Business intelligence<\/a> \u00e9 um conjunto de ferramentas de dados usadas para fornecer melhores insights de neg\u00f3cios.\u00a0Isso anda de m\u00e3os dadas com big data.\u00a0Antes do surgimento do big data, a intelig\u00eancia empresarial era bastante limitada.\u00a0O big data deu origem \u00e0 intelig\u00eancia de neg\u00f3cios como uma carreira leg\u00edtima.\u00a0Muitas empresas est\u00e3o se preparando para contratar especialistas em business intelligence porque eles ajudam a levar a empresa ao pr\u00f3ximo n\u00edvel.<\/p>\n\n\n\n Qualquer empresa que gere dados pode utilizar business intelligence. Hoje em dia, \u00e9 raro encontrar uma empresa que n\u00e3o gere quaisquer dados, pelo que qualquer empresa pode beneficiar de uma melhor intelig\u00eancia empresarial. Novos usos para business intelligence est\u00e3o sendo desenvolvidos regularmente.<\/p>\n\n\n\n A primeira grande marca do big data nas empresas tem sido a sua percep\u00e7\u00e3o do comportamento de compra dos clientes. Antes do big data, as empresas s\u00f3 tinham os dados das vendas reais. O big data, por outro lado, captura a\u00e7\u00f5es minuciosas dos clientes, permitindo que as empresas criem campanhas de marketing mais direcionadas. A an\u00e1lise de big data nem sempre \u00e9 perfeita, mas \u00e9 altamente precisa. Essa alta precis\u00e3o permite que as empresas direcionem o marketing \u00e0s necessidades percebidas dos clientes.<\/p>\n\n\n\n O big data pode fornecer informa\u00e7\u00f5es muito espec\u00edficas com base no hist\u00f3rico de compras e navega\u00e7\u00e3o, permitindo que as empresas criem ofertas altamente personalizadas para os clientes existentes. Essas ofertas podem ser apresentadas por e-mail, sites de empresas, servi\u00e7os de streaming e publicidade online. Big data tamb\u00e9m pode ser usado para analisar textos, v\u00eddeos, imagens e dados de \u00e1udio em sites de avalia\u00e7\u00e3o, m\u00eddias sociais e outros sites para determinar as atitudes dos clientes, detectar padr\u00f5es e fornecer conte\u00fado apropriado.<\/p>\n\n\n\n Imagine como sua empresa se beneficiaria se fosse capaz de comercializar os produtos que voc\u00ea sabia que seus clientes precisavam e se soubesse informa\u00e7\u00f5es suficientes sobre eles para adaptar sua mensagem \u00e0s necessidades espec\u00edficas deles.<\/p>\n\n\n\n O big data virar\u00e1 o atendimento ao cliente de cabe\u00e7a para baixo, pois permite que as empresas saibam exatamente o que seus clientes precisam antes mesmo de expressarem suas preocupa\u00e7\u00f5es.\u00a0Esse tipo de\u00a0atendimento proativo ao cliente\u00a0revolucionar\u00e1 as empresas que desejam se diferenciar com um atendimento ao cliente superior.<\/p>\n\n\n\n Imagine que um cliente tenha um problema ap\u00f3s uma compra e ligue para a empresa. A an\u00e1lise de big data em tempo real da conta do cliente e das visitas ao site da empresa pode prever um ou dois problemas que podem exigir assist\u00eancia. Um prompt de voz pode at\u00e9 perguntar ao cliente se ele est\u00e1 enfrentando um problema espec\u00edfico e fornecer ajuda automatizada.<\/p>\n\n\n\n De qualquer forma, os representantes de suporte ao cliente teriam uma boa ideia do que se tratava a liga\u00e7\u00e3o e prestariam um atendimento ao cliente experiente. An\u00e1lises adicionais de big data poderiam permitir que os representantes contatassem proativamente os clientes em contas onde a an\u00e1lise preditiva determina que o cliente pode ter um problema no futuro.