Por conta dessa maior democratiza\u00e7\u00e3o, hoje precisamos conversar sobre o Big Data Analytics \u2014 tirar o termo do pedestal da especializa\u00e7\u00e3o e levar a conversa pra todo mundo. <\/p>\n\n\n\n
Vamos entender o que \u00e9 o Big Data Analytics, sua rela\u00e7\u00e3o com o marketing e quais s\u00e3o os avan\u00e7os que a IA est\u00e1 trazendo para o campo. <\/p>\n\n\n\n
Vamos juntos? <\/p>\n\n\n\n
Para come\u00e7ar: o que \u00e9 Big Data?<\/h2>\n\n\n\n![\"\"](\"https:\/\/leadster.com.br\/blog\/wp-content\/uploads\/2022\/12\/Como-fazer-um-pos-venda-com-mais-dados.webp\")
<\/figure>\n\n\n\nS\u00f3 para contextualizar: o conceito de Big Data n\u00e3o \u00e9 para todas as empresas e nem para todos os segmentos de mercado. <\/p>\n\n\n\n
Normalmente, as empresas que lidam com algum aspecto de Big Data s\u00e3o empresas maiores, bem maiores, que precisam lidar com uma grande quantidade de informa\u00e7\u00e3o. <\/p>\n\n\n\n
Ou que, na verdade, nem precisam <\/em>lidar com essa grande quantidade de informa\u00e7\u00f5es: elas buscam data sets <\/em><\/strong>grandes para ter uma maior vantagem competitiva.<\/strong><\/p>\n\n\n\nA defini\u00e7\u00e3o de Big Data \u00e9 justamente essa: data sets <\/em>t\u00e3o grandes que eles acabam n\u00e3o podendo ser processados e organizados em um sistema comum, nem por analistas sozinhos. <\/p>\n\n\n\nO conceito de Big Data est\u00e1 muito relacionado com o de Business Intelligence<\/a>. Foi a IBM que cunhou o termo no final dos anos 50, determinando a atividade como:\u00a0<\/p>\n\n\n\n\n\u201cA habilidade de entender a interrela\u00e7\u00e3o dos fatos apresentados de forma a guiar as a\u00e7\u00f5es buscando um objetivo determinado\u201d \u2014 IBM, <\/em>veja mais na Hist\u00f3ria do Big Data.<\/em><\/a><\/p>\n<\/blockquote>\n\n\n\nVamos para um exemplo pr\u00e1tico? Antes da Web 2.0, que inclusive \u00e9 o momento hist\u00f3rico que estamos vivendo hoje, era imposs\u00edvel armazenar informa\u00e7\u00f5es detalhadas sobre todos os clientes do site. <\/strong><\/p>\n\n\n\nSimplesmente por uma falta de estrutura\u00e7\u00e3o de dados. Simplificando muito, era como se cada arquivo de perfil de cliente fosse muito grande. <\/p>\n\n\n\n
Lidar com esses arquivos fica ainda mais dif\u00edcil considerando e-commerces enormes, que fazem dezenas de milhares de vendas por m\u00eas. <\/p>\n\n\n\n
A partir de 2011 \u2014 \u00e9 recente assim mesmo! \u2014 um novo framework surgiu: o Hadoop. Ele era open source<\/em>, o que permitiu mais pesquisas e desenvolvimentos na \u00e1rea, culminando nos softwares de Business Intelligence \u2014 inclusive com IA <\/a>\u2014 que temos hoje.\u00a0<\/p>\n\n\n\nFicou tranquilo entender o que \u00e9 Big Data? Espero que sim, mas ainda temos mais alguns pontos para elucidar que v\u00e3o te ajudar a entender ainda mais. <\/p>\n\n\n\n
S\u00e3o os tr\u00eas V\u2019s do Big Data. Depois que conversarmos sobre eles, vamos estar muito bem entendidos sobre o que o conceito realmente significa.<\/strong><\/p>\n\n\n\nDepois disso, j\u00e1 vamos poder passar para o que \u00e9 \u2014 e como fazer \u2014 Big Data Analytics. <\/p>\n\n\n\n
Me acompanhe: <\/p>\n\n\n\n
Os tr\u00eas Vs do Big Data <\/h3>\n\n\n\n
Para entender o que realmente \u00e9 considerado Big Data, os tr\u00eas Vs servem como uma \u00f3tima ferramenta de guia. <\/p>\n\n\n\n
Esses Vs servem para formalizar que tipos de dados s\u00e3o entendidos como Big Data, e tamb\u00e9m nos d\u00e3o o caminho das pedras para come\u00e7ar a entender qual \u00e9 o tratamento que eles recebem. <\/p>\n\n\n\n
Os tr\u00eas Vs do Big Data s\u00e3o: <\/strong><\/p>\n\n\n\n\n- Volume: <\/strong>o Big Data, como conceito e tamb\u00e9m aplicado como estrat\u00e9gia atrav\u00e9s do Big Data Analytics, lida com uma quantidade enorme de dados. Demos o exemplo do e-commerce antes, mas podemos pensar em outros: hist\u00f3rico de intera\u00e7\u00f5es e men\u00e7\u00f5es \u00e0 sua marca no Twitter, por exemplo. Ou clickstreams de um site, dados de sensores industriais etc.;
<\/li>\n\n\n\n- Velocidade: <\/strong>se refere \u00e0 velocidade que esses dados chegam. Eles precisam ser armazenados com a mesma velocidade que eles chegam, para evitar gargalos nos servidores e nos sistemas. Normalmente, esse V est\u00e1 relacionado com o armazenamento das informa\u00e7\u00f5es na mem\u00f3ria local ao inv\u00e9s do disco, que \u00e9 um processo mais lento. Esse \u00e9 um ponto bem t\u00e9cnico;
<\/li>\n\n\n\n- Variedade: <\/strong>esse \u00e9 o grande \u201cpega\u201d do Big Data: a maioria dos dados considerados como Big Data n\u00e3o s\u00e3o estruturados \u2014 ou seja, eles n\u00e3o se encaixam nos frameworks vigentes, como o Google Analytics<\/a>, por exemplo. Pense em texto, v\u00eddeo, \u00e1udios etc. Dados estruturados seriam \u201cquantidade de coment\u00e1rios\u201d, enquanto o que os coment\u00e1rios est\u00e3o dizendo <\/em>s\u00e3o dados n\u00e3o estruturados. Por conta dessa caracter\u00edstica, parte do trabalho e da dificuldade do Big Data \u00e9 fazer um pr\u00e9-processamento e criar estruturas novas para esses dados.\u00a0<\/li>\n<\/ul>\n\n\n\n
\u27a1\ufe0f Leia tamb\u00e9m: <\/em>30 KPIs de Vendas, Marketing e CS que os L\u00edderes Querem ver no seu Dashboard<\/em><\/a><\/pre>\n\n\n\nEntendemos, ent\u00e3o, que o que pode ser considerado Big Data? <\/p>\n\n\n\n
Basicamente, s\u00e3o dados n\u00e3o estruturados, extremamente variados, que chegam com muita velocidade e que precisam ser interpretados tamb\u00e9m com muita velocidade, para garantir acompanhamento em tempo real no seu Dashboard<\/a>.\u00a0<\/p>\n\n\n\nE claro: tudo em um grande volume. <\/p>\n\n\n\n
\u00c9 por isso que deixamos claro logo no come\u00e7o do texto que n\u00e3o s\u00e3o todas as empresas que v\u00e3o sequer entrar em contato com o Big Data.<\/p>\n\n\n\n
A maioria dos dados captados no marketing digital convencional s\u00e3o dados estruturados. E os que n\u00e3o s\u00e3o podem ser estruturados atrav\u00e9s de eventos do Google Analytics<\/a>.<\/p>\n\n\n\nTudo certo at\u00e9 aqui? Ent\u00e3o agora vamos para a parte principal do texto: o que \u00e9 exatamente o Big Data Analytics? <\/strong><\/p>\n\n\n\nO que \u00e9 Big Data Analytics?<\/h2>\n\n\n\n![\"Intelig\u00eancia](\"https:\/\/leadster.com.br\/blog\/wp-content\/uploads\/2023\/03\/Inteligencia-artificial-para-analisar-dados.webp\")
