Embed Size (px)
Citation preview
UNIVERSIDADE METODISTA DE SÃO PAULO
FACULDADE DE COMUNICAÇÃO
PROGRAMA DE PÓS-GRADUAÇÃO EM COMUNICAÇÃO SOCIAL
ANDRÉ LUÍS BETINI MONTEIRO
A INFLUÊNCIA DA COMUNICAÇÃO ADMINISTRATIVA INTERNA
PARA O SUCESSO DE PROJETOS COM BIG DATA NAS
CORPORAÇÕES BRASILEIRAS
SÃO BERNARDO DO CAMPO – SP
2017
ANDRÉ LUÍS BETINI MONTEIRO
A INFLUÊNCIA DA COMUNICAÇÃO ADMINISTRATIVA INTERNA
PARA O SUCESSO DE PROJETOS COM BIG DATA NAS
CORPORAÇÕES BRASILEIRAS
Dissertação apresentada ao Programa de
Pós-Graduação em Comunicação Social, curso
de Mestrado da Universidade Metodista de São
Paulo, como requisito parcial para obtenção do
título de mestre em Comunicação Social.
Área de concentração: Comunicação e
Marketing.
Orientador: Prof. Dr. Kleber Markus.
SÃO BERNARDO DO CAMPO – SP
2017
FICHA CATALOGRÁFICA
M764i Monteiro, André Luís Betini
A influência da comunicação administrativa interna para o
sucesso de projetos com Big Data nas corporações brasileiras / André
Luís Betini Monteiro. 2018.
114 p.
Dissertação (Mestrado em Comunicação Social) --Escola de
Comunicação, Educação e Humanidades da Universidade Metodista
de São Paulo, São Bernardo do Campo, 2018.
Orientação de: Kleber Markus.
1. Big Data 2. Marketing 3. Comunicação administrativa I.
Título.
CDD 302.2
RESUMO
No Brasil, o Big Data – ferramenta de coleta e análise de grandes volumes de dados de diversas
fontes para descoberta de padrões e tendências – ainda gera dúvidas sobre suas possibilidades
de aplicação em todos os setores, em especial nos de comunicação e marketing. Para muitas
organizações, a adoção dessa vertente da área das ciências da computação como parte das suas
estratégias ainda gera incertezas, porém, mediante ao que já aponta este estudo, se tornará
ferramenta cada vez mais comum entre os profissionais das áreas da comunicação. Ao mesmo
tempo em que o marketing e a comunicação têm demonstrado ser as áreas que mais se
apropriam do Big Data como ferramenta de suporte para a tomada de importantes decisões
corporativas, percebe-se que a falta da cultura da comunicação nas empresas tem sido um
grande empecilho para o pleno desenvolvimento de projetos que envolvam Big Data, o que tem
comprometido seus resultados. Este estudo tem o objetivo de compreender como é o fluxo da
comunicação administrativa em algumas corporações brasileiras e o quanto essa comunicação
influencia no sucesso de projetos com tomadas de decisão baseadas na análise de dados por
meio da ferramenta Big Data. Para atingir esses objetivos, este estudo se baseou em pesquisa
bibliográfica e em entrevistas semiestruturadas com profissionais de corporações envolvidas
diretamente com o tema deste projeto.
Palavras-chave: Big Data. Marketing. Comunicação Administrativa Interna. Data Driven.
ABSTRACT
In Brazil, Big Data – a tool for collecting and analyzing large volumes of data from many
sources for the discovery of patterns and trends – still raises questions about its possibilities of
application in all areas, especially in communication and marketing. For many organizations,
the adoption of this aspect of the computer science area as part of their strategies still generates
uncertainties, but, through what already pointed out this study, will become an increasingly
common tool among professionals in the areas of communication. At the same time that
marketing and communication have proven to be the areas that most appropriate Big Data as a
support tool for making important corporate decisions, it has been noticed that the lack of
corporate communication culture has been a obstacle in the development of projects involving
Big Data, which has compromised its results. This study aims to understand how is the flow of
administrative communication in some Brazilian corporations, and how much this
communication influences the success of projects with decision-making based on data analysis
through the Big Data tool. To achieve these objectives, this study was based on bibliographic
research and semi-structured interviews with professionals of corporations directly involved
with the theme of this project.
Keywords: Big Data. Marketing. Internal Administrative Communication. Data Driven.
LISTA DE FIGURAS
Figura 1 – Buscas feitas no Google pelos termos Big Data x Business Intelligence................16
Figura 2 – Trecho do filme publicitário de 1960 da marca de alimentos Pillsbury..................26
Figura 3 – Slogan de 1960 da marca de alimentos Pillsbury, baseado em dados de pesquisa
comportamental que relatam que mulheres assam bolos mediante o desejo inconsciente de ser
mãe............................................................................................................................................26
Figura 4 – Fusão entre marketing tradicional e Big Data Analytics.........................................36
Figura 5 – Estágios do processo de tomada de decisão de compra...........................................37
Figura 6 – Dispositivos conectados à internet vs. população mundial.....................................39
Figura 7 – Termo Big Data buscado no Google Trends, segmentado para o Brasil, na
categoria Indústria e Comércio.................................................................................................41
Figura 8 – Fluxograma sistêmico de uma empresa...................................................................48
Figura 9 – Atribuições da comunicação administrativa interna e externa................................50
Figura 10 – Comunicação integrada de terceira dimensão (3D)...............................................51
Figura 11 – Ranking dos países com mais dados abertos.........................................................54
LISTA DE TABELAS
Tabela 1 – O Big Data e o analytics tradicional.......................................................................16
Tabela 2 – Condições dominantes na época pré-Segunda Guerra Mundial.............................24
Tabela 3 – Época pós-Segunda Guerra Mundial – nasce a pesquisa do consumidor...............24
SUMÁRIO
1 INTRODUÇÃO ................................................................................................................... 11
2 A PESQUISA DE MARKETING .................................................................................. 20
2.1 COMO TUDO COMEÇOU ........................................................................................ 20
2.2 A EVOLUÇÃO DA PESQUISA DE MARKETING ................................................. 23
3 BIG DATA ........................................................................................................................ 30
3.1 BIG DATA: ENTENDENDO O COMPORTAMENTO DO CONSUMIDOR ......... 33
3.3 BIG DATA NA PRECIFICAÇÃO ............................................................................. 40
3.4 GOOGLE TRENDS E IBM WATSON ...................................................................... 41
3.5 A ÉTICA NO USO DE DADOS ................................................................................ 42
4 COMUNICAÇÃO ADMINISTRATIVA E EMPRESAS GUIADAS PELOS DADOS
OU DATA DRIVEN COMPANY ..................................................................................... 44
4.1 COMUNICAÇÃO ADMINISTRATIVA OU COMUNICAÇÃO
ORGANIZACIONAL? ..................................................................................................... 45
4.2 COMUNICAÇÃO ADMINISTRATIVA ................................................................... 46
4.3 DATA DRIVEN COMPANY OU ORGANIZAÇÃO GUIADA POR DADOS ....... 51
5 PROCEDIMENTOS METODOLÓGICOS DA PESQUISA ...................................... 58
5.1 ANÁLISE DAS ENTREVISTAS ............................................................................... 59
5.2 A IMPORTÂNCIA DOS DEPARTAMENTOS DE COMUNICAÇÃO E
MARKETING EM PROJETOS DE BIG DATA ............................................................. 59
5.3 COMUNICAÇÃO ADMINISTRATIVA INTERNA E BIG DATA ......................... 60
5.4 DATA DRIVEN OU EMPRESAS GUIADAS POR DADOS ................................... 65
5.5 PERFIL DO PROFISSIONAL USUÁRIO DE BIG DATA ...................................... 68
5.6 ÉTICA E GOVERNANÇA DE DADOS.................................................................... 69
CONSIDERAÇÕES FINAIS ................................................................................................. 71
REFERÊNCIAS ..................................................................................................................... 73
Apêndice I - Transcrição da entrevista com o respondente A ............................................ 78
Apêndice II - Transcrição da entrevista com o respondente B .......................................... 97
Apêndice III - Transcrição da entrevista com o respondente C....................................... 107
11
1 INTRODUÇÃO
O marketing e a comunicação organizacional têm se tornado cada vez mais processos
fundamentais na administração empresarial. Com conhecimento prático, teórico ou mesmo de
forma intuitiva e informal, eles permeiam todas as instituições, sem exceção. Apesar desses
processos estarem diretamente ligados às ciências humanas e a métodos e práticas mais
qualitativas do que quantitativas, diversos autores sugerem uma conceituação mais ampla do
que de fato é a prática da comunicação e do marketing, gerando diversas definições. Quanto ao
marketing, uma das definições que estão entre as mais disseminadas em todo o mundo vem de
um economista e responsável pelas principais e mais consistentes obras na área administrativa,
Philip Kotler. Nascido nos Estados Unidos, Mestre e PhD em economia, Kotler, em uma de
suas sugestões, definiu:
Marketing é a função empresarial que identifica necessidades e desejos
insatisfeitos, define e mede sua magnitude e seu potencial de rentabilidade,
especifica que mercados-alvo serão mais bem atendidos pela empresa, decide
sobre produtos, serviços e programas adequados para servir a esses mercados
selecionados e convoca todos na organização para pensar no cliente e atender
o cliente. (KOTLER, 2003, p. 11)
É de extrema importância ressaltar os seguintes trechos da definição de Kotler:
“[...] identifica necessidades e desejos insatisfeitos, define e mede sua magnitude” e “[...] e
convoca todos na organização para pensar no cliente e atender o cliente” (KOTLER, 2003, p.
11). Por essa definição do autor, é possível entender que marketing é muito mais do que uma
ferramenta ou um departamento dentro de uma organização, é o grande responsável por orientar
os passos internos de uma corporação em direção aos seus objetivos macros, mediante ao que
foi identificado e mensurado das necessidades e desejos do mercado consumidor, servindo
então como peça que interliga os diversos departamentos e competências internas de uma
companhia, mantendo assim o foco da empresa em sintonia com as demandas do mercado.
Comunicação e marketing começam pelo cliente interno, que é o próprio funcionário e os
fornecedores de uma empresa, são amplos, “Marketing é tudo, e tudo é marketing”, definiu
Regis McKenna1, escritor e consultor na área de marketing para empresas de tecnologia e que
1 McKenna foi consultor de startups de tecnologia em seus anos de formação, como America Online, Apple,
Compaq e Microsoft, e pioneiro de muitas teorias e práticas do marketing tecnológico que se tornaram padrões no
12
ajudou a lançar algumas das mais importantes inovações tecnológicas da era da computação
para uso comercial. Essa afirmação de McKenna reforça a visão de Kotler quanto a convocar
todos da organização para pensar no cliente e nos rumos de qualquer corporação.
Ainda em busca por outras definições específicas ao marketing, chegamos a um dos
mais reconhecidos autores brasileiros na área da comunicação, Mitsuru H. Yanaze, que define
o marketing de maneira ainda mais abrangente:
Em primeiro lugar, é uma decisão básica: a firme e consciente disposição de
adotá-lo como norma de trabalho (o que alguns chamam impropriamente de
filosofia). Não podemos concordar que o marketing seja uma disciplina
especulativa porque, a nosso ver, se trata de um conjunto de conhecimentos
exaustivos, racionais, precisos e coordenados que tem teoria própria e usa não
só a observação, mas também a experimentação para comprovar suas
hipóteses – o que se assemelha às ciências exatas. Portanto, para ser
implantado e praticado, o marketing depende da convicção e da mais alta
direção da empresa ou empreendimento. Em segundo lugar, ele é um sistema
de gestão empresarial amplo, totalmente dedicado a alcançar e manter o
equilíbrio entre o potencial da empresa e o potencial do mercado. (2011, p. 3)
Mediante as colocações desses autores, é possível deduzir que o marketing é uma das
mais interdisciplinares atividades empresariais. Isso é reforçado quando Yanaze (2011a, p. 3)
finaliza sua definição com “[...] ele é um sistema de gestão empresarial amplo, totalmente
dedicado a alcançar e manter o equilíbrio entre o potencial da empresa e o potencial do
mercado”, que reforça mais uma vez que o marketing é um sistema, um processo, devendo estar
intimamente ligado aos valores e à missão das organizações.
Mas e a comunicação nessas organizações? Wilson da Costa Bueno (2014, p. 19) sugere
que a comunicação
não pode ser efetivamente estratégica se não estiver umbilicalmente vinculada
ao planejamento estratégico, o que quer dizer estritamente sintonizada com a
gestão e a cultura organizacionais. Em boa parte das empresas, entidades etc.,
a comunicação não passa mesmo de um apêndice de que se lança mão em
determinados momentos e que é visto como mera ferramenta, portanto sob
uma perspectiva exclusivamente operacional. Em segundo lugar, a
comunicação estratégica, para ser assim considerada, necessita estar
respaldada em pesquisas, bancos de dados inteligentes, metodologias de
avaliação/mensuração e para construção de cenários. Não pode ficar à mercê
da intuição, do feeling dos gestores, aquela velha e ultrapassada conversa de
que ‘minha experiência garante o que estou fazendo’.
marketing, como o foco no intangível como benefício de produtos tecnológicos. Disponível em:
<http://www.regis.com/about/>. Acesso em: 22 jun. 2016.
13
Bueno é claro ao dizer que para a comunicação fazer parte da cultura organizacional,
ela não poder ser utilizada como uma mera ferramenta que se lança mão em momentos
específicos. Além disso, para ser estratégica, ou seja, eficaz e eficiente de acordo com a cultura
da empresa, ela deve “estar respaldada em pesquisas, bancos de dados inteligentes,
metodologias de avaliação/mensuração[...]” (BUENO, 2014, p. 19), o que reforça a
multidisciplinariedade dos profissionais de comunicação e marketing. E, na era da digitalização,
métricas e os algoritmos passaram a ser o cerne das ações de comunicação com finalidades de
automação e mensuração quase obsessiva de resultados, fazendo com que os profissionais dessa
área se apropriem mais do que nunca de outras áreas, como tecnologia da informação, estatística
e pesquisa. E, por que mensurar? Na obra Retorno de investimentos em comunicação: avaliação
e mensuração, Panella (apud YANAZE, 2011b, p. 137) analisa objetivamente a necessidade de
se mensurar o retorno dos valores investidos em comunicação e apresenta cinco respostas sobre
a questão “por que mensurar”?
- Para provar a maturidade da função e o profissionalismo dos atores
- Para justificar o orçamento, obter a prova do retorno sobre o investimento
- Para ver reconhecido e valorizado o trabalho realizado
- Para otimizar a estratégia e suas ações de comunicação
- Para apoiar a tomada de decisão e a avaliação de riscos
Yanaze ressalta que “Sempre haverá um Resultado Econômico Tangível, não importa o
grau de dificuldade de mensuração ou a importância relativa diante dos retornos intangíveis que
possam ser considerados” (2011b, p. 139). Visto isso, a célebre frase de Henry Ford, “Sei que
metade da publicidade que faço é inútil. Mas não sei qual é a metade inútil”, deixa de ser
realidade, pelo menos no mundo digital. Já a frase atribuída a Peter Drucker “Se você não pode
medir, você não pode gerenciar” pode, talvez, nos dias de hoje se transformar em “se você não
pode medir, não é digital”.
Voltando à comunicação organizacional, Lee O. Thayer (apud KUNSCH, 2003, p. 69)
aponta que ela é vital para os processos administrativos. “É a comunicação que ocorre dentro
[da organização] e a comunicação entre ela e seu meio ambiente que [a] definem e determinam
as condições da sua existência e a direção do seu movimento”. Como citado antes por Yanaze
(2011a, p. 3), mas se referindo ao marketing, é ele que está “totalmente dedicado a alcançar e
14
manter o equilíbrio entre o potencial da empresa e o potencial do mercado”. Ainda sobre a
citação de Thayer, Kunsch (2003, p. 69) continua:
A dinâmica segundo a qual se coordenam recursos humanos, materiais e
financeiros para atingir objetivos definidos desenvolve-se por meio da
interligação de todos os elementos integrantes de uma organização. Assim, o
sistema comunicacional é fundamental para o processamento das funções
administrativas internas e do relacionamento das organizações com o meio
externo. Esse é o primeiro aspecto a ser considerado quando se fala em
comunicação nas organizações.
Em Informar não é comunicar (2011), Dominique Wolton faz um esforço para derrubar
o estereótipo de que basta informar para gerar comunicação. Ao longo de toda obra, o autor
demonstra que o processo comunicacional é algo complexo, muito mais profundo do que apenas
transmitir uma informação, e faz um paralelo com a “tecnologização” de tudo como uma busca
infinita na tentativa de simplificar a comunicação, quando na verdade “o emissor raramente está
em sintonia com o receptor e vice-versa” (WOLTON, 2011, p. 11).
Após introduzido o conceito de marketing e de comunicação como processos e não
como ferramentas, entramos agora no quesito mais ferramental e técnico da informação e da
comunicação. Na virada do século XX para o século XXI, o acesso à internet se tornou massivo
e as TICs – tecnologias de informação e comunicação –, como aparelhos celulares e
computadores pessoais, se tornaram ferramentas de comunicação poderosas, abrangentes e com
alta rastreabilidade dos passos de seus usuários ao navegarem na internet. Os dados gerados por
esses acessos começaram a inundar as redes e os servidores de internet ao redor do mundo e as
informações a respeito de simples transações bancárias, pagamentos com cartões de créditos,
trocas de e-mails, conversas telefônicas ou em chats na internet começaram a se acumular em
proporções exponenciais, fossem em arquivos físicos ou on-line, tornando-se, em grande parte,
lixo que apenas ocupava espaço dos bancos de dados e servidores empresarias. Em meio a esse
volume abissal de dados vindos de diversas fontes e com inúmeros formatos, era possível
aproveitar poucas informações para fazer análises de mercado, como entender o comportamento
de usuários de serviços e produtos em geral e, então, encontrar padrões que ajudassem nas
tomadas de decisão para melhoria de processos para o desenvolvimento de produtos. Um estudo
realizado pela consultoria Mckinsey & Company (2011), e aprofundado no capítulo 3 dessa
dissertação, revela padrões de comportamento de usuários da rede hoteleira ao redor do mundo,
que fez com que uma rede específica desse segmento economizasse dinheiro e tempo ao
implantar novos serviços ou novos hotéis em cada região. O mais interessante é que a
15
consultoria ressalta que todos esses dados sempre estiveram disponíveis em arquivos impressos,
ou seja, eram dados volumosos, desestruturados e provenientes de diversas fontes e formatos,
o que impedia que qualquer humano ou máquina os lessem em sua totalidade e os processassem
com a habilidade de extrair informações relevantes para tomadas de decisões estratégicas e com
baixa margem de erro. Mas com o advento ferramental do Big Data, essas fontes
desestruturadas e volumosas se tornaram estruturadas ao ponto de revelar insights valiosos e
altamente estratégicos para a empresa em questão, como veremos adiante. Segundo Davenport,
na obra Big data no trabalho: derrubando mitos e descobrindo oportunidades, “O mais
importante é não se deixar deslumbrar com o volume de dados, mas sim analisá-los para
convertê-los em conhecimento, inovação e valor” (DAVENPORT, 2014, posição 224, versão
Kindle). O autor também revela um estudo em que apenas 0,5% dos 2,8 zetabytes2 de dados
são de fato analisados para extração de algum valor para as organizações e que o grande
impedimento do uso desses dados é que a maior parte deles não está estruturada, ou seja, ainda
não está em formato de linhas e colunas para que se tornem compreensíveis para computadores
comuns e menos ainda para humanos. Porém, em Retorno de investimentos: mensuração em
comunicação, no que se refere ao processo de mensuração das ações de comunicação, Yanaze
(2011b, p. 140) afirma que “Quanto maior a série histórica, provavelmente, menor será a
margem de erro das projeções futuras de retorno”.
A prática do uso dos dados estruturados, dados organizados em linhas e colunas e
facilmente compreendida por máquinas e humanos não é nova e foi denominada de Business
Intelligence (BI) ou sistema de inteligência competitiva (SIC) e já possibilitava uma certa
vantagem competitiva para as corporações, assim como descreve Yanaze (2011a, p. 173):
O sistema de inteligência competitiva (SIC) tem recebido várias definições.
De maneira geral, trata-se de todo um processo sistemático e ético de coleta,
tratamento, análise e disseminação da informação, estratégica para a
organização, de forma a viabilizar o processo decisório. O SIC é um
monitoramento ambiental (environmental scanning) que possibilita a
obtenção de informações sobre a economia, políticas regulatórias, meio
ambiente, tendências tecnológicas e impactos para a sociedade. Seu
conhecimento permite à empresa antecipar-se às mudanças, identificando
oportunidades, ameaças e tendências mercadológicas, com visão dirigida para
o futuro.
Com o avanço da tecnologia da informação e do poder de processamento de dados, no
início dos anos 2000, começou a ser possível gerar o mesmo processo de SIC descrito acima
2 Zetabytes é a medida de armazenamento que corresponde a 2^70 bytes. Equivale a 1.024 Exabytes, 1.048.576
Petabytes, 1.073.741.800 Terabytes ou, para ser exato, 1,180,591,620,717,411,303,424 bytes. (MORIMOTO,
2005)
16
por Yanaze com praticamente todos os tipos de dados, integrando estruturados, organizados em
linhas e colunas com desestruturados advindos das mais improváveis fontes como vídeos,
áudios, sensores de todos os tipos, comentários em redes sociais on-line, planilhas etc., com um
volume gigantesco e com uma velocidade de processamento inviáveis para os tradicionais
processos de SIC ou BI. Essa inclusão de volume e velocidade no coletar, tratar, processar e
analisar os dados acabou por denominar o que é chamado hoje de Big Data. Na tabela seguinte,
montada por Davenport, o autor tenta mostrar de forma simplificada a diferença entre Big Data
e a tradicional análise de dados, como por exemplo o BI ou SIC.
Tabela 1 – O Big Data e o analytics tradicional
Big Data Analytics tradicional
Tipo de dados Formatos não estruturados Formatados em linhas e
colunas
Volume de dados 100 terabytes a petabytes Dezenas de terabytes ou
menos
Fluxo de dados Fluxo constante de dados Pool estático de dados
Métodos de análise Aprendizado de máquina Baseados em hipóteses
Objetivo principal Produtos baseados em dados Suporte ao processo
decisório interno Fonte: Davenport (2014, posição 252, versão Kindle).
A figura a seguir ilustra a evolução das buscas realizadas ao redor do mundo no buscador
Google pelos termos Business Intelligence e Big Data.
Fonte: Google Trends (2016).
A linha vermelha se refere ao termo Business Intelligence e a azul ao termo Big Data.
