Big data para você, Database para os demais.

A combinação de marketing com tecnologia se chama “Business Intelligence” e com a administração se chama “Informática“. Talvez os termos fujam da concepção das pessoas mais bem atualizadas, mas chamo atenção para o campo de estudo do Big Data, ele não é de forma alguma do século 21 e nem do ano de 2014.

Relacione CRM, Marketing e Vendas, atendimento e promoção com o assunto atual.

Corredor de informações de um Big Data (Foto: Reprodução/ Internet)
Corredor de informações de um Big Data (Foto: Reprodução/ Internet)

O campo da Ciência da Computação que lida com o database marketing (Big Data ou Datawarehouse) é o business Intelligence, ou para os íntimos – o B.I. O assunto de tecnologia pode ser demasiadamente chato se não for bem intencionado, e o artigo pretende enumerar as características sem ficar na mesmice e tédio. Ou seja – todo termo técnico terá uma devida interpretação.

Database marketing é um banco de dados relacional que filtra dados (segmenta) para responder uma pergunta, normalmente uma que um gerente de marketing faz – “Qual foi o rendimento de vendas do departamento de esportes?“, “Que vendedor bateu mais metas?“, “Que período do ano as vendas dispararam?“,”Que filial precisa de treinamento para os seus vendedores e atendentes?“.

O database marketing ‘consulta’ (Query) um grande banco de dados chamado BIG DATA ou DATAWAREHOUSE que relaciona dados de toda a organização num único lugar. Este tipo de banco de dados é chamado de transacional, ele não responder perguntas, ele apenas armazena dados.

Database, datawarehouse, data mart e algo mais.

Ficou confuso? Talvez seja óbvio que a confusão se defina porque atualmente as empresas disparam para todos os lados que precisam de um analista de dados, antigamente chamado de técnico de computador, e que BIG DATA é a profissão do ano, quando ela se chamava nos anos anteriores de Business Intelligence.

Banco de dados relacionais e transacionais (Foto: Reprodução/ Internet)
Banco de dados relacionais e transacionais (Foto: Reprodução/ Internet)
  • Database – Banco de dados transacional (Armazena dados);
  • Datawarehouse – Armazém direcionado (pertence á) a organização ou BIG DATA;
  • Data Mart – Banco de dados setorial (por departamento);
  • Database marketing – Banco de dados relacional (Responde perguntas).

Algo mais? Os termos OLAP e OLPT também povoam este universo aparentemente novo. Escrevi um artigo chamado “Métodos de análise de segmentação” que é justamente como é que se faz um Database marketing.

Na cadeira da formação de bacharel de ciência da computação, ela se identifica como “Banco de  dados multidimensionais” (BDD) e tem por finalidade criar, entender, conceber e resultar (responder) perguntas do mercado.

Regras do fato, snowflaker, dimensões e marketing.

Quando estudei sobre B.I utilizando Big Data, foi o meu primeiro contato em 2011. No entanto em 2007 eu fazia meu catálogo de filmes utilizando o MySQL da Oracle para fazer o database com uma interface amigável (clique e arrasta). Meu interesse em Cie.Comp foi de justamente o banco de dados.

Criação de banco de dados (Atributos e funções) (Foto: Reprodução/ Internet)
Criação de banco de dados (Atributos e funções) (Foto: Reprodução/ Internet)

Em 2011 realizei um trabalho que era de implementar um big data num prédio corporativo e tecnológico, a exemplo prático, os famosos prédios Corporate da João Fortes (Ex.: Lagoa Corporate) que utiliza de sistemas autômatos (computacional) para administrar os setores (elevadores, cadastro, acessos, emergência e etc). Prédios automatizados para resumir.

O Banco de dados carregava funções de execução do sistema, e minha prioridade era “Implementar e otimizar”. Banco de dados com muitos dados normalmente causam lentidão, então como resolver? O sustento do trabalho foi saber as regras do cubo, hipercubo (análises de possibilidades), tabelas fato (análises de dimensões/fatores/funções), métodos Snowflakers (tabelas fatos estrelas, pergunta central – “Qual foi o volume de vendas em março de 2010?” e marketing – “Como tornar este big data acessível a qualquer público e como fazê-lo ser uma vantagem competitiva na venda do andar para empresas que procuram sofisticação e utilidade no mesmo lugar?” – ESTA ERA A PERGUNTA do trabalho.

Que negócio é esse de Cubo, hipercubo?

Tabelas fatos, análises de dimensões podem ser visualizado no artigo que citei lá em cima. Mas Cubo e Hipercubo é um estudo do BDD que exige conhecimento de marketing. Possibilidades baseada em segmentação, nicho, tendência e demanda. Quando se monta um negócio a primeira pergunta é – “Será que vai dar certo?” e diversos fatores definem a pergunta.

Definição de variáveis, pontos e perguntas (Tempo, vendas e local)
Definição de variáveis, pontos e perguntas (Tempo, vendas e local)

Pode ser positiva ou negativa, mas os fatores são os mais importantes e dados históricos também. Por isso em muitos casos o BIG DATA é chamado de série histórica. Uma dimensão que é muito importante e nunca falta numa tabela fato e por conseguinte em cubos, é a dimensão temporal (Dia, hora, mês,ano, período, feriado, eventos e etc).

