shutterstock_671483350-A-transformação-d

A transformação digital suportada por dados

O papel dos dados para a tomada de decisões de negócio sempre foi muito importante, mas com a transformação digital ganharam novas dimensões e aplicabilidade, tornando-se um dos ativos mais valiosos nas organizações. Não é por acaso que os dados são vistos como o petróleo da era digital.


Toda a ideia de construir bases de dados vai agora muito mais além do que ser visto apenas como um processo operacional, sendo agora como um ativo estratégico do negócio para a criação de valor.


Não devemos fazer confusão e pensar, como em tudo na jornada de transformação digital, que se trata apenas de uma mudança da tecnologia que usamos para recolher, armazenar e analisar dados.

Trata-se de como pensamos nos dados de forma estratégica e conseguimos transformá-los em ativos para o negócio, ajudando-nos a criar valor, a diferenciarmo-nos dos nossos concorrentes e a personalizar a relação com os nossos clientes. 
 

shutterstock_757558042 - Dados como ativ

Dados como um ativo estratégico

 

Cada vez mais as empresas veem que os dados são um ativo estratégico chave, um valor intangível, tal como a marca, um registo de propriedade industrial ou intelectual, que pode ser avaliado como um valor financeiro durante, por exemplo, uma fusão ou aquisição.

Um exemplo interessante é o da Nokia. Com as alterações que a Nokia teve de fazer na sua estratégia de negócio, abandonando o negócio de telemóveis, tinha no seu portefólio a unidade de negócio de mapeamento, a HERE, que alimentava os seus telemóveis com os mapas e o sistema de georreferenciação.

Como este sistema já não representava um ativo estratégico para a Nokia, sabendo também que todos os dados acumulados ao longo de anos, com mapas e localizações, poderiam ser um ativo muito interessante para outras empresas, resolveram colocar a HERE à venda.

 

Receberam ofertas de diferentes empresas, como a Apple, Facebook ou a Alibaba, mas acabaram por vender a um consórcio de fabricantes automóveis, composto pela Audi, a BMW e a Daimler Chrysler. Os três juntos pagaram 2,8 mil milhões de euros pelo sistema de dados de mapeamento, conseguindo uma valorização de 30% acima do valor contabilístico da HERE.

 

A HERE, com todos os seus dados acumulados, deixou de ser um ativo estratégico para a Nokia, mas para as empresas da indústria automóvel a quem costumavam fornecer os sistemas de navegação e mapeamento, a HERE é um ativo estratégico muito importante, em particular na sua estratégia de desenvolvimento de veículos autónomos, em que os sistemas de navegação e mapeamento são um elemento fundamental.

 

Outro exemplo é o da aquisição da empresa The Weather Company pela IBM. Podemos questionar que valor tem uma empresa sobre informação meteorológica para uma empresa tecnológica que até há algum tempo fabricava computadores e agora se dedica a áreas como a inteligência artificial e serviços de computação em nuvem?

 

A The Weather Company é uma empresa que começou a sua atividade com o Weather Channel, um canal de televisão por cabo que transmitia previsões meteorológicas e notícias, documentários e programas de entretenimento sobre questões climatéricas. Além do seu ‘website’ weather.com, fornece também conteúdo para estações de rádio, jornais, aplicativos móveis e outros ‘websites’. Se pensarmos nesta empresa, associamo-la a uma empresa de comunicação social.

 

Mas se pensarmos bem, todos os seus conteúdos que são criados para os telespectadores e clientes, são suportados por uma enorme quantidade de dados meteorológicos, alimentados por 147 mil estações de recolha de dados desses mesmos dados.

 

A IBM olhou para a The Weather Company não como uma empresa de comunicação social, mas como uma empresa de dados e que poderia ser um ativo muito importante para a sua estratégia em área como a inteligência artificial e sistemas de ‘machine learning’, contribuindo para melhorar a qualidade dos seus serviços para várias indústrias.

shutterstock_1557941180 - Requisitos de

Requisitos de uma estratégia de dados

 

À medida que a transformação digital dos negócios avança, os dados serão cada vez mais um ativo estratégico fundamental para cada negócio, obrigando a que todas as empresas que queiram prosperar na era digital, precisem ter uma estratégia de gestão de dados claramente definida, que considere quais os dados a recolher e como deverão ser recolhidos, e como esses dados poderão tornar-se uma fonte de criação de valor para o negócio no futuro.

