REVISTACIENTIFICAMULTIDISCIPLINARNUCLEODOCONHECIMENTO
Pesquisar nos:
Filter by Categorias
Agronomia
Ambiente
Amministrazione
Amministrazione Navale
Architettura
Arte
Biologia
Chimica
Comunicazione
Contabilità
cucina
Di marketing
Educazione fisica
Etica
Filosofia
Fisica
Formazione
Geografia
Informatica
Ingegneria Agraria
Ingegneria ambientale
Ingegneria chimica
Ingegneria Civile
Ingegneria di produzione
Ingegneria di produzione
ingegneria elettrica
Ingegneria informatica
Ingegneria meccanica
Legge
Letteratura
Matematica
Meteo
Nutrizione
Odontoiatria
Pedagogia
Psicologia
Salute
Scienza della religione
Scienze aeronautiche
Scienze sociali
Sem categoria
Sociologia
Storia
Tecnologia
Teologia
Testi
Turismo
Veterinario
Zootecnici
Pesquisar por:
Selecionar todos
Autores
Palavras-Chave
Comentários
Anexos / Arquivos

L'importanza di Big Data per la comprensione dei consumatori abitudini di acquisto, aumento vantaggio competitivo nel Retail

RC: 12319
194
5/5 - (1 vote)
DOI: ESTE ARTIGO AINDA NÃO POSSUI DOI
SOLICITAR AGORA!

CONTEÚDO

BULIAN, Braian de Souza [1]

ALENCAR, Cícero Aparecido [2]

BULIAN, Braian de Souza; ALENCAR, Cícero Aparecido. L'importanza di Big Data per la comprensione dei consumatori abitudini di acquisto, aumento vantaggio competitivo nella vendita al dettaglio. Rivista scientifica multidisciplinare Knowledge Center. Edizione 08. Anno 02, Vol. 03. pp 18-41, novembre 2017. ISSN: 2448-0959

sommario

Nello scenario attuale del mercato, le aziende che necessitano di più e di più per distinguersi. Capire come i clienti e il mercato stesso si comportano è essenziale se le aziende sono programmati per servirli meglio al fine di ottenere vantaggi competitivi rispetto ai loro concorrenti. Lo scopo di questo studio è stato quello di presentare come Big Data (grande insieme di dati memorizzati) può aiutare i rivenditori per capire meglio le abitudini specifiche di acquisto e di comportamento dei loro clienti, e come può aiutarli a diventare i processi interni più efficienti, che permette di aumentare il loro vantaggio competitivo. Inoltre, ha presentato un modello teorico di attuazione del Big Data. Questo studio progredisce in base alla posizione Taurion (2013). " ... Big Data crea valore per le aziende a scoprire modelli e relazioni tra i dati che sono stati persi non solo sul data warehouse interne, ma nel loro Web, nel tweet, commenti su Facebook e anche i video di YouTube. "Si è concluso che il trattamento e l'analisi dei Big Data, se ben implementato, fornisce miglioramenti nei vari processi all'interno delle aziende, come il marketing, la logistica, il processo decisionale e gli altri. Ricordate che le aziende devono effettuare uno studio di fattibilità per l'applicazione di questa tecnologia, al fine di sapere se la società dispone di strutture minime necessarie per l'attuazione di strumenti in grado di eseguire la lettura e l'analisi di questa grande quantità di dati.

Parole chiave: Big Data, Vendita al dettaglio, vantaggi competitivi.

1. INTRODUZIONE

Anche se molto importante, a causa della creazione di posti di lavoro formali, la gestione dell'economia, capitale circolante e altri al dettaglio ha sofferto considerevolmente negativo. Secondo il soggetto del globo (G1[3]) di Daniel Silveira e Marta Cavallini, dal 2015, le vendite di filiali stanno mostrando cali. Con l'instabile scenario politico economica di oggi, la tendenza è che il mercato diventa sempre più competitivo. Come risultato, i clienti sono alla ricerca di prodotti meno costosi. Prova di ciò è l'aumento delle vendite e l'espansione dei mercati secondo il modello "atacarejo" modalità di trading che fonde il self-service di tipo all'ingrosso e al dettaglio ipermercato, che consente la vendita di prodotti ad un prezzo inferiore. Secondo la rivista Exam[4]e, ricerca presentata durante il lancio della Associazione Brasiliana dei grossisti di Self-Service (Abaas) sottolinea che questo tipo di negozio raggiunge il 46,4% delle famiglie, superando quest'anno (2016) questo criterio supermercati, avendo già superato ipermercati nel 2015.

Così, di conseguenza, le persone cambiano le loro abitudini di forma per adattarsi, è alla ricerca di prezzi più bassi o che cercano il miglior rapporto costo-benefici di ogni prodotto. Sulla base di questo scenario, le aziende cercano modi per rimanere sul mercato che possono essere basate su soluzioni semplici come licenziamenti dei dipendenti, o anche più complesse, miglioramenti nei suoi processi. Tutto questo mira a ridurre i costi e soddisfare i clienti, aumentando la sua competitività sul mercato e garantire la sopravvivenza della società, o anche il tuo punto forte.

L'uso di Big Data con strumenti specifici è diventata un'opzione quasi necessario per le aziende di stare fuori oggi. Un passo fatto, un acquisto realizzato, l'accesso al tuo social network, un sito web, un clic. Ogni secondo, per ogni azione posseduta, i dati vengono generati. Essi sono sempre esistiti, ma ogni minuto che passa, essi sono generati in maggior quantità e velocità. Inoltre, la capacità di memorizzazione e la lettura di tali dati è in forte aumento, il che rende anche possibile per trasformarli in informazioni utili per il mercato, qualunque sia il loro settore di competenza.

Il Big Data riferisce ad una quantità immensa di dati e, pertanto, sono necessari strumenti specifici in grado di eseguire la lettura, in modo che tutti possano generare informazioni che saranno utili per lo scopo previsto interpretato,. Le aziende, di non utilizzare questo grande volume di dati, non riescono a interpretare i dati, in ogni caso, vengono generati. Di conseguenza, le informazioni specifiche sulle abitudini come lo shopping e il trasporto, che non sono raccolte. Così, le aziende potrebbero migliorare i processi già realizzati, come la logistica, marketing e altre decisioni, che cercano sempre il modo migliore per servire i propri clienti, quali che siano le loro esigenze, e quindi ottenere un vantaggio competitivo nel mercato attuale, come contestato. Attraverso questo contesto, si interroga: come Big Data può aiutare i rivenditori a capire le abitudini specifiche di acquisto di ogni consumatore, e come può questo aiuto?

Questo studio si propone di esaminare come Big Data può aiutare i rivenditori a comprendere meglio l'abitudini specifiche di acquisto dei propri clienti e, quindi, ottenere un vantaggio competitivo. In primo luogo è stato presentato attraverso riferimenti bibliografici come le aziende possono raccogliere i dati, trovare modelli e le abitudini di acquisto dei vostri clienti e applicare dati di grandi dimensioni. Poi è stato dimostrato per l'interpretazione dei dati raccolti aiuto per aumentare l'efficienza dei processi operativi già effettuati da queste società, aumentando il loro vantaggio competitivo. Infine, un modello di distribuzione di Big Data è stata presentata sulle società, alla ricerca di miglioramenti nei processi amministrativi da modelli di consumo e di mercato. Così, si può dire che questo lavoro può essere rilevante ai rivenditori e ulteriori informazioni per acadêmica.o zona causato dalla realizzazione di Big Data nelle aziende in questo ambiente contemporaneo. Inoltre, la fattibilità di questo lavoro è dovuto al contenuto estesa che può essere trovato sul soggetto che funge da base teorica, e dispongono anche di risultati e confronti tra le aziende che utilizzano i Big Data, e le aziende che non utilizzano.

2. TEORICO

Questo capitolo tratta il background teorico del progetto e fornisce informazioni essenziali per comprendere il concetto di Big Data e il suo ruolo nel mondo contemporaneo. Inoltre, dimostra l'importanza dell'applicazione di questa tecnologia nelle imprese, al fine di aumentare l'efficienza nei loro processi, migliorando così la competitività dello stesso.

2.1 DATI BIG

Nonostante il suo aspetto a circa all'inizio degli anni '90, Big Data è ancora considerato qualcosa di nuovo come sta diventando sempre più comune solo negli ultimi anni. A causa di questo, non esiste ancora un concetto esatto che definisce ciò che è in realtà il Big Data. Così, si possono trovare molte definizioni di esso ruotano intorno alla stessa idea.

