Com investimentos de US$ 4 bilhões, estratégias baseadas em dados fomentam universo corporativo

Ainda em 2019, os investimentos em Big Data e Analytics deverão atingir um total de US$ 4,2 bilhões, segundo estudo da ABES e da IDC. Já o volume de dados circulantes em empresas de todo o mundo, atualmente medido em cerca de 4,4 zetabytes, tende a subir para 44 zetabytes em até 5 anos.

Neste cenário, estratégias de data science despontam entre os planos de crescimento das empresas. De acordo com a Frost e Sullivan, até 2022 o mercado de soluções para esta área deverá triplicar na América Latina, tendo o Brasil como carro-chefe.

De acordo com especialistas, a ciência por trás dos dados será o divisor de águas para a competitividade empresarial no mercado do futuro próximo. Everton Lenz, coordenador de Desenvolvimento da BIMachine, fabricante de soluções em Business Intelligence e Analytics, ressalta que questões como extração, limpeza e transformação dos dados em informações de valor serão a base para que os colaboradores das companhias tenham autonomia para tomar decisões rápidas e alavancarem seus negócios.

“Soluções de dados atuais precisam combinar inteligência com acessibilidade e intuitividade para todos os usuários, traduzindo a complexidade dos dados para um entendimento simples”, explica Lenz.

Já George Mueller, desenvolvedor na BIMachine, ressalta que tal evolução do uso da informação também passa pela experiência do usuário. “Pensar na escrita e no design das soluções analíticas ajuda a elevá-las a um outro nível, criando experiências agradáveis e evitando que retornem para uma planilha, por exemplo”, salienta.

Inovações como Machine Learning também são destacadas pelos especialistas, trazendo um status crucial para a criação de práticas sólidas no uso do data science nas estratégias corporativas.

O CEO da BIMachine, Douglas Scheibler, complementa avaliando que a evolução no tratamento das informações também transformará o perfil dos colaboradores, não somente criando novos cargos – como o Cientista de Dados, uma das profissões com maior procura atualmente no segmento de TI -, mas também indicando aos próprios funcionários novas maneiras de refletir, em suas rotinas, uma nova cultura, focada em expansão e resultados.

“As novas empresas terão suas estratégias cada vez mais orientadas por dados (data-driven), e as equipes terão que se adaptar a isso. Quem é desenvolvedor terá o desafio de fazer essa ponte para a transformação cultural dos negócios, por meio da tecnologia”, finaliza Scheibler.

Fonte: Terra

Qual é o valor do Big Data e das análises de negócios para as empresas?

Hoje, há diversas técnicas para que os processos sejam cada mais estruturados e otimizados, por meio de noções estatísticas, processamento de informações e pesquisas de mercados. Enquanto isso, a IDC estima que até 2020 a quantidade de dados aumentará 10 vezes, em relação ano de 2010. Mas, você sabe qual é a real importância do Big Data para extrair as informações necessárias para sua organização?

A definição do termo é comumente atrelada à um grande volume de dados tanto estruturados (Softwares de empresas como ERP, CRM, sistemas financeiros, sistemas de RH) quanto não estruturados (redes sociais, portais de notícias, dados móveis) que sobrecarregam diariamente as empresas. Não é a quantidade de dados disponíveis que importa, mas sim como as organizações os utilizam para obter novos insights, na tomada de decisões e ações mais estratégicas.

Uma solução de big data deve ser capaz de trabalhar com todos os conteúdos produzidos e recebidos pela organização. Escolher uma tecnologia que atenda melhor a empresa e fazer uma análise adequada permite a redução de custos técnicos, economia de tempo e desenvolvimento de novos produtos. Com análises de big data, assim com o ‘business intelligence’ (BI), por exemplo, é possível determinar problemas e falhas técnicas em tempo real, calcular riscos, ameaças e detectar comportamentos que podem afetar toda a organização.

Visão 360º do cliente

Até agora, ficou claro que o big data representa uma grande mudança no panorama tecnológico. Mas, para enfrentar os desafios relacionados a maior variedade, velocidade e volume de informações, as organizações também estão procurando soluções de dados como Hadoop (estrutura de software de código aberto para armazenamentos de dados e executar aplicações em ‘clusters’ de hardwares comuns) e NoSQL (bancos de dados não relacionais, como gráficos, documentos e colunas). Contudo, pode ser difícil saber por onde começar e como você determina as melhores maneiras de gerar valor com essas ferramentas.

Por meio do Hadoop, é possível reunir diversas fontes de informações utilizando um hub de processamento de dados extenso e escalável para envio de informações para um banco de dados analítico. Um exemplo prático do uso desta solução, foi no caso de uma empresa de marketing digital, que reduziu o tempo de seu processo de extrair e analisar dados em até 70% em comparação do que era feito antes do uso de uma solução atrelada ao big data.

Há tempos as empresas buscam formas de analisar os bancos de dados a fim de extrair informações estratégicas para otimizar o contato com o cliente, especialmente em mercados mais competitivos, a exemplo dos serviços de telecomunicações, hospitais e setor financeiro.

Com o desenvolvimento de ferramentas para análise de dados, que geram insights durante a jornada do consumidor, é possível oferecer suporte às equipes de vendas e serviços uma compreensão mais completa de quem é o comprador, e ao mesmo tempo a imagem de como os produtos e serviços de uma marca são percebidos pelo público externo. Instruir os colaboradores sobre esta percepção e usar o big data com soluções de BI na jornada da interação com clientes é uma das formas de tomar as decisões mais produtivas e rentáveis em tempo real.