Com a transformação digital é agora possível recolher diversas categorias de dados, não apenas os dados que tradicionalmente estavam disponíveis. Assistimos atualmente a uma mudança daquilo que eram os dados reportados pelos clientes, para uma análise dos dados comportamentais, que não estavam acessíveis no passado. Muitas empresas já perceberam ser muito mais importante saber o que os seus clientes fazem em vez do que dizem que fazem.

É por isso que a estratégia deverá também considerar alguns princípios orientadores que podemos observar em empresas que já iniciaram esta abordagem no passado, empresas que dominam atualmente a arena competitiva digital, como a Netflix.

 

A Netflix inicialmente baseava as suas análises sobre a preferência dos subscritores através das classificações que estes davam aos conteúdos que viam na plataforma. Acabaram por perceber ser muito mais importante e esclarecedor analisar o comportamento dos clientes.

 

Enquanto o negócio funcionava com o envio dos DVD’s por correio, poucas informações conseguiam obter sobre a forma como os clientes usavam o produto. Mas desde que começaram a partilhar o conteúdo através de uma plataforma de ‘streaming’, foi possível começar a analisar a que horas os clientes viam os conteúdos, se viam o conteúdo do início ao fim ou se interrompiam a visualização e por quanto tempo, ou se saltavam automaticamente ou não para um episódio seguinte de uma série.  Eles começaram a  ver o que visualizamos e a que horas do dia, quando começamos a ver o conteúdo e até onde chegamos antes de fazermos uma pausa, se deixamos saltar diretamente para o episódio seguinte, etc.

 

Esta análise comportamental dos clientes é muito mais eficaz para compreender a dinâmica do negócio do que a que tradicionalmente era feita através de inquéritos ou painéis de consumidores, não deixando estes de ser também importantes.

 

Outra mudança importante que é fundamental de uma vez por todas implementar, é a de acabar com os silos de informação. Muitas empresas tradicionalmente fazem a recolha de dados em diferentes departamentos da empresa, ou pelo departamento de vendas, ou de marketing, na logística ou recursos humanos, fazendo cada departamento a recolha de acordo com as suas necessidades.

 

Mas o problema é que esses dados na maioria das vezes são usados apenas pelo departamento que os recolhe, não havendo partilha com outros departamentos da organização. Uma estratégia de dados sólida e robusta exige uma partilha e acesso aos dados por todos os departamentos, consolidando-os e permitindo uma utilização que gere valor para toda a organização.

 

Essa sim, será uma estratégia de dados poderosa, que pode influenciar a tomada de decisões e gerar inovação, através da criação de novos produtos ou serviços, que vão responder a necessidades dos clientes que até aí estavam ocultas, por não haver uma visão mais holística das suas necessidades.

 

Esta visão permite-nos ter uma visão abrangente e que se poderá basear em três categorias de dados fundamentais:

 

Dados de processos de negócio: estes dados serão sobre o inventário de produtos e a sua rotação, dados sobre a cadeia de distribuição e as suas dinâmicas, dados sobre vendas e faturação a clientes, etc. Estes dados são importantes para qualquer negócio, pois ajudam-nos a gerir e otimizar as operações comerciais, a reduzir o risco, sendo muito úteis para gerar relatórios de atividade.

 

Dados de produtos ou serviços: esta categoria de dados permite-nos analisar não só o desempenho e os benefícios que podemos tirar dos produtos ou serviços que comercializamos, mas também dar-nos pistas sobre áreas de melhoria e criação de novos produtos. Dados como a durabilidade do produto, a resistência, as quantidades vendidas, os atributos mais valorizados pelos clientes, repetição da compra do mesmo produto, produtos comprados em conjunto com outros produtos, reclamações, etc.

 

Dados dos clientes e do mercado: estes dados podem ser a caracterizam demográfica dos clientes, dados geográficos, comportamentos de compra, comentários sobre os produtos ou empresa, número e categoria de interações do cliente. Ou novos concorrentes, atividades da concorrência, novos lançamentos de produtos alternativos aos nossos, etc.

 

Estes dados em conjunto, criam valor para qualquer empresa, dando uma imagem completa do cliente e do mercado, permitindo criar interações mais relevantes e valiosas com os clientes, transformando os dados num verdadeiro ativo que acrescenta valor ao negócio.

shutterstock_1206001930 - A era do Big D

A era do 'Big Data'

 

Com a transformação digital, deixamos também de falar de dados e começamos a falar de enormes volumes de dados, ou seja, ‘Big Data’!