Tudo que determina um tempo, determina um espaço e todo o resto. A variável é tão importante, que de nada adianta ter um banco de dados com os dados mais importantes como total de vendas, se você não sabe quando é que isso aconteceu. Apenas será uma passagem crônica (história), e não um fato. Observe a seguinte sentença para entender a importância.

1. O cliente Manoel Marcos gerou uma renda de 2.500 em produtos de conveniência na loja D da região H e o vendedor comissionado em todas as ocasiões foi o Marcos Rogério.

(Sem tempo? Geralmente o período de um ano define o comportamento de compra. Tirando a predileção do sujeito, por exemplo, um aumento ou recebimento do salário naquele mês garante uma compra básica. Os lojistas pensam nisso.)

2. A cliente Manuela Filipa gerou uma renda de 5.400 em produtos eventuais (vestidos em lançamentos limitados) na loja S da região V e a vendedoras comissionadas Roberta e Flávia foram as responsáveis pelas compras. Estas compras foram realizadas nos períodos de novembro e dezembro de 2011 (a cliente compareceu pontualmente as 14:00 só saindo as 17:00) nos dias 15-20 de novembro e 17-24 de dezembro.

Bem complexo e detalhado. Imagine que essa informação temporal garante a loja se ela aplicou alguma promoção naquele dia, se o mês prévia e o mês de natal não foi a real causa. Se a cliente tinha expediente na parte da manhã e podia perdurar naqueles dias específicos. Ou os dias específicos eram feriados.

Uma vez armazenado estes dados, e relacionados a estas perguntas, são apenas feitas observações – que – “A cliente Manuela parece gostar de roupas festivais da época natalina e esbanja dinheiro para compra-las. É bastante criteriosa e só sai com o vestido a seu gosto.” O caso 1, não dá para tirar esta conclusão.

Sabendo disso, e vendo que essa conclusão é também uma probabilidade de ação ou comportamento, vamos entender o que é cubo ou hipercubo. Cubo é uma figura geométrica com 6 lados, 12 arestas e 8 vértices. Cada parte tem uma função de análise.

  • Lados significa “cenário”;
  • Aresta significa “Linha de pensamento ou execução de ações”;
  • Vértices significa “Fator gerador ou estopim” ou conexão entre dados (fator comum);
  • Os eixos em que o plano é construído (cartesiano – X e Y) definem a base da pergunta.

Case fictício utilizando CUBOS de análise e criação de cenários.

Quando temos um produto como as linhas de maquiagem Sephora, focando o público feminino, para festas Night e especificamente para certas boates como a Miror no Rio de Janeiro temos uma vértice – “Produto Sephora para Festas Night” (Na cabeça da cliente é Festa Night e na da Sephora é a a maquiagem Festa Night) e do setor de marketing é linha de produtos para festeiros.

Case fictício da Sephora
Case fictício da Sephora

Qual é a aresta? Se você sabe que cliente, idade, onde mora, para que boate vai, que horas, que dias, prefere feriados, anterior a feriados ou pós. Qual é o estilo de roupa. Você define uma linha de ação. Ou pelo menos supõe uma linha de ação. Supor não é uma ação sustentável, mas é necessária ocorrer no momento do Cubo, e não na execução.

Digamos que a venda do produto especificado seja vendido numa parte personalizada da loja. Uma espécie de ‘camarim para festeiros’ tal como o PDV de leitura das lojas Saraiva, normalmente próximas a livros jurídicos (por quê? O início da Saraiva foram artigos jurídicos. E isso virou o melhor merchandising da franquia).

Cada aresta define um lado partindo de um vértice. Bem se você pensa que o produto é justamente que cria a linha de ação, e um lado possui 4 vértices. Um produto leva a diferentes combinações. A festa Night é uma, a outra pode ser a renda da cliente (ela pode esbanjar), a outra pode ser o local da festa e a outra pode ser querer fazer “estilo”. Ir em festas pode ter vários motivos: Relaxar, fazer networking, mostrar que é Total Flex (in-style) ou uma pessoa social e ao mesmo tempo o mestre de cerimônias.

Digamos que fechamos assim. Formamos um lado, e um cenário. Cenários são situações próximas ou precisas da realidade. Digamos que o cenário para a Sephora (perspectiva) seja da venda da linha para festas, para cliente seja da compra e ficar no estilo que desejou, o cenário neste caso foi positivo. E vai alavancar vendas dos produtos, uma nova linha, novas publicidades viram, talvez até acordos entre a Sephora e a Miror.

Estes cubos criam estas possibilidades dentro de um mundo específico. Dentro ainda da linha da Sephora e talvez enumerando uma boate. Mas concordamos que um cubo apenas seria pouco para analisar uma situação que é muito mais complexa. Ainda citando que motivos, locais, pessoais, comportamentos são fatores que não tem uma linha de pensamento só? Então nós adotamos trabalhar com hipercubos. Que são inúmeras análises de cenários conectados. Posso separar um cubo para montar cenários das vendas, construir o perfil da cliente, montar o storage de boates que bombam com a linha de produto, construir o perfil do cliente destas festas e assim gerar diversas respostas para perguntas anteriormente feitas e novas.

Artigos para estender o assunto.

Anúncios