Big Data: Oportunidades para Redução de Custos e Melhoria de Decisões

a report by harvard business review analytic services
Big Data: O Futuro
da Informação
e dos Negócios
Big Data: The Future
of Information
and Business
Patrocinado por

BIG DATA: O FUTURO DA INFORMAÇÃO E DOS NEGÓCIOS | 1
Sumário Executivo
BIG DATA se transformou em uma expressão genérica, mas em sua essência, ela apresenta três desafios
para as organizações. Em primeiro lugar, os líderes de negócios devem implementar novas tecnologias
e, em seguida, prepararem-se para uma revolução em potencial na coleta e mensuração de informações.
Mais importante que isso, a organização como um todo deve se adaptar a essa nova filosofia sobre como
as decisões são tomadas se o real valor do big data for compreendido.
A quantidade de dados que chega às organizações por meio de canais em constante expansão é impres-
sionante. De acordo com uma fonte, foram produzidos nos últimos dois anos mais dados que em toda a
história. E não foi somente o volume de dados que mudou, mas também a variedade: as informações são
agora coletadas em diversos canais que variam desde cliques na internet até as informações não estrutu-
radas provenientes das mídias sociais. E a velocidade na qual as organizações podem coletar, analisar e
responder às informações atingiu agora uma nova dimensão. A Amazon, por exemplo, usa um sistema de
precificação dinâmico que rastreia a internet, verifica os preços e a disponibilidade de produtos dos con-
correntes e altera os preços, em alguns casos a cada quinze segundos. A Amazon pode coletar dados de
cada visitante, cada clique e cada interação que acontece em seu site, que coletivamente são conhecidos
como dados estruturados, e ela também pode coletar os comentários e avaliações dos consumidores ou
seus posts nas redes sociais.
Um segundo aspecto importante do big data é o potencial de novas formas de mensuração. Por exemplo,
já está amplamente disponível a tecnologia que permite que você transmita seus dados de saúde a seu
médico enquanto você se exercita. Da mesma forma, a GE insere microtransmissores, como sensores e
tecnologia de rede, para ajudar seus clientes com a manutenção preventiva de turbinas de energia. Os
especialistas preveem que haverá uma explosão de dados gerados por meio de mensurações conduzidas
por máquinas. A proporção desse crescimento é duas vezes maior que o crescimento de dados gerados
por pessoas. Até 2015, espera-se que 6 bilhões de objetos no mundo estejam conectados à internet, o que
é conhecido como Internet das Coisas. Possibilidade dessas novas conexões é o Nest, um termostato que
permite que o GPS do seu celular notifique automaticamente o seu sistema de aquecimento e ar condicio-
nado se você estiver nas proximidades de sua casa.
Finalmente, as organizações devem se confrontar com uma nova filosofia sobre a tomada de decisões.
Hoje vivemos em um mundo que está sempre conectado, onde as preferências dos consumidores mudam
a cada hora. Eles podem checar vários canais ao mesmo tempo e traçar uma série de caminhos inusitados
e diferentes para efetuar uma compra. Um analista afirmou que o processo de compra se parece mais
com um novelo de lã do que com o funil de compra previsível, serial ou linear que tínhamos no passado.
Isso significa que as organizações precisam estar preparadas para implantar novos canais para tomada de
decisão, alguns deles automatizados, que permitem respostas rápidas e ágeis às informações dos clientes.
Copyright © 2013 Harvard Business School Publishing. All rights reserved.
Big Data: O Futuro da
Informação e dos Negócios

2 | a harvard business review analytic services report
Figura 1
Familiaridade com o Conceito de Big Data
O quão familiarizado você está com o Conceito de Big Data?
Nem um pouco familiarizado Extremamente familiarizado
11%
5%
7%
18%
7%
10%
16% 16%
8%
10%
1 2 3 4 5 6 7 8 9 10
Figura 2
Uso Atual e Estratégia para Big Data
■ Sim
■ Não
■ Não tenho certeza
60%
12%
28%
USA ATUALMENTE BIG DATA?
56%
21%
23%
POSSUI ESTRATÉGIA PARA BIG DATA?
Baseado em dados coletados pela Harvard Business Review e pesquisa online com 951 membros da audiência global de leitores
da Harvard Business Review.

Da mesma forma, a organização inteira irá enfrentar uma pressão para tomar decisões baseadas em dados
e rápidas experimentações e não mais em intuição e estimativas.
Claramente, esses três desafios fazem parte da evolução que nos trouxe ao que Thomas Davenport, autor
da Harvard Business Review, chamou de “Analytics 3.0.” Ele diz que Analytics 1.0 foi a época antes do Big
Data; Analytics 2.0 foram os primeiros dias do Big Data e agora estamos entrando no mundo Analytics 3.0.
É um ambiente que combina o melhor do 1.0 e do 2.0—uma mistura de big data e analytics que produz
conhecimentos e ofertas com velocidade e impacto. O grande ganho para os negócios acontece quando
as empresas conseguem combinar e analisar dados estruturados a partir de suas aplicações corporativas
com os dados não estruturados da internet e dados de fontes públicas ou pagas. E isso significa que as
empresas deverão ter ferramentas analíticas e pessoas com um novo conjunto de habilidades para tirar o
máximo proveito do fluxo de informações e fazer as melhores análises preditivas.
Nos textos a seguir, três autores da Harvard Business Review—Thomas H. Davenport, Erich Joachimsthaler
e Bill Sweeney—apresentam oportunidades imediatas e futuras para os negócios com relação ao big data e
analytics. No primeiro artigo, Davenport apresenta o impacto potencial do big data e analytics, explicando
como as empresas podem se beneficiar de tomadas de decisão melhores e mais rápidas e de reduções de
custos que podem apoiar novas formas de inovação. Joachimsthaler nos mostra três estudos de caso de
empresas que estão se beneficiando nesse momento com a integração do big data e analytics com o mar-
keting digital. Por último, Sweeney nos explica como o big data e analytics irá melhorar a gestão de riscos
ao proporcionar novas maneiras de monitorar, medir e mitigar o risco e, potencialmente, criar vantagem
competitiva.
Juntos, esses textos foram desenvolvidos para ajudar as organizações a entender as oportunidades e desa-
fios apresentados pelo big data e começar a reconhecer como aproveitar essa nova ferramenta e seu ver-
dadeiro valor.
Big Data: Oportunidade e
Desafio para a Vantagem
Competitiva
Thomas H. Davenport | Presidente e Ilustre Professor de Gestão e
Tecnologia da Informação no Babson College; Professor Visitante na
Harvard Business School
Se você é como a maioria dos gestores e profissionais com que me deparei, certamente já ouviu falar do
termo “big data” e sabe que os dados vêm crescendo a um ritmo surpreendente. Mas você pode estar um
pouco confuso sobre o que é realmente diferente no big data e como ele se relaciona com a gestão e análise
tradicional de dados.
Mais importante, a maioria de suas organizações ainda não está aproveitando muito isso. Em uma pes-
quisa realizada em 2013 com 951 leitores da Harvard Business Review, por exemplo, muitos respondentes
disseram que estavam familiarizados com o conceito de big data, mas apenas 28% deles afirmaram que
suas organizações estavam “usando atualmente o big data para tomar decisões melhores ou criar novas
oportunidades de negócios.” figuras 1 e 2
Apenas 23% disseram que suas organizações utilizavam uma estratégia para big data. Uma parcela bem
pequena, apenas 6%, concordou totalmente com a frase “Minha organização considerou o impacto do big
data nas funções-chave da empresa”, e uma porcentagem ainda menor, 3%, concordou totalmente com
“Minha organização sabe como utilizar o big data em nosso negócio.” figura 3