<\/p>\n\n\n\n O big data n\u00e3o s\u00f3 promete melhorar o atendimento ao cliente, tornando-o mais proativo, mas tamb\u00e9m permitir\u00e1 que as empresas criem produtos que respondam ao cliente.\u00a0O design do produto pode se concentrar em\u00a0atender \u00e0s necessidades dos clientes\u00a0de uma forma que nunca foi poss\u00edvel.\u00a0Em vez de confiar que os clientes digam \u00e0 sua empresa o que procuram em um produto, voc\u00ea pode usar a an\u00e1lise de dados para prever essas informa\u00e7\u00f5es.\u00a0Os dados podem ser capturados de clientes que compartilham suas prefer\u00eancias por meio de pesquisas e h\u00e1bitos de compra.\u00a0Voc\u00ea pode at\u00e9 usar cen\u00e1rios de casos para criar uma imagem melhor de como deve ser um produto futuro.<\/p>\n\n\n\n O big data n\u00e3o est\u00e1 apenas mudando a forma como as empresas lidam com os clientes, mas tamb\u00e9m como operam internamente.\u00a0Durante as d\u00e9cadas de 80 e 90, o departamento de TI assumiu a lideran\u00e7a como a for\u00e7a motriz do aumento da produtividade e do crescimento geral dos neg\u00f3cios.\u00a0Junto com o departamento de TI veio a ascens\u00e3o do diretor de informa\u00e7\u00e3o.\u00a0Agora, as empresas est\u00e3o desenvolvendo departamentos de dados separados dos departamentos de TI, bem como nomeando diretores de dados (CDOs) que se reportam diretamente ao CEO.<\/p>\n\n\n\n Os engenheiros industriais est\u00e3o focados na efici\u00eancia e sabem que s\u00e3o necess\u00e1rios dados para tornar um processo mais eficiente. O big data fornece uma riqueza de informa\u00e7\u00f5es sobre cada produto e processo. <\/p>\n\n\n\n Os engenheiros est\u00e3o analisando big data em busca de maneiras de tornar os processos executados com mais efici\u00eancia. A an\u00e1lise de big data funciona bem com a teoria das restri\u00e7\u00f5es: os dados tornam as restri\u00e7\u00f5es mais f\u00e1ceis de reconhecer e, uma vez reconhecidas, mais f\u00e1ceis de identificar. Quando a restri\u00e7\u00e3o mais vinculativa \u00e9 descoberta e removida, a empresa pode observar enormes aumentos no desempenho e no rendimento. O big data ajuda a fornecer essas respostas. Camilla Camilla pornhub<\/a><\/p>\n\n\n\n O big data tem o poder de reduzir os custos dos neg\u00f3cios. Especificamente, as empresas est\u00e3o agora a utilizar esta informa\u00e7\u00e3o para encontrar tend\u00eancias e prever com precis\u00e3o eventos futuros nos seus respetivos setores. Saber quando algo pode acontecer melhora as previs\u00f5es e o planejamento. Os planejadores podem determinar quando produzir, quanto produzir e quanto estoque manter em m\u00e3os.<\/p>\n\n\n\n Um bom exemplo s\u00e3o as despesas de estoque. \u00c9 caro manter estoque; n\u00e3o h\u00e1 apenas um custo de manuten\u00e7\u00e3o de estoque, mas tamb\u00e9m um custo de oportunidade de alocar capital em estoque desnecess\u00e1rio. A an\u00e1lise de big data pode ajudar a prever quando as vendas acontecer\u00e3o e, portanto, quando a produ\u00e7\u00e3o precisar\u00e1 ocorrer. Uma an\u00e1lise mais aprofundada pode revelar o momento ideal para comprar estoque e at\u00e9 mesmo quanto estoque deve ser mantido em m\u00e3os.<\/p>\n\n\n\n As empresas precisam adotar o big data se quiserem alcan\u00e7ar mais.