<\/figure>\n\n\n\nComo voc\u00ea deve estar imaginando, Big Data Analytics \u00e9 o trabalho de captar os dados de Big Data e analis\u00e1-los da melhor forma poss\u00edvel.<\/p>\n\n\n\n
\u00c9 uma das partes do trabalho de Business Intelligence, que busca armazenar e interpretar esses dados para poder tomar a\u00e7\u00f5es que aproximem a marca dos seus objetivos de neg\u00f3cio. <\/p>\n\n\n\n
O mais importante do Big Data \u00e9, de longe, a interpreta\u00e7\u00e3o que os dados recebem. <\/strong><\/p>\n\n\n\n\u00c9 s\u00f3 atrav\u00e9s dessas interpreta\u00e7\u00f5es que podemos usar esse conhecimento para algo que fa\u00e7a sentido para a marca. <\/p>\n\n\n\n
Um exemplo para deixar mais claro: uma empresa resolve catalogar todas as men\u00e7\u00f5es ao seu nome no Twitter. <\/p>\n\n\n\n
\ud83e\udd13 Leia tamb\u00e9m:\u00a0 <\/em>Twitter Marketing: Como Fazer ou Vender na Ag\u00eancia<\/em><\/a><\/pre>\n\n\n\nAo longo desse t\u00f3pico, trouxe alguns itens que v\u00e3o nos ajudar a entender melhor o que \u00e9 Big Data Analytics e como esse trabalho \u00e9 feito. <\/p>\n\n\n\n
Olha s\u00f3: <\/p>\n\n\n\n
Quais s\u00e3o os tipos de dados que o Big Data Analytics analisa? <\/h3>\n\n\n\n
No mundo da an\u00e1lise de dados para o marketing digital, existem tr\u00eas grandes categorias: <\/p>\n\n\n\n
\n- Dados estruturados:<\/strong> que s\u00e3o captados para caber dentro de um framework espec\u00edfico. A quantidade de visitantes de um site dentro do Google Analytics, por exemplo, \u00e9 um dado estruturado, pois o GA4 tem uma estrutura criada para capt\u00e1-los e armazen\u00e1-los. Ou uma lista de leads qualificados, que voc\u00ea consegue exportar de um software de automa\u00e7\u00e3o de marketing<\/a> para outro sem problemas;
<\/li>\n\n\n\n- Dados semi estruturados: <\/strong>um site, por exemplo, \u00e9 um dado semi-estruturado. Ele pode ser analisado dentro de um framework, mas para que isso aconte\u00e7a, \u00e9 necess\u00e1rio criar esse framework antes. Eles est\u00e3o estruturados porque seguem um padr\u00e3o \u2014 no caso do site, o padr\u00e3o HTML, CSS, JavaScript etc. \u2014 mas n\u00e3o seguem um padr\u00e3o de an\u00e1lise simples; <\/li>\n<\/ul>\n\n\n\n
\n- Dados n\u00e3o estruturados:<\/strong> s\u00e3o dados que n\u00e3o est\u00e3o em nenhum framework nem seguem uma l\u00f3gica. V\u00eddeos no TikTok, por exemplo, s\u00f3 t\u00eam em comum seu formato. Coment\u00e1rios no Instagram s\u00f3 t\u00eam em comum o fato de serem textos. O dado \u00e9 o que o v\u00eddeo diz, o que o coment\u00e1rio expressa. Esses dados s\u00e3o os mais importantes para o Big Data Analytics, mas eles n\u00e3o s\u00e3o estruturados e precisam ser processados pelo framework de Big Data \u2014 ou seja, eles v\u00e3o ser estruturados dentro do sistema. <\/li>\n<\/ul>\n\n\n\n
Como funciona o Big Data Analytics na pr\u00e1tica? <\/h3>\n\n\n\n
O trabalho do Big Data Analytics est\u00e1 em conseguir analisar todos esses dados, desde os estruturados at\u00e9 os n\u00e3o estruturados, com a mesma efici\u00eancia e velocidade. <\/p>\n\n\n\n
Pense em um computador simples, o notebook que voc\u00ea est\u00e1 usando para ler esse texto agora, por exemplo. <\/p>\n\n\n\n
Voc\u00ea consegue abrir uma planilha com 20.000 c\u00e9lulas sem o menor problema. 40.000 c\u00e9lulas j\u00e1 \u00e9 um pouco demais. 100.000 j\u00e1 vai causar lentid\u00e3o. <\/p>\n\n\n\n
E essa planilha \u00e9 apenas de dados estruturados, normalmente s\u00f3 texto, informa\u00e7\u00e3o crua. <\/p>\n\n\n\n
Agora imagine que, ao mesmo tempo, seu notebook precisa organizar esses dados e interpretar todos os dados n\u00e3o estruturados \u2014 v\u00eddeos, coment\u00e1rios etc.<\/p>\n\n\n\n
Voc\u00ea vai precisar de um PC da NASA para fazer isso. O funcionamento do Big Data Analytics \u2014 aqui pensando tanto no conceito quanto no hardware e nos softwares \u2014 procura justamente permitir que essa an\u00e1lise aconte\u00e7a. <\/p>\n\n\n\n
Isso acontece em quatro etapas distintas: <\/p>\n\n\n\n
\n- Capta\u00e7\u00e3o: <\/strong>o software de Big Data Analytics precisa ser capaz de captar as informa\u00e7\u00f5es. Isso \u00e9 feito muitas vezes atrav\u00e9s da integra\u00e7\u00e3o por API. Esses dados s\u00e3o ent\u00e3o armazenados em um reposit\u00f3rio para o processamento. <\/li>\n<\/ul>\n\n\n\n
\n- Processamento: <\/strong>a informa\u00e7\u00e3o \u00e9 ent\u00e3o processada e filtrada, buscando facilitar o processo de integra\u00e7\u00e3o desses dados ao framework de Big Data usado pelo software;
<\/li>\n\n\n\n- Limpeza: <\/strong>os dados ent\u00e3o s\u00e3o \u201climpos\u201d \u2014 informa\u00e7\u00f5es repetidas, irrelevantes etc. s\u00e3o verificadas e exclu\u00eddas; <\/li>\n<\/ul>\n\n\n\n
\n- An\u00e1lise: <\/strong>o software ent\u00e3o vai buscar extrair insights <\/em>das informa\u00e7\u00f5es obtidas, e apresent\u00e1-las para os usu\u00e1rios da melhor forma poss\u00edvel. Aqui \u00e9 onde se torna poss\u00edvel criar gr\u00e1ficos, relat\u00f3rios etc.<\/li>\n<\/ul>\n\n\n\n
Para quem entende ingl\u00eas, vale a pena a leitura desse artigo da Microsoft<\/a>, detalhando toda a parte t\u00e9cnica \u2014 envolvendo desde os frameworks de banco de dados at\u00e9 a apresenta\u00e7\u00e3o das informa\u00e7\u00f5es \u2014 por tr\u00e1s do Big Data.\u00a0<\/p>\n\n\n\n![\"\"\/](\"https:\/\/lh7-us.googleusercontent.com\/docsz\/AD_4nXc_otwTqymuAHoJB04mVTV1Je9oVrN2Ss87WXiLiHLqAX9wh717fjkXjZ6Iwx2IUAs9oWBj1PAN4sM0sRwPF1FcE33ObiXDUt-7ptT5wOt3Uz7EJfPNTyd1UA0_ThyMRluqvMA1DXku9DV7GK9o_EaNV5qv?key=vN4t5kBduAnz3sF-WlPwyA\")
<\/a><\/figure>\n\n\n\nQuais os benef\u00edcios do Big Data Analytics? E seus desafios? <\/h3>\n\n\n\n
O Big Data Analytics tem como maior benef\u00edcio a possibilidade de analisar dados que, antes desses frameworks espec\u00edficos, simplesmente n\u00e3o poderiam ser analisados de jeito nenhum. <\/p>\n\n\n\n
Analisar esses dados \u00e9 fundamental para grandes empresas, que conseguem ter resultados em v\u00e1rias \u00e1reas, muito al\u00e9m de lucros ou preju\u00edzos. <\/strong><\/p>\n\n\n\nVeja uma aplica\u00e7\u00e3o na \u00e1rea de Rela\u00e7\u00f5es P\u00fablicas, por exemplo. Uma empresa que usa Big Data Analytics consegue medir sua reputa\u00e7\u00e3o com facilidade fazendo uma an\u00e1lise dos coment\u00e1rios de uma rede social, por exemplo. <\/p>\n\n\n\n