Evidentemente existe um volume expressivo de dados lá fora; de acordo com um estudo, o mundo usou
mais de 2,8 zettabytes de informações (isto é 2,8 trilhões de gigabytes—um número incomensuravel-
mente grande) em 2012. Isso é mais do que qualquer coisa que já conhecemos e vai continuar crescendo
ao longo do tempo.
Mas para as organizações que precisam gerenciar e tirar proveito do big data, o volume total não é o mais
importante.
O ponto não é ficar deslumbrado com o volume de dados, mas sim analisá-los—convertê-los em conheci-
mento, inovações e valor de negócio. O mesmo estudo sugere que apenas metade de 1% dos 2,8 zettabytes
é analisada de alguma maneira. Isso indica que temos uma enorme tarefa pela frente para começar a
analisar os dados e extrair deles seu valor. Nem tudo será útil—o estudo indica que cerca de 25% têm valor
em potencial—mas, seja qual for o número, estamos apenas arranhando a superfície do que é possível.
As Novas Oportunidades do Big Data
Claro, se o big data é capaz de promover avanços nos negócios, ele deve proporcionar algumas novas
oportunidades. Discorrer sobre a quantidade de informações que existe no Facebook ou no Twitter ou o
número de gigabytes em um único genoma humano não ajuda os executivos a determinar o quanto de
valor eles conseguirão obter explorando tais dados.
Existem três tipos de valor: redução de custos, melhoria nas tomadas de decisão e melhorias em produtos
e serviços. As oportunidades de redução de custos por meio do big data são bastante substanciais.
Com relação à tomada de decisões, o valor primário do big data deriva da adição de novas fontes de dados
a modelos explicativos e preditivos. Muitos entusiastas do big data argumentam que há mais valor em
adicionar novas fontes de dados a um modelo do que em aperfeiçoá-lo.
Por exemplo, se você tem alguns dados prevendo perdas de clientes baseado no que eles compraram ou
deixaram de comprar, você pode melhorá-los ao acrescentar informações sobre o histórico de transações.
Se você tem um modelo que prevê qual a “próxima melhor oferta” que um cliente provavelmente com-
prará, baseado em seu histórico de compras e dados demográficos, você poderá melhorá-la ao analisar
os comentários e “curtidas” que o cliente postou em sites de redes sociais. Alguns dos dados que você
poderá usar serão “grandes” no sentido de grande volume ou não estruturados, mas alguns serão peque-
nos e/ou estruturados. O ponto crucial é procurar amplamente por novas fontes de dados para ajudá-lo a
tomar sua decisão.
Figura 3
Atitudes das Organizações com Relação ao Big Data
Classiﬁque seu nível de concordância com cada uma das seguintes aﬁrmações.
1 = discordo totalmente; 10 = concordo totalmente
Minha organização considerou o impacto do
big data nas funções-chave dentro da empresa.
Minha organização sabe como utilizar o big data
em nossos negócios.
6%
3%
Porcentagem da nota “10”
Baseado em dados coletados pela Harvard Business Review e pesquisa online com 951 membros da audiência global de leitores da
Harvard Business Review.

A outra grande oportunidade proveniente do big data é a criação de produtos e serviços atrativos aos
clientes. Ainda estamos no início da era do big data e de produtos e serviços baseados especificamente
nesses dados, mas já existem vários exemplos de produtos e serviços desenvolvidos a partir do big data.
No LinkedIn, por exemplo, uma característica específica que definitivamente proporcionou valor a essa
empresa é o Pessoas que Talvez Você Conheça (PTVC). Como muitos leitores já conhecem e usam essa
ferramenta, o PTVC sugere aos membros do LinkedIn alguns outros membros com os quais eles podem
querer se conectar. Esse recurso utiliza uma abordagem multifatorial que identifica possíveis novas co–
nexões, incluindo escolas, empresas e conexões compartilhadas e dados geográficos.
PTVC gerou muitos novos clientes para o LinkedIn. Comparado às outras sugestões que o LinkedIn envia
para que as pessoas voltem ao site, o PTVC alcançou um índice de acessos 30% maior. Milhões de pessoas
que não fariam isso de outra forma repetiram as visitas ao site. Graças a essa característica única, a tra-
jetória de crescimento do LinkedIn mudou significativamente.
Da mesma forma, a empresa de sistemas de viagens online Amadeus desenvolveu um serviço de big
data chamado “Resultados em Destaque”. Para enfrentar um desafio que aumenta a cada dia—o rápido
aumento da taxa de conversão de “visitas” em “reservas de viagem”, ou o número de consultas on-line
por reserva de passagem área—a Amadeus precisava encontrar uma forma para que os agentes de via-
gem fizessem ofertas atrativas para os clientes. Baseado em bancos de dados de consultas de usuários,
várias centenas de milhões de preços de passagem e meio bilhão de registros de reservas, o “Resultados
em Destaque” apresenta quatro possíveis itinerários nos quais os clientes podem estar particularmente
interessados. Os primeiros resultados de um teste feito com a Vayama, uma agência de viagens parceira
da Amadeus, mostram que eles obtiveram 16% de melhora em sua taxa de vendas por procura realizada.
Muitos executivos podem admitir que o big data tem potencial para adicionar valor substancial aos negó-
cios online, mas não tem tanta certeza desse valor fora desse domínio. Eles podem ser persuadidos dessa
relevância por meio das ações e planejamento da GE—uma das maiores e mais bem sucedidas empresas
do mundo e uma das mais entusiastas adeptas do big data—mesmo em negócios empresariais.
A GE criou um centro em San Francisco para tratar de temas de software e big data e está contratando
muitos cientistas para fazer isso. Eles trabalharão nos negócios da GE onde tradicionalmente já existem
muitos dados, como serviços financeiros e saúde. Mas a GE também vê valor potencial em aplicações
industriais, como nos negócios de locomotivas, aviões e turbinas a gás.
A GE já monitora mais de 1.500 turbinas a gás, usadas para geração de energia, por meio de de uma instala-
ção centralizada. Portanto, uma grande parte da infraestrutura necessária para se usar o big data e melho-
rar a performance já está pronta. A companhia estima que poderia conseguir pelo menos 1% de melhoria
na eficiência das turbinas monitoradas por meio da otimização de software e rede, melhoria na expedição
do serviço e na harmonização do sistema gás/energia. Isso pode não parecer muita coisa, mas significaria
US$ 66 bilhões em economia de combustível nos próximos quinze anos.
A GE também acredita que a otimização das operações de manutenção por meio do big data irá funcionar
bem para muitos de seus bens industriais de valor mais alto como locomotivas, turbinas para aviões e
equipamentos de diagnóstico por imagens. Obviamente, outras empresas nessas indústrias podem adotar
os mesmos procedimentos, e elas provavelmente o farão algum dia. Mas a escala da GE, seus ambiciosos
planos de investimentos e o fato de ter sido umas das primeiras na era do big data irão provavelmente
conferir a ela uma vantagem competitiva considerável.
O big data não transforma apenas os processos de gestão e tecnologia, mas também orientações básicas e
a cultura das organizações. Nós simplesmente não podemos pensar nos negócios da mesma forma agora
que temos esse novo recurso.
Uma mudança necessária na orientação é no sentido de mais descoberta e experimentação com os dados.
O mundo—e os dados que o descrevem—está em constante estado de mudança e aquelas organizações

que conseguem reconhecer isso e reagir de forma rápida e inteligente vão sair na frente. O negócio e os
recursos de TI mais valorizados são a descoberta e a agilidade em vez da estabilidade. Os cientistas de
dados que trabalham com as ferramentas e tecnologias de big data poderão explorar continuamente fon-
tes de dados novas ou já existentes a procura de padrões, eventos e oportunidades em uma escala e com
um ritmo sem precedentes. As empresas que conseguirem analisar e se adaptar rapidamente, usando
dados a partir de fontes internas e externas, serão claramente as vencedoras.
Reimpressão com autorização da Harvard Business Review. Extraído do próximo livro de Thomas H. Davenport “Big Data at Work.”
Direitos Autorais 2013. Todos os direitos reservados.
Conduzindo um novo crescimento
por meio do Big Data
erich joachimsthaler | Erich atua como sócio e CEO da consultoria
global Vivaldi, com foco em estratégia de marca e marketing. Ele é o
coautor de Brand Leadership e autor de Hidden in Plain Sight: How to
Find and Execute Your Company’s Next Big Growth Strategy.
Big data, muita informação, muito falatório. Há tanta informação exagerada sobre big data que é difícil
saber no que acreditar. E o que vem primeiro à nossa mente—um enorme volume! Vários servidores!
Armazéns de dados! Infraestrutura de TI!—não é necessariamente o mais importante.
Não fique impressionado. Em vez disso, considere esses três estudos de caso. Aprendendo com a
experiência dessas companhias, será mais fácil separar o que é exagerado do que é substancial e real-
mente entender o que o big data pode fazer por sua organização hoje.
O FABRICANTE DE BEBIDAS
Esse fabricante de bebidas alcoólicas comercializa seus produtos na parte sul da América Latina e na
Argentina, Chile e Brasil por meio de canais e sistemas de distribuição extremamente fragmentados.
Existem boas informações do ponto de venda quando tratamos de supermercados urbanos de grande
porte. Mas a maioria das compras e consumo acontecia em lojas menores ou lojas de rua em áreas rurais,
ou em bares e restaurantes, de onde é difícil obter dados bons e precisos.
A empresa realizou promoções com amostras nas ruas, patrocinou eventos locais e reforçou a oferta de
seus produtos em bares e restaurantes, mas não estava muito confiante. Quais eram os estabelecimentos
com maior volume? Como se comparavam seus preços com a concorrência? Deveriam promover qual
marca, em qual lugar?
A solução estava no rastreamento por meio de celular que captura os dados de vendas dos estabelecimen-
tos menores, bares e restaurantes em tempo real. A gerência regional integrou então essa informação com
a de outros canais e conseguiu obter, pela primeira vez, uma visão abrangente das vendas.
Agora, a empresa pode micro segmentar seu mercado por oportunidade de vendas e avaliar sua cobertura
com confiança. Ela também pode criar scrapbooks digitais para olhar mais de perto os acontecimentos nos
pontos de venda, detectar padrões e descobrir abordagens que levem a novas ações.
Como próximo passo, a empresa também começou a integrar informações fornecidas por consumidores
que registram o consumo de produtos da empresa (e dos concorrentes) por meio de um diário no celular.
Essas informações ajudarão a companhia a entender melhor o contexto cotidiano de consumo de seus
clientes e seus comportamentos nas mídias; eles irão informar o desenvolvimento de novos produtos e
decisões sobre canais de distribuição e novos esforços de marketing.