Secondo Kenneth Laudon e Jane Laudon (2014), di recente la maggior parte dei dati raccolti dalle organizzazioni consisteva di dati transazionali che potrebbero essere facilmente organizzati e in relazione a programmi di gestione, tuttavia, ultimamente c'è stata una raffica di dati a causa di enorme traffico web tramite e-mail e contenuti di social networking. Ancora sugli autori, il Big Data non fa riferimento ad alcuna specifica quantità di informazioni, ma i dati nella gamma di petabyte e exabyte, essendo di miliardi di bilioni di record, il tutto da varie fonti.

Secondo Enomura (2014), che definisce il termine "Big Data" è molto complicato, e la sua prima definizione, in modo noto oggi è stato nel 2001 con Doug società Laney Gartner Group, le famose tre del V (volume, velocità e varietà) . Sono database la cui capacità richiedono modalità innovative di elaborazione delle informazioni per una migliore comprensione e il processo decisionale.

Mayer-Schonberger e Cukier (. 2013, pag 4) recano la seguente idea circa il termine:

Non esiste una definizione rigorosa del termine. In un primo momento, l'idea era che il volume delle informazioni era cresciuto così tanto che la quantità considerata non più in forma in memoria di elaborazione del computer, così gli ingegneri hanno dovuto migliorare gli strumenti utilizzati per l'analisi. Questa è l'origine di nuove tecnologie di trasformazione, come MapReduce di Google e il suo equivalente open-source, Hadoop, lanciato da Yahoo. Essi consentono di gestire molti più dati rispetto a prima, ed i dati – questo è importante – necessità di non essere allocato in righe o nelle classifiche di musica classica.

Per un migliore sviluppo e la comprensione del lavoro, allora c'è una tabella contenente altri concetti importanti di Big Data, citate da autori importanti della zona.

Tabella 1: Autori / Organizzazioni e le loro rispettive concetti di Big Data

Autore / Organizzazione concetto
Taurion Cesar (2013, p. 26) " … senza dubbio stiamo parlando di un volume molto significativa di dati. Ma al di là dei volumi abissali, ci [..]sono una varietà di d[…]ati e velocità. […] Personalmente aggiungo altre due variabili: l'accuratezza dei dati[…] e valore di business.
McKinsey Global Institute (2011) "L'ampio uso di reti sociali online, i dispositivi mobili per la connessione a Internet, le transazioni e contenuti digitali, nonché il crescente utilizzo del cloud computing ha generato una quantità incalcolabile di dati. Il termine Big Data si riferisce a questo insieme di dati la cui crescita è esponenziale e la cui dimensione è al di là della capacità di strumenti tipici di acquisire, gestire e analizzare i dati. "
IBM (2016) "Ogni giorno, creiamo 2,5 quintilioni di byte di dati – tanto che il 90% dei dati nel mondo di oggi è stato realizzato negli ultimi due anni. Questi dati provengono da tutto il mondo: sensori utilizzati per raccogliere informazioni clima, i messaggi ai siti partner di media, immagini digitali e video, registrazioni di acquisto delle transazioni, e segnali del telefono cellulare GPS per citarne alcuni. Questi dati sono Big Data.
ISACA (2013b, p. 05) "Il Big Data è un termine sia tecnico che di marketing, che si riferisce a informazioni preziose risorse di business."

Fonte: Adattato da Big Data, 2013; Big Data: la nuova frontiera per l'innovazione, la concorrenza e la produttività,

2011; Qual è il Big Data? 2016; Big Data: impatti e dei benefici, 2013.

Tra i concetti, è spesso citato circa il volume, la varietà e la velocità dei dati. In alcuni casi, spesso più recente, v'è anche il valore e la veridicità dei dati. Pertanto, è importante anche per la definizione e la comprensione di che cosa e perché l'impatto sul concetto di Big Data.

Secondo Intel (2012), caratteristica delle tre del V in merito a ciò che il Big Data è nel suo complesso, ma anche a definire le questioni chiave e deve essere affrontato, e cioè:

Volume: La portata e la crescita dei dati non strutturati massiccia superare il tradizionale stoccaggio e analisi;

Varietà: Big Data sono raccolti da nuove fonti che non sono stati estratti in passato. processi di gestione dei dati tradizionali non possono far fronte con la diversità e variazione di Big Data, che viene fornito in diversi formati come e-mail, social networking, video, immagini, blog, e dati del sensore; e

Velocità: I dati sono generati in tempo reale con gli obblighi di informazione utili per essere servito.

Per Taurion (2013), ci sono altre due variabili da considerare, vale a dire:

Verità: perché abbiamo bisogno di fare in modo che i dati hanno senso e sono autentici; e

Valore: perché è assolutamente necessario per l'organizzazione di implementare progetti di Big Data ottenere il ritorno su questi investimenti.

2.1.1 L'impatto di grandi dati sul commercio

L'applicazione di Big Data in società può portare effetti positivi e negativi in ​​vari settori. Pertanto, è necessario uno studio in modo che la società ha le informazioni necessarie sul sistema prima di distribuirlo, evitando il maggior numero di perdite e risultati negativi.

Il Big Data può avere un impatto modelli di processo attuali e futuri in diversi modi. Oltre all'impatto sulle imprese, l'aggregazione dei dati può influenzare la governance e la pianificazione della gestione, l'uso, la garanzia, la privacy (ISACA®2013b):

  • Governance – così si ha cura di definire in che modo il governo di grandi dati e quali dati saranno inclusi o meno.
  • Progettazione – si compone di raccogliere e organizzare i risultati, che aiutano a giustificare aggiustamenti e / o miglioramenti di processo che possono essere identificati utilizzando tecniche di ricerca specifici, sviluppare programmi di scambio a seguito di un orientamento a determinate condizioni che attivano gli eventi, l'incoraggiamento per lo shopping la standardizzazione si vuole come cliente e confrontare prodotti e servizi di ricerca, utilizza le informazioni in base alla posizione insieme ad altri dati per verificare i dati dei clienti (fedeltà a un prodotto o azienda, percorsi, richieste di prodotti differenti e) aiuto nella gestione just-in time (JIT) inventario e l'inventario in base a variazioni della domanda, come gli orari specifici, assistenza nella gestione delle operazioni di logistica in tempo reale.
  • Utilizzare – l'uso di dati Big richiede una buona infrastruttura. Le piccole imprese possono richiedere molto più tempo per l'attuazione di questo concetto a causa di questi
  • Garanzia – dopo aver sviluppato una buona strategia per aumentare Big Data, la società dovrebbe preoccuparsi di impostare una struttura di garanzia, essendo così in grado di controllare e proteggere il Big Data. Garanzia e qualità dei dati, sono grandi preoccupazioni per le aziende.
  • Privacy – ci dovrebbe essere una particolare attenzione ai dati e alle informazioni personali, anche se autorizzata dagli utenti, sempre evitando l'esposizione e la protezione delle persone in malafede. Inoltre, ogni governo ha le proprie leggi, il divieto o la legalizzazione determinate azioni, si dovrebbe essere consapevoli di questo anche.

2.1.2 Come il Big Data può aiutare le aziende

Ogni popolo momento, e anche le cose, stanno generando i dati. Con il progresso della tecnologia, il volume di tali dati è aumentata notevolmente, e una maggiore capacità di monitorare loro. Allo stesso modo, la tecnologia ha fornito strumenti in grado di separare, organizzare ed effettuare la lettura dei dati, in modo che essi si trasformano in informazioni importanti.

Recenti ricerche indicano che l'uso corretto dei Big Data può svolgere un ruolo economico nel pr[…]omuovere l'innovazione, la competitività e la produttività in tutti i segmenti (LIMA, Cecilia A. R;. Calazans, Janaina C. H., 2013). A complemento, McKinsey Institute (Manyika, James; COP, Michael; BROWN, Brad et al) dice che l'uso di dati di grandi dimensioni diventerà una base essenziale per la competitività e la crescita delle singole aziende. Dal punto di vista della competitività e il valore potenziale di acquisizione, tutte le aziende devono prendere sul serio Big Data.

(. 2013b, p 07) ISACA® ha il seguente parere circa le opportunità che i grandi dati possono portare:

Le opportunità Big Data sono significative, così come le sfide. Le aziende che dominano la disciplina emergente della gestione dei Big Data può raggiungere benefici significativi e differenziarsi dalla concorrenza. In realtà, la ricerca da Erik Brynjolfsson, economista presso la Sloan School of Management presso il Massachusetts Institute of Technology (USA), mostra che le aziende che utilizzano il "processo decisionale basato su dati" ottenuti con un aumento del 5-6 per per cento della produttività. L'uso corretto dei Big Data va oltre la raccolta e l'analisi di grandi quantità di dati; richiede anche una comprensione di come e quando utilizzare i dati per prendere decisioni cruciali.