 

Com a quantidade de ferramentas e fontes de dados que temos atualmente, existe um enorme potencial para ser explorado e transformar informação dispersa e muitas vezes desestruturada para criar valor e inovação para o negócio.

 

As mudanças fundamentais que a transformação digital trouxe para a forma como os dados afetam os negócios atualmente, deve-se não só ao volume de dados que são gerados diariamente pelas plataformas digitais, mas também à velocidade a que são gerados e à variedade de formatos em que são gerados. São estas a três características fundamentais que terão de existir quando falamos em ‘Big Data’.

 

Foi em 2001 que pela primeira vez apareceu a referência aos 3 V’s que caracterizam a ‘Big Data’ (volume, velocidade e variedade), num artigo escrito por Doug Laney, “3-D Data Management: Controlling Data Volume, Velocity and Variety”.

 

Neste artigo, Doug Laney fazia já referência ao crescimento do volume de dados que as organizações conseguem atualmente recolher de diversas fontes, tais como através das transações comerciais que efetuam, do crescente número de dispositivos inteligentes que recolhem informação a qualquer momento e em qualquer lugar, de equipamentos industriais alimentados pelas tecnologias digitais de automação, de conteúdos ‘online’ ou nas redes sociais, entre outras.

 

O crescimento e difusão da Internet das Coisas (IoT), das redes sem fios e dos ‘smartphones’, tornando a internet acessível praticamente em qualquer lugar, permite que qualquer pessoa que, por exemplo, esteja em viagem consiga procurar e obter informação sobre locais a visitar, restaurantes onde comer ou últimas notícias relacionadas com a localidade onde se encontra. Todos estes dados são criados e têm de ser transportados, armazenados e tratados a uma velocidade sem precedentes.

 

 

O terceiro V, de variedade, está relacionado com todos os formatos em que esses dados podem ser gerados, desde os tradicionais dados numéricos e estruturados, até documentos de texto não estruturados, emails, fotografias, ficheiros de vídeo ou áudio, etc.

 

Estes são os três V’s que Doug Laney referiu no seu artigo de 2001, mas mais recentemente, e como consequência da experiência acumulada pelos especialistas na área do ‘big data’ e dos desafios que vão encontrando como, por exemplo, a empresa SAS que refere mais dois: veracidade e variabilidade.

 

Em relação à veracidade é fácil de adivinhar. Com a facilidade com que atualmente são publicados conteúdos nas várias plataformas digitais, em particular nas redes sociais, fenómenos como o das famosas ‘fake news’ são uma realidade com que temos de lidar diariamente, sendo necessário fazer sempre uma análise critica dos dados, confirmando a sua precisão e a fiabilidade das fontes.

 

No que respeita a variabilidade, a SAS refere-se à imprevisibilidade que existe em relação aos fluxos de dados, existindo uma grande variação nas tendências de pesquisa de informação como, por exemplo, nas redes sociais. Esta variabilidade levanta grandes desafios para as empresas, ao terem de gerir cargas diárias, sazonais, ou de picos de fluxo de dados desencadeados por eventos.

 

Não devemos esquecer outro “V”, de valor, pois a capacidade que as organizações têm para aceder e processar dados deverá ser transformada numa vantagem competitiva, através da correlação dos dados e de uma análise preditiva que permita criar valor para o negócio.

shutterstock_1348329050 - A era dos dado

A era dos dados não estruturados

 

A era do ‘Big Data’ trouxe grandes alterações à forma como as empresas têm de lidar com os dados. Com a transformação digital, diferentes fontes e categorias de dados estão à sua disposição pela primeira vez, através de todas as novas ferramentas que estão agora disponíveis para fazer a recolha e tratamento desta nova avalanche de informação.

 

No passado recente, as empresas lidavam com dados estruturados, planeados e que estavam organizados, por exemplo, numa folha de Excel. Estes dados eram obtidos através de inquéritos feitos aos clientes, de registos de vendas ou de inventário.

 

Atualmente, as empresas têm de lidar com um volume enorme de dados não estruturados, que podem ter diferentes origens e chegar em diferentes formatos, como texto ou imagens.

 

Uma das grandes fontes de dados não estruturados atuais são as redes sociais. As pessoas criam enormes quantidades de conteúdo nas redes sociais, desde pequenos textos como, por exemplo, comentários no conteúdo que alguém publicou, ou textos mais longos com uma dissertação sobre algum tema favorito do autor.