Ou de todas as redes sociais ao mesmo tempo. <\/p>\n\n\n\n
Os maiores desafios do Big Data Analytics, por\u00e9m, est\u00e3o relacionados principalmente com a sua complexidade. <\/p>\n\n\n\n
Hoje, lidar com sistemas de Big Data Analytics \u00e9 uma tarefa complicada, destinada principalmente para especialistas nos softwares. <\/strong><\/p>\n\n\n\nEmpresas contratam pessoas com esses conhecimentos espec\u00edficos para operar esses sistemas. E por muitos anos, esse era o \u00fanico jeito de conseguir ter acesso a tudo o que o Big Data Analytics oferece. <\/p>\n\n\n\n
Por\u00e9m, isso vem mudando pouco a pouco, principalmente com a IA. Vamos conversar melhor sobre isso ao longo do texto. <\/strong><\/p>\n\n\n\nMas primeiro precisamos nos aprofundar ainda mais na parte pr\u00e1tica do Big Data Analytics. Vem comigo: <\/p>\n\n\n\n
Poss\u00edveis aplica\u00e7\u00f5es do Big Data Analytics na ind\u00fastria<\/h2>\n\n\n\n![\"O](\"https:\/\/leadster.com.br\/blog\/wp-content\/uploads\/2021\/06\/O-que-significa-ser-data-driven-e-como-se-tornar-mais-direcionado-a-dados.webp\")
<\/figure>\n\n\n\nAs aplica\u00e7\u00f5es do Big Data Analytics s\u00e3o bastante variadas. <\/p>\n\n\n\n
Muitas delas s\u00e3o relacionadas ao Business Intelligence. Ao longo do texto, todos os exemplos pr\u00e1ticos que trouxemos est\u00e3o totalmente relacionados a essa finalidade. <\/p>\n\n\n\n
Por\u00e9m, ela consegue ir bem al\u00e9m disso. <\/p>\n\n\n\n
Separei nos pr\u00f3ximos itens alguns casos de uso mais fora da curva pra gente entender melhor todas as possibilidades do Big Data Analytics. <\/strong><\/p>\n\n\n\nVem comigo: <\/p>\n\n\n\n
Sensores e automa\u00e7\u00e3o industrial <\/h3>\n\n\n\n
Grandes ind\u00fastrias lidam com uma quantidade enorme de informa\u00e7\u00f5es no seu maquin\u00e1rio. <\/p>\n\n\n\n
S\u00f3 uma \u00fanica m\u00e1quina produz sozinha uma quantidade enorme de informa\u00e7\u00f5es o tempo todo. <\/p>\n\n\n\n
E m\u00e1quinas espec\u00edficas produzem informa\u00e7\u00f5es tamb\u00e9m espec\u00edficas, que precisam ser catalogadas e analisadas. <\/p>\n\n\n\n
Esses dados variam dos estruturados ao n\u00e3o estruturados, e est\u00e3o chegando para o sistema o tempo todo. <\/p>\n\n\n\n
A \u00fanica forma de categorizar e armazenar tudo \u00e9 atrav\u00e9s do Big Data Analytics. <\/p>\n\n\n\n
Ainda mais quando a automa\u00e7\u00e3o industrial entra na jogada. Nesse caso, coletar essas informa\u00e7\u00f5es vai al\u00e9m do compliance: <\/em>para que o sistema funcione, \u00e9 necess\u00e1rio operar com Big Data. <\/p>\n\n\n\nBusiness Intelligence<\/h3>\n\n\n\n
O B.I. \u00e9 sobre integra\u00e7\u00e3o de dados. \u00c9 sobre encontrar correla\u00e7\u00f5es entre os dados e aplic\u00e1-los de uma forma que fa\u00e7a sentido para os objetivos de neg\u00f3cio de uma empresa. <\/p>\n\n\n\n
Um exemplo r\u00e1pido: a rea\u00e7\u00e3o do p\u00fablico ao an\u00fancio de uma nova aquisi\u00e7\u00e3o pode indicar uma queda ou um aumento no valor das a\u00e7\u00f5es das duas empresas. <\/p>\n\n\n\n
A\u00e7\u00f5es, como sabemos, t\u00eam seu valor ditado pela opini\u00e3o do p\u00fablico que as compra. Ent\u00e3o, entendendo a rea\u00e7\u00e3o em tempo real, \u00e9 poss\u00edvel se preparar para tempos de desvaloriza\u00e7\u00e3o ou aumentar as vantagens quando a valoriza\u00e7\u00e3o acontece. <\/p>\n\n\n\n
O Business Intelligence vai muito al\u00e9m disso. Como n\u00e3o h\u00e1 a necessidade de trabalhar com dados estruturados, qualquer tipo de dado pode ser armazenado e interpretado por esses softwares. <\/p>\n\n\n\n
Log\u00edstica, por exemplo. Antes de lan\u00e7ar uma campanha de marketing agressiva, \u00e9 poss\u00edvel acompanhar em poucos cliques quais foram as maiores reclama\u00e7\u00f5es sobre entregas no \u00faltimo m\u00eas, para garantir uma experi\u00eancia melhor para os novos compradores. <\/p>\n\n\n\n
As possibilidades do Big Data Analyitcs para o B.I. s\u00e3o imensas. \u00c9 justamente por isso que esses sistemas s\u00e3o normalmente criados para essa funcionalidade. <\/strong><\/p>\n\n\n\nMas ainda temos um outro uso pr\u00e1tico antes de passarmos para a pr\u00f3xima parte do texto. Mas esse merece um t\u00f3pico especial. Me acompanhe: <\/p>\n\n\n\n
Big Data Analytics no marketing: \u00e9 poss\u00edvel?<\/h2>\n\n\n\n![\"Os](\"https:\/\/leadster.com.br\/blog\/wp-content\/uploads\/2022\/11\/Os-dados-ainda-sao-o-novo-petroleo-se-voce-souber-extrair-valor.webp\")
<\/figure>\n\n\n\nSim, o Big Data Analytics no marketing \u00e9 bastante poss\u00edvel. Mas com uma ressalva: ele normalmente \u00e9 aplicado por empresas bem grandes.<\/p>\n\n\n\n
Empresas pequenas e m\u00e9dias, na verdade, n\u00e3o chegam a precisar do Big Data Analytics nas suas estrat\u00e9gias de marketing digital. <\/p>\n\n\n\n
Elas normalmente usam o Inbound Marketing<\/a>, junto com o Marketing de Conte\u00fado<\/a>, para a gera\u00e7\u00e3o de demanda<\/a> e a gera\u00e7\u00e3o de leads.\u00a0<\/p>\n\n\n\nA quest\u00e3o \u00e9 que essas t\u00e9cnicas lidam, geralmente, com dados estruturados. N\u00e3o \u00e9 necess\u00e1rio ir muito al\u00e9m deles para essas finalidades no marketing digital. <\/p>\n\n\n\n
Mas as empresas que v\u00e3o al\u00e9m disso costumam ter grandes resultados com o Big Data Analytics. Onde exatamente? Vamos descobrir juntos agora: <\/p>\n\n\n\n
An\u00e1lise nas redes sociais<\/h3>\n\n\n\n
Uma das formas que o Big Data Analytics mais \u00e9 utilizado \u00e9 atrav\u00e9s das an\u00e1lises de conte\u00fado nas redes sociais. <\/p>\n\n\n\n
Esse trabalho \u00e9 bastante interessante. Usando Processamento de Linguagem Natural<\/a> \u2014 n\u00e3o exatamente IAs com PNL, s\u00f3 o conceito \u2014 sistemas de Big Data Analytics conseguem medir v\u00e1rios pontos a partir do que as pessoas dizem nas redes sociais.\u00a0<\/p>\n\n\n\nO mais \u00f3bvio s\u00e3o as men\u00e7\u00f5es \u00e0 marca. Sistemas de Big Data conseguem armazenar todas as men\u00e7\u00f5es \u00e0 marca, e ir um pouco al\u00e9m do que s\u00f3 guard\u00e1-las. <\/strong><\/p>\n\n\n\nCom o PLN, \u00e9 poss\u00edvel determinar par\u00e2metros bem espec\u00edficos sobre o que est\u00e1 sendo medido. Por exemplo: \u00e9 poss\u00edvel entender qual \u00e9 a porcentagem de men\u00e7\u00f5es positivas e negativas. <\/p>\n\n\n\n