*Claudio Tancredi é Country manager da Hitachi Vantara Brasil

Fonte: It.Forum 365

Dez dados essenciais para entender o futuro do conteúdo

PwC publicou a 20ª edição de seu estudo Global Entertainment & Media Outlook, que vem mapeando anualmente as dinâmicas desses mercados, incluindo insights sobre o futuro próximo. O relatório completo analisa números gerais dos segmentos de publicidade e conteúdo, globalmente, e também separado em 14 segmentos, com levantamento de 53 países, Brasil incluso.

Neste ano, o tema principal é personalização. “Consumidores estão usando um enorme leque de dispositivos conectados para organizar, curar e descobrir universos próprios e únicos de mídia. Em resposta, as empresas estão desenvolvendo suas ofertas revolvendo preferências pessoais, utilizando-se de dados e padrões de uso para apresentar seus produtos não para audiências de bilhões, mas separadamente para bilhões de indivíduos”, escrevem, na introdução do relatório, Ennèl van Eeden, líder em estudos globais de mídia e entretenimento e sócia da PwC Holanda, e Wilson Chow, líder de tecnologia, telecomunicação e mídia e sócio da PwC China.

Segundo eles, o progresso da hiper-segmentação deve tornar a entrega ainda mais qualificada à reboque do desenvolvimento das redes 5G, “criando novos cases de uso, melhorando a experiência do consumidor e acelerando o crescimento de muitos subsetores da indústria de E&M (entretenimento e mídia), desde games até o streaming de esportes em alta definição”, o que traz imensas oportunidades às companhias que responderem a esse cenário com eficiência. Separamos, a seguir, dez informações essenciais, acompanhadas de infográficos, sobre alguns dos principais achados do Entertainment & Media Outlook 2019.

1 – Macrotendências de E&M
O segmento de E&M será guiado principalmente pelo consumo digital. Como um todo, o setor terá um aumento nominal de 4,3% entre 2018 e 2023, de US$ 2,1 trilhões para US$ 2,6 trilhões. O maior ritmo virá da Índia, mas o maior volume será chinês, que deverá passar os Estados Unidos pela primeira vez. A China deverá fazer girar US$ 84 bilhões de E&M (+ 7,7% de 2018a 2023) no período, enquanto os EUA chegarão a US$ 71 bilhões.

Até 2023, anunciantes deverão direcionar mais de 50% de seus orçamentos a publicidade digital. A média global de crescimento anual será de 9,5% no período, e o Brasil estará acima disso, com 12,8%. O consumo de E&M em dispositivos móveis será um dos principais motores desse crescimento.

2 – Publicidade em TV
A capacidade de levar conteúdo a audiências massivas continuará a fazer da televisão linear um segmento dominante nas estratégias publicitárias. Mas o aumento do consumo de audiovisual pela internet também vai direcionar o crescimento da receita do segmento como um todo, enquanto a TV tradicional tende a diminuir seu share.

O consumo de televisão via internet vai crescer principalmente em mercados em desenvolvimento, puxados pela China — onde já existem 446 milhões de domicílios com banda larga. O consumo de eventos esportivos ao vivo também devem guiar boa parte desse desenvolvimento. O dilema sobre a diversidade de plataformas de streaming ou sob demanda, impossibilitando a assinatura reunida de todas as ofertas favoritas num só lugar, deverá chegar a diversos mercados, gerando oportunidades para operadoras de telecom na entrega de produtos multicanal por banda larga.

3 – Publicidade digital
No ano passado, a receita global de publicidade digital móvel já ultrapassou a verba anunciante gerada por meio de navegação a cabo. O smartphone é o principal dispositivo de conexão, mas outros aparelhos, como smart speakers e smart TVs, vêm acelerando essa mudança.

As preocupações recentes sobre privacidade dos usuários, as leis internacionais sobre gestão de dados e o alerta sobre brand safety desacelerou o crescimento desses investimentos, principalmente em mercados desenvolvidos. Competidores mais preparados e a consolidação de players em compliance legal abriram oportunidades nesse contexto.

4 – Receita de OTT
O aumento de consumo de audiovisual pela internet vai impulsionar as receitas de vídeos over-the-top (OTT). Comparado com as outras regiões, inclusive Emea (Europa, Oriente Médio e África), a América Latina terá um crescimento menos expansivo. Mas a Ásia deverá ultrapassar a América do Norte em 2021.

Em termos gerais, o mercado de vídeo OTT deverá dobrar no período, chegando a US$ 72,8 bilhões até 2023. O principal acelerador desse aumento serão serviços de assinaturas, que vão se aproximar dos US$ 60 bilhões de receita nos próximos quatro anos, enquanto o aluguel online deverá atingir a casa dos US$ 10 bilhões.

5 – Acesso à internet
A conexão à internet via smartphones seguirá em alta. A maior acessibilidade a pacotes de dados já existentes e futuros investimentos em redes 5G vão guiar esse aumento. A conexão por meio de tablets tende a se estabilizar, enquanto smart speakers deverão dobrar de tamanho entre o ano que vem e 2023.

Nesse cenário, é improvável que novas operadoras de telecom tentem disputar o mercado de dados com as gigantes do setor. A tendência é que as multinacionais que já lideram o mercado se consolidem na liderança por meio de aquisições e crescimento orgânico, principalmente pela oferta de pacotes de dados que incluam benefícios junto a plataformas sociais, por exemplo, além de novas experiências de consumo e ofertas de conteúdo em vídeo.

6 – Realidade virtual
Apesar de ser ainda um conceito comercialmente novo, a realidade virtual tende a mostrar força enquanto modalidade de consumo de E&M, especialmente para games. Também nesse segmento, dispositivos móveis conectados a smartphones serão os principais meios de crescimento.