O gráfico revela claramente o forte crescimento do termo Big Data a partir de agosto de 2011
Figura 1 – Buscas feitas no Google pelos termos Big Data x Business Intelligence
17
e o inverso para o termo Business Intelligence. A ferramenta utilizada para essa pesquisa foi o
Google Trends, uma ferramenta gratuita e aberta a qualquer usuário que aponta tendências e
auxilia na tomada de algumas decisões corporativas. Para entender sobre ela, vide capítulo 3
deste estudo.
Outras ferramentas que fazem uso de grandes volumes de dados também estão
disponíveis para o usuário comum da internet. Uma delas é o Facebook, rede social on-line que
aproxima pessoas de outras pessoas ou empresas de pessoas com interesses em comum,
baseando-se em algoritmos3 extremamente complexos para identificar com baixo índice de erro
essas similaridades. O Google também tem toda sua lógica de funcionamento baseada em
algoritmos de alta complexidade, sendo pioneiro em usar inteligência artificial aplicada à
informação para entregar ao usuário os resultados de suas buscas cada vez mais próximos com
o que ele realmente procura. Ao longo deste estudo, essas e outras ferramentas serão exploradas
em algumas de suas vertentes comunicacionais e mercadológicas.
Com base nos dados apresentados e no tema deste estudo, definiu-se a pergunta da
pesquisa: Como deve se dar a comunicação administrativa nas corporações para que projetos
calcados na análise de dados sejam bem-sucedidos, e o quanto a cultura da comunicação
administrativa (comunicação organizacional) ou a falta dela implica no sucesso desses projetos?
Vale ressaltar que se adotou para este estudo o termo comunicação administrativa em vez de
comunicação organizacional, visto que a comunicação administrativa é a que permeia os
diversos públicos internos, de funcionários a fornecedores, enquanto a organizacional é mais
ampla e dialoga com todos os públicos de uma organização, internos e externos. O capítulo 4
deste estudo voltará a abordar este tópico e também aprofundará o estudo sobre a comunicação
administrativa.
As empresas que fizeram parte das entrevistas deste projeto foram escolhidas mediante
ao seu histórico de uso de dados para tomadas de decisão, e os profissionais entrevistados são
usuários destes dados dentro dessas empresas.
3 Segundo Mario Bunge em o Dicionário de Filosofia, os algoritmos são regras precisas e específicas para operar
símbolos a fim de resolver problemas bem formulados de um tipo restrito. O conceito é central na matemática, na
ciência da computação, na engenharia do conhecimento (em particular na inteligência artificial), na psicologia
cognitiva e na filosofia da mente (2012, p. 24).
18
Além das entrevistas, para responder à pergunta da pesquisa foi feita uma revisão
bibliográfica em publicações específicas sobre o tema para contextualizar o que de fato é Big
Data e os princípios básicos para a sua implementação nas corporações.
Dentre os objetivos específicos, definiu-se:
Compreender como algumas corporações brasileiras têm feito uso da
ferramenta Big Data para auxiliar em suas tomadas de decisões estratégicas;
Entender como se dá o fluxo de informações internas para que se
desenvolvam projetos com Big Data;
Entender quais as implicações de uma comunicação administrativa ineficaz
em projetos que envolvam Big Data.
Para responder a essas questões, propõe-se um estudo de caráter exploratório-descritivo.
Nesse quesito, a autora Alves-Mazzotti (1999, p. 151) ressalta a importância de o pesquisador
estar familiarizado com o tema da pesquisa para que possa propor questões significativas e
ainda não investigadas. Visto isso, o autor deste estudo buscou cursos de especialização sobre
o tema, além de se inserir no campo e já levantar questões prévias com profissionais envolvidos
na área de análise de grandes volumes de dados e também se aprofundou em pesquisa
bibliográfica, visto sua importância, como relata Sérgio Vasconcelos de Luna (1999, p. 71):
Em linhas gerais, a pesquisa bibliográfica é um apanhado sobre os principais
trabalhos científicos já realizados sobre o tema escolhido e que são revestidos
de importância por serem capazes de fornecer dados atuais e relevantes. Ela
abrange: publicações avulsas, livros, jornais, revistas, vídeos, internet etc.
Esse levantamento é importante tanto nos estudos baseados em dados
originais, colhidos em uma pesquisa de campo, bem como aqueles
inteiramente baseados em documentos.
A fase exploratória da pesquisa foi baseada em recentes artigos científicos de revistas
internacionais focadas nas áreas de marketing, comunicação e tecnologia da informação; obras
que abordam o tema de forma mais abrangente com a finalidade de conceituá-lo; artigos
jornalísticos que relatam casos bem-sucedidos de empresas que já fazem uso do Big Data em
suas tomadas de decisão.
Na etapa final do estudo foram adotadas pesquisas qualitativas com entrevistas
semiestruturadas.
Nossa experiência indica que a maior parte das pesquisas qualitativas se
propõe a preencher lacunas no conhecimento, sendo poucas as que se originam
no plano teórico, daí serem essas pesquisas frequentemente definidas como
19
descritivas ou exploratórias. Essas lacunas geralmente se referem à
compreensão de processos que ocorrem em uma dada instituição, grupo ou
comunidade. (ALVES-MAZZOTTI, 1999, p. 151).
Os entrevistados são três profissionais de empresas de médio a grande porte, sediadas
na grande São Paulo e com atuação no mercado brasileiro, que já fazem uso de Big Data em
suas corporações.
O critério utilizado para identificar o porte das empresas será o do BNDES, que
classifica como sendo de médio porte empresas que tenham receita operacional bruta anual
entre R$ 16 milhões e R$ 90 milhões (BNDES, 2016).
O processo de pesquisa foi norteado por um roteiro, disponível no capítulo 5 deste
projeto, com base nos objetivos deste estudo. As entrevistas tiveram duração livre, mediante
disponibilidade dos entrevistados ou esgotamento dos questionamentos por parte do
entrevistador. Será mantido total sigilo das informações dos entrevistados e suas empresas na
publicação dos resultados da pesquisa. As entrevistas foram gravadas e transcritas com
autorização dos entrevistados e todo o processo de pesquisa foi previamente submetido ao
Comitê de Ética em Pesquisa da Universidade Metodista de São Paulo.
20
2 A PESQUISA DE MARKETING
No livro Pesquisa de marketing, Mattar (2012) define que esse tipo de pesquisa faz parte
do Sistema de Informação de Marketing – SIM de uma empresa, visando à coleta de dados
pertinentes ao seu negócio para auxiliar os profissionais de marketing da companhia a
encontrarem soluções para problemas específicos e esporádicos. No mesmo capítulo, o autor
expõe a definição da European Society for Opinion and Marketing Research – ESOMAR e da
American Marketing Association – AMA, como
Pesquisa de marketing é a função que liga o consumidor, o cliente e o público
ao marketing através da informação usada para identificar e definir as
oportunidades e problemas de marketing, gerar, refinar e avaliar a ação de
marketing; monitorar o desempenho de marketing e aperfeiçoar o
entendimento de marketing como um processo. Pesquisa de marketing
especifica a informação necessária destinada a estes fins; projeta o método
para coletar informações; gerencia e implementa o processo de coleta de
dados; analisa os resultados e comunica os achados e suas implicações.
(MATTAR, 2012, posição 252, versão Kindle)
Mattar ainda ressalta que é um erro tratar pesquisa de mercado e pesquisa de marketing
como sinônimos, pois
Enquanto a primeira restringe o seu foco ao mercado da empresa ou de um
produto seu, a segunda compreende a pesquisa de todo tipo de dado que diz
respeito à atividade de marketing da empresa, incluindo os elementos
abrangidos pela pesquisa de mercado, como: levantamentos de mercado,
previsão da demanda e de vendas, pesquisa da imagem da empresa e de seus
produtos etc. (MATTAR, 2012, posição 267, versão Kindle).
Devido à abrangência da pesquisa de marketing e sua ligação mais estreita com o tema
deste projeto, o foco desse capítulo, então, estará na pesquisa de marketing.
2.1 COMO TUDO COMEÇOU
Na obra Comportamento do consumidor (2000, p. 9), Blackwell et al. relatam o início
da pesquisa de marketing e pesquisa de consumidores: “A pesquisa de consumidores como uma
área sistemática de investigação de ciência comportamental na forma pela qual a conhecemos
hoje recebeu reconhecimento no final dos anos 1950 e no início dos 1960”. Os autores ainda
21
ressaltam que esse reconhecimento surgiu em resposta às transformações ocorridas na
economia do mundo ocidental naquele momento do pós-Segunda Guerra, principalmente
devido ao reconhecimento dos direitos dos consumidores, como relata A Carta dos Direitos do
Consumidor em seus 5 termos (apud BLACKWELL et al., 2000, p. 9):
• O Direito à Segurança (proteção contra produtos e serviços prejudiciais à saúde e à
vida).
• O Direito a Ser Informado (proteção contra declarações fraudulentas, enganosas ou
incorretas).
• O Direito a Ser Ouvido – Reparação (implementação de política regulamentadora no
âmbito de justa restituição ao consumidor)
• O Direito de Usufruir de um Ambiente Limpo e Saudável.
• O Direito do Pobre e de Outras Minorias de Ter Seus Interesses Protegidos.
“[...] estes fatores fundamentais continuam a mudar de formas que intensificam o
desafio da pesquisa de consumidores e da estratégia de marketing” (BLACKWELL et al., 2000,
p. 10). Os autores então destacam três períodos e duas forças dominantes que determinam e
resumem a evolução da pesquisa e do marketing. Os momentos são: A época pré-Segunda
Guerra Mundial, a época pós-Segunda Guerra Mundial até o final dos anos 1980 e o cenário
contemporâneo. Já as forças ficam por conta “(1) dos fatores que mudam uma economia
impulsionada por produção para impulsionada pelo mercado e (2) o nível de sofisticação no
qual o comportamento humano é entendido pela psicologia e outras ciências do
comportamento” (BLACKWELL et al., 2000. p. 10).
Mattar (2012) aponta que no Brasil a primeira pesquisa de marketing que se tem registro
aconteceu em 1934 pela agência de publicidade norte-americana N. W. Ayer, a pedido do
governo brasileiro, para entender os hábitos de consumo de café no país, porém não revela mais
detalhes de que tipo de pesquisa tenha sido realizada.
Segundo Yanaze em Gestão de marketing e comunicação (2011), a massificação do
consumo se deu com a Revolução Industrial e se concretizou após a Segunda Guerra, tornando
a comercialização de produtos e serviços mais complexa devido ao surgimento de uma clara
diversidade de tipos de consumo e de consumidores. “Muitos dos produtos então considerados
artigos de luxo passaram a ser adquiridos por camadas consumidoras anteriormente
22
desconhecidas. O consumo torna-se, assim, massificado” (YANAZE, 2011a, p. 186). O autor
revela que essa produção em massa acaba por gerar um distanciamento físico entre produtores
e consumidores, diferentemente de produções artesanais, em que o artesão do início do século
XVIII conhecia as preferências de cada um de seus clientes, customizando suas produções,
porém, sem capacidade de atender grandes demandas. Então, como uma empresa com produção
em massa consegue conhecer seus clientes a fundo? “A resposta é lógica: não é possível
conhecê-los profunda e individualmente. Para vender de modo eficaz seus artigos, a empresa
precisa, então, encontrar formas e maneiras de pesquisar o mercado” (YANAZE, 2011a, p.
187). Então surge a necessidade da pesquisa de marketing para que haja uma identificação de
grupos de consumidores e ainda assim manter a capacidade de produção em massa. E “para
identificar grupos de consumidores ou segmentos, são realizados estudos de segmentação de
mercado”, complementa o autor. Ainda em Yanaze (2011a, p. 187), esse conceito foi abordado
pela primeira vez nos anos 1950, por Wendell Smith:
Segmentação de mercado consiste em ver um mercado heterogêneo
(caracterizado por demanda divergente) como um grupo de mercados
homogêneos menores em resposta à preferência por produtos diferentes entre
os segmentos importantes do mercado. Isto é atribuído ao desejo dos
consumidores ou usuários por uma satisfação mais precisa de seus desejos
variados.
Apesar dos relatos acima se referirem aos primórdios da pesquisa de marketing como a
conhecemos hoje, entre 1950 e 1960, Paul F. Lazarsfeld, doutor em matemática aplicada e
fundador do Instituto de Pesquisa para Psicologia Social Aplicada, na Áustria em 1929, pode
ter sido o precursor na criação de uma metodologia clara para esses estudos. Em 1935,
Lazarsfeld publicou o artigo científico The art of asking why: three principles underlying the
formulation of questionaries (A arte de perguntar por quê: três princípios subjacentes à
formulação de questionários, tradução nossa), focado nas pesquisas de marketing. Nessa
publicação, o autor já apontava para a complexidade da formulação das perguntas certas e
ressaltava sobre as armadilhas de nos basearmos nas experiências do dia a dia para encontrar
respostas para problemas de marketing. Segundo ele, na pesquisa de marketing,
O propósito de nossas perguntas é descobrir todos os fatores que determinam
as compras de um certo grupo de pessoas; [...] queremos conhecer todas as
determinantes de um certo tipo. Tal conhecimento deve permitir-nos aumentar
a nossa futura eficiência neste domínio, fornecendo uma base mais completa
e precisa para antecipar os fatores de demanda do mercado. Não podemos
deixar aos respondentes para nos dizer ao que eles estão inclinados. Em geral,
o consumidor não está treinado para examinar todos os fatores que
determinaram suas compras e ele geralmente tem uma compreensão nebulosa
23
do porquê da pergunta. Por outro lado, a informação que queremos deve ser
exata e precisa. (LAZARSFELD, 1935, p. 1, grifo nosso)4
Diferente do que aponta Yanaze sobre o conceito de segmentação ter surgido com Wendell
Smith nos anos de 1950, Lazarsfeld já tinha claro para si nos anos 1930 o fator da segmentação
de grupos de consumidores e, no mesmo artigo, Lazarsfeld (1935) revela os três possíveis
objetivos das perguntas de uma pesquisa de marketing com a finalidade de entender os hábitos
desses grupos ao adquirir um produto:
a. Influências para a ação
Você pode querer saber por qual mídia as pessoas foram influenciadas para agir da
maneira que elas fizeram, o que é o caso quando queremos avaliar o papel de certa
publicidade, de dicas de amigos etc.; ou
b. Atributos do produto
Podemos querer saber se foram os atributos do próprio produto e qual deles – seu sabor,
sua cor, seu uso, que levou o cliente a comprar; ou
c. Impulsos do comprador
Podemos querer saber certas tendências pelas quais o consumidor foi controlado: Se ele
comprou para si mesmo ou como um presente; se ele comprou sob impulso súbito ou
após uma longa deliberação; se foi habitual ou processo único.
2.2 A EVOLUÇÃO DA PESQUISA DE MARKETING
Assim como a Revolução Industrial trouxe uma nova forma de produzir, vimos nesse
capítulo que as pesquisas de marketing foram essenciais para ajudar a moldar essa nova era de
produção, guiando os passos das empresas e apontando um norte para elas, que até então
contavam basicamente com a estratégia da tentativa e erro mediante uma enorme demanda do
mercado consumidor. Porém, dos primórdios dessas pesquisas nos anos 1930 até o início dos
anos 1960, não houveram grandes evoluções nesses estudos. Segundo Blackwell et al. (2000,
4 Texto original: The purpose of our why questions is to discover all of those factors which determine the purchases
of acertain group of people; or, to put it more exactly in anticipation of a later part of this paper, we want to know
all the determinants of a certain sort. Such knowledge should permit us to increase our future efficiency in this
field by providing a more complete and accurate basis for anticipating demand factors of the market. We cannot
leave it up to the respondents to tell us whatever they are inclined. The average consumer is not trained to survey
off hand all the factors which determine his purchases and he usually has a gery hazy understanding of they why
question. On the other hand, the information we want should be exact and precise.
24
p. 12), na época dó pós-Segunda Guerra Mundial, houve a inversão na situação da produção
industrial, que estava muito acima da capacidade de consumo e, então, “as ciências do
comportamento rapidamente deslocaram-se para palco central de uma sociedade em mudança.
Tudo isso causou mudanças surpreendentes”. Nos quadros a seguir os autores fazem uma
comparação das condições pré e pós-Segunda Guerra Mundial.
Tabela 2 – Condições dominantes na época pré-Segunda Guerra Mundial
Fatores ambientais que afetam o desafio de marketing
• A demanda por produtos de consumo na maioria das indústrias ultrapassou a oferta (exceto durante
a Grande Depressão), e a produção ofereceu o maior desafio.
• A habilidade de comunicação a grandes distâncias por meio da propaganda estava crescendo,
especialmente com o início do rádio.
• Canais de distribuição eram na maioria pequenos e de âmbito local, embora supermercados e cadeias
de lojas tenham tido seu início durante os anos 1930.
• O vendedor não enfrentava limitações para persuadir distribuidores a venderem produtos,
especialmente aonde a demanda era estimulada pela publicidade.
• O crescimento econômico foi vital durante os anos 1920, mas criticamente cego até o início da
Segunda Guerra Mundial, tornando essa época atípica de muitas maneiras.
Situação das ciências do comportamento
• Crescimento e impacto relativamente limitados até a Segunda Guerra Mundial.
• Um tanto mais teóricas que empíricas, embora a pesquisa começasse a crescer no final do período.
Fonte: Blackwell et al. (2000, p. 11).
Tabela 3 – Época pós-Segunda Guerra Mundial – nasce a pesquisa do consumidor
Fatores ambientais que afetam o desafio de marketing
• Embora os consumidores saíssem da guerra com demanda reprimida e bastante dinheiro, o
crescimento competitivo logo levou à situação em que a capacidade produtora superou a demanda,
motivando desta forma uma volta generalizada ao conceito de marketing.
• A televisão surgiu como “grande vendedora”. Combinada com os outros meios de comunicação em
florescimento, a época das comunicações de massa atingiu velocidade total.
• A distribuição passou por uma revolução virtual com o surgimento de shopping centers e lojas de
descontos. Pela primeira vez, compradores potenciais podiam comprar com conveniência e facilidade.
• Os fabricantes foram capazes de usar o poder da propaganda e da mídia de massa para empurrar
novos produtos por meio de canais de distribuição, e os distribuidores não tinham escolha além de
concordar com os desejos do fornecedor.
• O crescimento econômico floresceu com quedas temporárias, e o mundo ocidental viveu um período
de riqueza e poder de compra sem precedentes.
Situação das ciências do comportamento
• O desenvolvimento das ciências físicas gerou um reconhecimento correspondente de que o
crescimento do potencial humano deveria combinar com o potencial tecnológico.
• A aplicação das ciências do comportamento aos desafios do comportamento humano e potencial
humano ganhou impulso.
• Contribuições notáveis foram surgindo em campos como percepção e processamento de informação,
pesquisa de atitude, comportamento de solução de problema, aprendizagem, difusão de inovações,
influência de grupo e influência pessoal.
Fonte: Blackwell et al. (2000, p. 12).
25
Então, Blackwell et al. (2000, p. 12) revelam que nos anos 1960
os profissionais de marketing estavam precisando de novas reflexões, e
uma nova moda irrompeu no cenário – a pesquisa motivacional.
Liderados por seu proponente principal, Ernetst Dichter, o mundo de
Sigmund Freud e a psicanálise chegaram ao mercado. E os críticos
ficaram enlouquecidos! Vance Packard inflamou temores de
persuasores ocultos (Hidden Persuaders), e o mundo nunca mais foi o
mesmo. As ciências do comportamento ganharam uma posição segura.
Na obra History of the mass media in the united states: an encyclopedia (1998),
Margareth A. Blanchard relata que no final dos anos 1950, baseado na premissa de que os
consumidores não têm total consciência das razões dos seus atos, o psicanalista freudiano Ernest
Diechter se empenhou em pesquisas motivacionais com ferramentas clínicas, como entrevistas
em profundidade para descobrir as motivações ocultas que os levavam a comprar. Cientes
desses recentes estudos vindos do mundo da psicanálise, Blackwell et al. (2000) expõem o caso
da Pillsbury, marca norte-americana de alimentos que foi uma das primeiras a lançar mão dessas
técnicas em suas campanhas publicitárias ao descobrir que as mulheres assam bolos a partir de
um desejo inconsciente de ser mãe. Então a marca transformou esse dado no slogan Nothin’
Says Lovin’ Like Somethin’ from the Oven [nada transmite tanto amor como algo saído do
forno] e passou a utilizá-lo em seus anúncios. Em um deles, para reforçar o desejo de ser mãe,
há uma criança cantando feliz com o boneco personagem da companhia, como pode-se ver na
figura 2, retirada de um trecho do filme publicitário de 1960, e na figura 3.
26
Figura 2 – Trecho do filme publicitário de 1960 da marca de alimentos Pillsbury
Fonte: TV Commercials (2017).
Figura 3 – Slogan de 1960 da marca de alimentos Pillsbury, baseado em dados de pesquisa
comportamental que relatam que mulheres assam bolos mediante o desejo inconsciente de ser
mãe
Fonte: Google Imagens, 2017.
27
Logo em seguida a sociedade norte-americana tomou conhecimento de que técnicas
psicanalíticas estavam sendo usadas em pesquisas de marketing com a finalidade de
impulsionar as vendas de produtos e houve um levante contra esse movimento.
Compreensivelmente, vozes públicas ergueram-se para combater o que
perceberam ser maneiras revoltantes de influenciar o comportamento.
Isto foi acelerado por uma declaração amplamente divulgada de que os
consumidores poderiam ser atraídos subliminarmente, usando-se
métodos psicométricos sem seu conhecimento, e induzindo-os a
responder conforme o anunciante pretendia. Um admirável mundo
novo, de fato! (BLACKWELL et al., 2000, p. 13)
Blanchard e também Blackwell et al. relatam que gradualmente as pesquisas
motivacionais e elementos subliminares foram perdendo força no mundo do marketing devido
aos seus cunhos altamente subjetivos. Blanchard (1998, p. 9) relata que
[...] a pesquisa motivacional começou a perder o seu apelo quando os
anunciantes questionaram suas interpretações altamente subjetivas e exóticas
do comportamento bastante prosaico. No entanto, essa pesquisa incentivou os
anunciantes a verem os consumidores não como estatísticas, mas como
pessoas cujo comportamento é complexo e assim preparou o caminho para o
uso de grupos focais, análise de estilos de vida e outros métodos qualitativos
agora empregados na pesquisa do consumidor.5
Mesmo com o descrédito das técnicas subliminares utilizadas em campanhas
publicitárias, a psicologia e a psicanálise continuaram fortemente presentes nas pesquisas de
marketing e, como citado por Margareth A. Blanchard, os marqueteiros aprofundaram seus
estudos em busca de respostas para o entendimento do comportamento do consumidor e
lançaram mão de pesquisas como grupo focal para análise de estilos de vida e obtenção de
dados sobre determinados assuntos focalizados. Segundo Mattar (2012, posição 1.845, versão
Kindle), esta técnica teve origem na psicologia como método de terapia de grupo. Mattar (2012)
ainda destaca as principais finalidades das “entrevistas focalizadas de grupo (focus group)”
para o marketing:
• Avaliar e ajudar a desenvolver conceitos de novos produtos.