 

Além dos conteúdos em forma de texto, muitos destes dados também podem ser publicados como fotografias, vídeos, ‘hashtags’, ‘emojis’, etc. Estes conteúdos que são publicados não estão estruturados ou catalogados em tabelas como, por exemplo, num inquérito.

 

O mais importante é que estes dados contêm informação que pode ser muito importante e valiosa para diversas organizações. Por exemplo, um centro de controlo de doenças e epidemias, poderá usar esta informação para entender a disseminação de doenças e vírus como, por exemplo, a gripe ou a COVID-19.

 

Outro exemplo é o de utilizar os dados recolhidos através das publicações feitas nas redes sociais para fazer a previsão das receitas de bilheteira de um novo filme a ser lançado nos cinemas ou, por exemplo, analisar o sentimento do público através de publicações feitas nas redes sociais para prever as oscilações na bolsa de valores.

 

Estes dados das redes sociais estão em bruto e desestruturados, mas fornecem muita informação interessante que pode ajudar qualquer negócio ou organização a tomar decisões.

 

Outra fonte de dados não estruturados são os dados móveis. Todos transportamos dispositivos móveis que, além servirem para comunicarmos e interagir uns com os outros, ou até mesmo publicarmos um texto, ou imagem em plataformas digitais como as redes sociais, fornecem dados sobre a nossa localização no espaço e no tempo.

 

Atualmente, tudo o que possa estar a acontecer é registado em tempo e lugar, adicionando uma nova camada de dados, além do conteúdo, que caracteriza e permite analisar a dinâmica dos nossos comportamentos em termos de horários em que habitualmente executamos determinada tarefa, ou frequentamos determinados espaços e quais os percursos que fazemos nas nossas rotinas diárias.

 

Esta nova fonte de dados dá às marcas não só grandes oportunidades como, por exemplo, poderem adaptar os conteúdos de acordo com a localização do consumidor, tornando-o mais relevante e aumentando as oportunidades de conversão em vendas, mas também novos desafios como o da necessidade de obtenção de consentimento do utilizador para o rastreamento da sua localização através do dispositivo móvel, entre outros.

 

Existem muitas outras aplicações para os dados móveis, sendo que em alguns casos poderão nem ter uma aplicação puramente comercial, como no caso da parceria da Foursquare com a American Printing House, uma organização sem fins lucrativos e líder no desenvolvimento de soluções para pessoas com deficiência visual, que criaram um aplicativo que permite não só facilitar os trajetos de pessoas com deficiência visual através das cidades através de informação sonora, mas também informação adicional sobre a distância de edifícios de interesse nas imediações da localização do utilizador, atualizando essa informação conforme o utilizador se desloca e em tempo real.

 

Outra fonte de dados não estruturados que a transformação digital trouxe para o nosso dia a dia é aquela a que vulgarmente chamamos de internet das coisas (IoT). Cada vez mais surgem novos dispositivos com a capacidade de recolher dados e de os transmitir para as bases de dados na nuvem (‘Cloud’).

 

Estes dispositivos vão desde peças de vestuário (‘wearables’) a componentes e sensores de um automóvel, de um equipamento industrial numa fábrica, ou de um eletrodoméstico nas nossas casas. As estimativas da Cisco indicam que em 2023 existirão cerca de 29,3 mil milhões de dispositivos ligados em rede, representando uma média de 3,6 dispositivos per capita em termos globais. Destes, cerca de metade (14,7 mil milhões) serão ligações de máquina para máquina (‘M2M’).

 

Estes objetos que nos rodeiam e com um rápido crescimento na sua utilização, vão e estão já a gerar uma grande quantidade de novos dados não estruturados que são acessíveis aos negócios.

shutterstock_382769794 - Ferramentas ges

Ferramentas para análise de dados não estruturados

 

Esta nova era de dados não estruturados também trouxe novos desafios como a necessidade de termos ferramentas para analisar toda a informação. Se pensarmos na capacidade de processamento que os computadores tinham há poucos anos, vemos também a grande evolução que existiu na criação de novos processadores em relativamente pouco tempo.  

 

Foi em 1965 que Gordon Moore, cofundador da Intel, afirmou que o número de componentes de cada circuito integrado duplicaria a cada 2 anos, ficando esta afirmação conhecida como a Lei de Moore. Passados cinquenta anos, além desta visão se ter cumprido, podendo ser observada em dispositivos como o nosso telemóvel com mais capacidade de processamento que os primeiros computadores que ocupavam salas inteiras de um escritório, começamos agora a falar em computação quântica.