Apesar de ainda não ser um produto de consumo massivo nos próximos cinco anos, dispositivos de realidade virtual seguirão crescendo e podem apontar tendências de futuro. Novamente, as redes 5G serão determinantes nessa escala. Em 2023, o mercado de VR global deverá movimentar mais de US$ 6,1 bilhões nos dez mercados onde há maior adesão ao formato (Alemanha, China, Coreia do Sul, Espanha, Estados Unidos, França, Itália Japão, Reino Unido, Rússia), com crescimento de 22,2% no período.

7 – Consumo de dados
A conexão crescente e massiva terá impacto direto no tráfego na rede: em 2023, o consumo anual será de 4,4 quadrilhões de dados. Pacotes mais acessíveis, barateamento das tecnologias de dispositivos móveis e implantação de redes 5G estarão entre os principais catalisadores desse aumento.

Apesar do incremento no volume proporcionado pelas redes 5G, 90% das pessoas conectadas em 2023 ainda deverão utilizar 3G e 4G. Além das questões estruturais, outros desafios para o setor são  privacidade e proteção de dados, cibersegurança e qualidade de conteúdo disponível.

8 – Publicidade out-of-home
O contexto digital tem direcionado grande parte da mudança nos hábitos de consumo, mas alguns meios tradicionais — conectados à rede ou não — seguem atraindo receita. A mídia exterior é uma delas. Embora ainda não ofereça entregas de publicidade hiper-segmentada como num smartphone, boa parte desse inventário tem se digitalizado e possibilitado novas formas de entrega de comunicação.

Mais uma vez, a Ásia desponta como líder do segmento, puxada pela China, contribuindo com mais de 50% do share de receita do segmento até 2023. Em 2021, a receita de publicidade OOH não-digital começará a declinar, enquanto painéis e faces estáticas forem trocadas por monitores conectados à rede.

9 – Mercado de livros
Apesar das crises recentes, o setor editorial de livros tende a se tornar um ecossistema integrado de formatos físicos e digitais. Nesse mercado em especial, a América Latina aponta um crescimento sólido, maior que Europa e América do Norte, e próxima à Ásia.

Ainda que o meio impresso permaneça como protagonista por muitos anos, diversos segmentos deverão abocanhar parte dessa participação. Entre eles, livros digitais, audiobooks, vendas de usados (como segunda mão e sebos) e autopublicações independentes. A receita global do setor era de US$ 122 bilhões em 2018 e deverá chegar a US$ 129 bilhões em 2023.

10 – Impressos caem menos
Embora a receita publicitária de jornais e revistas impressos siga em queda, esse encolhimento diminuirá nos próximos anos. Mesmo assim, a busca por novas formas de receita e modelos de negócios permanece como uma prioridade para a sustentabilidade do setor.

A circulação diária média, em todas as regiões, tende a se estabilizar. Esse fator e a desaceleração na queda de publicidade podem ser compensadas, principalmente, pelo desenvolvimento de novas linhas de receitas, como vídeos, podcasts, eventos e experiências. Embora ainda esteja lento, o crescimento de assinaturas digitais têm trazido novo dinheiro, que poderá ser incrementado com modelos como clubes de fidelidade e doações.

7 certificações de análise de dados que compensarão

Análise de dados e big data são a força vital de qualquer negócio bem sucedido. Obter a tecnologia certa pode ser um desafio, mas construir a equipe certa com as habilidades certas para empreender iniciativas de big data pode ser ainda mais difícil. Não surpreendentemente, esse desafio é refletido na crescente demanda por habilidades e certificações de Big Data.

Se você está procurando uma maneira de obter vantagem, a certificação de big data é uma ótima opção. As certificações medem seus conhecimentos e habilidades em relação a benchmarks específicos do setor e do fornecedor para provar aos empregadores que você tem as habilidades certas. O número de certificados de análise de dados está se expandindo rapidamente.

Abaixo está o nosso guia sobre as mais procuradas certificações de análise de dados e big data para ajudá-lo a decidir qual é o certificado certo para você.

A certificação de análise de dados e de big data valem a pena?

As organizações estão em busca de cientistas de dados e analistas com experiência em lidar com big data.

Essas habilidades estão em alta demanda e são relativamente raras. Indivíduos com a mistura certa de experiência e habilidades podem exigir altos salários. As certificações certas podem ajudar.

De acordo com uma pesquisa recente da empresa de análise de tecnologia Foote Partners, a explosão de interesse por internet das coisas (IoT) está criando grandes déficits de pessoal. A IDC está prevendo um CAGR de 30% nos próximos cinco anos, enquanto a McKinsey espera que a IoT tenha um impacto econômico global de US$ 4 trilhões a US$ 11 trilhões até 2025, já que as empresas buscam mais insights sobre as tecnologias da IoT.

A Foote Partners acredita que a análise avançada de dados será uma das principais forças que impulsionam a IoT. Ela observa que as principais habilidades avançadas de análise na área de IoT incluem:

  • Apache Hadoop e módulos relacionados (HDFS, HBase, Flume, Oozie, Hive, Pig, YARN)
  • NoSQL and NewSQL
  • Apache Spark
  • Machine learning e data mining

“As capacidades avançadas de análise de dados são críticas demais para se manter competitiva”, diz David Foote, cofundador, analista chefe e diretor de pesquisa da Foote Partners. “Eles se expandiram em popularidade de alguns setores para quase todos os setores e mercados”.

As 7 principais certificações de análises de dados e de big data

  • Certification of Professional Achievement in Data Sciences
  • Certified Analytics Professional
  • Cloudera Certified Associate (CCA) Data Analyst
  • EMC Proven Professional Data Scientist Associate (EMCDSA)
  • MapR Certified Data Analyst
  • Microsoft Certified Solutions Expert (MCSE): Data Management and Analytics
  • SAS Certified Data Scientist Using SAS 9

Certification of Professional Achievement in Data Sciences

Certification of Professional Achievement in Data Sciences é um programa de graduação que visa desenvolver mecanismos com habilidades fundamentais em ciência de dados. O programa consiste em quatro cursos: Algoritmos para Ciência de Dados, Probabilidade e Estatística, Machine Learning para Ciência de Dados, Análise Exploratória de Dados e Visualização.