Al\u00e9m disso, tamb\u00e9m \u00e9 poss\u00edvel fazer essa associa\u00e7\u00e3o de positivo e negativo para qualquer t\u00f3pico, informando a empresa sobre novas tend\u00eancias que compensam ser abordadas ou n\u00e3o. <\/p>\n\n\n\n
\u00c9 poss\u00edvel integrar tudo isso no seu banco de dados para que seja mais f\u00e1cil chegar a conclus\u00f5es de marketing e lan\u00e7ar novas a\u00e7\u00f5es. <\/p>\n\n\n\n
Mas o trabalho do Big Data Analytics n\u00e3o p\u00e1ra por a\u00ed: <\/p>\n\n\n\n
Personaliza\u00e7\u00e3o no marketing<\/h3>\n\n\n\n
Sistemas de Big Data Analytics tamb\u00e9m permitem uma personaliza\u00e7\u00e3o muito maior no seu marketing. <\/p>\n\n\n\n
Atrav\u00e9s desses sistemas, \u00e9 poss\u00edvel integrar outros bancos de dados, especializados em reviews <\/em>de clientes por exemplo, para identificar quais s\u00e3o as melhores qualidades e os maiores defeitos de um produto. <\/p>\n\n\n\nE at\u00e9 antes do pr\u00f3prio produto ser lan\u00e7ado: \u00e9 poss\u00edvel entender at\u00e9 pontos positivos e negativos das suas campanhas de marketing, e das campanhas dos seus concorrentes. <\/strong><\/p>\n\n\n\nE falando nisso: <\/p>\n\n\n\n
An\u00e1lise de concorr\u00eancia <\/h3>\n\n\n\n
Do mesmo jeito que voc\u00ea consegue analisar seus pr\u00f3prios resultados e men\u00e7\u00f5es, tamb\u00e9m \u00e9 poss\u00edvel fazer o mesmo com os seus concorrentes. <\/p>\n\n\n\n
Voc\u00ea pode saber qual \u00e9 a opini\u00e3o predominante sobre cada um dos seus principais competidores no mercado, e avaliar qual \u00e9 o n\u00edvel de competitividade que o seu segmento apresenta.<\/p>\n\n\n\n
Temos um texto que fala um pouco mais sobre an\u00e1lise de concorr\u00eancia. Leia mais logo abaixo: <\/p>\n\n\n\n
\u27a1\ufe0f Benchmarking no Marketing: O Que \u00e9, Como Fazer e Exemplos<\/a><\/p>\n\n\n\nPesquisas de marketing <\/h3>\n\n\n\n
Uma outra forma de usar Big Data \u00e9 para auxiliar na condu\u00e7\u00e3o de pesquisas. <\/p>\n\n\n\n
Todos os par\u00e2metros que conversamos at\u00e9 agora podem servir para informar a marca sobre algum aspecto do seu p\u00fablico-alvo que elas ainda n\u00e3o conhecem. <\/p>\n\n\n\n
Por exemplo: qual \u00e9 o dia que o seu p\u00fablico-alvo mais costuma sair de casa? <\/strong><\/p>\n\n\n\nCom o Big Data Analytics, \u00e9 poss\u00edvel integrar as redes sociais como fonte de informa\u00e7\u00e3o e obter esse conhecimento. <\/p>\n\n\n\n
Mas claro: tudo isso \u00e9 um trabalho bastante especializado, que al\u00e9m de softwares, tamb\u00e9m precisam de pessoas para conduzi-los. <\/p>\n\n\n\n
Temos um texto super completo aqui no blog que tamb\u00e9m fala sobre isso. Acompanhe no link logo abaixo: <\/p>\n\n\n\n
\u27a1\ufe0f Como Fazer Pesquisa de Marketing? 5 Recursos e 10 perguntas<\/a><\/p>\n\n\n\n![\"\"\/](\"https:\/\/lh7-us.googleusercontent.com\/docsz\/AD_4nXfMbb_ZGmBlosrj3TUJyDrm5XjACEqG3fJYcLow9nSsI1mCTwUT2nkwQnPEwEiFscLJEqRsKxFRB5MLOtAC3BA6FFwBhTIEU2ZAlLyVmWvGmTM-O0iJeHpCSTaE5YqCQkzgMQrDjOqF7hmlLbQOINUwvdQ?key=vN4t5kBduAnz3sF-WlPwyA\")
<\/a><\/figure>\n\n\n\nExemplos do uso de Big Data Analytics por grandes marcas<\/h2>\n\n\n\n
Agora que conversamos sobre as possibilidades do Big Data Analytics, tamb\u00e9m \u00e9 uma boa ideia a gente conversar sobre as empresas que j\u00e1 est\u00e3o fazendo esse trabalho. <\/p>\n\n\n\n
Como essas gigantes operam seus sistemas de Big Data Analytics? Quais s\u00e3o seus usos mais comuns? <\/p>\n\n\n\n
Analisando os exemplos abaixo, fica claro que a maioria das grandes empresas que precisam de Big Data Analytics analisam os seus pr\u00f3prios dados, j\u00e1 que elas os produzem em quantidades absurdamente grandes. <\/p>\n\n\n\n
Esse \u00e9 o uso mais comum do Big Data Analytics: entender o comportamento dos clientes e usu\u00e1rios que voc\u00ea j\u00e1 tem. <\/strong><\/p>\n\n\n\nVamos a alguns exemplos que v\u00e3o deixar tudo isso bem mais claro. Me acompanhe: <\/p>\n\n\n\n
Amazon<\/h3>\n\n\n\n
A Amazon tem um banco de dados global gigantesco sobre tudo o que os seus clientes fazem. <\/p>\n\n\n\n
E as possibilidades de intera\u00e7\u00e3o entre cliente e marca s\u00e3o enormes. Veja algumas: <\/p>\n\n\n\n
\n- Adicionar produto ao carrinho; <\/li>\n\n\n\n
- Finalizar uma compra;<\/li>\n\n\n\n
- Abandonar o carrinho; <\/li>\n\n\n\n
- Pesquisar por diversas marcas;<\/li>\n\n\n\n
- Deixar reviews; <\/li>\n\n\n\n
- Deixar fotos e v\u00eddeos; <\/li>\n\n\n\n
- Fazer avalia\u00e7\u00f5es. <\/li>\n<\/ul>\n\n\n\n
Dentre v\u00e1rios outros pontos. Agora pense: todas essas informa\u00e7\u00f5es s\u00e3o adicionadas \u00e0 Amazon todos os dias, aos milh\u00f5es. <\/strong><\/p>\n\n\n\n\u00c9 somente atrav\u00e9s do Big Data Analytics que a Amazon consegue entender o que seus clientes est\u00e3o pensando da experi\u00eancia. <\/p>\n\n\n\n
E essa experi\u00eancia inclui tudo: desde a primeira pesquisa no Google at\u00e9 o momento que a compra chega e al\u00e9m. <\/p>\n\n\n\n
A \u00fanica forma de medir tanta coisa ao mesmo tempo \u00e9 atrav\u00e9s do Big Data Analytics. <\/p>\n\n\n\n
Nubank<\/h3>\n\n\n\n
O Nubank, como v\u00e1rios outros bancos, usa o Big Data Analytics para entender tanto o comportamento dos seus clientes como para fazer an\u00e1lises avan\u00e7adas de cr\u00e9dito e para operar seu sistema anti-fraude. <\/p>\n\n\n\n
Operadoras de cart\u00e3o est\u00e3o sempre na corda bamba. Os riscos da opera\u00e7\u00e3o s\u00e3o imensos, indo desde a fraude at\u00e9 a inadimpl\u00eancia. <\/strong><\/p>\n\n\n\nUm sistema de Big Data Analytics ajuda o Nubank a conhecer novas oportunidades de neg\u00f3cio ao mesmo tempo em que mant\u00e9m a opera\u00e7\u00e3o funcionando sem problemas, garantindo mais f\u00f4lego para os seus investimentos. <\/p>\n\n\n\n
Netflix<\/h3>\n\n\n\n
Cada usu\u00e1rio da Netflix gera uma quantidade enorme de dados toda vez que ele acessa a plataforma. <\/p>\n\n\n\n
Quais filmes assistiu, quais filmes gostou, quais t\u00edtulos deu play e parou, por quanto tempo assistiu e por a\u00ed vai. <\/p>\n\n\n\n
A melhor forma de personalizar a experi\u00eancia desses usu\u00e1rios em tempo real \u00e9 atrav\u00e9s do Big Data Analytics. <\/p>\n\n\n\n