O DESIGNER E VAREJISTA DE MODA
A Burberry construiu uma enorme comunidade de fãs por meio de canais de marketing digital e social—
mais de 20 milhões de conexões espalhadas por 10 plataformas sociais, incluindo 15 milhões de fãs no
Facebook e mais de 1,5 milhão no Twitter. Mas muitas empresas possuem muitos fãs e pouco lucro para
mostrar. A diferença é que a Burberry aumentou sua base de fãs em grande parte ao criar um novo e
atraente caminho para comprar e uma boa oportunidade de se conectar com outras pessoas que estão
interessadas em moda. O marketing digital e o social não são simplesmente camadas colocadas em cima
do modelo tradicional de negócios. Eles são parte de um novo modelo de negócios.
E como isso funciona? A empresa faz vídeos e fotos de suas novas coleções e as disponibiliza aos seguidores
no Twitter e Facebook antes mesmo dessas coleções serem mostradas nas passarelas de Milão e Londres.
Como resultado, esses seguidores (muitos dos quais são clientes em potencial, em um novo e jovem seg-
mento) não estão mais apenas “recebendo” moda; eles estão participando. Eles podem conversar com
outros seguidores que também estão interessados em moda sobre o que gostaram, o que não gostaram e
as tendências que estão surgindo. Eles também podem comprar o que estão vendo, eliminando a fila de
distribuição tradicional e garantindo que eles receberão os itens assim que forem produzidos, em cerca
de dois meses.
Esse caminho que possibilita comprar sozinho é um grande negócio nessa indústria. É um novo modelo
de negócios no qual os clientes pagam com meses de antecedência antes de receber a mercadoria, uma
abordagem personalizada que lembra o modelo original e bem sucedido adotado pela Dell ao vender com-
putadores. Igualmente interessante, entretanto, é o que a Burberry está fazendo com suas 20 milhões
de conexões. A companhia usa análises preditivas para entender as atividades sociais de sua base de fãs
e prever melhor as preferências dos clientes, e está fornecendo produtos com base em conversas reais.
Ela também explora os dados para criar uma experiência integrada entre as conexões sociais, digitais e
móveis e as lojas físicas. Vendedores armados com iPads podem ver o que um cliente indicou em termos
de preferência no site e personalizar sua visita à loja. Eles também podem unificar a experiência de com-
pras por meio dos principais canais digitais, sociais e físicos, para que os clientes não experimentem uma
lacuna entre esses pontos de contato com a marca.
O TIME DA LIGA DE FUTEBOL AMERICANA
O time Kansas City Wizards chegou ao campeonato da Liga de Futebol Americana em 2006, apesar de
ter o menor índice de comparecimento de torcedores e as menores vendas de merchandising da liga. O
clube mudou de proprietário e iniciou uma reviravolta, o que incluiu, em 2010, a mudança do nome do
time para Sporting Kansas City e a abertura de um novo estádio, o Sporting Park. Sete anos após o clube
ter mudado de mãos, há uma lista de espera para os 14.000 ingressos da temporada, e o estádio vendeu
vinte e sete jogos seguidos, colocando uma média de 19.709 pessoas dentro do estádio cuja capacidade é
de 18.467 pessoas sentadas (alguns ingressos são para lugares em pé).
O novo nome e o novo local marcaram claramente o renascimento do time. Mas o big data é o elemento
invisível fundamental. O estádio investiu US$ 6 milhões em uma rede de internet sem fio de alta densi-
dade com 320 quilômetros de fibras (sete vezes mais do que o padrão para um estádio de seu tamanho)
que possibilita conexões nas redes sociais entre os fãs, o acesso a vídeos do jogo, e avançados sistemas de
câmeras, o que torna a experiência de ir ao estádio muito mais dinâmica. O aplicativo “Uphoria” trans-
forma os smartphones em DVRs (gravadores de vídeo digital) no estádio. Contando com tecnologia de
ponta, o aplicativo permite que os fãs baixem vídeos ao vivo a partir de sete diferentes ângulos de câmeras
e retrocedam o jogo a qualquer ponto. Ele também atribui pontos fidelidade aos usuários que participam
dos jogos de perguntas e fazem previsões sobre as ações em campo. Ele permite até mesmo que o Sporting
Kansas City venda cachorros-quentes, camisas e ingressos para os próximos jogos.
O time também está coletando informações sobre a venda de ingressos, merchandising, e mais, inte–
grando vinte bancos de dados antigos. Usando essa informação, o Sporting Kansas City está adequando

seu marketing, focando mais em consumidores jovens, e não no alvo anterior que era a família, e constru-
indo sua “social-currency”, isto é, fazendo com que as pessoas falem ou compartilhem informações sobre
sua marca no dia a dia ao permitir a venda de ingressos, convites e descontos por meio de seu aplicativo.
Como o coproprietário Robb Heineman disse em recente entrevista na Bloomberg Businessweek: “Nosso
time tem tudo a ver com os dados, nós coletamos, reformatamos e utilizamos essas informações para
impulsionar as receitas incrementais”.
O VALOR DO BIG DATA, SEM MODISMOS
Esses estudos de casos sugerem quatro pontos de reflexão sobre o aproveitamento do potencial do big data:
■■ Mantenha o objetivo final em mente ao lidar com a compilação de dados, marketing digital ou out-
ras iniciativas de base tecnológica. Existem muitos benefícios intangíveis do big data: melhor atendi-
mento ao cliente, mais envolvimento, a unificação do tom de voz da marca e mais conhecimento sobre
o cliente. Todos são objetivos nobres, assim como algumas novas tecnologias, como um painel sempre
ativo na rede social ou um mecanismo de recomendação no seu site da internet. Mas nada é melhor do
que o crescimento das vendas. Mantenha o foco nas vendas e trabalhe a partir desse ponto para trás.
■■ Pense grande, comece pequeno e ganhe escala rapidamente. Integrar os dados de diversas fontes por
meio de pontos de contato e canais requer um “pensamento grande”, mas isso não necessariamente
significa investimentos maciços. Você pode começar pequeno. Rastrear as vendas atuais dos reven–
dedores foi inicialmente um passo pequeno para o fabricante de bebidas na América Latina, o teste foi
realizado em uma única cidade durante algumas semanas. Isso criou uma informação em tempo real
que a empresa usou para melhorar as vendas e os itinerários de entrega. Com um modelo comprovado,
a empresa, em seguida, ampliou a região de atuação e começou a integrar os dados de consumo reais
dos clientes por meio do rastreamento dos celulares.
■■ Entender o poder da informação em tempo real. Big data não é comparável ao seu último projeto de
CRM ou ao esforço de implementação de um ERP. As informações de vendas diárias ajudaram o fa–
bricante de bebidas a ajustar imediatamente as vendas, entregas, logística e programas promocionais
e de marketing. Mantenha em mente, entretanto, que sua indústria pode ser diferente. O que será
importante para você? Você pode ter de verificar as tendências trimestralmente ou a cada seis meses.
Use o big data para manter-se atualizado, não se impressione ou se deixe enganar.
■■ Integre o big data em sua estratégia de marketing como um todo. No passado, as equipes de mar-
keting desenvolviam as estratégias na matriz, que depois eram executadas nas regiões ou unidades
locais. A matriz contava com pesquisas e estudos preparados por empresas de pesquisa de mercado. A
gerência regional e local, ao contrário, estava focada em obter a eficiência operacional na execução das
estratégias concebidas pela matriz no último ciclo de planejamento. Esses dias acabaram. O big data
irá provar que o pensamento tradicional centrado em marcas, que acontecia na matriz da empresa
(concentrando em uma grande ideia criativa que poderia ser executada consistentemente em todos os
canais e pontos de contato), é totalmente inadequado hoje em dia. O big data vai mudar a tomada de
decisão para a administração local e regional e integrar seus planos no processo de estratégia como um
todo, de forma que a estratégia de marca e os planos de marketing possam ser realmente concebidos,
otimizados e executados localmente.
Uma ressalva: o big data levanta o espectro de vigilância do consumidor e preocupações com privaci–
dade. E essas preocupações são legítimas. Ainda assim, as empresas e especialmente os especialistas em
marketing precisam trabalhar com dados dos consumidores. A promessa do big data é vazia a menos que
os consumidores queiram compartilhar informações sobre si mesmos. Essas informações são a base para
muitos serviços que agregam valores aos consumidores, com enormes benefícios, como nos exemplos da
Burberry e do Sporting KC. E esses exemplos não são exceções.
Big data é essencial para que as empresas criem novos modelos de negócios, descubram novas perspec-
tivas dos consumidores, otimizem o relacionamento com canais de distribuição e criem um marketing