5 Texto original: Motivational research began to lose its appeal came to questions its highly subjective and exotic
interpretations of the rather prosaic behavior. Nonetheless, such research encouraged advertisers encourage
advertisers to see consumers not as statistics but as people whose behavior is complex, and so it prepared the way
for the use of focus groups, lifestyle analysis and other qualitative methods now employed in consumer research.
28
• Gerar hipóteses sobre opiniões, usos, costumes, imagens, aceitação de produtos,
percepções, crenças, valores, experiências, atitudes, estilo de vida, comportamentos passado e
presente e intenções, que poderão ser futuramente testadas quantitativamente.
• Gerar ideias criativas para desenvolver novos produtos ou aprimorar produtos atuais.
• Gerar ideias criativas para o desenvolvimento de propaganda e promoções de vendas
de produtos.
• Ajudar a reduzir o número de opções de um novo produto a ser submetido a um teste
de mercado ou a uma pesquisa quantitativa.
• Gerar informação útil para estruturar instrumentos de coleta de dados.
• Prover informações gerais a respeito de uma categoria de produto.
• Ajudar a interpretar informação previamente obtida em pesquisa quantitativa.
Mattar finaliza dizendo que:
as vantagens da entrevista focalizada de grupo estão relacionadas com a
premissa de marketing de que quando se deseja entender os consumidores, o
melhor caminho é ouvi-los. Há muito que aprender ouvindo os consumidores
contarem suas experiências, imagens etc. com suas próprias palavras, de
forma espontânea e não forçada. (2012, posição 1.845, versão Kindle)
Mas será que é possível “ouvir” de forma espontânea a opinião de consumidores e
colaboradores de uma empresa a fim de ter respostas em tempo real e que possibilitem tomadas
de decisão que acompanhem as constantes mudanças de comportamento e com mínima margem
de erro? Pelos levantamentos deste estudo, tudo indica que sim. Mas também indica que as
técnicas das pesquisas de marketing não sofreram grandes evoluções, mas o que mudou e vem
transformando o marketing é a tecnologia empregada para as mesmas técnicas, possibilitando
velocidade, volume de dados coletados e variedade de fontes desses dados absurdamente
maiores do que era possível há apenas duas décadas. Essa transformação tecnológica está
colocando em xeque as habilidades do atual profissional de comunicação, seja do jornalismo,
marketing, seja das relações públicas. Blackwell et al. (2000, p. 12) ressaltam que as empresas
hoje enfrentam os mesmos problemas de 1960 com as pesquisas de marketing e que a
abordagem, embora mais sofisticada, é semelhante. E complementam:
29
Você logo verá que os desafios de hoje são verdadeiramente difíceis. Cada
geração desenvolve-se nos ombros de seus predecessores, mas agora percebe-
-se que um pouco da sabedoria convencional está sob ataque. Para onde vai
daqui pra frente? Quem sabe com certeza? Bem-vindos a bordo”.
(BLACKWELL et al., 2000, p. 10)
30
3 BIG DATA
Afinal, o que isso significa? Segundo reporte da McKinsey & Company, empresa de
consultoria empresarial norte-americana:
A quantidade de dados em nosso mundo foi explodindo. Empresas capturam
trilhões de bytes de informações sobre seus clientes, fornecedores e operações,
e milhões de sensores em rede estão sendo incorporados ao mundo físico em
dispositivos como telefones celulares e automóveis, detectando, criando e
comunicando dados. Indivíduos multimídia com smartphones e em sites de
redes sociais continuarão a alimentar o seu crescimento exponencial. Big Data
– pool de dados que podem ser capturados, comunicados, agregados,
armazenados e analisados – é agora parte de cada setor e função da economia
global. Semelhante a fatores essenciais de produção, tais como os ativos
tangíveis e capital humano, é cada vez mais comum que o crescimento de
grande parte da atividade econômica moderna e da inovação simplesmente
não poderá ocorrer sem dados6. (MCKINSEY & COMPANY, 2011, p. 4,
tradução nossa)
Definir Big Data parece simples: uma imensidão de dados, que capturados, agregados,
relacionados entre si e analisados trazem as respostas aos profissionais de marketing que antes
eram obtidas principalmente por meio de observações ou de tentativa e erro. Porém, essa
definição não representa a complexidade da sua aplicação, pois, por mais que se tenha acesso a
grandes volumes de dados, eles normalmente estão disponíveis de forma não estruturada, tendo
sido obtidos, por exemplo, de comentários nas redes sociais como em páginas do Facebook e
perfis do Twitter, de fotos, e-mails, áudios e vídeos. Mesmo quando estão estruturados em
linhas e colunas, como os obtidos de fontes internas das empresas por meio de pesquisas e
relatórios, exigem um raciocínio humano analítico e computacional e que deve seguir alguns
passos básicos para que não se tenha a sensação de procurar agulha no palheiro. Segundo Cezar
Taurion, gerente de Novas Tecnologias Aplicadas da IBM Brasil, em seu livro Big Data (2013),
algumas variáveis em relação aos dados são cruciais para que se faça o uso correto dessa ciência.
São elas: Volume (quantidade de dados), Variedade (devem ser originados de fontes distintas,
7 Texto original: The amount of data in our world has been exploding. Companies capture trillions of bytes of
information about their customers, suppliers, and operations, and millions of networked sensors are being
embedded in the physical world in devices such as mobile phones and automobiles, sensing, creating, and
communicating data. Multimedia and individuals with smartphones and on social network sites will continue to
fuel exponential growth. Big data—large pools of data that can be captured, communicated, aggregated, stored,
and analyzed—is now part of every sector and function of the global economy. Like other essential factors of
production such as hard assets and human capital, it is increasingly the case that much of modern economic
activity, innovation, and growth simply couldn’t take place without data.
31
como redes sociais, bases internas das empresas, sensores etc.), Velocidade (tecnologia para
processamento, análise e relacionamento dessa imensidão de dados em questão de horas ou
mesmo minutos), além de outras duas, que talvez sejam intrínsecas ao processo, que são
Veracidade (os dados devem ser relevantes para o setor em que a empresa atua) e Valor. Taurion
destaca que:
Apesar das transformações ocorrerem todos os anos, identifico uma questão
em comum relacionada ao fascínio da engenharia da informação e, em
especial, com a arquitetura e modelagem de dados. Essas técnicas sempre se
focaram em como coletar, organizar, colecionar e usar de forma competitiva
os inúmeros dados disponíveis e de como gerar valor para os negócios.
Quando digo valor, leia-se resultados concretos em termos de novos negócios,
novos produtos através da antecipação das necessidades dos clientes. Toda
essa inteligência e conhecimento sobre o comportamento das pessoas, seus
dados transacionais ou não, eventos correlacionados e seus relacionamentos
em diferentes momentos e dimensões nunca foi tão discutida como
recentemente. (2013, posição 49, na versão Kindle)
Já Thomas H. Davenport, em Big Data no trabalho: derrubando mitos e descobrindo
oportunidades (2014), além de focar apenas nos “V’s” relacionados ao Volume, Valor e
Velocidade, faz um alerta sobre o equívoco do termo Big para definir Big Data, pois apesar de
se tratar de algo grandioso em relação ao volume de dados, o lado mais complexo da ferramenta
é a falta de estrutura clara desses dados:
Sim, há um gigantesco volume de dados; de acordo com um estudo7, o mundo
usou mais de 2,8 zetabytes de dados (o que equivale a 2,8 trilhões de
gigabytes, um volume inconcebível) em 2012 [...] para as organizações que
precisam se beneficiar do Big Data, o que mais importa não é o volume total
de dados [...]. O maior impedimento à análise é a necessidade de,
primeiramente, impor uma estrutura ao Big Data; a maior parte dos 2,8
zetabytes ainda não está em formato de linha e coluna. Temos uma enorme
tarefa pela frente: começar a estruturar os dados, analisá-los e tirar valor deles.
(DAVENPORT, 2014, p. 2)
Quatro casos muito bem aplicados de Big Data podem ajudar a entender um pouco
melhor a sua utilidade em marketing e comunicação:
7 The digital universe em 2020: Big Data, Bigger digital shadows, and biggest growth in the far east - United
States. IDC Country Brief, sponsored by EMC Corporation. (GANTZ; REINSEL, 2013).
32
• Amazon Anticipatory Shipping: inovação radical é receber a sua encomenda minutos depois
de tê-la comprado em uma loja virtual. Esse é o novo algoritmo da gigante do comércio virtual
Amazon.
A Amazon apresentou recentemente uma patente para a entrega antecipada,
em que a empresa usa Big Data, incluindo histórico de compras, histórico de
produtos pesquisados e atividades em carrinho de compras, para prever
quando um cliente vai fazer uma compra e então inicia o envio do produto
para o centro de distribuição mais próximo antes que o cliente submeta o
pedido on-line. (BANKER, 2014; RITSON, 2014 apud EREVELLES et al.,
2015, tradução nossa8)
• Porque os caminhões da UPS (quase) nunca viram à esquerda: baseados em análise de
dados, os engenheiros da UPS, empresa norte-americana de logística e entrega de encomendas,
determinou que todos os motoristas de seus caminhões de entrega evitem ao máximo virar à
esquerda em seus trajetos para entrega de encomendas. Como resultado disso, a empresa alega
economizar anualmente mais de 10 milhões de galões de combustível, além de reduzir as
emissões de CO2 na atmosfera. Os algoritmos da empresa calculam em segundos trilhões de
possíveis rotas para cada entrega, cruzando dados já existentes nos bancos de dados da empresa
com dados de diversas outras fontes como redes sociais e GPS, priorizando sempre trajetos em
que se possa virar com mais frequência as ruas à direita. Segundo a UPS, essa política evita,
por exemplo, acidentes que são mais comuns ao virar à esquerda, além de fazer com que os
motoristas fiquem menos tempo parados à espera da interrupção do fluxo contrário para
avançarem. (PRISCO, 2017)
• Google Books Ngram Viewer: essa ferramenta desenvolvida pelo Google ilustra muito bem
o desafio do Big Data em relação aos dados desestruturados, aliados ao volume e à velocidade
de processamento. O Ngram Viewer proporciona a qualquer usuário, de forma on-line e gratuita,
o cruzamento de informações de mais de 5 milhões de livros e artigos científicos publicados
em todo o mundo, o equivalente a 500 bilhões de palavras, para que qualquer ser humano com
acesso à internet produza ciência com poucos cliques e ajude a responder grandes questões da
humanidade. O algoritmo da ferramenta faz o cruzamento dos termos ou frases dos livros desse
imenso banco virtual, mostrando em quais livros e anos essas palavras foram citadas,
8 Texto original: Amazon recently filed a patent for anticipatory shipping, in which the company uses Big Data,
including order history, product search history, and shopping cart activities, to predict when a customer will make
a purchase and begins shipping the product to the nearest hub before the customer submits the order online.
33
possibilitando encontrar, de forma simples e rápida, padrões e relações até então nunca
imaginados. (GOOGLE BOOKS NGRAM VIEWER, 2017)
• Facebook para empresas: com 2 bilhões de usuários ao redor do mundo, número publicado
pelo próprio Facebook, essa rede social on-line se tornou uma potente ferramenta publicitária
para a alavancagem do consumo de qualquer tipo de produto. Por meio das interações geradas
pelas pessoas em sua plataforma, o Facebook identifica os perfis de consumo de cada usuário
e os classifica em grupos de interesse (clusters), disponibilizando-os aos anunciantes dentro da
própria ferramenta de anúncios da rede social, o Facebook Business. Ao promover um produto,
o anunciante tem a possibilidade de segmentar seu público-alvo em níveis nunca antes
imaginados, podendo selecionar desde faixa etária e opção sexual, até por cor de cabelo e
localização momentânea por meio do sistema de GPS dos smartphones ou IP dos computadores.
Esse tipo de inovação permite ao anunciante não apenas atingir o público que tenha afinidade
com seus produtos, mas também impactá-los no exato momento em que estiverem passando
em um raio próximo de seus pontos de venda. Na obra O tempo das tribos, de Michel Maffesoli
(2006), o autor destaca em visão mais sociológica a necessidade do indivíduo de se agrupar em
tribos que tenham hábitos culturais semelhantes a ele. E com a evolução tecnológica, empresas
como Google e Facebook identificam essas tribos por meio de seus complexos algoritmos e os
tornam alvos fáceis para campanhas publicitárias no meio on-line. (FACEBOOK BUSINESS,
2017)
3.1 BIG DATA: ENTENDENDO O COMPORTAMENTO DO CONSUMIDOR
Mesmo as empresas que têm muito bem definidos seus objetivos comunicacionais, seu
composto de marketing e seus posicionamentos mercadológico e de marca têm enfrentado cada
vez mais dificuldade em entender os hábitos de consumo dos seus clientes e se manterem
competitivas, como observa Yanaze (2011a, p. 8): “[...] nem sempre as organizações
conseguem definir com clareza os produtos que oferecem ou mesmo definir e conhecer o
mercado em que atuam”. Isso leva a recorrentes erros, desde a tomada de decisão para o
desenvolvimento do produto até da comunicação interna ou com o mercado, gerando prejuízos
às organizações, como por exemplo com produtos que logo são retirados de linha devido ao
fracasso nas vendas. Também é comum que as empresas percam oportunidades por não
conseguirem enxergar a tempo demandas, tendências e megatendências, lançando produtos
34
tardiamente ou não os lançando. Uma das formas de se manter atualizado é estar inserido no
universo da comunicação digital, é estar conectado às mídias sociais, mas, para quem quer se
manter competitivo nos dias de hoje, isso já não é mais um grande diferencial, é requisito
mínimo. Então, a grande questão é como usar o volume abissal de informações despejadas nas
redes diariamente.
[...] as informações sobre os produtos estão se tornando mais importantes que
os produtos em si. Portanto, praticamente todas as empresas têm que estar no
negócio de gerar conteúdo. Se o conteúdo gerado para a tomada de decisão de
compra de um determinado produto não for adequado, a tendência da compra
ser direcionada a outro produto torna-se bem maior. (TAURION, 2013,
posição 140, versão Kindle).
Se determinado produto está com baixo desempenho comparado à média do portfólio
de certa empresa e seus profissionais de comunicação não conseguem identificar o problema
por meio das ferramentas tradicionais de análise, talvez os dados possam ajudar a esclarecer a
questão de forma rápida e precisa. Basta coletar nas redes sociais os comentários sobre a
qualidade do produto, sobre preço e sobre onde encontrá-lo. Lançar as perguntas certas sobre
esses milhares ou milhões de informações e embutir velocidade. Ao final, deve-se comparar o
resultado obtido com o posicionamento de marca utilizado para vender esse produto.
Certamente emergirão respostas baseadas em fatos, e não mais em deduções, possibilitando
rápidas intervenções para “salvar” o produto de um naufrágio. Isso é tecnologia da informação
aliada ao marketing, possibilitando minimizar os erros das decisões baseadas em dados
desatualizados e restritos. Já com as pesquisas tradicionais de opinião, as mesmas respostas
talvez sejam obtidas, porém com uma velocidade muito menor, limitando as tomadas de
decisão, dada a alta competitividade do mercado atual, sem contar que o volume e a
disponibilidade de informação para as pesquisas tradicionais são limitados se comparados ao
tamanho da amostra e à facilidade em quebrar barreiras geográficas com o uso do Big Data.
A inteligência de marketing tem tradicionalmente se apoiado em pesquisas de
marketing para entender o comportamento do consumidor e aprimorar
produtos. Por exemplo, as empresas usam as pesquisas de satisfação para
estudar atitudes de consumo. Com tecnologias de análise de Big Bata, fatores-
-chave para estratégias de decisão de marketing, como opinião do consumidor
a respeito de um produto, serviço ou empresa, podem ser automaticamente
monitorados pela exploração de dados nas mídias sociais. (SHAOKUN et al.,
2015, p. 28, tradução nossa9).
9 Texto original: Marketing intelligence has traditionally relied on market surveys to understand consumer
behavior and improve product design. For example, companies use consumer satisfaction surveys to study
customer attitudes. With big data analytic technologies, key factors for strategic marketing decisions,
35
Ainda baseado na comunicação das empresas com o mercado, avançamos para outras
grandes questões: como identificar hábitos desconhecidos e que vão além de localismos e
línguas?
O que faremos com as bases de segmentação geográficas em um mundo sem
fronteiras e em contínuo aprimoramento do livre-comércio? Como
desenvolver produtos personalizados, que garantam a satisfação dos clientes
no mundo todo, mas que, ao mesmo tempo, sejam padronizados, o que
garantiria a redução de custos e o aumento da competitividade? (MARKUS,
2012, p. 434).
Esses são os grandes questionamentos que o pesquisador de marketing Kleber Markus
faz em seus estudos sobre marketing intercultural e internacional. Já Shaokun et al. relatam que
Para um marketing efetivo, é essencial identificar um grupo específico de
consumidores que compartilham preferências similares e respondem a sinais
específicos de marketing. As aplicações de segmentação de consumidor
ajudam a identificar diferentes comunidades (segmentos) de consumidores
que devem compartilhar interesses similares. (2015, p. 29, tradução nossa10).
Markus (2012) ainda frisa que em pleno século XXI a tentativa e erro é uma técnica
muito usada por profissionais de comunicação para entrar em novos mercados, levando
organizações multinacionais gigantescas a se lançarem em mercados globalizados sem o
mínimo de pesquisa prévia e sem planejamento. Mas, em plena era da informação e da
abundância de dados, será que ainda é necessário correr esses altos riscos? Não. Pelo menos é
o que apontam Frankwick et al. (2015, p. 1.563, tradução nossa11):
[...] pequenos varejistas essencialmente ignoram os potenciais benefícios da
implantação da análise dos consumidores. Intuitivamente, análise SWOT,
pesquisas com consumidor e variedade de novos produtos podem promover
insights de negócios úteis para o desenvolvimento de novos produtos em
algumas situações. No entanto, o desenvolvimento de novos produtos em uma
indústria e mercado em rápido movimento é uma complexa atividade que
such as customer opinions toward a product, service, or company, can be automatically monitored by mining
social media data. 10 Texto original: For effective marketing, it is essential to identify a specific group of customers who share similar
preferences and respond to a specific marketing signal. Customer segmentation applications can help identify
different communities (segments) of customers who may share similar interests. 11 Texto original: Small retailers essentially ignore the potential benefits of deploying customer analytics.
Intuitively, SWOT analysis, consumer surveys, and NPV models may still provide useful business insights for NPD
in some situations. However, NPD in more rapidly moving industries and markets is a complex activity requiring
large amounts of data from many sources to understand customers' demands and markets' future.
36
requer muitos dados de muitas fontes para entender as demandas do
consumidor e do futuro do mercado.
Frankwick et al. (2015) ressaltam que os resultados nos negócios com o uso do
marketing em sua forma tradicional aliado à análise de dados por meio de Big Data podem ser
extrapolados se comparado com o uso do marketing tradicional isoladamente. Os autores dizem
também que o Big Data traz dados em tempo real e acabam por melhorar as tomadas de decisão
e minimizam as incertezas. Ainda sobre o uso isolado do marketing em sua forma tradicional,
os autores afirmam que na prática as empresas se apoiam no conhecimento informal da
experiência de seus gerentes para as tomadas de decisão: “O conhecimento individual, a forma
de pensar e o ambiente afetam a qualidade das tomadas de decisão.” (FRANKWICK et al.,
2015, p. 1.565). Os autores sugerem a fusão dos conhecimentos tradicionais do marketing com
a análise de dados por meio de Big Data, como na figura seguinte.
Figura 4 – Fusão entre marketing tradicional e Big Data Analytics
Fonte: Frankwick et al. (2015, p. 1.564).
Em um levantamento da consultoria empresarial McKinsey & Company (2011) sobre
alguns casos de aplicação de Big Data, identificou-se que em grandes mercados hoteleiros,
como Brasil, África do Sul, Rússia, Índia e China, existem significativas similaridades nas
preferências dos hóspedes, possibilitando às redes hoteleiras implantarem serviços
padronizados em mercados com culturas muito distintas. Algumas das preferências em comum
detectadas foram que os quartos devem ser de não fumante, ter vista para piscina e estar no piso
térreo. Nas preferências pessoais, os hóspedes gostam de welcome drink e que o hotel tenha
serviços de entretenimento. No histórico de uso identificou-se o acesso à internet, academias
de ginástica e refeições em restaurantes. A parte mais curiosa desse estudo, e que a McKinsey
37
& Company faz questão de ressaltar, é que todas essas informações não são diferentes das que
já existiam registradas em um sistema baseado em materiais impressos. Isso reforça as análises
desse estudo sobre a possibilidade de aprimoramento e inovação por meio da aplicação de
tecnologias da informação associadas a estratégias de marketing.
Na obra Comportamento do consumidor (2000), Blackwell et al. apresentam os estágios
de tomada de decisão de compra pelo consumidor da seguinte forma:
Figura 5 – Estágios do processo de tomada de decisão de compra
Fonte: Blackwell et al. (2000, p. 86).
Baseado no processo de tomada de decisão acima, o autor deste estudo sugere uma visão
desse mesmo diagrama com a inferência da análise de dados por meio de Big Data em cada
etapa do processo:
• Reconhecimento da necessidade: baseado no comportamento prévio desse consumidor, já é
possível prever a demanda que será gerada por ele, antecipando-se até mesmo à busca de
informação que ele venha a fazer sobre a sua necessidade. É como o exemplo da ferramenta
Anticipatory Shipping da Amazon, citado no início deste capítulo.
38
• Busca da informação e avaliação das alternativas pré-compra: antes mesmo de iniciar
buscas na web por produtos ou serviços desejados, anúncios com sugestões desses bens já
podem aparecer em portais, mensagens de SMS, sites de buscas como o Google, e-mail
marketing etc. Já durante todo o processo de busca há a alimentação do banco de dados com os
padrões utilizados para fazer essa busca, como termos digitados, links clicados, comportamento
dentro de um determinado website etc. Ao encontrar o que buscava, o consumidor pode ser
impactado com sugestões similares baseadas no comportamento prévio que se iniciou na etapa
de reconhecimento da necessidade. Algoritmos baseados em dados são utilizados pelo Netflix
e pela Amazon para sugerir filmes e séries ou produtos ao usuário desses serviços de forma
precisa, de acordo com seus comportamentos anteriores dentro dessas plataformas, e não mais
apenas com base em categorias de produtos similares.
