A Importância do Big Data para a Compreensão dos Hábitos de Compra dos Consumidores, Aumentando as Vantagens Competitivas no Comércio Varejista

0
919
DOI: ESTE ARTIGO AINDA NÃO POSSUI DOI [ SOLICITAR AGORA! ]
A Importância do Big Data para a Compreensão dos Hábitos de Compra dos Consumidores, Aumentando as Vantagens Competitivas no Comércio Varejista
5 (100%) 6 votes
ARTIGO EM PDF

BULIAN, Braian de Souza [1] ALENCAR, Cícero Aparecido [2]

BULIAN, Braian de Souza; ALENCAR, Cícero Aparecido. A Importância do Big Data para a Compreensão dos Hábitos de Compra dos Consumidores, Aumentando as Vantagens Competitivas no Comércio Varejista. Revista Científica Multidisciplinar Núcleo do Conhecimento. Edição 08. Ano 02, Vol. 03. pp 18-41, Novembro de 2017. ISSN:2448-0959

Resumo

No atual cenário do mercado, as empresas estão precisando cada vez mais se destacar. Entender como os clientes e o próprio mercado se comportam é essencial para que as empresas se programem para melhor atendê-los, visando alcançar vantagens competitivas sobre seus concorrentes. O objetivo desse trabalho foi apresentar como o Big Data (grande conjunto de dados armazenados) pode auxiliar as empresas varejistas a entender melhor os hábitos específicos de compra e comportamento de seus clientes, e como isso pode ajuda-las a tornar processos internos mais eficientes, o que possibilita aumentarem suas vantagens competitivas. Além disso, foi apresentado um modelo teórico de implantação do Big Data. O presente estudo evolui de acordo com a posição de Taurion (2013). “…Big Data cria valor para as empresas descobrindo padrões e relacionamentos entre dados que antes estavam perdidos não apenas em data warehouses internos, mas na própria Web, em tuítes, comentários no Facebook e mesmo vídeos no YouTube. ” Concluiu-se que o processamento e análise do Big Data, se bem aplicado, proporciona melhorias em vários processos dentro das empresas, tais como: marketing, logística, tomada de decisão e outros. Vale lembrar que as empresas precisam realizar um estudo de viabilidade de aplicação dessa tecnologia, a fim de saber se sua empresa tem estruturas mínimas requeridas para a aplicação de ferramentas capazes de realizar a leitura e análise dessa grande quantidade de dados.

Palavras-chave: Big Data, Comércio Varejista, Vantagens Competitivas.

1. INTRODUÇÃO

Apesar de muito importante, devido à criação de empregos formais, movimentação da economia, giro de capital e outros, o varejo vem sofrendo com resultados consideravelmente negativos. De acordo com a matéria da Globo (G1)[3] por Daniel Silveira e Marta Cavallini, desde o ano de 2015, as vendas no ramo vêm apresentando quedas. Com o cenário político- econômico instável na atualidade, a tendência é que o mercado fique cada vez mais competitivo. Como consequência, os clientes estão buscando produtos mais baratos. A prova disso é o aumento no faturamento e expansão de mercados que seguem o modelo “atacarejo”, modalidade de comércio que mistura atacado de autosserviço e varejo tipo hipermercado, possibilitando assim a venda de produtos por um menor preço. Segundo a Revista Exame[4], uma pesquisa apresentada durante lançamento da Associação Brasileira dos Atacadistas de Autosserviço (Abaas) aponta que esse tipo de loja atinge 46,4% dos domicílios, superando este ano (2016) neste critério os supermercados, depois de já ter superado os hipermercados em 2015.

Dessa forma, consequentemente, as pessoas mudam seus hábitos de forma a se adaptar, seja procurando pelos menores preços ou visando o melhor custo benefício de cada produto. Baseado nesse cenário, as empresas buscam por meios de se manter no mercado, que podem se basear em soluções mais simples como demissões de funcionários, ou até mesmo em mais complexas como melhorias de seus processos. Tudo isso visando redução de custos sem deixar de satisfazer os clientes, aumentando sua competitividade no mercado e garantindo a sobrevivência da empresa, ou até mesmo seu destaque.

A utilização do Big Data juntamente com ferramentas específicas vem se tornando uma opção quase que necessária para que as empresas se destaquem hoje. Um passo dado, uma compra realizada, um acesso em sua rede social, um site, um clique. A cada segundo, para cada ação realizada, dados são gerados. Eles sempre existiram, porém a cada minuto que se passa, eles são gerados em maior quantidade e velocidade. Além disso, a capacidade de armazenamento e de leitura desses dados vem aumentando drasticamente, o que possibilita também transformá-los em informações úteis para o mercado, seja qual for seu ramo de atuação.

O Big Data se refere a uma quantidade imensa de dados e que, por isso, são necessárias ferramentas especificas capazes de realizar sua leitura, de forma que todos sejam interpretados, gerando informações que serão úteis para o objetivo visado. As empresas, ao não usarem esse grande volume de dados, deixam de interpretar dados que, de qualquer maneira, são gerados. Consequentemente, informações sobre hábitos específicos como os de compras e locomoção, não são coletados. Desse modo, as empresas poderiam aperfeiçoar processos já realizados, como logística, marketing, decisões e outros, visando sempre a melhor forma de atender seus clientes, sejam quais forem suas necessidades, e assim, obter vantagens competitivas no mercado atual tão disputado. Mediante este contexto, questiona-se: Como o Big Data pode auxiliar as empresas varejistas a entender hábitos específicos de compra de cada consumidor, e como isso pode ajuda-la?

O presente trabalho tem como objetivo analisar como o Big Data pode auxiliar as empresas varejistas a entender melhor os hábitos específicos de compra de seus clientes e, assim, obter vantagem competitiva. Primeiro foi apresentado através de referencial bibliográfico como as empresas podem coletar dados, encontrar padrões e hábitos de compra de seus clientes e aplicar o Big Data. Em seguida, foi demonstrado como a interpretação dos dados coletados ajudam a aumentar a eficiência de processos operacionais já realizados por essas empresas, aumentando suas vantagens competitivas. Por último, foi apresentado um modelo de implantação do Big Data nas empresas, visando melhoras em processos administrativos a partir de padrões de consumo e mercado. Assim, pode-se afirmar que este trabalho pode ser relevante para as empresas varejistas e de informação adicional para a área acadêmica.o causado pela implantação do Big Data nas empresas neste cenário contemporâneo. Além disso, a viabilidade desse trabalho se dá devido ao extenso conteúdo que é possível encontrar sobre o tema servindo como base teórica, e que também apresentam resultados reais e comparações entre empresas que utilizam o Big Data, e empresas que não utilizam.

2. FUNDAMENTAÇÃO TEÓRICA

Este capítulo trata do embasamento teórico do projeto e fornece informações fundamentais para a compreensão do conceito de Big Data e sua função no mundo contemporâneo. Além disso, mostrará a importância da aplicação dessa tecnologia em empresas a fim de aumentar a eficiência em seus processos, consequentemente melhorando a capacidade competitiva das mesmas.

2.1 BIG DATA

Apesar de seu surgimento aproximadamente no início da década de 90, o Big Data ainda é considerado algo novo, uma vez que está se tornando mais comum somente nos últimos anos. Devido a isso, ainda não há um conceito exato que defina o que é de fato o Big Data. Sendo assim, é possível encontrar muitas definições sobre o assunto girando em torno da mesma ideia.

Segundo Kenneth Laudon e Jane Laudon (2014), há pouco tempo a maioria dos dados coletados pelas organizações consistia de dados transacionais que poderiam facilmente ser organizados e relacionados em programas de gestão, entretanto, ultimamente ocorreu uma explosão de dados devido ao enorme tráfego da Web através de e-mails e de conteúdo de redes sociais. Ainda sobre os autores, o Big Data não se refere a qualquer quantidade específica de informação, mas sim dados na faixa de petabytes e exabytes, sendo de bilhões a trilhões de registros, todos de fontes diversas.

De acordo com Enomura (2014), definir o termo “Big Data” é muito complicado, e sua primeira definição de maneira conhecida hoje foi em 2001, com Doug Laney da empresa Gartner Group, os famosos Três V’s (volume, velocidade e variedade). São bancos de dados cuja capacidade exigem formas inovadoras de processamento de informação para uma melhor percepção e tomada de decisão.

Mayer-Schonberger e Cukier (2013, p. 4) trazem a seguinte ideia sobre o termo:

Não há uma definição rigorosa para o termo. A princípio, a ideia era a de que o volume de informação crescera tanto que a quantidade examinada já não cabia na memória de processamento dos computadores, por isso os engenheiros tiveram de aprimorar os instrumentos que utilizavam para a análise. Essa é a origem de novas tecnologias de processamento, como a MapReduce da Google e sua equivalente de código aberto, Hadoop, lançada pela Yahoo. Elas permitem que se gerenciem muito mais dados que antes, e os dados – isto é importante – não precisavam ser alocados em fileiras ou nas clássicas tabelas.

Para melhor desenvolvimento e entendimento do trabalho, a seguir há uma tabela contendo outros importantes conceitos de Big Data, citados por autores importantes na área.

Tabela 1: Autores/Organizações e seus respectivos conceitos sobre Big Data

Autor/Organização Conceito
Cezar Taurion (2013, p. 26) “…indiscutivelmente, estamos falando de um volume de dados muito significativo. Mas, além de volumes abissais, existem [..] a variedade de dados […] e a velocidade. […] pessoalmente adiciono outras duas variáveis que são: veracidade dos dados […] e valor para o negócio.
McKinsey Global Institute (2011) “A intensa utilização de redes sociais online, de dispositivos móveis para a conexão à Internet, transações e conteúdos digitais e também o crescente uso de computação em nuvem tem gerado quantidades incalculáveis de dados. O termo Big Data refere-se a este conjunto de dados cujo crescimento é exponencial e cuja dimensão está além da habilidade das ferramentas típicas de capturar, gerenciar e analisar dados”.
IBM (2016) “Todos os dias, nós criamos 2,5 quintilhões de bytes de dados – tanto que 90% dos dados no mundo de hoje foi criado nos últimos dois anos. Estes dados vêm de toda parte: sensores utilizados para reunir informações sobre o clima, as mensagens para sites de mídia sócia, fotos digitais e vídeos, registros de transações de compras, e os sinais de GPS de celulares, para citar alguns. Estes dados são o Big Data.
ISACA (2013b, p. 05) “O Big Data é um termo tanto técnico quanto de marketing, que se refere a informações de recursos de negócios valiosos.”

Fonte: adaptado de Big Data, 2013; Big data: The next frontier for innovation, competition, and productivity,

2011; What is Big Data? 2016; Big Data: Impactos e Benefícios, 2013.

Dentre os conceitos, sempre é citado sobre volume, variedade e velocidade dos dados. Em alguns casos, muitas vezes mais recentes, há também o valor e veracidade dos dados. Sendo assim, é importante também a definição e entendimento do que são e porque impactam no conceito de Big Data.

Segundo Intel (2012), os Três V’s caracterizam sobre o que o Big Data é como um todo, mas também definem as principais questões e necessidades a abordar, sendo eles:

Volume: A escala maciça e crescimento de dados não estruturados superar o armazenamento tradicional e soluções analíticas;

Variedade: Big Data é coletado a partir de novas fontes que não foram minadas no passado. Processos tradicionais de gestão de dados não podem lidar com a diversidade e variação dos dados do Big Data, que vem em formatos tão diferentes como e-mail, redes sociais, vídeos, imagens, blogs, e sensores de dados; e

Velocidade: Os dados são gerados em tempo real, com as exigências de informação útil a ser servida.

Para Taurion (2013), ainda há duas outras variáveis a serem consideradas, sendo elas:

Veracidade: porque precisamos ter certeza de que os dados fazem sentido e são autênticos; e

Valor: porque é absolutamente necessário que a organização que implemente projetos de Big Data obtenha retorno destes investimentos.

2.1.1 O impacto do Big Data nas empresas

A aplicação do Big Data nas empresas pode acarretar impactos positivos e negativos em vários setores. Sendo assim, é necessário um estudo para que a empresa tenha as informações necessárias sobre o sistema antes de implantá-lo, evitando ao máximo perdas e resultados negativos.

O Big Data pode impactar atuais e futuros modelos de processos de várias maneiras. Além do impacto nos negócios, a agregação de dados pode afetar a governança e gerenciamento do planejamento, utilização, garantia e privacidade (ISACA®2013b):

  • Governança – para que se tenha o cuidado em definir como será a governança do Big Data, e quais dados serão incluídos ou não.
  • Planejamento – composto por coleta e organização dos resultados, que ajudam a justificar ajustes e/ou melhorias de processos que podem ser identificados usando técnicas de pesquisas específicas, desenvolver programas de negociação seguindo uma orientação a certas condições que disparam eventos, encorajamento para padronização de compras desejadas enquanto um cliente compara e pesquisa serviços e produtos, usa de informações com base em localização juntamente com outros dados para verificar dados de clientes (lealdade a produto ou empresa, rotas, demandas de diferentes produtos e ), ajuda no gerenciamento just-in-time (JIT) de inventários e estoques com base em mudanças na demanda conforme épocas específicas, auxilio no gerenciamento de operações logísticas em tempo real.
  • Utilização – o uso de Big Data exige uma boa infraestrutura. Empresas pequenas podem levar muito mais tempo para a implantação desse conceito devido a esses
  • Garantia – depois de desenvolver uma boa estratégia para impulsionar o Big Data, a empresa deve se preocupar em definir uma estrutura de garantia, podendo assim controlar e proteger o Big Data. Garantia e qualidade dos dados, são as maiores preocupações para as empresas.
  • Privacidade – deve haver uma atenção especial com dados e informações pessoais, mesmo quando autorizadas pelos usuários, evitando sempre a exposição e as protegendo de pessoas de má fé. Além disso, cada governo tem suas respectivas leis, proibindo ou legalizando certas ações, deve-se ficar atento a isso também.

2.1.2 Como o Big Data pode auxiliar as empresas

A todo instante as pessoas, e até mesmo coisas, estão gerando dados. Com o avanço da tecnologia, o volume desses dados aumentou significativamente, além do aumento da capacidade de monitora-los. Da mesma maneira, a tecnologia proporcionou ferramentas capazes de separar, organizar e realizar a leitura desses dados, para que os mesmos se transformassem em informações importantes.

Pesquisas recentes indicam que o uso adequado de Big Data pode desempenhar um papel econômico […] promovendo inovação, competitividade e produtividade em todos os segmentos (LIMA, Cecília A. R.; CALAZANS, Janaina H. C., 2013). Complementando, McKinsey Institute (MANYIKA, James; CHUI, Michael; BROWN, Brad et al) diz que a utilização do Big Data se tornará uma base essencial para a competitividade e crescimento das empresas individuais. Do ponto de vista da competitividade e do potencial de captura de valor, todas as empresas devem levar o Big Data a sério.

ISACA® (2013b, p. 07) tem a seguinte opinião sobre as oportunidades que o Big Data pode trazer:

As oportunidades de Big Data são significativas, bem como os desafios. As empresas que dominam a disciplina emergente do gerenciamento de Big Data podem obter recompensas significativas e se diferenciar de seus concorrentes. De fato, uma pesquisa feita por Erik Brynjolfsson, economista da Sloan School of Management do Instituto de Tecnologia de Massachusetts (EUA), mostra que as empresas que utilizam a “tomada de decisão com base em dados” obtêm um aumento de cinco a seis por cento em produtividade. O uso adequado de Big Data vai além de coletar e analisar grandes quantidades de dados; também exige a compreensão de como e quando usar os dados ao tomar decisões cruciais.

Figura 1: Analisando os insights comerciais específicos da empresa. Fonte: ISACA®2013b, p. 07 – Big Data: Impactos e Benefícios. Disponível em: < http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Acesso em: 12 ago. 2016.
Figura 1: Analisando os insights comerciais específicos da empresa. Fonte: ISACA®2013b, p. 07 – Big Data: Impactos e Benefícios. Disponível em: < http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Acesso em: 12 ago. 2016.

A análise de Big Data pode impactar positivamente (ISACA®, 2013b) no desenvolvimento de um produto, ou do mercado, eficiência operacional, experiência e lealdade do cliente e também previsões de demanda de mercado. Segundo Taurion (2013) o uso de Big Data pelas empresas as ajuda a melhorar diversas ações, antes impensáveis, como:

  • Otimizar o cross-selling ou venda cruzada. Segundo Taurion (2013), cerca de 30% das vendas da Amazon são provocadas pelas recomendações “you might also want” ou “você talvez também queira”.
  • Location-based marketing ou marketing baseado em localização. Ao identificar a localização de um cliente, a empresa pode enviar uma mensagem específica a ele com alguma promoção Segundo Taurion (2013), 79% dos clientes da Starbucks que recebem a mensagem personalizada tornam-se mais propensos a visitar a loja.
  • Análise do comportamento do cliente na loja. Cerca de 80% do tempo dos clientes dentro de uma loja é gasto circulando na busca por produtos e não efetivamente interagindo ou comprando. Rastrear e analisar o comportamento do cliente na loja permite investir em ações que aproveitem este tempo desperdiçado.

Tessarolo e Magalhães (2015, p. 03), dão outros exemplos de como o Big Data auxilia empresas brasileiras:

Brasil, empresas de telecomunicações como a Rede Globo, Record e SBT utilizam o Big Data para medir a popularidade de seus programas. Eles utilizam os serviços de social media que buscam informações nas redes sociais como Facebook e Twitter se determinado assunto abordado em algum programa foi aceito pelos telespectadores alvos ou não. Desta forma, os produtores e diretores conseguem tomar melhores decisões a partir destas informações coletadas nas mídias.

O uso do Big Data, como já citado anteriormente, tem alta capacidade para auxiliar as empresas a tirarem o máximo de eficiência de todos os seus processos. Com isso, o aproveitamento dos recursos disponíveis e diminuição total do desperdício dos mesmos, possibilita que as empresas tenham o menor custo e consequentemente o maior lucro possível.

2.1.3 Coleta e análise de dados

Como citado anteriormente, o Big Data se trata de coletar dados, organiza-los e analisa- los. Atualmente, os dados se dividem em estruturados e não estruturados. A informação armazenada nos bancos de dados é conhecida como dados estruturados, porque é representada em um formato estrito. Por exemplo, cada registro em uma tabela de banco de dados relacional. (ELMASRI, 2011, p. 416)

Para Tessarolo e Magalhães (2015), quando se lida com um enorme volume de dados, eles vêm de diferentes fontes e maneiras. É um grande desafio minerar, limpar, organizar, correlacionar, vincular e transformar esses dados em informações relevantes. Para que isso seja possível, é necessária a criação de um banco de dados onde todas essas informações são capturadas por meio de aplicativos, criados com a finalidade de orientar estes dados, armazenando-os de maneira organizada e clara, facilitando assim a busca e manipulação desses dados.

Dentro da rede de internet apenas um quarto destes dados se apresentam armazenados em bancos de dados. Muita informação se cria diariamente e menos de 10% consegue ser minerada e organizada, fazendo com que todos os dias enormes quantidades de informações se tornem lixo eletrônico, dificultando assim suas buscas e muitas vezes se tornando inútil. (TESSAROLO E MAGALHÃES, 2015. p. 02)

De acordo com The Dama Guide (2012), dados não estruturados são quaisquer documentos, arquivos, gráficos, imagens, textos, relatórios, formulários ou gravações de vídeo ou áudio que não tenham sido codificados, ou de outra forma estruturados em linhas e colunas ou registros. De acordo com muitas estimativas, cerca de 90% de todos os dados armazenados são mantidos fora de bancos de dados relacionais. Dados não estruturados se apresentam como informações armazenadas em contexto. De fato, há sempre alguma estrutura no qual os dados fornecem informações, e essa estrutura pode até ser tabular em sua apresentação.

Já para Tessarolo e Magalhães (2012, p. 03):

Dados não estruturados compõem a rede. De todos os dados do mundo que foram gerados nos últimos anos apenas 10% destes dados estão estruturados. Os 90% restantes estão desestruturados e se reúnem na sua grande parte nas redes sociais como Facebook, Twitter, Pinterest, entre outras.

De acordo com Tessarolo e Magalhães (2012), é necessário que haja uma reorganização e mineração desses dados digitais para que toda a informação criada diariamente não se perca e se torne útil. A solução para isso, sem dúvidas, é o Big Data.

2.1.4 Recursos Humanos para o Big Data

Apesar de todos os requisitos de Software e Hardware, é necessário também pessoal que saibam manusear essas ferramentas para que as empresas obtenham resultados positivos. Segundo Taurion (2013), o cenário de crescimento do Big Data aponta que estão surgindo novas oportunidades de emprego para profissionais de TI e de outros setores.

Um novo cargo, chamado de “data scientist” ou cientista de dados é um bom exemplo. Demanda normalmente formação em Ciências da Computação e Matemática, bem como as habilidades analíticas necessárias para encontrar a providencial agulha no palheiro de dados recolhidos pela empresa. “Um cientista de dados é alguém que é curioso, que analisa os dados para detectar tendências”, disse recentemente Anjul Bhambhri, vice-presidente de produtos Big Data da IBM. (TAURION, 2013. p. 79)

O autor resume que três perfis básicos de profissionais engajados em Big Data podem ser identificados. O primeiro se baseia em cientistas de dados, que são profissionais capacitados em estatística, ciências da computação e/ou matemática capazes de analisar grandes volumes de dados e extrair deles novas oportunidades de negócio. O segundo se baseia em analistas de negócios que consigam formular as perguntas corretas, realizar a análise das respostas e a partir delas, tomar decisões estratégicas da empresa. Já a terceira e última, consiste em profissionais de tecnologia que cuidarão da infraestrutura e seu suporte técnico para suportar o Big Data.

Ainda por Taurion (2013) o grande desafio do Big Data nos próximos anos é ter profissionais capacitados, uma vez que a tecnologia está evoluindo rápido e não será impeditiva. O gargalo então fica nas pessoas, e não na tecnologia. Além do data scientist, existe também espaço para outras atividades profissionais. Uma forte demanda também por desenvolvedores e administradores de sistemas, por exemplo, que se especializam em ferramentas voltadas para Big Data, como o Hadoop, tecnologia projetada para aplicações distribuídas com uso intensivo de dados e utilizadas por sites bastante conhecidos como Facebook, Yahoo e eBay.

2.1.5 Riscos e cuidados no Big Data

Definidos os conceitos do Big Data e seus benefícios, é importante também o conhecimento sobre os riscos e os cuidados que se deve ter ao utilizar esses dados. Por se algo muito poderoso, é importante que limites sejam estabelecidos, e que haja uma certa ética quanto ao uso dos dados. Isso porque entre todos esses dados pode haver informações pessoais, colocando assim em risco a segurança da pessoa de um modo geral.

Segundo ISACA® (2013b), embora o Big Data possa fornecer uma vantagem competitiva e outros benefícios, isto também acarreta riscos significativos. Agora que as empresas têm enormes quantidades de dados estruturados e não estruturados disponíveis, a administração deve estar se perguntado: onde armazenar esses dados? Como proteger os dados? e, como utilizar os dados de forma segura e legal?

Para ISACA® (2013a), o risco relacionado ao Big Data pode ser categorizado como operacional ou baseado na tecnologia da informação. Essas categorias de risco podem ser reduzidas com forte governança. Desse modo, o risco operacional abrange os fatores internos e externos, que incluem risco geopolítico e a corrida para satisfazer a diretoria e a gerência sênior, que querem sair na frente da concorrência. Já o risco de TI (Tecnologia da Informação) é também dos negócios, especificamente, o risco de negócios associado ao uso, titularidade, operação, envolvimento, influência e adoção de TI em uma empresa. O risco de TI ocorre quando as garantias de segurança são superadas.

A segurança e a privacidade desempenham um papel cada vez mais importante em Big Data, e todas as partes interessadas devem estar cientes das implicações de armazenamento e análise cruzada de grandes quantidades de dados confidenciais. (ISACA®, 2013b). O autor ainda cita que é necessário entender que alguns dados devem ser considerados tóxicos, no sentido de que a perda de controle sobre eles poderia ser prejudicial para a empresa, sendo eles: Informações privadas ou de custódia, como número de cartão de crédito, informações pessoais, como números de segurança social e informações pessoais de saúde; Informações estratégicas, tais como propriedade intelectual, planos de negócios e projetos de produtos; e Dados como indicadores-chave de desempenho, resultados de vendas, métricas financeiras e de produção utilizadas para tomar decisões cruciais.

A necessidade de gerenciar o risco de dados dentro da empresa pode não ser claramente comunicada e compreendida em todos os níveis da gestão. É essencial mostrar que o endereçamento dos riscos e preocupações do Big Data não pode ser visto apenas como um exercício de tecnologia da informação. A participação de toda a empresa, incluindo departamento jurídico, finanças, conformidade, auditoria interna e outros departamentos de negócio, permite a todos que se concentrem nos objetivos de negócio em fase de planejamento. As empresas podem manter o foco em ambos aspectos técnico e de negócios de Big Data. (ISACA®, 2013B. p. 08)

Usar o Big Data é essencial para garantir um maior nível de competitividade para as empresas, mas esse poderoso conceito pode abrir portas para um uso ilegal do mesmo. A fim de evitar riscos à segurança das próprias empresas e principalmente dos clientes, é essencial que sejam tomadas algumas medidas como citadas a cima, visando somente utilizar seu lado benéfico

2.2 PROCESSOS EMPRESARIAIS

As empresas em geral são compostas por processos administrativos que auxiliam no desenvolvimento das atividades de forma organizada e eficiente. Alguns exemplos de processos são: marketing, vendas, logística e tomada de decisão. Todos esses processos estão, de certa forma, interligados e devem funcionar de maneira sincronizada para que a empresa tenha melhores resultados.

2.2.1 Marketing

O marketing é uma peça fundamental para o mercado varejista. A empresa precisa estar na cabeça dos clientes, de forma que seja lembrada na hora que o cliente decidir realizar uma compra. Além disso, há os clientes que não sabem da existência da empresa, marca ou produto oferecido, sendo mais um dos papeis do marketing tornar esses conhecidos pelos clientes.

Segundo Kotler (2012, p. 03), uma definição objetiva do marketing é a de ‘suprir necessidades gerando lucro’. O marketing envolve a identificação e a satisfação das necessidades humanas e sociais. O autor ainda acrescenta que o marketing se aplica a diversas coisas, como: bens, serviços, eventos, experiências, pessoas, lugares, propriedades, organizações, informações e ideias.

A American Marketing Association propõe a seguinte definição: o marketing é a atividade, o conjunto de conhecimentos e os processos de criar, comunicar, entregar e trocar ofertas que tenham valor para consumidores, clientes, parceiros e sociedade como um todo.7 Lidar com esses processos de troca exige uma boa dose de trabalho e habilidade. A administração de marketing acontece quando pelo menos uma das partes em uma relação de troca potencial procura meios de obter as respostas desejadas das outras partes. Vemos, portanto, a administração de marketing como a arte e a ciência de selecionar mercados-alvo e captar, manter e fidelizar clientes por meio da criação, entrega e comunicação de um valor superior para o cliente. (KOTLER, 2012. p. 03)

O layout também é um ponto importante dentro do marketing, pois visa proporcionar melhor aproveitamento do espaço e proporcionar um certo conforto ao cliente na hora da compra. Las Casas (1994. apud CAMARGO, TOALDO, SOBRINHO, 2009) define layout como as partes essenciais ou elementos que auxiliam uma loja na obtenção da produtividade máxima.

Dessa maneira, Underhill (1999. apud CAMARGO, TOALDO, SOBRINHO, 2009, p.03) trazem pontos importantes a serem observados na hora de implantar o layout:

[…]- taxa de captura: refere-se ao quanto o consumidor vê do que é exposto. A zona confiável vai de um pouco acima dos olhos até a altura dos joelhos. Para o espaço restante deve-se exibir produtos grandes de fácil visualização (ex: fraldas); – taxa bumerangue: trata-se de quantas vezes o freguês deixa de percorrer totalmente um corredor. Uma maneira de minimizar este efeito e posicionar produtos mais populares no meio do corredor ou colocar chamarizes em ambas as pontas; […] – as mercadorias não devem interromper a linha de visão dos clientes: eles devem conseguir ver não só o que está na sua frente mas também em outras partes da loja; – levar o consumidor ao fundo de loja: para isto posicionam-se nesta área categorias destino pois assim quem procura por estes itens comprará outros na ida e na volta.

O marketing atinge todas as áreas, sejam bens, serviços ou pessoas. Dessa forma sua importância é óbvia. Entender como o mercado funciona é essencial para aplicar o marketing de uma forma que atinja positivamente todos os alvos, os impactando direta e indiretamente de forma que melhore os resultados finais.

2.2.2 Vendas

É conveniente ressaltar que marketing e vendas são coisas distintas, apesar de se caracterizar uma certa ligação. Weitz et al. (2004. apud CASTRO e NEVES 2005, p. 8), define venda pessoal como um processo de comunicação pessoal em que um vendedor identifica e satisfaz às necessidades de um comprador para o benefício de longo prazo de ambas as partes. Já para Rogers (1993. apud CASTRO e NEVES 2005, p. 8), venda pessoal é o lado acentuado do marketing, pois é quando os representantes da empresa ficam frente a frente com os compradores em potencial. A força de venda funciona como um elo entre a empresa e os clientes.

Segundo Castro e Neves (2005, p. 16), o processo de vendas é uma sequência de passos ou etapas através da qual os vendedores realizam a venda. Essa sequência foi originalmente proposta por Dubinsky em 1980. Os passos reconhecidos como formadores do processo de vendas são sete, sendo eles:

  • Prospecção: Identificação de clientes em potencial;
  • Pré-abordagem: Coleta de informações de modo que o vendedor se prepare para a abordagem;
  • Abordagem: Garantir boa impressão, além de despertar o interesse e a atenção do cliente;
  • Apresentação de vendas: Apresentação de ofertas e benefícios;
  • Lidar com objeções e superar resistências: Superação da resistência do comprador através de respostas e ênfase nos benefícios do produto;
  • Fechamento: Solicitação do pedido conforme o desejo do cliente, da forma mais apropriada e
  • Atendimento pós-venda: Acompanhar o processo de entrega e de satisfação do cliente, proporcionando maior credibilidade e uma possível venda futura

Os vendedores precisam compreender o comportamento do mercado e dos clientes, de modo que consigam tirar qualquer dúvida e proporcionar ao cliente o que ele precisa e deseja da melhor forma possível. O processo de vendas é um conjunto de etapas que os vendedores precisam percorrer para realizar a venda, porém é importante lembrar que o processo não acaba na venda do produto, pois o mesmo abrange também a pós-venda.

2.2.3 Logística

Logística é um dos processos dentro das empresas e organizações que exigem muita atenção. É o processo de planejamento do fluxo de materiais, que tem como objetivo a entrega das necessidades no tempo certo e na qualidade desejada, otimizando os recursos e aumentando a qualidade nos serviços. (BALLOU, 1999. apud PAURA, 2012, p. 13). Segundo PAURA (2012), a logística além de ajudar as empresas, ajuda a qualidade de vida local no que diz respeito ao desenvolvimento da infraestrutura para sua operacionalidade. Esse tema atualmente é vital para as empresas à medida que otimiza recursos e aumenta a qualidade, o que significa um aumento nos resultados e menor gasto.

O profissional de logística empresarial estuda como prover, de forma eficiente, a lucratividade (1) nos serviços de distribuição ao cliente, (2) no fluxo de materiais dentro da empresa, (3) no planejamento de compra, passando pelo controle e organização de estoques de matérias-primas e produtos acabados, (4) no planejamento de controle da produção, e (5) no controle de transporte de embalagens. (PAURA, 2012. p. 23)

PAURA (2012) explica que a logística para o comércio é considerada fundamental por diversos fatores, dentre eles há a dependência que o comercio tem do cumprimento dos prazos das industrias para que possam oferecer os produtos aos clientes finais. Além disso, o gerenciamento da logística do próprio comercio é essencial não só para controlar o que entra e o que sai, mas também para dar informações sobre necessidades de quando e quanto solicitar mais pedidos. Quando isso é feito corretamente, muitas vezes esse comercio tem seus produtos em melhores condições e com preços mais justos.

A partir das informações anteriores, entende-se a importância que a logística tem atualmente no comércio em geral. Ter uma boa estrutura e informações necessárias, o controle feito tem uma melhor qualidade, o que proporciona melhor competitividade nesse mercado tão disputado.

2.2.4 Tomada de Decisão

A decisão é uma escolha, um julgamento que leva em consideração todo o contexto e ambiente a sua volta e que pode interferir direta ou indiretamente no resultado final. A fim de obtenção do melhor resultado futuro, as decisões devem ser cuidadosamente formuladas. De acordo com Pereira e Fonseca (1997, apud MORITZ e PEREIRA, 2006, p. 31), a decisão é um processo sistêmico, paradoxal e contextual, não podendo ser analisada separadamente das circunstâncias que a envolvem. O conhecimento das características, dos paradoxos e desafios da sociedade é essencial à compreensão dos processos decisórios.

Segundo Simon (1963, apud MORITZ e PEREIRA, 2006, p. 33), a decisão é um processo de análise e escolha entre várias alternativas disponíveis do curso de ação que a pessoa deverá seguir. Ele ainda aponta seis elementos clássicos na tomada de decisão:

  • O tomador de decisão: é a pessoa que realiza a escolha da opção entre várias outras disponíveis;
  • Os objetivos: o que o tomador de decisão pretende alcançar com suas ações e decisões tomadas;
  • As preferências: são os critérios usados como base para que o tomador de decisão faça suas escolhas;
  • A estratégia: o caminho que o tomador de decisão adota para atingir seus objetivos de acordo com os recursos disponíveis;
  • A situação: fatores externos que não podem ser controlados pelo tomador de decisão, e que impactam nos acontecimentos e resultados, afetando suas escolhas; e
  • O resultado: consequência final. Resultado das estratégias e opções

Já para Bethlem (1987, apud MORITZ e PEREIRA, 2006, p. 34) sugere um modelo genérico de processo decisório composto por quatro etapas:

Etapa 1 – Decisão de decidir – assumir um comportamento que leve a uma decisão qualquer é uma decisão.

Etapa 2 – Uma vez decidido iniciar o processo decisório, a etapa seguinte é a definição do que vamos decidir. Há ocasiões em que trabalhamos na solução de problemas que não definimos, mas estatisticamente o seu número é menos significativo;

Etapa 3 – formulação de alternativas. As diversas soluções possíveis para resolver o problema ou crise, ou as alternativas que vão permitir aproveitarmos as oportunidades; e

Etapa 4 – escolha de alternativas que julgamos mais adequadas. É a tomada de decisão.

A tomada de decisão é vital para a administração das organizações, e entende-se que o processo administrativo é essencialmente decisório. O processo decisório é complexo e contém várias etapas que mesmo não sendo cumpridas dentro de uma ordem rígida, exige uma certa ordem para que as decisões tomadas sejam eficientes e racionais, impactando diretamente nos resultados finais da empresa ou organização.

3. METODOLOGIA

Metodologia cientifica é o estudo do caminho que deve ser seguido em direção a um objetivo. Se trata de uma forma de pensar a fim de se chegar na natureza de determinado problema, auxiliando sua explicação ou seu estudo.

Para Prodanov e Freitas (2013, p. 14):

A Metodologia […] consiste em estudar, compreender e avaliar os vários métodos disponíveis para a realização de uma pesquisa acadêmica. A Metodologia, em um nível aplicado, examina, descreve e avalia métodos e técnicas de pesquisa que possibilitam a coleta e o processamento de informações, visando ao encaminhamento e à resolução de problemas e/ou questões de investigação.

Segundo Roesch (1999) a metodologia tem como finalidade descrever como o projeto será realizado. Nesta etapa será definido, a partir dos objetivos finais, qual tipo de projeto é mais apropriado.

3.1 PLANO OU DELINEAMENTO DA PESQUISA

A pesquisa pode ser entendida como procedimento de fabricação do conhecimento, ou também como procedimento de aprendizagem sendo, assim, parte do processo reconstrutivo de conhecimento (DEMO, 2000, p. 20, apud PRODANOV e FREITAS, 2013, p. 42). Sua finalidade é, através de procedimentos científicos, resolver problemas e solucionar dúvidas (BARROS; LEHFELD, 2000, p.14, apud PRODANOV e FREITAS, 2013, p.42).

Baseado nas informações que serão apresentadas a seguir, esta pesquisa está delineada de forma qualitativa e quantitativa. Para Roesch (1999), qualquer tipo de projeto pode ser abordado de ambas as perspectivas, podendo utilizar um enfoque mais quantitativo na Avaliação de Resultados e um enfoque mais qualitativo na Avaliação Formativa (que tem seu foco no processo ensino-aprendizagem).

Segundo Oppenheim (1993, p. 21, apud ROESCH, 1999, p. 130), o delineamento quantitativo é indicado para encontrar associações e explicação, menos orientado para a descrição e mais para a predição. Ainda segundo o autor, caso o propósito do projeto é obter informações sobre determinada população, a opção é utilizar um estudo de caráter descritivo. Já para Staw (1977), a pesquisa quantitativa é apropriada para avaliar mudanças em grandes organizações. Deste modo, a pesquisa tem caráter quantitativo no que se diz respeito a parte em que há separação e interpretação da quantidade e frequência de dados mensuráveis, a fim de formar informações estatísticas para a leitura dos mesmos.

Já sobre o delineamento de pesquisa qualitativa, argumenta-se que seus métodos de coleta e análise de dados são apropriados para uma fase exploratória da pesquisa (STAW, 1977, apud ROESCH, 1999, p. 154). Para Roesch (1999) há também outra maneira de encarar a pesquisa qualitativa, onde se pode considera-la como um paradigma diferente de pesquisa, como no caso da pesquisa-ação, onde a postura do pesquisador se baseia em captar a perspectiva dos entrevistados diferente de um modelo preestabelecido. A partir dessas informações, esta pesquisa também pode ser considerada de caráter qualitativo devido a quantidade de dados não mensuráveis que serão comparados e estudados.

Segundo Gil (2007, apud GERHARDT; SILVEIRA, 2009, p. 35), com base nos objetivos, é possível classificar as pesquisas em três grupos, sendo eles: exploratória, descritiva e explicativa. Ainda segundo o autor, a pesquisa exploratória tem como objetivo proporcionar maior familiaridade com o problema, com vistas a torna-lo mais explícito. Em sua grande maioria envolve levantamento bibliográfico, entrevistas com pessoas que tiveram experiências na prática com o problema pesquisado e análise de exemplos para estimular a compreensão. Podem ser classificadas como estudo de caso e pesquisa bibliográfica. Esta pesquisa é de caráter exploratório, uma vez que se trata em grande parte de uma pesquisa bibliográfica, visando realçar o problema e torna-lo mais conhecido.

3.2 DEFINIÇÃO DA ÁREA OU POPULAÇÃO-ALVO

Este trabalho visa expor possíveis oportunidades não aproveitadas pelo comércio varejista ao deixarem de ler e interpretar dados que são gerados no cotidiano da empresa e de todos os seus stakeholders. Porém, devido a certos requisitos para realizar a aplicação do Big Data, este trabalho visa empresas varejistas de médio e grande porte, onde se tem informações o suficiente e infraestrutura necessária.

Segundo Roesch (1999) o estágio pode estar concentrado em um departamento da empresa, ou englobar toda a organização. Nesse último caso, é importante descrever a estrutura da área, incluindo a quantidade de pessoas que nela atuam.

3.3 PLANOS E INSTRUMENTOS DE COLETA

Segundo Roesch (1999), caso a coleta seja de dados primários, é importante especificar nesta seção a fonte dos dados, quando serão levantados e através de quais instrumentos. Já para dados secundários, é necessário relatar sua natureza e especificações.

No caso deste trabalho serão utilizados apenas dados secundários, uma vez que todas as informações serão coletadas em livros, revistas, artigos científicos e sites da internet. Todos esses dados serão informações sobre o que é o Big Data, como funciona e como ele pode ajudar empresas varejistas. Também serão citados exemplos reais de grandes empresas que tiveram bons resultados após a utilização de sistemas para fazer a análise desses dados.

3.4 PLANO DE ANÁLISE DOS DADOS

Segundo Roesch (1999), especificar o tipo de dado coletado delimita as possibilidades de análise. Além disso, aqui é onde o autor poderá prever a utilização de gráficos, tabelas e estatísticas. Pensar sobre a análise ajuda a criticar a própria coleta de dados, o que pode proporcionar melhor qualidade no trabalho.

Como já citado anteriormente, a pesquisa será feita com base em dados secundários. Deste modo, será realizada neste trabalho uma análise de dados e informações que já foram utilizados, testados e em grande maioria já tiveram seus resultados comprovados. Será feita também uma análise de resultados positivos e negativos que grandes empresas tiveram após a implantação do Big Data. Esses resultados serão discutidos através de dissertação e contará com o auxílio de imagens e gráficos para melhor compreensão do mesmo.

4. DESENVOLVIMENTO

Esta parte do trabalho visa, com base nas citações dos pontos anteriores, expor como o Big Data pode processar dados importantes sobre os clientes e assim criar uma grande vantagem para as empresas que aprimoram seus processos administrativos com base em informações geradas a partir desses mesmos dados coletados. É importante lembrar que este trabalho dará ênfase no que diz respeito a parte administrativa, e não em termos aprofundados referentes ao funcionamento técnico das ferramentas responsáveis por coleta, armazenamento, análise e transformação dos dados em informações.

4.1 IMPLANTAÇÃO DE FERRAMENTAS PARA A UTILIZAÇÃO DO BIG DATA EM EMPRESAS VAREJISTAS DE MÉDIO E GRANDE PORTE

A empresa que deseja utilizar o Big Data deve seguir alguns passos. Esses passos consistem em decisões e escolhas para implantar uma estrutura básica envolvendo ferramentas, serviços e pessoas capazes de armazenar, organizar e analisar esses dados. Considerando que a empresa já tenha seu próprio sistema gerencial os passos são listados a seguir:

  • Contratação de Pessoal Capacitado: Primeiro, para realizar a implantação de todas as ferramentas e sistemas necessários para a utilização do Big Data Analytics, a empresa deve contar com ajuda especializada. Isso envolve a contratação de três tipos de profissionais que serão capazes de dar todo o auxílio necessário para tal, sendo eles: Profissionais responsáveis pelo suporte técnico e infraestrutura suficiente para suportar o Big Data; Profissionais capazes de realizar a análise de grandes volumes de dados e extrair novas oportunidades de negócios, a partir de sua capacitação em estatística, matemática e/ou ciências da computação; e Analistas de negócios capazes de realizar as perguntas corretas e analisar as respostas obtidas a partir
  • Localização do Banco de Dados: A empresa precisa de um local de armazenamento para os É recomendado a opção de aluguel de servidores em nuvem, e que estejam de preferência em diversos locais, pois dessa forma os riscos de perdas dos dados são reduzidos em casos de algum acidente inesperado como um incêndio ou desastre natural. Além disso, a estrutura dessas empresas costuma ser preparada para tal, de forma que esses servidores tenham monitoramento constante e segurança específica, tanto da parte de hardware quanto de software. Há também a possibilidade da empresa adquirir seu próprio servidor, porém é muito provável que os custos sejam muito mais elevados.
  • Criação da API[5]: O processo de transferência dos dados obtidos pela empresa para o Banco de Dados não é tão simples. Para que os dados sejam passados de forma

automática, é necessário a criação de uma API, que será responsável por realizar a comunicação entre o Software da loja e o Banco de dados. Dessa forma, a API será responsável por pegar os dados desejados do software da loja, e transferi-los de maneira organizada para o Banco de Dados. A criação de API exige conhecimento técnico, e deve ser realizada por uma equipe especializada, seja ela integrante da própria empresa ou terceirizada.

Fluxograma
Fluxograma

4.2 FLUXOGRAMA DE COLETA E ANÁLISE DE DADOS

  • Definição das perguntas corretas;

Profissionais de TI juntamente com a parte administrativa e gerencial da empresa, devem discutir sobre quais são as perguntas corretas a se fazer a fim de obter as respostas na estrutura que desejam.

  • Definição dos dados de interesse;

Os dados que são interessantes para a empresa e que poderão ser usados de forma a trazer resultados, devem ser bem definidos. O armazenamento de dados tem seu custo, dessa forma qualquer dado adicional que for armazenado e que não tenha utilidade significa perda para a empresa. Em um cenário contrário a empresa também perde pois, deixando de coletar dados importantes para ela, os ganhos podem ser reduzidos ou nulos. É de extrema importância identificar quais dados devem ser coletados e quais devem ser ignorados.

  • Coleta de dados gerados pelos clientes;

Assim que o cliente faz uma compra na loja física ou loja virtual, vários dados estão sendo gerado. Todos esses dados são coletados pela empresa. Exemplos desses dados são: data e hora da compra, nome do cliente, valor da compra, produtos, etc.

  • Envio dos dados para o banco de dados através da API;

O envio dos dados coletados pela empresa para o banco de dados é realizado automaticamente e em tempo real através da API, que é responsável por esse processo.

  • Armazenamento dos dados de forma estruturada no banco de dados;

Os dados coletados serão armazenados de forma organizada no Banco de Dados conforme a equipe de TI tenha definido como sendo a melhor maneira, para que depois os mesmos sejam processados e analisados com maior facilidade.

  • Processamento e transformação dos dados em informações;

Com os dados armazenados e organizados no servidor, é realizado o processamento e a análise desses dados. O processamento de dados consiste em uma série de atividades executadas de maneira ordenada, formando um arranjo de informações, de onde dados e/ou informações são coletados de forma que possam ser organizados e analisados resultando no objetivo que o sistema ou usuário pretende utilizar.

  • Análise e estudo das informações;

Nesse ponto, todas as informações geradas através do processamento dos dados coletados serão analisadas. Aqui os profissionais responsáveis irão procurar respostas para as perguntas feitas incialmente. Geralmente são encontrados perfis de clientes individuais ou de certos grupos, tendências de consumo, padrões de comportamento e padrões de compra.

  • Tomada de decisões a partir das análises das informações;

Feita a análise e encontrado respostas para as perguntas iniciais, a empresa poderá encontrar ideias para possíveis adaptações e melhorias em seus processos com base nessas informações. Padrões comportamentais e de compra, por exemplo, podem influenciar diretamente no processo de marketing, o tornando muito mais eficiente, mas mantendo o mesmo investimento. Em resumo, nessa etapa as decisões de como se comportar diante do mercado e dos clientes, devem ser tomadas com base nas análises feitas em cima das informações coletadas.

  • Aplicação de modificação e melhorias;

Nessa etapa a empresas de fato fará a aplicação das melhorias de processos definidas na etapa anterior. Essas melhorias devem ser aplicadas de forma organizada e planejada, de modo que gere o melhor resultado possível.

Ciclo de coleta, análise e aplicação de dados. Fonte: Dados produzidos pela pesquisa.

4.3 IMPACTOS DO USO DO BIG DATA EM PROCESSOS DAS EMPRESAS VAREJISTAS

A utilização do Big Data nas empresas, se feita de maneira correta, pode gerar grandes resultados para a mesma como um todo. Isso se dá pelo fato de que o Big Data consegue gerar melhorias em muitos processos individuais da empresa, ou seja, ela não impacta somente um processo o outro. Dentre esses processos que podem ser impactados pelo Big Data, esse

trabalho se limitará a apresentar apenas os de marketing, vendas, logística e tomada de decisão, até mesmo por serem processos que sofrem grande impacto direto.

4.3.1 Impactos do Big Data no Marketing da empresa

O marketing é essencial para a empresa e para os clientes, desse modo é importante que a empresa de atenção para esse ponto. Além de buscar descobrir as necessidades e demandas de um determinado mercado-alvo, é o marketing que faz a apresentação de um certo produto ou serviço para os clientes, a fim de atrai-los e despertar o interesse de consumo dos mesmos. Com a utilização do Big Data, o marketing da empresa pode se tornar muito mais eficiente.

Com o Big Data as empresas podem obter muito mais informações sobre hábitos de compra e de comportamento de seu público-alvo, e desse modo conseguir realizar os processos de marketing de maneira mais objetiva e eficiente. Além disso, é possível que se descubra outros grupos de clientes, com diferentes hábitos ou até mesmo diferentes usos para determinados produtos. Com todas essas informações, o marketing pode ser personalizado.

Um bom exemplo é que, ao invés da loja realizar promoções generalizadas, as promoções podem ser personalizadas para cada cliente. As mesmas podem ser enviadas por e- mails, panfletos entregues em casa, ou até mesmo através de anúncios nas redes sociais de cada cliente. Desse modo, a empresa, investindo o mesmo valor em marketing, pode obter resultados melhores uma vez que esse produto, marca ou serviço chegará para pessoas que tem uma maior predisposição para adquiri-los.

Mayer-Schönberger e Cukier (2013) exemplificam em seu livro, uma rede americana de lojas chamada Target perceberam os hábitos de consumo de mulheres grávidas nos primeiros meses de gestação, onde o consumo de produtos hidratantes ou similares era muito alto. A partir daí a loja começou a enviar panfletos e cartas promocionais personalizadas para essas clientes, onde apresentavam promoções justamente de produtos para mulheres grávidas e bebes. No fim, a Target descobriu que uma jovem estava grávida antes mesmo que o pai dela. A Target, com essas informações, criava um plano de marketing específico para essas pessoas, pois consegui fazer projeções de quando a criança de fato iria nascer, e próximo dessa data, oferecia produtos em promoção como berços, fraldas, e utensílios para bebes.

Reconhecer esses padrões é a chave do Big Data, pois com eles é possível se ter uma noção do comportamento dos clientes, e como usar isso para tornar os processos da empresa mais eficientes. Em geral, o Big Data pode auxiliar o marketing dessa forma, fornecendo informações que direcionem onde, quando e para quem certas promoções ou informações sobre produtos ou serviços devem ser enviados. Vale lembrar que muitas vezes o Big Data não irá apresentar o porquê fazer as coisas funcionam daquela maneira em específico, porém nos números ele pode provar que aquilo de fato funciona.

4.3.2 Impactos do Big Data nas Vendas e na Logística

A venda é o principal objetivo para as empresas, ela é um dos principais motivos de realizar todo esse processo de implantação e utilização do Big Data. Apesar de todos os processos serem interligados, a logística tem uma relevância maior quando o assunto é vendas, uma vez que para realizar a venda do produto ou serviço, é necessário que a empresa tenha condições de fornece-lo para o cliente. Isso não envolve somente disponibilidade, mas também

velocidade e qualidade de entrega, esse último vale principalmente para encomendas que são enviadas por serviços de entrega, diferente de quando o cliente o retira pessoalmente.

Assim como os padrões de compras e de comportamento ajudam o Marketing, o mesmo acontece nas vendas e na logística. Sabendo como o cliente vai se comportar diante de certas situações, a empresa consegue se antecipar, e organizar o ambiente de uma maneira que o cliente consuma mais e que o deixe satisfeito da mesma maneira. Organizar o ambiente não se trata só de layout ou exposição dos produtos, mas também garantir que aquele produto que o cliente procura, esteja disponível, e que a loja não seja surpreendida em certas situações, deixando de realizar vendas e causando descontentamento no cliente, que não encontrou o que procurava. Um dos exemplos interessantes citado por Mayer-Schönberger e Cukier (2013, p.

37) é o da Walmart:

Em 2004, o Walmart vasculhou a enormidade de dados de transações passadas: que item cada consumidor comprou e o custo total, o que mais havia em sua cesta, horário e até mesmo o clima. Ao fazer isso, a empresa notou que, antes de um aviso de furacão, não apenas a venda de lanternas aumentava como também a de Pop-Tarts, típico doce americano. Assim, à medida que uma tempestade se aproximava, o Walmart estocava as caixas de Pop-Tarts na parte de frente das lojas, perto dos artigos para furacões, a fim de facilitar a vida dos consumidores que entravam e saíam – e, assim aumentando as vendas.

Nesse exemplo, pode-se observar que eles já tinham o conhecimento sobre o aumento do consumo de lanternas quando haviam previsões de furacões. Além disso, conseguiram realizar a leitura de que também havia um aumento na procura de um típico doce americano chamado Pop-Tarts. Desse modo, quando havia algum aviso de furacão em alguma cidade ou estado, a Walmart conseguia se preparar de modo que esses produtos fossem encontrados de uma maneira fácil dentro da loja, e também garantir que tenham produtos o suficiente para suprir a demanda. Vale ressaltar que no livor, Mayer-Schönberger e Cukier relatam que não se tinha certeza sobre o motivo do aumento da venda do doce Pop-Tarts, porém funcionava.

Mayer-Schönberger e Cukier (2013, p. 37) dão outro exemplo da Walmart, que prova que o Big Data já mostra seu poder desde a década de 90.

“Nos anos 1990, ela [Walmart] revolucionou o varejo ao registrar todos os produtos como dados, por meio de um sistema chamado Retail Link, o que levou os fornecedores a monitorar a taxa e volume de vendas e o estoque. A criação dessa transparência permitiu que a empresa obrigasse os fornecedores a cuidarem eles mesmos do fornecimento. Em muitos casos, o Walmart não se “apropria” de um produto até instantes antes da venda, reduzindo, assim, o risco e o custo de estoque. O Walmart usou dados para se tornar, de fato, a maior loja de produtos consignados do mundo.”

Esses exemplos mostram como o Big Data conseguiu auxiliar uma empresa de grande porte do mercado varejista, de modo que ela conseguisse reduzir seus custos, aumentar suas vendas e consequentemente ser mais competitiva no mercado. A utilização do Big Data fez com que esses processos sofressem um grande impacto positivo, aumenta sua eficiente, e consequentemente impactando o resultado da loja como um todo.

4.3.3 Impactos do Big Data nas Tomadas de Decisões

As tomadas de decisões são momentos críticos nas empresas. Esse é o momento em que a empresa deve decidir por um caminho dentre tantos outros. O peso da decisão é alto, pois em termos de imagem da empresa e até mesmo financeiro, podem significar ganho ou perda. Sendo assim, é interessante que a empresa tenha a maior quantidade de informações possíveis, seja sobre clientes, ambiente interno ou externo. Quanto mais informação, maior será a capacidade de tomar uma decisão de sucesso.

É dessa forma que o Big Data auxilia as empresas na tomada de decisão, fornecendo a maior quantidade de informações úteis possível. Informações essas que podem ser utilizadas para ter uma prévia de como o mercado pode se comportar em um futuro próximo. As coisas de fato são incertas, nada pode ser garantido, porém é assim para todos, e sai na frente aqueles que têm mais informações. Com o cruzamento de dados obtidos sobre os clientes, como eles se comportam, quais são seus hábitos, juntamente com outras informações que podem ser adquiridas sobre geolocalização, ou até mesmo situações políticas e econômicas, as empresas conseguem ter uma boa ideia de como se comportar nesse mercado que sofre tantas variações.

Em um mercado como o atual, que apresenta mudanças extremamente rápidas, o processo de coleta dos dados até a sua transformação em decisões, não pode ser lento. Como o mercado muda muito rápido, as respostas das empresas devem ser tão rápidas quanto. De nada adianta tomar a decisão correta, se a mesma for realizada com atraso. Dessa maneira, o Big Data definitivamente é uma ótima alternativa, pois com ele, é possível analisar uma imensa quantidade de dados, e fazer com que eles gerem valor para a empresa como um todo.

Considerações Finais

Esse trabalho teve como objetivo mostrar a importância do uso do Big Data no mercado varejista atual. Essa importância vem do impacto que o uso dessa enorme quantidade de dados causa nos processos da empresa e no conhecimento do comportamento dos seus clientes e do mercado. Há alguns anos a importância dessa tecnologia é reconhecida, e vem se tornando cada dia mais essencial para os negócios.

Conforme o desenvolvimento da pesquisa, pode-se observar que implantar a estrutura necessária nas empresas para realizar a leitura e interpretação do Big Data não é algo tão simples. É necessário a contratação de pessoas que tenham conhecimento na área para dar o devido suporte. O investimento em equipamentos também não é baixo, uma vez que é exigido uma capacidade imensa de processamento de dados para ler e analisar essa grande quantidade de dados. Por isso, é necessário um estudo de viabilidade de implantação do sistema, pois apesar do retorno ser alto, é necessário um investimento alto também, que para pequenas e médias empresas pode ser inviável.

O uso do Big Data permite que as empresas analisem dados além do espaço físico de suas lojas ou seus próprios websites e redes sociais. Quaisquer dados que possam ser coletados e que possam gerar qualquer tipo de informação sobre o usuário, são coletados constantemente, permitindo que as empresas acompanhem os comportamentos, hábitos e formas de pensar das pessoas em geral, sendo elas consumidores de seus produtos ou não. Dessa forma, o nível de preparação que a empresa consegue ter para determinadas situações é extremamente alto, muito além do que já foi um dia.

Foram apresentados e comentados no desenvolvimento da pesquisa, exemplos de processos que podem ser mais eficientes, dentre eles estão: melhor aplicação do capital investido em marketing, melhor gestão da logística dos produtos, melhor exposição dos produtos e organização das lojas. Tudo isso impacta de forma positiva, diminuindo desperdícios e consequentemente gerando aumento de lucro para as empresas.

Como os dados são gerados cada vez mais rápidos e em maior quantidade, sempre há mais dados para serem analisados. É interessante que o sistema de análise e interpretação dos dados seja um ciclo. Dessa forma, após a empresa aplicar mudanças e melhorias a partir dos dados que já foram analisados, ela irá coletar dados gerados em respostas a essas aplicações, aperfeiçoando cada vez mais os processos conforme as alterações do comportamento dos mercados e dos clientes. A partir dessa linha de raciocínio foi criado o modelo de implantação e aplicação do Big Data, o qual foi apresentado no trabalho. Por fim, pode-se concluir que os objetivos do trabalho foram alcançados

Sugestões Finais

O presente estudo limitou-se a produzir informações a respeito do Big Data e sua funcionalidade nas organizações, sem, no entanto, apresentar sua aplicação e desdobramento pratico na rotina de uma organização. Desse modo, sugere-se que antes de realizar a aplicação do modelo em alguma empresa, seja feito o teste prático do mesmo, de modo a comprovar na pratica a eficiência do modelo apresentado.

Sugere-se também que o trabalho seja continuado de forma que a parte prática desse modelo seja testada, o que permitiria identificar a sua real funcionalidade, importância e valor agregado para as empresas varejistas.

Referências

CAMARGO, Shirlei Miranda; TOALDO, Ana Maria M.; SOBRINHO, Zaki Akel. O layout como ferramenta de marketing no varejo. 2009. Disponível em: < http://www.anpad.org.br/admin/pdf/MKT1407.pdf>. Acesso em 25 mai. 2017.

CASTRO; NEVES. Administração de Vendas – Planejkamento, Estratégia e Gestão. São Paulo: Editora Atlas S.A., 2005.

ELMASRI, Ramez; NAVATHE, Shamkant B. Fundamentals of Database Systems. Disponível em: < http://fms.uofk.edu/multisites/UofK_fms/images/pdf/Fundamentals_of_Database_Systems_6t h_Edition.pdf>. Acesso em: 12 ago. 2016.

ENOMURA, Bianca Yuki. Big Data: A era dos grandes dados já chegou. Revista Superinteressante. v. 4, p. 7-19, jul, 2014.

GERHARDT, Tatiana Engel; SILVEIRA, Denise Tolfo. Métodos de Pesquisa. Porto Alegre: Editora da UFRGS, 2009. Disponível em:<http://www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf>. Acesso em: 18 out. 2016.

IBM. What is Big Data?. Disponível em: < https://www- 01.ibm.com/software/data/bigdata/what-is-big-data.html>. Acesso em: 11 ago. 2016.

INTEL. Integrated Electronics Corporation. Big Data 101: Unstructured Data Analytics A Crash Course on the IT Landscape for Big Data and Emerging Technologies. Disponível em: < http://www.intel.com/content/www/us/en/big-data/unstructured-data-analytics- paper.html>. Acesso em: 12 ago. 2016.

ISACA®, Privacidade & Big Data. 2013a. Disponível em:<http://www.isaca.org/Knowledge-Center/Research/Documents/Privacy-and-Big- Data_whp_Portuguese_0913.pdf>. Acesso em 12 ago. 2016.

ISACA®. Big Data: Impactos e Benefícios. 2013b. Disponível em: < http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Acesso em: 12 ago. 2016.

KOTLER, Philip. Administração de Marketing. 14. Ed. – São Paulo: Pearson Education do Brasil, 2012.

LAUDON, Kenneth C.; LAUDON, Jane P. Sistemas de Informação Gerenciais. Ed. 11. São Paulo, SP: Pearson Education do Brasil, 2014.

LIMA, Cecília A. R.; CALAZANS, Janaina H. C. Pegadas Digitais: “Big Data” e Informação Estratégica Sobre o Consumidor. Disponível em: < http://gitsufba.net/anais/wp-content/uploads/2013/09/13n2-pegadas_49483.pdf>. Acesso em: 11 ago. 2016.

MANYIKA, James; CHUI, Michael; BROWN, Brad et al. Big data: The next frontier for innovation, competition, and productivity. Disponível em: < http://www.mckinsey.com/business-functions/business-technology/our-insights/big-data-the- next-frontier-for-innovation>. Acesso em: 11 ago. 2016.

MAYER-SCHÖNBERGER, Viktor; CUKIER, Kenneth. Big Data: Como Extrair Volume, Variedade, Velocidade e Valor da Avalanche de Informações Cotidiana. Rio de Janeiro: Elsevier, 2013.

MORITZ, Gilberto de Oliveira.; PEREIRA, Maurício Fernandes. Processo Decisório.

Florianópolis, SC. SEAD/UFSC, 2006.

PAURA, Glávio Leal. Fundamentos da Logística. Curitiba, PR. 2012.

PRODANOV, Cleber Cristiano; FREITAS, Ernani Cesar de. Metodologia do Trabalho Científico [recurso eletrônico]: métodos e técnicas da pesquisa e do trabalho acadêmico. 2ª ed. – Novo Hamburgo, RS: Feevale, 2013.

Revista Exame. Atacarejo lidera em representatividade para famílias. Por ESTADÃO CONTEÚDO. Disponível em: <http://exame.abril.com.br/negocios/atacarejo-lidera-em- representatividade-para-familias/>. Acesso em: 06 dez. 2016.

ROESCH, Sylvia Maria Azevedo. Projeto de Estágio e de Pesquisa em Administração. 2ª ed. – São Paulo, SP: Editora Atlas S.A., 1999.

SILVEIRA, Daniel; CAVALLINI, Marta. Vendas no comércio caem em fevereiro de 2017, diz IBGE. Por G1 Globo – Economia. Disponível em: < http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em-fevereiro-de-2017-diz- ibge.ghtml>. Acesso em: 25 mai. 2017.

TAURION, Cezar. Big Data. Rio de Janeiro, RJ: Editora Brasport Livros e Multimídia Ltda., 2013. ePUB.

TESSAROLO, Pedro H.; MAGALHÃES, Willian B. A era do Big Data no conteúdo digital: Os dados estruturados e não estruturados. Disponível em:<http://web.unipar.br/~seinpar/2015/_include/artigos/Pedro_Henrique_Tessarolo.pdf>. Acesso em: 12 ago. 2016.

THE DAMA GUIDE. The DAMA Guide to The Data Management Body of Knowledge. Disponível em: <https://www.safaribooksonline.com/library/view/the-dama- guide/9781935504009/DMBOK%20Guide.html>. Acesso em: 12 ago. 2016.

[1] Acadêmico do curso de Administração do CEULJI/ULBRA

[2] Ms. pela UFSC, professor do curso de Administração do CEULJI/ULBRA

[3] SILVEIRA, Daniel; CAVALLINI, Marta. Vendas no comércio caem em fevereiro de 2017, diz IBGE. Por G1 Globo – Economia. Disponível em: < http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em- fevereiro-de-2017-diz-ibge.ghtml>. Acesso em: 25 mai. 2017.

[4] Revista Exame. Atacarejo lidera em representatividade para famílias. Por ESTADÃO CONTEÚDO. Disponível em: <http://exame.abril.com.br/negocios/atacarejo-lidera-em-representatividade-para-familias/>. Acesso em: 06 dez. 2016.

[5] API é um conjunto de rotinas e padrões de programação para acesso a um aplicativo de software ou plataforma baseado na Web. A siga API refere-se ao termo em inglês “Application Programming Interface” que significa em tradução para o português “Interface de Programação de Aplicativos”.

Como publicar Artigo Científico

DEIXE UMA RESPOSTA

Please enter your comment!
Please enter your name here