Organização: Columbia University

Preço: US$ 1.936 por crédito (um mínimo de 12 créditos, incluindo os quatro cursos, são necessários para completar o programa). Além disso, há uma taxa de inscrição não reembolsável de US$ 85 para o programa no campus e US$ 150 para o programa on-line. O programa on-line também inclui uma taxa de tecnologia adicional não reembolsável de US$ 395 por curso.

Como se preparar: um curso de graduação e quantitativa prévia e introdutória à programação de computadores são necessários.

Certified Analytics Professional

Certified Analytics Professional (CAP) é uma certificação analítica geral que certifica o entendimento completo do processo analítico, desde a estruturação de problemas analíticos e de negócios até a aquisição de dados, metodologia, construção de modelo, implantação e gerenciamento do ciclo de vida do modelo. Requer a conclusão do exame CAP e a adesão ao Código de Ética da CAP.

Organização: INFORMS

Preço: US$ 495 se você é um membro do INFORMS, ou US$ 695 se não for. O preço de equipe está disponível para as organizações.

Como se preparar: uma lista de cursos de estudo e uma série de webinars estão disponíveis por meio do registro.

Cloudera Certified Associate (CCA) Data Analyst

Um desenvolvedor de SQL que recebe a certificação CCA Data Analystdemonstra as principais habilidades de um analista para carregar, transformar e modelar dados do Hadoop para definir relacionamentos e extrair resultados significativos de produção crua. Ele exige a aprovação no exame de análise de dados CCA (CCA159), um conjunto controlado de controle remoto de oito a 12 tarefas práticas baseadas em desempenho em um cluster CDH 5. Os candidatos têm 120 minutos para implementar uma solução técnica para cada tarefa. Eles devem analisar o problema e chegar a uma abordagem ideal no tempo permitido.

Organização: Cloudera

Preço: US$ 295

Como se preparar: a Cloudera recomenda que os candidatos façam o curso Cloudera Data Analyst Training, que tem os mesmos objetivos do exame.

EMC Proven Professional Data Scientist Associate (EMCDSA)

A certificação EMCDSA demonstra a capacidade de um indivíduo de participar e contribuir como membro da equipe de ciência de dados em projetos de big data. Inclui a implementação do ciclo de vida de análise de dados, reformulando um desafio de negócios como um desafio analítico, aplicando técnicas e ferramentas analíticas para analisar big data e criar modelos estatísticos, selecionando as visualizações de dados apropriadas e muito mais.

Organização: Dell EMC Education Services

Preço: US$ 600 por streaming de vídeo-ILT; US$ 5 mil por curso ministrado por instrutor

Como se preparar: a EMC oferece um curso de treinamento, disponível em vídeo ou um curso ministrado por instrutor.

MapR Certified Data Analyst

A credencial do MapR Certified Data Analyst valida a capacidade de um indivíduo de executar análises em grandes conjuntos de dados usando uma variedade de ferramentas, incluindo Apache Hive, Apache Pig e Apache Drill. O exame testa a capacidade de executar tarefas típicas de ETL para manipular dados para realizar consultas. As perguntas abordam as consultas SQL existentes, incluindo a depuração de consultas malformadas de um determinado fragmento de código, a escolha das funções de consulta corretas para produzir um resultado desejado e as tarefas comuns de solução de problemas. O exame consiste em 50-60 perguntas em uma sessão supervisionada de duas horas.

Organização: MapR Technologies

Preço: US$ 250 para o exame

Como se preparar: o MapR recomenda que os candidatos se preparem com quatro de seus cursos: Introduction to SQL Analytics with Apache Drill, Apache Drill Performance e Debugging, Apache Hive Essentials e Apache Pig Essentials. O MapR também oferece um Guia de Estudo do MCDA.

Microsoft Certified Solutions Expert (MCSE): Data Management and Analytics

A credencial MCSE: Data Management and Analytics demonstra os amplos conjuntos de habilidades em administração SQL, criando soluções de dados em escala corporativa e aproveitando dados de business intelligence (BI) em ambientes locais e em nuvem. Para obter a certificação, os candidatos devem passar em um dos 12 exames.

Organização: Microsoft

Preço: US$ 165 por exame

Como se preparar: para obter essa credencial, você deve primeiro obter uma das sete Certificações Microsoft Certified Solutions Associate (MSCA): MSCA SQL Server 2012/2014; MCSA: SQL 2016 Database Administration; MCSA: SQL 2016 Database Development; MCSA: SQL 2016 BI Development; MCSA Machine Learning; MCSA: BI Reporting; or MCSA: Data Engineering with Azure. Além disso, a Microsoft oferece ferramentas de preparação para cada um dos 12 exames que levam à certificação MCSE: Data Management and Analytics.

SAS Certified Data Scientist Using SAS 9

A credencial SAS Certified Data Scientist Using SAS 9 demonstra que os indivíduos podem manipular e obter insights de big data com uma variedade de ferramentas SAS e de código aberto, fazer recomendações de negócios com modelos complexos de aprendizado e implantar modelos em escala usando o ambiente SAS. A certificação exige a aprovação de cinco exames que incluem perguntas de múltipla escolha, respostas curtas e interativas (em um ambiente SAS simulado). Os exames incluem:

  • SAS Big Data Preparation, Statistics and Visual Exploration
  • SAS Big Data Programming and Loading
  • Predictive Modeling Using SAS Enterprise Miner 7, 13, or 14
  • SAS Advanced Predictive Modeling
  • SAS Text Analytics, Time Series, Experimentation and Optimazation

Organização: SAS

Preço: US$ 180 por cada exame; US$ 250 para Predictive Modeling Using SAS Enterprise Miner

Como se preparar: o SAS recomenda que os candidatos se preparem usando seu currículo SAS Data Science da SAS Academy for Data Science. Ele custa US$ 4.400 para um curso de ensino à distância individualizado, ou US$ 16 mil para um programa de 12 semanas ministrado por instrutor em Cary, na Carolina do Norte.

