A necessidade de reaprender o marketing

Ciência, dados, análises, estatísticas, algoritmos. Essas expressões nem sempre fizeram parte do vocabulário do profissional de marketing. No entanto, nos últimos anos, elas não só compõem o repertório da área como ganharam o centro das atenções.

Desempenho e entrega eficiente são alguns dos resultados buscados com essa automatização. Michelle Peluso, CMO da IBM e Keith Weed, que em dezembro do ano passado deixou o posto de CMO da Unilever, acreditam que não dá mais para fazer marketing com a mentalidade ou as ferramentas que foram eficazes até aqui. Os dois dividiram um painel no C Space, área da CES dedicada à publicidade.

“Todo mundo ganha nessa nova configuração, o consumidor que deixa de receber anúncios de coisas que ele não quer. A marca que consegue se conectar de forma relevante, a agência que passa a ter maior retorno sobre seu trabalho, ou seja, a grande questão é, neste momento, agrupar tantas ferramentas e transformações em um mesmo cenário”, disse Weed. Ele reforça que o momento atual do marketing é resultado de décadas em que a área veio se transformando e entendendo que não seria mais suficiente permanecer como estava. “Hoje o marketing é muito mais estratégico e ganhou muito espaço no centro de decisões das grandes empresas”, afirmou.

Para Peluso, da IBM, o fato de estar em uma empresa centenária mostra que o caminho da reinvenção e, em alguns casos da reconstrução, é inevitável. “Eu adoro esse assunto, apesar do desafio e o trabalho que ele traz, ele nos dá novas perspectivas, torna o marketing mais relevante, coloca mais inteligência em nosso trabalho”, disse. Hoje o profissional de marketing precisa reaprender sobre o significado dessa palavra, adicionar metodologias ágeis, ter um olhar científico e não apenas criativo.

Em entrevista ao Meio & Mensagem, em novembro de 2017, Peluso defendeu que o marketing evoluiu de uma área pensativa e funcional focada em criatividade para um driver dinâmico, tempo real, analítico e focado em experiência do cliente e dos desempenhos da empresa. “São muitas as grandes mudanças ocorridas no marketing, moldadas, sobretudo pela preocupação em nos conectarmos com os clientes, da necessidade de gerar resultados e liderar as equipes neste contexto de mudança. O digital, sem dúvida, mudou as transações”, diz Michelle.

Keith e Peluso não falaram apenas de dados e ferramentas, mas ressaltaram a influência da diversidade e das demandas da sociedade para o marketing. “Nunca houve um momento tão bom para fazer negócios, para contar com talentos das mais variadas origens e habilidades”, reforçou Peluso.

Data-driven: vantagem competitiva com o uso produtivo dos dados

Na Nova Economia, o volume de dados disponíveis para empresas cresceu de maneira vertiginosa, não apenas em quantidade mas também em complexidade. Com o aumento do volume, diversidade, profundidade e latência, temas como Analytics, Big Data, Machine Learning, Data Science etc passaram a estar presentes no dia a dia das organizações. Apesar disso, o uso produtivo é que fica abaixo da expectativa. Destaque para “uso produtivo”. Digo isso porque é comum empresas com grandes DataLakes, ferramentas de Visualização de Dados e Dashboards não utilizarem as informações para guiar seus caminhos.

Uma recente pesquisa, realizada pela Instituto de Tecnologia de Massachusetts (MIT, na sigla em inglês) em conjunto com o Google, aponta que 38% das empresas ainda utilizam a intuição para orientar suas decisões. Apenas 27% se consideram uma organização Data-driven, ou seja, que definem suas ações a partir das informações – foram ouvidos 3225 empresários. Acontece que, ao contrário do que se possa pensar, isso não ocorre pela falta de informação dentro das empresas. Um dos principais motivos que a pesquisa destaca é a falta de habilidade dos profissionais de marketing em se aprofundarem nas análises de forma a entender os fenômenos que compõem KPIs (Key Performance Indicator, em português, indicador-chave de desempenho) agregados.

Nos modelos tradicionais, a análise e disseminação dos conhecimentos gerados pelos dados ficavam centralizados em times específicos, como Planejamento, Inteligência de Marketing, CRM etc. Atualmente, as ferramentas de WebAnalytics empoderam o time de Marketing, que podem consultar as informações que precisam no momento que quiserem, inclusive de forma real-time. Porém, quando isso acontece de forma desestruturada, a consequência é uma incapacidade de desenvolver uma visão única e integrada do consumidor e dos resultados da empresa.

O que te impede de começar hoje?

Um artigo recém publicado pela eMarketer divulgou uma pesquisa realizada pela Snowflake Computing em parceria com a Harvard Business review e destacou que pessoas, 44%, e processos, 29%, são os principais impedimentos para evoluir uma cultura de tomada de decisão a partir da intuição da liderança para uma mais baseada em dados. Para começar a implementar processos novos, organizamos abaixo um roteiro que tem funcionado e auxiliado diferentes empresas. Veja as três fases da implementação de um processo de análise de KPIs orientado a objetivos de negócios:

1- Conheça e alinhe os objetivos de negócio

Não comece a montar nenhuma tabela ou gráfico ainda. Organize, em primeiro lugar, os objetivos de negócio da sua área ou do âmbito que você atender. Por exemplo: Melhorar a rentabilidade, ganhar maior penetração de mercado e melhorar a satisfação do cliente. Posteriormente, desça um nível e entenda quais ações táticas serão necessárias para entregar os objetivos de negócio.

2- Mapeie as métricas e priorize

Agora que está claro os objetivos e as ações táticas que permitirão entregar os resultados, você precisará de KPIs que te ajudem a medir o progresso sem a necessidade de esperar prazos muito longos para saber se as ações deram certo ou não. Nesse processo, você deve primeiro explorar o máximo de métricas, colete sugestões e debata sobre os principais drivers relacionados às ações, não se limite as informações que você já usa nos relatórios atuais. O segundo passo dessa etapa é priorizar, todo indicador é uma métrica, mas nem toda métrica é um KPI, apenas as mais relevantes serão destacadas.

3- Avalie a maturidade dos dados e planeje a execução

Após os objetivos de negócio, as ações táticas e os KPIs, chegou o momento de avaliar a maturidade de dados atual da sua empresa. Esse momento é importante para alinhar as expectativas, ajustar caminhos e planejar a implementação das métricas de acordo com o nível de disponibilidade das informações.

Existe no mercado muitas ferramentas disponíveis que se propõem a lidar com o volume crescente de dados, sua mineração e visualizações. No entanto, muitas empresas estão mergulhando de cabeça em um volume abundante de elementos, as discussões se tornam cada vez mais complexas e técnicas, falta para os líderes de negócios conclusões que lhes dê a confiança necessária para agir.

Ao final deste roteiro, você estará pronto para iniciar uma mudança de mindset, e construir um processo que te leve para além do data-driven, mais orientado aos insights e melhor preparado na tomada de decisão, de modo ágil e preciso. Veja que em nenhum momento falamos sobre tecnologias, pois acreditamos que, independentemente da plataforma e mecanismo, as empresas precisarão de processos e pessoas que permitam extrair o máximo potencial de suas ferramentas, uma cultura verdadeiramente insight-driven.

Por Felipe Ladislau, consultor de CRM da aceleradora Organica

Fonte: Inforchannel

“Má gestão de dados e informações relevantes são risco real para empresas”, diz Rafael Morales da TBL Manager

Empresa de Business Analytics lista principais carências apresentadas pela grande maioria das empresas, especificamente demandas do mercado de sustentabilidade e apresenta solução.

