Tag analytics

SONDA expande atuação no setor financeiro, com soluções de analytics

A SONDA, maior empresa latino-americana de serviços de TI, tem expandido e intensificado sua atuação no setor financeiro por meio de duas soluções analíticas: uma para gestão de risco para bancos e uma para identificar e prevenir eventuais fraudes.

As soluções foram desenvolvidas em parceria com o SAS, que utiliza inteligência artificial na geração de resultados. O analytics de gestão de riscos para bancos auxilia no processo de controle de ativos e passivos, riscos operacionais, precificação e na simulação de balanço. Já o analytics para identificação de fraude contribui para evitar e prevenir falhas sistêmicas, perdas e desvios de condutas, além de diminuir erros humanos.

“Nos últimos anos, a SONDA expandiu sua atuação no mercado financeiro por meio de soluções tecnológicas que entregam resultados mais assertivos e robustos. Em um cenário em que a transformação digital avança de forma exponencial, as soluções de analytics representam um passo importante para tornar as instituições financeiras mais competitivas”, explica Adriano Espósito, Diretor de Transformação Digital da SONDA.

A SONDA é um dos maiores provedores de tecnologia para bancos do Brasil. A empresa mantém contratos com os dois maiores bancos públicos do país. O portfólio varia desde soluções de outsourcing de TI, sistemas de impressão à soluções de inteligência analítica.

Tags, , ,

SAP amplia integração e oferece novos recursos inteligentes para o SAP Analytics Cloud

A SAP SE (NYSE: SAP) anunciou hoje novos recursos da solução SAP Analytics Cloud que incluem capacidade ampliada de análise, Business Intelligence (BI), fluxos de trabalho de planejamento e integração de dados. A plataforma recebeu incremento adicional de 100 novas fontes de dados, entre as quais as soluções SAP BusinessObjects, o SAP S/4 HANA ou SAP S/4 HANA Cloud e a solução SAP Market Cloud, permitindo acessar dados onde quer que estejam, sem precisar migra-los para a nuvem.

Com o aumento da integração, a plataforma atinge mais de 250 fontes de dados e também está integrada à solução SAP BW/4HANA 2.0, fornecendo recursos completos de análise e data warehouse. O SAP Analytics Hub, oferecido com a SAP Analytics Cloud, garante um único ponto de acesso a todo conteúdo de análise, SAP ou não-SAP, não importando onde esteja.

“A SAP está investindo no aprimoramento dos recursos para oferecer soluções cada vez mais integradas para adoção das tecnologias emergentes, ao mesmo tempo que amplia o leque de fontes de dados para que as análises sejam cada vez mais completas e assertivas e impactem positivamente os negócios”, explica Valeria Kinguti, Vice-Presidente de Plataformas e Tecnologia da SAP Brasil. A executiva ressalta que é na combinação entre a inteligência da máquina e a criatividade humana que os recursos de analytics produzem os melhores resultados.

Análise ampliada e novos recursos de planejamento

Os novos recursos permitem que os usuários possam acrescentar ferramentas de aprendizagem de máquina e inteligência artificial aos fluxos de trabalho existentes ou em planejamento e business intelligence. Os aprimoramentos incluem modelos de séries temporais e melhorias na experiência do usuário, tornando mais fácil para que os analistas prevejam resultados e automatizem decisões.

Entre os recursos, as ferramentas de “search to insight” facilita a formulação de questões sobre os dados dos usuários em linguagem natural, além de automatizar insights usando a “smart discovery”, que agora inclui influenciadores relevantes, valores inesperados e simulações. Já o recurso “smart predict”, permite que os analistas de negócios treinem modelos para prever resultados.

As ferramentas de planejamento colaborativo facilitam a geração de melhores resultados ao permitir que usuários alinhem os planos distribuídos pela empresa em torno de uma única versão. Com o SAP Analytics Cloud, é possível analisar, planejar e fazer previsões em um único lugar de forma a acelerar os ciclos de planejamento e tomar decisões inteligentes.

A conectividade avançada com modelos incorporados à aplicação SAP Business Planning and Consolidation (SAP BPC) permite explorar os investimentos existentes e conectar os complexos processos de planejamento à nuvem. Usando os novos recursos para usuários finais, os planos de negócios podem ser criados e ajustados dentro da SAP Analytics Cloud e de outras ferramentas, entre elas o Microsoft Excel. Isso permite estender e alinhar os planos do departamento de finanças e de toda a empresa para produzir a melhor versão para os negócios.

Tags, ,

10 tendências de analytics para 2019 que devem ser observadas

Por Celso Oliveira, country manager da MicroStrategy

Os líderes da atualidade lidam com diversas questões em paralelo. A tecnologia está evoluindo muito rapidamente. Os clientes esperam mais, a competição está mais acirrada. Como resultado, as organizações estão sendo desafiadas a agregarem ao seu dia a dia capacidades preditivas. E, na medida em que a inteligência artificial, as demandas por crescimento acelerado e as pressões pela tal transformação digital ganham destaque, muitos passam a perceber que a abordagem analítica segmentada utilizada até então não foi construída para durar. Demorar horas para tomar uma decisão não leva a lugar algum. Podemos dizer que, no que diz respeito às tendências de analytics para 2019, esse ano será um ponto de virada para muitas organizações, pois elas já estão percebendo que apenas ser “orientado por dados” não garante sucesso futuro. Não basta priorizar as análises. O foco e os esforços devem ser voltados para resultados de negócios definidos e tangíveis.