Ali\u00e1s, o que entendemos como \u201co algoritmo\u201d da Netflix \u00e9 justamente isso: uma interpreta\u00e7\u00e3o automatizada dos gostos do usu\u00e1rio oferecendo sugest\u00f5es personalizadas, tamb\u00e9m atrav\u00e9s da automa\u00e7\u00e3o. <\/p>\n\n\n\n
Mas a Netflix vai al\u00e9m. Como ela sabe, por exemplo, qual \u00e9 a s\u00e9rie que est\u00e1 bombando na plataforma hoje? <\/p>\n\n\n\n
Sabendo dessa informa\u00e7\u00e3o, a Netflix consegue determinar quais s\u00e3o os t\u00edtulos que merecem renova\u00e7\u00e3o e quais v\u00e3o ser cancelados. <\/p>\n\n\n\n
E o Big Data Analytics vai at\u00e9 no marketing: com an\u00e1lises aprofundadas das redes sociais, a Netflix consegue entender n\u00e3o s\u00f3 quais s\u00e3o suas s\u00e9ries mais populares, mas quais personagens <\/em>dentro dessas s\u00e9ries s\u00e3o os queridinhos do p\u00fablico. <\/p>\n\n\n\nE com isso, novas a\u00e7\u00f5es s\u00e3o imaginadas dentro do universo do marketing da gigante do Streaming. <\/p>\n\n\n\n
As melhores ferramentas de Big Data Analytics<\/h2>\n\n\n\n
Bom, entendemos quase tudo o que h\u00e1 para entender dentro do cen\u00e1rio de Big Data Analytics. <\/p>\n\n\n\n
O que est\u00e1 faltando mesmo pra gente conversar s\u00e3o as ferramentas que possibilitam que o trabalho aconte\u00e7a. <\/p>\n\n\n\n
Trabalhar com Big Data Analytics \u00e9 trabalhar com softwares. N\u00e3o \u00e9 poss\u00edvel trabalhar de outra forma que n\u00e3o essa. <\/strong><\/p>\n\n\n\nMas quais s\u00e3o os softwares mais usados? Fiz um compilado r\u00e1pido aqui com as melhores ferramentas do mercado. <\/p>\n\n\n\n
N\u00e3o h\u00e1 muito o que falar sobre elas al\u00e9m de que elas s\u00e3o as principais quando o assunto \u00e9 Big Data Analytics. <\/p>\n\n\n\n
No fim das contas, todas oferecem servi\u00e7os similares: a possibilidade de fazer an\u00e1lises de Big Data de forma personalizada para a sua empresa. <\/p>\n\n\n\n
As principais ferramentas de Big Data Analytics hoje no mercado s\u00e3o: <\/p>\n\n\n\n
\n- Apache Hadoop<\/a> (o original);\u00a0<\/li>\n\n\n\n
- Cloudera;<\/a><\/li>\n\n\n\n
- Tableau<\/a>;\u00a0<\/li>\n\n\n\n
- MongoDB<\/a> (\u00e9 um framework opensource, parecido com o Hadoop);\u00a0<\/li>\n\n\n\n
- IBM Cognos e Watson<\/a>;\u00a0<\/li>\n\n\n\n
- Micr<\/a>o<\/a>soft Power B.I.<\/a>;\u00a0<\/li>\n<\/ul>\n\n\n\n
\n\n\n\nE a\u00ed, ficou claro o que \u00e9 Big Data Analytics e quais s\u00e3o as suas principais aplica\u00e7\u00f5es para o marketing e Business Intelligence? <\/p>\n\n\n\n
Espero que sim. E j\u00e1 que estamos falando de dados, tenho um \u00faltimo convite para te fazer \u2014 venha conhecer os nossos! <\/p>\n\n\n\n
No in\u00edcio de 2024 fizemos um Benchmark Aberto pela primeira vez. Mostramos todos os nossos indicadores, nossa evolu\u00e7\u00e3o, e at\u00e9 os pontos que a gente mais errou. <\/strong><\/p>\n\n\n\nFizemos ao viva\u00e7o mesmo, pra todo mundo ver. Quem n\u00e3o viu, pode acompanhar tudo no material que organizamos p\u00f3s webinar. <\/p>\n\n\n\n
<\/figure>\n\n\n\nS\u00f3 para contextualizar: o conceito de Big Data n\u00e3o \u00e9 para todas as empresas e nem para todos os segmentos de mercado. <\/p>\n\n\n\n
Normalmente, as empresas que lidam com algum aspecto de Big Data s\u00e3o empresas maiores, bem maiores, que precisam lidar com uma grande quantidade de informa\u00e7\u00e3o. <\/p>\n\n\n\n
Ou que, na verdade, nem precisam <\/em>lidar com essa grande quantidade de informa\u00e7\u00f5es: elas buscam data sets <\/em><\/strong>grandes para ter uma maior vantagem competitiva.<\/strong><\/p>\n\n\n\n A defini\u00e7\u00e3o de Big Data \u00e9 justamente essa: data sets <\/em>t\u00e3o grandes que eles acabam n\u00e3o podendo ser processados e organizados em um sistema comum, nem por analistas sozinhos. <\/p>\n\n\n\n O conceito de Big Data est\u00e1 muito relacionado com o de Business Intelligence<\/a>. Foi a IBM que cunhou o termo no final dos anos 50, determinando a atividade como:\u00a0<\/p>\n\n\n\n \u201cA habilidade de entender a interrela\u00e7\u00e3o dos fatos apresentados de forma a guiar as a\u00e7\u00f5es buscando um objetivo determinado\u201d \u2014 IBM, <\/em>veja mais na Hist\u00f3ria do Big Data.<\/em><\/a><\/p>\n<\/blockquote>\n\n\n\n Vamos para um exemplo pr\u00e1tico? Antes da Web 2.0, que inclusive \u00e9 o momento hist\u00f3rico que estamos vivendo hoje, era imposs\u00edvel armazenar informa\u00e7\u00f5es detalhadas sobre todos os clientes do site. <\/strong><\/p>\n\n\n\n Simplesmente por uma falta de estrutura\u00e7\u00e3o de dados. Simplificando muito, era como se cada arquivo de perfil de cliente fosse muito grande. <\/p>\n\n\n\n Lidar com esses arquivos fica ainda mais dif\u00edcil considerando e-commerces enormes, que fazem dezenas de milhares de vendas por m\u00eas. <\/p>\n\n\n\n A partir de 2011 \u2014 \u00e9 recente assim mesmo! \u2014 um novo framework surgiu: o Hadoop. Ele era open source<\/em>, o que permitiu mais pesquisas e desenvolvimentos na \u00e1rea, culminando nos softwares de Business Intelligence \u2014 inclusive com IA <\/a>\u2014 que temos hoje.\u00a0<\/p>\n\n\n\n Ficou tranquilo entender o que \u00e9 Big Data? Espero que sim, mas ainda temos mais alguns pontos para elucidar que v\u00e3o te ajudar a entender ainda mais. <\/p>\n\n\n\n S\u00e3o os tr\u00eas V\u2019s do Big Data. Depois que conversarmos sobre eles, vamos estar muito bem entendidos sobre o que o conceito realmente significa.<\/strong><\/p>\n\n\n\n Depois disso, j\u00e1 vamos poder passar para o que \u00e9 \u2014 e como fazer \u2014 Big Data Analytics. <\/p>\n\n\n\n Me acompanhe: <\/p>\n\n\n\n Para entender o que realmente \u00e9 considerado Big Data, os tr\u00eas Vs servem como uma \u00f3tima ferramenta de guia. <\/p>\n\n\n\n Esses Vs servem para formalizar que tipos de dados s\u00e3o entendidos como Big Data, e tamb\u00e9m nos d\u00e3o o caminho das pedras para come\u00e7ar a entender qual \u00e9 o tratamento que eles recebem. <\/p>\n\n\n\n Os tr\u00eas Vs do Big Data s\u00e3o: <\/strong><\/p>\n\n\n\n Entendemos, ent\u00e3o, que o que pode ser considerado Big Data? <\/p>\n\n\n\n Basicamente, s\u00e3o dados n\u00e3o estruturados, extremamente variados, que chegam com muita velocidade e que precisam ser interpretados tamb\u00e9m com muita velocidade, para garantir acompanhamento em tempo real no seu Dashboard<\/a>.