Pular para o conteúdo
junho 24, 2008 / pneto

Inteligência Empresarial: ferramentas de apoio à tomada de decisão

 

Autores: Manoel Flávio Leal e Jefferson Carlos Martins

1. Introdução

A curiosidade, a busca e a descoberta de novos conhecimentos surgiram desde que o homem veio ao mundo. Esta inquietação permanente provocada pelo exercício contínuo do pensamento é reflexo daquilo que só os seres humanos têm de forma plena: a inteligência.

A evolução da busca do conhecimento está em constante crescimento nos últimos anos alcançou tal velocidade que foi inevitável que os cientistas buscassem transplantar as formas de raciocínio, memorização e pensamento (formulação de hipóteses) para máquinas, algoritmos e sistemas que permitiriam, de forma integrada, processar quantidades maiores de informação, liberando o homem de uma série de tarefas repetitivas como memorização, cálculos e hipóteses.

Os pesquisadores com o passar dos anos desenvolveram diversas ferramentas para suprir essas necessidades, entre elas estão técnicas de KDD (Knowledge Discovery Database), técnicas essas que têm como objetivo extrair conhecimentos em bases de dados. Em paralelo, as empresas começaram a armazenar cada vez mais dados de seus clientes/produtos, surgindo, assim, a necessidade de transformar estes dados em informações para suportar a tomada de decisão dos executivos.

As empresas cada vez mais precisarão conhecer os seus clientes/produtos através de sua base de informações para atender esta necessidade, nos últimos anos o Data Warehouse (DW) que tem sido apresentado como a solução para este tipo de problema, mas nem sempre esta é a melhor solução. Existem outras ferramentas tais como Database Marketing e Data Mining, que são melhores e apresentam custo bem menor, dependendo do escopo do problema. O objetivo deste artigo é apresentar essas novas ferramentas de apoio e fazer um pequeno comparativo entre Data Warehouse e Database Marketing.

2. Database Marketing (DBM)

Todos falam que o mundo está mudando, que as empresas precisam conhecer cada um de seus clientes, suas individualidades, suas necessidades, para que seja possível atendê-los de forma individualizada e sempre atender as suas necessidades de novos produtos/serviços. Na verdade, isto já existe há muito tempo. Isto é o que aquele pequeno comerciante da mercearia próxima da sua casa, provavelmente na sua infância, já fazia. Conhecia tudo sobre você e sua família, seus hábitos de consumo e principalmente como você gostava de ser tratado. O problema surge agora. O pequeno comerciante deveria ter em média uns cinqüenta clientes, e como conhecer um milhão de clientes de uma empresa? Surge então nesse contexto uma ferramenta que tem como objetivo gerenciar essas informações dos clientes. Esta ferramenta chama-se Database Marketing.

Para (Jackson, 2000), o Database Marketing é um método de longo prazo, voltado para o cliente e profundamente baseado em informações. O Database pode ser utilizado para interligar e orientar os esforços de marketing atuais, assim como para construir uma base completa de informações, de modo a orientar futuros projetos.

O Database Marketing é mais do que uma ferramenta, na verdade é um conjunto de habilidades. Habilidades estas que são compostas de quatro pilares:

- Marketing: A função do marketing abrange a consultoria estratégica e a execução criativa. É o profissional de marketing que vai identificar quais serão as informações necessárias para o desenvolvimento da estratégia de marketing com os seus clientes ou clientes em potencial.

- Tecnologia: Um ponto crucial na tecnologia é que o software de gestão do Database Marketing seja de conhecimento da empresa. Em muitos casos, quando esse controle é terceirizado, a empresa acaba perdendo o controle do que acontece com suas informações estratégicas.
- Estatística: Após a criação da base de dados, as habilidades em estatística são a força que move o Database Marketing. Os dados não têm valor algum se não puderem ser acessados de uma maneira que agreguem valor. A habilidade de segmentar dados e criar modelos permite que o profissional de marketing aperfeiçoe o processo de utilização das informações.