Baseado em um compilado de informações provenientes de quem mais sabe de BI, data analytics e transformação digital no mundo, gostaria de compartilhar com vocês 10 tendências de analytics para 2019 e que também devem estar em foco até 2030. Trata-se de questões que os líderes de hoje precisam entender para transformar empresas comuns em empresas inteligentes e, assim, perceber as oportunidades que estão por vir:

#1 Dados orientados a resultado e não somente para visualizações

#2 Revelar as potencialidades da inteligência artificial e da análise aumentada para uma tomada de decisão mais preditiva, ética e transparente

#3 Análise “self-evident” através do HyperIntelligence superará as análises “self-service” em 2019. Chegamos a um ponto em que alguns cliques ainda é muito para quem busca os insights de maneira rápida. A tendência é a do zero clique e do Smart Discovery e das respostas chegando até quem precisa delas

#4 A incorporação de inteligência nas aplicações permitirá aos usuários corporativos concentrar-se em novas ideias e inovar muito mais rapidamente do que antes

#5 Análises avançadas para a produção em escala. Ao usar os dados de forma ampla, os verdadeiros líderes estão trazendo capacidades preditivas e até mesmo ações prescritivas recomendadas para a produção em escala

#6 Aumentar ainda mais a colaboração. O objetivo, quando se trata de descobertas de dados, não deve ser somente analítico ou para apresentar consistentemente um único ponto de vista, mas sim trabalhar de maneira colaborativa para levar a insights e ações que melhorem os resultados finais da organização

#7 Difundir ainda mais mobilidade é um ponto crucial para o sucesso das organizações. Para abraçar a mobilidade empresarial, as corporações devem identificar seus objetivos e necessidades, bem como as ferramentas para apoiá-las nesse sentido

#8 As estratégias de Inteligência Artificial tornam-se uma necessidade, especialmente para os dados e análises mais relevantes aos negócios. Uma solução completa de gerenciamento de dados, que englobe qualidade dos dados, governança, segurança e metadados, é mais do que mandatória nesse momento

#9 Os líderes devem tomar as melhores decisões hoje e traçar os melhores passos para garantir o sucesso no futuro

#10 A evolução do analytics irá acelerar cada vez mais. Até 2025, mais de um quarto de todos os dados criados serão em tempo real, com 95% deles gerados por aplicações de IoT

Em suma, essas tendências de analytics para 2019 mostram que para crescer e prosperar nesta era, na qual a ruptura digital está cada vez mais acelerada, é preciso ter dados acessíveis, insights acionáveis, inovação contínua e novos modelos de negócios. Tudo isso requer gerenciamento e segurança de dados de ponta a ponta e uma plataforma corporativa.

O futuro pertence às empresas que antecipam desafios regulatórios, tecnológicos, de mercado e competitivos em constante evolução e os transformam em oportunidade e lucro. Também pertence às empresas que são capazes de conectar-se a qualquer dado e distribuir relatórios para milhares de pessoas, bem como àquelas que vão além da inteligência de negócios para fornecer insights para todos os departamentos, dispositivos ou pessoa por meio de experiências em tempo real, naturais e de clique zero. Ou seja, o futuro pertence a quem realmente adere ao cenário de empresa inteligente.

Tags, , ,

Encontro Data Driven Day, do Grupo Havas, chega à São Paulo

Evento realizado pela Data Business Intelligence, consultoria do grupo, acontece simultaneamente em seis países e traz ao Brasil palestras de executivos de grandes empresas, como Adobe, Expedia VR e IBM

No dia 08 de agosto acontece a primeira edição do Data Driven Day. O evento, realizado pela Data Business Intelligence (DBI), empresa de consultoria do Grupo Havas especializada em Big Data Analytics, será apresentado simultaneamente em seis países, contemplando cidades como Bogotá, Buenos Aires, Ciudad de México, Lima, Miami e São Paulo.

A iniciativa, que acontecerá na ESPM, na Vila Mariana, marca a entrada da DBI no Brasil e visa fomentar a cultura “data-driven”, estimulando os presentes a refletirem sobre como as empresas podem aproveitar dados e tecnologia, aumentar a competitividade e otimizar seus negócios. Para isso, contará com a presença de executivos de grandes empresas e startups, que vão discutir a respeito de dados, tecnologia e marketing. Entre os convidados palestrantes estão Carolina Piber (vice-presidente Brasil de marketing da Expedia VR), Claudia Muchaluat (Chief Digital Officer para a América Latina da IBM) e Fernando Teixeira (Head of Practice, Advertising Experiente profissional de marketing digital da Adobe).

“Apenas 1 em cada 10 empresas da América Latina está conseguindo passar da informação à ação. O problema não é técnico, mas cultural. A maioria das empresas que conhecemos hoje – mesmo as mais tecnológicas – começou em uma época em que a informação era escassa. Não é incomum ver empresas que não têm uma mentalidade voltada para os dados”, comenta Juan Damia, CEO da DBI Latin America.

Unindo três importantes pilares, o Data Driven Day marca a oportunidade de atualização e aprimoramento do conhecimento sobre os desafios da indústria dos dados e sua implementação no campo dos negócios. Especialmente idealizado para um público formado por C-Levels, vice-presidentes e diretores de todos os segmentos de mercado, o evento tem como objetivo promover discussões de alto nível, networking e aprendizado a respeito do tema.

Responsável pela iniciativa, a DBI tem sede em Paris e mais de 20 escritórios ao redor do mundo. A empresa fornece soluções digitais de ponta e práticas recomendadas para empresas dos mais diversos segmentos. No Brasil, pretende atender tanto os clientes locais quanto os internacionais. Em seu portfólio global estão atualmente clientes como Mercado Livre, Telefónica, Fox, DirectV, L’oreal, Santander e UNICEF, entre outros.

Para mais informações acesse: http://datadrivenday.com/sao-paulo/

Tags, , , , , , , , , ,

A visão 360º deve ir muito além do cliente

Por Cynthia Bianco

Tenho percebido que as empresas têm investido recursos e esforços para obter a tal visão 360º do cliente, porém elas não têm dedicado a mesma energia para ter uma visão 360º de seu próprio negócio. Obviamente conhecer quem é seu público é mandatório, mas engana-se quem pensa que isso é o suficiente. Pelo contrário, voltar-se para os clientes e para o seu desempenho, isoladamente, e não para o da empresa como um todo, pode ser desastroso. Estou falando daquele famoso olhar associado ao self-service, que traz informações separadas, parciais, que estão longe de representar uma visão única da verdade.

