Este documento discute como o Big Data está modificando as relações com os consumidores. Apresenta exemplos de como empresas como Google, Target e redes de hotéis utilizam análises de grande volume de dados para oferecer experiências mais personalizadas e direcionadas. Também aborda os desafios na gestão e análise de dados em grande escala.

1. Muito além dos dados:
Diego Alves
Mauro Tardivo Filho
Rafael Dias
Como o BigData está modificando
as relações com os consumidores

2. Quem somos ?
Diego Alves
Mauro
Tardivo
Filho
Rafael Dias
Engenheiro de SW
Entusiasta de Marketing
Engenheiro de SW
Entusiasta em Analytics
Engenheiro de SW
Entusiasta de BI

4. “There were 5 exabytes of information created
between the dawn of civilization through 2003,
but that much information is now created every 2
days.”
Eric Schmidt, Google

5. Curiosidades
Total de dados
sendo capturados
e gravados pelas
indústrias dobra
a cada 1.2 anos.
A Google sozinha
processa em
média 40 mil
queries por
segundo.
A cada minuto
são enviados 204
milhões de
emails.
A cada minuto
são gerados 1.8
milhões de likes
no Facebook e
enviados 278 mil
tweets.
Se você gravasse
todo conteúdo
criado em 1 dia
em DVD’s, você
poderia empilhá-
los e alcançar a
lua. Obs: 2 vezes.
Youtube recebe
100 horas de
vídeo a cada
minuto.

6. Alemanha, Copa do Mundo e Big Data?
● 12 jogadores
● Parceria SAP e
Alemanha
● Análise de dados dos
jogadores, performance
dos times e estratégias
● Difícil tarefa de analisar
dados aparentemente
não relacionados

8. Big What ?
conjuntos de dados
grandes ou
complexos demais
para os aplicativos
de processamento
de dados
tradicionais
uso de análise
preditiva e de
alguns outros
métodos
avançados para
extrair valor de
dados

9. Big What ?
"big data is for machines;
small data is for people."

10. Cientistas,
empresários,
profissionais de
mídia e
publicidade,
analistas do
mercado financeiro
e Governos
Big Who ?
Desafios

11. Cientistas,
empresários,
profissionais de
mídia e
publicidade,
analistas do
mercado financeiro
e Governos
análise, captura,
curadoria de dados,
pesquisa,
compartilhamento,
armazenamento,
Big Who ?
transferência,
visualização e
informações sobre
privacidade dos
dados.

12. Big Where ?
Atividades Redes Sociais Mídias IoT
Pesquisas na
Internet
Compras efetuadas
Estatísticas de
navegação e uso do
celular
Emails e postagens
de redes sociais
Fotos e vídeos Dados de sensores

13. Big Where ?
Mercado
financeiro
Medicina Urbanismo
Histórico de
transações
Histórico de preços
Registros de
doenças
Evolução
Sintomas
Dados de tráfego
Agricultura &
Pecuária
Mapeamento de
plantações
Mapeamento de
rebanhos

14. Big Why ?
Maior
precisão
Decisões com
mais
confiança
Maior eficiência operacional
Redução de custos
Redução de riscos

15. Big Why ?
Novas correlações
Tendências de negócios no local
Prevenção de doenças
Detecção de fraudes
Combate à criminalidade
Recomendações personalizadas

16. 5V
Volume Velocidade Variedade Veracidade Valor
… vasta
quantidade de
dados que são
gerados a cada
segundo
… velocidade
com a qual os
dados são
gerados e
transmitidos
… tipos de
dados que
podem ser
utilizados
… grau de
organização e
confiabilidade
dos dados
… necessidade
de se
transformar
dados em valor

19. Starbucks vs Consumidor vs Local
● Análise de localidade
● Análise de preferências
do consumidor
● Estudo de tráfego das
ruas
● Possibilidade de abrir
nova Starbucks próxima
à uma existente.

20. Big Data no Brasil ?

21. Visão 360º do consumidor
• Estatísticas de acesso a sites
•Cliques
•Fluxo de navegação
•Histórico de compras
•Buzz de redes sociais
Presente FuturoPassado

22. construção de
relações
personalizadas
entrega de ofertas
altamente
direcionadas
aquisição de
conteúdo
apropriado
oferta de
recomendações em
real time
Big Data e empresas de Mídia

23. Cases

24. Rede de hotéis utiliza Big Data para aumentar reservas

25. Rede de hotéis utiliza Big Data para aumentar reservas
● Informações de clima
● Informações de cancelamentos de
vôos
● Hora do dia
● Localização de hotéis e aeroportos
● Condições de tráfego

26. Seguradoras
● Análise de fraude de clientes em tempo real
● Mais informações sobre as pessoas e conexões do que antigamente
● Diversas fontes de informações
● Perda financeira para a seguradora muito menor

27. Apostadores
● Análise de apostas de jogos.
● Informações sobre histórico das equipes, resultados de jogos, colocações na tabela,
jogadores, momentos das partidas que determinados pontos ocorrem.
○ Número muito grande de informações e conexões entre as mesmas.
○ Dados sendo atualizados em tempo real.
● Bons modelos trazem chance de retorno nas apostas maior do que zero.
● Normalmente, empresas de apostas punem ou banem usuários que criam bons modelos
de predição de resultados.

28. ● 25% dos americanos possuem múltiplas
doenças crônicas.
● Pessoas com múltiplas doenças crônicas tem
risco maior de mortalidade e de má-qualidade
de vida.
● Philips tem investido cada vez mais na coleta
de dados sobre as pessoas e do ambiente.
● Dados detalhados obtidos em tempo real
(paciente e ambiente) dão uma visão completa
sobre o estado do paciente e permite ao
médico dar um melhor diagnóstico.
Philips HealthCare

29. ● Google sempre desenvolve novos produtos e serviços que utilizam Big Data.
● Big Data é responsável no refinamento do mecanismo de busca e de propagandas.
● Propagandas, recomendações, resultados de busca são direcionadas para o seu perfil.
● Usuário fica mais satisfeito pelo "atendimento personalizado"
Google

30. Procurando por "hamburgueria Campinas" no buscador
Greg Burguers Big Jack
Big Jack Let's Eat
Big Jack Big Jack
Fit Burguers Mammas & Pappas
Let's Eat Greg Burguers
Big Jack
Hamburgueria São José

31. Target
• Interesse em determinar em qual estágio da gravidez estavam seus clientes.
• Dependendo do estágio, determinados itens são mais procurados do que outros.
• Uma semana de gravidez faz diferença, ou seja, precisão é importante.
• Modelos para obter um melhor retorno com cupons de desconto.
• Grande número de dados tanto estruturados quanto não estruturados.
• Pró: Entregar ofertas altamente direcionadas.
• Contra: “Minha filha recebeu isso pelo correio! Ela ainda está no segundo grau, e vocês
ficam enviando para ela cupons para roupas de bebê e berços?!?!”
• A filha estava realmente grávida, mas o pai não sabia.

32. Big Next...

34. Dúvidas?

35. Obrigado!