- Gerenciamento de dados: É fundamental para o Database Marketing, é aqui que o profissional de marketing deverá definir quais serão as informações necessárias para que o Database Marketing consiga responder todas demandas dos executivos. Fica aqui o lembrete para os profissionais de marketing: “Se colocarmos lixo (dados inconsistentes) no banco de dados, teremos lixo (informações conflitantes) como resposta”.

Para os profissionais de marketing pode-se dizer que os quatro pilares seriam como os quatro “Ps” da definição clássica do marketing. Produto, preço, praça e promoção.

2.1 Principais utilidades e características de DBM

O Database Marketing tem como objetivo auxiliar o profissional de marketing, através do gerenciamento de informações sobre os seus clientes e a comunicação através de diversos canais de contato. A seguir serão apresentadas as principais utilidades e características que tornam o Database Marketing uma ferramenta imprescindível para as empresas que se encontram em mercados competitivos.

2.1.1 Identificar os melhores clientes

O Database Marketing tem como tarefa fundamental possibilitar que a empresa identifique seus melhores clientes, possibilitando, assim, a geração de lucro no decorrer do tempo.

Todos sabem que as empresas têm maior interesse em manter seus clientes, do que em agregar novos clientes à sua base, devido ao seu preço de aquisição que pode chegar a ser cinco vezes maior do que manter um cliente da empresa.
Existem dois métodos utilizados freqüentemente para identificar os melhores clientes:

- RFV (Recência, Freqüência e Valor): Utilizando a análise RFV é possível construir um modelo que reflete o valor atual do cliente para a empresa, sendo possível também traçar uma previsão do seu valor em longo prazo.

- Análise Comparativa: Sua finalidade é a criação de segmentos de clientes na base da empresa. Uma vez definido este segmento, tenta-se buscar, em listas externas, clientes com as mesmas características dos segmentos encontrados na empresa.

2.1.2 Conquistar novos clientes

Quando se fala na conquista de novos clientes usando Database Marketing, as empresas podem definir dois tipos de clientes:

- Clientes com o mesmo perfil dos pertencentes à empresa;

- Clientes da concorrência.

Na aquisição de clientes com mesmo perfil dos pertencentes à empresa, um artifício amplamente utilizado é a compra de listas externas contendo o máximo de informações semelhantes às existentes na empresa. Com a posse dessa lista as informações são inseridas no Database Marketing. Em seguida, são realizados relacionamentos para identificar quais clientes da lista possuem perfil semelhante aos clientes da empresa. Uma vez identificado, monta-se uma ação de marketing para agregá-lo à base de clientes da empresa.

2.1.3 Tratamento de dados e de duplicação

Alguns dos dados existentes nas bases de dados operacionais são irrelevantes, impossibilitando, assim, a produção de informações. Este é um grande problema que o Database Marketing precisa resolver antes de conseguir suportar a tomada de decisão dos profissionais de marketing. Em geral os dados existentes nas bases de dados operacionais não possuem alguns critérios de validação, tampouco um tipo de padronização.

Devido a esses fatores faz-se necessária a utilização de processos de tratamento de dados, que consiste, na maioria das vezes, em identificar clientes que estão duplamente cadastrados nas bases de dados, sendo assim considerados dois clientes distintos em vez de um, esse trabalho é chamado de duplicação.

Outra tarefa imprescindível é a realização do tratamento fonético dos dados, pois em muitos casos os clientes são cadastrados com erros de digitação. Para identificar esse problema e agrupar os clientes, podem ser utilizados Algoritmos Fonéticos que geram uma chave resolvendo assim o problema de identificação.

2.1.4 Consolidação de dados por clientes

Existem várias maneiras de consolidar informações. Uma bastante utilizada pelos profissionais de marketing é a consolidação por household (mesmo endereço), que consiste em identificar vários clientes, que residem em um mesmo lugar e identificá-los como um grupo. Uma técnica muito vantajosa para o envio de mala direta. Com este tipo de informação a empresa pode enviar apenas uma comunicação para a residência de seus clientes, reduzindo os gastos e incomodando cada vez menos o cliente.