 

A Google anunciou no final de 2019 ter conseguido construir o primeiro computador quântico, tendo este a capacidade de calcular em 3,20 minutos uma operação que o supercomputador mais avançado da atualidade, o Summit, levaria cerca de 10.000 anos a calcular. Apesar de ainda faltarem alguns anos para que esta categoria de computadores possam ser uma realidade no mercado, estão já a ser dados os primeiros passos na criação de processadores quânticos, duplicando a taxa exponencial de processamento que Gordon Moore postulou há 50 anos.

 

Esta evolução no poder de processamento permite-nos lidar com a imensidão de dados não estruturados que a jornada de transformação digital gera. No entanto, apesar da capacidade de processamento que existe atualmente, foi necessário desenvolver novas formas de análise para enfrentar o desafio que os dados não estruturados exigem como, por exemplo, o processamento distribuído.

 

As tecnologias de processamento distribuído como, por exemplo, a plataforma Hadoop, permitem resolver o problema de processamento de grandes quantidades de dados utilizando vários processadores em paralelo, através da nuvem (‘Cloud’), em vez de um só.

 

Esta evolução na capacidade de processamento também permitiu o desenvolvimento de tecnologias como a inteligência artificial ou computação cognitiva, que permitem que algoritmos e computadores façam a análise e avaliação autonomamente de forma muita similar à inteligência humana.

 

Avanços recentes na criação de redes neurais, onde há milhares de computadores ligados entre si, permitem que plataformas como, por exemplo, o YouTube, consigam através dos seus algoritmos identificar elementos que compõem uma imagem ou vídeo.

 

Outro exemplo prático desta capacidade de processamento pode ser constatado através do seu ‘smartphone’, onde através de vários aplicativos pode procurar e identificar um amigo ou familiar numa foto, ou até mesmo aplicar um filtro com a sua cara de forma a aparecer como o personagem principal num qualquer filme famoso produzido em Hollywood.

 

Outro avanço no campo da computação cognitiva é o processamento natural da linguagem, em que um algoritmo consegue ler um texto e transformá-lo num ficheiro de som com uma voz gerada por computador. Não sei se já experimentou, por exemplo, no Microsoft Word com um ficheiro de texto aberto, carregar no botão “Ler em Voz Alta” que aparece na secção “Rever” do friso no topo da página. Ou se, por exemplo, em muitos vídeos do YouTube carregar na opção “Abrir transcrição” que aparece na barra abaixo do vídeo. São estas algumas das aplicações práticas do processamento natural de linguagem na análise de dados não estruturados.

 

No âmbito da computação cognitiva, a aprendizagem automática (‘machine learning’), em que os algoritmos se vão aperfeiçoando automaticamente. Este aperfeiçoamento é conseguido ou através de instruções que são fornecidas inicialmente para definir uma regra na tomada de decisão (aprendizagem supervisionada), ou através da interação do algoritmo com um ambiente dinâmico, em que é dado um comentário positivo ou negativo em relação às decisões que o algoritmo vai tomando (aprendizagem por reforço), ou sem nenhuma validação, em que o algoritmo define por si só um padrão ou estrutura de acordo com os dados que vai recebendo (aprendizagem não supervisionada).

 

Uma demonstração interessante da capacidade de processamento de dados através da inteligência artificial e da computação cognitiva, foi a que a IBM fez com o seu sistema Watson, ao participar num concurso televisivo americano, o “Jeopardy”, em que a plataforma conseguiu vencer o concurso.

O que é realmente importante, é que estas ferramentas não só já existem, mas estão também cada vez mais disponíveis para todos. Com a difusão de infraestruturas de computação em nuvem, todos nós já usamos a inteligência artificial, ou processamento de linguagem natural, em dispositivos do nosso quotidiano como, por exemplo, no nosso ‘smartphone’.

shutterstock_1458375968 - Criação de val

Criação de valor através dos dados

 

Com toda a evolução tecnológica que tem ocorrido na capacidade de processamento de dados, em particular nos dados não estruturados, o desafio deixa de ser tanto um desafio técnico, sendo cada vez mais um desafio estratégico de como transformar todos estes dados existentes numa fonte de valor e vantagem competitiva, antecipando a nossa concorrência que também tem acesso aos mesmos dados, e gerando novos benefícios para os nossos clientes, para o nosso negócio.