Figura 1: Analisi della specifica società informazioni di business. Fonte: ISACA®2013b, p. 07 - Big Data: impatti e dei benefici. Disponibile all'indirizzo: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf srcset=
. Consultato il 12 agosto Il 2016.” width=”763″ height=”360″ /> Figura 1: Analisi della specifica società informazioni di business. Fonte: ISACA®2013b, p. 07 – Big Data: impatti e dei benefici. Disponibile all'indirizzo: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Consultato il 12 agosto Il 2016.

L'analisi dei Big Data può avere un impatto positivo (ISACA®, 2013b) nello sviluppo di un prodotto, o di mercato, l'efficienza operativa, l'esperienza e la fidelizzazione dei clienti, così come le previsioni della domanda di mercato. Secondo Taurion (2013) l'uso di Big Data da parte delle imprese contribuisce a migliorare le varie azioni, prima impensabili, come ad esempio:

  • Ottimizzare cross-selling o di cross-selling. Secondo Taurion (2013), circa il 30% delle vendite di Amazon sono causati dalle raccomandazioni "Si potrebbe anche voler" o "Si consiglia inoltre a".
  • Location-based di marketing o di marketing basati sulla posizione. Identificando la posizione di un cliente, l'azienda può inviare un messaggio specifico a lui con qualche promozione Secondo Taurion (2013), 79% dei clienti di Starbucks che ricevono personalizzato messaggio di diventare più probabilità di visitare il negozio.
  • analisi del comportamento dei clienti nel negozio. Circa l'80% del tempo dei clienti all'interno di un negozio viene speso girando nella ricerca di prodotti e in realtà non interagire o di acquisto. Monitorare e analizzare il comportamento dei clienti in negozio permette di investire in titoli che sfruttano questo tempo sprecato.

Tessarolo e Magellano (. 2015, p 03), danno altri esempi di come Big Data aiuta le aziende brasiliane:

Brasile, le società di telecomunicazioni quali Globo, Record e SBT utilizzare Big Data per misurare la popolarità dei loro programmi. Usano i servizi di social media che cercano informazioni sui social network come Facebook e Twitter hanno dato argomento discusso in qualsiasi programma è stato accettato dal bersaglio o meno gli spettatori. Così, i produttori e registi possono prendere decisioni migliori da questa informazioni raccolte dai media.

L'uso di Big Data, come accennato in precedenza, ha una elevata capacità di aiutare le aziende a ottenere il massimo dell'efficienza di tutti i suoi processi. Pertanto, l'uso delle risorse disponibili e nel complesso ridotto della stessa rifiuti, consente alle aziende di avere il più basso costo e di conseguenza il più alto profitto possibile.

2.1.3 raccolta e l'analisi dei dati

Come accennato in precedenza, il Big Data si tratta di raccogliere i dati, organizzarli e li analizzate. Al momento, i dati vengono suddivisi in strutturati e non strutturati. Le informazioni memorizzate nei database è noto come dati strutturati, in quanto essa è rappresentata in un formato rigoroso. Per esempio, ogni record in una tabella di database relazionale. (Elmasri, 2011, p. 416)

Per Tessarolo e Magellano (2015), quando si tratta di una quantità enorme di dati, che provengono da diverse fonti e modi. Si tratta di una grande sfida per la mia, pulita, organizzare, correlare, collegamento e trasformare i dati in informazioni rilevanti. Affinché ciò sia possibile, è necessario creare un database in cui tutte queste informazioni viene catturato attraverso applicazioni create con lo scopo di guidare questi dati, memorizzandoli in modo organizzato e chiaro, facilitando così la ricerca e la manipolazione tali dati.

All'interno della rete internet solo un quarto di questi dati vengono presentati memorizzati nei database. Un sacco di informazioni è giornaliera crea e meno del 10% può essere estratto e organizzato, rendendo enormi quantità ogni giorno di informazioni diventa spazzatura, ostacolando in tal modo le loro ricerche e diventando spesso inutili. (TESSAROLO E MAGALHÃES 2015. p. 02)

Secondo The Lady Guide (2012), i dati non strutturati sono eventuali documenti, file, grafica, immagini, testi, relazioni, forme o registrazioni video o audio che non sono stati codificati, o comunque strutturato in righe e colonne o record. Secondo molte stime, circa il 90% di tutti i dati memorizzati è tenuto fuori dei database relazionali. dati non strutturati sono presentati come le informazioni memorizzate nel contesto. In realtà, c'è sempre qualche struttura in cui i dati forniscono informazioni, e questa struttura può anche essere tabellare nella sua presentazione.

Per quanto riguarda Tessarolo e Magellano (2012, p 03.):

dati non strutturati comprendono la rete. Di tutti i dati di tutto il mondo che sono stati generati negli ultimi anni solo il 10% dei dati è strutturata. Il restante 90% non è strutturato e raccogliere per la maggior parte nelle reti sociali come Facebook, Twitter, Pinterest, tra gli altri.

Secondo Tessarolo e Magellano (2012), ci deve essere una riorganizzazione e l'estrazione di questi dati digitali in modo che tutte le informazioni create ogni giorno non è persa e può essere utile. La soluzione a questo, senza dubbio, è il Big Data.

2.1.4 Risorse umane per Big Data

Nonostante tutti i requisiti software e hardware, anche bisogno di personale che sanno come gestire questi strumenti per le aziende di ottenere risultati positivi. Secondo Taurion (2013), lo scenario di crescita dei punti Big Data che stanno emergendo nuove opportunità di lavoro per i professionisti IT e altri settori.

Una nuova posizione denominata "scienziato dati" o uno scienziato dei dati è un buon esempio. La domanda di solito la formazione in informatica e matematica, così come le capacità analitiche necessarie per trovare l'ago nel pagliaio provvidenziale dei dati raccolti dalla società. "Uno scienziato dei dati è qualcuno che è curioso, che analizza i dati per rilevare le tendenze", ha detto di recente Anjul Bhambhri, Vice Presidente di Big Data Products, IBM. (TAURION 2013. p. 79)

L'autore riassume tre profili professionali di base impegnate in Big Data possono essere identificati. Il primo si basa su scienziati di dati che sono addestrati professionisti in statistica, informatica e / o la matematica in grado di analizzare grandi quantità di dati e di estrarli nuove opportunità di business. La seconda si basa su analisti di business che possono formulare le domande giuste, eseguire l'analisi delle risposte e da loro, prendere decisioni strategiche di business. Il terzo ed ultimo, composto da professionisti della tecnologia prendersi cura delle infrastrutture e la sua assistenza tecnica per sostenere Big Data.

Eppure, Taurion (2013) la grande sfida di Big Data, nei prossimi anni è quello di avere professionisti qualificati, come la tecnologia si sta evolvendo rapidamente e lascia impregiudicati. Il collo è quindi nelle persone, non la tecnologia. Oltre allo scienziato dei dati, c'è spazio anche per altre attività professionali. La forte domanda anche per gli sviluppatori e gli amministratori di sistema, per esempio, che si specializzano in strumenti volti Big Data, come Hadoop, una tecnologia progettata per le applicazioni distribuite con dati ad alta intensità e utilizzato da noti siti come Facebook, Yahoo e eBay .

2.1.5 Rischi e cura in Big Data

Definiti i concetti di Big Data e dei suoi benefici, è importante anche la conoscenza sui rischi e la cura dovrebbe essere presa quando si utilizzano questi dati. Per qualcosa di molto potente, è importante che i confini sono stabiliti, e non v'è una certa etica nell'uso dei dati. Questo perché di tutti questi dati possono essere dati personali, in modo da mettere a rischio la sicurezza della persona in generale.

Secondo ISACA® (2013b), anche se il Big Data in grado di fornire un vantaggio competitivo e di altri benefici, ma comporta anche rischi significativi. Ora che le imprese hanno enormi quantità di strutturati e dati non strutturati disponibili, la gestione dovrebbe chiedere: dove memorizzare questi dati? Come proteggere i dati? e utilizzando i dati in modo sicuro e legale?

Per ISACA® (2013th), il rischio legato alla Big Data può essere classificato come operativo o basato sulla tecnologia dell'informazione. Queste categorie di rischio possono essere ridotti con una forte governance. Così, il rischio operativo si estende su fattori interni ed esterni, tra cui il rischio geopolitico e la corsa per incontrare il consiglio e gli alti dirigenti, che vogliono ottenere davanti alla concorrenza. Ma il rischio di IT (Information Technology) è anche il business, in particolare, il rischio di business associato con l'uso, il possesso, il funzionamento, il coinvolgimento, l'influenza e l'adozione di IT in azienda. Il rischio si verifica quando le garanzie di sicurezza sono superate.