\u00a0<\/p>\n\n\n\n E claro: tudo em um grande volume. <\/p>\n\n\n\n \u00c9 por isso que deixamos claro logo no come\u00e7o do texto que n\u00e3o s\u00e3o todas as empresas que v\u00e3o sequer entrar em contato com o Big Data.<\/p>\n\n\n\n A maioria dos dados captados no marketing digital convencional s\u00e3o dados estruturados. E os que n\u00e3o s\u00e3o podem ser estruturados atrav\u00e9s de eventos do Google Analytics<\/a>.<\/p>\n\n\n\n Tudo certo at\u00e9 aqui? Ent\u00e3o agora vamos para a parte principal do texto: o que \u00e9 exatamente o Big Data Analytics? <\/strong><\/p>\n\n\n\n Como voc\u00ea deve estar imaginando, Big Data Analytics \u00e9 o trabalho de captar os dados de Big Data e analis\u00e1-los da melhor forma poss\u00edvel.<\/p>\n\n\n\n \u00c9 uma das partes do trabalho de Business Intelligence, que busca armazenar e interpretar esses dados para poder tomar a\u00e7\u00f5es que aproximem a marca dos seus objetivos de neg\u00f3cio. <\/p>\n\n\n\n O mais importante do Big Data \u00e9, de longe, a interpreta\u00e7\u00e3o que os dados recebem. <\/strong><\/p>\n\n\n\n \u00c9 s\u00f3 atrav\u00e9s dessas interpreta\u00e7\u00f5es que podemos usar esse conhecimento para algo que fa\u00e7a sentido para a marca. <\/p>\n\n\n\n Um exemplo para deixar mais claro: uma empresa resolve catalogar todas as men\u00e7\u00f5es ao seu nome no Twitter. <\/p>\n\n\n\n Ao longo desse t\u00f3pico, trouxe alguns itens que v\u00e3o nos ajudar a entender melhor o que \u00e9 Big Data Analytics e como esse trabalho \u00e9 feito. <\/p>\n\n\n\n Olha s\u00f3: <\/p>\n\n\n\n No mundo da an\u00e1lise de dados para o marketing digital, existem tr\u00eas grandes categorias: <\/p>\n\n\n\n O trabalho do Big Data Analytics est\u00e1 em conseguir analisar todos esses dados, desde os estruturados at\u00e9 os n\u00e3o estruturados, com a mesma efici\u00eancia e velocidade. <\/p>\n\n\n\n Pense em um computador simples, o notebook que voc\u00ea est\u00e1 usando para ler esse texto agora, por exemplo. <\/p>\n\n\n\n Voc\u00ea consegue abrir uma planilha com 20.000 c\u00e9lulas sem o menor problema. 40.000 c\u00e9lulas j\u00e1 \u00e9 um pouco demais. 100.000 j\u00e1 vai causar lentid\u00e3o. <\/p>\n\n\n\n E essa planilha \u00e9 apenas de dados estruturados, normalmente s\u00f3 texto, informa\u00e7\u00e3o crua. <\/p>\n\n\n\n Agora imagine que, ao mesmo tempo, seu notebook precisa organizar esses dados e interpretar todos os dados n\u00e3o estruturados \u2014 v\u00eddeos, coment\u00e1rios etc.<\/p>\n\n\n\n Voc\u00ea vai precisar de um PC da NASA para fazer isso. O funcionamento do Big Data Analytics \u2014 aqui pensando tanto no conceito quanto no hardware e nos softwares \u2014 procura justamente permitir que essa an\u00e1lise aconte\u00e7a. <\/p>\n\n\n\n Isso acontece em quatro etapas distintas: <\/p>\n\n\n\n Para quem entende ingl\u00eas, vale a pena a leitura desse artigo da Microsoft<\/a>, detalhando toda a parte t\u00e9cnica \u2014 envolvendo desde os frameworks de banco de dados at\u00e9 a apresenta\u00e7\u00e3o das informa\u00e7\u00f5es \u2014 por tr\u00e1s do Big Data.\u00a0<\/p>\n\n\n\n O Big Data Analytics tem como maior benef\u00edcio a possibilidade de analisar dados que, antes desses frameworks espec\u00edficos, simplesmente n\u00e3o poderiam ser analisados de jeito nenhum. <\/p>\n\n\n\n Analisar esses dados \u00e9 fundamental para grandes empresas, que conseguem ter resultados em v\u00e1rias \u00e1reas, muito al\u00e9m de lucros ou preju\u00edzos. <\/strong><\/p>\n\n\n\n Veja uma aplica\u00e7\u00e3o na \u00e1rea de Rela\u00e7\u00f5es P\u00fablicas, por exemplo. Uma empresa que usa Big Data Analytics consegue medir sua reputa\u00e7\u00e3o com facilidade fazendo uma an\u00e1lise dos coment\u00e1rios de uma rede social, por exemplo. <\/p>\n\n\n\n Ou de todas as redes sociais ao mesmo tempo. <\/p>\n\n\n\n Os maiores desafios do Big Data Analytics, por\u00e9m, est\u00e3o relacionados principalmente com a sua complexidade. <\/p>\n\n\n\n Hoje, lidar com sistemas de Big Data Analytics \u00e9 uma tarefa complicada, destinada principalmente para especialistas nos softwares. <\/strong><\/p>\n\n\n\n Empresas contratam pessoas com esses conhecimentos espec\u00edficos para operar esses sistemas. E por muitos anos, esse era o \u00fanico jeito de conseguir ter acesso a tudo o que o Big Data Analytics oferece. <\/p>\n\n\n\n Por\u00e9m, isso vem mudando pouco a pouco, principalmente com a IA. Vamos conversar melhor sobre isso ao longo do texto. <\/strong><\/p>\n\n\n\n Mas primeiro precisamos nos aprofundar ainda mais na parte pr\u00e1tica do Big Data Analytics. Vem comigo: <\/p>\n\n\n\n As aplica\u00e7\u00f5es do Big Data Analytics s\u00e3o bastante variadas. <\/p>\n\n\n\n Muitas delas s\u00e3o relacionadas ao Business Intelligence. Ao longo do texto, todos os exemplos pr\u00e1ticos que trouxemos est\u00e3o totalmente relacionados a essa finalidade. <\/p>\n\n\n\n Por\u00e9m, ela consegue ir bem al\u00e9m disso. <\/p>\n\n\n\n Separei nos pr\u00f3ximos itens alguns casos de uso mais fora da curva pra gente entender melhor todas as possibilidades do Big Data Analytics. <\/strong><\/p>\n\n\n\n Vem comigo: <\/p>\n\n\n\n Grandes ind\u00fastrias lidam com uma quantidade enorme de informa\u00e7\u00f5es no seu maquin\u00e1rio. <\/p>\n\n\n\n S\u00f3 uma \u00fanica m\u00e1quina produz sozinha uma quantidade enorme de informa\u00e7\u00f5es o tempo todo. <\/p>\n\n\n\n E m\u00e1quinas espec\u00edficas produzem informa\u00e7\u00f5es tamb\u00e9m espec\u00edficas, que precisam ser catalogadas e analisadas. <\/p>\n\n\n\n Esses dados variam dos estruturados ao n\u00e3o estruturados, e est\u00e3o chegando para o sistema o tempo todo. <\/p>\n\n\n\n A \u00fanica forma de categorizar e armazenar tudo \u00e9 atrav\u00e9s do Big Data Analytics. <\/p>\n\n\n\n Ainda mais quando a automa\u00e7\u00e3o industrial entra na jogada. Nesse caso, coletar essas informa\u00e7\u00f5es vai al\u00e9m do compliance: <\/em>para que o sistema funcione, \u00e9 necess\u00e1rio operar com Big Data. <\/p>\n\n\n\n O B.I. \u00e9 sobre integra\u00e7\u00e3o de dados. \u00c9 sobre encontrar correla\u00e7\u00f5es entre os dados e aplic\u00e1-los de uma forma que fa\u00e7a sentido para os objetivos de neg\u00f3cio de uma empresa. <\/p>\n\n\n\n Um exemplo r\u00e1pido: a rea\u00e7\u00e3o do p\u00fablico ao an\u00fancio de uma nova aquisi\u00e7\u00e3o pode indicar uma queda ou um aumento no valor