Fonte: CIO

5 etapas para o sucesso de uma estratégia de Data & Analytic

O Gartner avalia que, com o avanço das demandas por Data & Analytics dentro das empresas, os chamados Chief Data Officers (CDOs) estão sendo cada vez mais responsáveis por uma ampla agenda que abrange as iniciativas de gerenciamento, análise e ciência de dados, além de ética e transformação digital.

Conforme a consultoria, esses especialistas precisam estar preparados para liderarem a transformação baseada em dados de suas organizações. Mas como os novos CDOs que estão assumindo essa posição desafiadora podem ter sucesso em suas jornadas?

Os primeiros 100 dias constituem um período de “lua de mel”, aponta o Gartner, perído em que os CDOs devem se estabelecer e criar percepções que os outros irão associar às suas ações subsequentes. Segundo a consultoria, cada fase inclui resultados-alvo, ações e recursos críticos, bem como algumas ideias opcionais a serem consideradas, conforme o tempo e os recursos permitirem.

De acordo com a Analista e Vice-Presidente da Consultoria, Debra Logan, preparar e comunicar um plano claramente dividido é fundamental neste processo. “Os profissionais precisarão criar planos detalhados e de alto nível para atividades-chave, com análises que incluam benchmarks e medições para mostrar o progresso e as realizações de suas iniciativas”, diz.

Confira abaixo uma lista com cinco etapas para o sucesso de uma estratégia de Data & Analytics, segundo a Gartner.

Preparar – Marque reuniões com sua equipe e com os principais líderes de negócios e de TI antes de participar e prepare um conjunto de materiais introdutórios sobre sua experiência. Se você é um veterano na empresa e passou para a função de CDO, revise sua experiência rapidamente. Demonstrar que você entende “como as coisas funcionam por aqui” é crucial.

Avaliar – Use reuniões face a face para construir uma forte compreensão do negócio e relacionamento com os principais interessados. Dedique pelo menos 50% do seu tempo a atender essas partes interessadas para explicar o papel do CDO e como você as ajudará a atingir seus objetivos críticos de negócios. Uma lista de não mais do que cinco perguntas ponderadas será mais valiosa do que tentar cobrir tudo. Preste muita atenção a pontos crônicos de dor e falhas anteriores e solicite ativamente o feedback sobre as percepções sobre as demandas direcionadas ao cargo de CDO e outras funções baseadas em dados. Também tente ter uma noção de como o CIO e a organização de TI são considerados no negócio.

Planejar – A fase de planejamento transforma as lições aprendidas das fases “preparar” e “avaliar” em um plano de ação. Compartilhe uma visão com sua equipe, gerentes de linha e as partes interessadas da empresa que você entrevistou. Apoie isso com uma avaliação de como a organização se compara à sua visão e descreva como você poderá desenvolver as operações e estruturas. Lembre-se de expressar esses objetivos em termos dos principais indicadores de desempenho de negócios (KPIs) que são importantes para as metas definidas por executivos e gerentes.

Agir – Reúna-se com suas equipes operacionais para definir seu escopo de operação e considere as métricas de desempenho. Pergunte o que você pode fazer para ajudá-los a ter sucesso. Realize uma reunião de status de gerenciamento sênior e desenvolva um cronograma trimestral. Estas serão algumas das reuniões mais valiosas que você tem. A equipe executiva determinará como integrar suas necessidades em sua estratégia e deverá deixar clara sua visão sobre o que constitui o sucesso. Isso lhe dará objetivos e estrutura claros para futuras reuniões. Mantenha a agenda simples: -O que você vai fazer durante este período? -Qual é o valor comercial das ações que você está planejando abordar? -Que valor comercial a equipe executiva gostaria que você entregasse durante o próximo período?

Mensurar – Você deve articular o valor comercial dos esforços de suas equipes de projeto, para que as reuniões regulares do relatório de progresso se concentrem nas informações mais relevantes para os líderes empresariais e financeiros.

Para entender e conquistar clientes é preciso dados, não suposições

Conhecer os clientes e construir relacionamentos têm sido princípios básicos para o bom andamento dos negócios em todo o mundo. Estamos na era da hiperconectividade e você, com toda certeza, já deve ter ouvido falar em Big Data, inteligência artificial (IA), CRM, ‘machine learning’, Google analytics, ‘business intelligence’, entre inúmeros outros termos e ferramentas que se valem da análise de dados para impulsionar resultados nos mais diferentes setores. E, caso ainda não esteja familiarizado com o ‘data science‘ na gestão da sua empresa, esse é um bom momento para começar.

O mercado está cada vez mais focado em entender a jornada do cliente e sua experiência de compra. Afinal, a razão para aquela grande ideia de negócio ter nascido é a satisfação do público-alvo, seja na entrega de um produto ou de um serviço. Avanços tecnológicos, como a inteligência artificial e o machine learning, vêm transformando as estratégias de atração e relacionamento com clientes.

A utilização de análise de dados no marketing possibilita aprimorar processos, obter ‘insights’ preciosos para analisar grandes volumes de dados e tomar decisões estratégicas com o objetivo de aumentar as vendas e o ROI, fidelizar clientes e aprimorar a experiência do usuário, por exemplo. Essa nova era do marketing, conhecida por ‘data driven’, está colocando em cheque o trabalho das agências de publicidade tradicionais – que não estão preparadas para tamanha complexidade.