La sicurezza e la privacy svolgono un ruolo sempre più importante nella Big Data, e tutte le parti interessate dovrebbero essere consapevoli delle implicazioni di archiviazione e analisi incrociata di grandi quantità di dati sensibili. (ISACA®, 2013b). L'autore menziona anche che è necessario capire che alcuni dati devono essere considerati tossici, nel senso che la perdita del controllo su di essi potrebbe essere dannoso per la società, vale a dire: le informazioni private o di custodia, come ad esempio il numero di carta di credito, le informazioni personali, come i numeri di previdenza sociale e informazioni sanitarie personali; informazioni strategiche, come ad esempio la proprietà intellettuale, i piani aziendali, e progetti di prodotti; e dei dati, come gli indicatori chiave di performance, risultati di vendita, parametri finanziari e di produzione utilizzate per prendere decisioni cruciali.

La necessità di gestire il rischio di dati all'interno della società non può essere chiaramente comunicata e compresa a tutti i livelli di gestione. E 'essenziale per dimostrare che l'indirizzamento dei rischi e le preoccupazioni Big Data non può essere visto solo come un esercizio di tecnologia dell'informazione. La partecipazione di tutta la società, compresi quelli legali, finanziaria, il rispetto, di revisione interna e di altri reparti aziendali, permette a tutti di concentrarsi su obiettivi di business in fase di pianificazione. Le aziende possono rimanere concentrati sia sugli aspetti tecnici e di business Big Data. (ISACA®, 2013B. p. 08)

Utilizzando Big Data è essenziale per garantire un più alto livello di competitività per le imprese, ma questo potente concetto può aprire le porte ad un uso illegale di esso. Al fine di evitare rischi per la sicurezza delle stesse società e soprattutto i clienti, è fondamentale essere preso alcune misure di cui sopra, al fine di utilizzare solo il suo lato benefico

2.2 PROCESSI AZIENDALI

Le imprese in generale sono costituiti da processi amministrativi che assistono nello sviluppo di un'attività organizzate ed efficienti. Esempi di processi sono: marketing, vendite, logistica e il processo decisionale. Tutti questi processi sono in qualche modo interconnessi e devono lavorare in modo sincronizzato per l'azienda di avere risultati migliori.

2.2.1 Marketing

Il marketing è un giocatore chiave per il mercato retail. La società ha bisogno di essere nella mente dei clienti, in modo che sarà ricordato per il momento in cui il cliente decide di effettuare un acquisto. In aggiunta, ci sono clienti che non conoscono l'esistenza della società, marchio o prodotto offerto, e la maggior parte dei ruoli di marketing rendono questi nota ai clienti.

Secondo Kotler (2012, p. 03), un obiettivo di marketing è la definizione di "esigenze di approvvigionamento che generano profitto. Marketing coinvolge identificare e soddisfare le esigenze umane e sociali. L'autore aggiunge che il marketing si applica a diverse cose, come i beni, servizi, eventi, esperienze, persone, luoghi, le proprietà, le organizzazioni, le informazioni e le idee.

Il Marketing Association americana offre la seguente definizione: Il marketing è l'attività, insieme di conoscenze e i processi di creazione, comunicazione, fornitura e lo scambio di offerte che hanno valore per i clienti, clienti, partner e la società nel suo todo.7 trattare con questi processo di scambio richiede una buona dose di lavoro e abilità. Il marketing management accade quando almeno una delle parti in un rapporto di cambio potenziale è alla ricerca di modi per ottenere le risposte desiderate da altre parti. Vediamo, quindi, la gestione del marketing come l'arte e la scienza di selezione mercati target e cattura, mantenere e fidelizzare i clienti attraverso la creazione, la consegna e la comunicazione di un valore più alto per il cliente. (Kotler 2012. p. 03)

Il layout è anche un punto importante all'interno del mercato, si propone di fornire un migliore utilizzo dello spazio e di fornire qualche conforto al cliente al momento dell'acquisto. Las Casas (1994. cit CAMARGO, Toaldo, NEPHEW, 2009) definisce la layout come le parti essenziali o elementi che aiutano un negozio a raggiungere la massima produttività.

Così, Underhill (1999. citati Camargo, Toaldo, nipote, 2009, P.03) hanno punti importanti da notare in tempo per implementare il layout:

[…]- Velocità di acquisizione: si riferisce al modo in cui il consumatore vede ciò che viene esposto. Area attendibile va da appena sopra gli occhi fino alle ginocchia. Per lo spazio rimanente deve visualizzare grandi prodotti facilmente visibile (ad esempio pannolini); – Tasso di boomerang: questo è quante volte il cliente non andare completamente corridore. Un modo per minimizzare questo effetto e posizionare i prodotti più popolari della centro della sala o luogo esche a entrambe le estremità; – i ben[…]i non devono interrompere la linea del cliente di vista: essi dovrebbero essere in grado di vedere non solo ciò che è di fronte, ma anche in altre parti del negozio; – indurre il consumatore a negozio di fondo: per questa posizione è in questa destinazione categorie di aree così a tutti coloro che cercano questi elementi comprerà gli altri ad andare e venire.

La commercializzazione raggiunge tutte le aree, sia beni, servizi o persone. Quindi la sua importanza è evidente. Capire come funziona il mercato è essenziale applicare il marketing in un modo che raggiungono positivamente tutti gli obiettivi, impattando direttamente e indirettamente al fine di migliorare i risultati finali.

2.2.2 Le vendite

E 'conveniente per sottolineare che il marketing e le vendite sono cose diverse, anche se che caratterizzano una determinata connessione. Weitz et al. (2004. CASTRO NEVES citato e il 2005, pag. 8) definisce vendita personale come un processo di comunicazione personale in cui un venditore identifica e risponde alle esigenze di un acquirente per il beneficio a lungo termine di entrambe le parti. Per quanto riguarda Rogers (1993. CASTRO NEVES citato e il 2005, pag. 8), vendita personale è il lato tagliente del marketing in quanto è quando i rappresentanti della società si trovano faccia a faccia con i potenziali acquirenti. La forza vendita opera come collegamento tra l'azienda ei clienti.

Secondo Castro e Neves (2005, p. 16), il processo di vendita è una sequenza di passi o fasi attraverso le quali i venditori vendono a. Questa sequenza è stato originariamente proposto da Dubinsky nel 1980. I passi riconosciuti come i formatori processo di vendita sono sette, vale a dire:

  • Prospezione: Potenziale di identificazione dei clienti;
  • Pre-approccio: informazioni Raccogliendo così il venditore di preparare per l'approccio;
  • Approccio: Garantire una buona impressione, oltre agli interessi e cura del cliente;
  • presentazione di vendita: presentazione delle offerte e dei benefici;
  • Gestire le obiezioni e superare la resistenza: Superare la resistenza compratore attraverso le risposte e l'enfasi sui benefici dei prodotti;
  • Chiusura: Richiesta Ordine secondo il desiderio del cliente, nella forma più appropriata e
  • servizio post-vendita: Seguire il processo di consegna e la soddisfazione del cliente, fornendo una maggiore credibilità e una possibile futura vendita

I venditori hanno bisogno di capire il comportamento di mercato e dei clienti, in modo che possano prendere tutte le domande e fornire al cliente ciò di cui ha bisogno e desidera che il miglior modo possibile. Il processo di vendita è una serie di passaggi che i venditori hanno bisogno di andare a fare la vendita, ma è importante ricordare che il processo non si ferma alla vendita del prodotto, perché copre anche il mercato del ricambio.

2.2.3 Logistica

La logistica è uno dei processi all'interno delle aziende e le organizzazioni che richiedono un sacco di attenzione. E 'il processo di pianificazione del flusso di materiale, che mira a fornire le esigenze al momento giusto e nella qualità desiderata, ottimizzando le risorse e aumentare la qualità dei servizi. (Ballou 1999. citato PAURA, 2012, p. 13). Secondo PAURA (2012), la logistica e aiutano le aziende, aiuta la qualità della vita locale per quanto riguarda lo sviluppo delle infrastrutture per il suo funzionamento. Questo tema è attualmente di vitale importanza per le aziende in quanto ottimizza le risorse e aumenta la qualità, il che significa un aumento degli utili e minori spese.

La logistica aziendali professionali che studiano come fornire in modo efficiente, la redditività (1) i servizi di distribuzione al cliente, (2) il flusso dei materiali all'interno dell'azienda, (3) l'acquisto di pianificazione, attraverso il controllo e l'organizzazione scorte di materie prime e prodotti finiti, (4) il controllo della programmazione della produzione, e (5) nel controllo del trasporto imballaggio. (PAURA 2012. p. 23)

PAURA (2012) spiega che la logistica per il commercio è considerato essenziale da diversi fattori, tra i quali v'è la dipendenza del commercio è l'adempimento dei termini per le industrie che potrebbero offrire i prodotti al cliente finale. Inoltre, la gestione del commercio in sé logistica è essenziale non solo per controllare ciò che accade dentro e quello che esce, ma anche per dare informazioni su quando e quanto deve richiedere maggiori richieste. Quando questo è fatto correttamente, spesso questo commercio ha i suoi prodotti nelle migliori condizioni e con prezzi equi.