Em tempo de Big Data, termo utilizado para descrever o grande volume de dados estruturados e não estruturados que são gerados a cada segundo, é cada vez mais comum e constante a busca por soluções capazes pela disrupção de processos de gestão. Nas grandes empresas, tem sido uma constante a possibilidade de mudar como as coisas sempre foram feitas, ou seja, sair do tradicional e oferecer soluções que otimizem resultados, custos e priorizem a qualidade.

Gerir dados e informações relevantes nem sempre é tarefa fácil e a má gestão das informações pode trazer diversos riscos para uma administração corporativa saudável. No que diz respeito especificamente às demandas exigidas pelo mercado de sustentabilidade, esse cuidado deve ser ainda maior, uma vez que o desempenho ambiental e social das empresas, são aspectos de valoração do negócio.

Dentre as principais carências apresentadas pela grande maioria das empresas estão: dificuldade na gestão dos dados corporativos, a falta de eficiência das planilhas que não garantem a segurança dos dados, nem mesmo padronizam as informações; dificuldade na transparência e na busca por dados de gestão, entre outros.

Rafael Morales, diretor da TBL Manager, empresa especializada em soluções para excelência na gestão de indicadores e performance de sustentabilidade, destaca a importância de mantê-los organizados e consolidados de maneira intuitiva, clara e confortável aos diferentes públicos. “As empresas precisam ser transparentes diante das informações apresentadas para seus stakeholders. É uma cadeia de informações integradas que precisam ser apresentadas de forma consistente para definir as diretrizes e estratégias da empresa.” explica.

“Especificamente os aspectos de sustentabilidade precisam ser apresentados e gerenciados de maneira coerente, segura e eficaz, porque traduzem o comprometimento da empresa com seus diferentes stakeholders. A má gestão de dados e informações relevantes são risco real para empresas”, concluiu.

A Solução

Para atender essa necessidade do mercado, a TBL Manager criou o SIS – Sistema de Indicadores da Sustentabilidade, uma solução para excelência na gestão que possibilita a criação ou edição de indicadores e formulários de desempenho de acordo com as necessidades e demandas das empresas, para que elas façam mensuração dos seus indicadores, criando assim, uma melhor gestão dos seus aspectos de sustentabilidade.

A ferramenta permite que as empresas tangibilizem seus aspectos socioambientais, subsidiem análises e resultados das estratégias traçadas em tempo real e elaborem relatórios de desempenho, otimizando recursos, reduzindo custos e oferecendo informações para tomada de decisão por parte da alta gestão.

Sempre atenta às necessidades individuais de cada cliente e à rápida capacidade de oferecer autonomia aos usuários, a TBL mantém em sua carteira importantes clientes, como: Suzano Papel & Celulose, Amil, Copagaz, CPFL Renováveis, Even, Merck, Raízen, Lojas Renner, Banco Santander, entre outros.

Fonte: Segs

Cosin Consulting aponta principais desafios para as empresas com a Lei Geral de Proteção de Dados

Promulgada em agosto de 2018, a Lei Geral de Proteção de Dados (LGPD) é um marco fundamental no setor de Data & Analytics e se soma a uma série de outros instrumentos legais, desde a Declaração Universal dos Direitos Humanos (DUDH/1948), passando pelo Marco Civil da Internet brasileira (Lei nº 12.965/2014), até a Regra Geral de Proteção de Dados Europeia (Diretiva 2016/680 & 2016/281), criando um cenário completamente novo para as empresas que operam com dados – basicamente todas, atualmente. É o que apontam os especialistas da Cosin Consulting, consultoria de negócios e tecnologia do grupo Dentsu Aegis Network (DAN) com mais de 2 mil projetos desenvolvidos, Mario Hime e Antonio Cipriano.

“Algumas práticas já eram comuns e existiam regras esparsas, mas o LGPD consolida este cenário criando leis específicas, mecanismos de controle e punições severas. Com isso, as empresas devem se preparar sob pena de riscos financeiros, jurídicos e para sua imagem. Acreditamos também que uma estrutura bem adaptada a esta nova realidade possa gerar uma vantagem competitiva, especialmente no relacionamento com o consumidor”, afirma Mario Hime, vice-presidente da Cosin Consulting. Já Antonio Cipriano, também vice-presidente da Cosin Consulting, completa que “os novos instrumentos legais trouxeram apreensão, mas é preciso ficar claro que a Lei não impõe a confidencialidade ou impossibilidade total de manipulação dos dados. O que é necessário é uma estrita proteção e a necessidade de se pedir o consentimento de pessoas físicas”.

Dentre os pontos de atenção para as empresas, os executivos destacam seis. O primeiro é o já mencionado consentimento explícito do consumidor. Esse processo precisa ser realizado de forma simples, mas efetivo e que possa ser rastreada em caso de necessidade. O segundo ponto – um dos mais descobertos no momento – é a criação de mecanismos de resposta rápida quando o consumidor retira sua autorização para a utilização de dados. O terceiro ponto é relativo à manipulação de dados sensíveis (financeiros, políticos, religiosos) e de menores de idade, que devem ter cuidados ainda mais estritos.

Uma inovação introduzida pelo LGPD (quarto ponto) é a obrigação de informar à Sociedade e às Autoridades em caso de vazamento de dados – um risco real, mesmo com todos os investimentos em segurança digital que estão sendo realizados atualmente. “Esse, talvez, seja o principal ponto de atenção da nova lei. As empresas precisam criar políticas e procedimentos a fim de viabilizar o atendimento desta norma, até para minimizar impactos em sua imagem”, ressalta Mario Hime.

Todos esses elementos trazem à tona novamente a importância de práticas sólidas de segurança da informação (quinto ponto). “Para dar conta deste grande desafio, as empresas devem ter um olhar amplo, considerando esta questão não apenas uma atribuição de TI, mas incluindo todos os departamentos, como RH, Jurídico, Vendas, Controladoria, etc. Recomendamos a criação de regulamentos internos específicos, com prazos, responsabilidade e sanções”, explica Antonio Cipriano. Os próprios dados dos colaboradores merecem atenção, ainda mais em empresas de maior porte (sexto ponto).

Os executivos concluem que “a mudança deve ser tão grande que é necessário que o atendimento à LGPD faça parte do plano de negócios da empresa”.

Fonte: Proxxima

Memo: onde a velha mídia acha uma nova fonte de receita

A Memo, uma startup que começa a operar em janeiro, está unindo duas grandes tendências globais — o uso de dados e os marketplaces — para criar um novo modelo de negócios que pode se revelar um alento para a indústria de notícias.

Criada por Eddie Kim, que tem mais de dez anos de experiência com analytics e big data, a Memo é um marketplace que vende os dados de matérias publicadas em grandes veículos para agências de PR, grandes empresas e qualquer um que tenha interesse em pagar por esse tipo de informação.

Funciona assim: os grupos de mídia que se cadastram na plataforma passam a disponibilizar informações como o número de visitantes, tempo médio de acesso e trechos mais lidos sobre cada uma de suas notícias, além do perfil dos leitores. Se um jornal publicar uma matéria sobre a Unilever, por exemplo, ela poderá entrar na plataforma, pagar uma taxa de cerca de US$ 100 e ter acesso aos principais dados relacionados àquela matéria.

