
(c) 2014 UWS -- Não Distribuir 1
Workshop de Marketing –
(Big) Data Analytics 2.0
Dan S. Reznik
Upper West Soluções
Dez-...
 Big Data (Intro)
 Visão geral
 Meus projetos
 Aspectos práticos
 Data-Driven Marketing
 Visão geral
 Engajamento ...

Plano Turma Barra
(c) 2014 UWS -- Não Distribuir 3
2a feira, BARRA 3a feira, BARRA 2a feira, BARRA
08/dez/04 09/dez/14 1...

Plano turma Botafogo
(c) 2014 UWS -- Não Distribuir 4
5a feira, BOTAF 4a feira, BOTAF 5a feira, BOTAF
11/dez/14 17/dez/1...

Big Data
(c) 2014 UWS -- Não Distribuir 5
(milhões de Tb)

Big Data: Projetos Ativos
(c) 2014 UWS -- Não Distribuir 7

Oportunidade por Vertical
(c) 2014 UWS -- Não Distribuir 8
Big Data: valor em potencial
Facilidadedecapturadedados

Business Intelligence
(c) 2014 UWS -- Não Distribuir 10

BI vs Big Data
(c) 2014 UWS -- Não Distribuir 11

Tendências
(c) 2014 UWS -- Não Distribuir 12
Multi-structured

Múltiplas Fontes
(c) 2014 UWS -- Não Distribuir 13
VALOR

Exemplo: visão 360

Retenção do Cliente
 Como dados poderiam ser úteis no seu negócio
 Aumento de receita
 Diminuição de custos
 Diminuição de riscos
 Class...

Retenção tem valor exponencial

Interação com o Cliente
Coleta de dados Canais de comunicação

Problemas com BI
Informação Essencial p/
Data-Driven Marketing

Causas de Erros de Coleta

Data-Driven Marketing

Triagem de “Leads”
Pontos de Contato:
Email, Online, Contatos, etc.
Pedidos de Informação
Leads
Conversões
Prontos p/
Co...

Rapidez e Valor
(c) 2014 UWS -- Não Distribuir 24

Paralelismo e Custo

Silos de dados

Integração
 Não quero mais trabalho
 Não quero que você tenha meus dados
 Não quero que você veja os furos com meus dados
(c) 201...
 Descreva problemas de qualidade de coleta nos seus
dados e razões e soluções.
 Onde rapidez na produção de resultados ...

Ciência de Dados
(c) 2014 UWS -- Não Distribuir 30

Cientista de Dados
• Gerente de Projetos
• Estatístico
• Especialista no Negócio
• Arquiteto de Dados
• Desenvolvedor de...

Análise de Dados

Exemplos de Projetos
www.upperwestsolucoes.com
(c) 2014 UWS -- Não Distribuir 33
Busca Semântica de Laudos
(c) 2014 UWS -- Não Distribuir 34
Motor de Recomendação
Detecção de Fraude
Integração de Dados d...

MobileMobile
Email
Marketing
Email
Marketing
WebWeb
Peixe Urbano
Motor de
Recomendação
Motor de
Recomendação
Ofertas do
...

Exemplo de Recomendação
Porcão
Spa 12 sessões
Balanceamento
Álbum de fotos
Sushi
Arvorismo
Búzios
Escova Marroquina
Reor...

Mistura de Experts
Expert em
demografia
Expert em
preferencias,
ratings, marcas,
social networks
Expert em
histórico de
...
Subject
personalizado
Titulo
personalizado
Preview pane
atraente
Ofertas
ordenadas
por relevância

Gazeus Games:
Otimização de Marketing
(c) 2014 UWS -- Não Distribuir 39

(c) 2014 UWS -- Não Distribuir 40
Base Integrada do Cidadão
SEPLAG-MG

(c) 2014 UWS -- Não Distribuir 41
Vinculação de Registros

(c) 2014 UWS -- Não Distribuir 42
Arquitetura do Sistema

(c) 2014 UWS -- Não Distribuir 43
Assalto a Caixas Eletrônicos

(c) 2014 UWS -- Não Distribuir 44
Localização dos Eventos
Logs
Semi-
Estruturado
Semi-
Estruturado
EstruturadoEstruturado
Banco
Paralelo
Deteccao
Anomalias
alarmes
ATM
ATM
ATM
(c)...

(c) 2014 UWS -- Não Distribuir 46
Detecção de Anomalias

(c) 2014 UWS -- Não Distribuir 47
Busca Semântica em
Laudos de Radiologia
2,5 M de laudos
de radiologia
Indexador GUIGUI...