mais eficiente ao identificar melhor seu alvo, melhorar a gestão de campanhas e monitorar o sucesso. Em
última instância, as empresas tornam-se realmente centrada no cliente.
Entretanto, mantenha dois itens importantes em mente. Primeiro, foque somente no que você precisa.
Há muita água no oceano, mas você não consegue beber tudo isso. E também reconheça o que é “bom
saber” versus o que você “precisa saber”. Peça permissão aos clientes para usar as informações que você
está coletando. Em segundo lugar, agregue informações ao micro segmento ou grupo para preservar a
privacidade individual e mantenha ou armazene a informação nesse nível.
Na Vivaldi, nós pedimos permissão aos clientes para monitorar seus comportamentos diários por meio
do celular. Nós então desenvolvemos micro segmentos e agregamos os dados nesse nível, incluindo con-
versas sociais, dados de navegação digital ou informações internas sobre relacionamento com o cliente.
O uso altamente pessoal e frequente do celular proporciona informações poderosas e contextualmente
relevantes para dar suporte a decisões de marketing a qualquer momento e esses dados podem ser atua–
lizados semanalmente, diariamente ou com frequência ainda maior. Mais importante que isso, o big data
muda a maneira com que os executivos lidam as decisões. Passam a existir muito menos decisões tomadas
por instinto, experiência e intuição. As decisões também são tomadas e executadas mais rapidamente.
1 Reeves Wiederman, “Sporting Kansas City Makes the Stadium More Like Your Couch,” Bloomberg Businessweek, 18 de julho de 2013.
Riscos e Big Data
BILL SWEENEY | Bill Sweeney tem trinta e cinco anos de experiência
em tecnologia e atuou como Chief Technology Officer para o Banco
de Investimentos do HSBC, Chief Information Officer para o banco
de Investimentos do Citigroup, e Chefe de Pesquisa de Tecnologia na
Bridgewater Associates. Ele é o fundador da Risk, Data and Analytics,
uma consultoria boutique cujo foco são essas três áreas.
As corporações ao redor do mundo renovaram seu foco na gestão de riscos com a crise financeira de 2008.
No mesmo período, o big data se tornou um conceito da moda no mundo dos negócios, já que a tecnologia
criou novas formas de coletar e analisar rapidamente enormes fluxos de dados para fornecer novas pers–
pectivas e possibilitar melhores decisões.
Percebemos claramente que essas tendências agora se juntaram, já que os líderes de negócios estão explo-
rando como o big data pode prover novas formas de monitorar, mensurar e minimizar o risco além de
oferecer até mesmo uma vantagem competitiva. As empresas sempre reuniram informações sobre tudo,
desde suprimento de matéria prima, dinheiro em caixa ou padrões de vendas, com o objetivo de mensurar
e gerenciar os riscos. Mas agora o big data proporciona a capacidade de considerar mais fatores em um
nível mais detalhado que permite descobrir padrões que estavam obscuros nos dados consolidados.
Big data e analytics prometem transformar a gestão de riscos e tomada de decisões, oferecendo mais
informação e velocidade. No entanto, eles não resolverão todos os problemas e, com essas novas fontes
de informação, vêm novas pressões para focar em atividades de gestão de riscos e responder rapidamente
aos perigos detectados.
Usando o big data, as empresas têm potencial para melhor identificar os riscos “escondidos” e fazer uma
melhor análise das causas. Os gestores de risco podem melhorar sua capacidade de determinar a probabi-
lidade de um evento aproveitando metadados e usando segmentação de clientes para identificar fatores
de risco. O big data pode ajudar a desenvolver indicadores de alerta precoces que permitem que as empre-
sas reduzam os riscos de forma mais eficaz.

Por exemplo, o Paypal, o sistema de pagamentos e transferência de dinheiro pela internet, usou técnicas
inovadoras de gestão de risco para reduzir significativamente o volume de fraudes. Essa capacidade se
transformou em uma vantagem competitiva para o negócio. As técnicas do PayPal eram tão inovadoras
que eles se separaram do negócio, tornando-se uma empresa independente, a Palantir.
Outra empresa no negócio de crédito pessoa-a-pessoa usou big data para detectar padrões de comporta-
mento que indicavam altos riscos de crédito. Essas informações incluíam metadados biométricos sobre
os clientes durante o processo de candidatura online, tais como tempo de pressionamento das teclas,
padrões de erro de ortografia e correções. Esses dados foram usados para detectar padrões para emprés-
timos de alto ou baixo risco.
A segmentação da base de clientes é uma prática bem compreendida e muito valorizada em marketing.
Agora as empresas estão se voltando para a micros segmentação dos clientes para gerenciar os riscos.
“Micro segmentação” é o equivalente a “customização em massa” no mercado varejista.
As empresas também estão monitorando as mídias sociais em busca de informações.
Por exemplo, um grande banco quer monitorar o Twitter e o Facebook verificando postagens que men-
cionem mudanças de vida. A teoria é que postagens sobre esses eventos, como gravidez, aniversário ou
casamento, podem se transformar em oportunidades de marketing para o banco. Por outro lado, deseja-se
também entender se eventos negativos, tal como um divórcio difícil, irão sinalizar se as linhas de crédito
devem ser cuidadosamente monitoradas ou congeladas.
O uso de informações externas para prever riscos também se tornará importante para as empresas. Nos
mercados financeiros, os analistas já acompanham de perto e agregam uma gama de relatórios estatísti-
cos a áreas que impactam as expectativas e reações do mercado, tais como desemprego, confiança do
consumidor e o PIB. Os fundos multimercados e outros sempre tentaram sair à frente dessas publicações
ao fazer seus cálculos de forma independente. Com o big data, existem empresas que estão reunindo
dados bem detalhados que podem nos ajudar a construir uma imagem do mundo quase em tempo real.
Uma queda nas remessas da FedEx ou um aumento nos leilões do eBay, por exemplo, pode significar uma
queda na confiança do consumidor. Ou será que um ligeiro aumento no número de downloads dos filmes
da Amazon Prime podem indicar que mais pessoas estão preferindo ficar em casa em vez de sair para jan-
tar e comprar ingressos para o cinema?
Esses exemplos têm uma coisa em comum: para usar o big data eficazmente na gestão de riscos—e ganhar
vantagem competitiva—sua empresa deve estar preparada para minimizar os riscos de forma rápida e
ativa, assim que os identificar. Na maioria das empresas esse fator agrega uma nova pressão.
Eu acredito que o big data transformará gestão de riscos em simplesmente gestão. Os gestores do futuro
contarão com big data e analytics para tomar decisões de risco em tempo real em vez de contarem com
um processo que supervisiona primeiro e age depois. Enquanto isso, a gestão de risco se transformará na
definição de regras a serem seguidas. Uma consequência dessa transição será a necessidade de agir mais
rapidamente para mitigar o risco. Em muitos casos, a tomada de decisão será automatizada.
Outra área que irá se beneficiar é a de Risco Operacional, especialmente no que diz respeito a alerta pre-
coce e prevenção proativa. À medida que as empresas adotem um monitoramento refinado e a mensura-
“Big data e analytics prometem transformar a gestão de
riscos e tomada de decisões, oferecendo mais informação
e velocidade.” —Bill Sweeney