Dalle informazioni di cui sopra, esso è compreso l'importanza della logistica ha attualmente sul mercato in generale. Avere una buona struttura e le informazioni necessarie, il controllo ha fatto una migliore qualità, che fornisce più competitivi in ​​questo mercato molto competitivo.

2.2.4 Decision Making

La decisione è una scelta, un giudizio che tenga conto dell'intero contesto e l'ambiente che li circonda e possono interferire direttamente o indirettamente, nel risultato finale. Al fine di ottenere i migliori risultati futuri, le decisioni devono essere attentamente formulati. Secondo Pereira e Fonseca (1997, citato Moritz e Pereira, 2006, p. 31), la decisione è un processo sistemico, paradossale e contestuale non può essere considerata separatamente dalle circostanze che lo circondano. La conoscenza delle caratteristiche dei paradossi e delle sfide della società è essenziale per comprendere i processi decisionali.

Secondo Simon (1963, cit MORITZ e Pereira, 2006, p. 33), la decisione è un processo di analisi e di scelta tra diverse alternative a disposizione linea di condotta che la persona dovrebbe seguire. Essa mostra anche sei elementi classici nel processo decisionale:

  • Il decisore: la persona che esegue l'opzione di scelta tra molti altri disponibili;
  • Gli obiettivi: quello che il decisore intende raggiungere con le loro azioni e decisioni;
  • Preferenze: sono i criteri utilizzati come base per il decisore fare le vostre scelte;
  • La strategia: il modo in cui il decisore adotta per raggiungere i suoi obiettivi in ​​conformità con le risorse disponibili;
  • La situazione: fattori esterni che non può essere controllato dal decisore, e che l'impatto degli eventi e dei risultati, che colpisce le loro scelte; e
  • Il risultato: il risultato finale. I risultati di strategie e opzioni

Per quanto riguarda Bethlem (. 1987 citato MORITZ e Pereira, 2006, p 34) suggerisce un modello generale del processo decisionale si compone di quattro fasi:

Fase 1 – Decisione di decidere – prendere comportamento che conduce alla qualsiasi decisione è una decisione.

Fase 2 – Una volta che ha deciso di avviare il processo decisionale, il passo successivo è la definizione di ciò che decidiamo. Ci sono momenti in cui lavoriamo per risolvere i problemi che non definiscono, ma statisticamente il numero è meno significativa;

Fase 3 – la formulazione di alternative. Le diverse soluzioni possibili per risolvere il problema o di crisi, o le alternative che permetteranno di cogliere le opportunità; e

Fase 4 – scegliere alternative che riteniamo più opportuno. E 'il processo decisionale.

Il processo decisionale è di vitale importanza per la gestione delle organizzazioni, e si capisce che il processo amministrativo è essenzialmente decisione. Il processo decisionale è complesso e contiene diversi passaggi pur non soddisfatte entro un ordine rigido, richiede un certo ordine in modo che le decisioni prese sono efficienti e razionali, con diretto impatto sulla linea di fondo della società o organizzazione.

3. METODOLOGIA

metodologia scientifica è lo studio del percorso da seguire verso una meta. Si tratta di un modo di pensare, al fine di arrivare alla natura di un dato problema, aiutando la tua spiegazione o il vostro studio.

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

La metodolog[…]ia è quello di studiare, comprendere e valutare i vari metodi disponibili per eseguire la ricerca accademica. La metodologia in un livello applicato, esamina, descrive e valuta i metodi e le tecniche che permettono la raccolta e l'elaborazione dei dati, al fine di instradamento e la risoluzione di problemi e / o domande di ricerca di ricerca.

Secondo Roesch (1999) metodologia si propone di descrivere come si svolgerà il progetto. A verrà impostato questa fase, dagli obiettivi finali, che tipo di progetto è più appropriato.

3.1 RICERCA O DISEGNO PROGRAMMA

La ricerca può essere inteso come procedura conoscenza di fabbricazione, o anche come una procedura di apprendimento e sono quindi parte del processo ricostruttivo di conoscenza (DEMO, 2000, p. 20, citato Prodanov e FREITAS 2013, pag. 42). Il suo scopo è attraverso procedure scientifiche, risolvere i problemi e risolvere i dubbi (BARROS; LEHFELD, 2000, p.14, citata Prodanov e FREITAS 2013, p.42).

Sulla base delle informazioni che saranno presentati qui di seguito, questa ricerca è delineato in maniera qualitativa e quantitativa. Per Roesch (1999), ogni progetto può essere affrontato da entrambe le prospettive, e può utilizzare un fuoco più quantitativa sui risultati della valutazione e un approccio più qualitativo nella valutazione formativa (che si concentra sul processo di insegnamento-apprendimento).

Secondo Oppenheim (1993, pag. 21, citato ROESCH, 1999, p. 130), il disegno quantitativa è indicato per trovare associazioni e spiegazione, la descrizione meno orientati più per la previsione. Sempre secondo l'autore, se lo scopo del progetto è quello di ottenere informazioni su certa popolazione, l'opzione è quella di utilizzare uno studio descrittivo. Per quanto riguarda Staw (1977), la ricerca quantitativa è opportuno valutare i cambiamenti nelle grandi organizzazioni. Così, la ricerca ha carattere quantitativo in quanto riguarda la parte in cui non v'è separazione e interpretazione della quantità e la frequenza dei dati misurabili per formare informazioni statistiche per la lettura delle rivendicazioni.

Già sulla progettazione studio qualitativo, si sostiene che i loro metodi di raccolta e analisi dei dati sono appropriati per la ricerca esplorativa (STAW 1977 citato ROESCH, 1999, p. 154). Per Roesch (1999) c'è un altro modo di guardare la ricerca qualitativa, in cui si può considerare come un diverso paradigma di ricerca, come nel caso della ricerca-azione in cui la posizione del ricercatore si basa sulla cattura punto di vista di diversi intervistati un modello prestabilito. Da queste informazioni, questa ricerca può anche essere considerato come qualitativo perché la quantità di dati non misurabili, che saranno confrontati e studiata.

Secondo Gil (. 2007 citato Gerhardt, Silveira, 2009, p 35), in base agli obiettivi, è possibile ordinare le ricerche in tre gruppi, vale a dire: esplorativi, descrittivi ed esplicativi. Sempre secondo l'autore, la ricerca esplorativa si propone di fornire una maggiore familiarità con il problema, al fine di renderla più esplicita. Per lo più coinvolgono revisione della letteratura, interviste a persone che hanno avuto esperienze in pratica il problema ricercato ed esempi di analisi per favorire la comprensione. Essi possono essere classificati come caso di studio e la letteratura. Questa ricerca è di natura esplorativa, dal momento che è in gran parte una ricerca bibliografica, al fine di evidenziare il problema e renderlo meglio conosciuto.

3.2 IMPOSTAZIONE AREA BERSAGLIO POPOLAZIONE O

Questo lavoro si propone di esporre i potenziali opportunità non sfruttate da rivenditori non riuscire a leggere e interpretare i dati che si genera nella routine quotidiana della società e tutti i suoi stakeholder. Tuttavia, a causa di alcuni requisiti per effettuare la realizzazione di Big Data, questo lavoro si propone rivenditori di dimensioni medie e grandi, in cui si dispone di informazioni sufficienti e necessarie infrastrutture.

Secondo Roesch (1999) stadio può essere concentrato in un reparto della società, o comprendono l'intera organizzazione. In quest'ultimo caso, è importante descrivere la struttura della zona, tra cui la quantità di persone che lavorano in essa.

3.3 PIANI E STRUMENTI DI RACCOLTA

Secondo Roesch (1999), se la raccolta è dati primari, è importante specificare in questa sezione la fonte dei dati, quando saranno sollevate e attraverso quali strumenti. Per quanto riguarda i dati secondari, è necessario segnalare la natura e le caratteristiche tecniche.

Nel caso di questo lavoro saranno utilizzati solo i dati secondari, dal momento che tutte le informazioni sono raccolte in libri, riviste, giornali e siti web. Tutti questi dati sono informazioni su ciò che il Big Data, come funziona e come può aiutare i rivenditori. citato anche sono veri esempi di grandi aziende che hanno buoni risultati dopo l'utilizzo di sistemi per fare l'analisi dei dati.