• Compra: após a aquisição do bem, o cruzamento de dados fica ainda mais amplo,
possibilitando, por exemplo, avaliar o que foi adquirido, qual foi o comportamento prévio que
levou à essa aquisição, em que momento e como cada fase se deu, informações demográficas e
até psicográficas e, então, encontrar na web pessoas com perfis muito parecidos ou até mesmo
fazer melhorias de comunicação e de produto. O que o diagrama de Blackwell et al. não prevê
é o caso da “não compra”, que no atual mundo dos dados possibilita basicamente as mesmas
análises da “compra”, porém para entender o porquê não houve a conversão.
• Consumo e avaliação pós-consumo: durante e após o consumo é possível coletar dados da
experiência que o consumidor teve com o bem por meio de comentários, áudios ou vídeos nas
redes sociais e no website do fornecedor e cruzá-los, por exemplo, com informações obtidas
pelo serviço de atendimento ao consumidor para análises de sentimento, pesquisa e
desenvolvimento, aprimoramento, forma de consumo etc.
A sugestão acima do cruzamento da análise de dados com o diagrama dos estágios dos
processos de compra do consumidor aborda a aquisição de um produto que não necessariamente
tem conexão com a internet, como um telefone celular ou até mesmo um automóvel. Caso o
produto em questão desempenhe funções que dependam de conexão com a internet, ou seja,
faça troca de dados entre o produto e uma rede de internet, a análise de dados se torna ainda
mais abrangente e rápida, elevando-se o processo analítico para um novo patamar, o da Internet
das Coisas (Internet of Things ou IoT). Segundo Dave Evans, da Cisco Internet Business
Solutions Group [IBSG], no artigo Internet das Coisas: como a próxima evolução da Internet
está mudando tudo (2011, p. 2), “a IoT é o momento exato em que foram conectados à Internet
39
mais ‘coisas ou objetos’ do que pessoas”. No artigo, o autor revela que em 2003 havia
aproximadamente 6,3 bilhões de pessoas no mundo e 500 milhões de dispositivos conectados
à internet, o que resulta em menos de 0,08 dispositivo por pessoa. Após a Apple em 2007
apresentar o iPhone12 ao mundo, a venda desse tipo de aparelho de telefone fez explodir o
número de dispositivos conectados à internet em todo o planeta, chegando a 12,5 bilhões contra
uma população mundial de 6,8 bilhões, denominando-se então, segundo a IBSG, a Internet das
Coisas.
No gráfico abaixo, a IBSG faz um comparativo e uma projeção da evolução do número
de dispositivos conectados à internet com o número de habitantes do planeta.
Figura 6 – Dispositivos conectados à internet vs. população mundial
Fonte: Evans (2011).
É importante deixar claro que a análise de dados vai muito além dos interesses
publicitários. No artigo da Cisco IBSG, Dave Evans relata casos como o de criadores de gados
que já utilizam sensores nos animais para rastrear seus movimentos e monitorar sua saúde,
podendo oferecer melhor qualidade de vida aos bichos, além de carne e leite de melhores
qualidades aos consumidores. Na área da saúde já há testes de sensores que conectam pacientes
aos seus médicos, disparando alertas em casos de alterações corporais que possam colocá-los
12 O iPhone não foi o primeiro smartphone (telefone inteligente), mas foi o primeiro acessível ao público, já que
os antecessores eram caros, limitados em suas funções e relegados ao mundo corporativo. (IPHONE..., 2014)
40
em risco, como, por exemplo, oscilações da frequência cardíaca, da pressão arterial ou dos
índices de glicose. Além de uma significativa melhora da qualidade de vida das pessoas, essa
aplicação pode representar diminuição dos gastos com saúde pública e privada por meio da
prevenção de doenças.
3.3 BIG DATA NA PRECIFICAÇÃO
Como definir preços de produtos ou serviços com mais assertividade? Essa é outra
grande questão inerente aos mercados do século XXI, em que o consumidor no ponto de venda
físico com seu smartphone ou mesmo nas lojas virtuais tem acesso instantâneo aos preços de
praticamente todos os concorrentes. Em pesquisa realizada pelo Google Shopper Marketing
Council, divulgada em 2013, detectou-se que 84% dos consumidores americanos consultam
seus smartphones durante as compras em lojas físicas e 54% os usam para fazer comparações
de preço (GOOGLE, 2013). Dois recortes do uso de Big Data podem ser feitos nesse quesito:
um deles no âmbito de predição e outro nas intervenções em tempo real para impulsionar o
consumo, como é o caso da liga norte-americana de beisebol, que, baseada em dados das últimas
temporadas e dos últimos jogos, permite que um algoritmo controle de forma dinâmica os
preços dos ingressos de cada jogo e setor da arquibancada, como demonstra o estudo The
Revenue Impact of Dynamic Pricing Policies in Major League Baseball Ticket Sales (FADER
et al., 2016). Baseados nos dados históricos, esses algoritmos podem ser programados para
tomadas de decisão em tempo real, testando a elasticidade dos preços e fazendo ajustes
mediante o comportamento do consumidor e da concorrência naquele exato momento, tanto em
lojas virtuais como em lojas físicas. Basta serem estabelecidos limites máximo e mínimo para
que os algoritmos não se equivoquem nas precificações e não gerem prejuízos ao comerciante
ou à organização, a menos que essa seja uma estratégia de ataque ou defesa em relação à
concorrência. As redes estão aí abarrotadas de dados:
É quase um exercício de imaginação pensar o cotidiano sem a presença
das mídias digitais. Das atividades mais simples, como marcar um
jantar com amigos, aos complexos meandros da política internacional,
boa parte da vida humana está ligada às relações articuladas com mídias
digitais. Elas estão ali, trocando uma quantidade quase infinita de dados
a todo instante, e, em geral, é só quando falham que voltamos a percebê-
-las. (MARTINO, 2014, posição 117, versão Kindle)
41
3.4 GOOGLE TRENDS E IBM WATSON
O Google Trends é uma relevante e gratuita ferramenta de Big Data para análises de
tendências e que pode dar bons suportes para algumas tomadas de decisão, já que analisa o
volume de buscas feitas pelos usuários do próprio Google sobre determinados termos,
discriminando esses volumes proporcionalmente por região e período.
Apesar de o Big Data ser um conceito relativamente novo e já dar indícios de que se
tornará item obrigatório para tomadas de decisão de marketing e comunicação, sejam nos
inputs, outputs, sejam nos throughputs de uma organização, essa tecnologia já vem gerando
inquietações no mercado, tirando profissionais da zona de conforto, e poderá colocar a
disciplina de marketing mais do que nunca como híbrida entre as humanidades e a tecnologia
da informação. Para corroborar essa reflexão e já demonstrar o uso do Google Trends como
ferramenta de Big Data, o autor deste estudo realizou a busca do termo Big Data e correlatos
para o Brasil, na categoria Comercial e Indústrias, por meio da ferramenta (GOOGLE
TRENDS, 2015). Como vimos na figura 1, a pesquisa revela um crescimento inicial e repentino
de buscas de Big Data no final de 2012, tendo seus picos entre outubro de 2014 e outubro de
2015. Ampliando a análise para o mundo todo (figura 2), o mesmo termo apresenta início de
crescimento em 2007 e também atinge o pico em outubro de 2015, o que revela mais um indício
de que Big Data é uma forte tendência.
Figura 7 – Termo Big Data buscado no Google Trends, segmentado para o Brasil, na categoria
Indústria e Comércio
Fonte: Google Trends (2015).
Outra ferramenta que vem ganhando destaque no mundo da Tecnologia da Informação
é o Watson, um supercomputador desenvolvido pela IBM. Segundo o artigo Watson – Um
42
Sistema Projetado para Respostas – O futuro do design para sistemas otimizados para cargas
de trabalho (IBM, 2011, p. 2),
O Watson representa um avanço impressionante no design e análise de
sistemas. Ele executa a tecnologia DeepQA13 da IBM, um novo tipo de
capacidade analítica que pode executar milhares de tarefas simultâneas
em segundos para fornecer respostas precisas a perguntas. Ativado pela
tecnologia dos processadores IBM POWER7, o Watson é um exemplo
das cargas de trabalho de análise complexa que estão se tornando cada
vez mais comuns e essenciais para o sucesso e a competitividade dos
negócios no ambiente atual de grande fluxo de dados.
O Watson já desponta como uma das principais tecnologias de Big Data, já que tem
capacidade de analisar um imenso volume de dados e proporcionar respostas às perguntas quase
que em tempo real. Segundo o próprio website da ferramenta, “Faça uma pergunta e obtenha
insights fáceis de entender. Envie os dados ao Watson Analytics e, quase instantaneamente,
receba uma lista de pontos de partida relevantes” (IBM WATSON ANALYTICS, 2017).
Segundo médicos da Universidade de Tóquio (Watson IBM..., 2016), no Japão, o
Watson foi utilizado para diagnosticar um caso raro de leucemia em uma paciente de 60 anos
que havia recebido um diagnóstico errado dos médicos meses antes. O que impressiona é que
o supercomputador da IBM chegou ao diagnóstico em apenas 10 minutos após ter se baseado
em dados de 20 milhões de artigos científicos sobre câncer.
3.5 A ÉTICA NO USO DE DADOS
Não há, até hoje, uma lei brasileira que regulamente o uso de dados das pessoas por
corporações ou órgãos governamentais. Segundo o deputado federal Orlando Silva, relator da
proposta da Lei de Proteção de Dados Pessoais (GROSSMANN; COSTA, 2017), a intenção é
que até o fim de 2017 a lei esteja em vigor no Brasil, já que o Marco Civil e da Internet
(BRASIL, 2014) não trata de forma específica esse tema. Mas alguns casos de uso questionável
dos dados pessoais geram inquietações, como cita Carlos Tautz, do Portal Fiocruz:
Utilizadas em prol da sociedade, as informações do Big Data são capazes de
predizer situações que exijam influência do poder público. No campo da
13 DeepQA é uma arquitetura probabilística paralela maciça baseada em evidências. Para o desafio Jeopardy!
(programa de televisão norte-americano de perguntas e repostas), mais de 100 técnicas diferentes são usadas para
analisar a linguagem natural, identificar fontes, encontrar e gerar hipóteses, encontrar e pontuar evidências, e
mesclar e classificar hipóteses. Muito mais importante do que qualquer técnica em particular é a maneira em que
todas essas técnicas são combinadas no DeepQA, de forma que abordagens sobrepostas podem unir forças e
contribuir para melhorias na precisão, confiança ou velocidade. (IBM SYSTEMS AND TECHNOLOGY, 2011)
43
saúde, esses dados podem indicar, por exemplo, onde, quando e em que
situação há maior probabilidade de ocorrer surtos epidêmicos. Sabendo isso,
os governos poderiam mobilizar recursos para mitigar os problemas mais
rapidamente. Por outro lado, se utilizadas em prol de interesses particulares,
essas mesmas informações podem dar a grupos econômicos a possibilidade de
induzir padrões de consumo, dirigir sua estratégia comercial para excluir
clientes indesejados ou simplesmente recusar, através de subterfúgios,
consumidores exigentes. (TAUTZ, 2015)
Mas por que uma empresa poderia não querer um novo cliente? Com acesso aos bancos
de dados de hospitais e laboratórios de medicina diagnóstica, por exemplo, seguradoras de
saúde, popularmente conhecidas no Brasil como “convênios médicos”, podem se negar a
oferecer seus serviços para pessoas que, segundo análise de dados, têm perfil para desenvolver
determinadas doenças no futuro. Se a loja virtual Amazon pode prever quando uma pessoa fará
a compra de um determinado produto e promove a entrega antecipada desse bem ao comprador
(Amazon Anticipatory Shipping), o que impede uma seguradora de prever com baixa margem
de erro quando um segurado desenvolverá uma doença, que pelo histórico, gera prejuízos à
empresa?
Um caso famoso no meio publicitário é o da rede varejista norte-americana Target, que
ao analisar dados do SAC (Serviço de Atendimento ao Consumidor), dos pagamentos via cartão
de crédito de seus clientes, do uso de cupons na loja, de pesquisas com esses consumidores e
cruzá-los com padrões de compras de mulheres grávidas, a empresa “sabe que se uma mulher
de 23 anos levou para casa uma loção de manteiga de coco, uma bolsa grande o suficiente para
guardar fraldas, suplementos como zinco e magnésio e um tapete azul, há 87% de chance de
ela estar esperando um bebê há 3 meses”, como relata a matéria A ciência que faz você comprar
mais, da revista Galileu (RODRIGUES; SANTOS, 2012). Mas até que ponto há uma invasão
de privacidade em tempos em que as pessoas disponibilizam publicamente em redes sociais
informações de aonde estão, para onde irão, quando, como e com quem o farão? A matéria da
Galileu complementa que
Não há como ter certeza de que estas empresas só utilizem dados públicos
para nos rastrear. Mas o fato é que eles seriam mais do que suficientes. A cada
dia são publicados em torno de 95 milhões de tuites. Por mês, as postagens no
Facebook ultrapassam 30 bilhões. Na internet, nós mesmos entregamos
segredos de nossas vidas, assim, de graça, para as empresas. (RODRIGUES;
SANTOS, 2012)
44
4 COMUNICAÇÃO ADMINISTRATIVA E EMPRESAS GUIADAS PELOS DADOS
OU DATA DRIVEN COMPANY
Ao longo do século XX, as corporações foram transformando suas estruturas
organizacionais com o intuito de acompanhar a evolução dos mercados consumidores e ampliar
suas eficiências produtivas e financeiras. Na obra Planejamento de relações públicas na
comunicação integrada (2003), Margarida M. Krohling Kunsch descreve as características
estruturais das corporações desde o Fordismo e Taylorismo a partir de 1914, onde a estrutura
básica era fundamentada em total hierarquização e departamentalização, tendo cada
profissional altamente especializado em uma única função e com pouco ou nenhum
conhecimento sobre as demais áreas da empresa. Esse formato possibilitou um grande ganho
na produção em massa e perdurou até a década de 1970, já que o número de empresas
concorrentes até então era limitado, frente ao vasto mercado consumidor da época.
Talvez esteja aí a explicação porque grandes empresas, que tinham toda uma
liderança no mercado e eram altamente lucrativas, não estão conseguindo se
adaptar aos novos tempos, passam por grandes dificuldades e muitas vezes
chegam a desaparecer. (KUNSCH, 2003, p. 55)
Já a partir da década de 1970, os formatos organizacionais sofreram grandes
flexibilizações no que se refere a hierarquização e departamentalização, tendo como precursor
dessa nova era a também fabricante de automóveis Toyota, cunhando o termo toyotismo.
O toyotismo é um modelo de transição entre a produção em série cristalizada
e uma organização de trabalho mais eficiente, caracterizada pela introdução
de práticas de treinamento, assim como pela participação dos trabalhadores e
fornecedores em um modelo industrial centrado numa cadeia de montagem
(CASTELLS apud KUNSCH, 2003, p. 56).
Como ressalta Maximiano (apud KUNSCH, 2003), a partir de 1980, o toyotismo passa
a influenciar fortemente as empresas norte-americanas e europeias. Kunsch ainda reforça que
o sistema criado pela Toyota contribuiu para que as organizações adotassem formatos mais
flexíveis de produção e cada vez menos verticalizados, contrapondo os fundamentos fordistas.
Ela novamente cita a constatação de Castells,
que considera essa característica uma das importantes das organizações
flexíveis. Essa “nova” organização desde o pedestal da burocracia
verticalizada para atuar em rede, organizar-se em torno de um processo, e não
45
de uma tarefa, promover gestões em equipe, mensurar os resultados pela
satisfação do cidadão-consumidor e informar/formar seus empregados em
todos os níveis. (KUNSCH, 2003, p. 56)
Esse novo formato mais flexível se denomina Organização aberta em rede, que, segundo
Maximiano (apud KUNSCH, 2003, p. 58),
Se caracteriza segundo o critério dos processos, não das tarefas; o achatamento
da hierarquia; o uso de equipes para administrar tudo; a condução do
desempenho dos clientes; a recompensa pelo desempenho do grupo; a
intensificação dos contatos com os fornecedores e clientes; e a necessidade de
informação e treinamento de todos os funcionários.
4.1 COMUNICAÇÃO ADMINISTRATIVA OU COMUNICAÇÃO ORGANIZACIONAL?
Antes de prosseguir com este capítulo, vale aqui uma breve explicação do porquê da
escolha do autor deste estudo pelo termo comunicação administrativa em vez de comunicação
organizacional: a comunicação administrativa é o tipo de comunicação que se dá entre os
públicos internos de uma organização, abrangendo de funcionários a fornecedores e
viabilizando o sistema organizacional, como relata Kunsch (2003, p. 152):
Comunicação administrativa é aquela que se processa dentro da organização,
no âmbito das funções administrativas; é a que permite viabilizar todo o
sistema organizacional, por meio de uma confluência de fluxos e redes.
Já a comunicação organizacional é mais ampla, dialoga com os diversos públicos, desde
internos a externos, abrangendo todas as formas de comunicação de uma organização. Kunsch
(2003, p. 149) relata que “ela analisa o sistema, o funcionamento e o processo de comunicação
entre a organização e seus diversos públicos”. Então, como o objeto deste estudo é gerar o
entendimento de como se dá o fluxo interno dos dados de uma corporação e o quanto isso
influencia no desenvolvimento de projetos com Big Data, optou-se pelo uso do termo
comunicação administrativa.
46
4.2 COMUNICAÇÃO ADMINISTRATIVA
Pelas pesquisas bibliográficas e entrevistas feitas ao longo deste estudo, foi possível
entender que a comunicação das empresas em geral tem papel fundamental para o bom
desenvolvimento de projetos que envolvam análises de dados para tomadas de decisão em prol
de toda a companhia. Mas uma parte específica da comunicação, a comunicação administrativa,
quando comprometida ou inexistente devido à resistência da hierarquização ou verticalização
das corporações e processos, tende a comprometer ainda mais os resultados de qualquer projeto,
principalmente os que dependam de dados, como é o caso do Big Data. Yanaze (2011, p. 452),
explica que
A comunicação administrativa trata das estratégias e meios de comunicação a
serviço das atividades de gestão das empresas, ou seja, do planejamento, da
organização, da coordenação e do controle. Nela, incluem-se todos os fluxos
contínuos de informação, que interligam os diferentes setores da empresa,
vertical ou horizontalmente, de baixo para cima ou vice-versa. Ela abrange
também a comunicação entre a empresa e seus diferentes stakeholders visando
proporcionar aos gestores conhecimento para a tomada adequada de decisões
para a consecução dos objetivos gerenciais [...]
Kunsch pondera sobre o modelo ideal de gestão, ressaltando que cada organização deve
encontrar o equilíbrio entre as formas hierárquicas verticalizadas e as descentralizadas
horizontalizadas. Mas será que é possível manter a fluidez da comunicação em estruturas
verticais nas quais a informação flui exclusivamente de cima para baixo? Ainda nos modelos
tradicionais em que não há a cultura horizontalizada, ao menos da comunicação, será que é
possível fazer uso da abundância dos dados internos no auxílio às tomadas de decisões
estratégicas para melhor desempenho das corporações? Wilson da Costa Bueno (2014) ressalta
que a comunicação em boa parte das empresas ainda é usada como uma mera ferramenta que
se lança mão em momentos específicos e que as decisões com suporte em comunicação e
marketing são normalmente tomadas baseadas na intuição dos gestores desses departamentos,
mesmo com a abundância de dados e pesquisas à disposição. Kleber Markus (2012, p. 433)
aponta que mesmo em tempos de mundo globalizado e abundância de dados,
O resultado é uma verdadeira ‘torre de babel’ mercadológica, em que
profissionais de comunicação, empresários, distribuidores e representantes
comerciais aprendem dia a dia, muitas vezes por tentativa e erro, qual a melhor
maneira de atacar ou defender mercados no século XXI.
47
Assim como Kunsch ressalta que não há um modelo de gestão organizacional pronto
para qualquer tipo de corporação e que cada uma deve encontrar o seu equilíbrio, Wilson Bueno
(2014) faz sérias críticas ao tão aclamado modelo de gestão da Toyota, que pela falta de
transparência na comunicação, principalmente na comunicação administrativa, se viu em uma
das piores crises de imagem e que gerou enormes prejuízos financeiros. Em 2009, a companhia
anunciou o recall14 mundial do automóvel Corolla por um problema no tapete, que se soltava
facilmente e acionava o acelerador do veículo, causando acidentes. Mesmo com sua política de
transparência com consumidores e stakeholders, na qual a comunicação deveria fluir sem
barreiras, “a vergonha de admitir um recall em um país obcecado com a qualidade e habilidade
técnica dificulta a transparência e o reconhecimento da responsabilidade” (KINGSTON apud
BUENO, 2014, p. 38). Kingston continua:
Também há uma cultura de deferência nas empresas que dificulta que os que
estão embaixo na hierarquia questionem os superiores ou informem os
problemas a eles. O foco no consumo e no consenso coletivo facilita o trabalho
em equipe, mas também dificulta desafiar o que já foi decidido. (KINGSTON
apud BUENO, 2014, p. 38)
Segundo Lee O. Thayer (apud KUNSCH, 2003, p. 69), comunicação administrativa “É
a comunicação que ocorre dentro [da organização] e a comunicação entre ela e seu meio
ambiente que definem e determinam as condições da sua existência e a direção de seu
movimento”. Kunsch continua e afirma que
A dinâmica segundo a qual se coordenam recursos humanos, materiais e
financeiros para atingir objetivos definidos desenvolve-se por meio da
interligação de todos os elementos integrantes de uma organização, que são
informados e informam ininterruptamente, para a própria sobrevivência da
organização. Assim, o sistema comunicacional é fundamental para o
processamento das funções administrativas internas e do relacionamento das
organizações com o meio externo. Esse é o primeiro aspecto quando se fala
de comunicação nas organizações. (KUNSCH, 2003, p. 69)
A dinâmica dos recursos e a interligação de todos os elementos, as quais Kunsch se
refere, são detalhadas por Yanaze (2011, p. 417) no seguinte fluxograma, dividido por inputs,
throughputs e outputs:
14 Recall, ou chamamento, é o procedimento gratuito pelo qual o fornecedor informa o público e/ou eventualmente
o convoca para sanar os defeitos encontrados em produtos vendidos ou serviços prestados. O objetivo essencial
do Recall é proteger e preservar a vida, a saúde, a integridade e a segurança do consumidor, além de evitar e
minimizar prejuízos físicos ou morais. (PROCON PARÁ, 2017)
48
Figura 8 – Fluxograma sistêmico de uma empresa
Fonte: Yanaze (2011, p. 417).