ção do comportamento dos funcionários, clientes e parceiros, a detecção de fraudes e erros internos irá se
aperfeiçoar e outros riscos operacionais serão mais bem monitorados. O big data permite que os gestores
determinem o que as pessoas estão fazendo de uma forma bem detalhada. Quando esses comportamen-
tos são mapeados para determinar os prejuízos, os gestores serão capazes de melhorar os comportamen-
tos “mais arriscados”.
À medida que big data e analytics se tornam parte da gestão do negócio, o sistema operacional será
modificado para aproveitar o conhecimento adquirido. Os bancos possuem hoje verificações de crédito
em tempo real para as transações com cartões de crédito com base em seus sistemas de risco. Sistemas
externos, tais como sites da internet, também contam com uma gestão de risco em tempo real, focando
enormemente em fraudes. À medida que o big data e a gestão de riscos convergem para a gestão do dia a
dia, os sistemas internos contarão com os mesmos tipos de controles.
A convergência da gestão de risco e big data não é um remédio para todos os males, claro. A gestão auto–
matizada usando o big data introduz novos riscos. O malicioso e o criminoso irão estudar “a máquina” e
encontrar seus pontos fracos. Por outro lado, se a detecção de fraude for colocada nos sistemas internos
de uma organização, tais como e-mails, mensagens instantâneas e mídias sociais, então determinados
fraudadores evitarão o uso dessas tecnologias. Não seja pego de surpresa porque você acredita que seus
sistemas estão capturando todos os riscos.
O big data também pode dar oportunidades para pessoas mal intencionadas. Aproveitar o big data para iden-
tificar padrões de compras? Com certeza. Aproveitar o big data para identificar alvos suscetíveis a fraudes?
Por que não? Se você criar um grande depósito de dados, verifique se ele está bem protegido e monitorado.
A implementação do big data, seja para detecção de fraudes, melhoria na segurança, ou outros benefícios
bem intencionados, cria outro conjunto de riscos. Os consumidores voluntariamente fornecem informa-
ções pessoais em troca de experiências personalizadas e serviços melhores. Está implícito nessa “troca”
que a empresa se responsabiliza pela salvaguarda dessas informações. Violações dos dados dos consumi-
dores podem estragar relacionamentos com clientes e marcas e têm custos reais concretos, tais como
gestão de crises, reparações e monitoramento de crédito para todos os clientes/funcionários. As empresas
que podem ser transparentes com relação à coleta e uso de informações ao mesmo tempo em que demons–
tram que a gestão de risco cibernético tem alta prioridade, terão uma vantagem competitiva.
A migração da gestão de risco por meio do big data para um processo analítico automatizado será um
enorme benefício para os gestores atuais que entendem o negócio.
Mas existe uma armadilha em potencial—novos gestores que estão acostumados com a capacidade “da
máquina” de prever crises e podem não ser tão hábeis para gerenciar situações que envolvem muitas incóg-
nitas. Na verdade, o excesso de confiança no big data ou ficar deslumbrado com o big data é uma possibili-
dade real. Um desafio na utilização do big data na gestão de riscos é evitar o excesso de confiança por causa
da complexidade e meticulosidade das aplicações de risco do big data. É importante manter a perspectiva.
No fundo, sua operação consiste em pessoas que precisam entender o que está acontecendo. Entretanto,
não é mais possível para uma pessoa absorver todas as informações disponíveis. Você deve investir em
ferramentas de visualização para que seus funcionários consigam entendê-las.
E o último e mais importante para ter em mente - cuidado com o que você não está medindo. Com um
ambiente caro e complicado é fácil pensar que tudo está coberto. Entretanto, a análise de big data baseada
em um histórico frequentemente inclui premissas que podem mudar.
A convergência da gestão de riscos e big data oferece enormes oportunidades para identificar e minimizar
os riscos que você enfrenta. Em alguns casos, o big data será uma vantagem competitiva. Em outros, inves–
tir em soluções de big data será o preço para manter-se competitivo. É importante pensar sobre os riscos
que seu negócio enfrenta e focar em maneiras de reduzi-los significativamente com o big data.

A Perspectiva do Patrocinador
Marcelo Kekligian
Presidente para América Latina
Serasa Experian Decision Analytics
Steve Platt
Vice-presidente Executivo
Experian Decision Analytics
Bigdatasignificaumagrandeoportunidadeparaempresaseconsumidores.Àmedidaqueovolume
e a variedade de dados aumentam a um ritmo rápido, a capacidade para analisar com sucesso
os dados relevantes torna-se cada vez mais importante, a fim de descobrir o valor significativo
desses dados e transformar o modo pelo qual as empresas e os consumidores interagem. Para
os negócios, o big data oferece a oportunidade de obter uma compreensão mais profunda das
atitudes, preferências e comportamentos de seus clientes e tornar cada interação mais relevante,
oportuna, segura e rentável. Para os consumidores, é uma oportunidade de receber maior valor de
seus bancos, seus fornecedores, e outras empresas por meio de serviços mais rápidos, relevantes
e personalizados.
Enquanto as oportunidades são abundantes, a variedade de tipos de dados disponíveis—
amplamente classificados como estruturados, não estruturados e semiestruturados—reforça a
complexidade do cenário do big data. Existem muitos novos fornecedores que podem processar,
gerenciar e agregar big data, mas a chave é encontrar o parceiro certo que pode identificar e
conectar os dados relevantes, analisá-los e transformá-los em conhecimentos importantes. Como
um especialista comprovadamente confiável em informações e análises preditivas há cerca de
trinta e cinco anos, a Experian realizou parcerias com clientes para fornecer informações a partir
de dados e transformar essas informações em decisões significativas de negócios que estimulam
o crescimento sustentável. Nós trabalhamos com clientes de vários setores e mercados para criar
e implementar estratégias para o consumidor baseadas em análises de dados e campanhas de
marketing que podem ser rápida e facilmente implantadas em todos os canais apropriados.
Um dos exemplos mais interessantes sobre como o big data e a análise de dados podem ajudar
as empresas e os consumidores é na área de prevenção a fraudes. Tomemos a fraude de cartão
de crédito, por exemplo. À medida que os fraudadores continuam a evoluir em seus sistemas de
fraude dos cartões de crédito, as administradoras dos cartões e os comerciantes podem contar
com novos tipos de fontes de dados, tais como informações sobre o dispositivo, dados sobre
a transação e dados sobre o comportamento do consumidor para gerenciar melhor o risco de
fraude e aumentar a confiança de que suas compras são seguras, o que, por sua vez, conduz a um
aumento das receitas.
A Experian, líder mundial em serviços de informação, acredita que o big data, gerará enormes
vantagens para empresas e consumidores. A companhia fornece dados e ferramentas analíticas a
clientesemtodoomundoparagerenciaroriscodecrédito,prevençãodefraudes,acomercialização
em diversos canais, e decisões automatizadas, estamos em uma posição única para ajudar as
empresas e os consumidores a interagirem com confiança e de modo mais significativo. Esperamos
que você goste dessa coleção de artigos.
Marcelo Kekligian
Presidente para América Latina
Steve Platt
Vice-presidente Executivo

big data: the future of information and business | 13
Executive Summary
big data has become a catchall phrase, but at its heart, it offers three challenges for organizations. First,
business leaders must deploy new technologies and then prepare for a potential revolution in the collec-
tion and measurement of information. More important, the entire organization must adapt a new philoso-
phy about how decisions are made, if the real value of big data is to be realized.
The amount of data pouring into organizations through ever-expanding channels is staggering. According
to one source, more data have been produced in the past two years than in all of prior history. Not only has
the volume of data changed, but so has the variety: information is now collected from multiple channels,
ranging from Web clicks to the unstructured data from social media. And the velocity at which organiza-
tions can now collect, analyze, and respond to data has added a new dimension. Amazon, for instance,
uses a dynamic pricing system that crawls over the Web, checks competitors’ prices and product avail-
abilities, and changes the prices on Amazon, in some cases every fifteen seconds. Amazon can collect data
from every visitor, every click, and every interaction, which collectively are known as structured data,
and it can also collect reviews or evaluations from consumers or their social media posts.
A second important aspect of big data is the potential in new forms of measurement. For instance, tech-
nology is already widely available that can automatically report vital health statistics to your doctors
while you exercise. Likewise, GE embeds micro-transmitters such as sensors and networking technology
to help customers with predictive maintenance of power turbines. Experts predict there will be an explo-
sion of data that is generated through machine-driven measurement. The rate of this growth is even twice
the growth of data from people. By 2015, it is expected that 6 billion objects in the world will be connected
to the Internet, known as the Internet of Things. An example of possibilities of these new connections
is Nest, a thermostat that allows your mobile phone’s GPS to automatically notify your heating or air-
conditioning system if you come in close vicinity of your home.
Finally, organizations must confront a new philosophy about decision-making. Today we live in an
always-on world, where consumer preferences change even by the hour. They can cross channels at once
and take a range of unusual and different paths to make a purchase. One analyst characterized the pur-
chase path to look a lot more like the flight of a bumblebee than the predictable, serial, or linear purchase
funnel of yesterday. This means that organizations must be prepared to deploy new channels for decision-
making, some of them automated, that allow fast and agile responses to customer information. Likewise,
the entire organization will face new pressure to make decisions based on data and quick experimentation
rather than intuition and estimates.
Copyright © 2013 Harvard Business School Publishing. All rights reserved.
Big Data: The Future of
Information and Business

Figure 1
Familiarity with the Concept of Big Data
How familiar are you with the concept of big data?
Not at all familiar Extremely familiar
11%
5%
7%
18%
7%
10%
16% 16%
8%
10%
1 2 3 4 5 6 7 8 9 10
Figure 2
Current Use of and Strategy for Big Data
■ Yes
■ No
■ Unsure
60%
12%
28%
CURRENTLY USE BIG DATA?
56%
21%
23%
HAVE STRATEGY FOR BIG DATA?
Based on data collected by Harvard Business Review in an online survey of 951 members of the Harvard Business Review global
audience of readers.