ANALISI 3.4 dati del piano

Secondo Roesch (1999), specificare il tipo di dati raccolti delimita le possibilità di analisi. Inoltre, qui è dove l'autore può prevedere l'uso di grafici, diagrammi e statistiche. Pensate l'analisi aiuta a criticare la propria raccolta di dati, in grado di fornire una migliore qualità del lavoro.

Come accennato in precedenza, la ricerca si baserà su dati secondari. Così, questo lavoro sarà effettuato un'analisi dei dati e delle informazioni che sono state utilizzate, testate e la maggior parte hanno avuto i loro risultati comprovati. Sarà anche un'analisi dei risultati positivi e negativi che le grandi aziende hanno avuto dopo l'attuazione di Big Data. Questi risultati saranno discussi da tesi di laurea e la volontà con l'aiuto di immagini e grafici per una migliore comprensione di esso.

4. SVILUPPO

Questa parte degli obiettivi di lavoro, sulla base di citazioni dai punti precedenti, esporre come Big Data in grado di elaborare i dati importanti sui clienti e creare così un grande vantaggio per le aziende che migliorano i loro processi amministrativi sulla base di informazioni generate da tali dati raccolti. E 'importante ricordare che questo lavoro darà risalto per quanto riguarda la parte amministrativa, non in modo approfondito i termini tecnici per il funzionamento degli strumenti responsabili della raccolta, l'archiviazione, l'analisi e la trasformazione dei dati in informazioni.

4.1 STRUMENTI DI ATTUAZIONE PER L'UTILIZZO DEI DATI SU GRANDE RIVENDITORI MEDIE E GRANDI

L'azienda che si desidera utilizzare Big Data deve seguire alcuni passaggi. Questi passaggi sono costituiti da decisioni e scelte di implementare una struttura di base che coinvolge strumenti, servizi e persone in grado di archiviare, organizzare e analizzare questi dati. Considerando che l'azienda ha già i suoi propri passi sistema di gestione sono elencati di seguito:

  • Assunzione di Empowered: in primo luogo, di effettuare il dispiegamento di tutti gli strumenti e sistemi necessari per l'utilizzo dei Big Data Analytics, l'azienda deve poter contare su aiuto di un esperto. Ciò comporta l'assunzione di tre tipi di professionisti che saranno in grado di dare tutta l'assistenza necessaria per farlo, come segue: i professionisti responsabili per il supporto tecnico e le infrastrutture sufficienti per sostenere Big Data; Professionisti in grado di eseguire l'analisi di grandi quantità di dati e di estrarre nuove opportunità di business, dalla loro formazione in statistica, matematica e / o informatica; e analisti di business in grado di eseguire le domande giuste e analizzare le risposte ottenute da
  • Ubicazione del database: L'azienda ha bisogno di un luogo di deposito per l'opzione server cloud noleggio è consigliato, e sono preferibilmente in luoghi diversi, perché in questo modo il rischio di perdite di dati sono ridotte in caso di un incidente imprevisto, come un incendio o calamità naturali. Inoltre, la struttura di queste aziende di solito è pronto per questo, in modo che questi server hanno un monitoraggio costante e la sicurezza specifica, la parte di hardware e software. C'è anche la possibilità della società di acquisire un proprio server, ma è molto probabile che i costi sono molto più alti.
  • Creazione del [5]API: Il processo di trasferimento dei dati ottenuti dalla società per il database non è così semplice. Per i dati da trasmettere al fine

creazione automatica di un'API è necessaria, che avrà il compito di eseguire la comunicazione tra il software e memorizzare il database. Così, l'API avrà il compito di ottenere i dati desiderati dal software negozio, e scaricarli in modo organizzato per il database. La creazione di API richiede conoscenze tecniche e deve essere eseguita da un team specializzato, se un membro della società stessa o in outsourcing.

diagramma di flusso
diagramma di flusso

4.2 Diagramma di flusso RACCOLTA DEI DATI E ANALISI

  • Definire le domande giuste;

professionisti IT con la gestione amministrativa e la società dovrebbe discutere quali sono le domande giuste da porre al fine di ottenere le risposte nella struttura che vogliono.

  • Definizione dei dati di interesse;

I dati che sono interessanti per l'azienda e che possono essere utilizzati al fine di portare i risultati, devono essere ben definiti. L'archiviazione dei dati ha il suo costo, in tal modo qualsiasi ulteriore informazione che viene memorizzato e che non ha alcuna utilità significa perdita per l'azienda. In uno scenario altrimenti la società ha anche perso, non riuscendo a raccogliere dati importanti ad esso, i guadagni possono essere ridotti o pari a zero. E 'estremamente importante identificare quali dati devono essere raccolti e che devono essere ignorati.

  • La raccolta dei dati generati dai clienti;

Una volta che il cliente effettua un acquisto in negozio o negozio online, diversi dati vengono generati. Tutti questi dati sono raccolti dalla società. Esempi di tali dati sono: la data e l'ora di acquisto, il nome del cliente, il prezzo di acquisto, prodotti, etc.

  • L'invio dei dati al database tramite l'API;

L'invio dei dati raccolti da parte della società al database viene eseguita automaticamente e in tempo reale tramite l'API, che è responsabile di questo processo.

  • La memorizzazione dei dati in modo strutturato nel database;

I dati raccolti saranno conservati in maniera organizzata nel database come il personale IT ha definito come il modo migliore, in modo che dopo che sono stati elaborati ed analizzati più facilmente.

  • Lavorazione e trasformazione dei dati in informazioni;

Con i dati memorizzati e organizzati sul server è fatto di elaborazione e analisi dei dati. elaborazione dati consiste di una serie di attività svolte in modo ordinato, formando una disposizione informazioni, in cui i dati e / o informazioni vengono raccolti in modo che possano essere organizzati e analizzati conseguente obiettivo che il sistema o utente desidera utilizzare.

  • Analisi e studio delle informazioni;

A quel punto, tutte le informazioni generate elaborando i dati raccolti verranno analizzati. Qui i professionisti responsabili cercheranno risposte alle domande poste inizialmente. Essi si trovano di solito i profili dei singoli clienti oa taluni gruppi, le tendenze dei consumatori, modelli di comportamento e modelli di acquisto.

  • Prendere decisioni sulla base delle analisi delle informazioni;

Dopo l'analisi e ha trovato le risposte alle domande iniziali, l'azienda può trovare idee per eventuali adeguamenti e miglioramenti nei suoi processi sulla base di tali informazioni. modelli comportamentali e di acquisto, per esempio, possono influenzare direttamente il processo di marketing, il che rende molto più efficiente, ma mantenendo lo stesso investimento. In sintesi, in questa fase, la decisione di come comportarsi sul mercato e clienti, dovrebbe essere presa sulla base delle analisi fatte sulle informazioni raccolte.

  • modifica di applicazione e miglioramenti;

In questa fase il fatto che le aziende renderà l'attuazione di miglioramenti di processo identificati nella fase precedente. Questi miglioramenti dovrebbero essere applicate in modo organizzato e pianificato, in modo che generano il miglior risultato possibile.

Ciclo di raccogliere dati, di analisi e di applicazione. Fonte: I dati prodotti dalla ricerca.

4.3 IMPATTI GRANDI DI UTILIZZO DEI DATI IN PROCESSO DI RIVENDITORI SOCIALI

L'uso di Big Data nelle imprese, se fatto correttamente, in grado di generare grandi risultati per lo stesso nel suo complesso. Questo risultato è ottenuto per il fatto che il Big Data può generare miglioramenti in molti processi aziendali individuali, cioè, non influisce solo un processo all'altro. Tra questi processi che possono essere influenzati dai Big Data, questa

il lavoro sarà limitata a visualizzare solo i marketing, vendite, logistica e il processo decisionale, anche in quanto sono processi che soffrono grande impatto diretto.

4.3.1 Impatto dei Big Data in Marketing della società

Il marketing è essenziale per l'azienda e per i clienti, quindi è importante che l'attenzione della società a questo punto. Oltre a cercare di scoprire i bisogni e le esigenze di un particolare target di mercato è il marketing che fa la presentazione di un determinato prodotto o servizio ai clienti al fine di attirarli e suscitare l'interesse del consumo della stessa. Con l'uso di Big Data, di marketing della società può diventare molto più efficiente.

Con le aziende Big Data può molto di più informazioni per l'acquisto e le vostre abitudini di comportamento pubblico, e quindi realizzare i processi di marketing più oggettivo ed efficiente. Inoltre, è possibile scoprire altri gruppi di clienti con differenti abitudini o anche usi diversi per determinati prodotti. Con tutte queste informazioni, il marketing può essere personalizzato.