Muitas empresas continuam cometendo o mesmo erro do passado, ou seja, utilizar ferramentas de analytics não integradas ao ambiente corporativo, criando desta forma silos de informações. Ter uma visão individual e dar autonomia ao usuário é importante, tanto quanto conhecer quem é seu público. Mas é preciso também contar com uma estrutura capaz de conectar essas pontas em âmbito corporativo; que seja retroalimentável e que permita que as informações estratégicas sejam acessadas de qualquer lugar, inclusive através de dispositivos móveis. Objetivos dificilmente alcançados sem a governança.

Aliás, a governança é um grande desafio. Com tanta fonte de informação, quem garante que determinado dado é verdadeiro? Sem falar que para cada departamento uma informação pode ter um significado diferente: para o comercial, a venda é o que foi vendido para o cliente; para finanças, é o que ele já pagou; para o departamento de logística, é o que deve ser entregue. O conceito de governança e de ter uma visão única dos dados é fundamental.

E é exatamente o que estamos perdendo. Como agora, com o self service analytics, todo mundo pode criar suas próprias visões, os dados originais acabam sendo alterados, seja por pontos de vista discrepantes ou por filtragens, que muitas vezes caem no esquecimento. Fora isso, outro erro comum é achar que, pelo fato da origem ser a mesma, todos os dados que de lá vieram, foram validados e são totalmente confiáveis. Esse é o maior perigo, pois o executivo pode pegar um dashboard com dados não validados e entendê-los como verdadeiros, tomando uma decisão errada. É preciso educar as pessoas para ter dados governados e/ou dashboards certificados.

Em suma, engana-se quem pensa que conhecer bem as diferentes partes do negócio isoladamente é garantia de sucesso. A visão 360% com governança nada mais do que você pensar na empresa como um todo e não nos departamentos. Fora isso, saber de onde vieram os dados e ter certeza de que há alguém que possa se responsabilizar por eles é muito importante. A governança não existe para travar processos. Bem utilizado, o analytics pode ser fundamental na jornada de transformação digital das empresas, mapeando os caminhos e trazendo mais insights, permitindo que as empresas sejam competitivas num mundo que muda de hora em hora.

Cynthia Bianco, presidente da MicroStrategy no Brasil, empresa pioneira na área de BI, analytics e em aliar a mobilidade, realidade aumentada e linguagem natural com plataformas analíticas.

Tags, , , , , ,

Webinars gratuitos da Qlik falam sobre Transformação Digital orientada a dados

Em tempos de Economia Analítica, os insights orientados por dados lideram a jornada em direção ao futuro. As organizações que obterão sucesso serão aquelas que utilizam os dados como um ativo estratégico para tomar melhores decisões em todas as áreas de operações.

A Qlik apresenta, em parceria com o Gartner e clientes da empresa de segmentos como Varejo, Serviços, Financeiro e Saúde, uma série de webinars gratuitos sobre as oportunidades de transformação orientada por dados. Entre os temas abordados, estão as novas maneiras para obter valor a partir dos dados e as estratégias inovadoras para lidar com alto volume de informação.

A jornada da Transformação Digital de cada organização é única e baseada em metas, objetivos e tendências do setor. É por isso que destacamos quatro sessões específicas que mostram como as empresas utilizam os dados e análises para respaldar sua jornada transformadora.

Os participantes podem selecionar a sessão de webinar ideal de acordo com o seu interesse ou com segmento de sua companhia. As sessões incluem uma combinação de conteúdo ao vivo e sob demanda em serviços financeiros, saúde e varejo. Existe também uma sessão mais abrangente, caso sua organização não se enquadre nesses setores.

Confira a programação completa:

Data/Horário Título Palestrante
25 de Julho – 14h00 (horário do Brasil) Como a análise de dados está promovendo a transformação digital » Valerie Logan – Research Director – Gartner
David Bolton – VP Industry Solutions – Qlik
25 de Julho – 15h00 (horário do Brasil) Transformações digitais orientadas a dados: aproveitando insights valiosos » Mike Muglia – Center of Excellence – Business Process Improvement – FP&A BI – Verizon
Kelsey Fautsch – Senior Product Manager for Compliance & Customer Experience Measurement Platform – Deloitte
Neil Martin – Head of Toolkit Product Development – WebHelp
Niall Gallacher – Global Market Development – Qlik
[Webinar sob demanda] Tendências de BI 2018 » Dan Sommer – Senior Director – Market Intelligence Lead – Qlik
[Webinar sob demanda] Obtendo pleno valor dos negócios com seus dados em 2018 » David Bolton – VP of Industry Solutions – Qlik
Chris Mabardy – Sr Director of Product Marketing – Qlik

Série de Webinars Qlik
Data: 25 de julho de 2018
Horário: 14h e 15h
Inscrições: Os interessados devem se inscrever por meio deste link.

Tags, , , ,

Avon desenvolve projeto de Big Data & Analytics que melhora a utilização de dados em vendas online

Entender o movimento do cliente dentro do seu portal B2B de vendas online. Esse era um dos principais objetivos da Avon, companhia com 60 anos de atuação no Brasil que fatura, em média, 150 mil pedidos por dia, ao desenvolver um projeto de Big Data & Analytics, que se beneficia de dados extraídos do mundo online e os cruza com a base histórica da plataforma analítica da MicroStrategy. A iniciativa trouxe à companhia, líder mundial no mercado de beleza e uma das maiores empresas de venda direta do mundo, a capacidade de responder quase instantaneamente várias perguntas de negócios capazes de influenciar tomadas de decisão e personificar ofertas para as suas clientes, isso tudo analisando o comportamento de compra de milhões de usuários.