O valor será dividido com o veículo que forneceu as informações e pode variar dependendo da popularidade da notícia. Hoje, algumas empresas já fornecem às companhias e agências de PR dados em tempo real sobre como as marcas estão repercutindo na internet. A grande sacada da Memo é oferecer insights sobre cada matéria individualmente e não uma visão geral do desempenho da marca.

Num momento em que a velha mídia busca formas alternativas para ganhar dinheiro não deve ser difícil convencer os grandes grupos do setor a aderirem à plataforma — que, além de fornecer uma nova fonte de receita sem custo adicional, pode servir como leads para novos anunciantes. “Na pspaço de relacionamento e geração de leerspectiva do publisher, é uma receita que virá de uma base completamente nova de compradores

— a indústria de relações públicas e comunicação”, o fundador da startup disse ao The Wall Street Journal. “Na plataforma, os veículos vão conseguir uma margem bruta de 100%, porque os dados já estão disponíveis.” Na outra ponta do negócio, a solução deve ter um apelo grande principalmente para as agências de relações públicas, que tem uma dificuldade histórica para conseguir mensurar os resultados de seu trabalho (apesar de serem cada vez mais cobradas por isso), e para as áreas de comunicação e marketing das grandes empresas.

Segundo a Memo, grupos de mídia como o BuzzFeed e a Meredith (dona da revista People) já aceitaram fornecer seus dados para a plataforma; na outra ponta, a Unilever, a marca de lentes Vision Path e a varejista Parachute Home assinaram para usar os serviços. Para Matt Minoff, o chief digital officer da Meredith, um dos pontos mais interessantes da plataforma é que ela pode estimular marcas a anunciar nos veículos do grupo. “O benefício indireto do serviço pode se provar, de um ponto de vista de receitas, maior do que o que vamos conseguir com a venda dos dados de matérias”, disse ao WSJ.

Fonte: Brazil Journal

Segurança e acesso a dados preocupam times de analytics

Estudo da MicroStrategy mapeia o estágio da incorporação de boas práticas de gestão de dados em empresas no Brasil e no mundo

Cerca de 78% dos profissionais brasileiros que trabalham com dados e ferramentas de analytics acreditam que suas empresas estão utilizando tecnologias de dados de maneira efetiva. Para 75% deles, estas tecnologias tem cumprido um papel importante na transformação digital de suas organizações.

Os dados são da MicroStrategy (MSTR), empresa que oferece plataformas de análise de dados e softwares de mobilidade ao mercado. A companhia realizou um estudo com 500 profissionais das áreas de analytics e BI para descobrir o estágio da adoção de práticas da analytics nas empresas.

A pesquisa Global State of Enterprise Analytics foi realizada em abril com respondentes da Alemanha, Reino Unido, Estados Unidos e Brasil, em parceria com a consultoria de pesquisa Hall & Partners. Os participantes representam empresas com entre 250 e 20 mil funcionários.

Segundo 62% dos brasileiros que participaram da pesquisa, a principal aplicação de ferramentas de analytics está na orientação de estratégias. Já 57% buscam usar dados para sistematizar processos e otimizar custos. Mais da metade usa dados para monitorar o desempenho financeiro da empresa e gerenciar riscos de mercado. Usar dados para desenvolver produtos e atrair clientes, por sua vez, está no escopo de 45% dos profissionais brasileiros.

Ainda, 6 em cada 10 profissionais brasileiros dizem obter mais eficiência e produtividade dos processos de trabalho com o apoio de dados. As áreas que mais fazem uso de ferramentas de analytics são TI, finanças e Serviços ao Consumidor.

Quando questionados sobre as tendências que terão os impactos mais significativos sobre as práticas de analytics nos próximos cinco anos, os entrevistados brasileiros ranquearam tecnologias de cloud computing, big data e inteligência artificial como as mais relevantes.

Profissionalização dos departamentos de dados

A pesquisa identificou que 62% das empresas brasileiras já contam com um chief data officer (CDO) e 17% estão considerando criar uma posição voltada para a gestão de dados. De forma a otimizar seus processos de gestão, 46% consideram migrar toda sua estrutura de TI para a nuvem e 80% planejam investir mais em analytics nos próximos anos. Ainda, 77% das empresas brasileiras planejam investir na contratação de talentos com especialidades analíticas em um futuro próximo.

Desafios

Apesar do olhar atento às disciplinas ligadas a dados, muitas empresas ainda esbarram em problemas que impedem a consolidação de práticas de analytics. De acordo com 48% dos brasileiros participantes, a principal barreira para o uso de data e analytics em suas empresas é a preocupação com a segurança de dados. Em segundo lugar, segundo 30% dos respondentes, está a falta de treinamento para os profissionais, e, em terceiro, o acesso limitado aos dados da organização, conforme apontaram 27% dos participantes.

O uso de soluções tecnológicas pouco amigáveis ao trabalho com dados é um empecilho para 23% dos profissionais. Além disso, 20% acreditam que suas empresas não possuem uma estratégia orientada para dados e que o uso de analytics não é uma prioridade para os executivos.

Fonte: Meio & Mensagem

33% dos brasileiros já compartilharam fake news, diz estudo

Cerca de 49% das pessoas disseram que nem sempre sabem identificar o que é ou não falso.

A MindMiners, startup brasileira especializada em pesquisas digitais, realizou um estudo para entender como os brasileiros enxergam a questão da privacidade de dados na era do Big Data. Um dos pontos discutidos no estudo foram as famosas fake news. 82% dos respondentes disseram que usam as redes sociais como fonte de informação e 33% já compartilharam um conteúdo falso. O mais incrível é que 49% das pessoas disseram que nem sempre sabem identificar o que é ou não falso.

Um outro ponto alarmante desse estudo são as questões da privacidade de dados, 62% dos respondentes disseram que se preocupam com a segurança de dados, mas em contrapartida, mais da metade dos entrevistados não se importariam em compartilhar seus dados se soubessem que estariam beneficiando outras pessoas comum.

 

Fonte: ipnews

26 principais certificações de Big Data

Decida quais são as mais adequadas para a sua empresa e vá em frente

Big Data e Analytics são a alma de qualquer empresa de sucesso. Obter a tecnologia certa é um desafio. Mas construir a equipe certa, com as habilidades certas para empreender iniciativas a partir do uso dessas tecnologias 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, certificar a equipe em Big Data é uma ótima opção. As certificações medem os conhecimentos e habilidades dos profissionais em relação a benchmarks específicos do setor e dos fornecedores para garantir proficiência. O número de certificados de Big Data está se expandindo rapidamente.

Abaixo está o nosso guia para as certificações de Big Data mais procuradas para ajudá-lo a decidir quais são as mais adequadas para a sua empresa.

Certificações de Big Data valem a pena?
As organizações estão em busca de cientistas de dados e analistas com experiência em lidar com Big Data. Eles também precisam de grandes arquitetos de dados para traduzir requisitos em sistemas, engenheiros de dados para construir pipelines de dados, desenvolvedores que conheçam Hadoop e outras tecnologias, administradores e gerentes de sistemas para unir tudo.

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 a treinar o time nas habilidades necessárias para a sua empresa.

Tem mais: a análise avançada de dados será uma das principais forças que impulsionam a IoT.  E, de acordo com pesquisa recente da Foote Partners, a explosão de interesse na 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 considera que as principais habilidades de análise de dados na área de IoT incluem domínio de Apache Hadoop e módulos relacionados (HDFS, HBase, Flume, Oozie, Hive, Pig, YARN); NoSQL e NewSQL; Apache Spark; e Machine Learning e mineração de dados

“Recursos avançados de análise de dados são críticos demais para a empresa que deseja se manter competitiva”, diz David Foote, co-fundador, analista chefe e diretor de pesquisa da Foote Partners.