das a\u00e7\u00f5es das duas empresas. <\/p>\n\n\n\n A\u00e7\u00f5es, como sabemos, t\u00eam seu valor ditado pela opini\u00e3o do p\u00fablico que as compra. Ent\u00e3o, entendendo a rea\u00e7\u00e3o em tempo real, \u00e9 poss\u00edvel se preparar para tempos de desvaloriza\u00e7\u00e3o ou aumentar as vantagens quando a valoriza\u00e7\u00e3o acontece. <\/p>\n\n\n\n O Business Intelligence vai muito al\u00e9m disso. Como n\u00e3o h\u00e1 a necessidade de trabalhar com dados estruturados, qualquer tipo de dado pode ser armazenado e interpretado por esses softwares. <\/p>\n\n\n\n Log\u00edstica, por exemplo. Antes de lan\u00e7ar uma campanha de marketing agressiva, \u00e9 poss\u00edvel acompanhar em poucos cliques quais foram as maiores reclama\u00e7\u00f5es sobre entregas no \u00faltimo m\u00eas, para garantir uma experi\u00eancia melhor para os novos compradores. <\/p>\n\n\n\n As possibilidades do Big Data Analyitcs para o B.I. s\u00e3o imensas. \u00c9 justamente por isso que esses sistemas s\u00e3o normalmente criados para essa funcionalidade. <\/strong><\/p>\n\n\n\n Mas ainda temos um outro uso pr\u00e1tico antes de passarmos para a pr\u00f3xima parte do texto. Mas esse merece um t\u00f3pico especial. Me acompanhe: <\/p>\n\n\n\n Sim, o Big Data Analytics no marketing \u00e9 bastante poss\u00edvel. Mas com uma ressalva: ele normalmente \u00e9 aplicado por empresas bem grandes.<\/p>\n\n\n\n Empresas pequenas e m\u00e9dias, na verdade, n\u00e3o chegam a precisar do Big Data Analytics nas suas estrat\u00e9gias de marketing digital. <\/p>\n\n\n\n Elas normalmente usam o Inbound Marketing<\/a>, junto com o Marketing de Conte\u00fado<\/a>, para a gera\u00e7\u00e3o de demanda<\/a> e a gera\u00e7\u00e3o de leads.\u00a0<\/p>\n\n\n\n A quest\u00e3o \u00e9 que essas t\u00e9cnicas lidam, geralmente, com dados estruturados. N\u00e3o \u00e9 necess\u00e1rio ir muito al\u00e9m deles para essas finalidades no marketing digital. <\/p>\n\n\n\n Mas as empresas que v\u00e3o al\u00e9m disso costumam ter grandes resultados com o Big Data Analytics. Onde exatamente? Vamos descobrir juntos agora: <\/p>\n\n\n\n Uma das formas que o Big Data Analytics mais \u00e9 utilizado \u00e9 atrav\u00e9s das an\u00e1lises de conte\u00fado nas redes sociais. <\/p>\n\n\n\n Esse trabalho \u00e9 bastante interessante. Usando Processamento de Linguagem Natural<\/a> \u2014 n\u00e3o exatamente IAs com PNL, s\u00f3 o conceito \u2014 sistemas de Big Data Analytics conseguem medir v\u00e1rios pontos a partir do que as pessoas dizem nas redes sociais.\u00a0<\/p>\n\n\n\n O mais \u00f3bvio s\u00e3o as men\u00e7\u00f5es \u00e0 marca. Sistemas de Big Data conseguem armazenar todas as men\u00e7\u00f5es \u00e0 marca, e ir um pouco al\u00e9m do que s\u00f3 guard\u00e1-las. <\/strong><\/p>\n\n\n\n Com o PLN, \u00e9 poss\u00edvel determinar par\u00e2metros bem espec\u00edficos sobre o que est\u00e1 sendo medido. Por exemplo: \u00e9 poss\u00edvel entender qual \u00e9 a porcentagem de men\u00e7\u00f5es positivas e negativas. <\/p>\n\n\n\n Al\u00e9m disso, tamb\u00e9m \u00e9 poss\u00edvel fazer essa associa\u00e7\u00e3o de positivo e negativo para qualquer t\u00f3pico, informando a empresa sobre novas tend\u00eancias que compensam ser abordadas ou n\u00e3o. <\/p>\n\n\n\n \u00c9 poss\u00edvel integrar tudo isso no seu banco de dados para que seja mais f\u00e1cil chegar a conclus\u00f5es de marketing e lan\u00e7ar novas a\u00e7\u00f5es. <\/p>\n\n\n\n Mas o trabalho do Big Data Analytics n\u00e3o p\u00e1ra por a\u00ed: <\/p>\n\n\n\n Sistemas de Big Data Analytics tamb\u00e9m permitem uma personaliza\u00e7\u00e3o muito maior no seu marketing. <\/p>\n\n\n\n Atrav\u00e9s desses sistemas, \u00e9 poss\u00edvel integrar outros bancos de dados, especializados em reviews <\/em>de clientes por exemplo, para identificar quais s\u00e3o as melhores qualidades e os maiores defeitos de um produto. <\/p>\n\n\n\n E at\u00e9 antes do pr\u00f3prio produto ser lan\u00e7ado: \u00e9 poss\u00edvel entender at\u00e9 pontos positivos e negativos das suas campanhas de marketing, e das campanhas dos seus concorrentes. <\/strong><\/p>\n\n\n\n E falando nisso: <\/p>\n\n\n\n Do mesmo jeito que voc\u00ea consegue analisar seus pr\u00f3prios resultados e men\u00e7\u00f5es, tamb\u00e9m \u00e9 poss\u00edvel fazer o mesmo com os seus concorrentes. <\/p>\n\n\n\n Voc\u00ea pode saber qual \u00e9 a opini\u00e3o predominante sobre cada um dos seus principais competidores no mercado, e avaliar qual \u00e9 o n\u00edvel de competitividade que o seu segmento apresenta.<\/p>\n\n\n\n Temos um texto que fala um pouco mais sobre an\u00e1lise de concorr\u00eancia. Leia mais logo abaixo: <\/p>\n\n\n\n \u27a1\ufe0f Benchmarking no Marketing: O Que \u00e9, Como Fazer e Exemplos<\/a><\/p>\n\n\n\n Uma outra forma de usar Big Data \u00e9 para auxiliar na condu\u00e7\u00e3o de pesquisas. <\/p>\n\n\n\n Todos os par\u00e2metros que conversamos at\u00e9 agora podem servir para informar a marca sobre algum aspecto do seu p\u00fablico-alvo que elas ainda n\u00e3o conhecem. <\/p>\n\n\n\n Por exemplo: qual \u00e9 o dia que o seu p\u00fablico-alvo mais costuma sair de casa? <\/strong><\/p>\n\n\n\n Com o Big Data Analytics, \u00e9 poss\u00edvel integrar as redes sociais como fonte de informa\u00e7\u00e3o e obter esse conhecimento. <\/p>\n\n\n\n Mas claro: tudo isso \u00e9 um trabalho bastante especializado, que al\u00e9m de softwares, tamb\u00e9m precisam de pessoas para conduzi-los. <\/p>\n\n\n\n Temos um texto super completo aqui no blog que tamb\u00e9m fala sobre isso. Acompanhe no link logo abaixo: <\/p>\n\n\n\n \u27a1\ufe0f Como Fazer Pesquisa de Marketing? 