Clearly these three challenges are part of the evolution that has brought us to what Harvard Business
Review author Tom Davenport has named “Analytics 3.0.” He says Analytics 1.0 were the pre-big data;
Analytics 2.0 were the early days of big data, and now we “are entering the Analytics 3.0 world. It’s an
environment that combines the best of 1.0 and 2.0—a blend of big data and analytics that yields insights
and offerings with speed and impact.” The real win for businesses comes when companies can combine
and analyze structured data from their enterprise applications with unstructured Web data and data from
public or subscription sources. And that means companies will need to have both the analytic tools and
the people with a new set of analytics skill to take full advantage of the data flow and make the most of
predictive analytics.
In the following collection of essays, three Harvard Business Review authors—Thomas H. Davenport, Erich
Joachimsthaler, and Bill Sweeney—present the future and immediate opportunities for business in big
data and analytics. In the first article, Davenport presents the potential impact of big data and analyt-
ics, explaining how companies can benefit from faster and better decision-making and cost reduction
that can support new forms of innovation. Joachimsthaler shares three case studies of companies that
are winning right now by integrating big data and analytics with digital marketing. And last, Sweeney
explains how big data and analytics will improve risk management by providing new ways to monitor,
measure, and mitigate risk and potentially create competitive advantage.
Together these essays are designed to help organizations understand the opportunities and the chal-
lenges presented by big data and to begin to recognize how to leverage this new tool for real value.
Big Data: The Opportunity
and the Challenge for
Competitive Advantage
Thomas H. Davenport | President’s Distinguished Professor of
Management and Information Technology, Babson College; Visiting
Professor, Harvard Business School
If you’re like most of the managers and professionals I come across, you are certainly aware of the term
“big data” and know that data has been growing at an amazing rate. But you may be a little fuzzy on what
is actually different about big data and how it relates to traditional data management and analytics.
More important, most of your organizations aren’t doing much with it yet. In a 2013 survey of 951
Harvard Business Review readers, for example, many respondents said they were familiar with the con-
cept of big data, but only 28% said that their organizations were “currently using big data to make better
business decisions or create new business opportunities.” figures 1 and 2
Only 23% said their organizations had a strategy for big data. A quite small percentage, only 6%, strongly
agreed that “My organization has considered the impact of big data on key functions within the business,”
and an even smaller percentage, 3%, strongly agreed that “My organization knows how to apply big data
to our business.” figure 3
Clearly there is a massive amount of data out there; according to one study, the world used over 2.8
zettabytes of data (that’s 2.8 trillion gigabytes—of course, an unfathomably large number) in 2012. This is
more than anything we have ever known, and it will only become more voluminous over time.

But to organizations needing to manage and take advantage of big data, the total volume isn’t the point.
The point is not to be dazzled by the volume of data but rather to analyze it—to convert it into insights,
innovations, and business value. The same study suggests that only half of 1% of the 2.8 zettabytes is ana-
lyzed in any way. That suggests that we have a huge task ahead of us to start analyzing the data and get-
ting value from it. Not all of it will be useful—the study estimates that about 25% has potential value—but
whatever the number, we are only scratching the surface of what’s possible.
The New Opportunities from big data
Of course, if big data is to make substantial inroads into businesses, it must provide some new opportuni-
ties. Going on about how much data there is in Facebook or Twitter or the number of gigabytes in a single
human genome doesn’t help executives determine how much value they will achieve from exploiting big
data.
There are three classes of value: cost reductions, decision improvements, and improvements in products
and services. Cost reduction opportunities from big data are potentially quite substantial.
On the decision side, the primary value from big data derives from adding new sources of data to explana-
tory and predictive models. Many big data enthusiasts argue that there is more value from adding new
sources of data to a model than to refining the model itself.
For example, if you have some data predicting customer attrition based on what customers have or haven’t
bought from you, you can probably improve it by adding data from their service transaction histories. If
you have a model that predicts the “next best offer” that a customer is likely to buy, based on his or her
purchase history and demographics, you can probably improve it by analyzing some of the customer’s
comments and likes on social media sites. Some of the extra data you may use will be “big” in that it’s
large volume or unstructured, but some will be small and/or structured. The key is to look broadly for new
sources of data to help make your decision.
The other major new opportunity from big data is to create appealing products and services for customers.
It’s still early days for big data in general and for data-based products and services specifically, but there
are many examples of desirable products and services deriving from big data. At LinkedIn, for example,
one specific offering that has definitely provided value to that company is the People You May Know
(PYMK) feature. As many readers will know from having used it, PYMK suggests to LinkedIn members
Figure 3
Organizations’ Attitudes About Big Data
Rate your level of agreement with each of the following statements.
1=strongly disagree; 10=strongly agree
My organization has considered the impact of
big data on key functions within the business.
My organization knows how to apply big data
to our business.
6%
3%
Percentage rating “10”
Based on data collected by Harvard Business Review in an online survey of 951 members of the Harvard Business Review global
audience of readers.

some other members whom they may want to connect with. PYMK employs a multifactor approach to
identify possible new connections, including shared schools, workplaces, connections, and geographies.
PYMK has generated a lot of new customers for LinkedIn. Compared to the other prompts LinkedIn sent
to get people to come back to the site, PYMK messages achieved click-throughs that were 30% higher.
Millions of people paid repeat visits who would not have done so otherwise. Thanks to this one feature,
LinkedIn’s growth trajectory shifted significantly upward.
Similarly, the online travel systems company Amadeus has developed a big data service offering called
“Featured Results.” Faced with a business challenge of rising importance—the fast-increasing “look to
book” ratio, or the number of online queries per airline ticket booking—Amadeus needed some way for
travel distributors to make desirable offers to customers. Based on databases of user queries, several hun-
dreds of millions of live airline prices, and half a billion reservation records, Featured Results presents
four possible itineraries in which customers may be particularly interested. Early results of a beta test
with Vayama, a travel agency partner of Amadeus, suggest that Vayama found a 16% improvement in its
ratio of sales to searches.
Many executives may admit that big data has the potential to add substantial value to online businesses
but are less sure of the value outside of that domain. They might be persuaded of the relevance to them
by the actions and plans of GE—one of the world’s largest and most successful companies and one of the
most enthusiastic adopters of big data—even in industrial businesses.
GE has set up a center in the San Francisco Bay Area to address software and big data issues and is hiring
lots of data scientists to do so. They will work on GE’s traditionally data-intensive businesses, such as
financial services and healthcare. But GE also sees potential value in industrial applications, such as in the
company’s locomotive, jet engine, and gas turbine businesses.
GE already monitors more than 1,500 gas turbines, used for energy generation, from a centralized facility,
so much of the infrastructure is in place for using big data to improve performance. The company esti-
mates that it could get at least a 1% improvement in efficiency of monitored turbines from software and
network optimization, better dispatching of service, and improved gas/power system harmonization. This
may not sound like much, but it would amount to $66 billion in fuel savings over the next fifteen years.
GE is also thinking that big data–based optimization of service operations will work well for many of its
other big-ticket industrial goods, including locomotives, jet engines, and healthcare imaging machines.
Of course, other companies in those industries could adopt the same approaches, and they probably will
someday. But GE’s scale, ambitious investment plans, and early start in the big data area will probably
confer considerable competitive advantage.
Big data changes not only technology and management processes but also basic orientations and cultures
within organizations. We simply can’t think about business in the same way with this new resource.
One needed change in orientation is toward more discovery and experimentation with data. The world—
and the data that describe it—is in a constant state of change and flux, and those organizations that can
recognize this and react quickly and intelligently have the upper hand. The prized business and IT capa-
bilities are discovery and agility rather than stability. Data scientists working with big data tools and tech-
nologies will be able to continuously mine new and existing data sources for patterns, events, and oppor-
tunities at an unprecedented scale and pace. Those companies that can quickly analyze and adapt, using
that data from internal and external sources, will be the clear winners.
Reprinted by permission of Harvard Business Review Press. Excerpted from the forthcoming book Big Data at Work by Thomas H.
Davenport. Copyright 2013. All rights reserved.