O fluxograma apresentado na figura 8 tem o objetivo de demonstrar que a comunicação
está presente em todas as fases do processo organizacional, que é dividido entre os 3 Puts:
Inputs (tudo o que se coloca para dentro da empresa), Throughputs (o que se produz com o que
foi inserido por meio dos inputs) e Outputs (o resultado do que se produziu e será
disponibilizado para o mercado consumidor). Segundo Yanaze, quando a comunicação permeia
ativamente os 3 Puts de uma corporação, garante-se
Condições comerciais vantajosas junto a fornecedores na obtenção dos inputs
adequados, apoiando a gestão de throughputs para otimização dos recursos,
tornando comum persuasivamente os outputs junto aos clientes, promovendo
uma imagem positiva da empresa perante todos os seus públicos, internos e
externos. (YANAZE, 2011, p. 417)
Kunsch (2003, p. 150) resume então que a comunicação integrada ou o composto da
comunicação organizacional se divide em quatro áreas que estão interligadas:
Comunicação interna e comunicação administrativa: fluxos, redes formal e informal,
veículos.
Comunicação mercadológica: marketing, propaganda, promoção de vendas, feiras e
exposições, marketing direto, merchandising, venda pessoal.
49
Comunicação institucional: relações públicas, jornalismo empresarial, assessoria de
imprensa, editoração multimídia, imagem corporativa, propaganda institucional,
marketing social, marketing cultural.
Já Yanaze sugere extrair o item “comunicação interna” de Kunsch, pois entende que
os públicos internos podem, em diferentes circunstâncias, ser destinatários e
receptores de mensagens, tanto de comunicação administrativa como
mercadológica (negociação de salários e benefícios, ou mesmo para aquisição
de produtos da empresa em que trabalham) e até institucional (colaboradores,
diretores e acionistas devem ter uma boa imagem da empresa). (YANAZE,
2011a, p. 419)
Então, no entendimento de Yanaze, as áreas da comunicação organizacional se dividem
em:
Comunicação administrativa: interna e externa.
Comunicação mercadológica: interna e externa.
Comunicação institucional: interna e externa.
Como o objetivo deste estudo é entender a influência da comunicação entre os públicos
internos e stakeholders no sucesso de projetos que envolvam Big Data, vamos nos ater à
comunicação administrativa interna e externa, que assim é definida por Yanaze:
50
Figura 9 – Atribuições da comunicação administrativa interna e externa
Fonte: Yanaze (2011a, p. 417).
Markus (2012, p. 31) vai além e frisa que “O conceito de comunicação integrada, tão
amplamente difundido e utilizado na bibliografia da área da comunicação, na apresentação das
campanhas comunicacionais e no discurso dos executivos, encobre, por vezes, visões
extremamente pontuais e simplistas”. Markus ainda explica que o fato de se utilizar diferentes
canais para passar a mesma mensagem a diferentes públicos de uma corporação, sejam eles
internos, sejam eles externos, não significa que a comunicação esteja integrada. Há formas
diferentes de passar a mesma mensagem para diferentes públicos, mas, ainda assim, o que de
fato garante a integração da comunicação é que toda mensagem e objetivos devem estar
lastreados pela missão, pela visão e pelos valores de qualquer companhia. Então Markus conclui
que
A comunicação integrada se dá quando todas as ações comunicacionais da
organização ‘conversam entre si’, horizontalmente e verticalmente, e estão
aliadas ao que a marca organizacional comunica. Podemos chamar esse
modelo de Comunicação Integrada de Terceira Dimensão ou de Comunicação
3D. (MARKUS, 2012, p. 32)
Objetivos Públicos
Co
mui
caçã
o a
dmin
istr
ativ
a
inte
rna
• Disseminar eficiente e eficazmente
informações, decisões e fatos relacionados à
gestão empresarial (planejamento,
organização, coordenação e controle).
• Melhorar o relacionamento entre pessoas e
setores, horizontal e verticalmente, formal e
informalmente.
• Promover motivação, envolvimento e
comprometimento dos públicos internos na
realização das tarefas.
• Diretoria
• Acionistas
• Setores da empresa
• Colaboradores
Co
mui
caçã
o
adm
inis
trat
iva
exte
rna • Disseminar eficiente e eficazmente
informações, decisões e fatos relacionados à
gestão da empresa junto aos steakeholders
externos em planejamentos e ações em
comum.
• Melhorar o relacionamento administrativo
da empresa com seus públicos externos.
• Fornecedores
• Distribuidores
• Bancos
• Prestadores de serviços
• Entidades patrocinadas
(social, cultural, esportivo)
51
Figura 10 – Comunicação Integrada de Terceira Dimensão (3D)
Fonte: Markus (2012, p. 32).
No gráfico apresentado na figura 10, Markus sugere que o eixo Z (eixo transversal),
representado pela Missão, Visão e Valores, permeie 100% das ações comunicacionais de
qualquer corporação. O autor (2012, p. 32) ainda exemplifica com o caso da marca Nestlé, que
tem como premissa básica que “sua Missão, Visão e Valores estejam representados direta ou
indiretamente em todas as tipologias da sua comunicação, até no mais simples chocolate. Algo
poderia ser mais integrado do que isso?”.
4.3 DATA DRIVEN COMPANY OU ORGANIZAÇÃO GUIADA POR DADOS
As análises deste estudo demonstram que as empresas sem cultura de comunicação
organizacional ou mesmo da comunicação administrativa têm dificuldades em fazer uso dos
dados em projetos que envolvam análise de dados e que beneficiem a todos os departamentos
e stakeholders. Ficou nítido que a exploração dos dados para qualquer que seja a finalidade
ainda está relegada ao departamento de marketing, que é o que veremos no capítulo 5.
52
Wilson Bueno (2014, p. 96) relata que é muito comum que a comunicação interna nas
organizações esteja totalmente atribuída ao departamento de comunicação ou mesmo a um
único profissional de comunicação:
Quando isso acontece, fica sempre a impressão de que a organização imagina
ser possível resolver a complexa relação com (e entre) seus públicos internos
a partir de uma equipe reduzida de profissionais (ainda que eles sejam
especialistas na área), como se a comunicação interna se limitasse à atividade
que o departamento de comunicação realiza. Todos nós sabemos que a
comunicação é um processo amplo, que abrange todas as pessoas de uma
organização e está balizada por relacionamentos intensos e permanentes com
seus públicos internos e externos, e dos públicos internos entre si.
Como já relatamos, Bueno é contundente ao afirmar que a comunicação interna (ou
administrativa interna e externa), não está presente em organizações oligárquicas ou autoritárias
e que a cultura da comunicação é como qualquer cultura, não nasce de um dia para outro e
nunca será consolidada apenas com o uso de ferramentas como jornais internos, intranet e
caixas de sugestões, por mais modernas que essas possam ser. Ele frisa que para construir essa
cultura “é preciso que as organizações abandonem práticas antigas, baseadas na perspectiva de
que informação é poder, e que, portanto, deve estar sob controle dos chefes, excluindo os que
costumam pensar de maneira diferente” (BUENO, 2014, p. 99). Mas o que a cultura da
comunicação tem a ver com Data Driven Company (DDC) ou organizações guiadas por dados?
Tudo, pois dados são informações e devem trafegar livremente entre os departamentos e
stakeholders para que seja possível gerar valor por meio deles em qualquer organização, seja
ela pública, seja ela privada.
Mas afinal, o que é uma DDC? Segundo Amir Orad, CEO da Sisense, empresa
norte-americana de software para processamento e análise de dados,
Uma empresa orientada por dados é uma organização onde qualquer pessoa
pode usar dados para tomar melhores decisões, tem acesso aos dados de que
necessita quando eles precisam. Ser orientado por dados não é sobre ver
alguns relatórios enlatados no início de cada dia ou semana, trata-se de dar aos
tomadores de decisão de negócios o poder de explorar dados
independentemente, mesmo que estejam trabalhando com fontes de dados
grandes ou diferentes. (MITZNER, 2016, tradução nossa15)
15 Texto original: "A data-driven company is an organization where every person who can use data to make better
decisions, has access to the data they need when they need it. being data-driven is not about seeing a few canned
reports at the beginning of every day or week; it's about giving the business decision makers the power to explore
data independently, even if they're working with big or disparate data sources."
53
Segundo Mason et al. (2015, posição 80, versão Kindle), as companhias orientadas por
dados usam os dados para entender seus clientes e as nuances de seus negócios. Elas
desenvolvem experimentos que lhes permitem testar hipóteses que melhoram sua organização
e seus processos. Os autores ainda citam que as mais conhecidas empresas totalmente guiadas
por dados são as que têm seus negócios calcados na internet, como Google, Amazon, Facebook
e LinkedIn. Mas a pioneira e que mostrou ao mundo o valor dos dados não é uma empresa
nascida na era da internet:
O Walmart foi pioneiro no uso de dados desde a década de 1970. Foi uma das
primeiras organizações a construir grandes armazéns de dados para gerenciar
inventário em toda a sua empresa. Isso permitiu a ela se tornar a primeira
empresa a ter mais de US $ 1 bilhão em vendas durante os seus primeiros 17
anos. E a inovação não parou por aí. Na década de 1980, o Walmart percebeu
que a qualidade de seus dados era insuficiente, então, para adquirir melhores
dados, tornou-se a primeira empresa a usar leitores de código de barras nas
caixas registradoras. A empresa queria saber quais produtos estavam
vendendo e como a colocação desses produtos na loja afetava as vendas.
(MASON et al., 2015, posição 80, versão Kindle, tradução nossa16)
Definitivamente, as organizações com cultura mais aberta de comunicação e uso de
dados acabam por inovar mais radicalmente do que as que optam por controlar seus fluxos.
Mason et al. (2015, posição 123-126, versão Kindle) relatam que a cultura dos dados abertos e
acessíveis é mais comum entre empresas de meteorologia e institutos de pesquisa na área de
saúde, mas que o Facebook foi uma das primeiras empresas a dar aos funcionários total acesso
aos dados, já que, segundo a organização, o Acesso em: tempo real a eles por qualquer pessoa
da empresa é um grande negócio. Os autores ainda complementam:
Essa ideia era radical porque a crença predominante era que os funcionários
não saberiam como acessar os dados, dados incorretos seriam usados para
tomar decisões de negócios ruins e os custos técnicos se tornariam proibitivos.
Embora certamente houvesse desafios, o Facebook descobriu que os
benefícios ultrapassavam os custos; tornou-se uma empresa mais ágil que
poderia desenvolver novos produtos e responder às mudanças do mercado
rapidamente. O acesso aos dados tornou-se uma parte crítica do sucesso do
Facebook e permanece algo em que se investe agressivamente. (MASON et
al., 2015, posição 80, versão Kindle, tradução nossa17)
16 Texto original: Walmart has pioneered the use of data since the 1970s. It was one of the first organizations to
build large data warehouses to manage inventory across its business. This enabled it to become the first company
to have more than $1 billion in sales during its first 17 years. And the innovation didn’t stop there. In the 1980s,
Walmart realized that the quality of its data was insufficient, so to acquire better data it became the first company
to use barcode scanners at the cash registers. The company wanted to know what products were selling and how
the placement of those products in the store impacted sales. 17 Texto original: This idea was radical because the prevailing belief was that employees wouldn’t know how to
access the data, incorrect data would be used to make poor business decisions, and technical costs would become
54
Governos e prefeituras de diversas regiões do mundo têm possibilitado cada vez mais
ao cidadão comum o acesso total aos seus dados e de forma relativamente fácil, o que tem
produzido reflexões benéficas aos governantes e cidadãos. Segundo artigo do site Citylab,
Helsinki, capital da Finlândia, é uma das cidades com maior índice de dados abertos e
facilmente acessíveis, o que possibilita aos desenvolvedores de aplicativos e softwares,
jornalistas, pesquisadores e cidadãos em geral analisar, cruzar e encontrar padrões e
ocorrências, gerando reflexões como mapa de níveis de ruídos do tráfego, pontos de nevasca,
índice de impostos etc., tudo atualizado em tempo real. Mas e o Brasil? Por incrível que possa
parecer, em maio de 2017 [período em que foi feita essa consulta], o Brasil era o 7º país mais
aberto do mundo em relação aos dados no âmbito de governo federal, como aponta o Global
Open Data Index no gráfico a seguir:
Figura 11 – Ranking dos países com mais dados abertos
Fonte: Global Open Data Index (2017).
prohibitive. While there were certainly challenges, Facebook found that the benefits far outweighed the costs; it
became a more agile company that could develop new products and respond to market changes quickly. Access to
data became a critical part of Facebook’s success, and remains something it invests in aggressively.
55
A lei federal brasileira 12.527 de 2011 (BRASIL, 2011) é clara em relação ao total de
acessos e manipulação de qualquer informação dos órgãos públicos nacionais, excluindo as
informações sigilosas18. Destacam-se os seguintes pontos da lei:
- Gestão transparente da informação, propiciando amplo acesso a ela e à sua divulgação;
- Proteção da informação, garantindo-se sua disponibilidade, autenticidade e integridade;
- Orientação sobre os procedimentos para a consecução de acesso, bem como sobre o
local onde poderá ser encontrada ou obtida a informação almejada;
- Informação primária, íntegra, autêntica e atualizada.
Mas a realidade é bem diferente na prática. O gráfico da figura 11 classifica os países
pela disponibilidade dos dados e não necessariamente pela acessibilidade ou facilidade de
compreensão e manipulação deles. As cores vermelhas na figura representam restrições em
alguns quesitos desses dados, como, por exemplo, em gastos do governo, em que os dados estão
todos disponíveis para visualização, porém não é possível baixá-los para fazer análises e
cruzamentos. Já os dados sobre propriedades de terra e qualidade da água estão completamente
inacessíveis. Sobre licitações, aquisições e contratos do governo [Procurement], o site ressalta
que os dados não são atualizados, e também não estão disponíveis para serem baixados.
Segundo o próprio Global Open Data Index sobre o termo Procurement:
Os dados abertos sobre aquisições podem permitir uma concorrência mais
justa entre as empresas, permitir a detecção de fraudes, bem como oferecer
melhores serviços aos governos e aos cidadãos. O monitoramento dessas
licitações ajuda os novos grupos a participarem das concorrências para
aumentar a conformidade do governo. (GLOBAL OPEN DATA INDEX,
2017, tradução nossa19)
O Jornal Nacional de 6 de maio de 2017 fez uma reportagem sobre o assunto e ressaltou:
É lei, o cidadão brasileiro tem direito ao acesso às informações públicas. Mas
essa transparência, que deveria abrir portas, não é tão transparente assim.
Muitos dos dados estão indisponíveis, são restritos, difíceis de entender.
(JORNAL NACIONAL, 2017).
18 São consideradas imprescindíveis à segurança da sociedade ou do Estado. 19 Texto original: Open procurement data may enable fairer competition among companies, allow to detect fraud,
as well as deliver better services for governments and citizens. Monitoring tenders helps new groups to participate
in tenders and to increase government compliance.
56
Ainda nessa reportagem um dos entrevistados, o pesquisador da FGV, Wagner Oliveira,
concluiu que em relação aos dados do Brasil “Há uma necessidade de dar um segundo passo, que
seria o passo da tradução da informação da forma mais inteligível possível” (JORNAL NACIONAL,
2017).
Se por meio dos dados uma organização privada é capaz de prover melhorias radicais
em seus processos e desenvolvimento de produtos, imagine o que seria capaz de ser feito com
o abissal volume e riqueza dos dados disponíveis do governo. Certamente, muitas
possibilidades de melhorias em áreas críticas do nosso país, como saúde, educação e segurança
surgiriam a todo instante.
Como no Brasil os melhores casos de uso dos dados são do mundo corporativo, vejamos
a Bibi, empresa de calçados infantil. Segundo artigo do site Mundo do Marketing (MORAES,
2017), com a mudança de comportamento do consumidor, a empresa percebeu que as mídias
tradicionais não estavam mais refletindo os retornos esperados em vendas, então resolveram
partir para a estratégia do uso da inteligência dos dados. Como resultado de um trabalho iniciado
em 2013, em 2016 a Bibi teve um aumento de 23% no faturamento e até abril de 2017 já
acumulava um crescimento de 29% em relação ao mesmo período do ano anterior. A
comunicação administrativa possibilitou um melhor entendimento por todos a respeito da
filosofia e valores da empresa, além de um profundo conhecimento do perfil do público
consumidor por meio do cruzamento de diversas fontes de dados, como redes sociais e cadastros
de clientes feitos pelo site da Bibi e nas mais de 88 lojas franqueadas da marca. Unindo a cultura
da comunicação administrativa com uma eficiente análise de dados por meio da ferramenta
Oracle Responsys Marketing Suite (ORACLE, 2017), foi possível a automatização e
personalização das mensagens para cada consumidor por diversos canais, como lojas físicas e
on-line, redes sociais e e-mail, garantindo a fidelização e consequentes recompras de seus
produtos, como explica Débora Iserhardt, gerente de marketing da Bibi:
Nem sempre a loja conseguia passar a filosofia e posicionamento da Bibi para
o consumidor. A empresa entendeu que o cliente era da marca e por isso a
importância em assumir as ações de relacionamento. Desta maneira
ampliamos a comunicação e passamos a entregar o que ele realmente estava
buscando, ampliando a eficiência por não só fazer uma venda, mas prestar um
serviço para o consumidor" (MORAES, 2017)
O artigo do Mundo do Marketing (MORAES, 2017) ainda ressalta que no início de toda
essa mudança em direção ao conceito de Data Driven, alguns stakeholders como vendedores e
57
franqueados ficaram receosos de que toda essa operação acabaria por fortalecer a loja virtual
da Bibi, operada exclusivamente pela marca, em detrimento às lojas físicas, mas ao que
apontaram os dados, quase 90% dos clientes que efetuaram compra após terem sido impactados
por e-mail marketing as realizaram em uma loja física. Essa integração de canais de venda é o
que o marketing hoje denomina de Omni-Chanel20, que possibilita, por exemplo, que um cliente
da loja virtual de uma marca efetue a troca do produto em qualquer loja física que também
venda os produtos dessa mesma empresa.
20 Omni-Channel é uma tendência do varejo que se baseia na convergência de todos os canais utilizados por uma
empresa. Trata-se da possibilidade de fazer com que o consumidor não veja diferença entre o mundo on-line e o
off-line. O Omni-Channel integra lojas físicas, virtuais e o comprador. Dessa maneira, pode explorar todas as
possibilidades de interação. Essa tendência é uma evolução do conceito de multicanal, pois é completamente
focada na experiência do consumidor nos canais existentes de uma determinada marca. (SEBRAE, 2017)
58
5 PROCEDIMENTOS METODOLÓGICOS DA PESQUISA
A pesquisa realizada baseou-se em entrevistas aprofundadas com três executivos de
médias a grandes empresas multinacionais com negócios no mercado brasileiro e que já fazem
uso da tecnologia do Big Data nos processos de tomadas de decisão em suas corporações. Os
nomes dos entrevistados e de suas respectivas corporações serão mantidos em sigilo, segundo
orientação do Conselho de Ética em Pesquisa da UMESP.
Thiollent (apud HAGUETTE, 2010, p. 83) distingue vários tipos de entrevista, entre
elas: “a entrevista não diretiva ou entrevista aprofundada, na qual a conversação é iniciada a
partir de um tema geral em estruturação do problema por parte do investigador; [...]”.
As três entrevistas foram realizadas separadamente com cada entrevistado e foram
norteadas por todo referencial teórico dos capítulos 2 a 4 deste estudo, além do roteiro
preestabelecido a seguir. As entrevistas tiveram duração livre, mediante disponibilidade dos
entrevistados ou esgotamento dos questionamentos por parte do entrevistador, foram gravadas
por meio de áudio com autorização dos entrevistados, posteriormente transcritas e analisadas.
Questões do roteiro:
1. Qual a importância dos departamentos de comunicação e marketing para os
projetos que envolvam Big Data?
2. Como o departamento de comunicação deve atuar para que as informações
cheguem a todos os níveis da empresa para a evolução de projetos com Big
Data?
3. Deve haver autonomia ao departamento responsável pela análise de dados?
4. Quem é o responsável pela coleta e entrega de dados ao departamento
responsável pelo projeto em questão?
5. Existe um planejamento de comunicação administrativa para uso de Big
Data?
6. Qual o perfil ideal do profissional responsável pela análise dos dados?
7. Sua empresa é Data Driven, ou seja, toma todas as decisões guiada por
dados?
8. O que é governança de dados? Ela existe em sua empresa?
9. Até que ponto se justifica o uso dos dados pelo ponto de vista ético?
59
5.1 ANÁLISE DAS ENTREVISTAS
Os três executivos entrevistados são funcionários de empresas que são referências
mundiais em seus setores de atuação e estão intimamente relacionadas ao desenvolvimento e
uso de tecnologias de ponta em seus processos internos e em seus produtos ofertados ao
mercado consumidor. Os itens do roteiro foram aplicados aos seguintes profissionais: diretor(a)
de Serviços Profissionais (identificado(a) como “respondente A”), coordenador(a) de Soluções
Digitais (identificado(a) como “respondente B”) e coordenador(a) de Marketing Digital e CRM
(identificado(a) como “respondente C”). A empresa do respondente A atua como fornecedor de
serviços de tecnologia para análise de dados para grandes empresas em todo o mundo. As
empresas dos respondentes B e C são indústrias que utilizam serviços oferecidos por empresas
como a do respondente A.
5.2 A IMPORTÂNCIA DOS DEPARTAMENTOS DE COMUNICAÇÃO E MARKETING
EM PROJETOS DE BIG DATA
Como primeiro item de roteiro, questionou-se os entrevistados sobre a visão de cada um
a respeito da importância e influência dos departamentos de comunicação e marketing em
projetos que envolvam Big Data. Na análise, percebe-se que esses departamentos não são
necessariamente os responsáveis pela implementação da ferramenta, mas são os que mais fazem
uso dela para suas tomadas de decisão, como relata o respondente A.
Eu diria pra você, assim, que hoje quem puxa esses projetos de Big Data são
exatamente esses departamentos. É quem cuida da comunicação ou do
marketing. E hoje como você tem muito o marketing digital presente em
praticamente todas as empresas e não existe uma estratégia digital sem
envolver a internet, então você acaba tendo que lidar com o Big Data, não tem
jeito! E quem puxa realmente isso pra acontecer de fato é a comunicação e o
marketing, sem dúvida.