(c) 2014 UWS -- Não Distribuir 48
Ontologia de Termos Médicos
(c) 2014 UWS -- Não Distribuir 49

Aspectos Práticos
em Projetos
(c) 2014 UWS -- Não Distribuir 50

(c) 2014 UWS -- Não Distribuir 51
Conceito: PESSOAS
 Pouca experiência / competitividade a partir de
dados
 Mal qualificadas em profissionais de dados
 Pulverização em Si...

(c) 2014 UWS -- Não Distribuir 54
Pirâmide de Maslow
- Qualidade
- Integração
- Governança
• 360 Cust. View
• Anti-Fraud...

Pirâmide do Valor

Ondas de maturidade
(c) 2014 UWS -- Não Distribuir 56

Digital Marketing
(c) 2014 UWS -- Não Distribuir 58

1000+ Produtos!

Tipos de Software
• Analíticos/Atribuição
• Percepção
• Automação de Marketing:
• Processos
• Escuta de Mídias Sociais
•...

Marketing Pipeline

Tecnologista de Marketing

Dados Comportamentais

Dados Psicográficos

Máquina Correlacional

Investimentos vs Vendas

Engajamento do Cliente
(c) 2014 UWS -- Não Distribuir 72

A jornada do herói

A jornada do cliente
Ciclo de
Engajamento

Visão 360 do Cliente
(c) 2014 UWS -- Não Distribuir 79

Centrar em Produto vs Cliente
(c) 2014 UWS -- Não Distribuir 80
 O que conta na tomada de decisão do cliente?
 A estratégia de marketing corresponde a expectativa
do cliente e/ou as m...

Cliente = Quebra Cabeça
Porque? (atitude)
-Opiniões
-Preferências
-Demandas e sonhos
Como? (interações)
-Emails e chats
-Notas do SAC
-Clickstream...

Vantagens de Centrar no Cliente

360 View: Geradores de Valor

Visão por “silos”

Visão integrada

Visão 360 do Cliente

“Tecnologista”de
Marketing
(c) 2014 UWS -- Não Distribuir 92

Vingança dos Nerds

Como ele aparece

Com quem ele articula

O que ele faz

O que ele sabe

Revisão & Conclusões
(c) 2014 UWS -- Não Distribuir 98

Ciclo de Marketing 2.0

Processo de Aprendizado

Maturidade e ROI

Bases do Relacionamento

(c) 2014 UWS -- Não Distribuir 105
Obrigado!
Dan S. Reznik
dan@upperwestsolucoes.com

Overflow
(c) 2014 UWS -- Não Distribuir 106
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ
Próximos SlideShares
Carregando em…5
×

Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ

410 visualizações

Publicada em

Workshop de 3 dias proferida para turmas do MBA de Marketing da FGV-RJ

Publicada em: Dados e análise
0 comentários
2 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
410
No SlideShare
0
A partir de incorporações
0
Número de incorporações
7
Ações
Compartilhamentos
0
Downloads
7
Comentários
0
Gostaram
2
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Workshop em Marketing Analytics 2.2 p/ o MBA Marketing FGV-RJ