Driving New Growth
Through Big Data
erich joachimsthaler | Erich serves as Managing Partner and
Chief Executive Officer of Vivaldi’s global consulting efforts, focused on
marketing and brand strategy. He is the coauthor of Brand Leadership
and author of Hidden in Plain Sight: How to Find and Execute Your
Company’s Next Big Growth Strategy.
Big data, big talk. There’s so much hype about big data, it’s hard to know what to believe. And what first
comes to mind—sheer volume! Server farms! Data warehouses! IT infrastructure!—is not necessarily what
matters most.
Don’t get overwhelmed. Instead, consider three early case studies. Drawing lessons from these compa-
nies’ experiences will make it easier to sort hype from substance and really understand what big data can
do for your organization today.
The Beverage Maker
This alcohol and spirits beverage maker markets in the southern part of Latin America and in Argentina,
Chile, and Brazil through a highly fragmented channel and distribution system. Good point-of-sale data
existed through large, urban supermarkets. But most purchase and consumption were taking place in
smaller stores or side-of-the-road kiosks in rural areas or in bars and restaurants, where good and timely
data were hard to come by.
The company hosted street sampling promotions, sponsored local events, and pushed its products at
bars and restaurants but didn’t do so with confidence. What were its top-volume outlets? How did prices
compare with competitors’? Which brand should be promoted where?
The solution lay in mobile phone–enabled tracking that captures sales data from smaller vendors, bars,
restaurants, etc., in real time. Regional management then integrated the data with its other channel data
to create, for the first time, a comprehensive view of sales.
Now the company can micro-segment its market by sales opportunity and evaluate its coverage with con-
fidence. It can also create digital scrapbooks to look more closely at point-of-sale episodes in groups, spot
patterns, and spark insights that drive new activation.
Taking the next step, the company has also begun to integrate data provided by customers who track
their consumption of the company’s (and competitors’) products, using a mobile phone–enabled diary.
These data will help the company better understand the everyday context of customers’ consumption
and media behaviors; they will inform new product development and distribution channel decisions and
further inform marketing efforts.
The Fashion Designer and Retailer
Burberry has built an enormous community of fans through digital and social marketing channels—over
20 million connections across ten social platforms, including over 15 million Facebook fans and over 1.5
million followers on Twitter. But a lot of companies have many fans and little profit to show for them. The
difference is that Burberry has grown its fan base in large part by creating an attractive new path to pur-
chase and a welcome opportunity to connect with others who are interested in fashion. Digital and social
marketing aren’t layered on top of a traditional business model. They are part of the new business model.

How does it work? The company makes videos and images of its new collections available to followers
on Twitter and Facebook, even before the actual collections are shown onstage in fashion shows in Milan
and London. As a result, these followers (many of them potential new customers in a new, younger target
segment) are no longer “receiving” fashion; they’re participating. They can converse with others who are
interested in fashion about likes, dislikes, and emerging trends. They can also buy what they’re seeing,
cutting the traditional distribution line to guarantee that they receive the items as they’re produced, in
about two months.
This path to purchase alone is a big deal in this industry. It is a new business model where custom-
ers pay months in advance before receiving the merchandise, a made-to-order approach reminiscent
of the original, successful Dell model of selling computers. Equally interesting, however, is what else
Burberry is doing with its 20 million connections. The company uses predictive analytics to analyze
social activities of its fan base to better predict customer preferences, and it is delivering content based
on actual conversations. It also mines data to create a seamless experience between social, digital, and
mobile connections and physical stores. Sales associates armed with iPads can see what a customer has
indicated in terms of preferences on the Web site and personalize a store visit accordingly. They can also
unify the shopping experience across major digital, social, and physical channels so customers don’t
experience a gap across touchpoints.
The Major League Soccer Team
The Kansas City Wizards reached the Major League Soccer championship game in 2006, yet the team had
the league’s worst attendance and merchandise sales records. The club changed ownership and embarked
on a turnaround, which included, in 2010, renaming the team Sporting Kansas City and opening a new
stadium, Sporting Park. Seven years after the club changed hands, there is a waiting list for the team’s
14,000 season tickets, and the stadium has sold out twenty-seven games in a row, packing an average of
19,709 people into the stadium, which seats 18,467 (some tickets are standing room only).
The new name and new location visibly anchor the team’s rebirth. But big data is the invisible corner-
stone. The stadium has a $6 million, high-density wireless network with 220 miles of fiber (more than
seven times the norm for a stadium its size) that powers social media connections among fans, stadium
video boards, and advanced camera systems, and it makes for a more dynamic experience. A “Uphoria”
app turns smartphones into in-stadium DVRs. Featuring new, state-of-the-art technology, the app lets
fans stream live video from seven different camera angles and rewind the action from any point. It also
lets users earn loyalty points by playing trivia games and predicting action on the field. It even lets Sport-
ing Kansas City market hot dogs, jerseys, and tickets for future games.
The team is also collating data from ticket sales, merchandising, and more, integrating twenty former
“data silos.” Using that information, Sporting Kansas City is tailoring its marketing, focusing more on
young consumers instead of its previous family target, and building social currency by enabling app-
powered sales, invitations, and discounts. As co-owner Robb Heineman said in a recent interview with
Bloomberg Businessweek: “Our team is all about data; it is about collecting, repackaging, and utilizing that
information to drive incremental revenue.”1
Big Data Value, No Hype
These case studies suggest four thought-starters about harnessing big data’s potential:
■■ Keep the end goal in mind with data gathering, digital marketing, and other technology-driven ini-
tiatives. There are many intangible benefits of big data: better customer service, more engagement,
a unified brand voice, and better customer insights. All are noble goals, and so are new technology
features, such as an always on social media dashboard or a recommendation engine on your Web site.
But nothing beats revenue growth. Focus on sales and work backward from there.

■■ Think big, start small, scale fast. Integrating data from different sources across touchpoints and
channels requires big thinking, but this does not necessarily mean massive investments. You can
start small. Tracking the actual sales from vendors was initially a small step for the Latin American
beverage maker; the testing was done in a single city over a few weeks. This created real-time data
that the company used to improve sales and delivery routes. With a proven model, the company then
scaled up across the region and began integrating actual consumer data collected through mobile
phone tracking.
■■ Understand the power of real-time information. Big data is not comparable to your last CRM project or
ERP implementation effort. Daily vendor sales data helped the beverage maker adjust sales, delivery,
logistics, and marketing and promotional programs immediately. Keep in mind, though, that your
industry may be different. What will be meaningful for you? You may need to spot trends quarterly or
every six months. Use big data to stay current, not to overwhelm or mislead.
■■ Integrate big data into your overall marketing strategy. In the past, marketers at the center developed
strategy that was executed by operating entities, regions, or local units. Those at the center relied on
surveys and studies commissioned from market research firms that prepared reports. Regional and
local management, in contrast, focused on achieving operational efficiencies in executing strategies
designed by the center in the previous planning cycle. Those days are over. Big data will prove that
the traditional brand-centric thinking at headquarters (focusing on a big creative idea that can be
executed consistently across all channels and touchpoints) is wholly inadequate today. Big data will
shift decision-making to local and regional management and integrate their plans into the overall
strategy process so that brand strategy and marketing plans can be truly designed, optimized, and
executed locally.
A note of caution: big data raises the specter of consumer surveillance and privacy concerns. And those
worries are legitimate. Still, companies and especially marketers need to work with data from consum-
ers. The promise of big data is an empty promise unless consumers are willing to share information about
themselves. They are the basis for many value-added services to consumers, with enormous consumer
benefits, as the examples of Burberry and Sporting KC showed. And these are no exceptions.
Big data are essential for companies to create new business models, discover new consumer insights, opti-
mize channel relationships, and create marketing efficiencies through better targeting and in improve-
ments in managing campaigns and tracking success and ultimately to truly become customer-centric.
Keep two key principles in mind, though. First, focus on only what you need. There is a lot of water in
the ocean, but you can’t drink it all. Also know what is nice to know versus what you need to know. Ask
consumers for permission to use the information you are collecting. Second, aggregate data at the micro-
segment or group level to preserve individual privacy, and keep or store the data at that level.
At Vivaldi, we typically ask consumers for permission to track daily behaviors over their mobile phone.
We then develop micro-segments and aggregate at that level additional data, including social conversa-
tions, digital browsing data, or internal CRM data. The highly personal and regular use of the mobile
phone provides powerfully, contextually relevant big data to support marketing decisions anytime, and
these data can be updated weekly, daily, or more frequently. Most important, big data changes how execu-
tives approach decisions. There is a lot less decision-making on gut feelings, experience, and intuition.
Decisions are also made faster and acted on.
1 Reeves Wiederman, “Sporting Kansas City Makes the Stadium More Like Your Couch,” Bloomberg Businessweek, July 18, 2013.