De acordo com Raquel D’Anello, diretora de TI da Avon, evitar que o “carrinho” seja abandonado nas vendas online, entender o movimento no site, bem como identificar os motivos que levam os clientes a desistirem de uma compra, é um dos principais desafios das empresas, independentemente de sua área de atuação. Em se tratando da Avon, especialmente após a inserção de tags em todo o portal de vendas B2B, essa necessidade ficou ainda mais evidente, pois se tornou possível acompanhar todos os movimentos da revendedora no site e saber o que ela fazia e em que momento, gerando um grande volume de informações. Além disso, o BI já permitia acessar o histórico baseado em pedidos e faturamentos anteriores, além de dados das redes sociais.

“Diante desse cenário, nossa questão era: o que fazer com esse monte de informação? Começaram a chover perguntas sobre o comportamento e nós, meio sem saber o que fazer, chegamos para a MicroStrategy e falamos: ‘o nosso BI tradicional não funciona mais. O que tem no mercado? Ouvimos falar do big data, o que podemos fazer com isso?’ E aí veio a ideia de fazermos um piloto e começar a trabalhar essas informações”, explica Raquel.

Com baixos investimentos, curto prazo e recursos escassos, mas com muita vontade de fazer acontecer, como a própria executiva ressalta, o projeto começou a ser concebido. O piloto foi feito usando uma máquina relativamente simples e de baixo custo e toda essa infraestrutura foi levada para a nuvem. O investimento para viabilizar esse pontapé inicial, já incluindo os custos da mão de obra e da consultoria, totalizou cerca de 50 mil dólares, valor bastante inferior ao que se costuma investir em projetos de Big Data & Analytics. Um recurso da equipe de TI e um profissional do time de consultoria da MicroStrategy foram os responsáveis pela execução. As primeiras tentativas não surtiram efeito e foi somente após o envolvimento da área de negócios da Avon, chamada de Digital, que o projeto começou a decolar. “Queríamos descobrir e desmistificar esse tal de big data. Batemos na porta do Digital e questionamos o que o presidente perguntava e eles não conseguiam responder ou, então, saber o que levava três meses para ser respondido. Recebemos de volta umas quatro perguntas e, com base nelas, conseguimos entender quais eram os dados do nosso sistema transacional, do B2B e das mídias sociais que precisavam ser levados para esse sistema. E assim fizemos”, diz Raquel.

Os resultados obtidos com esse projeto de Big Data & Analytics foram vários e ajudaram a impulsionar as vendas online da Avon. A capacidade de personalizar ofertas digitais com base no comportamento específico da revendedora no site foi um avanço significativo. Hoje, a área de Digital da Avon olha o histórico de compras, cruza com as informações da navegação e faz análises que geram insights em tempo real. Com o apoio do big data, também é possível corrigir rotas e erros nas campanhas a qualquer momento, o que cria uma capacidade maior para planejar os próximos passos.

Outro ponto importante é que a Avon tem um portfólio de mais de três mil produtos ativos e as campanhas mudam de 15 em 15 dias, o que impossibilitava, por exemplo, a capacidade de traçar estimativas. Com as informações geradas a partir do Big Data, é possível fazer uma antecipação do forecasting, enquanto o próximo ciclo está em planejamento. Fora isso, o projeto também possibilitou algumas análises preditivas, como, por exemplo, saber qual das revendedoras pode não completar o carrinho. É possível ver quem entrou, não comprou e fazer uma ativação via call center, whatsapp ou SMS, enquanto a pessoa ainda estiver em seu momento de compra.

“Também conseguimos revisar o limite de crédito online, o que antes era um dos vilões, pois a pessoa começava a fazer um pedido, mas em seguida passava a remover do carrinho alguns itens, porque seu limite de crédito havia estourado, por exemplo, e isso a levava a desistir da compra. Já pudemos perceber que isso aumentou a satisfação da mulher e fez com que ficasse mais tempo no site. E quanto mais tempo ela fica, maior probabilidade de venda nós temos. Sem falar que, entendendo o comportamento, também posso tomar ações que chamam a atenção da mulher”, enfatiza Raquel.

Para apresentar esses dados, foi criada uma série de dashboards e relatórios ad hocs para algumas das áreas, como de Marketing e Digital, que preferem receber as informações nesse formato para fazer suas próprias análises. O ambiente continua em pleno funcionamento e agora o próximo passo é crescer. À medida que perguntas mais complexas vão chegando, é preciso, por exemplo, plugar mais dados transacionais e aumentar a quantidade de tags no portal B2B.

“Hoje nada nos impede de chegar mais longe com Big Data & Analytics. É apenas uma questão de foco. Porque vimos que dá pra ser robusto e flexível com segurança e baixo custo. A nuvem funciona e é segura – o que, aliás, era um dos meus receios – e, muitas vezes, é até melhor do que a infraestrutura interna, que tem burocracia e recursos limitados. Ter a informação certa, na hora correta, é sinônimo de sucesso. Quem trabalha em TI sabe disso e quem trabalha na área de negócios sabe disso duas vezes mais”, finaliza.

Tags, , , , ,

Eficiente, mas não eficaz: Pontos importantes para alcançar resultados com business intelligence na área financeira

Por Cynthia Bianco

Obviamente não tem cabimento e seria até “chover no molhado” introduzir a importância do analytics, da cultura analítica e do business intelligence na área financeira e também para as pessoas que estão à sua frente. Desde 2017, algumas previsões já mostravam que esses departamentos, que são o coração das corporações, passariam a ser totalmente dependentes das soluções de analytics para entregar insights acessíveis, em tempo real. E essa é umas das tendências que se mantém em 2018.