O respondente B reforça que o departamento que entende mais rapidamente os
benefícios do uso da ferramenta Big Data e quem realmente a utiliza é o marketing e ainda
ressalta que, apesar de estar totalmente ligada à tecnologia da informação, não faz sentido essa
ferramenta ser gerida pelo departamento de TI. Uma frase recorrente em artigos sobre o tema é
a de um renomado profissional da área de análise de dados, Rasmus Wegener, que diz que Big
Data não deve ser um projeto de TI, mas sim da alta gestão das empresas para tomadas de
decisões estratégicas em relação aos mercados em que atuam. Ainda nesse sentido o
60
respondente A relata que os objetivos de negócios do marketing e da comunicação são
normalmente mais intimamente ligados aos objetivos da companhia como um todo, o que faz
com vejam mais valor no uso da ferramenta.
Começa muito pelo marketing, então hoje se você perguntar, a maior parte dos
projetos que eu tenho de Big Data são todos atrelados ao marketing e
geralmente é o primeiro projeto de tudo na empresa [...] depois, obviamente,
que o marketing começa a ter ganho, aí as outras áreas da empresa acabam
puxando também e querendo fazer alguma coisa.
Em sintonia com o respondente A, o respondente B relatou que:
Quando você chega nesse ponto mesmo de analisar o quê que a gente
realmente precisa ter pra empresa, a área de marketing é a mais indicada pra
tomada de decisões sobre mercado, preço, o que for.
Já o respondente C salienta que o marketing não é o responsável pela ferramenta, mas
é, sim, o departamento que gera as principais demandas, inclusive para os outros departamentos.
Claro que o departamento de marketing acaba sendo o principal elo entre
outros departamentos com o consumidor e ele encabeça isso, mas ele não é o
responsável, ele não é o dono único e exclusivos dos dados do Big Data. O
Big Data ficar só com o departamento de marketing, pelo menos numa grande
empresa, por exemplo, eu acabo perdendo a engenharia e enxergando o que
isso traz de relevante do produto. Acabo perdendo a área de finanças que vai
precificar o meu produto trazendo isso pra precificação final, então se fica
centralizado só na área de marketing e se a gente não divide as informações,
a empresa acaba tendo um grande risco de viver dentro de um círculo.
5.3 COMUNICAÇÃO ADMINISTRATIVA INTERNA E BIG DATA
Este item do roteiro foi o principal tópico das entrevistas, já que é onde se encontra a
pergunta da pesquisa: Como deve se dar a comunicação administrativa interna nas corporações
para que projetos calcados na análise de dados sejam bem-sucedidos, e o quanto a cultura da
comunicação administrativa ou a falta dela implica no sucesso desses projetos? Ao serem
questionados sobre o primeiro item, sobre como deve se dar a comunicação interna, o
respondente A relatou que o primeiro passo é gerar a cultura do conhecimento dentro da
empresa, na qual todos os colaboradores devem conhecer a função de todos os departamentos
e, então, deixar os dados livres e acessíveis a qualquer um para que se faça análises usando
dados de qualquer departamento. Para ilustrar, o respondente A citou o caso da montadora Ford
61
nos Estados Unidos, em que o departamento de marketing detectou por meio da análise de
dados do Big Data um problema técnico de engenharia de produto em um de seus carros. Então
o problema foi levado até o departamento responsável pelo desenvolvimento do produto, que
rapidamente resolveu a falha. Ele salienta que, nesse caso, se não há uma cultura de
comunicação interna, uma troca livre de informações, o departamento de engenharia, por
exemplo, poderia se recusar a fazer intervenções no produto simplesmente por alegar que o
departamento de marketing não deve interferir no de engenharia e tampouco utilizar dados de
outra área para fazer inferências em suas análises, o que poderia agravar a situação e gerar uma
crise e prejuízos para a corporação. Bueno (2014), como citado no capítulo 4 deste estudo,
aponta uma das maiores crises da fabricante de veículos Toyota ocorrida pela falha na
comunicação administrativa e que ajuda a ilustrar o caso citado pelo respondente A. Kingston
é claro sobre esse caso da Toyota:
Também há uma cultura de deferência nas empresas que dificulta que os que
estão embaixo na hierarquia questionem os superiores ou informem os
problemas a eles. O foco no consumo e no consenso coletivo facilita o trabalho
em equipe, mas também dificulta desafiar o que já foi decidido. (KINGSTON
apud BUENO, 2014, p. 38)
O respondente A reforça sobre a falta da cultura da comunicação nas empresas
brasileiras e a falta do livre tráfego dos dados.
O grande problema dos dados é que quem tem o dado tem o poder. Esse é o
grande problema! E você pega uma situação que a gente vive hoje no Brasil
que tá todo mundo com medo de perder o emprego, então é óbvio que as
pessoas ficam mais resistentes, porque diz ‘o quê que ele veio fazer aqui?
Pegando um monte de dado? Peraí! O quê que é isso? Isso aqui é meu! Eu que
faço essa análise!’ Entendeu? Então as pessoas têm muito medo, ainda!
O respondente B também apontou a dificuldade de quando não há a cultura da
comunicação na empresa e o quanto isso se agrava quando se trata de uma empresa verticalizada
no sentido hierárquico em que as demandas chegam aos departamentos como ordens inflexíveis
vindas da alta gestão.
A gente já teve aquele caminho topdown que era ‘ou você faz ou você faz’,
que nunca funcionou e o cara nunca via valor agregado àquilo, e, a partir do
momento que você faz um tipo de comunicação em que uma área dedicada
tem uma linguagem mais usual pra aquele tipo de perfil e explica qual que é a
necessidade dele ou como que ele vai poder utilizar ou quais que são os
benefícios que aquilo pode trazer pra ele ou pro cliente, ou para o mercado, o
que for, começa a auxiliar.
62
O respondente C compartilha de opinião similar e revela que ao fazer análises para
tomadas de decisão que cabem ao departamento de marketing, conta sempre com suporte de
outras áreas como finanças, estatísticas etc., com a finalidade de minimizar erros, já que os
dados são naturais das outras áreas, não do marketing, e esses dados são de livre acesso a
qualquer departamento. Porém, o respondente C deixa claro que não é tão fácil conseguir o
auxílio de outras áreas quanto aos dados delas. Ele frisa que “nem sempre a gente consegue,
também não é mil maravilhas de dizer que a gente consegue tudo, mas pelo menos a gente tem
tentado isso”. Então, ao ser questionado se as análises e uso da ferramenta Big Data em geral
está centralizado no departamento de marketing, ele respondeu “A gente pode dizer que de certa
forma tá centralizado no marketing”.
Como visto no capítulo 4 desse estudo, apesar de a falta da cultura de comunicação nas
organizações representar ameaças ao pleno desenvolvimento das suas atividades, o respondente
A relatou que essa falha ou inexistência da comunicação organizacional não é um fator
impeditivo para o desenvolvimento de projetos que envolvam análises de grandes volumes de
dados, como o Big Data, mas é um empecilho.
Não é impeditivo por quê? Porque eu posso ter iniciativas pontuais em
departamentos que vão ter resultados positivos. Então, por exemplo, eu posso
fazer uma analytics, faço um tagueamento da minha página e começo a
acompanhar o quê que as pessoas fazem na minha página. Eu vou ter
resultado. Vai ter sucesso esse projeto, isso é tranquilo [...]
Independentemente da comunicação! Porque é um projeto do marketing, e o
marketing vai atingir o objetivo, vai melhorar a navegação da página, vai
melhorar a oferta de produto, vai ver o produto que tem uma visibilidade maior
e assim sucessivamente [...] independentemente das outras áreas.
Quando questionados se há um planejamento de comunicação administrativa para uso
dos dados em prol das companhias, o respondente C foi taxativo: “Não. Não existe. Hoje não
existe”. O respondente A relatou que é difícil conseguir a integração dos departamentos devido
ao que já foi citado acima, sobre ser um problema cultural e de que os profissionais ainda têm
receio de compartilhar informações de seus departamentos com outros, pois tratam os dados
como de posse deles e não da companhia. Já o respondente B citou que há um esforço em
comunicação, primeiramente em fazer com que todas as pessoas da empresa entendam a
importância dos dados e que eles estejam atualizados e corretos. Especificamente sobre Big
63
Data, ele esclareceu que há também um esforço para o entendimento de todos sobre essa nova
tecnologia, porém a comunicação se dá com linguagem menos técnica possível.
[...] o que a gente tenta recorrer hoje não é nem falar diretamente sobre o
assunto, claro, a gente tem que especificar um pouco qual que é a dimensão,
qual que é a tecnologia [...] depende das áreas, pelo menos aqui na minha
empresa existem pessoas de perfis que tem 70 anos e tem outros mais jovens,
então você começa a ter uma variação muito grande. Então o tipo de
comunicação que tá sendo usado pra especificar esses assuntos é muito mais
direcionado no que ele vai conseguir, e isso começa a trazer um retorno maior
do que realmente só falar do ‘tecnês’ do que só espirrar o assunto ‘o Big Data
é isso, você vai ver isso, você vai ter bilhões de dados, você vai pegar análise’,
os caras não acabam entendendo o benefício que isso acaba tendo e quem traz
essa história mais forte pra eles é o marketing.
Mesmo com os esforços de comunicação administrativa, o respondente B mais uma vez
reforça, na citação acima, que o departamento que mais entende os benefícios da tecnologia e
faz uso dela é o marketing. Mas ao ser questionado novamente sobre se há um planejamento e
o hábito do uso dos dados por todos os departamentos, ele citou que ainda não atingiram o
melhor a respeito disso, mas que os esforços são contínuos em relação à integração dos
departamentos.
O que a gente pode fazer pra melhorar isso? Escutar muito eles também, a
gente faz alguns eventos, alguns encontros em que a gente escuta um pouco
deles sobre o que eles entendem, o que eles tão entendendo sobre isso, pra
gente reeducar. É uma mudança cultural muito forte [...]. Futuramente a gente
fará um treinamento interno das áreas, e eles farão toda a análise e aí eles
realmente têm a inteligência da parte financeira ou fabril ou não sei o quê, aí
eles são os responsáveis de identificar os gaps e de fazer todos os processos
pra correção ou até melhoria ou o que for.
Mesmo o respondente B sendo o que demonstrou que sua empresa faz constantes
esforços para que se crie a cultura da comunicação em sua empresa, é perceptível que ainda há
uma dependência das tecnologias para que esse problema seja resolvido e isso acaba por
individualizar as necessidades de cada departamento, ou seja, as análises de dados são feitas
visando resolver problemas ou atingir objetivos de cada área e não dos objetivos macro da
organização. Como apontado no capítulo de introdução deste estudo, Bueno (2014, p. 19) diz
que a comunicação
não pode ser efetivamente estratégica se não estiver umbilicalmente vinculada
ao planejamento estratégico, o que quer dizer estritamente sintonizada com a
gestão e a cultura organizacionais. Em boa parte das empresas, entidades etc.,
a comunicação não passa mesmo de um apêndice de que se lança mão em
determinados momentos e que é visto como mera ferramenta, portanto sob
64
uma perspectiva exclusivamente operacional. Em segundo lugar, a
comunicação estratégica, para ser assim considerada, necessita estar
respaldada em pesquisas, bancos de dados inteligentes, metodologias de
avaliação/mensuração e para construção de cenários. Não pode ficar à mercê
da intuição, do feeling dos gestores, aquela velha e ultrapassada conversa de
que ‘minha experiência garante o que estou fazendo’.
Nesse sentido, Wolton (2011, p. 29) dedica um capítulo inteiro de sua obra para:
Tirar a informação e a comunicação do império da tecnologia, que acaba por
frear a reflexão sobre a comunicação na medida em que a performance das
ferramentas apaga ou encobre os fracassos inevitáveis da comunicação
humana e social. Pensar a passagem da informação à comunicação significa
‘destecnologizar’ a comunicação, recolocando a técnica no devido lugar.
De uma forma geral entre os respondentes, percebe-se que há ainda uma dependência
do departamento de marketing ou do departamento de soluções digitais, como é o caso do
respondente B, no que se trata de captação de dados, análises e extração de insights, mesmo
que todos os respondentes e o referencial teórico deste estudo tenha apontado que deve haver
total autonomia dos departamentos em todos os estágios do uso da ferramenta Big Data, como
vemos em suas respostas quando questionados sobre se há essa autonomia nas suas empresas.
O respondente A disse:
Ele tem que ter acesso, porque você nunca sabe o que uma coisa influencia na
outra, né? Então esse é o problema, se ele não tem acesso [...] vou falar de
novo do caso da Ford [...] você não detectou que tem um problema com a seta,
mas se ele não conhecer o produto, se ele não tem acesso às características do
produto que é outro departamento, como é que ele vai saber a decisão que tem
que ser tomada ou como ele, eventualmente, vai achar que o problema do carro
é a seta? Você entendeu? Porque ele conhece uma parte, mas não conhece
tudo! Por isso que a gente fala, o cientista de dados ele acaba tendo que ter
uma visão mais ampla disso. Acaba tendo acesso aos dados pra poder fazer os
testes dele.
O respondente B concordou que deve ter autonomia, mas que as análises ainda recaem
sobre o seu departamento e as tomadas de decisão ainda são exclusividade da alta gestão, apesar
de que há planos para promover treinamento a todas as áreas para que cada uma faça suas
próprias análises. Porém não ficou claro se após esse treinamento as tomadas de decisão
baseadas nessas análises também passarão a ser decentralizadas. O respondente C respondeu
que apesar de cada departamento ter autonomia para as tomadas de decisão a partir dos insights
extraídos dos dados, a captura e análise ainda depende dos departamentos de TI e marketing,
respectivamente.
65
Como vimos no capítulo 4, as organizações com cultura mais aberta de comunicação e
uso dos dados acabam por inovar mais radicalmente do que as que optam por controlar seus
fluxos. Mason et al. citam o caso do Facebook, que tem a cultura voltada ao livre acesso dos
dados por seus funcionários e pontuam que, por mais que se suponha que as pessoas não saibam
muito bem como manipulá-los, vale a pena:
Essa ideia era radical porque a crença predominante era que os funcionários
não saberiam como acessar os dados, dados incorretos seriam usados para
tomar decisões de negócios ruins e os custos técnicos se tornariam proibitivos.
Embora certamente houvesse desafios, o Facebook descobriu que os
benefícios ultrapassavam os custos; tornou-se uma empresa mais ágil que
poderia desenvolver novos produtos e responder às mudanças do mercado
rapidamente. O acesso aos dados tornou-se uma parte crítica do sucesso do
Facebook e permanece algo em que se investe agressivamente. (MASON et
al., 2015, posição 123-126, versão Kindle, tradução nossa21)
5.4 DATA DRIVEN OU EMPRESAS GUIADAS POR DADOS
Como abordado no capítulo 4, Data Driven é o termo utilizado para definir organizações
que são totalmente guiadas pelos dados, nas quais nenhuma decisão é tomada sem estar baseada
no que os dados apontam. Pela pesquisa bibliográfica e pelas entrevistas, percebe-se que as
poucas empresas que seguem o conceito de se guiar 100% pelos dados acabam por minimizar
em muito suas margens de erro em quaisquer tomadas de decisão, mas que essa realidade ainda
está relegada a poucas empresas ao redor do mundo. Especificamente no Brasil, o assunto ainda
é um tabu ou tratado até como utopia, como relatou o respondente A, quando questionado sobre
se as empresas às quais ele fornece serviços de Big Data são de fato Data Driven. Ele disse: “A
empresa não tomar uma única decisão a não ser baseada em dados? Bem utópico!
Extremamente utópico nos nossos dias atuais!”. O respondente A foi além e demonstrou que
esse é um tema especialmente complicado, um dos principais desafios hoje enfrentados pelo
mercado nacional, pois, segundo ele, o problema está na cultura do brasileiro que ainda acredita
em “salvadores da pátria”.
21 Texto original: This idea was radical because the prevailing belief was that employees wouldn’t know how to
access the data, incorrect data would be used to make poor business decisions, and technical costs would become
prohibitive. While there were certainly challenges, Facebook found that the benefits far outweighed the costs; it
became a more agile company that could develop new products and respond to market changes quickly. Access to
data became a critical part of Facebook’s success, and remains something it invests in aggressively.
66
O brasileiro, principalmente, acha que tem salvador da pátria. Que é o político
que vai resolver o problema do país [...] É o ministro da justiça que [...] Então
a gente sempre elege um Deus e fala que é esse ‘Deus’ que vai resolver o
nosso problema [...] então a gente transfere isso pra toda a nossa sociedade,
não só na política, mas também dentro das empresas, então a gente olha pra
algumas pessoas e fala: ‘Não! O que aquele cara fala a gente vai fazer, porque
o cara tem experiência [...] o cara é isso, aquilo’ e esse é um problema que
impede as empresas de tomar decisão na realidade, entendeu?
Como apontado neste estudo por diversos autores como Blackwell et al., Kleber Markus
e Wilson Bueno, as empresas sequer fazem uma análise de seus processos ou do mercado
utilizando simples pesquisas de campo. Elas ainda optam pela velha tentativa e erro, colocando
suas organizações em risco com decisões baseadas na experiência de seus executivos, mesmo
com a disponibilidade de um abissal volume de dados gerado diariamente por elas mesmas e
por seus consumidores e stakeholders.
O respondente B, apesar de ter demonstrado que sua empresa vem investindo em criar
uma cultura da comunicação e que a criação do departamento de soluções digitais já representa
um grande amadurecimento da alta gestão em relação aos dados da empresa, relata que ainda
não estão preparados para ser uma empresa Data Driven, que essa cultura está sendo criada aos
poucos.
[A empresa] já vem trabalhando nesses projetos, e cada vez melhorando mais
intensamente, há cinco anos e agora com essa nova área tentando achar uma
solução mais ágil pra isso, mas ainda é uma jornada, eu acredito, de algum
tempo, porque acho que os principais impactos que você tem sobre isso é,
indiferente de ser fato de gerar dados, você também precisa ter pessoas
preparadas pra fazer a análise, que daí eu acho que é a segunda etapa da coisa.
Então, hoje, eu acho que a gente tá na fase de criar (a cultura) e depois a gente
vai começar realmente a criar a fase do analista da coisa mesmo. Começar a
parar de usar planilha Excel que tem lá o costume de exportar coisas e montar
e realmente começar a trabalhar na área de informação mesmo. Então, eu acho
que isso vai ser o grande benefício, mas não vejo isso em curto prazo. Acredito
que em médio prazo a gente vai começar a coletar os bons resultados do que
a gente tá fazendo agora.
Como visto em diversos pontos da entrevista, o respondente C relatou que não há um
planejamento de comunicação administrativa interna no que diz respeito aos dados e também
não há esforços para que se crie a cultura da comunicação dentro da organização, então seria
natural que sua visão fosse menos otimista do que o respondente B em relação à organização
ser Data Driven. Então, sobre sua companhia ser Data Driven, ele foi claro: “Não, nem tudo é
baseado em dados [...], mas o que acaba sendo é mais assertivo”. Mesmo consciente de que as
67
decisões que são tomadas baseadas em dados são mais assertivas e expõem menos a corporação
a riscos, ainda assim é normal que se guiem pouco pelos dados.
Além de demonstrar que em sua empresa há a falta da cultura da comunicação
administrativa no que diz respeito aos dados, o respondente C demonstra exatamente o que
relatou o respondente A, no tópico 5.3 sobre comunicação administrativa e Big Data, que
“quem tem o dado tem o poder” e que o medo de compartilhar informações entre os
departamentos é um empecilho para que a companhia como um todo tome melhores decisões.
Nesse mesmo trecho, o respondente A também cita sobre essa falta da cultura da comunicação
ser exatamente um empecilho e não um impeditivo para as tomadas de decisão baseadas em
dados, mas que a visão do todo fica comprometida e, consequentemente, os resultados, também.
Ainda nessa resposta do respondente C, vemos que se repete uma certa dependência do
marketing no que se trata da fluidez da comunicação da empresa, que em vez de se criar uma
cultura descentralizada para análises de dados e tomadas de decisão, o caminho acaba sendo o
da centralização em um único departamento, ou, como vimos com Bueno (2014), muitas vezes
isso acaba ficando sob responsabilidade de um único profissional.
Ainda sobre Data Driven e comunicação administrativa interna ou a falta dela, o
respondente A disse:
Os dados dizem a verdade sobre a companhia, então se eu não tenho esse
direcionamento, da empresa como um todo, então um departamento pode
olhar e falar: ‘Não! Isso aqui [...] Legal o trabalho que você fez! Muito bacana!
Mas eu continuo lá fazendo o meu e você continua o seu.’ Entendeu?
Seguindo essa visão, o respondente C concluiu que na empresa para a qual ele trabalha
“Ter um Big Data te ajuda a comprovar algumas coisas, mas no final das contas cada
departamento acaba tendo o entendimento do seu pra poder seguir, então não consegue sair do
lugar”.
O respondente A, como fornecedor de tecnologia para análise de dados de Big Data para
grandes empresas, ainda no que se refere a Data Driven citou que é muito comum as empresas
implementarem toda a estrutura de Big Data e ainda assim não fazerem uso ou subutilizarem
as ferramentas, continuando a tomar decisões baseadas na experiência de seus executivos. “Isso
é o que mais acontece. Eu ainda vou nas empresas pra convencê-las a utilizarem os dados”.
68
Questionados sobre o que eles acreditam que deve ser feito para que essa realidade mude
e suas empresas comecem a caminhada em direção ao Data Driven, o respondente A voltou a
dizer sobre se criar a cultura e então convencer a empresa de que absolutamente todas as
decisões devem ser baseadas em dados, pois os dados dizem a verdade sobre a companhia. Ele
ainda reforçou que para isso todos os departamentos devem ter completa autonomia no acesso
e análise dos dados em sua totalidade, desde que se crie ambientes de análises com cópias dos
dados originais para que eles não sejam corrompidos, o que no meio da tecnologia da
informação se chama sand box ou caixa de areia. O respondente B disse que a comunicação
interna já é voltada para a conscientização da importância dos dados e que futuramente serão
implantados treinamentos voltados para isso. O respondente C mais uma vez atribuiu essa
responsabilidade ao marketing e finalizou dizendo que “Se a pessoa não tiver adesão e a mente
aberta no mesmo nível dos outros departamentos é bem difícil de você implementar essas
questões, então você precisa trazer todo mundo pro seu lado”, e esse “lado” é o do marketing,
na visão dele.