5 Recursos e 10 perguntas<\/a><\/p>\n\n\n\n Agora que conversamos sobre as possibilidades do Big Data Analytics, tamb\u00e9m \u00e9 uma boa ideia a gente conversar sobre as empresas que j\u00e1 est\u00e3o fazendo esse trabalho. <\/p>\n\n\n\n Como essas gigantes operam seus sistemas de Big Data Analytics? Quais s\u00e3o seus usos mais comuns? <\/p>\n\n\n\n Analisando os exemplos abaixo, fica claro que a maioria das grandes empresas que precisam de Big Data Analytics analisam os seus pr\u00f3prios dados, j\u00e1 que elas os produzem em quantidades absurdamente grandes. <\/p>\n\n\n\n Esse \u00e9 o uso mais comum do Big Data Analytics: entender o comportamento dos clientes e usu\u00e1rios que voc\u00ea j\u00e1 tem. <\/strong><\/p>\n\n\n\n Vamos a alguns exemplos que v\u00e3o deixar tudo isso bem mais claro. Me acompanhe: <\/p>\n\n\n\n A Amazon tem um banco de dados global gigantesco sobre tudo o que os seus clientes fazem. <\/p>\n\n\n\n E as possibilidades de intera\u00e7\u00e3o entre cliente e marca s\u00e3o enormes. Veja algumas: <\/p>\n\n\n\n Dentre v\u00e1rios outros pontos. Agora pense: todas essas informa\u00e7\u00f5es s\u00e3o adicionadas \u00e0 Amazon todos os dias, aos milh\u00f5es. <\/strong><\/p>\n\n\n\n \u00c9 somente atrav\u00e9s do Big Data Analytics que a Amazon consegue entender o que seus clientes est\u00e3o pensando da experi\u00eancia. <\/p>\n\n\n\n E essa experi\u00eancia inclui tudo: desde a primeira pesquisa no Google at\u00e9 o momento que a compra chega e al\u00e9m. <\/p>\n\n\n\n A \u00fanica forma de medir tanta coisa ao mesmo tempo \u00e9 atrav\u00e9s do Big Data Analytics. <\/p>\n\n\n\n O Nubank, como v\u00e1rios outros bancos, usa o Big Data Analytics para entender tanto o comportamento dos seus clientes como para fazer an\u00e1lises avan\u00e7adas de cr\u00e9dito e para operar seu sistema anti-fraude. <\/p>\n\n\n\n Operadoras de cart\u00e3o est\u00e3o sempre na corda bamba. Os riscos da opera\u00e7\u00e3o s\u00e3o imensos, indo desde a fraude at\u00e9 a inadimpl\u00eancia. <\/strong><\/p>\n\n\n\n Um sistema de Big Data Analytics ajuda o Nubank a conhecer novas oportunidades de neg\u00f3cio ao mesmo tempo em que mant\u00e9m a opera\u00e7\u00e3o funcionando sem problemas, garantindo mais f\u00f4lego para os seus investimentos. <\/p>\n\n\n\n Cada usu\u00e1rio da Netflix gera uma quantidade enorme de dados toda vez que ele acessa a plataforma. <\/p>\n\n\n\n Quais filmes assistiu, quais filmes gostou, quais t\u00edtulos deu play e parou, por quanto tempo assistiu e por a\u00ed vai. <\/p>\n\n\n\n A melhor forma de personalizar a experi\u00eancia desses usu\u00e1rios em tempo real \u00e9 atrav\u00e9s do Big Data Analytics. <\/p>\n\n\n\n Ali\u00e1s, o que entendemos como \u201co algoritmo\u201d da Netflix \u00e9 justamente isso: uma interpreta\u00e7\u00e3o automatizada dos gostos do usu\u00e1rio oferecendo sugest\u00f5es personalizadas, tamb\u00e9m atrav\u00e9s da automa\u00e7\u00e3o. <\/p>\n\n\n\n Mas a Netflix vai al\u00e9m. Como ela sabe, por exemplo, qual \u00e9 a s\u00e9rie que est\u00e1 bombando na plataforma hoje? <\/p>\n\n\n\n Sabendo dessa informa\u00e7\u00e3o, a Netflix consegue determinar quais s\u00e3o os t\u00edtulos que merecem renova\u00e7\u00e3o e quais v\u00e3o ser cancelados. <\/p>\n\n\n\n E o Big Data Analytics vai at\u00e9 no marketing: com an\u00e1lises aprofundadas das redes sociais, a Netflix consegue entender n\u00e3o s\u00f3 quais s\u00e3o suas s\u00e9ries mais populares, mas quais personagens <\/em>dentro dessas s\u00e9ries s\u00e3o os queridinhos do p\u00fablico. <\/p>\n\n\n\n E com isso, novas a\u00e7\u00f5es s\u00e3o imaginadas dentro do universo do marketing da gigante do Streaming. <\/p>\n\n\n\n Bom, entendemos quase tudo o que h\u00e1 para entender dentro do cen\u00e1rio de Big Data Analytics. <\/p>\n\n\n\n O que est\u00e1 faltando mesmo pra gente conversar s\u00e3o as ferramentas que possibilitam que o trabalho aconte\u00e7a. <\/p>\n\n\n\n Trabalhar com Big Data Analytics \u00e9 trabalhar com softwares. N\u00e3o \u00e9 poss\u00edvel trabalhar de outra forma que n\u00e3o essa. <\/strong><\/p>\n\n\n\n Mas quais s\u00e3o os softwares mais usados? Fiz um compilado r\u00e1pido aqui com as melhores ferramentas do mercado. <\/p>\n\n\n\n N\u00e3o h\u00e1 muito o que falar sobre elas al\u00e9m de que elas s\u00e3o as principais quando o assunto \u00e9 Big Data Analytics. <\/p>\n\n\n\n No fim das contas, todas oferecem servi\u00e7os similares: a possibilidade de fazer an\u00e1lises de Big Data de forma personalizada para a sua empresa. <\/p>\n\n\n\n As principais ferramentas de Big Data Analytics hoje no mercado s\u00e3o: <\/p>\n\n\n\n E a\u00ed, ficou claro o que \u00e9 Big Data Analytics e quais s\u00e3o as suas principais aplica\u00e7\u00f5es para o marketing e Business Intelligence? <\/p>\n\n\n\n Espero que sim. E j\u00e1 que estamos falando de dados, tenho um \u00faltimo convite para te fazer \u2014 venha conhecer os nossos! <\/p>\n\n\n\n No in\u00edcio de 2024 fizemos um Benchmark Aberto pela primeira vez. Mostramos todos os nossos indicadores, nossa evolu\u00e7\u00e3o, e at\u00e9 os pontos que a gente mais errou. <\/strong><\/p>\n\n\n\n Fizemos ao viva\u00e7o mesmo, pra todo mundo ver. Quem n\u00e3o viu, pode acompanhar tudo no material que organizamos p\u00f3s webinar. <\/p>\n\n\n\n\n
Os tr\u00eas Vs do Big Data <\/h3>\n\n\n\n
\n
<\/li>\n\n\n\n
<\/li>\n\n\n\n\u27a1\ufe0f Leia tamb\u00e9m: <\/em>30 KPIs de Vendas, Marketing e CS que os L\u00edderes Querem ver no seu Dashboard<\/em><\/a><\/pre>\n\n\n\n
O que \u00e9 Big Data Analytics?<\/h2>\n\n\n\n
<\/figure>\n\n\n\n\ud83e\udd13 Leia tamb\u00e9m:\u00a0 <\/em>Twitter Marketing: Como Fazer ou Vender na Ag\u00eancia<\/em><\/a><\/pre>\n\n\n\n
Quais s\u00e3o os tipos de dados que o Big Data Analytics analisa? <\/h3>\n\n\n\n
\n
<\/li>\n\n\n\n\n
Como funciona o Big Data Analytics na pr\u00e1tica? <\/h3>\n\n\n\n
\n
\n
<\/li>\n\n\n\n\n
Quais os benef\u00edcios do Big Data Analytics? E seus desafios? <\/h3>\n\n\n\n
Poss\u00edveis aplica\u00e7\u00f5es do Big Data Analytics na ind\u00fastria<\/h2>\n\n\n\n
<\/figure>\n\n\n\nSensores e automa\u00e7\u00e3o industrial <\/h3>\n\n\n\n
Business Intelligence<\/h3>\n\n\n\n
Big Data Analytics no marketing: \u00e9 poss\u00edvel?<\/h2>\n\n\n\n
<\/figure>\n\n\n\nAn\u00e1lise nas redes sociais<\/h3>\n\n\n\n
Personaliza\u00e7\u00e3o no marketing<\/h3>\n\n\n\n
An\u00e1lise de concorr\u00eancia <\/h3>\n\n\n\n
Pesquisas de marketing <\/h3>\n\n\n\n
Exemplos do uso de Big Data Analytics por grandes marcas<\/h2>\n\n\n\n
Amazon<\/h3>\n\n\n\n
\n
Nubank<\/h3>\n\n\n\n
Netflix<\/h3>\n\n\n\n
As melhores ferramentas de Big Data Analytics<\/h2>\n\n\n\n
\n
\n\n\n\n
![\"\"\/](\"https:\/\/lh7-us.googleusercontent.com\/docsz\/AD_4nXdVRX8d5FvMRN2X5KajsAiPc3H0wXvs6lb3FSU6kBMiPcCu5Ork8g8dlTmzl4pxl_OWVkPHiQwsA0-65VtV-9CKlfRGWx4qiVVZ3HbRhUxKHN35idz5dRKo6vWL2AEzpvwLlpN9C5gO8j9gaRjtw-yzcuWe?key=vN4t5kBduAnz3sF-WlPwyA\")
<\/a><\/figure>\n","protected":false},"excerpt":{"rendered":"