Seja como o dono do projeto ou o seu patrocinador, a responsabilidade pelo seu sucesso sempre recairá de alguma forma sobre o CFO ou diretor financeiro. Veja alguns fatores decisivos que CFOs devem considerar para assegurar projetos de business intelligence na área financeira bem-sucedidos e rentáveis:

#1 É preciso ter os dados

A importância de ter metas já é clara. Mas, um segundo ponto é ter a certeza de que os dados que vão preencher esses propósitos estejam disponíveis. Muitas vezes, por mais do que se saiba o que deve ser feito, no meio do caminho aparecem dados sujos, espalhados por vários lugares, o que aumenta a complexidade do projeto ao seu final.

#2 Escolher os dados que promovem mudança

O projeto de business intlelligence na área financeira deve trabalhar de fato com dados capazes de promover mudanças de curso. É preciso pensar o que é necessário para a tomada decisão naquele mês e não somente oferecer informações do que já aconteceu. Muita gente olha o BI só como passado.

#3 Quick wins

Sempre digo que um projeto não precisa ser perfeito, mas além de retorno em curto prazo, baixo custo é a palavra de ordem. Lembre-se que se a implementação for rápida e não custar muito caro será mais fácil de refazer, se necessário.

#4 BI é um ser vivo

O que dá certo hoje, pode não dar certo amanhã. Tudo é mutante. Os clientes mudam, o mercado muda, os dados mudam.

#5 Disseminar a cultura analítica

A cabeça das pessoas faz toda a diferença e é sim papel do CFO tentar disseminar a importância de uma cultura analítica e orientada a dados dentro de uma organização. Será isso que ajudará a mensurar lá na frente se esse projeto de business intelligence na área financeira está sendo eficiente. Ter adesão e trazer resultados rápidos, são pontos super importantes nesse sentido.

#6 Nada disso terá sentido sem a governança

Não adianta só se ter a garantia de que o dado de origem está limpo, mas sim de que os dados que estão sendo apresentados, sejam em formato ppt ou em um sistema, estejam coerentes com a linha de negócios das empresas. Tempo é dinheiro e não faz sentido perder muito tempo analisando um dado que foi transformado.

Em suma, tenho acompanhado de perto como o uso de ferramentas analíticas (principalmente para acessos a dados em real time) tem mudado não só a cultura das empresas, como a dinâmica do mercado. Acho que os projetos de bussiness intelligence na área financeira não é diferente, por isso, vale a pena olhar para os pontos que mencionei acima e pensar como o analytics pode ser eficaz e trazer retornos para um CFO, que passa a ser mais ágil, a cultivar melhores tomadas de decisão, alcançar melhores resultados ao trabalho, conquistar mais credibilidade junto a todos e ganhar um impulso nos seus negócios e na sua carreia.

Cynthia Bianco é presidente da MicroStrategy no Brasil, empresa pioneira na área de BI, analytics e em aliar a mobilidade, realidade aumentada e linguagem natural com plataformas analíticas.

Tags, , , , , , ,

From random numbers to actionable intel: How to manage your Big Data – De números aleatórios para informações úteis: como gerenciar seu Big Data

Data has many benefits. But with data points constantly being collected and updated, marketers can have trouble managing it. Data is only useful when it’s actionable.

When it comes to big data management, actionable goals that give a purpose to your data will make it more manageable and useful. Here are some of the areas where you can put your big data to work and use it to guide your future campaigns and strategy.

Purchasing Behavior

The purchasing behavior of your customers may be your biggest data asset. By analyzing specific metrics of how and why customers make purchases, you can see what works and what doesn’t in your marketing strategy. Some metrics that are important to look at in your data include:

Conversion Rate: Your average conversion rate can help determine whether or not new campaigns or products are successful. If you try a new product page and see a higher conversion rate, then you know the product page is converting better than the previous version.

Industry Conversion Rate: When you see how your organization’s conversion rate compares to your industry average, you can determine if your campaigns are as successful as they should be.

Repeat Customer Rate: How many times does an average customer make a purchase from you? This can help determine your sales funnel and repeat customer targeting strategy.

Average Order Amount: If the average order amount is less than the cost of some of your premium products, you may see more revenue from promoting more of your lower-cost products. Try experimenting with different selling methods (for example, BOGO, bundles).

Amount Spent on Site Before Purchasing: This relates to the buying cycle. If the average customer visits your product pages three times before making a purchase, they may need more convincing on their first visit. You need to test product page conversion tweaks to try to convince them to make a purchase sooner.

With some big data solutions, you can compare your results to industry standards — such as the industry conversion rate. Use your own data combined with a mixture of data from other sources to make more accurate decisions.

Continue Building with Demographics and Behaviors

Knowing the basics about your average customer helps you form personas, create new campaigns, and build better products. In a process known as data mining, look at your data for patterns in gender, age, location, and interests to flesh out your answer to the question “Who is my average customer?”

Combine these patterns with your metrics and other common customer behaviors. For instance, if you know that your customer base skews 30- to 45-year-old adults who make an average purchase of $100 on your site and reach out to customer service using the phone, you can spend more time testing call tracking and evaluate whether there needs to be more phone support for customers.

Combined data will give you the most information available. This helps all departments make better decisions, including evaluating employee performance, tracking trends, and predicting cash flow.

Campaign Integration

Big data management is all about combining the data you have in the most robust system available so your employees have the information they need.

As you create a picture of who your average customer is, you can integrate other data to better target the behavior patterns of those most likely to make a purchase from you. For instance, you can use social media analytics to pull more data that is relevant to behavioral targeting: It helps you see how and where your customers are engaging with your brand on social media. This will help with asset allocation when it comes time to decide advertising budgets or employee time management. It will also help you see which existing efforts are actually turning into conversions.

If you use Facebook pixel tracking, you can see what percentages of sales come or originate from Facebook. If a customer clicks on an ad about your new product suite and doesn’t complete the lead form, but follows up later to fill out a free content offer, the pixel gives you data on all the customer’s previous actions before completing the lead generation form.