2.1.5 Acesso descentralizado

A finalidade do Database Marketing é não ficar dependente de profissionais de informática para gerar qualquer tipo de consulta. Para isso é necessária a construção de uma interface user-friendly para que os profissionais possam processar informações quando necessário, não precisando esperar um desenvolvedor para a criação de qualquer tipo de relatório.

2.1.6 Gerenciamento de campanhas

O Database Marketing possui uma vasta infra-estrutura para suportar todas as informações geradas pelas campanhas de marketing. Entre elas estão: armazenamento das campanhas, acompanhamento das campanhas em que o cliente participou e motivação do cliente para comprar o produto, ou seja, possui todo um histórico de participação do cliente nas campanhas realizadas pela empresa. Informações desta natureza são de grande utilidade por possibilitar medição do resultado. Com essas informações é possível identificar quais clientes não esboçaram reação a uma determinada ação, conseguindo, assim, medir como os clientes reagem às ações impostas a ele, quais gostam de ser contatados por uma nova campanha, quais não se interessam por propaganda, campanhas, promoções, etc.

2.1.7 Interface com sistemas de CRM

O Database Marketing tem como finalidade fornecer informações para os sistemas de Call Center, provendo informações sobre o histórico dos clientes, data de nascimento, últimas aquisições e formas de pagamento. Informações estas que são utilizadas para consultar a situação do cliente, mas também de uma forma ativa para venda de novos produtos, pois a atendente de Call Center possui todo o perfil do cliente, podendo realizar uma venda cruzada no momento em que o mesmo cliente entra em contato com a empresa.

2.1.8 Sistema de Loyalty (Programa de Fidelidade)

O Sistema de loyalty, mais conhecido como Programa de fidelização, está em evidência devido à sua ampla divulgação pelas empresas de aviação. É, também, uma funcionalidade do Database Marketing que tem como tarefa gerenciar o controle de pontuação dos clientes, o resgate de prêmios, e comunicações em datas especiais. Ressaltando que todas as regras são definidas pelos gerenciadores do plano de fidelidade e devem ser implementadas no Database Marketing.

3. Data Warehouse X Database Marketing

Muitas pessoas questionam: Quando é necessário o Database Marketing? Quando é necessário um Data Warehouse? Este tipo de dúvida é muito comum, não é necessário entender amplamente as duas ferramentas para resolver este problema. A tabela 1 mostra de forma simples como esclarecer esta dúvida.

Data Warehouse - Database Marketing

4. Data Mining

Um dos grandes problemas dos especialistas em análise de informação é a transformação de dados em informação. Como fazer isso de uma forma automatizada e no menor tempo possível? Uma das respostas para isso é a combinação de estatística convencional e técnicas de inteligência artificial, que resulta em uma técnica muito comentada nos dias de hoje, o Data Mining.

Os processos de Data Mining são extremamente complexos, além de ser um trabalho que dificilmente será resolvido apenas por um especialista em Data Mining. Em qualquer projeto de Data Mining é obrigatória a existência de um profissional com o conhecimento do negócio, pois ele possui domínio total do assunto. Para evitar que o resultado da modelagem não tenha a menor utilidade para apoiar uma decisão.

Para esclarecer o conceito de Data Mining, segundo (Naliato, 2000), o conceito de Data Mining flutua entre uma forma de estatística e um conceito revolucionário, agora aplicado ao mercado. Na verdade, o objetivo desta técnica é encontrar padrões ainda não descobertos nos dados, que possam gerar respostas corretas para novos casos. Este processo de busca e interpretação de padrões é tipicamente interativo e iterativo, envolvendo a aplicação repetitiva de métodos específicos de mineração de dados ou algoritmos e interpretações dos padrões gerados como resultado destes algoritmos.

Os problemas que podem ser resolvidos com Data Mining normalmente são divididos em dois grandes grupos: Predição e Descoberta de Conhecimento. A predição tem a finalidade de atingir um objetivo específico de acordo com casos ocorridos no passado, como o próprio nome já diz, com o objetivo de projetar respostas para novos casos.