Conhecimento e novas perspetivas

 

A forma mais básica de criar valor através dos dados é a de aumentarmos o nosso nível de conhecimento e compreensão dos nossos clientes. Através da análise de dados podemos adquirir informações relevantes e novas perspetivas que não são possíveis conseguir com base em suposições e perceções, ou seja, aquilo que num português mais popular costumamos apelidar de “achoumetro” e que são análises que normalmente começam com as palavras “eu penso que”, “tenho a ideia de que”, ou “ouvi dizer que”, basicamente baseadas em palpites.

 

A análise de dados permite-nos revelar informação que muitas vezes de outra forma está totalmente invisível e não contribui para tomar decisões mais esclarecidas e objetivas. Fazendo uma análise de diferentes dados permite identificar padrões ou compreender forças que impactam o negócio de forma positiva ou negativa e que não eram previamente conhecidas.

 

Um exemplo que podemos encontrar relacionado com a pandemia por COVID-19 foi o de uma análise por um grupo de investigadores, que procuraram determinar se os padrões de pesquisa na Internet podem ser úteis para rastrear a propagação do COVID-19 e se esses dados também podem ser úteis para compreender a progressão clínica da doença.

 

Realizaram análises de correlação temporal para caracterizar as relações entre uma série de termos de pesquisa específicos para sintomas COVID-19 feitos na internet e número de casos e mortes por covid-19 reportados por 32 países, no período entre 1 de janeiro a 20 de abril de 2020.

 

Conseguiram comprovar existir uma relação entre o aumento do número de pesquisas relacionadas com os sintomas covid-19 e o aumento dos casos e mortes reportados por covid-19. Os padrões de pesquisa na Internet revelaram um padrão temporal claro de progressão da doença, em que os sintomas iniciais de febre, tosse seca, garganta inflamada e calafrios foram seguidos por falta de ar numa média de 5,22 dias após o início do sintoma inicial, 18,53 dias em média o número de casos reportados, e 22,16 dias em média para o número de mortes reportadas, correspondendo ao curso clínico relatado na literatura médica.

 

Este exemplo mostra como os dados de pesquisa na Internet podem ser úteis para caracterizar, por exemplo, o curso clínico detalhado de uma doença. Estes dados estão disponíveis em tempo real, proporcionando benefícios importantes como recurso complementar para rastrear as pandemias, especialmente antes de estarem disponíveis testes laboratoriais generalizados, aumentando a capacidade de resposta eficaz aos desafios relacionados com a saúde pública.

Segmentação e 'targeting'

 

Outra forma de acrescentar valor através dos dados é através da segmentação e ‘targeting’. Uma boa segmentação e ‘targeting’ mais apurado permite melhorar a proposta de valor, utilizar os recursos de forma produtiva, e inclusivamente gerar novas oportunidades de negócio.

 

Existem inúmeros exemplos interessantes em que a análise de dados permitiu melhorar a segmentação e ‘targeting’ com resultados positivos para o negócio.

 

Por exemplo, uma empresa de joalharia não tinha uma estratégia para as suas campanhas de email marketing. Enviavam emails para todos os clientes da sua base de dados com a esperança de conseguirem encomendas. Esta abordagem não tinha grandes resultados, pois o nível de fidelização dos clientes era baixa e raramente conseguiam que um cliente repetisse uma compra.

Após analisarem os dados que tinham dos seus clientes, cerca de 12 mil clientes, detetaram um enorme potencial para aumentarem a taxa de retenção dos clientes atuais, que era de cerca de 20%. O valor médio de compra dos seus clientes era de 300 dólares, enquanto a compra média dos clientes que repetiam compras era de 688 dólares. Ou seja, se conseguissem que 2% dos clientes que só fazem uma compra fizessem uma nova encomenda, poderiam conseguir um resultado adicional de cerca de 58 mil dólares.

Esta análise dos dados permitiu também tomarem outras decisões importantes para o negócio como, por exemplo, reduzir a sua gama de produtos de forma a melhorarem a experiência do cliente, fazendo com que os clientes as quantidades encomendadas se mantivessem as mesmas, mas com uma melhoria na taxa de retenção de clientes.