Risk and Big Data
bill sweeney | Bill Sweeney has thirty-five years of technology
experience and has served as CTO for HSBC’s IB, Sector CIO for
Citigroup’s IB, and Head of Research Technology for Bridgewater
Associates. He is the founder of Risk, Data, and Analytics, a boutique
consultancy focusing on those three areas.
Corporations around the world renewed their focus on risk management in the wake of the financial crisis
of 2008. In the same period, big data became a business buzzword as technology created new ways to
collect and quickly analyze huge streams of data to provide fresh insights and enable better decisions.
These trends have now clearly come together, as business leaders are exploring how big data can improve
risk management by providing new ways to monitor, measure, and mitigate risk and even offer competi-
tive advantage. Companies have always gathered data on everything from raw material supplies to cash
on hand to sales patterns in order to measure and manage risk. But now big data provides the ability to
measure more factors at a more granular level that allows us to discover patterns that are obscured in
consolidated data.
Big data and analytics offer the promise to transform risk management and decision-making, provid-
ing more information and more speed. They won’t solve every problem, however, and with these new
sources of information come new pressures to focus risk management activities and respond quickly to
perceived dangers.
Using big data, companies have the potential to better identify “hidden” risk and allow better root cause
analysis. Risk managers can improve their ability to determine the probability of an event by leveraging
metadata and using customer segmentation to identify risk factors. Big data can help develop better early
warning indicators that will allow companies to mitigate risk more effectively.
For example, PayPal, the Internet-based payment and money transfer system, used innovative risk man-
agement techniques to significantly reduce the amount of fraud. The ability to significantly reduce fraud
became a competitive business advantage. PayPal’s techniques were so innovative that they were spun
off into a separate company, Palantir.
Another company in the peer-to-peer lending business used big data to detect patterns of behavior that
predicted relatively higher loan losses. The data included biometric metadata about customers during the
online application processes, such as keystroke timing, patterns of spelling errors, and corrections. The
data was used to detect patterns for high-risk and low-risk loans.
While segmenting customer bases is a well-understood and much-valued practice in marketing,
companies now are turning to microsegmentation of their customer bases for risk management too.
“Micro-segmentation” is the equivalent of “mass customization” in the retail space.
Companies are monitoring social media for information too.
For example, a large bank wants to monitor Twitter and Facebook for entries mentioning life-changing
events. The theory is that postings about developments such as pregnancies, births, or marriages can
become marketing opportunities for the bank. But the bank also wants to understand whether negative
developments, such as announcements about an acrimonious divorce, will raise a flag that credit lines
need to be carefully monitored or frozen.

The use of external data to predict risk will become important to companies too. In the financial
markets, analysts already closely watch and aggregate a wide range of statistical reports on areas that
impact expectations and market reactions, such as unemployment, customer confidence, and GDP.
Hedge funds and others have always tried to run before these publications by calculating the numbers
independently. With big data there are companies now gathering fine-grained data that can help us build
up a near–real-time picture of the world. A drop in FedEx shipments or an increase in eBay auctions,
for example, may signal a drop in consumer confidence. Or could an uptick in Amazon Prime movie
downloads indicate more people are staying home rather than going out and buying dinner and tickets
to a movie?
These examples have one common theme: in order to effectively use big data for risk management—and
gain competitive advantage—your company must be prepared to mitigate the risks quickly and actively as
soon as you identify them. In most companies this adds new pressure.
I believe big data will transform risk management into simply management. The managers of the future
will rely on big data and analytics to make risk decisions in real time rather than on risk management to
provide a post-action oversight process. Risk management meanwhile will morph into defining the rules
to be followed. A consequence of this transition will be the need to act faster to mitigate risk. In many
cases the risk decision-making will be automated.
Another area destined to benefit is operational risk, especially with respect to early warning and proactive
prevention. As companies apply fine-grained monitoring and measuring of the behaviors of employees,
customers, and partners, the detection of fraud and internal errors will improve and other operational
risks will be better monitored. Big data will allow managers to determine what their people are doing on a
very detailed basis. As those behaviors are mapped to losses, managers will be able to focus on improving
the “riskiest” behaviors.
As big data and analytics become part of running the business, the operational systems will be modified
to leverage the knowledge gained. Banks today have real-time credit checks for credit card transactions,
based on their risk systems. External-facing systems, such as Web sites, also have real-time risk manage-
ment, focusing largely on fraud. As big data and risk management converge with day-to-day management,
internal systems will build in the same types of controls.
The convergence of risk management and big data is not a panacea, of course. Automated risk manage-
ment using big data introduces new risks. The mischievous and criminal will study “the machine” and
find weaknesses. Alternatively, if fraud detection is built into an organization’s internal systems, such as
by scanning email, instant messages, and social media, then determined fraudsters will avoid using tech-
nology. Don’t be blindsided because you believe your systems are capturing all of the risks.
Big data may also open up opportunities for miscreants too. Leverage big data to identify shopping pat-
terns? Sure. Leverage big data to find susceptible targets for fraud? Why not? If you create a large reposi-
tory of data, make sure it’s well protected and well monitored.
“Big data and analytics offer the promise to transform
risk management and decision-making, providing more
information and more speed.” —Bill Sweeney

The implementation of big data, whether for fraud detection, improved security, or other well-intentioned
benefit, creates another set of risks. Customers willingly provide personal information in return for better
service and customized experiences. Implicit in that “trade” is the assumption of responsibility for safe-
guarding that information. Breaches of customer data damage client relationships and brands and have
real concrete costs, such as crisis management, remediation, and free credit monitoring for all customers/
employees. Companies that can be transparent about their collection and use of data while demonstrating
that managing cyber-risk is a high priority will have a competitive advantage.
The migration of risk management via big data into an automated analytical process will be a tremendous
benefit to your existing managers who understand the business today.
But there is a potential pitfall—new managers who are accustomed to “the machine’s” ability to prevent-
crisis may not be as skilled in managing situations involving too many unknowns. Indeed, overreliance
on big data or being overwhelmed by big data is a real possibility. A challenge with utilizing big data to
manage risk is avoiding overconfidence because of the complexity and seeming thoroughness of the big
data risk applications. It is important to maintain perspective.
At its heart, your operation consists of people who need to understand what’s happening. However, it is
no longer possible for a person to absorb all of the available information. You must invest in visualization
tools so that your people can make sense of it all.
And the final and most important thing to keep in mind—be careful what you’re not measuring. It’s easy
with an expensive, complicated environment to think that everything is covered. However, big data ana-
lytics based on history often include assumptions that can change.
The confluence of risk management and big data offers tremendous opportunities for identifying and
mitigating the risks you face. In some cases, big data will provide a competitive advantage. In other cases,
investing in big data solutions will be the price to stay competitive. It’s important to think about the risks
facing your business and focus on the ways that big data can significantly reduce your risks.

Sponsor’s Perspective
Big data means big opportunity for businesses and consumers. As the volume and variety of data
increase at a rapid pace, the ability to successfully analyze the relevant data becomes increasingly
important in order to unlock its significant value and transform the way businesses and consumers
interact. For businesses, big data offers an opportunity to get a deeper understanding of their
customers’ attitudes, preferences, and behaviors and make every interaction more relevant, timely,
secure, and profitable. For consumers, it is an opportunity to receive greater value through faster,
more relevant, and personalized services from their banks, retailers, and other businesses.
While the opportunities are abundant, the variety of data types available—broadly categorized
into structured, unstructured, and semi-structured data—underscores the complexity of the big
data landscape. There are many new vendors who can process, manage, and aggregate big data,
but the key is to find the right partner who can identify and connect the relevant data to analyze
and turn into meaningful, actionable insights. As a trusted, proven expert in data and predictive
analytics for over thirty-five years, Experian has partnered with clients to provide insight from
data and to turn this insight into meaningful business decisions that foster sustainable growth.
We work with clients across industries and markets to create and implement analytics-based
customer strategies and marketing campaigns that can be quickly and easily deployed across all
of the appropriate channels.
One of the most compelling examples of how big data and analytics can help businesses and
consumers is in the area of fraud prevention. Take credit card fraud as an example. As fraudsters
continue to evolve their credit card fraud schemes, card issuers and merchants can rely on new
types of data sources, such as device information, transaction data, and consumer behavior data,
to better manage fraud risk and increase consumer confidence that their purchases are safe and
secure, which, in turn, drives increased revenues.
We hope you enjoyed this collection of articles. At Experian, we believe a tremendous win-win for
consumers and businesses will come from big data. As the leading global information services
company providing data and analytical tools to clients around the world to manage credit risk,
prevent fraud, market across channels, and automate decisions, we are uniquely positioned to help
consumers and businesses interact in trusted and more meaningful ways.
Marcelo Kekligian
President, Latin America
Steve Platt
Executive Vice President
Marcelo Kekligian
President, Latin America
Serasa Experian Decision
Analytics
Steve Platt
Executive Vice President

PARA MAIS INFORMAÇÕES SOBRE
HARVARD BUSINESS REVIEW ANALYTIC SERVICES ACESSE:
hbr.org/hbr-analytic-services
For more information on
Harvard Business Review Analytic Services:
hbr.org/hbr-analytic-services

Big Data: Oportunidades para Redução de Custos e Melhoria de Decisões

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Destaque

Destaque (16)

Semelhante a Big Data: Oportunidades para Redução de Custos e Melhoria de Decisões

Semelhante a Big Data: Oportunidades para Redução de Custos e Melhoria de Decisões (20)

Mais de Fernando Palma

Mais de Fernando Palma (20)

Big Data: Oportunidades para Redução de Custos e Melhoria de Decisões