Having better, integrated data allows you to see if all your marketing efforts are worthwhile. For instance, if your company has been creating quarterly white papers, but the data shows that white papers only make up 2% of your total lead source, you can experiment with different facets of the white papers (for example, the length, topic, or landing page copy) or consider cutting them from your marketing plan and refocusing those resources on something that generates a higher percentage of leads.

Sales Integration

Because marketing is mainly responsible for and focused on its own efforts, it may not see where a lead goes once it is collected for the company. This is why customer data from multiple departments and sources should be integrated into one big data management strategy.

In addition, leveraging third-party data sources can help companies predict what products customers in a specific industry will like. This can help shape both marketing and sales strategy and outreach. By using the right platform to collect all external and internal data into one place, you can see from which source a customer originates (for example, social media) as well as their average sales cycle and location. A centralized source of your data is beneficial to all departments.

For instance, if your digital marketing department sees that the average sales cycle of a customer is 12 weeks, but its campaigns usually only run for six weeks, it needs to look into lengthening campaigns to capture more leads within the normal sales cycle.

Integrating data into one platform helps you make better predictions, according to Doug Camplejohn in an article for CIOReview. By analyzing lots of data simultaneously, you can predict sales, customer rate of return, and several other metrics that can influence sales and marketing goals.

Goal Setting

Knowing key data points helps a great deal with goal setting. With the 12-week campaign example, the digital marketing department knows it needs quarterly goals that correspond with its average sales cycle.

Predictive analytics is another tool for big data that helps teams set more effective goals. Looking at a mix of internal and external data can let you determine any outliers. If you had a quarter that doesn’t go as well as predicted, for instance, but historically that’s unusual, you can set clearer goals based off the historical data and focus on what caused the quarter to go the way it did.

Looking at past performance trends can create clearer expectations, which makes goals more attainable. If the past three marketing campaigns have a strong start and then see incoming leads drop by 25% after two weeks, you can compare this historical performance to current campaign performance to see if you hit the mark.

Better use of data is all about leveraging it the right way to make more informed decisions. Big data management tools can help companies organize their own data, and use data from third parties to help predict behaviors and learn purchasing patterns. By using all the available knowledge, organizations can make better decisions for both marketing and overall product strategy.

About the Author:

Kelsey Jones has been working in digital marketing since 2007 and journalism since 2004, gaining proficiency in social media, SEO, content marketing, PR, and web design.

From Random Numbers to Actionable Intel: How to Manage Your Big Data

Os dados têm muitos benefícios. Mas, com os pontos de dados sendo constantemente coletados e atualizados, os profissionais de marketing podem ter problemas para gerenciá-los. Os dados só são úteis quando são acionáveis.

Quando se trata de gerenciamento de big data, metas acionáveis ​​que dão um propósito aos seus dados o tornarão mais gerenciável e útil. Veja algumas das áreas em que você pode colocar seus dados grandes para funcionar e usá-los para orientar suas campanhas e estratégias futuras.

Comportamento de compra

O comportamento de compra de seus clientes pode ser seu maior recurso de dados. Ao analisar métricas específicas de como e por que os clientes fazem compras, você pode ver o que funciona e o que não funciona na sua estratégia de marketing. Algumas métricas importantes para analisar seus dados incluem:

Taxa de conversão: sua taxa de conversão média pode ajudar a determinar se novas campanhas ou produtos são bem-sucedidos ou não. Se você tentar uma nova página de produto e ver uma taxa de conversão mais alta, saberá que a página do produto está convertendo melhor que a versão anterior.

Taxa de conversão do setor: quando você vê como a taxa de conversão da sua organização se compara à sua média do setor, pode determinar se suas campanhas são tão bem-sucedidas quanto deveriam.

Taxa de repetição do cliente: quantas vezes um cliente médio faz uma compra com você? Isso pode ajudar a determinar seu funil de vendas e repetir a estratégia de segmentação de clientes.

Valor médio do pedido: se o valor médio do pedido for menor que o custo de alguns de seus produtos premium, você poderá ver mais receita promovendo mais produtos de baixo custo. Tente experimentar diferentes métodos de venda (por exemplo, BOGO, bundles).

Montante gasto no local antes da compra: refere-se ao ciclo de compra. Se o cliente médio visitar as páginas do seu produto três vezes antes de fazer uma compra, elas talvez precisem ser mais convincentes na primeira visita. Você precisa testar os ajustes de conversão da página do produto para tentar convencê-los a fazer uma compra mais cedo.

Com algumas soluções de big data, você pode comparar seus resultados com os padrões do setor, como a taxa de conversão do setor. Use seus próprios dados combinados com uma mistura de dados de outras fontes para tomar decisões mais precisas.

Continue construindo com dados demográficos e comportamentos

Conhecer o básico sobre o seu cliente médio ajuda você a formar personas, criar novas campanhas e criar produtos melhores. Em um processo conhecido como mineração de dados, analise seus dados em busca de padrões de gênero, idade, localização e interesses para detalhar sua resposta à pergunta “Quem é meu cliente médio?”

Combine esses padrões com suas métricas e outros comportamentos comuns dos clientes. Por exemplo, se você sabe que sua base de clientes distorce adultos de 30 a 45 anos que fazem uma compra média de US $ 100 em seu site e acessam o atendimento ao cliente usando o telefone, você pode passar mais tempo testando o acompanhamento de chamadas e avaliando se é necessário ter mais suporte por telefone para os clientes.

Dados combinados fornecerão a maior quantidade de informações disponíveis. Isso ajuda todos os departamentos a tomar decisões melhores, incluindo a avaliação do desempenho dos funcionários, o rastreamento de tendências e a previsão do fluxo de caixa.

Integração de Campanha

O gerenciamento de big data tem tudo a ver com combinar os dados que você tem no sistema mais robusto disponível para que seus funcionários tenham as informações de que precisam.