  1. 1.  (c) 2014 UWS -- Não Distribuir 1 Workshop de Marketing – (Big) Data Analytics 2.0 Dan S. Reznik Upper West Soluções Dez-2014
  2. 2.  Big Data (Intro)  Visão geral  Meus projetos  Aspectos práticos  Data-Driven Marketing  Visão geral  Engajamento do cliente  Visão “360º” do cliente  O “tecnologista de marketing”  Guest Speakers  Claudio Chalom / Canadá Intercâmbio  Daniel Lessa / Gazeus  Irit Epelbaum / Flert  Sabrina Gallier / Nibo  Resumo & Conclusões (c) 2014 UWS -- Não Distribuir 2 Plano
  3. 3.  Plano Turma Barra (c) 2014 UWS -- Não Distribuir 3 2a feira, BARRA 3a feira, BARRA 2a feira, BARRA 08/dez/04 09/dez/14 15/dez/14 18:30 as 19:30 Intro a Big Data Data-Driven Mkt II Sabrina / Nibo 19:30 as 20:30 Data-Driven Mkt I Gazeus / Daniel Lessa Flert / Irit 20:30 as 20:45 break break break 20:45 as 22:00 Data Viz / D. Chada Canada Interc / Claudio Revisão e Conclusões
  4. 4.  Plano turma Botafogo (c) 2014 UWS -- Não Distribuir 4 5a feira, BOTAF 4a feira, BOTAF 5a feira, BOTAF 11/dez/14 17/dez/14 18/dez/14 18:30 as 19:30 Intro a Big Data Data-Driven Mkt II Canada Interc / Claudio 19:30 as 20:30 Data-Driven Mkt I Flert / Irit Sabrina / Nibo 20:30 as 20:45 break break break 20:45 as 22:00 Data Viz / D. Chada Gazeus / Daniel Lessa Revisão e Conclusões
  5. 5.  Big Data (c) 2014 UWS -- Não Distribuir 5
  6. 6. (milhões de Tb)
  7. 7.  Big Data: Projetos Ativos (c) 2014 UWS -- Não Distribuir 7
  8. 8.  Oportunidade por Vertical (c) 2014 UWS -- Não Distribuir 8 Big Data: valor em potencial Facilidadedecapturadedados
  9. 9.  Business Intelligence (c) 2014 UWS -- Não Distribuir 10
  10. 10.  BI vs Big Data (c) 2014 UWS -- Não Distribuir 11
  11. 11.  Tendências (c) 2014 UWS -- Não Distribuir 12 Multi-structured
  12. 12.  Múltiplas Fontes (c) 2014 UWS -- Não Distribuir 13 VALOR
  13. 13.  Exemplo: visão 360
  14. 14.  Retenção do Cliente
  15. 15.  Como dados poderiam ser úteis no seu negócio  Aumento de receita  Diminuição de custos  Diminuição de riscos  Classificar os 4 V’s dos seus dados (baixo/medio/alto)  Volume  Velocidade  Variedade  Veracidade Exercício I (c) 2014 UWS -- Não Distribuir 16
  16. 16.  Retenção tem valor exponencial
  17. 17.  Interação com o Cliente Coleta de dados Canais de comunicação
  18. 18.  Problemas com BI
  19. 19. Informação Essencial p/ Data-Driven Marketing
  20. 20.  Causas de Erros de Coleta
  21. 21.  Data-Driven Marketing
  22. 22.  Triagem de “Leads” Pontos de Contato: Email, Online, Contatos, etc. Pedidos de Informação Leads Conversões Prontos p/ Compra Qualificados Venda Fechada
  23. 23.  Rapidez e Valor (c) 2014 UWS -- Não Distribuir 24
  24. 24.  Paralelismo e Custo
  25. 25.  Silos de dados
  26. 26.  Integração
  27. 27.  Não quero mais trabalho  Não quero que você tenha meus dados  Não quero que você veja os furos com meus dados (c) 2014 UWS -- Não Distribuir 28 Integração: os 3 “nãos”
  28. 28.  Descreva problemas de qualidade de coleta nos seus dados e razões e soluções.  Onde rapidez na produção de resultados poderia ajudar na sua empresa?  Onde integração de dados poderia produzir valor na sua empresa? Exercicio III (c) 2014 UWS -- Não Distribuir 29
  29. 29.  Ciência de Dados (c) 2014 UWS -- Não Distribuir 30
  30. 30.  Cientista de Dados • Gerente de Projetos • Estatístico • Especialista no Negócio • Arquiteto de Dados • Desenvolvedor de Software
  31. 31.  Análise de Dados
  32. 32.  Exemplos de Projetos www.upperwestsolucoes.com (c) 2014 UWS -- Não Distribuir 33
  33. 33. Busca Semântica de Laudos (c) 2014 UWS -- Não Distribuir 34 Motor de Recomendação Detecção de Fraude Integração de Dados do Cidadão Otimização de Marketing Digital
  34. 34.  MobileMobile Email Marketing Email Marketing WebWeb Peixe Urbano Motor de Recomendação Motor de Recomendação Ofertas do Dia Ofertas do Dia DemografiaDemografia ComprasComprasClicksClicks
  35. 35.  Exemplo de Recomendação Porcão Spa 12 sessões Balanceamento Álbum de fotos Sushi Arvorismo Búzios Escova Marroquina Reordenação userID: 1234 Compras: 10 * Automotivo: 5 * Estética: 3 * Gastronomia: 2 Balanceamento Spa 12 sessões Escova Marroquina Porcão Sushi Álbum de fotos Arvorismo Búzios