Companhias que analisam seus dados conseguem responder rapidamente a mudanças do mercado, prever padrões de comportamento e prevenir riscos com mais agilidade. Analisando dados, as empresas aumentam as possibilidades de entender o cliente e responder às suas necessidades, o que leva ao crescimento.

Essas informações podem ser coletadas em diferentes lugares, como redes sociais, sites de pesquisa, e-mail, newsletters, fóruns, aplicativos e ‘gadgets’. Ao acessar um site, os ‘logs’ de acesso e de visualização ou de cliques do usuário mostram seu ponto de interesse. Quando ele faz uma compra online, é possível construir um histórico de estatísticas que mostra hábitos de consumo. Por meio dos comentários – positivos ou não – em redes sociais, ele registra uma percepção sobre aquela marca/serviço.

Porém, não é uma tarefa simples agregar valor a essa infinidade de dados, de forma que tenham sentido para gerar negócios de relevância. É preciso analisar as informações de forma inteligente, com as ferramentas e a abordagem certas para formular ‘insights’ – o ‘data science’ nada mais é do que um estudo metódico dos dados e informações referentes a um negócio, abrangendo diversas perspectivas sobre um determinado assunto.

Os profissionais de marketing – e de outras áreas – têm percebido a importância de entender métodos básicos de ciência de dados para se comunicar com as equipes de análise e avaliar as oportunidades. Atualmente, tudo o que é feito nos canais de mercado transforma-se em informação valiosa para estabelecer um padrão que caracterize o cliente certo para determinado negócio.

Está mais do que comprovado que o mercado, hoje, se baseia em números para crescer, e as companhias não podem mais focar seu planejamento e gestão em suposições. São esses dados, concretos e bem analisados, que serão de grande valia para a validação do modelo de negócio e para indicar para onde devem ser direcionadas as estratégias para que a satisfação, o engajamento e a fidelização do público-alvo sejam alcançados.

Fonte: It Forum 365

IBM explica venda de sua plataforma de marketing

Na semana passada, a IBM anunciou, em Nova York, um acordo definitivo para a venda de sua divisão Watson Marketing, plataforma que utiliza inteligência artificial para oferecer soluções de comunicação aos clientes. O comprador é o fundo de investimentos Centerbridge Partners e a ideia dos novos donos é construir uma empresa independente, e que ofereça um portfólio abrangente de produtos para atender aos maiores desafios do CMO em marketing e publicidade.

As soluções da plataforma incluem ferramentas de automação de campanhas, análise de dados e experiência dos clientes, um sistema de gerenciamento de conteúdo com tecnologia de inteligência artificial, além de diversas outras APIs. Como a transação ainda está sob revisão dos órgãos regulatórios, a IBM deu apenas poucos detalhes sobre como a negociação pode impactar algo na operação brasileira.

Por meio de um comunicado, no entanto, a companhia deixou claro que a venda da divisão está alinhada com os própositos estratégicos do grupo. “Podemos adiantar que como parte da estratégia da IBM para liderar nos segmentos emergentes e de alto valor da indústria de TI, atuamos com um modelo integrado que prioriza a inovação e a expertise em áreas como inteligência artificial, blockchain, cloud e supply chain”, diz o texto.

Dentro deste cenário, a IBM tambem aprofundou suas predileções em termos de direção de negócio. “As soluções de marketing e commerce vem sendo cada vez mais vendidas como produtos autônomos e não mais como parte central desse modelo integrado. Esse acordo definitivo assinado com Centerbridge é consistente com a nossa estratégia e acreditamos que a Centerbridge está bem posicionada para progredir com essas soluções no mercado”, finaliza o comunicado.

Nos próximos dias, a companhia deve anunciar um novo nome e identidade para a marca.

Fonte: Meio e Mensagem

Verbete Draft: o que é Marketing Holístico

Não precisa acender incenso. O Marketing Holístico leva em conta que todas as partes envolvidas com a empresa se relacionem em uma estratégia ampla e, portanto, mais eficiente. Conheça.

MARKETING HOLÍSTICO

O que acham que é:  Marketing voltado a terapias alternativas.

O que realmente é: Marketing Holístico é uma abordagem que visa contemplar partes diversas (como stakeholders, clientes, funcionários, fornecedores) ao criar e implementar estratégias de marketing. No conceito está a ideia de que a melhor solução nasce de uma perspectiva ampla e inter-relacionada. Quatro vertentes, necessariamente, precisam trabalhar juntas no Marketing Holístico: Marketing de Integração, de Relacionamento, Interno e Socialmente Responsável. Segundo Guilherme Pereira, diretor acadêmico dos MBAs da FIAP, o Marketing de Integração deve criar uma experiência unificada para o cliente, da mensagem ao entendimento. “Já o Marketing de Relacionamento visa gerar vínculo e criar envolvimento a longo prazo da marca com o cliente e o Marketing Interno é um conjunto de ações direcionadas ao público interno da organização ou empresa”, afirma. Eventualmente é possível adicionar mais vertentes como endomarketing, webmarketing, branding etc. Para Eduardo Prange, CEO da Zeeng, que analisa big data nas áreas de marketing e comunicação, o Marketing Holístico parte do pressuposto de que todas as partes envolvidas com a organização sofrem interferência e se relacionam. “Todos os processos de desenvolvimento, projeto ou a implementação de programas e atividades de marketing devem ter consciência dessa correlação.”

Quem inventou: Os acadêmicos e autores norte-americanos Philip Kotler e Kevin Lane Keller.

Quando foi inventado: Em 2006.