Un buon esempio è che invece del negozio conseguire promozioni diffuse, promozioni possono essere personalizzati per ogni cliente. Essi possono essere inviati via e-mail, volantini consegnati a casa, o anche attraverso la pubblicità sui social network di ogni cliente. Pertanto, la società investendo la stessa quantità nel marketing, è possibile ottenere risultati migliori in quanto tale prodotto, marchio o un servizio per raggiungere le persone che hanno una maggiore predisposizione per acquisirli.

Mayer-Schönberger e Cukier (2013) esemplificano nel suo libro, una catena americana di negozi chiamata target rese conto delle abitudini di consumo delle donne incinte in gravidanza iniziale, dove il consumo di prodotti idratanti o simili era molto alto. Da lì il negozio ha iniziato l'invio di opuscoli e carte promozionali personalizzati per i clienti, che aveva appena promozioni di prodotti per le donne incinte e neonati. Alla fine, Target ha scoperto che una giovane donna era incinta anche prima di suo padre. Target, con queste informazioni, la creazione di un piano di marketing specifico per queste persone, perché ho potuto fare proiezioni, quando il fatto quel bambino sarebbe nato, e in quel periodo, ha offerto i prodotti in vendita come culle, pannolini, e utensili per bambini.

Riconoscendo questi modelli è la chiave per dati di grandi dimensioni, perché con loro è possibile avere una nozione di comportamento dei clienti, e come utilizzarlo per rendere i processi di business più efficienti. Nel complesso, il Big Data può aiutare la commercializzazione fornendo così informazioni di guidare dove, quando ea chi determinate promozioni o informazioni su prodotti o servizi da inviare. Ricordate che spesso il Big Data non presenterà il motivo per rendere le cose funzionano in questo modo, in particolare, ma in numero si può dimostrare che effettivamente funziona.

4.3.2 Impatto dei Big Data in vendita e logistica

La vendita è l'obiettivo principale per le aziende, è una delle ragioni principali per contenere l'intero processo di implementazione e utilizzo dei Big Data. Anche se tutti i processi sono interconnessi, la logistica ha una maggiore rilevanza quando si tratta di vendite, dal momento che per realizzare la vendita del prodotto o servizio, è necessario che l'azienda è in grado di fornire al cliente. Ciò comporta non solo la disponibilità ma anche

velocità e la qualità di consegna, questi ultimi vale in particolare per gli ordini che vengono inviati dai servizi di consegna, diverso da quando il cliente rimuove personalmente.

Così come i modelli di acquisto e il comportamento aiutano il marketing, lo stesso accade nelle vendite e logistica. Sapere come i clienti si comporteranno di fronte a certe situazioni, l'azienda è in grado di anticipare e organizzare l'ambiente in modo che il cliente consumano di più e lasciare soddisfatti allo stesso modo. Organizzare l'ambiente non è solo il layout o l'esposizione di prodotti, ma anche garantire che il prodotto che la domanda dei clienti, è disponibile, e che il negozio non è sorpreso in certe situazioni, non riuscendo a fare le vendite e causando il malcontento sul client, che egli non ha trovato quello che cercavi. Uno degli esempi interessanti citati da Mayer-Schönberger e Cukier (2013, p.

37) è di Wal-Mart:

Nel 2004, Walmart perlustrato l'enormità dei dati delle transazioni passate, che ogni oggetto di consumo ha acquistato e il costo totale, che altro era nel suo cestino, il tempo e anche il tempo. In questo modo, l'azienda ha notato che, prima di un allarme uragano, non solo vendono lanterne sono aumentate così come Pop-Tarts, tipico americano dolce. Così, come una tempesta si avvicinava, Walmart pestate le caselle di Pop-Tarts di fronte ai negozi, vicino agli articoli per gli uragani, al fine di rendere la vita più facile per i consumatori che andavano e venivano – e aumentando così vendite.

In questo esempio, si può osservare che già erano a conoscenza circa l'aumento del consumo di lanterne quando c'erano le previsioni degli uragani. Inoltre, sono riusciti la lettura c'è stato anche un aumento della domanda di un tipico caramelle americana chiamata Pop-Tarts. Così, quando ci fu un allarme uragano in una città o stato, Walmart potrebbe preparare in modo che questi prodotti sono stati trovati in un modo semplice in negozio, e garantire anche che essi hanno prodotto sufficiente per soddisfare la domanda. È interessante notare che in livor, Mayer-Schönberger e Cukier segnalare che avevamo alcuna certezza circa la ragione per l'aumento delle vendite di dolci Pop-Tarts, ma ha funzionato.

Mayer-Schönberger e Cukier (2013, p. 37) forniscono un altro esempio di Walmart, che dimostra che il Big dati già mostra la sua potenza dagli anni '90.

"Nel 1990, ha rivoluzi[Walmart]onato la vendita al dettaglio di registrare tutti i prodotti come i dati attraverso un sistema chiamato al dettaglio Link, che porta i fornitori di monitorare la velocità e il volume delle vendite e delle scorte. La creazione di questa trasparenza ha consentito alla società di obbligare i fornitori a prendersi cura degli approvvigionamenti. In molti casi, Walmart non "appropria" di un prodotto fino a poco prima della vendita, riducendo così il rischio e il costo del magazzino. Walmart ha utilizzato i dati di diventare, di fatto, il più grande negozio di beni spediti in tutto il mondo. "

Questi esempi mostrano come i Big Data poteva fare una grande azienda nel mercato al dettaglio, in modo che potesse ridurre i costi, aumentare le vendite e quindi di essere più competitivi sul mercato. L'uso di Big Data ha reso questi processi subiscono un notevole impatto positivo, aumenta la sua efficienza, e di conseguenza un impatto il risultato del negozio nel suo complesso.

4.3.3 Impatto dei Big Data nelle decisioni prese

Il processo decisionale sono momenti critici nelle aziende. Questo è il tempo che l'azienda deve decidere in un senso tra molti altri. Il peso della decisione è alto, perché in termini di immagine aziendale e anche finanziario, può significare un guadagno o una perdita. Così, è interessante il fatto che l'azienda ha la maggior quantità di informazioni possibili, sia per i clienti, l'ambiente interno o esterno. Le ulteriori informazioni, maggiore è la capacità di prendere una decisione di successo.

Questo è come i Big Data aiuta le aziende nel processo decisionale, fornendo il maggior numero di informazioni utili possibili. Che a sua volta può essere utilizzato per avere un'anteprima di come il mercato può comportarsi in un prossimo futuro. Il fatto che le cose sono incerte, non può essere garantito, ma è così per tutti, e apre la strada coloro che hanno più informazioni. Con il passaggio di dati ottenuti sui clienti, come si comportano, quali sono le loro abitudini, insieme ad altre informazioni che possono essere acquisite sulla geolocalizzazione, o anche situazioni politiche ed economiche, le aziende possono ottenere una buona idea di come comportarsi questo mercato soffre tante varianti.

In un mercato come quello attuale, che presenta modifiche estremamente veloci, il processo di raccolta dei dati fino alla sua trasformazione in decisioni non può essere lento. Mentre il mercato cambia molto velocemente, le risposte delle aziende dovrebbero essere veloce come. Non aiuta a prendere la decisione giusta, se viene eseguita con ritardo. Così, il Big Data è sicuramente una grande alternativa, perché con esso, è possibile analizzare una grande quantità di dati, e li inducono a generare valore per l'azienda nel suo complesso.

Considerazioni finali

Questo studio ha lo scopo di mostrare l'importanza di utilizzare Big Data nel mercato al dettaglio corrente. Questa importanza è l'impatto che l'utilizzo di questa enorme quantità di dati perché i processi di business e la conoscenza del comportamento dei loro clienti e del mercato. Alcuni anni fa l'importanza di questa tecnologia è riconosciuta, e sta diventando giorno più essenziale per le imprese.

Come lo sviluppo della ricerca, si può notare che l'implementazione delle infrastrutture necessarie nelle imprese per la lettura e l'interpretazione dei Big Data non è così semplice. l'assunzione di persone è necessario avere conoscenze nel settore per fornire un sostegno adeguato. Investimenti in attrezzature non è verso il basso, dal momento che è necessario un immensa capacità di elaborazione dei dati da leggere e analizzare questo grande quantità di dati. Pertanto, uno studio di fattibilità implementazione del sistema, perché anche se il ritorno è alto è necessario, un alto investimento è necessario, inoltre, che per le piccole e medie imprese può essere impraticabile.

L'utilizzo dei Big Data consente alle aziende di analizzare i dati oltre lo spazio fisico dei loro negozi o propri siti web e social network. Tutti i dati che possono essere raccolti e in grado di generare ogni tipo di informazione sull'utente, sono raccolti in modo continuo, consentendo alle aziende di monitorare i comportamenti, abitudini e modi di pensare delle persone in generale, che erano i consumatori dei loro prodotti o no. Pertanto, il livello di preparazione che l'azienda può avere per certe situazioni è estremamente alta, ben oltre quello di una volta.