Outro exemplo interessante foi a de uma cadeia de hotéis de luxo, com unidades localizadas em mais de 70 países. O grupo hoteleiro tinha um número semelhante de seguidores nas redes sociais em comparação com o seu concorrente direto. Mas não tinham forma de avaliar a qualidade do seu público, qual o seu perfil, ou quantos seguidores eram comuns às duas empresas.

 

Sem este conhecimento, a sua estratégia de marketing não era eficaz, pois não havia muita precisão no ‘targeting’, dificultando também a adequação do conteúdo de acordo com o perfil da audiência. Tinham claramente a necessidade de conhecer melhor os seus clientes para conseguirem uma maior diferenciação do seu concorrente e melhorarem a sua proposta de valor.

 

Com a ajuda da sua empresa de comunicação e através da utilização de uma plataforma para análise de audiências nas redes sociais, conseguiram analisar mais de 700.000 perfis em três das suas contas e três contas dos concorrentes nas redes sociais. Esta análise permitiu identificar rapidamente as sobreposições de seguidores das suas contas e as dos seus concorrentes, e assim identificar os segmentos de audiência suscetíveis de responderem às suas campanhas de marketing.

 

Conseguiram também identificar seguidores únicos em cada uma das suas contas, permitindo uma segmentação personalizada, utilizando o conhecimento que adquiriram sobre os principais interesses dos seguidores de uma conta específica e de acordo com a sua localização, para entregar conteúdo relevante para esse público em particular e no momento certo.

 

Esta análise permitiu-lhes também identificar influenciadores locais a quem poderiam dar uma atenção diferenciada, tornando-os promotores ativos das suas unidades hoteleiras para público de cada um dos mercados onde estavam presentes.

 

No total foram descobertos 358.000 utilizadores relevantes que seguiam exclusivamente a contas de redes sociais do principal concorrente e 150.000 que tanto as suas contas como as do principal concorrente. Esta análise gerou uma lista de audiências-alvo com potencial para diferentes táticas de marketing para comunicar com os clientes menos leais à marca e fidelizar os clientes mais fiéis.

Personalização

 

Outra forma de criar valor a partir de dados é através da personalização. Se pensarmos bem, a personalização da relação com os clientes foi desde sempre uma das grandes ambições de muitas empresas. Basta pensarmos nas experiências inesquecíveis que muito provavelmente já teve em lojas ou restaurantes com serviços com atendimento excecionais, em que há sempre um colaborador de vendas amigável para dar apoio, respondendo a todas as perguntas, tentando saber mais sobre as suas preferências e sugerindo produtos que considera serem os melhores para si e que vai adorar.

 

Enquanto fazemos compras, construímos muitas das vezes relações duradouras e até mesmo de amizade, sustentadas nas informações que vamos dando em cada contacto que fazemos com o negócio em causa.

 

Esta adaptação para atender diferentes clientes, para proporcionar uma experiência única, uma oferta ou serviço diferenciado e personalizado ganhou uma nova importância com a transformação digital dos negócios. A pandemia por COVID-19 veio acelerar ainda mais a necessidade de personalização, visto ter forçado a que mais empresas aumentassem a sua presença digital, inundando os diferentes canais digitais de contacto com o cliente com conteúdos e publicidade.

 

Mesmo antes desta vaga de conteúdo digital, os clientes já reclamavam por uma maior personalização. Num estudo realizado pela Accenture, 91% dos consumidores sondados disseram ser mais provável fazerem compras a empresas que os tratem de forma mais personalizada, através de ofertas e recomendações adaptadas ao seu perfil de cliente. Por outro lado, 48% dos 8.000 consumidores sondados, disseram terem trocado de marca, preferindo fazer a suas compras em outros websites ou lojas físicas, por o website da marca em causa não ter o conteúdo adaptado às suas preferências e histórico de relação.

 

A criação de experiências personalizadas começa com uma análise de dados, gerando um maior conhecimento sobre clientes, as suas preocupações e necessidades, podendo assim este conhecimento ser aplicado na criação de experiências mutuamente benéficas e que criem valor. Os dados podem chegar até nós através de métodos de investigação como inquéritos e grupos de foco, ou através da análise do histórico de transações feitas pelo cliente. Cada vez mais, com a ajuda de tecnologias como ‘Deep Learning’ podemos recolher e analisar dados em tempo real, através das interações no website da empresa, das redes sociais, ou até mesmo pelos contactos feitos telefonicamente para o serviço de atendimento ao cliente.