Portanto, convém analisar com calma as opções a seguir e decidir quais delas são mais indicadas para as necessidades da sua empresa.

1 – Amazon Web Services (AWS) Certified Big Data – Specialty
certificação AWS Certified Big Data – Specialty valida habilidades técnicas e experiência em projetar e implementar serviços da AWS para obter valor dos dados. Destina-se a validar a capacidade de:

– Implementar os principais serviços de Big Data da AWS de acordo com as práticas básicas de arquitetura

– Projetar e manter grandes volumes de dados

– Aproveitar ferramentas para automatizar a análise de dados

Preço: taxa de US$ 300 para o exame

Requisitos: Candidatos qualificados devem ter o AWS Certified Cloud Practitioner ou outra certificação  Associate-level (AWS Certified Solutions Architect – Associate, AWS Certified Developer – Associate, or AWS Certified SysOps Administrator – Associate). Além disso, os candidatos devem ter no mínimo cinco anos de experiência prática em um campo de análise de dados, experiência em definição e arquitetura de serviços Big Data da AWS e experiência em projetar uma arquitetura escalável e econômica para processar dados.

2 – Analytics: Optimizing Big Data Certificate
Analytics: Optimizing Big Data Certificate é um programa de nível de graduação destinado a gerentes de negócios, marketing e operações, analistas de dados e profissionais do setor financeiro, além de proprietários de pequenas empresas. O programa reúne estatísticas, análises e habilidades de comunicação escrita e oral. Apresenta aos alunos as ferramentas necessárias para analisar grandes conjuntos de dados, abrangendo tópicos incluindo importação de dados em um pacote de software de análise, análise exploratória gráfica e de dados, construção de modelos analíticos, para encontrar o melhor modelo para explorar a correlação entre variáveis ​​e muito mais.

Organização: University of Delaware

Preço: taxa de curso de US $ 2.895

Requisitos: São recomendados conhecimentos básicos em estatísticas e alguns cursos de faculdade anteriores.

3 – Certification of Professional Achievement in Data Sciences
Certificação de Realização Profissional em Ciências de Dados  ( Certification of Professional Achievement in Data Sciences) é um programa de graduação que se destina a desenvolver habilidades fundamentais em ciência de dados. O programa consiste em quatro cursos: Algoritmos para Ciência de Dados, Probabilidade e Estatística, Aprendizado de Máquina para Ciência de Dados, e Análise Exploratória de Dados e Visualização.

Organização: Columbia University

Preço: US$ 1.936 por crédito (um mínimo de 12 créditos, incluindo os 4 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 online. O programa online também inclui uma taxa de tecnologia adicional não reembolsável de US $ 395 por curso.

Requisitos: Um curso de graduação em programação de computadores é necessário.

4 – Certified Analytics Professional
A credencial Certified Analytics Professional (CAP) é uma certificação analítica geral que certifica no entendimento completo do processo analítico, desde a estruturação de problemas analíticos e de negócios até à 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 for um membro INFORMS, ou US$ 695 se você não for. Há ainda peços especiais para treinamento de equipes disponível para as organizações.

Requisitos: Uma lista de cursos de cursos e webinars estão disponíveis através do registro.

5 – Cloudera Certified Associate (CCA) Administrator
O certificado CCA Administrator referenda que um indivíduo demonstrou ter habilidades de administrador de clusters exigidos pelas organizações que implementam o Cloudera na empresa, incluindo:

– Uma compreensão do processo de instalação do Cloudera Manager, Cloudera Hadoop (CDH) e dos projetos do ecossistema

– A capacidade de executar a configuração básica e avançada necessária para administrar efetivamente um cluster do Hadoop

– A capacidade de manter e modificar o cluster para suportar operações diárias na empresa

– Um entendimento de como habilitar serviços relevantes e configurar o cluster para atender às metas definidas pela política de segurança, bem como o conhecimento das práticas básicas de segurança

– A capacidade de avaliar as métricas operacionais do cluster e testar a configuração do sistema para operação e eficiência

– A capacidade de solucionar problemas, incluindo encontrar a causa raiz de um problema, otimizar a execução ineficiente e resolver os cenários de contenção de recursos

A credencial requer a aprovação no CCA Administrator Exam (CCA131), que consiste de oito a 12 tarefas práticas que exigem que o candidato resolva um cenário específico em um cluster Cloudera Enterprise pré-configurado. Alguns exigem fazer alterações de configuração e serviço através do Cloudera Manager, enquanto outros exigem conhecimento de Hadoop e competências básicas com o ambiente Linux. Os candidatos têm 120 minutos para concluir o exame.

Preço: US$ 295

Requisitos: Não há pré-requisitos necessários, mas Cloudera diz que o exame segue os mesmos objetivos que o Treinamento do Administrador Cloudera, tornando-o excelente preparação para o exame.

6 – Cloudera Certified Associate (CCA) Data Analyst
Um desenvolvedor de SQL que recebe a certificação CCA Data Analyst passa a ter as principais habilidades do analista para carregar, transformar e modelar dados do Hadoop para definir relacionamentos e extrair resultados significativos da saída bruta. É necessário passar no CCA Data Analyst Exam (CCA159), um conjunto controlado 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.

Preço: US$ 295

Requisitos: A Cloudera recomenda que os candidatos façam o curso Cloudera Data Analyst Training

7 – Cloudera Certified Associate (CCA) Spark and Hadoop Developer
A credencial CCA Spark e Hadoop Developer certifica que um profissional provou suas habilidades essenciais para captar, transformar e processar dados usando o Apache Spark e as ferramentas corporativas centrais da Cloudera. Exige aprovação do CCA Spark and Hadoop Developer Exam (CCA175), controlados remotamente, que consiste em oito a 12 tarefas práticas baseadas em desempenho em um cluster Cloudera Enterprise. Cada questão exige que o candidato resolva um cenário específico. Alguns casos podem exigir uma ferramenta como Impala ou Hive, outros podem exigir codificação. Os candidatos têm 120 minutos para concluir o exame.

Preço: US$ 295

Requisitos: Não há pré-requisitos exigidos, mas a Cloudera diz que o exame segue os mesmos objetivos do curso de Treinamento para Desenvolvedores Cloudera para Spark e Hadoop, tornando-o excelente preparação para o exame.

8 – Cloudera Certified Professional (CCP): Data Engineer
A credencial de CCP: Data Engineer certifica a capacidade de executar as principais competências necessárias para captar, transformar, armazenar e analisar dados no ambiente de CDH da Cloudera. É necessário passar pelo CCP: Data Engineer Exam (DE575), um exame prático em que cada usuário recebe de cinco a oito problemas de clientes, cada um com um conjunto de dados único e grande, um cluster CDH e quatro horas. Para cada problema, o candidato deve implementar uma solução técnica com um alto grau de precisão que atenda a todos os requisitos.

Preço: US$ 400

Requisitos: A Cloudera sugere que os profissionais que buscam essa certificação tenham experiência prática e participem do curso Treinamento para Desenvolvedores Cloudera para Spark e Hadoop .

9 – 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 implantação do ciclo de vida de análise de dados, reformulando um desafio de negócios como um desafio analítico, aplicando técnicas e ferramentas analíticas para Big Data e criando modelos estatísticos, selecionando as visualizações de dados apropriadas e muito mais.

OrganizaçãoDell EMC Education Services

Preço: US$ 600 para streaming de vídeo-ILT; US$ 5 mil para instructor-led

Requisitos: a EMC oferece um treinamento disponível como um vídeo ou como um curso ministrado por instrutor.

10 – HDP Apache Spark Developer
A certificação do HDP Apache Spark Developer destina-se a validar a compreensão individual dos aplicativos Spark Core e Spark SQL no Scala ou Python. O exame consiste em uma série de tarefas que devem ser executadas com êxito em um cluster ativo.

Organização: Hortonworks

Preço: US$ 250 para exame

Requisitos: A Hortonworks oferece cursos em seu site com opções que incluem treinamento ao vivo, e-learning individualizado ou uma experiência combinada.

11- HDP Certified Developer Big Data Hadoop
certificação Big Data Hadoop do HDP Certified Developer valida a proficiência de um desenvolvedor em Pig, Hive, Sqoop e Flume. O exame consiste em uma série de tarefas de processamento de dados, transformação de dados e análise de dados que devem ser executadas em um cluster HDP 2.4.

Organização: Hortonworks

Preço: US$ 250 para exame

Requisitos: A Hortonworks oferece cursos em seu site com opções que incluem treinamento ao vivo, e-learning individualizado ou uma experiência combinada.

12 – Hortonworks Certified Associate (HCA)
certificação Hortonworks Certified Associate (HCA) é uma credencial fundamental que valida que um profissional entende as tecnologias e pode reconhecer os casos de uso de negócios para as estruturas do Hortonworks Data Platform (HDP). Os candidatos devem passar por um exame de múltipla escolha que consiste em perguntas das seguintes cinco categorias:

– Acesso a dados (incluindo Pig, Hive HCatalog, Tez, Storm, HBase, Spark e Solr)

– Gerenciamento de dados (incluindo HDFS e YARN)

– Governança de dados e fluxo de trabalho (incluindo Falcon, Atlas, Sqoop, Flume, Kafka e Hortonworks DataFlow)

– Operações (incluindo Ambari, CloudBreak, ZooKeeper e Oozie)

– Segurança (incluindo Ranger e Knox)

Preço: US$ 100 o exame

Requisitos: A Hortonworks oferece cursos em seu site com opções que incluem treinamento ao vivo, e-learning individualizado ou uma experiência combinada.

13 – IBM Certified Data Architect – Big Data
Projetado para arquitetos de dados, a certificação IBM Certified Data Architect – Big Data requer a aprovação de um teste que consiste em cinco seções contendo um total de 55 perguntas de múltipla escolha. Demonstra que um arquiteto de dados pode trabalhar de perto com clientes e arquitetos de soluções para traduzir os requisitos de negócios dos clientes em uma solução de Big Data.

Organização: IBM Professional Certification Program

Preço: US$ 200

Como preparar: A IBM recomenda uma série de sete cursos de vários dias no SPSS Modeler to InfoSphere BigInsights para se preparar para o teste.

14 – IBM Certified Data Engineer – Big Data
A  certificação IBM Certified Data Engineer – Big Data destina-se a engenheiros de Big Data que trabalham diretamente com arquitetos de dados e desenvolvedores práticos para converter a visão de Big Data de um arquiteto em realidade. Os engenheiros de dados entendem como aplicar tecnologias para resolver problemas de Big Data e têm a capacidade de construir sistemas de processamento de dados em grande escala para a empresa. Eles desenvolvem, mantêm, testam e avaliam soluções de Big Data dentro das organizações, fornecendo aos arquitetos informações o hardware e o software necessários. Esta certificação requer a aprovação de um teste que consiste em cinco seções contendo um total de 53 perguntas de múltipla escolha.

Organização: IBM Professional Certification Program

Preço: US$ 200

Requisitos: A IBM recomenda uma série de nove cursos de vários dias para se preparar para o teste.

15 – MapR Certified Data Analyst 1.9
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 o Apache Hive, o Apache Pig e o Apache Drill. O exame testa a capacidade de executar tarefas típicas de ETL para manipular dados para executar consultas. As perguntas abordam as consultas SQL existentes, incluindo a depuração de consultas mal formadas de um determinado snippet 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.

Preço: US$ 250 pelo exame

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

16 – MapR Certified Hadoop Developer 1.0
credencial do MapR Certified Hadoop Developer valida a capacidade de um desenvolvedor de projetar e desenvolver programas MapReduce em Java e usá-los para resolver problemas típicos com grandes conjuntos de dados. O exame se concentra no uso do MapReduce para resolver problemas típicos de análise de dados usando a API MapReduce, gerenciando, monitorando e testando programas e fluxos de trabalho MapReduce. O exame consiste em 50-60 perguntas em uma sessão supervisionada de duas horas.

Preço: US$ 250 pelo exame

Requisitos: O MapR recomenda que os candidatos se preparem com três de seus cursos: Build Hadoop MapReduce Applications, Manage and Test Hadoop MapReduce Applications, e Launch Jobs and Advanced Hadoop MapReduce. O MapR também oferece um Guia de Estudo do MCHD .

17 – MapR Certified Spark Developer 2.1
A credencial MapR Certified Spark Developer v2.1 valida a capacidade de um desenvolvedor de usar o Spark para trabalhar com grandes conjuntos de dados para executar análises em fluxos dados. Mede a compreensão do desenvolvedor da API Spark para realizar Machine Learning básico ou tarefas SQL em determinados conjuntos de dados. O exame consiste em 50-60 perguntas em uma sessão supervisionada de duas horas.

Preço: US $ 250 pelo exame

Requesitos: O MapR recomenda que os candidatos se preparem com três de seus cursos: Introduction to Apache Spark, Build and Monitor Apache Spark Applications, and Advanced Apache Spark. O MapR também oferece um guia de estudo do MCSD v2 .

18 – Microsoft Certified Solutions Expert (MCSE): Data Management and Analytics
A credencial MCSE: Data Management and Analytics demonstra amplos conjuntos de habilidades em administração de 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 disponíveis.

Preço: US$ 165 por exame

Requisitos:  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; Aprendizado de Máquinas MCSA; MCSA: Relatórios de BI; ou MCSA: engenharia de dados com o Azure. Além disso, a Microsoft oferece ferramentas de preparação para cada um dos 12 exames que levam à certificação MCSE: Data Management and Analytics.

19 – Mining Massive Data Sets Graduate Certificate
Projetado para engenheiros de software, estatísticos, modeladores preditivos, pesquisadores de mercado, profissionais de análise e mineradores de dados, o  Mining Massive Data Sets Graduate Certificate exige quatro cursos e demonstra o domínio de técnicas e de algoritmos eficientes e poderosos para extrair informações de grandes conjuntos de dados estruturados e desestruturados. O certificado geralmente leva de um a dois anos para ser concluído.

Organização: Stanford Centre for Professional Development

Preço: US $ 18.900 matrícula

Requisitos: Um diploma de bacharel com um GPA de graduação de 3,0 ou mais é necessário. Os candidatos devem ter conhecimento dos princípios e habilidades básicas da Ciência da Computação, em um nível suficiente para escrever um programa razoavelmente não trivial.

20 – MongoDB Certified DBA Associate
MongoDB Certified Developer Associate pretende demonstrar que os profissionais de operações compreendem os conceitos e mecanismos necessários para administrar o MongoDB. Requer um exame de múltipla escolha de 90 minutos.

OrganizaçãoUniversidade MongoDB

Preço: US$ 150

Requisitos: Não existem pré-requisitos, mas o MongoDB sugere que os candidatos concluam um treinamento presencial ou um de seus cursos online (M102: MongoDB for DBAs; M202: MongoDB Advanced Deployment Operations). O MongoDB também fornece o  MongoDB Certification Exam Study Guide, disponível para aqueles que se registrarem para qualquer exame de certificação.

21- MongoDB Certified Developer Associate
MongoDB Certified Developer Associate destina-se a engenheiros de software que desejam demonstrar uma sólida compreensão dos fundamentos do design e da criação de aplicativos usando o MongoDB. Requer um exame de múltipla escolha de 90 minutos.

Organização: Universidade MongoDB

Preço: US$ 150

Requisitos: Não existem pré-requisitos, mas o MongoDB sugere que os candidatos concluam um treinamento presencial ou um de seus cursos online (M101J: MongoDB for Java Developers; M101JS: MongoDB for Node.js Developers; M101N: MongoDB for .NET Developers; M101P: MongoDB for Developers). O MongoDB também fornece o MongoDB Certification Exam Study Guide, disponível para aqueles que se registraram para um exame de certificação.

22 – Oracle Business Intelligence Foundation Suite 11 Certified Implementation Specialist
Oracle Business Intelligence Foundation Suite 11g Certified Implementation Specialist demonstra habilidades na implementação de soluções baseadas no Oracle Business Intelligence Suite. Abrange a instalação do OBIEE (Oracle Business Intelligence Enterprise Edition), a criação do repositório de metadados do BI Server, a criação de painéis de BI, a construção de consultas ad hoc, a definição de configurações de segurança e a configuração e gerenciamento de arquivos de cache. A certificação destina-se a membros da equipe de implementação de nível intermediário com treinamento atualizado e experiência de campo. A obtenção da certificação requer a aprovação no exame Oracle Business Intelligence (OBI) Foundation Suite 11g Essentials (1Z0-591). É um exame de múltipla escolha que consiste em 75 perguntas. Os candidatos têm 120 minutos para concluir o exame.

Organização: Oracle University

Preço: US$ 245

Requisitos: A Oracle recomenda que os candidatos concluam um dos dois cursos de treinamento: Oracle Business Intelligence Enterprise Edition Plus Implementation Boot Camp (disponível apenas para parceiros) ou Oracle Business Intelligence Foundation 11g Implementation Specialist.

23 – Post Graduate Program (PGP) in Big Data Analytics
Oferecido em Hyderabad e Bengaluru, na Índia, o PGP em Big Data Analytics é um programa de 23 semanas, distribuído em seis meses, que consiste em palestras em sala de aula e sessões de laboratório. Se concentra em Big Data, Estatística, Machine Learning, análise de texto, IA e ciências de decisão.

São 10 cursos cobrindo todos os aspectos de análise, incluindo habilidades em R e Hadoop, modelagem estatística, análise de dados, Machine Learning, mineração de texto e otimização. Os alunos são avaliados em um projeto de conclusão real e uma série de testes e mini-projetos.

Organização: International School of Engineering (INSOFE)

Preço: ₹₹3000 (INR) de taxa de inscrição e uma taxa de programa de ₹ 3,50,000 + 18 por cento de taxa de serviço.

Requisitos: A INSOFE admite estudantes com base no desempenho em seu vestibular e em sua formação acadêmica anterior e experiência de trabalho.

24 – SAS Certified Big Data Professional
O programa de certificação SAS Certified Big Data Professional destina-se a indivíduos que buscam desenvolver seus conhecimentos básicos de programação aprendendo como coletar e analisar grandes volumes de dados no SAS. O programa se concentra em habilidades de programação SAS para acessar, transformar e manipular dados; melhorar a qualidade dos dados para relatórios e análises; fundamentos de estatística e análise; trabalho com Hadoop, Hive, Pig e SAS; e exploração e visualização de dados. O programa inclui dois exames de certificação, ambos os quais os participantes devem passar.

Organização: SAS Academy for Data Science

Preço: US$ 9 mil para aulas presenciais (Cary, NC), US$ 299/mês ou US$ 2.250/ano para o e-learning individualizado.

Requisitos: Pelo menos seis meses de experiência em programação SAS ou outra linguagem de programação são necessários para se inscrever.

25 – SAS Certified Data Scientist Using SAS 9
SAS Certified Data Scientist Using SAS 9 demonstra que os indivíduos podem manipular e obter insights de Big Data com uma variedade de SAS e ferramentas 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 simulado).  São eles:

– Preparação de Big Data do SAS, Estatísticas e Exploração Visual

– Programação e Carregamento de Big Data SAS

– Modelagem Preditiva Usando o SAS Enterprise Miner 7, 13 ou 14

– Modelagem Preditiva Avançada SAS

– Análise de Texto SAS, Séries Temporais, Experimentação e Otimização

Preço: US$ 180 para cada exame; US$ 250 para modelagem preditiva usando o SAS Enterprise Miner

Requisitos: A SAS recomenda que os candidatos se preparem usando seu currículo SAS Data Science da SAS Academy for Data Science . Custa US$ 4.400 para um curso de e-Learning individualizado, ou US $ 16 mil para um programa de 12 semanas ministrado por instrutor em Cary, Carolina do Norte.

26 – Stanford Data Mining and Applications Graduate Certificate
O  Data Mining and Applications Graduate Certificate certifica a capacidade de:

– Usar métodos estatísticos para extrair significado de grandes conjuntos de dados

– Desenvolver e usar modelos preditivos e análises

– Entender e usar aplicativos estratégicos de tomada de decisão

Direcionado a gerentes de estratégia, pesquisadores científicos, pesquisadores de ciências sociais, analistas de dados e consultores e executivos de publicidade e marketing, o certificado exige que os candidatos completem três cursos, começando com Data Mining and Analysis ou Introduction to Statistical Learning. O primeiro curso deve ser preenchido com grau B + ou melhor e os outros cursos devem ser preenchidos com grau B ou melhor para ganhar o certificado. A certificação é completada depois de dois anos.

OrganizaçãoStanford Centre for Professional Development

Preço: $11.340 – $12.600 (9-10 unidades)

Requisitos: Para obter o certificado de pós-graduação, os candidatos devem ter feito cursos introdutórios de estatística ou probabilidade, álgebra linear e programação de computadores. O candidato também deve ter bacharelado conferido com um GPA de graduação de 3,5 ou melhor.

Fonte: CIO

Sua empresa está pronta para o futuro data-driven?

Todo mundo sabe da importância dos dados. Basta notar que as empresas que mais cresceram nos últimos anos tem no seu core esse compromisso de ser data-driven, e existe uma enorme oportunidade para muitas outras chegarem aos estágios mais avançados dessa transformação.

Dados são uma riqueza ainda tão pouco explorada, que ela não está sendo nem mesmo avaliada formalmente nas análises de valor das empresas. É como se a gente avaliasse o solo, mas ignorasse o potencial escondido no subsolo. No entanto, é apenas uma questão de tempo até o valor da massa de dados de um negócio começar a fazer parte do balanço das empresas, assim como o goodwillde marca já faz hoje. Segundo a consultoria Gartner, em 2021 isso já será uma realidade.

Nos últimos dois anos, foram produzidos 90% de todos os dados disponíveis no mundo. E nos próximos dois, vamos produzir um volume equivalente a todo o conhecimento gerado pela humanidade até hoje. Mas essas informações capturadas todos os dias precisam ser refinadas e transformadas em inteligência capaz de gerar riqueza para as empresas. Não adianta ter centenas de milhões de terabytes de dados se eles não forem acionáveis.

E como podemos acumular dados e extrair valor deles, colocando o consumidor no centro e criando vantagens competitivas para as empresas?

O primeiro passo é começar a reunir esses dados agora mesmo – tudo bem se você ainda não tiver uma estratégia definida do que fazer com eles. A verdade é que está ficando cada vez mais fácil usar as informações coletadas de forma inteligente. Não é à toa que vemos uma grande quantidade de empresas e universidades desenvolvendo e patenteando algoritmos no momento.

Um bom exemplo é a chinesa Alibaba.com. Com três plataformas de e-commerce, meio de pagamento mobile, navegador, empresa de vídeos e site de notícias próprios, eles se consolidaram como a 12ª empresa em market cap em 2017¹. Mas de onde eles extraem esse valor? Se você disse “dos dados”, acertou.

A Alibaba usa seus algoritmos de recomendação de produtos para extrair valor de toda informação que coleta. A importância desses algoritmos para as vendas da empresa é tanta que, no ano passado, uma simples mudança neles acelerou o crescimento da receita de e-commerce em mais de 20 pontos percentuais². Além disso, eles também aplicam essa inteligência na personalização de anúncios para os parceiros do seu marketplace, incrementando ainda mais o volume de vendas da companhia.

Ok, isso tudo é extremamente interessante, mas como uma empresa se torna data-driven?

Na nossa visão, esse movimento deve se estruturar em cinco pilares: pessoas, processos, assets, dados e tecnologia.

1. Pessoas

É essencial que haja um esforço da empresa em correr atrás das pessoas que possam ajudar essa transformação a acontecer, e elas têm perfis profissionais bastante específicos, como, por exemplo, o CDO (Chief Data Officer).

Chief Data Officer é um dos líderes mais importantes para as organizações interessadas nessa mudança de direcionamento. Em 2015, apenas 25% das grandes empresas tinham esse cargo, no entanto, um estudo da Gartner estima que, em um futuro próximo, esse número alcançará 90%.³ Mas é claro que apenas líderes não bastam, também são necessários outros profissionais capacitados; um dos perfis mais valorizados para isso é o do cientista de dados, especialista que trabalha na intersecção entre matemática, negócios e sistemas de informação.

Infelizmente, hoje esses dois perfis são escassos no Brasil. Mas a boa notícia é que já temos diversas faculdades do país oferecendo especialização, MBA ou mestrado nessa área do conhecimento, além de um grande número de cursos de educação a distância disponíveis – muitos oferecidos por instituições internacionais renomadas. Com tamanha demanda no mercado, a tendência é que o interesse por essa profissão cresça rapidamente nos próximos anos.

2. Processos

As operações e processos das empresas data-driven apresentam diferenças cruciais em relação às empresas tradicionais. A principal é que nelas os dados não ficam isolados em silos, mas trabalham de forma integrada. Na prática, isso significa que as informações não são armazenadas nos computadores individuais de cada funcionário, mas disponibilizadas na nuvem, para todos dentro da organização. Por exemplo, em vez de o relatório de vendas ficar disponível apenas para o gerente comercial, ele pode ser acessado em tempo real pelo marketing e pela área de compras.

Assim, é possível deixar de trabalhar com base na produtividade individual e trazer a inteligência coletiva para resolver o problema da empresa como um todo. Ao fazer isso, você deixa de acumular trabalhos em filas para tornar o processo automático, ágil e em tempo real.

3. Assets

Quando falamos de assets, nos referimos às propriedades digitais de sua empresa, e um dos pontos mais importantes se chama velocidade móvel.

Os consumidores não aceitam mais ficar esperando quando acessam um site mobile. Mais da metade dos consumidores abandonam sites móveis quando não carregam em menos de 3 segundos⁴. Para grande decepção, 75% dos sites mobile das maiores marcas do Brasil demoram mais de 20 segundos para carregar⁵. Isso impacta nos resultados para a empresa e na qualidade dos dados capturados – afinal, que dados você vai gerar se o cliente abandonar seu site ou desinstalar o seu app?

Por exemplo, o Walmart descobriu que para cada segundo a menos de espera no carregamento de seu site mobile, as conversões aumentavam 2%. Na última atualização, eles enxugaram 4 segundos do tempo de loading, resultando em um incremento de 8% nas conversões. Imagina o que é isso pra uma empresa desse tamanho.

Para ajudar as empresas a solucionar esse problema, apresentamos duas ferramentas muito eficientes na hora de testar e otimizar a velocidade de sites mobile: o Speed Scorecard e Impact Calculator.

O Speed Scorecard permite que você compare a velocidade do seu site mobilecom sites de outras empresas dentro da sua indústria, por meio de dados baseados na experiência de usuários reais do Chrome quando acessam destinos populares da internet. Já a Impact Calculator permite estimar o impacto que melhorias na velocidade do seu site mobile podem causar na sua receita.

4. Dados

Ao falarmos de dados, é imprescindível que as empresas tenham uma política transparente, responsável e segura, e que ofereçam aos usuários maneiras claras de controlar as informações que são coletadas e armazenadas sobre eles. Confiança é fundamental.

Dito isso, para começar, reúna as informações que você já possui sobre seus clientes – elas são a coisa mais importante nesse início da sua jornada em direção ao modelo data-driven. Se esses dados estiverem armazenados offline, é muito importante transferi-los para um único ambiente digital. Isso irá ajudar a melhorar a rentabilidade dos seus investimentos em marketing, afinal, o consumidor é um só, alternando continuamente entre o on e offline.

A mágica acontece mesmo quando somamos as informações de seus clientes aos dados de pessoas que se engajaram com o Google – disponibilizados sempre de forma agregada e anônima.

O Google tem sete plataformas com mais de um bilhão de usuários – uma combinação de on e off que nos permite oferecer um entendimento do consumidor como nenhum outro player. Estamos falando de bilhões de sinais que, por meio de machine learning, permitem uma comunicação muito mais focada com os consumidores, revelando intenção deles em tempo real e permitindo a ampliação do alcance em muitas vezes.

5. Tecnologia

Por fim, o último dos 5 pilares: tecnologia. Um exemplo simples de tecnologia é o Google Meu Negócio, uma ferramenta que permite ter dados de toda a jornada do consumidor, que 60% das vezes passa pelo digital, mesmo que a compra ocorra em uma loja física. Para isso, você precisa garantir a presença de suas lojas físicas no online, e o Google Meu Negócio funciona como uma grande vitrine de entrada: ele fornece ao consumidor endereço, telefone, horários de funcionamento e de pico, avaliações, entre outras informações úteis. Milhões de pessoas recorrem todos os dias ao Google Search e Google Maps para encontrar essas informações antes de visitar uma loja, e é o Google Meu Negócio que alimenta essas respostas. As buscas que usam o termo “perto de mim”, por exemplo, cresceram 75% no ano passado. Se o seu cadastro ali estiver atualizado – e ele é 100% gratuito, o consumidor vai conseguir ver informações corretas e tomar melhores decisões. Um grande varejista brasileiro colocou suas lojas no Google Meu Negócio e teve mais de 20 milhões de visualizações por mês — orgânicas e gratuitas. Com isso, a experiência do consumidor melhora e você passa a contar com dados preciosos sobre o processo de decisão de compra, inclusive visualizando estatísticas sobre visitas a suas lojas físicas de clientes que clicaram em seu anúncio digital.