Para que serve: Para, por meio da sinergia criada entre todas as partes, impactar positivamente o resultado, fazendo com que o produto ou serviço venda mais. “Basicamente, o Marketing Holístico procurar enxergar o entorno de forma mais ampla e complexa, visando construir valor para a marca e para a empresa”, diz Silvio Sato, do curso de Publicidade e Propaganda da FAAP.

Quem usa: Qualquer empresa ou marca que deseje integrar estratégias.

Efeitos colaterais: Ineficiência, caso haja resistência na mudança da cultura da empresa (advinda da integração das áreas).

Quem é contra: Empresas que acreditam que a eficiência vem da segmentação. “São organizações que acreditam que o departamento de marketing é o pensador e o executor das estratégias, e não a empresa como um todo”, afirma Pereira.

Fonte: Projeto Draft

Aliadas, tecnologia e dados de consumo ajudam marcas a otimizar sua performance em vendas

Por Ricardo Rodrigues (*)

Você sabia que, em média, menos de 2% dos visitantes que chegam a um e-commerce compram no ato? Desse dado é possível concluir muita coisa. Primeiro que nenhum negócio consegue sobreviver exclusivamente de compras por impulso. A conta de investimento em atração de público versus vendas nunca vai fechar desse jeito. O que nos leva ao segundo ponto: só porque 98% de usuários deixam um site sem comprar nada, não significa que eles não gostaram dos produtos ou não têm intenção de converter com a marca em algum momento. Essas pessoas simplesmente não estavam prontas para comprar.

E isso pode acontecer por diversos motivos – o consumidor estava sem o cartão de crédito na hora, com pressa para buscar o filho na escola ou se distraiu com um e-mail de trabalho. Isso acontece porque a jornada de compra não é linear. Ao mesmo tempo, as marcas não podem simplesmente desperdiçar todo esse volume de potenciais clientes, que entraram no site e demonstraram interesse nos produtos. Portanto as empresas precisam ajudar as pessoas a tomarem uma decisão de compra e o melhor caminho para fazer isso é através dos dados de consumo, que indicam o perfil e comportamento do público de uma empresa e podem orientar campanhas mais assertivas.

Desvendando o perfil do consumidor através dos dados

Para otimizar a estratégia de marketing digital, o primeiro passo é  identificar quem são os visitantes do site – as necessidades e desejos do consumidor. Entender com profundidade o comportamento desses usuários  enquanto navegam nas páginas do site e quais são os produtos e categorias em que tem mais interesse é essencial para que as marcas criem campanhas mais direcionadas e personalizadas, com maior potencial de conversão, fazendo com que cada consumidor se sinta especial, mais próximo e querido pela empresa.

Todo este processo, desde a primeira identificação do cliente com a marca até a fidelização e recompra, é definido pela jornada de compra.  O objetivo de qualquer negócio online é buscar a evolução do visitante nesse processo, para que se torne um comprador fiel e constante, justamente pela boa experiência vivida no e-commerce.

Uma estratégia baseada em dados

Uma vez identificados os perfis de consumo dos consumidores, é possível aplicar uma comunicação humanizada, adequada ao momento em que aquele usuário está na sua jornada de compra.

Por exemplo: resultados preliminares de uma pesquisa de neurociência e linguística, liderada pela Social Miner, mostram que quando um novo visitante entra num site e está na fase de consideração da sua jornada de compra, usar uma linguagem mais afetiva e empática pode performar até 17% melhor. Ou seja, para cadastrar mais leads, o ideal é que as marcas sejam receptivas e encantem o seu potencial cliente. Na fase de avaliação, o compartilhamento de informações sobre os produtos – utilidades e vantagens – pode garantir resultados até 23% melhores.

Já na fase de conversão, a oferta de benefícios financeiros, como descontos e condições especiais, são mais relevantes em 60% dos casos e, na fase de retenção, o cuidado com a experiência pós-compra, bem como conteúdos que proporcionam uma boa experiência garantem a fidelização.

Estudamos ainda a relação entre a navegação do usuário em um site com a sua intenção de compra. E descobrimos que quanto mais engajado esse consumidor está, visitando mais páginas, maiores são as suas chances de conversão. Isso significa que podemos prever, com baixíssimo grau de erro, a probabilidade de um visitante comprar ou não, baseado em seu comportamento de navegação. Uma boa estratégia de engajamento ajuda as marcas a guiarem a navegação dos seus visitantes dentro do site, multiplicando as oportunidades de venda.

Automação x humanização: é possível ter os dois ao mesmo tempo?

A automação, aliada à personalização, permite que as marcas tratem os seus clientes com exclusividade e melhor: faça isso de forma escalável. Ou seja, a tecnologia faz o trabalho duro de análise de dados, enquanto as equipes de marketing podem focar no que realmente importa: as pessoas e o que elas esperam das marcas.

É, portanto, um recurso essencial tanto para grandes, quanto para pequenas e médias empresas. Num cenário de grandes e-commerces, os recursos ajudam a vencer o desafio de criar campanhas humanizadas, em escala. Já para o pequeno e médio empreendedor, oferece diferencial competitivo – baseada na experiência de compra humanizada – já que nem sempre essas organizações podem brigar por preço. Chamamos essa metodologia, que garante até 3,5 vezes mais conversões para as marcas, de People Marketing.

Por fim, é sempre importante buscar parceiros de confiança para que a sua marca esteja em boas mãos, afinal é a sua reputação que está em jogo. Existem empresas que podem te ajudar nesse sentido: criando verdadeiros laços entre a sua marca e seus clientes. Nós da Social Miner promovemos uma comunicação humanizada e automatizada para e-commerces aumentarem suas vendas. Minha dica é: valorize seu consumidor e fale com ele como se fossem bons amigos. Seja autêntico e, com certeza, você irá se destacar no mercado.