\u00a0N\u00e3o demorar\u00e1 muito para que as empresas que n\u00e3o adotaram o big data fiquem para tr\u00e1s.<\/p>\n\n\n\n As empresas dos setores de servi\u00e7os financeiros e de seguros usam big data para detectar transa\u00e7\u00f5es fraudulentas e fraudes em seguros, encontrando anomalias. Os bancos e os processadores de cart\u00f5es de cr\u00e9dito tamb\u00e9m podem utilizar big data para detectar pagamentos fraudulentos, por vezes mesmo antes de o titular do cart\u00e3o saber que o seu cart\u00e3o foi comprometido. A an\u00e1lise de big data tamb\u00e9m pode reduzir a incid\u00eancia de falsos positivos na detec\u00e7\u00e3o de fraudes, ao passo que anteriormente a institui\u00e7\u00e3o financeira teria congelado a conta do comerciante e isso poderia ter se transformado em um alarme falso. <\/p>\n\n\n\n Os profissionais de TI e de seguran\u00e7a cibern\u00e9tica podem usar big data para prever amea\u00e7as e vulnerabilidades com anteced\u00eancia e evitar viola\u00e7\u00f5es de dados. Al\u00e9m das informa\u00e7\u00f5es obtidas de computadores e dispositivos m\u00f3veis, o big data inclui dados de redes, sensores, sistemas em nuvem e dispositivos inteligentes para detectar poss\u00edveis problemas. Os recursos incluem representa\u00e7\u00e3o unificada de dados, detec\u00e7\u00e3o de ataque de dia zero, compartilhamento de dados entre sistemas de detec\u00e7\u00e3o de amea\u00e7as, an\u00e1lise em tempo real, amostragem e redu\u00e7\u00e3o de dimensionalidade, processamento de dados com recursos limitados e an\u00e1lise de s\u00e9ries temporais para detec\u00e7\u00e3o de anomalias.<\/p>\n\n\n\n E se voc\u00ea pudesse identificar poss\u00edveis problemas na cadeia de suprimentos da sua empresa para poder trocar de fornecedor de forma proativa, redirecionar mercadorias ou usar transportadores diferentes? Big data permite que voc\u00ea fa\u00e7a isso. <\/p>\n\n\n\n A Amazon mudou o jogo de entrega com suas op\u00e7\u00f5es de entrega em um, dois e no mesmo dia.\u00a0Para acompanhar, outras empresas podem usar big data para gerenciamento de frotas de entrega, otimizando rotas, coordenando cronogramas de entrega e fornecendo a localiza\u00e7\u00e3o precisa dos itens.\u00a0Esta efici\u00eancia adicional resulta em poupan\u00e7a de combust\u00edvel, uma vez que os ve\u00edculos de entrega podem seguir as rotas mais eficientes.\u00a0Quando a UPS implementou big data desta forma, acabou por aumentar as suas estat\u00edsticas de entrega dentro do prazo e poupou 1,6 milh\u00f5es de gal\u00f5es de gasolina por ano, de acordo com a\u00a0Crayon Data\u00a0.<\/p>\n\n\n\n Se voc\u00ea decidir implementar iniciativas de big data em sua empresa, certifique-se de estar ciente dessas pr\u00e1ticas recomendadas e poss\u00edveis armadilhas.<\/p>\n\n\n\n Artigo originalmente publicado em Business.com<\/a><\/p>\n\n\n\n2. Marketing mais direcionado<\/h3>\n\n\n\n
3. Atendimento proativo ao cliente<\/h3>\n\n\n\n
4. Produtos que respondem ao cliente<\/h3>\n\n\n\n
5. Ascens\u00e3o do CDO e dos departamentos de dados<\/h3>\n\n\n\n
6. Melhorias na efici\u00eancia operacional<\/h3>\n\n\n\n
7. Custos reduzidos<\/h3>\n\n\n\n
8. Detec\u00e7\u00e3o de fraude<\/h3>\n\n\n\n
9. Ciberseguran\u00e7a<\/h3>\n\n\n\n
10. Mitiga\u00e7\u00e3o de riscos na cadeia de abastecimento<\/h3>\n\n\n\n
O que fazer e o que n\u00e3o fazer ao usar big data em seu neg\u00f3cio<\/h2>\n\n\n\n
O que fazer<\/h3>\n\n\n\n
\n
N\u00e3o \u00e9<\/h3>\n\n\n\n
\n