  36. 36.  Mistura de Experts Expert em demografia Expert em preferencias, ratings, marcas, social networks Expert em histórico de compras ΣΣ w2 w1 w3 Ofertas do dia Ofertas do dia Ofertas ordenadas por relevância
  37. 37. Subject personalizado Titulo personalizado Preview pane atraente Ofertas ordenadas por relevância
  38. 38.  Gazeus Games: Otimização de Marketing (c) 2014 UWS -- Não Distribuir 39
  39. 39.  (c) 2014 UWS -- Não Distribuir 40 Base Integrada do Cidadão SEPLAG-MG
  40. 40.  (c) 2014 UWS -- Não Distribuir 41 Vinculação de Registros
  41. 41.  (c) 2014 UWS -- Não Distribuir 42 Arquitetura do Sistema
  42. 42.  (c) 2014 UWS -- Não Distribuir 43 Assalto a Caixas Eletrônicos
  43. 43.  (c) 2014 UWS -- Não Distribuir 44 Localização dos Eventos
  44. 44. Logs Semi- Estruturado Semi- Estruturado EstruturadoEstruturado Banco Paralelo Deteccao Anomalias alarmes ATM ATM ATM (c) 2014 UWS -- Não Distribuir 45 Solução
  45. 45.  (c) 2014 UWS -- Não Distribuir 46 Detecção de Anomalias
  46. 46.  (c) 2014 UWS -- Não Distribuir 47 Busca Semântica em Laudos de Radiologia 2,5 M de laudos de radiologia Indexador GUIGUI OntologiaOntologia
  47. 47.  (c) 2014 UWS -- Não Distribuir 48 Ontologia de Termos Médicos
  48. 48. (c) 2014 UWS -- Não Distribuir 49
  49. 49.  Aspectos Práticos em Projetos (c) 2014 UWS -- Não Distribuir 50
  50. 50.  (c) 2014 UWS -- Não Distribuir 51 Conceito: PESSOAS
  51. 51.  Pouca experiência / competitividade a partir de dados  Mal qualificadas em profissionais de dados  Pulverização em Silos  Qualidade de dados totalmente não gerenciada  Dados reféns de TI – me tira daqui! (c) 2014 UWS -- Não Distribuir 53 Despreparo nas Empresas
  52. 52.  (c) 2014 UWS -- Não Distribuir 54 Pirâmide de Maslow - Qualidade - Integração - Governança • 360 Cust. View • Anti-Fraud • Anti Churn ESTRATÉGIA, ROI+
  53. 53.  Pirâmide do Valor
  54. 54.  Ondas de maturidade (c) 2014 UWS -- Não Distribuir 56
  55. 55.  Digital Marketing (c) 2014 UWS -- Não Distribuir 58
  56. 56.  1000+ Produtos!
  57. 57.  Tipos de Software • Analíticos/Atribuição • Percepção • Automação de Marketing: • Processos • Escuta de Mídias Sociais • Engajamento • Experiência do cliente • Pontos-de contato • CRM • Relacionamento
  58. 58.  Marketing Pipeline
  59. 59.  Tecnologista de Marketing
  60. 60.  Dados Comportamentais
  61. 61.  Dados Psicográficos
  62. 62.  Máquina Correlacional
  63. 63.  Investimentos vs Vendas
  64. 64.  Engajamento do Cliente (c) 2014 UWS -- Não Distribuir 72
  65. 65.  A jornada do herói
  66. 66.  A jornada do cliente
  67. 67. Ciclo de Engajamento
  68. 68.  Visão 360 do Cliente (c) 2014 UWS -- Não Distribuir 79
  69. 69.  Centrar em Produto vs Cliente (c) 2014 UWS -- Não Distribuir 80
  70. 70.  O que conta na tomada de decisão do cliente?  A estratégia de marketing corresponde a expectativa do cliente e/ou as metas do negócio?  Dados do cliente estão potencializados em todos departamentos do negócio?  Quais clientes geram mais lucro? Vendas?  Quais ações estimulam a compra?  Quais mensagens ou promoções causam maior resposta?  Quais compras futuras posso estimular por cliente? Algumas Perguntas
  71. 71.  Cliente = Quebra Cabeça
  72. 72. Porque? (atitude) -Opiniões -Preferências -Demandas e sonhos Como? (interações) -Emails e chats -Notas do SAC -Clickstream (web) -Diálogos face-a-face Quem? (descritivo) -Características -Relacionamentos -Infos auto-declaradas -Geo-demografia O quê? (comportamento) -Pedidos -Transações -Histórico de Pagamentos -Histórico de Utilização
  73. 73.  Vantagens de Centrar no Cliente
  74. 74.  360 View: Geradores de Valor
  75. 75.  Visão por “silos”
  76. 76.  Visão integrada
  77. 77.  Visão 360 do Cliente
  78. 78.  “Tecnologista”de Marketing (c) 2014 UWS -- Não Distribuir 92
  79. 79.  Vingança dos Nerds
  80. 80.  Como ele aparece
  81. 81.  Com quem ele articula
  82. 82.  O que ele faz
  83. 83.  O que ele sabe
  84. 84.  Revisão & Conclusões (c) 2014 UWS -- Não Distribuir 98
  85. 85.  Ciclo de Marketing 2.0
  86. 86.  Processo de Aprendizado
  87. 87.  Maturidade e ROI
  88. 88.  Bases do Relacionamento
  89. 89.  (c) 2014 UWS -- Não Distribuir 105 Obrigado! Dan S. Reznik dan@upperwestsolucoes.com
  90. 90.  Overflow (c) 2014 UWS -- Não Distribuir 106

×