(*) Ricardo Rodrigues é cofundador da Social Miner

Fonte: Proxxima

GARTNER IDENTIFICA CINCO MITOS SOBRE O USO DE INTELIGÊNCIA ARTIFICIAL NAS EMPRESAS

Os líderes de TI e de negócios geralmente ficam confusos sobre o que a Inteligência Artificial (IA) pode fazer por suas organizações e são frequentemente desafiados por falsas ideias sobre como aplicar os conceitos dessa tecnologia em suas organizações. O Gartner Inc., líder mundial em pesquisa e aconselhamento para empresas, avalia que os gestores de TI e negócios que desenvolvem projetos de inteligência artificial devem separar a realidade dos mitos para elaborar suas estratégias de inovação para o futuro.

“Com a tecnologia de IA ​​entrando nas companhias, é crucial que os líderes de negócios e de TI compreendam completamente como as soluções inteligentes podem criar valor para seus negócios e onde estão suas limitações”, diz Alexander Linden, Vice-Presidente de pesquisa do Gartner. “As tecnologias de Inteligência Artificial só podem gerar valor se fizerem parte da estratégia da organização e forem usadas da maneira correta”.

Para evitar concepções erradas, o Gartner anuncia cinco mitos sobre o uso da Inteligência Artificial:

Mito 1: A Inteligência Artificial funciona da mesma maneira que o cérebro humano

A Inteligência Artificial é uma disciplina de engenharia da computação. Em seu estado atual, consiste em ferramentas de software destinadas a resolver problemas. Embora algumas formas de IA sejam altamente capacitadas e habilidosas, seria impossível pensar que as aplicações inteligentes atuais são semelhantes ou equivalentes à inteligência humana.

“Algumas formas de aprendizado de máquina (ML – de Machine Learning, em inglês), que é uma categoria de inteligência artificial, podem ter sido inspiradas pelo cérebro humano, mas não são equivalentes”, afirma Linden. “A tecnologia de reconhecimento de imagem, por exemplo, é mais precisa do que a maioria dos humanos, mas não é útil quando se trata de resolver um problema de matemática. A regra com a Inteligência Artificial, hoje, é que ela resolve uma tarefa extremamente bem, mas, se as condições da tarefa mudarem um pouco, essa tecnologia falhará”.

Mito 2: Máquinas inteligentes aprendem por conta própria

A intervenção humana é necessária para desenvolver uma máquina ou um sistema baseado em Inteligência Artificial. O envolvimento pode vir de experientes cientistas de dados humanos, que são imprescindíveis para executar tarefas como definir e enquadrar quais são as questões a serem executadas, preparar os dados, determinar conjuntos de informações apropriados para a análise, remover possíveis erros (ver mito 3) e – o mais importante – para atualizar continuamente o software, permitindo a integração de novos conhecimentos e de aprendizagem para o próximo ciclo de inovação presente nas máquinas.

Mito 3: Inteligência Artificial pode ser livre de preconceito

Toda tecnologia de Inteligência Artificial é baseada em dados, regras e outros tipos de informações fornecidas por especialistas humanos. Semelhante aos humanos, as aplicações inteligentes também são intrinsecamente enviesadas por uma forma ou outra de análise.

“Hoje, não há como banir completamente o preconceito, no entanto, temos que tentar reduzi-lo ao mínimo”, diz Linden. “Além de soluções tecnológicas, como diversos conjuntos de dados, também é crucial garantir a diversidade nas equipes que trabalham com a Inteligência Artificial e fazer com que os membros da equipe revisem o trabalho uns dos outros. Esse processo simples pode reduzir significativamente o viés de seleção e confirmação”.

Mito 4: A Inteligência Artificial só substituirá trabalhos repetitivos e que não exigem graus avançados

A Inteligência Artificial permite que as empresas tomem decisões mais precisas por meio de previsões, classificações e agrupamentos da análise de dados. Essas habilidades das soluções baseadas em IA permitiram que as empresas reduzissem as demandas acerca das tarefas mais comuns, mas, por outro lado, também aumentaram a complexidade das tarefas remanescentes. Um exemplo é o uso de Inteligência Artificial na avaliação de imagens na área da saúde. Uma radiografia de tórax baseada em IA pode detectar doenças mais rapidamente que radiologistas. No setor financeiro e de seguros, robôs estão sendo usados ​​para o gerenciamento de rendas ou detecção de fraudes. Essas capacidades não eliminam o envolvimento humano nessas tarefas, mas permitem que os humanos lidem apenas com os casos incomuns ou mais específicos. Com o avanço da Inteligência Artificial ​​no local de trabalho, os líderes de negócios e de TI devem ajustar os perfis de trabalho e o planejamento das habilidades de suas equipes, além de oferecer opções de certificações e reciclagem de conhecimento para os profissionais já presentes na companhia.

Mito 5: Nem todas as empresas precisam de uma estratégia de Inteligência Artificial

Todas as organizações devem considerar o impacto potencial das soluções de Inteligência Artificial ​​em suas estratégias e investigar como essa tecnologia pode ser aplicada às demandas de suas operações. Evitar a exploração da Inteligência Artificial é o mesmo que abandonar a próxima fase da automação, o que, em última análise, poderia colocar as companhias em desvantagem competitiva.

“Mesmo que a estratégia atual de uma empresa não utilize a Inteligência Artificial, é importante que os líderes de negócios dessa companhia avaliem esse tema para tomar uma decisão consciente, baseada em muita pesquisa e avaliação do cenário. E como em relação a qualquer outra estratégia, é sempre recomendável que as companhias revisitem periodicamente seus planos, alterando suas diretrizes e rumos de acordo com as necessidades da organização. As ferramentas de Inteligência Artificial podem ser necessárias mais cedo do que o esperado”, finaliza Linden.

Fonte: Digitalks