À medida que você cria uma imagem de quem é seu cliente médio, é possível integrar outros dados para segmentar melhor os padrões de comportamento dos que têm maior probabilidade de fazer uma compra com você. Por exemplo, você pode usar a análise de mídia social para extrair mais dados relevantes para a segmentação comportamental: ela ajuda a ver como e onde seus clientes estão interagindo com sua marca nas mídias sociais. Isso ajudará na alocação de ativos quando chegar a hora de decidir os orçamentos de publicidade ou o gerenciamento do tempo dos funcionários. Também ajudará você a ver quais esforços existentes estão se transformando em conversões.

Se você usa o acompanhamento de pixels do Facebook, você pode ver quais porcentagens de vendas vêm ou se originam do Facebook. Se um cliente clica em um anúncio sobre seu novo conjunto de produtos e não preenche o formulário de lead, mas acompanha mais tarde para preencher uma oferta de conteúdo gratuito, o pixel fornece dados sobre todas as ações anteriores do cliente antes de preencher o formulário de geração de leads .

Dados melhores e integrados permitem que você veja se todos os seus esforços de marketing valem a pena. Por exemplo, se sua empresa estiver criando white papers trimestrais, mas os dados mostrarem que os white papers representam apenas 2% de sua origem total de leads, você poderá experimentar diferentes facetas dos white papers (por exemplo, o comprimento, o tópico, ou cópia da página de destino) ou considere cortá-los de seu plano de marketing e refocar esses recursos em algo que gere uma porcentagem maior de leads.

Integração de Vendas

Como o marketing é o principal responsável e se concentra em seus próprios esforços, ele pode não ver para onde um lead vai quando é coletado para a empresa. É por isso que os dados de clientes de vários departamentos e fontes devem ser integrados em uma única estratégia de gerenciamento de big data.

Além disso, o aproveitamento de fontes de dados de terceiros pode ajudar as empresas a prever quais produtos os clientes de uma indústria específica preferirão. Isso pode ajudar a moldar a estratégia de marketing e vendas e o alcance. Ao usar a plataforma certa para coletar todos os dados externos e internos em um único local, você pode ver de qual origem um cliente é originado (por exemplo, mídias sociais), além de seu ciclo e local de vendas médios. Uma fonte centralizada de seus dados é benéfica para todos os departamentos.

Por exemplo, se o departamento de marketing digital perceber que o ciclo médio de vendas de um cliente é de 12 semanas, mas suas campanhas normalmente são executadas por seis semanas, é necessário analisar as campanhas para capturar mais leads dentro do ciclo normal de vendas.

A integração de dados em uma plataforma ajuda você a fazer previsões melhores, de acordo com Doug Camplejohn em um artigo para o CIOReview. Ao analisar vários dados simultaneamente, você pode prever as vendas, a taxa de retorno do cliente e várias outras métricas que podem influenciar as metas de vendas e marketing.

Definição de metas

Conhecer os principais pontos de dados ajuda muito na definição de metas. Com o exemplo de campanha de 12 semanas, o departamento de marketing digital sabe que precisa de metas trimestrais que correspondam ao seu ciclo de vendas médio.

A análise preditiva é outra ferramenta para big data que ajuda as equipes a definir metas mais eficazes. Observar uma combinação de dados internos e externos permite determinar quaisquer valores discrepantes. Se você tivesse um trimestre que não fosse tão bem quanto o previsto, por exemplo, mas historicamente isso é incomum, é possível definir metas mais claras com base nos dados históricos e se concentrar no que fez com que o trimestre fosse do jeito que aconteceu.

Observar as tendências de desempenho anteriores pode criar expectativas mais claras, o que torna as metas mais alcançáveis. Se as três campanhas de marketing tiverem um início forte e, em seguida, os leads entrados caírem 25% após duas semanas, você poderá comparar esse desempenho histórico com o desempenho atual da campanha para ver se atingiu a marca.

Melhor uso de dados é tudo sobre alavancar o caminho certo para tomar decisões mais informadas. As ferramentas de gerenciamento de big data podem ajudar as empresas a organizar seus próprios dados e usar dados de terceiros para ajudar a prever comportamentos e aprender padrões de compra. Usando todo o conhecimento disponível, as organizações podem tomar decisões melhores tanto para o marketing quanto para a estratégia geral do produto.

Sobre a autora:

Kelsey Jones trabalha com marketing digital desde 2007 e jornalismo desde 2004, ganhando proficiência em mídias sociais, SEO, marketing de conteúdo, relações públicas e web design.

Source/Fonte: https://www.salesforce.com/products/marketing-cloud/best-practices/big-data-management/

Tags, , , ,

Uso do Data Analytics é prioridade para auditores em 2018, aponta pesquisa da Protiviti

Um levantamento da consultoria global Protiviti realizado com auditores do mundo todo aponta, que iniciativas de Transformação Digital farão cada vez mais parte do dia a dia das atividades de auditoria interna das empresas neste ano. De acordo com a pesquisa, 60% dos profissionais entrevistados planejam realizar auditorias de controle interno usando data analysis gerados de sistemas tecnológicos como robótica, digitalização e Machine Learning.

O relatório aponta que as empresas europeias e asiáticas são as organizações que mais se apoiam nos recursos proporcionados pela Transformação Digital como forma de obterem uma visão mais analítica de seus processos internos. Atualmente, 76% das companhias de cada de um destes continentes já utilizam dados de análise como parte do processo de auditoria.

Em relação aos europeus, os auditores asiáticos ainda são os que mais acreditam na qualidade dos dados extraídos por meio da tecnologia, já que 59% destes profissionais dizem que interagem estrategicamente com as capacidades do analytics contra 58% da ala europeia. O levantamento também traz os temas que apresentam maiores riscos para a área de auditoria das empresas neste ano. Fraudes, ameaças de segurança cibernética, risco de terceiros e cultura corporativa lideram a lista de preocupações.