A descoberta de conhecimento já apresenta uma maior abrangência ao suporte à tomada de decisão. Usa-se para resolver problemas que estão em um estágio antes da predição, ou melhor, onde não se conhece nenhuma informação.

Dentro destas duas linhas, existem várias técnicas. Na predição pode-se identificar duas:

- Classificação: A resposta será apresentada na forma de verdadeiro ou falso. Exemplo: Todo paciente que apresenta o vírus X está com gripe? A resposta será sim ou não.

- Regressão: A resposta será um valor numérico. Exemplo: Escore para o possível Churn (cancelamento da linha) de um cliente de uma operadora de telefonia celular.

Para descoberta de conhecimento existem as seguintes técnicas:

- Detecção de desvios: Identifica mudanças nos padrões anteriormente detectados. A técnica clássica para executar tal detecção é o teste de significância, por exemplo, média, variância, desvio padrão.

- Segmentação de bases de dados: O objetivo é dividir um problema em segmentos menores que formam grupos inter-relacionados.

- Clusterização: Processo semelhante à segmentação de bases de dados, mas parte do pressuposto que não se possui resposta previamente conhecida.

- Regras de associação: São regras que são formadas com informações existes na base de dados. São relacionamentos que, na grande parte das vezes, não são conhecidos pelo detentor do negócio.

- Resumo e visualização: O objetivo é encontrar descrições compactas dos dados e prover diferentes maneiras de apresentá-los. O nível de resumo ou detalhamento dos resultados é específico do tipo de usuário desta informação.

- Mineração de textos: A técnica pode ser definida com uma busca de tendências ou padrões, só que em vez de usar uma base de dados, são usados textos (documentos eletrônicos). Textos estes que podem ser transformados numa estrutura mais adequada para um processamento posterior, através de métodos de extração do conhecimento.

Como pode ser visto, existem várias técnicas de Data Mining que podem ajudar as empresas a encontrar informações para fomentar a sua tomada de decisão. Resta aos especialistas identificar a melhor técnica para o seu problema.

5. Conclusão

Várias técnicas, ferramentas e conceitos existem no mercado. Cabe às empresas identificarem qual é seu problema, como atacar o mesmo e, principalmente, como resolvê-lo. Estas perguntas serão de extrema importância para escolha da ferramenta ou técnica exata que deverá ser utilizada para a empresa atingir suas metas.

Não existe nada que possa comprovar que Data Warehouse é melhor que Database Marketing ou Data mining e vice-versa, mas existem conjuntos de particularidades que cada uma delas apresenta que irá adaptar-se de uma melhor forma ao problema que a empresa precisava resolver.

A conclusão que fica é que ferramentas, técnicas e conceitos existem, mas é necessário saber qual usar e como usar. Outra coisa que não se pode esquecer é que um projeto de apoio à tomada de decisão não é um projeto apenas de TI, mas sim um projeto de toda empresa, principalmente de quem conhece o negócio.

Referências

1. CARVALHO, D. R. Data mining através de indução de regras e algoritmos genéticos. 1999. 126 f. Dissertação (Mestrado em Informática Aplicada) – Pontifícia Universidade Católica do Paraná – PUCPR, Curitiba, 1999.

2. INMON, W. H. Como construir o data warehouse. 3. ed. Rio de Janeiro: Campus, 1997. 388 p.

3. JACKSON, R.; WANG, P. Database marketing estratégico. Rio de Janeiro: NTC Business Books, 1997. 298 p.

4. NALIATO, F. C. Aplicação de técnicas de mineração de dados: estudo de caso em marketing direto. 2000. 121 f. Dissertação (Mestrado em Sistema e Computação) – Instituto Militar de Engenharia – IME, Rio de Janeiro, 2000.

5. NASH, E. Database marketing ferramenta atual e decisiva do marketing. São Paulo: McGraw-Hill , 1994. 270 p.

mfleal@celepar.gov.br
jeffcm@celepar.gov.br

About these ads

Deixe uma resposta

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair / Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair / Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair / Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair / Alterar )

Conectando a %s

Seguir

Obtenha todo post novo entregue na sua caixa de entrada.

%d blogueiros gostam disto: