L'importance des données pour Big compréhension des habitudes d'achat des consommateurs, l'augmentation de l'avantage concurrentiel dans le détail

0
323
DOI: ESTE ARTIGO AINDA NÃO POSSUI DOI SOLICITAR AGORA!
PDF

BULIAN, Braian de Souza [1]

ALENCAR, Cícero Aparecido [2]

BULIAN, Braian de Souza; ALENCAR, Cícero Aparecido. L'importance des données pour Big compréhension des habitudes d'achat des consommateurs, l'augmentation de l'avantage concurrentiel dans le détail. Magazine scientifique multidisciplinaire du Centre du savoir. Numéro 08. Année 02, vol 03.. pp 18-41, Novembre 2017. ISSN: 2448-0959

résumé

Dans le scénario actuel du marché, les entreprises ont besoin de plus en plus à se démarquer. Comprendre comment les clients et le marché lui-même est essentiel si se conduisent les entreprises sont programmées pour mieux les servir afin d'obtenir des avantages concurrentiels par rapport à leurs concurrents. Le but de cette étude était de présenter comme Big Data (grand ensemble de données stockées) peuvent aider les détaillants à mieux comprendre les habitudes d'achat spécifiques et le comportement de leurs clients, et comment il peut les aider à devenir des processus internes plus efficaces, ce qui permet d'accroître leur avantage concurrentiel. En outre, il a présenté un modèle théorique de la mise en œuvre de Big Data. Cette étude progresse en fonction de la position Taurion (2013). » ... Big Data crée de la valeur pour les entreprises de découvrir les modèles et les relations entre les données qui ont été perdues, non seulement sur les entrepôts de données internes, mais dans leur propre Web, dans les tweets, commentaires sur Facebook et même des vidéos YouTube. « Il a été conclu que le traitement et l'analyse des Big Data, si elles sont bien mises en œuvre, apporte des améliorations dans divers processus au sein des entreprises, telles que le marketing, la logistique, la fabrication et d'autres décisions. Rappelez-vous que les entreprises doivent réaliser une étude de faisabilité pour l'application de cette technologie afin de savoir si votre entreprise a des structures minimales nécessaires à la mise en œuvre d'outils capables d'effectuer la lecture et l'analyse de cette grande quantité de données.

Mots-clés: Big Data, avantages concurrentiels au détail,.

1. INTRODUCTION

Bien que très important, en raison de la création d'emplois formels, gestion de l'économie, le fonds de roulement et autres magasins de détail a souffert considérablement négatif. Selon le sujet du globe (G1) par D[3]aniel Silveira et Marta Cavallini, de l'année 2015, les ventes de la branche montrent une baisse. Avec aujourd'hui le scénario politique économique instable, la tendance est que le marché devient de plus en plus concurrentiel. En conséquence, les clients recherchent des produits moins chers. La preuve en est l'augmentation des ventes et l'expansion des marchés selon le modèle « atacarejo » le mode de négociation qui se mélange en libre-service type hypermarchés gros et de détail, ce qui permet la vente de produits à un prix inférieur. Selon le magazine Exa[4]me, la recherche présentée lors du lancement de l'Association brésilienne des grossistes de libre-service (Abaas) souligne que ce type de magasin atteint 46,4% des ménages, dépassant cette année (2016) ce supermarchés critère, ayant déjà dépassé hypermarchés en 2015.

Ainsi, par conséquent, les gens changent leurs habitudes de forme d'adaptation, recherche les prix les plus bas ou de chercher le meilleur rapport coût-avantages de chaque produit. Sur la base de ce scénario, les entreprises cherchent des moyens de rester sur le marché qui peuvent être basées sur des solutions simples telles que des mises à pied, ou encore plus complexe que l'amélioration de ses processus. Tout cela vise à réduire les coûts tout en satisfaisant les clients, accroître sa compétitivité sur le marché et d'assurer la survie de l'entreprise, ou même votre point fort.

L'utilisation de Big Data avec des outils spécifiques est devenu une option presque nécessaire pour les entreprises de se démarquer aujourd'hui. Une mesure prise, un achat réalisé, l'accès à votre réseau social, un site, un clic. Chaque seconde, pour chaque action détenue, les données sont générées. Ils ont toujours existé, mais chaque minute qui passe, ils sont générés en grande quantité et de la vitesse. En outre, la capacité de stockage et la lecture de ces données augmente de façon spectaculaire, ce qui permet également de les transformer en informations utiles pour le marché, quel que soit leur domaine d'expertise.

Le Big Data se réfère à une immense quantité de données et, par conséquent, sont des outils spécifiques nécessaires capables d'effectuer la lecture, afin que tous puissent être interprétés, générant des informations qui seront utiles aux fins prévues. Entreprises, ne pas utiliser ce grand volume de données, ne parviennent pas à interpréter les données, de toute façon, sont générés. Par conséquent, des informations spécifiques sur les habitudes telles que le shopping et le transport, ne sont pas collectées. Ainsi, les entreprises peuvent améliorer les processus déjà fait, comme la logistique, le marketing, et d'autres décisions, cherchant toujours la meilleure façon de servir ses clients, quels que soient leurs besoins, et d'acquérir ainsi un avantage concurrentiel sur le marché actuel comme contesté. Grâce à ce contexte, il remet en question: Comment Big Data peut aider les détaillants à comprendre les habitudes spécifiques de l'achat de chaque consommateur, et comment cela peut-il vous aider?

Cette étude vise à examiner la façon dont Big Data peut aider les détaillants à mieux comprendre les habitudes spécifiques achat de ses clients et d'acquérir ainsi un avantage concurrentiel. D'abord, il a été présenté par des références bibliographiques comment les entreprises peuvent collecter des données, trouver des modèles et des habitudes d'achat de vos clients et d'appliquer les grandes données. Ensuite, il a été montré à l'interprétation des données recueillies contribuent à accroître l'efficacité des processus opérationnels déjà réalisés par ces entreprises, d'accroître leur avantage concurrentiel. Enfin, un modèle de déploiement de Big Data a été présenté sur les entreprises, la recherche d'améliorations dans les processus administratifs de modes de consommation et de marché. Ainsi, on peut dire que ce travail peut être utile aux détaillants et des informations supplémentaires pour acadêmica.o zone causée par la mise en œuvre de Big Data dans les entreprises dans ce cadre contemporain. En outre, la faisabilité de ces travaux est dû au vaste contenu qui se trouve sur le sujet qui sert de base théorique et comprennent aussi des résultats réels et des comparaisons entre les entreprises utilisant Big Data, et les entreprises qui n'utilisent pas.

2. THÉORIQUE

Ce chapitre traite de l'arrière-plan théorique du projet et fournit des informations essentielles à la compréhension du concept de Big Data et son rôle dans le monde contemporain. Il montre également l'importance de l'application de cette technologie dans les entreprises afin d'augmenter dans leurs processus d'efficacité, améliorant ainsi la compétitivité du même.

2.1 DONNÉES BIG

En dépit de son apparition à peu près au début des années 90, Big Data est toujours considéré comme quelque chose de nouveau car il est de plus en plus que commune ces dernières années. À cause de cela, il n'y a toujours pas de concept exact qui définit ce qui est en fait le Big Data. Ainsi, on peut trouver de nombreuses définitions de ce tournant autour de la même idée.

Selon Kenneth Laudon et Jane Laudon (2014), récemment, la plupart des données recueillies par les organisations se composaient de données transactionnelles qui pourraient être facilement organisés et liés aux programmes de gestion, cependant, il y a ces derniers temps a été une rafale de données en raison de l'énorme trafic web par e-mails et le contenu des réseaux sociaux. Toujours sur les auteurs, le Big Data ne se réfère pas à une quantité spécifique d'information, mais les données dans la gamme de pétaoctets et exaoctets, être des milliards à des billions de dossiers, toutes provenant de diverses sources.

Selon Enomura (2014), la définition du terme « Big Data » est très complexe, et sa première définition d'une manière connue aujourd'hui a été en 2001 avec la société Doug Laney Gartner Group, le fameux trois V de (volume, vitesse et variété) . Des bases de données dont la capacité nécessitent des moyens novateurs de traitement de l'information pour une meilleure compréhension et la prise de décision.

Mayer-Schonberger et Cukier (. 2013, p 4) portent l'idée suivante au sujet du terme:

Il n'y a pas de définition stricte du terme. Au début, l'idée était que le volume d'information avait tellement augmenté que le montant considéré ne correspondent plus à la mémoire de traitement informatique, afin que les ingénieurs devaient améliorer les instruments utilisés pour l'analyse. Telle est l'origine des nouvelles technologies de traitement telles que MapReduce Google et son équivalent open-source, Hadoop, lancée par Yahoo. Ils vous permettent de gérer beaucoup plus de données qu'auparavant, et les données – ce qui est important – n'a pas besoin d'être attribué en lignes ou dans les tableaux classiques.

Pour un meilleur développement et la compréhension du travail, alors il y a une table contenant d'autres concepts importants de Big Data, citées par les auteurs importants dans la région.

Tableau 1: Auteurs / organisations et leurs concepts respectifs de Big Data

Auteur / Organisationconcept
Taurion Cesar (2013, p. 26)» … sans doute que nous parlons d'un volume très important de données. Mais au-delà des volumes abyssales, il exi[..]ste une variété de donn[…]ées et la vitesse. […] Personnellement, j'ajoute deux autres variables: la précision des données […]et la valeur commerciale.
McKinsey Global Institute (2011)« L'utilisation intensive des réseaux sociaux en ligne, les appareils mobiles pour se connecter à Internet, des transactions et des contenus numériques, ainsi que l'utilisation croissante du cloud computing a généré des quantités incalculables de données. Le terme Big Data se réfère à cet ensemble de données dont la croissance est exponentielle et dont la taille est au-delà de la capacité des outils typiques pour capturer, gérer et analyser les données ".
IBM (2016)« Chaque jour, nous créons 2,5 trillion octets de données – si bien que 90% des données dans le monde d'aujourd'hui a été créé au cours des deux dernières années. Ces données proviennent de partout: des capteurs utilisés pour recueillir des informations sur le climat, les messages sur les sites des médias partenaires, photos et vidéos numériques, les dossiers de transaction d'achat, et les signaux GPS de téléphone cellulaire pour ne citer que quelques-uns. Ces données sont Big Data.
ISACA (2013b, p. 05)« Le Big Data est un terme à la fois technique et marketing, qui fait référence à l'information des ressources d'affaires précieuses. »

Source: Adapté de Big Data, 2013; Big data: La prochaine frontière pour l'innovation, la concurrence et la productivité,

2011; Qu'est-ce que Big Data? 2016; Big Data: Impacts et avantages, 2013.

Parmi les concepts, il est souvent cité sur le volume, la variété et la vitesse des données. Dans certains cas, souvent plus récente, il y a aussi la valeur et la véracité des données. Par conséquent, il est également important de la définition et la compréhension de ce et pourquoi l'impact sur le concept de Big Data.

Selon Intel (2012), les trois de la fonction V sur ce que le Big Data est dans son ensemble, mais aussi définir les questions clés et doit être abordée, à savoir:

Volume: L'échelle massive et la croissance des données non structurées à surmonter le stockage traditionnel et d'analyse;

Variété: Big Les données sont recueillies à partir de nouvelles sources qui ne sont pas exploitées dans le passé. processus de gestion des données traditionnelles ne peuvent pas faire face à la diversité et la variation de Big Data, qui se décline en différents formats tels que le courrier électronique, les réseaux sociaux, vidéos, images, blogs, et les données du capteur; et

Vitesse: Les données sont générées en temps réel avec les exigences d'information utiles pour être servi.

Pour Taurion (2013), il y a à considérer deux autres variables, à savoir:

Vérité: parce que nous devons nous assurer que les données font sens et sont authentiques; et

Valeur: parce qu'il est absolument nécessaire pour l'organisation à mettre en œuvre des projets Big Data obtenir un rendement sur ces investissements.

2.1.1 L'impact des grandes données sur les entreprises

L'application de Big Data dans les entreprises peut entraîner des effets positifs et négatifs dans divers secteurs. Par conséquent, une étude est nécessaire pour que la société dispose des informations nécessaires sur le système avant de le déployer, en évitant le plus de pertes et des résultats négatifs.

Le Big Data peut avoir un impact des modèles de processus actuels et futurs de plusieurs façons. En plus de l'impact sur les entreprises, l'agrégation des données peut influer sur la gouvernance et la planification de la gestion, l'utilisation, la garantie, la vie privée (ISACA®2013b):

  • Gouvernance – si on prend soin de définir le mode de gouvernance des grandes données, et les données seront incluses ou non.
  • Planification – consiste à collecter et organiser les résultats, qui contribuent à justifier des ajustements et / ou l'amélioration des processus qui peuvent être identifiés en utilisant des techniques de recherche spécifiques, élaborer des programmes de négociation suivant une orientation à certaines conditions qui déclenchent les événements, l'encouragement pour les achats de normalisation vous voulez en tant que client et comparer les produits et les services de recherche, utilise des informations basées sur l'emplacement ainsi que d'autres données pour vérifier les données des clients (fidélité à un produit ou une entreprise, les routes, les exigences des différents produits et) aide dans le juste à la gestion le temps et l'inventaire des stocks (JIT) en fonction des variations de la demande en temps spécifiques, l'assistance à la gestion des opérations logistiques en temps réel.
  • Utilisez – l'utilisation de Big Data nécessite une bonne infrastructure. Les petites entreprises peuvent prendre beaucoup plus de temps pour la mise en œuvre de ce concept à cause de ces
  • Garantie – Service après l'élaboration d'une bonne stratégie pour stimuler Big Data, l'entreprise devrait prendre la peine de définir une structure de garantie, étant ainsi en mesure de contrôler et de protéger le Big Data. Garantie et la qualité des données, sont des préoccupations majeures pour les entreprises.
  • Confidentialité – il devrait y avoir une attention particulière aux données et informations personnelles, même lorsque autorisé par les utilisateurs, en évitant toujours l'exposition et la protection des personnes de mauvaise foi. En outre, chaque gouvernement a ses lois respectives, l'interdiction ou la légalisation de certaines actions, vous devez être conscient de cela aussi.

2.1.2 Comme le Big Data peut aider les entreprises

Chaque peuple de moment, et même des choses, produisent des données. Avec l'avancement de la technologie, le volume de ces données a considérablement augmenté, et la capacité accrue de les surveiller. De même, la technologie a fourni des outils capables de séparer, d'organiser et de mener à bien la lecture des données, afin qu'elles se transforment en informations importantes.

Des recherches récentes indiquent que l'utilisation appropriée des Big Data peut jouer un rôle économique […]dans la promotion de l'innovation, la compétitivité et la productivité dans tous les segments (LIMA, Cecilia A. R,. Calazans, Janaina C. H., 2013). Complétant, McKinsey Institute (Manyika, James, COP, Michael, BROWN, Brad et al) dit que l'utilisation de grands volumes de données deviendra une base essentielle pour la compétitivité et la croissance des entreprises. Du point de vue de la compétitivité et le potentiel de capture de valeur, toutes les entreprises doivent prendre au sérieux gros volumes de données.

(. 2013b, p 07) ISACA® a le présent avis sur les possibilités que les grandes données peuvent apporter:

Les possibilités Big Data sont importantes, ainsi que les défis. Les entreprises qui dominent la discipline émergente de la gestion du Big Data peuvent obtenir des récompenses importantes et se différencier de leurs concurrents. En fait, la recherche par Erik Brynjolfsson, économiste à l'École de gestion Sloan au Massachusetts Institute of Technology (Etats-Unis), montre que les entreprises utilisant la « prise de décision fondée sur des données » ont obtenu une augmentation de cinq à six par pour cent de la productivité. L'utilisation appropriée des Big Data va au-delà collecte et l'analyse de grandes quantités de données; exige également comprendre comment et quand utiliser les données pour prendre des décisions cruciales.

Figure 1: Analyse de la société spécifique des perspectives d'affaires. Source: ISACA®2013b, p. 07 - Big Data: répercussions et les avantages. Disponible à l'adresse: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf srcset=
. Le 12 Août consulté 2016.” width=”763″ height=”360″ />
Figure 1: Analyse de la société spécifique des perspectives d'affaires. Source: ISACA®2013b, p. 07 – Big Data: répercussions et les avantages. Disponible à l'adresse: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Le 12 Août consulté 2016.

L'analyse Big Data peut avoir un impact positif (ISACA®, 2013b) dans le développement d'un produit ou marché, l'efficacité opérationnelle, l'expérience et la fidélité des clients ainsi que les prévisions de la demande du marché. Selon Taurion (2013) l'utilisation par les entreprises de Big Data permet d'améliorer diverses actions, auparavant impensables, comme:

  • Optimiser la vente croisée ou de vente croisée. Selon Taurion (2013), environ 30% des ventes d'Amazon sont causés par les recommandations «vous pouvez également » ou « Vous pouvez aussi ».
  • le marketing ou le marketing géolocalisé en fonction de l'emplacement. En identifiant l'emplacement d'un client, la société peut lui envoyer un message spécifique à une certaine promotion Selon Taurion (2013), 79% des clients de Starbucks qui reçoivent un message personnalisé deviennent plus susceptibles de visiter le magasin.
  • analyse du comportement des clients dans le magasin. Environ 80% du temps des clients dans un magasin est passé encerclant dans la recherche de produits et pas vraiment l'interaction ou l'achat. Suivre et analyser le comportement des clients en magasin permet d'investir dans des actions qui exploitent ce temps perdu.

Tessarolo et Magellan (. 2015, p 03), donnent d'autres exemples de la façon dont Big Data aide les entreprises brésiliennes:

Brésil, les entreprises de télécommunications telles que Globo, Record et SBT utiliser Big Data pour mesurer la popularité de leurs programmes. Ils utilisent les services de médias sociaux à la recherche d'informations sur les réseaux sociaux comme Facebook et Twitter ont donné sujet discuté dans un programme a été accepté par la cible ou non téléspectateurs. Ainsi, les producteurs et les réalisateurs peuvent prendre de meilleures décisions de ces informations recueillies dans les médias.

L'utilisation de Big Data, comme mentionné plus haut, a une grande capacité à aider les entreprises à tirer le meilleur rendement de tous ses processus. Ainsi, l'utilisation des ressources disponibles et leurs déchets global réduit, permet aux entreprises d'avoir le plus bas coût et par conséquent le bénéfice le plus élevé possible.

2.1.3 Collecte et analyse des données

Comme mentionné précédemment, le Big Data en matière de collecte de données, de les organiser et de les analyser. À l'heure actuelle, les données sont divisées en structurées et non structurées. Les informations stockées dans les bases de données est connue sous forme de données structurées, car elle est représentée dans un format strict. Par exemple, chaque enregistrement dans une table de base de données relationnelle. (Elmasri, 2011, p. 416)

Pour Tessarolo et Magellan (2015), lorsqu'il s'agit d'une énorme quantité de données, ils proviennent de sources différentes et des façons. Il est un grand défi pour moi, propre, organiser, mettre en corrélation, lien et transformer ces données en informations pertinentes. Pour que cela soit possible, la création d'une base de données est nécessaire lorsque toutes ces informations sont capturées par des applications créées dans le but de guider ces données en les stockant dans une manière organisée et claire, ce qui facilite la recherche et la manipulation ces données.

Au sein du réseau Internet seulement un quart de ces données sont présentées stockées dans des bases. Beaucoup d'informations est par jour et crée moins de 10% peut être exploité et organisé, ce qui rend chaque jour d'énormes quantités d'informations devient indésirable, entravant ainsi leurs recherches et devient souvent inutile. (Tessarolo et MAGALHÃES 2015. p. 02)

Selon le Guide Lady (2012), les données non structurées sont des documents, des fichiers, des graphiques, des images, des textes, des rapports, des formulaires ou des enregistrements vidéo ou audio qui ne sont pas codés, ou autrement structuré en lignes et en colonnes ou dossiers. Selon de nombreuses estimations, environ 90% de toutes les données stockées est conservé sur des bases de données relationnelles. Les données non structurées sont présentées sous forme d'informations stockées dans leur contexte. En fait, il y a toujours une certaine structure dans laquelle les données fournissent des informations, et cette structure peut même être tabulaire dans sa présentation.

En ce qui concerne Tessarolo et Magellan (2012, p 03.):

données non structurées comprennent le réseau. De toutes les données du monde qui ont été générés au cours des dernières années, seulement 10% des données sont structurées. Le 90% est non structuré et de recueillir pour la plupart dans les réseaux sociaux restants tels que Facebook, Twitter, Pinterest, entre autres.

Selon Tessarolo et Magellan (2012), il doit y avoir une réorganisation et l'exploitation de ces données numériques afin que toutes les informations créées chaque jour ne soit pas perdu et peut être utile. La solution à cela, sans aucun doute, est le Big Data.

2.1.4 Ressources humaines pour Big Data

En dépit de toutes les exigences logicielles et matérielles, ont également besoin du personnel qui savent comment gérer ces outils pour les entreprises pour obtenir des résultats positifs. Selon Taurion (2013), le scénario de croissance des points Big Data qui se profilent de nouvelles opportunités d'emploi pour les professionnels de l'informatique et d'autres secteurs.

Une nouvelle position dite « scientifique des données » ou scientifique des données est un bon exemple. La demande de formation habituellement en informatique et en mathématiques, ainsi que les compétences analytiques nécessaires pour trouver l'aiguille dans la botte de foin providentiels des données recueillies par la société. « Un scientifique de données est quelqu'un qui est curieux, qui analyse les données pour détecter les tendances », a déclaré récemment Anjul Bhambhri, vice-président de Big Data Products, IBM. (TAURION, 2013. p. 79)

L'auteur résume trois profils professionnels de base engagés dans Big Data peuvent être identifiés. La première est basée sur des données scientifiques qui sont des professionnels formés dans les statistiques, sciences informatiques et / ou mathématiques capables d'analyser de grandes quantités de données et de les extraire de nouvelles opportunités d'affaires. Le second est basé sur les analystes d'affaires qui peuvent formuler les bonnes questions, effectuer l'analyse des réponses et d'eux, de prendre des décisions d'affaires stratégiques. Le troisième et dernier, se compose de professionnels de la technologie prendre soin de l'infrastructure et son appui technique pour soutenir Big Data.

Pourtant, par Taurion (2013) le grand défi de Big Data dans les années à venir est d'avoir des professionnels formés, car la technologie évolue rapidement et est sans préjudice. Le cou est alors dans les gens, pas la technologie. En plus du chercheur de données, il y a aussi place à d'autres activités professionnelles. La forte demande également pour les développeurs et les administrateurs système, par exemple, qui se spécialisent dans des outils visant Big Data, tels que Hadoop, technologie conçue pour les applications distribuées avec des données intensives et utilisées par des sites bien connus tels que Facebook, Yahoo et eBay .

2.1.5 Les risques et les soins dans le Big Data

Défini les concepts de Big Data et de ses avantages, il est également important de connaissances sur les risques et précautions doivent être prises lors de l'utilisation de ces données. Pour quelque chose de très puissant, il est important que les limites sont établies, et il y a une certaine éthique dans l'utilisation des données. En effet, de toutes ces données peuvent être des renseignements personnels, afin de mettre en péril la sécurité de la personne en général.

Selon ISACA® (2013b), bien que le Big Data peut fournir un avantage concurrentiel et d'autres avantages, elle comporte également des risques importants. Maintenant que les entreprises ont d'énormes quantités de données non structurées et structurées disponibles, devraient se poser: où stocker ces données? Comment protéger les données? et l'utilisation des données en toute sécurité et en toute légalité?

Pour ISACA® (2013e), le risque lié à Big Data peuvent être classées comme appartenant ou basé sur la technologie de l'information. Ces catégories de risque peuvent être réduits avec une forte gouvernance. Ainsi, le risque opérationnel couvre les facteurs internes et externes, y compris le risque géopolitique et la course à la rencontre du conseil d'administration et la haute direction, qui veulent aller de l'avant de la compétition. Mais est aussi l'entreprise, en particulier, le risque commercial lié à l'utilisation, la propriété, l'exploitation, l'implication, l'influence et l'adoption de l'informatique dans une entreprise le risque de TI (technologie de l'information). Le risque informatique se produit lorsque les garanties de sécurité sont surmontés.

La sécurité et la vie privée jouent un rôle de plus en plus important dans le Big Data, et toutes les parties prenantes doivent être conscients des implications de stockage et analyse croisée de grandes quantités de données sensibles. (ISACA®, 2013b). L'auteur mentionne également qu'il est nécessaire de comprendre que certaines données doivent être considérées comme toxiques au sens où la perte de contrôle sur eux pourrait être préjudiciable à l'entreprise, à savoir: l'information privée ou la garde, telles que le numéro de carte de crédit, informations personnels, tels que les numéros de sécurité sociale et les renseignements médicaux personnels; des informations stratégiques, tels que la propriété intellectuelle, les plans d'affaires, et la conception des produits; et des données telles que les indicateurs clés de performance, les résultats des ventes, des mesures financières et la production utilisés pour prendre des décisions cruciales.

La nécessité de gérer le risque de données au sein de l'entreprise ne peut pas être clairement communiquée et compris à tous les niveaux de gestion. Il est essentiel de montrer que l'adressage des risques et des préoccupations Big Data ne peut être vu que comme un exercice de la technologie de l'information. La participation de l'ensemble de l'entreprise, y compris l'audit juridique, financier, conformité, interne et d'autres services de l'entreprise, permet à chacun de se concentrer sur les objectifs d'affaires dans les étapes de la planification. Les entreprises peuvent rester concentré sur les aspects techniques et commerciaux Big Data. (ISACA®, 2013B. p. 08)

Big Data est l'aide indispensable pour assurer un niveau de compétitivité pour les entreprises plus, mais ce concept puissant peut ouvrir des portes à une utilisation illégale de celui-ci. Afin d'éviter les risques de sécurité des entreprises elles-mêmes et surtout les clients, il est essentiel de prendre des mesures visées ci-dessus, afin d'utiliser uniquement le côté bénéfique

2.2 PROCESSUS D'AFFAIRES

Les entreprises sont en général composées de processus administratifs qui aident à l'élaboration d'un activités organisées et efficaces. Des exemples de processus sont: le marketing, les ventes, la logistique et la prise de décision. Tous ces processus sont en quelque sorte reliés entre eux et devraient fonctionner de manière synchronisée pour l'entreprise d'avoir de meilleurs résultats.

2.2.1 marketing

Le marketing est un acteur clé du marché de détail. La société doit être dans l'esprit des clients, de sorte que se souviendra au moment où le client décide de faire un achat. De plus, il y a des clients qui ne connaissent pas l'existence de la société, la marque ou le produit offert, et la plupart des rôles de marketing les faire connaître aux clients.

Selon Kotler (2012, p. 03), un objectif de marketing est la définition des « besoins d'approvisionnement » générant profit. Le marketing consiste à identifier et répondre aux besoins humains et sociaux. L'auteur ajoute que le marketing s'applique à plusieurs choses, tels que les biens, les services, les événements, les expériences, les gens, les lieux, les propriétés, les organisations, les informations et les idées.

L'American Marketing Association propose la définition suivante: Le marketing est l'activité, un ensemble de connaissances et les processus de création, la communication, la fourniture et l'échange d'offres qui ont une valeur pour les clients, les clients, les partenaires et la société en tant que todo.7 Faire face à ces processus d'échange nécessite beaucoup de travail et de compétences. La gestion du marketing se produit lorsque au moins une partie dans un rapport d'échange potentiel est à la recherche des moyens d'obtenir les réponses souhaitées par les autres parties. On voit donc, la gestion du marketing comme l'art et la science de la sélection des marchés cibles et la capture, maintenir et fidéliser les clients grâce à la création, la livraison et la communication d'une valeur supérieure pour le client. (Kotler, 2012. p. 03)

La mise en page est également un point important dans le marketing, il vise à assurer une meilleure utilisation de l'espace et de fournir un certain confort au client au moment de l'achat. Las Casas (1994. CAMARGO cité, Toaldo, NEPHEW, 2009) définit la mise en page que les parties ou les éléments essentiels qui aident un magasin à atteindre une productivité maximale.

Ainsi, Underhill (1999. cité CAMARGO, Toaldo, NEPHEW, 2009, p.03) ont des points importants à noter dans le temps de déployer la mise en page:

[…]- Taux de capture: fait référence à la façon dont le consommateur voit ce qui est exposé. zone de confiance passe juste au-dessus des yeux jusqu'aux genoux. Pour l'espace restant doit afficher d'excellents produits facilement visibles (par exemple des couches); – taux de boomerang: c'est combien de fois le client ne se rend pas complètement coureur. Une façon de minimiser cet effet et la position des produits les plus populaires au milieu de la salle ou le lieu appeaux aux deux extrémités; – les ma[…]rchandises ne doivent pas interrompre la ligne de mire du client: ils devraient être en mesure de voir non seulement ce qui est devant, mais aussi dans d'autres parties du magasin; – amener le consommateur à fond de magasin: pour ce poste est dans cette zone catégories destination pour tous ceux qui cherchent donc ces articles va acheter d'autres en cours et à venir.

La commercialisation atteint tous les domaines, que ce soit des biens, des services ou des personnes. Ainsi, son importance est évidente. Comprendre comment fonctionne le marché est essentiel d'appliquer le marketing d'une manière qui atteint toutes les cibles positivement, impactant directement et indirectement afin d'améliorer les résultats finaux.

2.2.2 Ventes

Il convient de souligner que le marketing et les ventes sont des choses différentes, mais qui caractérise une certaine connexion. Weitz et al. (2004. CASTRO NEVES cité et 2005, p. 8) définit la vente personnelle comme un processus de communication personnelle dans laquelle un vendeur identifie et répond aux besoins d'un acheteur pour le bénéfice à long terme des deux parties. Quant à Rogers (1993. CASTRO NEVES cité et 2005, p. 8), la vente personnelle est le côté pointu du marketing comme lorsque les représentants de la société se retrouvent face à face avec les acheteurs potentiels. La force de vente fonctionne comme un lien entre l'entreprise et les clients.

Selon Castro et Neves (2005, p. 16), le processus de vente est une séquence d'étapes ou stades par lesquels ils vendeurs vendent. Cette séquence a été initialement proposé par Dubinsky en 1980. Les étapes reconnues comme le processus de vente formateurs sont sept, à savoir:

  • Prospection: identification du client potentiel;
  • Pré-approche: La collecte d'informations afin que le vendeur se préparer à l'approche;
  • Approche: Assurer une bonne impression, en plus d'intérêt et les soins à la clientèle;
  • Présentation de vente: présentation des offres et des avantages;
  • Gérer les objections et surmonter la résistance: surmonter la résistance à l'acheteur par des réponses et l'accent sur les avantages du produit;
  • Fermeture: Commande Demande selon le désir du client, sous la forme la plus appropriée et
  • service après-vente: Suivez le processus de livraison et la satisfaction des clients, offrant une plus grande crédibilité et une vente future possible

Les vendeurs doivent comprendre le comportement du marché et des clients, afin qu'ils puissent prendre toutes les questions et fournir au client ce dont il a besoin et que vous voulez la meilleure façon possible. Le processus de vente est un ensemble d'étapes que les vendeurs ont besoin d'aller faire la vente, mais il est important de se rappeler que le processus ne se limite pas les ventes du produit, car il couvre également le marché secondaire.

2.2.3 Logistique

La logistique est l'un des processus au sein des entreprises et des organisations qui exigent beaucoup d'attention. Il est le processus de planification des flux de matières, qui vise à fournir les besoins au bon moment et dans la qualité souhaitée, l'optimisation des ressources et d'accroître la qualité des services. (Ballou, 1999. cité PAURA, 2012, p. 13). Selon PAURA (2012), de la logistique et aider les entreprises, aide à la qualité de vie locale en ce qui concerne le développement des infrastructures pour son fonctionnement. Ce thème est actuellement vital pour les entreprises car elle permet d'optimiser les ressources et augmente la qualité, ce qui signifie une augmentation des revenus et la baisse des charges.

La logistique d'affaires professionnels qui étudient la façon de fournir efficacement, la rentabilité (1) les services de distribution au client, (2) le flux de matière au sein de l'entreprise, (3) l'achat de la planification, par le contrôle et l'organisation stocks de matières premières et des produits finis, (4) le contrôle de la planification de la production, et (5) dans le contrôle du transport de l'emballage. (PAURA 2012. p. 23)

PAURA (2012) explique que la logistique pour le commerce est considéré comme essentiel par plusieurs facteurs, parmi lesquels il y a la dépendance du commerce est l'accomplissement des délais pour les industries qui pourraient offrir les produits aux clients finaux. En outre, le commerce lui-même la gestion de la logistique est essentielle non seulement pour contrôler ce qui se passe et ce qui sort, mais aussi de donner des informations sur le moment et la façon dont beaucoup reste à demander plus de demandes. Lorsque cela est fait correctement, souvent ce commerce a ses produits dans les meilleures conditions et avec des prix justes.

D'après les informations ci-dessus, il est compris l'importance de la logistique a actuellement sur le marché en général. Avoir une bonne structure et les informations nécessaires, le contrôle a fait une meilleure qualité, qui offre plus compétitive sur ce marché très concurrentiel.

2.2.4 la prise de décision

La décision est un choix, un jugement qui prend en compte l'ensemble du contexte et de l'environnement autour d'eux et peuvent interférer directement ou indirectement dans le résultat final. Afin d'obtenir les meilleurs résultats, les décisions doivent être soigneusement formulées. Selon Pereira et Fonseca (1997, cité MORITZ et Pereira, 2006, p. 31), la décision est un processus systémique, paradoxale et contextuelle ne peut pas être considéré séparément des circonstances qui l'entourent. La connaissance des caractéristiques des paradoxes et les défis de la société est essentielle à la compréhension des processus de prise de décision.

Selon Simon (1963, cité dans MORITZ et PEREIRA, 2006, p. 33), la décision est un processus d'analyse et de choix entre plusieurs alternatives d'action disponible que la personne doit suivre. Il montre également six éléments classiques dans la prise de décision:

  • Le décideur: la personne qui exécute l'option de choix parmi beaucoup d'autres disponibles;
  • Les objectifs: ce que le décideur veut réaliser avec leurs actions et décisions;
  • Préférences: sont les critères utilisés comme base pour le décideur faire vos choix;
  • La stratégie: la façon dont le décideur adopte pour atteindre ses objectifs en fonction des ressources disponibles;
  • La situation: les facteurs externes qui ne peuvent pas être contrôlé par le décideur, et que l'impact des événements et des résultats, ce qui affecte leurs choix; et
  • Le résultat: le résultat final. Les résultats des stratégies et des options

En ce qui concerne Bethlem (., 1987 cité MORITZ et PEREIRA, 2006, p 34) suggère un modèle général de processus de prise de décision consiste en quatre étapes:

Étape 1 – Décision de décider – prendre la conduite menant à toute décision est une décision.

Étape 2 – Une fois décidé d'engager le processus de prise de décision, la prochaine étape est la définition de ce que nous décidons. Il y a des moments où nous travaillons sur la résolution des problèmes qui ne définissent pas, mais statistiquement le nombre est moins important;

Étape 3 – formulation d'alternatives. Les différentes solutions possibles pour résoudre le problème ou de crise, ou les alternatives qui permettront de saisir les opportunités; et

Étape 4 – choisir des solutions de rechange que nous considérons comme le plus approprié. Il est la prise de décision.

La prise de décision est essentielle à la gestion des organisations, et il est entendu que le processus administratif est essentiellement décision. Le processus décisionnel est complexe et comporte plusieurs étapes sans remplies dans un ordre rigide, nécessite un certain ordre pour que les décisions prises sont efficaces et rationnelles, impactant directement la ligne de fond de l'entreprise ou de l'organisation.

3. METHODOLOGIE

la méthodologie scientifique est l'étude de la voie à suivre vers un but. Il est une façon de penser afin d'arriver à la nature d'un problème donné, aider votre explication ou votre étude.

Pour Prodanov et Freitas (2013, p 14.):

La méthodologi[…]e est d'étudier, de comprendre et d'évaluer les différentes méthodes disponibles pour effectuer la recherche universitaire. La méthodologie dans un niveau appliqué, examine, décrit et évalue les méthodes de recherche et des techniques qui permettent la collecte et le traitement de l'information, visant à l'acheminement et à la résolution des problèmes et / ou des questions de recherche.

Selon la méthodologie Roesch (1999) vise à décrire la façon dont se déroulera le projet. A ce stade sera défini, des objectifs ultimes, quel type de projet est plus approprié.

3.1 RECHERCHE OU LA CONCEPTION DU PROGRAMME

La recherche peut être comprise comme procédure de la connaissance de la fabrication, ou encore en tant que procédure d'apprentissage et sont donc partie intégrante du processus de reconstruction de la connaissance (DEMO, 2000, p. 20, cité Prodanov et Freitas, 2013, p. 42). Son but est grâce à des procédures scientifiques, résoudre les problèmes et les doutes (BARROS, Lehfeld, 2000, p.14, cité Prodanov et FREITAS, 2013, p.42).

D'après les informations qui seront présentées ci-dessous, cette recherche est décrite de manière qualitative et quantitative. Pour Roesch (1999), tout projet peut être abordée sous deux points de vue, et peut utiliser une approche plus quantitative sur les résultats de l'évaluation et une approche plus qualitative dans l'évaluation formative (qui met l'accent sur le processus d'enseignement-apprentissage).

Selon Oppenheim (1993, p. 21, cité ROESCH, 1999, p. 130), la conception quantitative est indiqué pour trouver des associations et des explications, la description moins orientée et plus pour la prédiction. Toujours selon l'auteur, si le but du projet est d'obtenir des informations sur certaines populations, l'option est d'utiliser une étude descriptive. En ce qui concerne Staw (1977), la recherche quantitative est appropriée pour évaluer les changements dans les grandes organisations. Ainsi, la recherche a du caractère quantitatif en ce qui concerne la partie où il y a séparation et l'interprétation de la quantité et la fréquence des données mesurables pour former des informations statistiques pour la lecture de celui-ci.

Déjà sur la conception de l'étude qualitative, on soutient que leurs méthodes de collecte et d'analyse des données sont appropriées pour la recherche exploratoire (STAW, 1977 cité ROESCH, 1999, p. 154). Pour Roesch (1999), il y a une autre façon de regarder la recherche qualitative, où l'on peut le considérer comme un paradigme de recherche différent, comme dans le cas de la recherche d'action où est basée sur la capture du point de vue des différents répondants la position du chercheur un modèle pré-établi. De cette information, cette recherche peut également être considérée comme qualitative, car la quantité de données non mesurable qui sera comparé et étudié.

Selon Gil (. 2007 cité Gerhardt, Silveira, 2009, p 35), sur la base des objectifs, vous pouvez trier la recherche en trois groupes, à savoir: exploratoires, descriptives et explicatives. Toujours selon l'auteur, la recherche exploratoire vise à fournir une plus grande connaissance du problème, afin de le rendre plus explicite. La plupart du temps impliquant revue de la littérature, des entrevues avec des gens qui ont eu des expériences dans la pratique le problème des recherches et des exemples d'analyse pour favoriser la compréhension. Ils peuvent être classés comme une étude de cas et de la littérature. Cette recherche exploratoire dans la nature, car il est en grande partie une recherche documentaire, visant à mettre en évidence le problème et le faire mieux connaître.

3.2 CADRE DE LA ZONE CIBLE DE LA POPULATION OU

Ce travail a pour but d'exposer les opportunités potentielles inexploitées par les détaillants à ne pas lire et interpréter les données qui sont générées dans la routine quotidienne et toutes les parties prenantes de l'entreprise. Toutefois, en raison de certaines conditions pour mener à bien la mise en œuvre de Big Data, ce travail vise les détaillants de taille moyenne et grande, où vous avez suffisamment d'informations et de l'infrastructure nécessaire.

Conformément à l'étape Roesch (1999) peut être concentrée dans un département de l'entreprise, ou englobe l'ensemble de l'organisation. Dans ce dernier cas, il est important de décrire la structure de la région, y compris le nombre de personnes qui y travaillent.

3.3 PLANS ET INSTRUMENTS DE COLLECTION

Selon Roesch (1999), si la collecte des données primaires est, il est important de préciser dans cette section la source des données, quand ils seront ressuscités et par quels instruments. En ce qui concerne les données secondaires, il est nécessaire de signaler la nature et les spécifications.

Dans le cas de ce travail ne sera utilisé que des données secondaires, étant donné que toutes les informations sont collectées dans des livres, des magazines, des journaux et des sites Web. Toutes ces données sont des informations sur ce que le Big Data, comment il fonctionne et comment il peut aider les détaillants. Sont également cités sont des exemples concrets de grandes entreprises qui ont de bons résultats après l'utilisation des systèmes pour faire l'analyse des données.

3.4 PLAN D'ANALYSE DE DONNÉES

Selon Roesch (1999), spécifiez le type de données collectées les possibilités de délimite l'analyse. En outre, voici où l'auteur peut prévoir l'utilisation des graphiques, des diagrammes et statistiques. Pensez à l'analyse aide à critiquer leur propre collection de données, ce qui peut offrir une meilleure qualité au travail.

Comme mentionné précédemment, la recherche sera basée sur des données secondaires. Ainsi, ce travail sera effectué une analyse des données et des informations qui ont été utilisés, testés et la plupart ont eu leurs résultats prouvés. Il sera également une analyse des résultats positifs et négatifs que les grandes entreprises avaient après la mise en œuvre de Big Data. Ces résultats seront discutés par la thèse et la volonté avec l'aide d'images et de graphiques pour une meilleure compréhension de celui-ci.

4. DÉVELOPPEMENT

Cette partie des objectifs de travail, sur la base de citations des points précédents, exposer la façon dont Big Data peut traiter des données importantes sur les clients et créer ainsi un avantage majeur pour les entreprises qui améliorent leurs processus administratifs basés sur des informations générées à partir de ces données recueillis. Il est important de se rappeler que ce travail mettra l'accent sur l'aspect administratif, et non en profondeur termes techniques pour le bon fonctionnement des outils chargés de la collecte, le stockage, l'analyse et la transformation des données en informations.

4.1 OUTILS DE MISE EN ŒUVRE DE L'UTILISATION DES DONNÉES SUR LES ENTREPRISES GRAND MOYEN DISTRIBUTEURS ET GRANDS

La société que vous voulez utiliser Big Data doit suivre certaines étapes. Ces étapes consistent en des décisions et des choix de déployer une structure de base impliquant des outils, des services et des personnes capables de stocker, organiser et analyser ces données. Considérant que la société a déjà ses propres étapes du système de gestion sont énumérés ci-dessous:

  • Location de Empowered: Tout d'abord, pour mener à bien le déploiement de tous les outils et les systèmes nécessaires à l'utilisation de Big Data Analytics, l'entreprise doit compter sur l'aide d'experts. Cela implique l'embauche de trois types de professionnels qui seront en mesure de donner toute l'assistance nécessaire pour le faire, comme suit: les professionnels responsables du soutien technique et une infrastructure suffisante pour soutenir Big Data; Professionnels capables d'effectuer l'analyse de grandes quantités de données et d'extraire de nouvelles opportunités d'affaires, de leur formation en statistiques, mathématiques et / ou de l'informatique; et les analystes d'affaires capables d'effectuer les bonnes questions et d'analyser les réponses obtenues à partir
  • Emplacement de la base de données: La société a besoin d'un lieu de stockage est recommandé pour les serveurs cloud option de location, et sont de préférence dans des endroits différents, parce que comme le risque de pertes de données sont réduits en cas de un accident inattendu, comme un incendie ou d'une catastrophe naturelle. En outre, est généralement prêt la structure de ces entreprises pour, de sorte que ces serveurs ont une surveillance constante et sécurité spécifique, la partie du matériel et des logiciels. Il y a aussi la possibilité de l'entreprise d'acquérir son propre serveur, mais il est très probable que les coûts sont beaucoup plus élevés.
  • Création de l'[5]API: Le processus de transfert des données obtenues par la société à la base de données est pas si simple. Pour les données à transmettre pour

la création automatique d'une API est nécessaire, qui sera chargé de réaliser une communication entre le logiciel et stocker la base de données. Ainsi, l'API sera en charge d'obtenir les données souhaitées à partir du logiciel de stockage, et les télécharger d'une manière organisée pour la base de données. Création d'API requiert des connaissances techniques et doit être réalisée par une équipe spécialisée, que ce soit un membre de la société elle-même ou sous-traité.

organigramme
organigramme

4.2 TABLEAU DES FLUX DE COLLECTE ET ANALYSE DE DONNÉES

  • Définir les bonnes questions;

professionnels de l'informatique avec la société d'administration et la direction doivent discuter quelles sont les bonnes questions à poser afin d'obtenir les réponses dans la structure qu'ils veulent.

  • Définition des données d'intérêt;

Les données qui sont intéressantes pour l'entreprise et qui peuvent être utilisés afin d'apporter des résultats, devraient être bien définis. Le stockage des données a son coût, ainsi toute information supplémentaire qui est stocké et qui n'a pas d'utilisation signifie une perte pour l'entreprise. Dans un scénario sinon la société a également perdu, à défaut de recueillir des données importantes à lui, les gains peuvent être réduits ou nuls. Il est extrêmement important d'identifier les données doivent être collectées et qui doivent être ignorées.

  • La collecte des données générées par les clients;

Une fois que le client effectue un achat en magasin ou boutique en ligne, diverses données sont générées. Toutes ces données sont collectées par la société. Des exemples de ces données: la date et l'heure de l'achat, le nom du client, le prix d'achat, produits, etc.

  • L'envoi de données à la base de données via l'API;

L'envoi des données recueillies par la société à la base de données est effectuée automatiquement et en temps réel via l'API, qui est responsable de ce processus.

  • Le stockage des données de manière structurée dans la base de données;

Les données recueillies seront stockées de manière organisée dans la base de données que le personnel informatique a défini comme étant la meilleure façon, de sorte qu'après qu'ils sont traités et analysés plus facilement.

  • Le traitement et la transformation des données en informations;

Avec les données stockées et organisées sur le serveur est fait une analyse de traitement et des données. Le traitement des données est constitué d'une série d'activités menées de façon ordonnée, la formation d'un arrangement d'information, où les données et / ou des informations sont collectées afin qu'elles puissent être organisées et analysées résultant dans le but que le système ou l'utilisateur veut utiliser.

  • Analyse et étude de l'information;

À ce moment-là, toutes les informations générées par le traitement des données recueillies seront analysées. Ici, les professionnels responsables chercheront des réponses aux questions posées au départ. Ils se trouvent généralement des profils de clients individuels ou certains groupes, les tendances de consommation, les comportements et les habitudes d'achat.

  • Prendre des décisions fondées sur les analyses de l'information;

Après analyse et trouvé des réponses aux questions initiales, la société peut trouver des idées pour des ajustements et des améliorations possibles dans ses processus sur la base de ces informations. Modèles de comportement et d'achat, par exemple, peuvent influencer directement le processus de commercialisation, ce qui rend beaucoup plus efficace, mais en gardant le même investissement. En résumé, à ce stade, la décision de la façon de se comporter sur le marché et les clients, ils devraient être pris en fonction de l'analyse faite sur les informations recueillies.

  • modification de la demande et des améliorations;

A ce stade, le fait que les entreprises fera la mise en œuvre des améliorations de processus identifiés à l'étape précédente. Ces améliorations devraient être mises en œuvre de manière organisée et planifiée, de sorte que génèrent le meilleur résultat possible.

Cycle de collecte, d'analyse et de données d'application. Source: Les données produites par la recherche.

4.3 IMPACTS DES GRANDS D'UTILISATION DES DONNÉES EN COURS DE DISTRIBUTEURS D'ENTREPRISE

L'utilisation de Big Data dans les entreprises, si elle est faite correctement, peut générer d'excellents résultats pour la même dans son ensemble. Ceci est réalisé par le fait que le Big Data peut générer des améliorations dans de nombreux processus d'affaires individuels, qui est, il n'a pas d'impact non seulement un processus l'autre. Parmi ces processus qui pourraient être touchés par Big Data, cette

le travail sera limitée à afficher uniquement les marketing, les ventes, la logistique et la prise de décision, comme ils sont des processus qui souffrent un grand impact direct.

4.3.1 Impact de Big Data dans le marketing de l'entreprise

Le marketing est essentiel pour l'entreprise et pour les clients, il est donc important que l'attention de la société à ce point. En plus de chercher à découvrir les besoins et les exigences d'un marché cible particulier est la commercialisation qui fait la présentation d'un produit ou d'un service à la clientèle afin de les attirer et de susciter l'intérêt de celui-ci de la consommation. Avec l'utilisation de Big Data, le marketing de l'entreprise peut devenir beaucoup plus efficace.

Avec des entreprises Big Data peut beaucoup plus d'informations sur l'achat et vos habitudes de comportement du public, et d'accomplir ainsi de façon plus objective et efficace les processus de commercialisation. De plus, il est possible de découvrir d'autres groupes de clients avec des habitudes différentes ou même des utilisations différentes pour certains produits. Avec toutes ces informations, le marketing peut être personnalisé.

Un bon exemple est que, au lieu du magasin atteindre les promotions généralisées, les promotions peuvent être personnalisées pour chaque client. Ils peuvent être envoyés par e-mails, des tracts livrés à la maison, ou même par des annonces sur les réseaux sociaux de chaque client. Ainsi, la société en investissant le même montant dans le marketing, vous pouvez obtenir de meilleurs résultats depuis ce produit, marque ou d'un service pour atteindre les personnes qui ont une plus grande prédisposition à les acquérir.

Mayer-Schönberger et Cukier (2013) exemplifient dans son livre, une chaîne américaine de magasins appelé Target a réalisé les habitudes de consommation des femmes enceintes en début de grossesse, où la consommation de produits hydratants ou similaires a été très élevé. De là, le magasin a commencé à envoyer des brochures et des cartes promotionnelles personnalisées à ces clients, qui avaient seulement les promotions des produits pour les femmes enceintes et les bébés. En fin de compte, Target a constaté qu'une jeune femme était enceinte avant même son père. Cible, avec ces informations, la création d'un plan de marketing spécifique pour ces personnes, parce que je pouvais faire des projections quand le fait que l'enfant serait né, et à cette époque, les produits offerts en vente comme les lits d'enfant, des couches et des ustensiles pour les bébés.

Compte tenu de ces tendances est la clé de gros volumes de données, car avec eux, il est possible d'avoir une idée du comportement des clients, et comment l'utiliser pour rendre les processus d'affaires plus efficace. Dans l'ensemble, le Big Data peut aider la commercialisation fournissant ainsi des informations à conduire où, quand et à qui certaines promotions ou des informations sur des produits ou des services à envoyer. Rappelez-vous que souvent le Big Data ne présentera pas pourquoi faire fonctionner les choses de cette façon, en particulier, mais en nombre, il peut prouver que cela fonctionne réellement.

4.3.2 Impact des gros volumes de données dans les ventes et de la logistique

La vente est l'objectif principal pour les entreprises, il est une des principales raisons de tenir ce processus de mise en œuvre et l'utilisation des Big Data. Bien que tous les processus sont reliés entre eux, la logistique a une plus grande pertinence en matière de ventes, car faire la vente du produit ou d'un service, il est nécessaire que la société est en mesure de fournir au client. Cela implique non seulement la disponibilité mais aussi

la vitesse et la qualité de la prestation, ce dernier applique particulièrement aux ordres qui sont envoyés par les services de livraison, différent lorsque le client retire personnellement.

Ainsi que les habitudes d'achat et les comportements aident le marketing, la même chose se produit dans la vente et la logistique. Savoir comment les clients vont se comporter face à certaines situations, l'entreprise peut anticiper et organiser l'environnement d'une manière que le client consomme plus et laisser satisfait de la même façon. Organiser l'environnement, il est non seulement la mise en page ou l'affichage des produits, mais aussi faire en sorte que le produit que la demande des clients, est disponible et que le magasin est pas surpris dans certaines situations, à défaut de faire des ventes et de provoquer le mécontentement sur le client, qui il n'a pas trouvé ce que vous cherchiez. L'un des exemples intéressants cités par Mayer-Schönberger et Cukier (2013, p.

37) est de Wal-Mart:

En 2004, Wal-Mart décapé l'énormité des données de transaction passées, que chaque élément de consommateur a acheté et le coût total, quoi d'autre était dans son panier, le temps et même le temps. Ce faisant, la compagnie a fait remarquer que, avant un avertissement d'ouragan, pas seulement la vente de lanternes augmenté ainsi que Pop-Tarts, américain typique doux. Ainsi, comme une tempête approchait, Walmart pilonné les boîtes Pop-Tarts à l'avant des magasins, à proximité des articles pour les ouragans afin de faciliter la vie des consommateurs qui vont et viennent – et augmentant ainsi les ventes.

Dans cet exemple, on peut observer qu'ils avaient déjà des connaissances sur la consommation accrue des lanternes quand il y avait des prévisions des ouragans. De plus, ils ont réussi la lecture il y avait aussi une augmentation de la demande d'un bonbon américain typique appelé Pop-Tarts. Ainsi, quand il y avait un avertissement d'ouragan dans une ville ou un État, Wal-Mart pourrait préparer de telle sorte que ces produits ont été trouvés dans un moyen facile dans le magasin, et aussi veiller à ce qu'ils ont suffisamment de produit pour répondre à la demande. Il est à noter que, dans livor, Mayer-Schönberger et Cukier rapport que nous avons eu aucune certitude quant à la raison de l'augmentation des ventes de Pop-Tarts doux, mais cela a fonctionné.

Mayer-Schönberger et Cukier (2013, p. 37) donnent un autre exemple de Wal-Mart, ce qui prouve que le Big Data montre déjà sa puissance à partir des années 90.

« Dans les années 1990, [Walmart]il a révolutionné le commerce de détail d'enregistrer tous les produits sous forme de données par le biais d'un système appelé Retail Link, les principaux fournisseurs de surveiller le débit et le volume des ventes et des stocks. La création de cette transparence a permis à l'entreprise d'obliger les fournisseurs à prendre soin eux-mêmes de l'offre. Dans de nombreux cas, Wal-Mart n'a pas « approprié » d'un produit juste avant la vente, ce qui réduit le risque et le coût du stock. Walmart a utilisé les données pour devenir, en fait, le plus grand magasin de produits expédiés dans le monde. "

Ces exemples montrent comment Big Data pourrait aider une grande entreprise sur le marché de détail, de sorte qu'il pourrait réduire vos coûts, augmenter vos ventes et donc être plus compétitifs sur le marché. L'utilisation de Big Data a fait ces processus souffrent d'un impact positif, augmente son efficacité, et par conséquent un impact sur le résultat du magasin dans son ensemble.

4.3.3 Impact des Big Data dans les décisions prises

Processus de prise de décision sont des moments critiques dans les entreprises. Ceci est le temps que l'entreprise doit décider d'une façon parmi beaucoup d'autres. Le poids de la décision est élevée, car en termes d'image de l'entreprise et même financière, peut signifier un gain ou une perte. Ainsi, il est intéressant de noter que la société a la plus grande quantité possible d'informations, que ce soit à ses clients, l'environnement interne ou externe. Plus d'informations, plus la capacité de prendre une décision réussie.

Voici comment Big Data aide les entreprises dans la prise de décision en fournissant la plus grande quantité d'informations utiles possible. Ce qui à son tour peut être utilisé pour obtenir un aperçu de la façon dont le marché peut se comporter dans un proche avenir. Le fait que les choses sont incertaines, rien ne peut être garantie, mais il en est ainsi pour tout le monde, et ouvre la voie à ceux qui ont plus d'informations. Au croisement des données obtenues sur les clients, comment ils se comportent, quels sont leurs habitudes, ainsi que d'autres informations qui peuvent être acquis sur la géolocalisation, ou même des situations politiques et économiques, les entreprises peuvent obtenir une bonne idée de la façon de se comporter ce marché souffre autant de variations.

Dans un marché comme celui actuel, qui comporte des changements extrêmement rapides, le processus de collecte des données jusqu'à sa transformation en décisions ne peut être lent. Alors que le marché change très rapidement, les réponses des entreprises devraient être aussi rapide que. Il ne contribue pas à prendre la bonne décision, si elle est effectuée avec retard. Ainsi, le Big Data est certainement une excellente alternative, car avec elle, vous pouvez analyser une énorme quantité de données, et les amener à générer de la valeur pour l'entreprise dans son ensemble.

Réflexions finales

Cette étude visait à montrer l'importance d'utiliser Big Data sur le marché de détail actuel. Cette importance est l'impact que l'utilisation de cette énorme quantité de données parce que les processus d'affaires et la connaissance du comportement de leurs clients et le marché. Il y a quelques années, l'importance de cette technologie est reconnue, et devient jour plus essentiel pour les entreprises.

Comme le développement de la recherche, on peut noter que la mise en œuvre de l'infrastructure nécessaire dans les entreprises pour la lecture et l'interprétation des données Big est pas si simple. l'embauche de personnes dont vous avez besoin d'avoir des connaissances dans le domaine de fournir un soutien approprié. L'investissement dans l'équipement ne sont pas vers le bas, car il est nécessaire d'une immense capacité de traitement des données à lire et à analyser cette grande quantité de données. Par conséquent, une étude de faisabilité de la mise en œuvre du système, parce que même si le retour est élevé, il est nécessaire, un investissement important est nécessaire aussi que pour les petites et moyennes entreprises peut être pratique.

L'utilisation de gros volumes de données permet aux entreprises d'analyser les données au-delà de l'espace physique de leurs magasins ou leurs propres sites Web et les réseaux sociaux. Toutes les données peuvent être collectées et peut générer toute sorte d'informations sur l'utilisateur, sont collectées en permanence, ce qui permet aux entreprises de surveiller les comportements, les habitudes et les modes de pensée des gens en général, qui étaient des consommateurs de leurs produits ou non. Ainsi, le niveau de préparation que l'entreprise peut avoir pour certaines situations est extrêmement élevé, bien au-delà ce qu'il était autrefois.

Ont été présentés et commentés sur le développement de la recherche, des exemples de processus qui peuvent être plus efficaces, parmi eux sont les suivants: l'amélioration de la mise en œuvre du capital investi dans le marketing, une meilleure gestion des produits logistiques, une meilleure présentation des produits et de l'organisation des magasins. Tout cela a un impact positif, la réduction des déchets et générant ainsi des bénéfices accrus pour les entreprises.

Comment les données sont générées plus en plus vite et en plus grande quantité, il y a toujours plus de données à analyser. Fait intéressant, le système d'analyse et l'interprétation des données est un cycle. Ainsi, après que la société de mettre en œuvre des changements et des améliorations à partir des données qui a été analysé, il recueillera des données générées en réponse à ces demandes, l'amélioration des processus de plus en plus que les marchés et les changements de comportement des clients. A partir de ce raisonnement a été créé le modèle de déploiement et de mise en œuvre de Big Data, qui a été présenté au travail. Enfin, on peut conclure que les objectifs ont été atteints

suggestions finales

Cette étude a été limitée à la production d'informations sur Big Data et sa fonctionnalité dans les organisations, sans toutefois soumettre votre demande et le déploiement pratique de la routine d'une organisation. Ainsi, il est suggéré que avant de procéder à l'application du modèle dans toute entreprise, que ce soit fait épreuve pratique du même, afin de prouver dans la pratique l'efficacité du modèle.

Il est également suggéré que le travail soit poursuivi afin que la partie pratique de ce modèle à tester, qui identifierait sa fonctionnalité réelle, l'importance et la valeur pour les détaillants.

références

CAMARGO, Shirlei Miranda; Toaldo, Ana Maria M;. NEPHEW, Zaki Akel. La mise en page comme un outil de marketing dans le détail. 2009. Disponible à l'adresse: <http://www.anpad.org.br/admin/pdf/MKT1407.pdf>. Accès le 25 mai. 2017.

CASTRO; NEVES. Gestion des ventes – Planejkamento, stratégie et gestion. São Paulo: Editora Atlas SA, 2005.

Elmasri, Ramez; Navathe, Principes fondamentaux de la base de données B. Shamkant Systems. Disponible à l'adresse: <http://fms.uofk.edu/multisites/UofK_fms/images/pdf/Fundamentals_of_Database_Systems_6t h_Edition.pdf>. Le 12 Août consulté 2016.

ENOMURA, Bianca Yuki. Big Data: L'ère des grandes données sont arrivées. le magazine Superinteressante. v. 4, p. 7-19, Juillet 2014.

Gerhardt, Tatiana Engel; SILVEIRA, Denise Tolfo. Méthodes de recherche. Porto Alegre: Editeur de UFRGS 2009. Disponible à l'adresse: <http://www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf>. Accès 18 Octobre 2016.

IBM. Qu'est-ce que Big Data?. Disponible à l'adresse: <https: // www- 01.ibm.com/software/data/bigdata/what-is-big-data.html>. Le 11 Août consulté 2016.

INTEL. Integrated Electronics Corporation. Big Data 101: données non structurées Analytics Crash Course sur le paysage informatique pour Big Data et les nouvelles technologies. Disponible à l'adresse: <http://www.intel.com/content/www/us/en/big-data/unstructured-data-analytics- paper.html>. Le 12 Août consulté 2016.

ISACA®, Confidentialité et Big Data. 2013e. Disponible à l'adresse: <http://www.isaca.org/Knowledge-Center/Research/Documents/Privacy-and-Big- Data_whp_Portuguese_0913.pdf>. Accès 12 août 2016.

ISACA®. Big Data: répercussions et les avantages. 2013b. Disponible à l'adresse: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Le 12 Août consulté 2016.

Kotler, Philip. Gestion du marketing. 14. Ed. – Sao Paulo: Pearson Education, Brésil, en 2012.

LAUDON, Kenneth C. LAUDON, Jane P. gestion des systèmes d'information. Ed. 11. São Paulo, SP: Pearson Education, Brésil, en 2014.

LIMA, Cecilia A. R;. Calazans, Janaina H. C. Empreintes numériques: "Big Data" et des informations stratégiques sur la consommation. Disponible à l'adresse: <http://gitsufba.net/anais/wp-content/uploads/2013/09/13n2-pegadas_49483.pdf>. Le 11 Août consulté 2016.

Manyika, James; COP, Michael; BROWN, Brad et al. Big data: La prochaine frontière pour l'innovation, la concurrence et la productivité. Disponible à l'adresse: <http://www.mckinsey.com/business-functions/business-technology/our-insights/big-data-the–pour-innovation prochaine frontière>. Le 11 Août consulté 2016.

MAYER-SCHÖNBERGER, Viktor; Cukier, Kenneth. Big Data: Comment extraire le volume, la variété, la vitesse et la valeur de l'information quotidienne Avalanche. Rio de Janeiro: Elsevier, 2013.

MORITZ, Gilberto Oliveira;. PEREIRA, Maurício Fernandes. Processus de décision.

Florianópolis, Caroline du Sud. SEAD / UFSC 2006.

PAURA, Glávio Leal. Principes fondamentaux de la logistique. Curitiba, PR. 2012.

Prodanov, Cleber Cristiano; FREITAS, Ernani Cesar. Méthodologie du travail scientifique: m[recurso eletrônico]éthodes et techniques de recherche et de travaux universitaires. 2e éd. – Novo Hamburgo, RS: Feevale 2013.

le magazine Exame. Atacarejo conduit à la représentation pour les familles. Par CONTENU Estadão. Disponible à l'adresse: <http://exame.abril.com.br/negocios/atacarejo-lidera-em- représentation pour les familles-/>. Consulté le: 06 Décembre 2016.

ROESCH, Sylvia Maria Azevedo. Scénographie et administration de la recherche. 2e éd. – Sao Paulo, SP: Editora Atlas SA, 1999.

SILVEIRA, Daniel; CAVALLINI, Marta. Les ventes au détail tombent en Février 2017, dit IBGE. Par G1 Globo – économie. Disponible à l'adresse: <http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em-fevereiro-de-2017-diz- ibge.ghtml>. Consulté le 25 mai 2017.

TAURION, Cezar. Big Data. Rio de Janeiro, RJ :. Editeur Brasport Books et Media Ltd., en 2013. ePUB.

Tessarolo, Peter H;. MAGALHÃES, William B. L'ère des Big Data dans le contenu numérique: les données structurées et non structurées. Disponible à l'adresse: <http://web.unipar.br/~seinpar/2015/_include/artigos/Pedro_Henrique_Tessarolo.pdf>. Le 12 Août consulté 2016.

DAMA GUIDE. Le Guide DAMA l'ensemble des connaissances de gestion des données. Disponible à l'adresse: <https://www.safaribooksonline.com/library/view/the-dama- Guide / 9781935504009 / DMBOK% 20Guide.html>. Le 12 Août consulté 2016.

[1] spécialiste du cours d'administration CEULJI / ULBRA

[2] Mme UFSC, cours d'administration des enseignants CEULJI / ULBRA

[3] SILVEIRA, Daniel; CAVALLINI, Marta. Les ventes au détail tombent en Février 2017, dit IBGE. Par G1 Globo – économie. Disponible à l'adresse: <http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em- Février à 2017-dit ibge.ghtml>. Consulté le 25 mai 2017.

[4] le magazine Exame. Atacarejo conduit à la représentation pour les familles. Par CONTENU Estadão. Disponible à l'adresse: <http://exame.abril.com.br/negocios/atacarejo-lidera-em-representatividade-para-familias/>. Consulté le: 06 Décembre 2016.

[5] API est un ensemble de routines de programmation et de normes d'accès à une application logicielle ou plate-forme Web. L'API de suivi fait référence au terme anglais « Interface de programmation d'application », qui signifie en traduction dans « Interface de programmation d'application » portugais.

DEIXE UMA RESPOSTA

Please enter your comment!
Please enter your name here