Segundo Alessandro Gratão, sócio das práticas de Auditoria Interna, Forensic e Financial Advisory da Protiviti Brasil, a auditoria interna agrega valor de fato, porém ainda há muito o que se fazer. ” É preciso atuar com uma função mais estratégica estruturando a terceira linha de defesa para combater ofensores da imagem, patrimônio, rentabilidade e perenidade das empresas, que são responsabilidades inerentes as quais a auditoria precisa buscar apoio nas soluções e inovações tecnológicas disponíveis atualmente”, explica Gratão,

O executivo ainda diz que o uso de analytics na auditoria está em estágio inicial no Brasil porque é necessário superar algumas barreiras como limitação orçamentária para aquisição e manutenção de ferramentas de data analysis, baixa maturidade de processos e, consequentemente, problemas de qualidade na origem de dados. “Além disso precisamos investir mais na capacitação de profissionais com aptidão para performar análises avançadas de dados que viabilizem informações consistentes para tomada de decisão”, finaliza.

Tags, , , , , ,

Encontre, influencie e aprenda com seus melhores clientes

Por Israel Nacaxe

A ideia pode parecer estranha à primeira vista: para crescer, tenha como foco seus melhores e mais valiosos clientes. Normalmente aquele grupo menor de clientes da sua base. Muitas vezes despriorizado por ações para adquirir ainda mais clientes ou tentar recuperar aqueles clientes inativos, seja mais relevante para quem realmente importa. Essa forma de atuar, que aparentemente limita suas ativações, é, na realidade, a maneira mais poderosa de ampliar seus resultados, com mais vendas e maior rentabilidade.

Na base do conceito de focar os melhores clientes está o conhecido Princípio de Pareto, que atribui causas em uma amostra de resultados de forma não-linear e apresenta sua famosa proporção 80/20: ou seja, 80% das suas vendas se concentram em 20% dos clientes, por exemplo. Dessa forma, existe um desequilíbrio entre causas e efeitos, esforços e resultados. O esforço em aumentar sua presença e preferência de consumo nos 20% de clientes mais importantes é muito diferente do esforço de fazer crescer a rentabilidade dos 20% menos importantes.

Curiosamente, reconhecer a existência do princípio não faz com que as empresas o utilizem a seu favor: em 2006, a Bain & Company já mostrava que um aumento de 5% na taxa de retenção de clientes aumentava os lucros das empresas entre 25% e 95%. Manter clientes é mais lucrativo do que conquistar novos consumidores, mas, ainda assim, a maior parte das empresas está mais focada em ampliar sua base de clientes e recuperar clientes inativos do que em manter e aprofundar seu relacionamento com quem já consome seus produtos e serviços.

Em grande parte, isso acontece por um mindset que valoriza a amplitude em detrimento da profundidade, como se valesse mais a pena ter milhões de clientes ocasionais e incertos do que ser realmente relevante para milhares de clientes fiéis. Há algumas décadas, quando a comunicação de massa era o paradigma e as opções de produtos e serviços eram limitadas, esse raciocínio fazia sentido. Hoje, porém, o consumidor tem muitas opções à sua disposição e muito, mas muito, acesso à informação. Como ouvimos várias vezes durante a NRF Big Show deste ano, no passado os clientes estavam em busca de produtos, mas hoje os produtos estão em busca de clientes. O investimento na aquisição de novos consumidores é elevado e muito menos eficiente que a manutenção dos atuais clientes.

O jogo virou e, para vencer e destacar-se da concorrência, as empresas precisam mudar sua abordagem e se tornar relevantes para seu público. O lado bom é que a tecnologia viabiliza essa mudança de paradigma. A análise das informações transacionais disponíveis nos sistemas CRM, aliada à Inteligência Artificial, torna possível não apenas identificar quem são os melhores clientes, mas também predizer seu comportamento e em quais categorias de produtos existem as melhores oportunidades de aumento de relevância e ganho de share of wallet. Isso permite otimizar investimentos e identificar mais rapidamente categorias que estão se tornando importantes para os consumidores, ativando-os nos canais de maior relevância.

A análise avançada dos dados sobre o comportamento dos clientes abre às empresas um imenso potencial para ampliação de sua relevância junto ao público, fazendo com que se tornem mais valiosas para os consumidores. E, ao ganhar valor para os clientes, as empresas ampliam suas vendas. O uso de Inteligência Analítica dá às empresas a oportunidade de aprofundar seu relacionamento e investir para influenciar o comportamento de quem realmente importa: seus melhores e mais lucrativos clientes.

Israel Nacaxe é COO e co-fundador da Propz – empresa de tecnologia que oferece soluções de inteligência analítica e Big Data para o varejo físico e serviços financeiros.

Tags, , , , , , , , ,

Teradata anuncia novo Country Manager no Brasil

A Teradata (NYSE: TDC), empresa líder em dados e analytics para negócios em ambientes de nuvem, on premise ou híbrido, anunciou Roberto Hill como novo country manager para o Brasil. O executivo assume a liderança no lugar de Sérgio Farina, que agora é o Country Manager da Teradata no México.

Com mais de 15 anos de vivência no setor de Tecnologia da Informação e ampla experiência em planejar e implementar estratégias de vendas, Hill era diretor de vendas da Teradata desde 2014, sendo responsável por ajudar companhias a gerar valor através da análise de dados. Agora, seu principal desafio é manter a margem de crescimento da Teradata no Brasil e ampliar o relacionamento da companhia com grandes empresas de setores estratégicos na região, mantendo a Teradata como líder em Business Intelligence.

“O Brasil e a América Latina são mercados de extrema importância e relevância para a Teradata. Os planos são manter a margem de crescimento, e continuar levando a qualidade da Teradata em análise de dados para setores estratégicos, como Financeiro, Varejo e de Telecomunicações”, comenta Roberto Hill.

Roberto Hill tem um amplo histórico de liderança em grandes players de tecnologia, como Oracle, Business Objects e Tibico com foco em liderança de times de vendas e em contas estratégicas.

Tags, , , , , , , , ,