5.5 PERFIL DO PROFISSIONAL USUÁRIO DE BIG DATA
Segundo Thomas Davenport na obra Big Data no trabalho: derrubando mitos e
descobrindo oportunidades (2014), o recurso humano ainda é o fator mais importante para
qualquer operação que envolva análises de Big Data, já que os softwares costumam ser de
código aberto e os hardwares estão, de certa forma, “comoditizados”. Apesar de parecer uma
função relativamente nova, o autor aborda que esse perfil de profissional já existia muito antes
do advento Big Data – que começou a se disseminar no final dos anos 2000 –, porém, assim
como hoje, não era fácil encontrar profissionais com a capacidade de desempenhar as funções
de um cientista de dados. Ao serem perguntados sobre qual é o perfil desse cientista de dados,
os respondentes responderam similarmente e, de certa forma, com opiniões parecidas com as
de Davenport. O respondente A disse que esse profissional deve ter ao menos uma noção
superficial de estatística e matemática, mas não é necessário ser um especialista nessas áreas,
devido a já existir algoritmos prontos que fazem essa parte. Então ele foi enfático e repetiu
algumas vezes que esse profissional deve, acima de tudo, entender muito bem do negócio e do
mercado da empresa à qual ele trabalha, pois a questão tecnológica pode ser resolvida com
treinamentos. O respondente B relata que o perfil do cientista de dados é a mescla de um
profissional de tecnologia da informação com do profissional tomador de decisões estratégicas
69
para os negócios da empresa, apesar das decisões na empresa dele ainda serem tomadas
exclusivamente pela diretoria. Ainda sobre o perfil desse profissional, ele fala sobre si mesmo,
que hoje coordena o departamento que implementou a ferramenta Big Data na corporação, e
diz que sua formação é em Comunicação Social com ênfase em Publicidade e Propaganda, mas
que nos últimos anos fez alguns cursos de programação computacional para ter uma visão mais
ampla da ferramenta. O respondente B ainda ressalta que sua empresa criou esse novo
departamento que ele coordena, o de Soluções Digitais, ao perceber que a área de TI era muito
focada em questões de infraestrutura e pouco em soluções estratégicas voltadas ao negócio
específico da empresa e vai além ao dizer que os planos da empresa e de seu departamento é
treinar todos os departamentos para que sejam independentes no que se trata de captação,
análises e tomadas de decisão baseadas em Big Data. O respondente C não destoou dos demais
respondentes, porém foi mais enfático em dizer que o perfil desse profissional deve estar muito
mais ligado à área de negócios dentro do mercado da empresa do que à área de tecnologia.
5.6 ÉTICA E GOVERNANÇA DE DADOS
Assim como deve haver regras e planejamento para que a comunicação administrativa
flua de forma transparente e para que essas informações estejam corretas e disponíveis a quem
deva estar, deve haver também políticas e normas quanto ao uso dos dados por quem quer que
seja nas corporações. O respondente A resume governança de dados como uma política de uso
dos dados em que, primeiramente, os dados gerais da empresa devem estar centralizados em
um único local, garantindo que pessoas ou departamentos diferentes, ao acessarem o mesmo
dado, visualizarão a mesma informação. Depois, além da determinação de quem pode acessar
o quê para que se garanta a segurança do dado, da empresa e da fonte do dado, toda informação
deve ser rastreável desde a sua origem, para que as análises baseadas em determinados
conjuntos de informações possam ter suas autenticidades verificadas, como em uma auditoria.
Enfim, ainda segundo resposta do respondente A, toda organização que faça uso de dados para
tomadas de decisão deve ter uma política de governança de dados para sua própria segurança,
tanto na assertividade das tomadas de decisão quanto no uso apenas de dados autorizados e que
não exponham, por exemplo, informações confidenciais de clientes e da própria empresa. O
respondente B afirmou que há uma política muito clara em sua empresa quanto ao uso dos
dados e que as regras são de ordem global, já que se trata de uma empresa multinacional. O
70
respondente C também afirmou que há políticas claras em sua empresa quanto à questão de
governança dos dados, havendo inclusive cartilhas globais e locais com essas regras.
Quando questionados sobre o que eles entendem sobre a questão ética no uso dos dados
para tomada de decisão, o respondente A inicialmente respondeu que é difícil tratar sobre esse
assunto por estar muito ligado à cultura, pois cada país, por exemplo, pode ter entendimentos
diferentes do que é ético e o que deixar de ser. Mas acabou ilustrando com o caso do uso de
dados por empresas do segmento de saúde. Por exemplo, se um cientista por meio dos dados
quer saber se os procedimentos médicos utilizados em um determinado paciente são os mais
adequados para aquele caso, ele tanto pode obter informações sobre o objeto específico de sua
pesquisa como também pode ter informações financeiramente valiosas para uma seguradora na
área de saúde, que de posse dessas análises pode se recusar aceitar esse paciente como seu
segurado. O respondente A então volta à questão da governança de dados, que se estabelecida
de forma clara, as informações automaticamente são descaracterizadas para que nenhum
analista tenha acesso, por exemplo, ao nome ou CPF dos pacientes. Mas ao ser questionado
sobre o que garante que a governança será definida de tal forma que descaracterize esses dados,
ele respondeu: “Nada garante”. O respondente B resumiu que a questão da ética está na
confiança dos gestores de que seus analistas farão o uso correto dos dados, seguindo as políticas
estabelecidas pela governança. O respondente C não respondeu esse questionamento por falta
de tempo para finalizar a entrevista.
71
CONSIDERAÇÕES FINAIS
Como apresentado no capítulo 3, há indícios de que a tecnologia da informação fará
parte de todas ou quase todas as decisões estratégicas de pequenas, médias e grandes empresas
nos próximos anos. Hoje, o desconhecimento da potencialidade do Big Data nos negócios ainda
relega essa tecnologia às grandes corporações. Tanto na pesquisa bibliográfica quanto nas
entrevistas com executivos de empresas utilizadoras da ferramenta Big Data, percebe-se que
essa tecnologia ainda é uma iniciativa mais comum do departamento de marketing tanto na
implementação quanto na sua utilização e, mesmo quando outros departamentos fazem uso,
ainda há uma dependência do marketing para análises e extração de insights.
Viu-se que, com Big Data, o papel do departamento de TI está muito ligado à
infraestrutura para implementação e manutenção das tecnologias, que há uma necessidade das
organizações em integrar esse departamento às estratégias de negócios para melhores tomadas
de decisão e que o sucesso disso depende em grande parte da comunicação administrativa
interna.
Entrando no objeto deste estudo, que é a influência da comunicação administrativa
interna no sucesso de projetos com Big Data, ficou evidente de que quando há a cultura da
comunicação dentro das empresas e um maior entendimento por todos a respeito do papel de
cada departamento, as análises dos dados, os insights e, consequentemente, as decisões tomadas
são mais assertivas em prol das companhias de modo geral. Por outro lado, viu-se que não há
planejamento de comunicação interna no que se refere ao tráfego e uso dos dados das próprias
companhias, tampouco planejamento da comunicação em geral e que há a esperança de que a
cultura da comunicação possa ser criada com o uso das tecnologias, como softwares e
aplicativos que teoricamente geram integração entre os departamentos. Ainda no sentido da
comunicação, a pesquisa relatou que quanto mais verticalizada no sentido de hierarquia é uma
corporação, na qual não há autonomia dos departamentos tanto para análise quanto para
tomadas de decisão, menor é a cultura da comunicação interna e, mesmo que essas companhias
possuam recursos tecnológicos e humanos para uso do Big Data, elas não o utilizam ou os
subutilizam.
A pesquisa também apontou que as empresas totalmente guiadas pelos dados para
tomadas de decisão, que são as empresas chamadas de Data Driven, costumam extrair insights
72
mais valiosos e acabam por inovar mais do que seus concorrentes. Ainda assim o tema Data
Driven é um tabu, principalmente entre empresas brasileiras, que mesmo dispondo de todos os
recursos para análises complexas ou análises simples de dados, acabam por tomar importantes
decisões baseadas no conhecimento de seus gestores. Viu-se que quanto menos as empresas
têm a cultura da comunicação, mais distantes elas ficam da realidade de serem organizações
totalmente guiadas por dados e mais desintegrados estão seus departamentos, visando apenas
análises de dados que resolvam problemas pontuais de cada área e raramente em prol dos
objetivos macro das companhias.
Quanto ao analista de dados de Big Data, detectou-se que o profissional de marketing
normalmente tem mais propensão a ser um cientista de dados devido às suas funções estarem
mais próximas aos objetivos estratégicos das organizações. Porém, há uma grande necessidade
desses profissionais entenderem, ao menos superficialmente, de estatística, matemática e
tecnologia da informação, o que torna valorizado e escasso esse tipo de profissional no mercado
de trabalho hoje em dia. Em outras palavras, o perfil ideal para um cientista de dados é o de
uma pessoa inter e multidisciplinar, com facilidade de raciocínio lógico, visão estratégica de
negócios e grande conhecimento do mercado ao qual a sua empresa atua.
No que se refere à questão ética no uso dos dados pelas companhias, tanto na pesquisa
bibliográfica quanto nas entrevistas com os executivos, viu-se que não há uma definição clara
sobre esse tópico. Pela questão legal e do marco civil da internet no Brasil, as leis são dúbias e
pouco específicas sobre o que pode ou não fazer com os dados das pessoas ou empresas. Já na
opinião dos entrevistados, apesar de as empresas contarem com governança de dados para que
se estabeleçam regras no uso de qualquer tipo de dado, não há como garantir que as regras da
governança suprimirão o uso indevido dessas informações, dependendo então da confiança da
alta gestão das companhias em seus analistas e tomadores de decisões para que façam uso
correto dos dados.
73
REFERÊNCIAS
ALVES-MAZZOTTI, A. J. O método nas ciências sociais naturais. Pesquisa quantitativa e
qualitativa. 2ª ed. São Paulo: Pioneira, 1999.
ANDERSON, Chris. A cauda longa. Do mercado de massa para o mercado de nicho. Rio de
Janeiro: Campus, 2006.
BLACKWELL, R. D.; MINIARD, P. W.; ENGEL, J. F. Comportamento do consumidor. 8
ed. Rio de Janeiro: Livros Técnicos e Científicos, 2000.
BLANCHARD, A. MARGARETH. History of the Mass Media in the United States: An
Encyclopedia. Londres: Routledge, 1998.
BNDES. Classificação de porte dos clientes. Disponível em: <http://www.bndes.gov.br/
wps/portal/site/home/financiamento/guia/quem-pode-ser-cliente/>. Acesso em: 16 ago. 2016.
BRASIL. Lei nº 12.527, de 18 de novembro de 2011. Disponível em:
<http://www.planalto.gov.br/ccivil_03/_ato2011-2014/2011/lei/l12527.htm>. Acesso em: 22
maio 2017.
BRASIL. Lei nº 12.965, de 23 de abril de 2014. Estabelece princípios, garantias, direitos e
deveres para o uso da Internet no Brasil. Disponível em:
<http://www.planalto.gov.br/ccivil_03/_ato2011-2014/2014/lei/l12965.htm>. Acesso em: 10
maio 2017.
BRASIL melhora na transparência, mas achar dados públicos ainda é difícil. Jornal Nacional,
6/5/2017. Disponível em: <https://goo.gl/rHJgM5>. Acesso em 22 maio 2017.
BUENO, Wilson da Costa. Comunicação Empresarial: da rádio peão às mídias sociais. São
Bernardo do Campo: Universidade Metodista de São Paulo, 2014.
BUNGE, Mario. Dicionário de Filosofia. São Paulo: Perspectiva, 2012.
DAVENPORT, Thomas H. Big data no trabalho: derrubando mitos e descobrindo
oportunidades. Rio de Janeiro: Elsevier, 2014.
DREHER, Felipe. Big Data não deve ser um projeto de TI. ComputerWorld, outubro de 2014.
Disponível em: <http://computerworld.com.br/negocios/2014/10/31/big-data-nao-deve-ser-
um-projeto-de-ti>, Acesso em: 26 jun. 2017.
EREVELLES, Sunil; FUKUAWA, Nobuyuki; SWAYNE, Linda. Big Data consumer analytics
and the transformation of marketing. Journal of Business Research, [s.l.], ELSEVIER, p. 897-
904, jul. 2015.
EVANS, Dave. A internet das coisas: Como a próxima evolução da Internet está mudando tudo.
Cisco Internet Business Group, [s.l], CISCO, abr. 2011. Disponível em:
74
<http://www.cisco.com/c/dam/global/pt_br/assets/executives/pdf/internet_of_things_iot_ibsg
_0411final.pdf> Acesso em: 8 maio 2017.
FADER, Peter; VEERARAGHAVAN, Senthil; XU, Joseph. The Revenue Impact of Dynamic
Pricing Policies in Major League Baseball Ticket Sales. [s.l], SSRN, jun. 2016. Disponível em:
< https://papers.ssrn.com/sol3/Papers.cfm?abstract_id=2796407>. Acesso em: 9 maio 2017.
FRANKWICK, Gary L.; RAMIREZ, Edward; XU, Zhenning. Effect of Big Data Analytics and
Traditional Marketing Analytics on New Product Success: A Knowledge Fusion Perspectve.
Journal of Business Research, [s.l.], ELSEVIER, p. 1.562-1.566, out. 2015.
FACEBOOK BUSINESS. Facebook para empresas. Disponível em:
<https://business.facebook.com/business/>. Acesso em: 02 mai. 2017.
GANTZ, John; REINSEL, David. The digital universe em 2020: Big Data, Bigger digital
shadows, and biggest growth in the far east - United States. IDC Country Brief, sponsored by
EMC Corporation. February, 2013. Disponível em: <https://www.emc.com/collateral/
analyst-reports/idc-digital-universe-united-states.pdf>. Acesso em: 02 maio 2017.
GLOBAL OPEN DATA INDEX. Procurement Brazil: 70% open. Disponível em:
<https://index.okfn.org/place/br/procurement/>. Acesso em: 22 maio 2017.
GOOGLE, AdWords: Mais de um milhão de empresas usam o AdWords. Saiba o motivo.
Disponível em: <http://www.google.com/adwords/benefits/>. Acesso em: 28 jun. 2016
______, Books NGram Viewer. Disponível em: <https://books.google.com/ngrams>. Acesso
em: 02 mai. 2017
______, Empresa. A nossa história em detalhe. Disponível em:
<https://www.google.com.br/about/company/history/>. Acesso em: 28 jun. 2016
______, Imagens. Slogan de 1960 da marca de alimentos Pillsbury. Disponível em:
<https://goo.gl/jtq19n>, Acesso em: 01 maio 2017.
______, Shopper Agency Marketing Council. In: Mobile In-Store Research – How in-store
shoppers are using mobile devices. United States of America, abril de 2013. Disponível em:
<https://ssl.gstatic.com/think/docs/mobile-in-store_research-studies.pdf>. Acesso em: 8 nov.
2015.
______, Trends. Busca feita pelo termo Big Data, segmentado para o Brasil e na categoria
de Indústria e Comércio. 2015. Disponível em: <https://www.google.com.br/
trends/explore#q=%2Fm%2F0bs2j8q&geo=BR&cmpt=q&tz=Etc%2FGMT%2B2>. Acesso
em: 9 nov. 2015.
______, Trends. Buscas feitas pelos termos Big Data x Business Intelligence. 2016.
Disponível em: <https://goo.gl/iyyGng>. Acesso em: 11 ago. 2016
GREENBERG, Julia. Facebook says 1 in 7 humans checks Facebook every day. Wierd,
novembro de 2015. Disponível em: <http://www.wired.com/2015/11/facebook-says-1-in-7-
humans-checks-facebook-every-day/>. Acesso em: 29 nov. 2015.
75
GROENFELDT, Tom. Big Data Needs Data Scientists, Or Quants, Or Excel Jockeys. Forbes,
jan. 2012. Disponível em: <http://www.forbes.com/sites/tomgroenfeldt/2012/01/17/big-data-
needs-data-scientists-or-quants-or-excel-jockeys/>. Acesso em: 8 jun. 2016.
GROSSMANN, Luís Osvaldo; COSTA, Pedro. Lei de proteção de dados pessoais estará pronta
para votar em junho. Convergência Digital. 16/3/2017. Disponível em:
<http://convergenciadigital.uol.com.br/cgi/cgilua.exe/sys/start.htm?UserActiveTemplate=site
&infoid=44746&sid=9>. Acesso em: 10 maio 2017.
HAGUETTE, Teresa Maria Frota. Metodologias qualitativas na sociologia. 12ª ed.
Petrópolis: Vozes, 2010.
IBM Systems and Technology. Watson – Um Sistema Projetado para Respostas: O futuro do
design de sistemas otimizados para carga de trabalho. Fevereiro de 2011. Disponível em:
<ftp://public.dhe.ibm.com/la/documents/br/systems/power/watson_pt.pdf>. Acesso em: 10
maio 2017.
IBM Watson Analytics. Gere valor para seu negócio. 2017. Disponível em: <http://www-
03.ibm.com/software/products/pt/watson-analytics>. Acesso em: 10 maio 2017.
KOTLER, Philip. Administração de marketing. 10ª ed. São Paulo: Pearson Prentice Hall,
2003.
IPHONE: a trajetória do smartphone que ditou o futuro. Tudo celular. 26/11/2014. Disponível
em: <http://www.tudocelular.com/apple/noticias/n46125/iPhone-historico.html>. Acesso em:
8 maio 2017.
KUNSCH, M. M. Krohling. Planejamento de relações públicas na comunicação integrada.
Ed. Ver., atual. e ampl. – São Paulo: Summus, 2003.
LAZARSFELD, Paul F. The art of asking why: three principles underlying the formulation of
questionaries. National Marketing Review, [s.l], Vol. 1, No. 1, 1935. Disponível em: <
http://www.jstor.org/stable/4291274>. Acesso em: 17 abr. 2017.
LUNA, S. V. DE. Planejamento de pesquisa. Uma introdução. 2ª ed. São Paulo: EDUC, 1999.
MAFFESOLI, Michel. Saturação. São Paulo: Iluminuras, 2010.
______. O tempo das tribos. O declínio do individualismo nas sociedades de massa. São
Paulo: Forense Universitária, 2006.
MARKUS, Kleber. O futuro quatro horas atrás. Comunicação ecosófica nas organizações. In:
GALINDO, D. (Ed.). Comunicação institucional & mercadológica. São Bernardo do Campo:
Umesp, 2012. p. 31-67.
MARTINO, Luís Mauro Sá. Teoria das mídias digitais. Linguagens, ambientes e redes.
Petrópolis: Vozes, 2014.
MASON, Hilary; PATIL, DJ. Data driven. Sebastopol: O’Reilly Media, 2015.
76
MATTAR, Fazue Najib. Pesquisa de marketing. 5 ed. Rio de Janeiro: Elsevier, 2012.
MCKENNA, Regis. Wikipedia. Disponível em:
<https://en.wikipedia.org/wiki/Regis_McKenna>. Acesso em: 8 jun. 2016.
______. Marketing is everything. Harvard Business Review, janeiro de 1991. Disponível em:
<https://hbr.org/1991/01/marketing-is-everything/ar/1>. Acesso em: 9 jun. 2016.
MCKINSEY & COMPANY. Big data: the next frontier for innovation, competition, and
productivity. Maio de 2011. Disponível em:
<http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_inn
ovation>. Acesso em: 4 nov. 2015.
MITZNER, Dennis. What is a data-driven company. InfoWorld, 24/5/2016. Disponível em:
<http://www.infoworld.com/article/3074322/big-data/what-is-a-data-driven-company.html>.
Acesso em 17 maio 2017.
______. Big Data and advanced analytics – 16 use cases. Junho de 2013. Disponível em:
<http://pt.slideshare.net/McK_CMSOForum/big-data-and-advanced-analytics-16-use-cases>.
Acesso em: 4 nov. 2015
MORAES, Roberta. A experiência em Data Driven Marketing da Bibi Calçados. Mundo do
Marketing. 10/5/2017. Disponível em: <https://www.mundodomarketing.com.br/cases/
37337/a-experiencia-em-data-driven-marketing-da-bibi-calcados.html>. Acesso em: 10 maio
2017.
MORIMOTO, Carlos E. Zettabyte (ZB). Hardware. 26/6/2005. Disponível em:
< http://www.hardware.com.br/termos/zettabyte-zb>. Acesso em: 12 abr. 2017.
OLIVEIRA, Priscila. A experiência em Data Driven Marketing da Bibi Calçados. Mundo do
Marketing, maio de 2017. Disponível em:
<https://www.mundodomarketing.com.br/cases/37337/a-experiencia-em-data-driven-
marketing-da-bibi-calcados.html>, Acesso em: 23 maio 2017.
ORACLE. Oracle Responsys Marketing Suite. Disponível em:
<https://www.oracle.com/marketingcloud/products/cross-channel-orchestration/index.html>.
Acesso em: 23 maio 2017.
PRISCO, Jacopo. Why UPS trucks (almost) never turn left. CNN. Fevereiro de 2017.
Disponível em: <http://edition.cnn.com/2017/02/16/world/ups-trucks-no-left-turns/>. Acesso
em: 2 maio 2017
PROCON PARÁ. O que é recall? Disponível em: <http://www.procon.pa.gov.br/?q=node/
92>. Acesso em: 15 maio 2017.
RODRIGUES, Alexandre; SANTOS, Priscilla. A ciência que faz você comprar mais. Revista
Galileu. 2012. Disponível em: <http://revistagalileu.globo.com/Revista/Common/
0,,EMI317687-17579,00-A+CIENCIA+QUE+FAZ+VOCE+COMPRAR+MAIS.html>.
Acesso em: 10 maio 2017.
77
SALVADOR, Alexandre. O uso do big data em marketing. Mundo do Marketing, outubro de
2014. Disponível em: <https://www.mundodomarketing.com.br/artigos/alexandre-
salvador/31862/o-uso-do-big-data-em-marketing.html>. Acesso em: 4 nov. 2015.
SANTAELLA, Lucia. Comunicação e pesquisa: projetos para mestrado e doutorado. São
Paulo: Hackers Editores, 2001.
SEBRAE. O que é Omni-Channel? 2017. Disponível em: <https://www.sebrae.com.br/
sites/PortalSebrae/artigos/integre-seus-canais-de-vendas-a-partir-do-conceito-de-omni-
channel,87426f65a8f3a410VgnVCM2000003c74010aRCRD>. Acesso em: 23 maio 2017.
SHAOKUN, Fan; RAYMOND, Lau; J. LEON, Zhao. Desmystifying big data analytics for
business intelligence through the lens of marketing. Big Data Research, [s.l.], ELSEVIER, p.
28-32, fev. 2015.
SULOPUISTO, Olli. How Helsinki became the most successful open-data city in the world.
Citylab, abril de 2014. Disponível em: <https://www.citylab.com/life/2014/04/how-helsinki-
mashed-open-data-regionalism/8994/>, Acesso em: 18 maio 2017.
TAURION, Cezar. Big Data. São Paulo: Brasport, 2013.
TAUTZ, Carlos. Big Data: uma questão ética em aberto. Portal Fiocruz. 4/5/2015. Disponível
em: <http://portal.fiocruz.br/pt-br/content/big-data-uma-questao-etica-em-aberto>. Acesso em:
10 maio 2017.