E a tecnologia não para por aí. A computação em nuvem, por exemplo, está permitindo finalmente viver o sonho de tornar o big data acionável. Imagine um grande lago – um Data Lake – onde você consegue juntar todas as suas fontes de dados e disponibilizá-las de um jeito ágil, eficiente e acionável para seus executivos. Com a tecnologia de nuvem, finalmente, podemos viver esse sonho de acionar, de forma rápida e fácil, os dados que precisamos.

Agora imagine usar esse acesso para melhorar a experiência do consumidor e aumentar a eficiência de operações e marketing. Em Cingapura, o McDonald’s se fez três importantes perguntas: quais são as lojas mais e menos movimentadas? Quais os tempos de espera pelas entregas? Onde estão os consumidores interessados em delivery naquele exato momento? Cruzando essas informações em tempo real e usando nossas plataformas avançadas de marketing, eles otimizaram suas campanhas para só mostrar peças falando do delivery para consumidores em regiões onde a entrega pudesse ser rápida. Isso gerou um aumento de 58% no retorno sobre o investimento publicitário, incrementou as vendas em 9% e propiciou um salto na satisfação dos consumidores.⁶

Juntos nessa jornada

Um estudo realizado em parceria com o BCG que incluiu oito indústrias de diversos países europeus, comprovou os resultados que uma empresa pode obter quando baseia suas estratégias em dados: empresas mais maduras na transformação data-driven estão vendo até 30% maior eficiência e 20% de aumento em receita⁷.

Hoje, apenas 2% das empresas estão nesse estágio mais avançado do uso de dados, e isso revela um enorme potencial pela frente⁸.

Não é preciso esforços enormes para iniciar a caminhada em direção ao modelo data-driven. Passos simples como atualizar o seu Google Meu Negócio, testar a velocidade do seu site, fazer as melhorias de desempenho necessárias e adotar uma plataforma de analytics já são um excelente começo.

Temos plena consciência de que transformações profundas nem sempre são fáceis e levam algum tempo. Mas o importante é começar o quanto antes com o que estiver ao seu alcance e couber na realidade da sua empresa. Nós, no Google, estamos prontos para ajudá-los a tirar o máximo de proveito dessa jornada de transformação data-driven, afinal de contas, todas essas tecnologias e dados são muito mais eficientes quando desenvolvemos juntos uma estratégia sob medida para cada necessidade.

Fonte: Think with Google

O mercado não sabe o que é Web Analytics

Insights sobre dados podem trazer para a empresa uma descoberta de um erro que poderia impactar vendas ou uma melhoria que auxilie na resolução de um problema

 Recentemente tive mais de 99 recomendações no meu LinkedIn sobre Google Analytics, com diversos profissionais e amigos me recomendando sobre esse skill e fiquei muito contente por atingir esse número. Passada a euforia, eu fiquei com uma pulga atrás da orelha e algo me chamou muita a atenção. Apesar de ter mais de 99 recomendações nesse skill, em web analytics mesmo eu tinha apenas 34.

Claro que muitas pessoas podem me recomendar por Google Analytics e não fazer o mesmo em WA, mas isso me chamou muito a atenção pois é algo que vivemos muito no mercado. Vendo essa informação pude constatar que o mercado até hoje ainda possui muitas dúvidas sobre o que é Web Analytics e acaba confundindo a análise de dados com a ferramenta. Uma das principais causas disso é a falta de conhecimento em entender que web analytics está no fato de transformar os dados em ação e não importa onde estão esses dados, excel, Google analytics ou através de uma pesquisa com usuários.

Vamos fazer um exercício sobre Web Analytics e Interpretação de dados:

Interpretando os dados mostrados na imagem abaixo, o que você consegue concluir?

Analise um pouco o gráfico antes de saber a interpretação.
Este é um gráfico personalizado mostrando a hora que mais vende no site.  Interpretando esse gráfico, chegamos a decisão que a hora que mais vende no site é as 15:00. Agora a pergunta que tenho que fazer é? Ok, mas porquê? Qual canal que mais vende a essa hora?

Através do relatório personalizado que criamos no Google analytics conseguimos ver que a hora que mais vende é as 15:00 e que os canais que mais influenciam para isso são e-mail e Adwords, seguindo por Google orgânico e tráfego direto.

Nessa interpretação de dados, concluímos que se aumentarmos nosso investimento em Adwords às 15:00 podemos obter um retorno maior, ou que podemos enviar os e-mails segmentados para as bases antes das 15, mas vale a pena linkar isso com a taxa de abertura e cliques por hora também.

Outro exemplo:
Interpretando os dados abaixo, o que podemos concluir? Este é um gráfico de pesquisas internas do site!

Analise um pouco o gráfico antes de saber a interpretação.
Este é um gráfico com mais interpretações. Primeiro ponto que podemos interpretar é que Orquídea é meu produto mais buscado e vendido:

Segundo ponto que podemos analisar é que estamos perdendo oportunidade com a busca por girassol e margarida. Os usuários acessam meu site, buscam por essa informação e eu não vendo o produto. Se somarmos as buscas de “girassol”, “girasol” e margarida, temos 20 buscas, se tornam os mais buscados.

A principal interpretação desse relatório de Web Analytics é que os usuários estão entrando no seu site e dizendo: “Eu quero comprar margaridas” “Eu quero comprar girassol”, só que você não tem esse produto! Você está perdendo uma oportunidade aqui!

O terceiro ponto a ser analisado no relatório é uma possível falha na sua ferramenta de busca. A ferramenta está separando os resultados das buscas para “lirio” e “lirios” e “orquidea” e “orquideas”. Será que seu site diferencia singular de plural? Ou direciona ambos para o mesmo resultado? “Orquídea” no singular e “lírios” no plural possuem receita já “orquídeas” no plural e “lírio” no singular não possuem receita. Tem algo no mínimo estranho aí!

O último ponto a ser analisado neste relatório de buscas é a possível criação de uma categoria chamada “Presente de Aniversário” com dicas para presentear as pessoas com flores.

Se meu site tem 10 buscas por esse termo e ainda sim possui venda, significa que meus usuários querem saber dicas de como presentear alguém com flores. Talvez a criação de uma categoria de presentes de aniversário ou uma página ajudando o usuário a comprar presentes de aniversário pode aumentar a sua conversão, uma vez que os usuários já buscam por isso em seu site.

Em um gráfico simples de busca do site, analisamos diversos pontos para melhorar ou oportunidades para aumentar a nossa conversão e interação com o usuário.

Um trabalho de Web Analytics vai muito além de analisar as métricas mais conhecidas apenas e vai muito mais muito além da ferramenta. É como se você ganhasse um celular totalmente poderoso soubesse que ele faz infinitas coisas, mas não utiliza nada. Para que você tem esse telefone?

No mercado digital, temos junto a Web Analytics e suas ferramentas de monitoramento a possibilidade de mensurar os dados e de criar e inovar no mercado, pois podemos analisar o resultado positivo ou negativo de uma nova funcionalidade em real time. É por isso que dizemos que web analytics é mais que um gráfico bonitinho.

Fonte: Mundo do Marketing