ferramentas gratuitas como o Google Analytics e at\u00e9 mesmo outras de gerenciamento de redes sociais, email marketing e automa\u00e7\u00e3o de marketing podem render insights interessantes.<\/p>\n Tanto que um dos principais pontos de qualquer estrat\u00e9gia de an\u00e1lise de qualidade \u00e9 exportar os relat\u00f3rios certos.<\/p>\n Ent\u00e3o separamos para voc\u00ea um post especial com os 13 tipos de relat\u00f3rios de Analytics que todo profissional de marketing deve acompanhar<\/a>. Boa leitura e at\u00e9 a pr\u00f3xima!<\/p>\nO que \u00e9 Big Data<\/h2>\n
Qual a hist\u00f3ria do Big Data<\/h2>\n
![\"Marketing](\"https:\/\/mlgzkyrbq6eh.i.optimole.com\/cb:AiM1.588\/w:auto\/h:auto\/q:mauto\/f:best\/https:\/\/pingback.com\/br\/resources\/wp-content\/uploads\/2018\/05\/Marketing-de-Conteudo-e-Dados.png\")
<\/a><\/figure>\n<\/div>\nO que s\u00e3o os 5 V\u2019s do Big Data<\/h2>\n
Volume<\/h3>\n
Velocidade<\/h3>\n
Variedade<\/h3>\n
Variabilidade<\/h3>\n
V\u00ednculo<\/h3>\n
\n Marketing Analytics: o que \u00e9 e como basear sua estrat\u00e9gia em dados?<\/a><\/p>\nPor que Big Data foi criado<\/h2>\n
Como interpretar dados<\/h2>\n
Dados n\u00e3o estruturados<\/h3>\n
Dados estruturados (ou multi-estruturados)<\/h3>\n
![\"Transformacao](\"https:\/\/mlgzkyrbq6eh.i.optimole.com\/cb:AiM1.588\/w:auto\/h:auto\/q:mauto\/f:best\/https:\/\/pingback.com\/br\/resources\/wp-content\/uploads\/2016\/08\/Transformacao-Digital-e-Marketing.png\")
<\/a><\/figure>\n<\/div>\nQuais s\u00e3o as aplica\u00e7\u00f5es do Big Data em diferentes setores?<\/h2>\n
Comportamento do usu\u00e1rio<\/h3>\n
Log\u00edstica<\/h3>\n
Sa\u00fade<\/h3>\n
Detec\u00e7\u00e3o de fraudes<\/h3>\n
Sistemas de recomenda\u00e7\u00e3o<\/h3>\n
Otimiza\u00e7\u00e3o de pre\u00e7os<\/h3>\n
Assistentes virtuais<\/h3>\n
Manuten\u00e7\u00e3o preditiva<\/h3>\n
Qual a rela\u00e7\u00e3o entre Big Data, Machine Learning e Intelig\u00eancia Artificial?<\/h2>\n
Deep learning<\/h3>\n
Rela\u00e7\u00e3o com a intelig\u00eancia artificial<\/h3>\n
MLOps<\/h3>\n
Big Data e Marketing: como se conectam?<\/h2>\n
Interpreta\u00e7\u00e3o de dados<\/h3>\n
An\u00e1lises de mercado<\/h3>\n
Experi\u00eancia de compra<\/h3>\n
Mais fontes de dados para a sua empresa<\/h3>\n
Automa\u00e7\u00e3o de marketing<\/h3>\n
O que \u00e9 Big Data Analytics<\/h2>\n
Identificando padr\u00f5es<\/h3>\n
Concorr\u00eancia<\/h3>\n
![\"Analise](\"https:\/\/mlgzkyrbq6eh.i.optimole.com\/cb:AiM1.588\/w:auto\/h:auto\/q:mauto\/f:best\/https:\/\/pingback.com\/br\/resources\/wp-content\/uploads\/2018\/05\/Analise-Concorrentes-Digitais.png\")
<\/a><\/figure>\n<\/div>\nBig data analytics no marketing e vendas<\/h3>\n
Conclus\u00e3o<\/h2>\n
![\"growth](\"https:\/\/mlgzkyrbq6eh.i.optimole.com\/cb:AiM1.588\/w:auto\/h:auto\/q:mauto\/f:best\/https:\/\/pingback.com\/br\/resources\/wp-content\/uploads\/2016\/02\/growth-hacking-para-inbound-marketers.png\")
<\/a><\/figure>\n<\/div>\n","protected":false},"excerpt":{"rendered":"