Sono stati presentati e commentato lo sviluppo della ricerca, esempi di processi che possono essere più efficienti, tra loro ci sono: una migliore attuazione del capitale investito nel marketing, una migliore gestione dei prodotti logistici, una migliore esposizione dei prodotti e l'organizzazione dei negozi. Tutto questo impatto positivo, riducendo gli sprechi e generando in tal modo un aumento dei profitti per le aziende.

La quantità di dati è generato sempre più velocemente e in quantità maggiore, c'è sempre più dati da analizzare. È interessante notare che il sistema di analisi e interpretazione dei dati è un ciclo. Così, dopo che la società implementare modifiche e miglioramenti dai dati che è stato analizzato, raccoglierà dati generati in risposta a tali applicazioni, migliorando sempre più processi come i mercati e modifiche del comportamento del cliente. Da questa linea di ragionamento è stato creato il modello di distribuzione e l'implementazione di Big Data, che è stato presentato al lavoro. Infine, si può concludere che gli obiettivi sono stati raggiunti

suggerimenti finali

Questo studio è stato limitato alla produzione di informazioni sui Big Data e la sua funzionalità nelle organizzazioni, senza tuttavia presentare la domanda e l'implementazione pratica la routine di un'organizzazione. Così, si suggerisce che prima di effettuare l'applicazione del modello in qualsiasi attività commerciale, se ha fatto prova pratica dello stesso, al fine di dimostrare, in pratica, l'efficienza del modello.

Si suggerisce inoltre che il lavoro proseguirà in modo che la parte pratica di questo modello da testare, che identifichi la sua effettiva funzionalità, importanza e il valore per i rivenditori.

riferimenti

Camargo, Shirlei Miranda; Toaldo, Ana Maria M.; Nipote, Zaki Akel. Il layout come strumento di marketing nella vendita al dettaglio. 2009. Disponibile all'indirizzo: <http://www.anpad.org.br/admin/pdf/MKT1407.pdf>. L'accesso in data 25 maggio. 2017.

CASTRO; NEVES. Sales Management – Planejkamento, Strategia e Management. Sao Paulo: Editora Atlas SA, 2005.

Elmasri, Ramez; Navathe, Fondamenti di database B. Shamkant Systems. Disponibile all'indirizzo: <http://fms.uofk.edu/multisites/UofK_fms/images/pdf/Fundamentals_of_Database_Systems_6t h_Edition.pdf>. Consultato il 12 agosto Il 2016.

ENOMURA, Bianca Yuki. Big Data: L'era dei Big Data è arrivato. magazine Superinteressante. v. 4, p. 7-19, luglio 2014.

Gerhardt, Tatiana Engel; SILVEIRA, Denise Tolfo. Metodi di ricerca. Porto Alegre: Editore di UFRGS 2009. Disponibile all'indirizzo: <http://www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf>. Accesso: 18 ottobre Il 2016.

IBM. Qual è il Big Data?. Disponibile all'indirizzo: <https: // www- 01.ibm.com/software/data/bigdata/what-is-big-data.html>. Consultato il 11 agosto Il 2016.

INTEL. Integrated Electronics Corporation. Big Data 101: dati non strutturati Analytics Il Corso Crash sul panorama IT per Big Data e tecnologie emergenti. Disponibile all'indirizzo: <http://www.intel.com/content/www/us/en/big-data/unstructured-data-analytics- paper.html>. Consultato il 12 agosto Il 2016.

ISACA®, Privacy & Big Data. 2013th. Disponibile all'indirizzo: <http://www.isaca.org/Knowledge-Center/Research/Documents/Privacy-and-Big- Data_whp_Portuguese_0913.pdf>. L'accesso on 12 agosto Il 2016.

ISACA®. Big Data: impatti e dei benefici. 2013b. Disponibile all'indirizzo: <http://www.isaca.org/Knowledge-Center/Research/Documents/Big- Data_whp_Por_0413.pdf>. Consultato il 12 agosto Il 2016.

Kotler, Philip. Marketing Management. 14. Ed. – San Paolo: Pearson Education, Brasile, nel 2012.

LAUDON, Kenneth C.; LAUDON, Jane P. Management Information Systems. Ed. 11. Sao Paulo, SP: Pearson Education, Brasile, nel 2014.

LIMA, Cecilia A. R.; Calazans, Janaina H. C. Impronte digitali: "Big Data" e informazioni strategiche su consumatori. Disponibile all'indirizzo: <http://gitsufba.net/anais/wp-content/uploads/2013/09/13n2-pegadas_49483.pdf>. Consultato il 11 agosto Il 2016.

Manyika, James; COP, Michael; BROWN, Brad et al. Big Data: la nuova frontiera per l'innovazione, la concorrenza e la produttività. Disponibile all'indirizzo: <http://www.mckinsey.com/business-functions/business-technology/our-insights/big-data-the- nuova frontiera per l'innovazione->. Consultato il 11 agosto Il 2016.

MAYER-SCHÖNBERGER, Viktor; CUKIER, Kenneth. Big Data: Come estrarre il volume, la varietà, la velocità e il valore della valanga informazioni quotidiane. Rio de Janeiro: Elsevier, 2013.

MORITZ, Gilberto Oliveira.; PEREIRA, Maurício Fernandes. Processo decisionale.

Florianópolis, SC. SEAD / UFSC 2006.

PAURA, Glávio Leal. Fondamenti di Logistica. Curitiba, PR. 2012.

Prodanov, Cleber Cristiano; FREITAS, Ernani Cesar. Metodologia del lavoro scientific[recurso eletrônico]o: metodi e tecniche di ricerca e di lavoro accademico. 2a ed. – Novo Hamburgo, RS: Feevale 2013.

magazine Exame. Atacarejo conduce nella rappresentazione per le famiglie. Con Estadão CONTENUTO. Disponibile all'indirizzo: <http://exame.abril.com.br/negocios/atacarejo-lidera-em- rappresentazione-per-famiglie />. Consultato il: 6 dicembre Il 2016.

ROESCH, Sylvia Maria Azevedo. Fase di progettazione e gestione della ricerca. 2a ed. – Sao Paulo, SP: Editora Atlas SA 1999.

SILVEIRA, Daniel; CAVALLINI, Marta. Le vendite al dettaglio cadono nel mese di febbraio 2017, dice IBGE. Con G1 Globo – Economia. Disponibile all'indirizzo: <http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em-fevereiro-de-2017-diz- ibge.ghtml>. Consultato il 25 maggio 2017.

TAURION, Cezar. Big Data. Rio de Janeiro, RJ :. Editore Brasport Libri e Media Ltd., nel 2013. ePUB.

TESSAROLO, Peter H.; MAGALHÃES, William B. L'era della Big Data in contenuti digitali: dati strutturati e non. Disponibile all'indirizzo: <http://web.unipar.br/~seinpar/2015/_include/artigos/Pedro_Henrique_Tessarolo.pdf>. Consultato il 12 agosto Il 2016.

DAMA LA GUIDA. La Guida DAMA al Corpo Data Management of Knowledge. Disponibile all'indirizzo: <https://www.safaribooksonline.com/library/view/the-dama- guidare / 9781935504009 / DMBOK% 20Guide.html>. Consultato il 12 agosto Il 2016.

[1] studioso di Amministrazione del corso CEULJI / ULBRA

[2] La signora UFSC, naturalmente Amministrazione Maestro CEULJI / ULBRA

[3] SILVEIRA, Daniel; CAVALLINI, Marta. Le vendite al dettaglio cadono nel mese di febbraio 2017, dice IBGE. Con G1 Globo – Economia. Disponibile all'indirizzo: <http://g1.globo.com/economia/noticia/vendas-no-comercio-caem-em- Febbraio-per-2017-dice ibge.ghtml>. Consultato il 25 maggio 2017.

[4] magazine Exame. Atacarejo conduce nella rappresentazione per le famiglie. Con Estadão CONTENUTO. Disponibile all'indirizzo: <http://exame.abril.com.br/negocios/atacarejo-lidera-em-representatividade-para-familias/>. Consultato il: 6 dicembre Il 2016.

[5] API è un insieme di routine e standard di programmazione per l'accesso a un'applicazione software o piattaforma Web-based. L'API seguito si riferisce al termine inglese "Application Programming Interface", che significa nella traduzione in portoghese "Application Programming Interface".

5/5 - (1 vote)

Leave a Reply

Your email address will not be published. Required fields are marked *

POXA QUE TRISTE!😥

Este Artigo ainda não possui registro DOI, sem ele não podemos calcular as Citações!

SOLICITAR REGISTRO
Pesquisar por categoria…
Este anúncio ajuda a manter a Educação gratuita