(c) 2014 UWS -- Não Distribuir 1

Workshop de Marketing –(Big) Data Analytics 2.0

Dan S. ReznikUpper West Soluções

Dez-2014

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

Plano Turma Barra

(c) 2014 UWS -- Não Distribuir 3

2a feira, BARRA 3a feira, BARRA 2a feira, BARRA08/dez/04 09/dez/14 15/dez/14

18:30 as 19:30 Intro a Big Data Data-Driven Mkt II Sabrina / Nibo19:30 as 20:30 Data-Driven Mkt I Gazeus / Daniel Lessa Flert / Irit20:30 as 20:45 break break break20:45 as 22:00 Data Viz / D. Chada Canada Interc / Claudio Revisão e Conclusões

Plano turma Botafogo

(c) 2014 UWS -- Não Distribuir 4

5a feira, BOTAF 4a feira, BOTAF 5a feira, BOTAF11/dez/14 17/dez/14 18/dez/14

18:30 as 19:30 Intro a Big Data Data-Driven Mkt II Canada Interc / Claudio19:30 as 20:30 Data-Driven Mkt I Flert / Irit Sabrina / Nibo20:30 as 20:45 break break break20:45 as 22:00 Data Viz / D. Chada Gazeus / Daniel Lessa Revisão e Conclusões

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

Faci

lidad

e de

cap

tura

de

dado

s

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

Classificar os 4 V’s dos seus dados (baixo/medio/alto) Volume Velocidade Variedade Veracidade

Exercício I

(c) 2014 UWS -- Não Distribuir 16

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 InformaçãoLeads

Conversões

Prontos p/Compra

Qualificados

VendaFechada

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) 2014 UWS -- Não Distribuir 28

Integração: os 3 “nãos”

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

Ciência de Dados

(c) 2014 UWS -- Não Distribuir 30

Cientista de Dados

• Gerente de Projetos• Estatístico• Especialista no Negócio• Arquiteto de Dados• Desenvolvedor de Software

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 do Cidadão

Otimização de Marketing Digital

MobileMobile

EmailMarketing

EmailMarketing

WebWeb

Peixe Urbano

Motor de Recomendação

Motor de Recomendação

Ofertas do Dia

Ofertas do Dia

DemografiaDemografia ComprasComprasClicksClicks

Exemplo de Recomendação

PorcãoSpa 12 sessõesBalanceamentoÁlbum de fotosSushiArvorismoBúziosEscova Marroquina

Reordenação

userID: 1234Compras: 10* Automotivo: 5* Estética: 3* Gastronomia: 2

BalanceamentoSpa 12 sessõesEscova MarroquinaPorcãoSushiÁlbum de fotosArvorismoBúzios

Mistura de Experts

Expert emdemografia

Expert empreferencias,

ratings, marcas, social networks

Expert emhistórico de

comprasΣΣ

w2

w1

w3

Ofertasdo dia

Ofertasdo dia

Ofertasordenadas

por relevância

Subjectpersonalizado

Titulopersonalizado

Preview paneatraente

Ofertasordenadaspor relevância

Gazeus Games:Otimização de Marketing

(c) 2014 UWS -- Não Distribuir 39

(c) 2014 UWS -- Não Distribuir 40

Base Integrada do CidadãoSEPLAG-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

BancoParalelo

DeteccaoAnomalias alarmes

ATM

ATM

ATM

(c) 2014 UWS -- Não Distribuir 45

Solução

(c) 2014 UWS -- Não Distribuir 46

Detecção de Anomalias

(c) 2014 UWS -- Não Distribuir 47

Busca Semântica emLaudos de Radiologia

2,5 M de laudos de radiologia

Indexador GUIGUI

OntologiaOntologia

(c) 2014 UWS -- Não Distribuir 48

Ontologia de Termos Médicos

(c) 2014 UWS -- Não Distribuir 49

Aspectos Práticosem 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 Silos Qualidade de dados totalmente não gerenciada Dados reféns de TI – me tira daqui!

(c) 2014 UWS -- Não Distribuir 53

Despreparo nas Empresas

(c) 2014 UWS -- Não Distribuir 54

Pirâmide de Maslow

- Qualidade- Integração- Governança

• 360 Cust. View• Anti-Fraud• Anti Churn

ESTRATÉGIA, ROI+

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• Engajamento

• Experiência do cliente• Pontos-de contato

• CRM• Relacionamento

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 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

Cliente = Quebra Cabeça

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

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. Reznikdan@upperwestsolucoes.com

Overflow

(c) 2014 UWS -- Não Distribuir 106