 

Mas a personalização só acontece com a conjugação de dados e conteúdos, pois só com uma criação cuidadosa de conteúdos com base nos dados dos clientes é possível proporcionar experiências verdadeiramente relevantes para o cliente. Os melhores exemplos que podemos encontrar nos nossos dias, são os dados por empresas como a Amazon ou a Netflix.

Contextualização

 

Também podemos criar valor através dos dados pelo contexto em que estes são gerados. Com a tecnologia existente, a expansão dos pontos de recolha de dados está a tornar-se cada vez mais portátil e pessoal, incluindo telemóveis e sensores ‘wearables’, conseguimos recolher dados que nos dão referências adicionais sobre as circunstâncias em que os clientes procuram uma solução.

 

Os dados só por si podem parecer interessantes, mas só serão valiosos se podermos transformá-los em conhecimento. Os dados têm um valor limitado se não estiverem relacionados com o contexto. Quando analisamos dados não estruturados, por exemplo, podemos encontrar a palavra “casamento”, não ficando com uma ideia sobre a intenção com que essa palavra foi utilizada e em que contexto. Poderá ser alguém que quer casar e está à procura de um local para realizar a cerimónia, um convidado que procura roupa apropriada para usar durante um casamento, ou até mesmo alguém a informar que não pode alugar um espaço porque na data em questão vai ocorrer um casamento. Sem dúvida, dados e conhecimento não são a mesma coisa.

 

Analisar dados sem considerar o contexto será o mesmo que um médico diagnosticar um doente com diabetes apenas baseado na temperatura corporal. Para fazer este diagnóstico, o médico precisa ter mais dados, como a idade do doente, o seu estilo de vida, dieta, peso, história familiar. A contextualização é fundamental para transformar dados sem sentido em informação útil e que crie valor.

 

Para fazer campanhas de marketing efetivas e personalizar a relação com os clientes, temos de conhecer o contexto em que estão à procura de uma solução e em que fase da jornada de compra estão. Por exemplo, temos de saber mais do que se o nosso cliente é homem ou mulher, que idade tem, ou onde vive. Devemos também ter dados sobre a indústria em que trabalha, que categoria de conteúdo gosta mais, qual o canal em que prefere consumir conteúdos, se está a usar atualmente uma solução similar para satisfazer as suas necessidades, e qual o orçamento que tem disponível para adquirir uma solução.

 

Só quando temos dados sobre o contexto, conseguimos oferecer conteúdos e soluções personalizadas e relevantes para o nosso cliente. Quando desenvolvemos ações de marketing personalizadas e direcionadas para as necessidades específicas de cada pessoa, conseguimos criar verdadeiro valor a partir dos dados.

Em resumo

 

A transformação digital trouxe uma grande mudança para as estratégias de negócio, sendo por isso fundamental compreender todas as alterações tecnológicas que acontecem e o impacto que têm na forma como acedemos a dados e como estes podem criar valor para o negócio.

 

Até há pouco tempo, o acesso a dados era extremamente caro para as empresas. Para conhecerem melhor os seus clientes, as empresas tinham de contratar uma equipa de pesquisa de mercado. Esses dados eram recolhidos e armazenados de forma estruturada em tabelas e, normalmente, estavam fechados em silos operacionais nas empresas. Cada departamento da empresa teria os seus próprios dados, que seriam usados apenas para como ferramenta para otimizar os processos no departamento e as suas decisões de negócio.

 

Os dados de vendas serviriam para melhorar o processo de venda, os dados de inventário serviriam para acompanhar os processos logísticos, etc. Serviam apenas para aumentar a eficiência de cada departamento, numa lógica mais ligada à era industrial do século passado. Mas, na era digital, os dados têm um papel e uma importância estratégica bastante diferente.

 

Atualmente, os dados são gerados de forma contínua e em todo o lado. Não precisamos criar processos específicos para ter acesso a muitos dos dados que são gerados. Há dados a serem gerados por todo a categoria de sensores, processos e pessoas em todo o mundo. O desafio agora é transformar todos esses dados em informação valiosa e útil para as empresas e para os seus clientes.

 

Esta nova era dos dados não estruturados, úteis e muito valiosos para as empresas, não deverão ficar fechados em silos departamentais, ligando-os entre si para dar uma imagem holística e integrada do, do mercado e dos clientes. Com a transformação digital dos negócios, os dados tornaram-se um ativo intangível chave para as empresas e uma fonte de criação de valor.

Siga-nos nas redes sociais

© 2020 Dialeto Digital, Portugal