TV COMMERCIALS of the '60s: Pillsbury. YouTube. Disponível em:
<https://www.youtube.com/watch?v=HBPrPj-EiSQ>. Acesso em: 1º mai. 2017.
WATSON IBM diagnostica forma rara de leucemia em paciente no Japão. IDG NOW!.
8/8/2016. Disponível em: <http://idgnow.com.br/internet/2016/08/08/watson-ibm-diagnostica-
forma-rara-de-leucemia-em-paciente-no-japao/>, Acesso em: 10 maio 2017.
WOLTON, Dominique. Informar não é comunicar. Porto Alegre: Sulina, 2011.
YANAZE, Mitsuru Higuchi. Gestão de marketing e comunicação. São Paulo: Saraiva, 2011a.
______. Retorno de investimentos em comunicação: avaliação e mensuração. São Caetano
do Sul: Difusão, 2011b.
78
Apêndice I - Transcrição da entrevista com o respondente A
Entrevistador: O objetivo inicial do projeto era relacionar o uso de Big Data pelas corporações
com a inovação em produtos, mas percebemos que há um passo antes, que é a falha da
comunicação interna nas empresas, que acham que dá necessariamente para colocar a
tecnologia de Big Data lá dentro e ponto final, a coisa vai andar sozinha a partir daí você joga
na mão da TI ele não sabe sobre os objetivos de negócio da empresa. E se você joga na mão do
tomador de decisões ele não sabe nem como começar a captar os dados. Muitas vezes ele até
não sabe nem quais perguntas fazer. Mas, para começar, defina o que é Big Data na sua
concepção?
Respondente: Bem resumido? Vamos lá. Tirando os “V´s” básicos né? “Vezinhos” que a gente
trabalha bastante com Big Data.
Entrevistador: Na sua concepção são três, né?
Respondente: Na minha concepção são três!
Entrevistador: E tem cinco em alguns livros?
Respondente: Cinco são meio redundantes, vamos dizer assim. Não é tanto pra Big Data
quanto pra um dado estruturado normal. E é assim, na minha visão realmente a separação tá aí.
O dado estruturado e não estruturado. Isso é um diferenciador de águas, né? O mundo do Big
Data é aquele mundo do dado que não tem uma estrutura pré-definida. Isso é o que diferencia!
Diferencia a tecnologia. Diferencia o formato de acesso. O consumo desse tipo de dado,
entendeu? Então uma definição bem resumida é isso! É o dado não estruturado utilizado como
ferramenta pra apoiar processo de tomada de decisão.
Entrevistador: Que até então dava pra se dizer que até a invenção do Big Data, vamos dizer
assim, era impossível você ter uma análise de dados desestruturados?
Respondente: A menos que com muito trabalho, né? Vamos dizer que você teria um e-mail. O
e-mail existe bem antes do conceito aí do Big Data. Dá pra você analisar e-mail, mas o que
você tinha que fazer? Abrir um por um e ver. Tabular, tal...
Entrevistador: Limitado, né?
Respondente: Exatamente! Ou seja, você não tinha uma técnica e, isso é importante deixar
bem claro, que não é que não existia a técnica, não existia a técnica como ela é difundida hoje
79
e claro, hoje ela avançou bastante, mas as ferramentas que a gente utiliza hoje no Big Data, elas
nasceram no mundo acadêmico de tecnologia muito tempo atrás. Muitas delas junto com a
própria computação, então não é nada... O que a gente coloca no “Data” é justamente o conceito.
Surge o conceito de ter, surge a necessidade do Big Data, então aí você pega as ferramentas que
já existiam e vê o que não era utilizado pra muita coisa e aí começa a utilizar com uma
finalidade específica ou de ganhar dinheiro ou de tomar decisão...não deixa de ser ganhar
dinheiro também!
Entrevistador: E no caso, a gente pode dizer que basicamente o que mudou é o volume?
Respondente: É... os três, o volume, a velocidade e a variedade, porque esses três carinhas é
que vão determinar o Big Data. O volume é o que chama mais atenção, porque com a internet
você começa a ter muita coisa pra armazenar. Muitos dados trafegando, então o volume chama
a atenção, mas a variedade também, né? Eu colocaria assim, os dois principais “v´s”...é
variedade! Então variedade é aquilo né, cada ponto da internet é uma fonte de dados, então isso
acaba gerando uma tecnologia muito diferente.
Entrevistador: Existem muitos conceitos então da variedade de dado... o dado desestruturado
necessariamente é causado pela variedade? Que você tem pontos diferentes, extensões
diferentes.
Respondente: Então, o dado não estruturado nasce porquê? Porque antes de tudo era definido
em linhas e colunas, ou seja, você conhecia a estrutura do que você ia armazenar antes de
começar a armazenar. O não estruturado ele é uma necessidade que você tem de “eu preciso
guardar” O que? Não sei!” O que vier eu vou guardar! Você entendeu? Então como você não
conhece a estrutura, você primeiro aceita o dado e depois você vai classificar, formatar e
estruturar esse dado. Então, o que define mesmo é a questão da existência ou não de estrutura
prévia. Aí você tem o problema do armazenamento, junto com o armazenamento comum que é
esse que começa a lidar com o banco de dados e a variedade, porque você tá usando internet,
né? Isso só internet, sem contar internet das coisas que...vai longe ainda!
Entrevistador: Que ainda é... perto de onde deve chegar ao andar das coisas, hoje está
engatinhando?
Respondente: Está engatinhando! Aqui no Brasil, super engatinhando! Lá fora a coisa já tá
bem interessante.
80
Entrevistador: Sim. Você acha que a gente pode chamar Big Data... se referir ao Big Data
como uma ciência?
Respondente: Não. Big Data pra mim é ferramenta. Big Data é conceito primeiro...em
primeiríssimo lugar ele é um conceito e que pra você poder aplicar esse conceito você utiliza
ferramentas específicas. Então surge um grupo de ferramentas para lidar com esse tipo de dado
não estruturado, mas ciência, não, acho que não. Ciência ainda é computação e aí uma das
vertentes acaba sendo o Big Data.
Entrevistador: Vamos entrar mais no universo das corporações... o uso da ferramenta Big Data
dentro das corporações e mais focado na comunicação. Qual a importância que você vê hoje,
sabendo dos projetos que você tem em parceria com corporações, afinal, o seu negócio é
fornecer serviços dentro do universo dos dados para as corporações...você já tem essa interface
muito forte com as corporações. Qual a importância do departamento de comunicações e/ou
marketing hoje dentro dos projetos que envolvam Big Data?
Respondente: Olha, eu diria pra você que hoje quem puxa esses projetos de Big Data são
exatamente esses departamentos. É quem cuida da comunicação ou do marketing. E hoje como
você tem muito o marketing digital presente em praticamente todas as empresas e não existe
uma estratégia digital sem envolver a internet, então você acaba tendo que lidar com o Big Data,
não tem jeito! E quem puxa realmente isso pra acontecer de fato é a comunicação e o marketing
sem dúvida.
Entrevistador: Mas você acha que... porque basicamente os dados vem da internet e quem
assume essa responsabilidade de marketing digital por exemplo, basicamente toda a interface
entre a empresa e a internet é o marketing? Você acha que basicamente é por causa disso ou
porque as inovações normalmente partem mais desses departamentos?
Respondente: Eu diria que o objetivo de negócios desses departamentos são muito mais claros,
então, por exemplo, o marketing tem que conhecer o comportamento do consumidor. Como é
que eu vou conseguir? Posso conhecer o comportamento do meu consumidor de diversas
formas... fazendo pesquisa; propondo um questionário pra ele responder; avaliação de produto,
mas mesmo até na avaliação do produto você já pega, né? Você faz a avaliação hoje muito na
web... Então o quê que eu enxergo, quer dizer, o marketing identificou as ferramentas de Big
Data ou o próprio conceito de Big Data como sendo uma excelente maneira de você conhecer
melhor o seu cliente e aí conhecendo melhor o seu cliente, você cumpre melhor a função do
81
marketing. É ofertar aquilo que ele quer! É aquilo que ele espera! O consumidor... o consumo
do próprio produto, então é nesse sentido que eu acho que a tecnologia casou muito bem com
o objetivo do negócio, então tem uma sinergia muito grande entre esses dois. Claro que não é
só isso, hoje, é aquilo que eu falei, começa muito pelo marketing, então hoje se você perguntar,
a maior parte dos projetos que eu tenho de Big Data são todos atrelados ao marketing e
geralmente é o primeiro projeto de tudo na empresa. Todo mundo quer começar pelo marketing.
Agora, depois obviamente que o marketing começa a ter ganho, aí as outras áreas da empresa
acabam puxando também e querendo fazer alguma coisa.
Respondente: Acho que aí a gente começa a entrar no objeto aqui do projeto. Em relação a
comunicação administrativa... Se a gente tem... eu vou entrar aqui em Data Driven Company,
queria que você explicasse um pouco disso, mas antes se a gente..., normalmente quem acaba
encabeçando a comunicação interna da empresa pra que flua a comunicação e que todos os
departamentos estejam integrados, não só os departamentos internos, mas como os
fornecedores, todas as pessoas estejam integradas, quem acaba sendo o responsável por isso?
Acaba sendo o departamento de comunicação ou comunicação / marketing? Você acha que uma
empresa onde ela não tem essa cultura da comunicação fluida internamente onde todos os
departamentos estão integrados, estão alinhados com o mesmo objetivo, no marketing, por
exemplo, ou os objetivos macros da empresa, quando isso não acontece, você acha que é um
grande empecilho pro desenvolvimento do projeto com Big Data?
Respondente: Concordo com a relação. Eu diria que ele é um empecilho, não é um impeditivo.
Ele dificulta o processo de comunicação na empresa, de conhecimento, enfim, mas não é
impeditivo por quê? Porque eu posso ter iniciativas pontuais em departamentos que vão te
resultar o objetivo. Então, por exemplo, eu posso fazer uma analitycs, pego toda a..., faço um
tagueamento da minha página e começo a acompanhar o quê que as pessoas fazem na minha
página. Eu vou ter resultado. Vai ter sucesso esse projeto, isso é tranquilo.
Entrevistador: Independente da comunicação?
Respondente: Independente da comunicação! Porque é um projeto do marketing e o marketing
vai atingir o objetivo, vai melhorar a navegação da página, vai melhorar a oferta de produto,
vai ver o produto que tem uma visibilidade maior e assim sucessivamente. Então ele consegue
modificar, atingir o objetivo dele que é oferecer o que é melhor pro consumidor, pro cliente
dele, independente das outras áreas. Agora, se isso não é comum e aí, vamos lá, extrapolando
um pouquinho até, digamos que a gente pega essa parte do projeto que eu tô trabalhando agora,
82
e é exatamente isso, fez todo o tagueamento do site, pego o analytics e se você começa a analisar
o que tá acontecendo ali dentro... Qual é o objetivo final do projeto? O primeiro é entender o
comportamento do consumidor enquanto tá na página e modificar / melhorar a navegabilidade,
usabilidade etc. Segundo, verificar o que acontece com esse cara, então, por exemplo, eu vou
lá no carrinho de compras, coloco determinado produto, mas não fecho o carrinho de compras
ou eu passei por uma promoção e comprei um produto muito parecido com aquele, mas não
comprei o da promoção, então, legal! O quê que você tem que fazer? Analisar o comportamento
do cara, não apenas durante a navegação, mas aí eu tenho que envolver outras áreas, “Por que
será que essa pessoa não comprou? Será que tem algum problema no produto? No design do
produto?” Sei lá...
Entrevistador: Comentários negativos...
Respondente: Comentários e enfim... qualquer coisa...ou a promoção não tá sendo tão atraente,
etc. Eu preciso ver outras áreas. Você entendeu? De repente eu preciso mudar o layout do
produto. Preciso mudar a apresentação do produto. Então, eu tenho que... não adianta só o
marketing chegar e falar “olha, a gente tem que mudar”, não! Você tem que ter um processo de
comunicação adequado pra que prove que realmente isso é um fator importante. Me fez até
lembrar de um case interessante. Eu não lembro se foi a Ford ou a GM, que fez um projeto de
Big Data em cima de um determinado carro deles e assim, eles descobriram que o problema
maior, o maior nível de reclamação que tinha do carro era em função da seta, acho...
Entrevistador: Ford Edge nos Estados Unidos.
Respondente: Nos Estados Unidos, é. Então, aí o cara chegou nessa conclusão legal. Se você
chega pro cara da produção “Olha, putz tem que mexer na seta! ”, o cara fala “Não. Por que
mexer na seta? ” Entendeu? Então, esse tipo de coisa é que eu acho que o processo de
comunicação acaba sendo importante realmente pra...quando há um projeto interdisciplinar,
que você vai envolver vários departamentos da empresa acaba sendo extremamente importante.
Entrevistador: Isso provavelmente através da integração das coisas que eles detectaram isso?
Respondente: Nem foi. Foi através de pesquisa mesmo...
Entrevistador: Pesquisa mesmo?
Respondente: Fez a pesquisa usando o site e ouvindo comentários em redes sociais etc.
83
Entrevistador: E no sentido da comunicação administrativa, você acha que se, por exemplo, a
companhia toda, todos os departamentos se não estiverem focados no mesmo objetivo ou no
objetivo macro da companhia que é entregar um produto de acordo com o que o consumidor
exige e que a gente sabe que ele está querendo, você acha que se a companhia toda não está
focada / integrada nesse objetivo, esse departamento técnico, por exemplo, que resolveria o
problema da seta pudesse de fato “Não. Eu não vou resolver! O que são os dados para me dizer
o que eu tenho que fazer? ”
Respondente: É porque se foi feito daquela forma, tecnicamente talvez tenha sido a forma mais
viável, mas tecnicamente mais viável não é o que o consumidor quer, então se a empresa não
tem esse direcionamento, aí o roteiro é pegar um pouquinho do Data Driven. E isso é o Data
Driven. Os dados dizem a verdade sobre a companhia, então se eu não tenho esse
direcionamento, da empresa como um todo, então um departamento pode olhar e falar “Não!
Isso aqui.... Legal o trabalho que você fez! Muito bacana! Mas eu continuo lá fazendo o meu e
você continua o seu. ” Entendeu?
Respondente: Sim. Eu acho que eu entendo o que você disse a respeito de não ser um
impeditivo, ser um empecilho. O que não quer dizer que não vai acontecer. Por pior que seja a
comunicação interna, não quer dizer que aquilo não vá ser resolvido conforme os dados
apontados, mas pra chegar nessa solução, provavelmente vai ter que ter alguma atitude mais
arbitrária, talvez de uma presidência, de uma direção, de uma diretoria.
Respondente: Ou de um convencimento da empresa que é o que você colocou. Convencimento
da empresa de que temos que tomar as decisões baseadas em dados e se os dados indicam uma
determinada tendência eu tenho que acatar os dados e não qualquer outro...
Entrevistador: Não achismo ou conhecimento do funcionário ou de quem quer que seja?
Respondente: Exatamente.
Entrevistador: E fala um pouquinho do Data Driven Company?
Respondente: Essa, que a gente fala no “mundo cor de rosa”? A empresa não tomar uma única
decisão a não ser baseada em dados? Bem utópico! Extremamente utópico nos nossos dias
atuais!
Entrevistador: Principalmente aqui no Brasil?
84
Respondente: Brasil então nem se fala! Brasil ainda está engatinhando nesse aspecto, mas
assim, a ideia é o quê? É que a empresa se habitue e aí é uma colocação que eu sempre tento
colocar nas cabeças das pessoas, mesmo que assim...a empresa tem que se habituar a tomar
decisões baseada em dados. Por que? E aí a gente tem muita questão para brasileiros, porque
brasileiros, principalmente, acha que tem salvador da pátria. Que o político que vai resolver o
problema do país... É o ministro da justiça que... Então a gente sempre elege um deus e fala que
esse “Deus” que vai resolver o nosso problema, tá certo? Então, a gente transfere isso pra toda
a nossa sociedade, não só na política, mas também dentro das empresas, então a gente olha pra
algumas pessoas e fala “Não! O que aquele cara fala, a gente vai fazer porque o cara tem
experiência... o cara é isso...aquilo” e esse é um problema que impede as empresas de tomar
decisão na realidade, entendeu? Porque se o cara falar “Olha, vamos tirar essa cadeira daqui e
vamos colocar ali” e os meus dados tão dizendo para a cadeira ficar aqui, então pega a cadeira
e põe do outro lado, porque o cara é o cara, então o data driven company é exatamente a empresa
ter essa consciência. Aprender a tomar decisão baseada em dados, porque isso não vai acontecer
do dia pra noite, então começar a confiar nesse tipo de decisão e direcionar a empresa pra tudo!
E quando a gente fala “tudo” é tudo! Não é tudo parcialmente! É tudo, tudo mesmo! Entendeu?
Então o conceito utópico do data driven company é isso, não se toma uma única decisão, não
se cria um único produto, nada a não ser baseado em dados.
Entrevstador: Certo. E você acha que é possível... eu acho que é o utópico como você falou,
mas é possível que todos os departamentos da empresa inteira tenham uma noção da
importância desses dados e, na verdade, eu não sei se é necessário que todos tenham
conhecimento básico a respeito da importância dos dados, mas talvez eles saberem aonde eles
tem que jogar os dados deles pelo menos? Eles saberem que aquilo é importante pra companhia?
Eles não precisam entender o que é aquilo, mas eles precisam entender que aquilo é importante
para a companhia?
Respondente: Eu vou te responder dando um exemplo. Singapura mapeou tudo com essas
etiquetinhas de IoT (Internet das Coisas) basicamente… Todos os prédios, todas as ruas, com
os materiais que foram usados, tudo! Colocou isso num banco de dados gigantesco e essas
etiquetinhas que estão espalhadas, também por toda a região, coletando informação de
temperatura, da pressão, vento... tudo! Sabe o que eles fazem com esses dados que eles coletam?
Entrevistador: Não.
85
Respondente: Eles entregam para os estudantes do ensino médio fazerem análises. Essa é a
questão!
Entrevistador: Criando a cultura já...
Respondente: Porque o grande problema, aí já respondendo a sua pergunta, o grande problema
que a gente tem hoje é que as pessoas não têm cultura de tomar decisões baseadas em dados.
Não tem essa cultura! Então é difícil você colocar isso nas cabeças das pessoas. Por que? Porque
elas não foram criadas com essa cultura. E daqui a 15 anos quando esses jovens já tiverem
tomando decisões nas empresas, possivelmente, vai ser uma coisa natural porque eles estão
acostumados a analisar dados desde muito cedo.
Entrevistador: E você como profissional da área, você tem...você deve ter alguns casos
frequentes de clientes aqui no Brasil? Existem? Mesmo tendo o serviço, tendo a ferramenta a
qualquer hora ou a todo momento, ainda resistem a tomar dados baseados 100% nos dados?
Respondente: Isso é que mais acontece. Eu ainda vou nas empresas pra convencê-las a utilizar
os dados.
Entrevistador: Mesmo já sendo contratado?
Respondente: Mesmo já sendo contratado, entendeu? O cara tem lá um monte de dados “Meu,
vamos usar isso pra você tomar decisão! Não olhando pro passado. Vamos fazer previsão, né?”
Aí eu conto um monte de cases, eu mostro. Alguns a gente conseguiu já emplacar aqui em
clientes nossos. Aí você vai lá, mostra “Meu, olha o resultado que o cara tá tendo...” - “Ah, mas
eu acho que isso não é pra mim não! ” Demora, entendeu? Aí eu chego pro cara e falo “Vamos
fazer o seguinte? Me dá aqui uma massinha de dados sua, descaracteriza tal...vamos fazer? Eu
vou fazer pra você de graça só pra você ver o que acontece. ” Hoje mesmo eu vim de um cliente
que ele me deu uma massa de dados e era pra calcular a probabilidade de um cliente abandonar
o plano... na hora que eu mostrei.... É plano de saúde né, então o cara vai lá e abandona o plano
dele. O cara olhou e falou assim... o nível de acerto superou os 90%. O cara olhou e falou “Não!
Não acredito! ” E “Como assim? Como você conseguiu isso? Tal...” E aí eu fui, mostrei, olha,
veja, fiz três algoritmos diferentes... “Tá vendo como eles se comportam diferente? Tá vendo
como a situação de um e de outro varia? Então vamos por esse caminho? ” Aí o cara começou
a se convencer de que isso pode ser uma coisa interessante. Por que? Porque vai reduzir a
sangria de clientes que ele tem hoje em dia.
86
Entrevistador: Mas não colocou em prática ainda? Não fez análises? Não tomou decisões em
cima disso?
Respondente: Não.
Entrevistador: Normalmente dos serviços que vocês prestam, existe algum projeto com
margem de erro de 50%?
Respondente: Então, a gente trabalha muito né, tem um case que a gente desenvolveu e esse
foi um case bem interessante até que ele alcançou logo de cara 90% de acerto né? E a gente fez
um acompanhamento de um mês só. Uma campanha de 15 dias cada campanha. A gente
acompanhou duas campanhas e o nível de acerto continua em 90% e aí você começa a ver
resultado né? Você começa a ter um aumento de venda e o cara começa a ver que isso dá
resultado. Só que ao longo do tempo você precisa atualizar esses caras né? Esses algoritmos.
Precisa manter os algoritmos atualizados. E aí o nível de assertividade foi caindo. Hoje tá em
70/75%. Ainda assim é bom.
Entrevistador: Mas por opção do cliente de não atualizar?
Respondente: Exato. Porque ele acha que se tá lá.... “É isso! Não tem que fazer mais nada, tá
aqui.”
Entrevistador: “Em equipe que ganha, não se mexe.”
Respondente: É. Principalmente assim...e aí que eu falo da questão da “cultura dourada”. O
cara como não é acostumado a tomar decisão dessa maneira, ele acha que é que nem uma
fórmula matemática, eu fiz essa fórmula matemática e ela sempre é válida. Não precisa ficar
mudando! E aí você tem que ir convencer... “Eu queria mostrar, tal, e a gente tá mostrando
“Olha, tá vendo como o nível de assertividade vem caindo? Precisa manter isso atualizado. A
gente precisa trabalhar em cima disso.”. Então é assim que você cria cultura do dado.
Entrevistador: Mas você tem uma margem de erro.... Você já tem uma previsão dessa margem
de erro? Ou isso vai ser visto depois de implementada a decisão... depois que vocês vão aferir
se essa margem de erro realmente tá certa?
Respondente: É.
Entrevistador: Qual que é o mínimo de margem aceitável para se iniciar um projeto?
87
Respondente: Estatisticamente, e os estatísticos é quem falam, que até 50% é chute, né? Acima
de 50% já é um modelo aceitável. É um modelo que tá melhor do que o chute né? O mercado,
ele trabalha com taxas acima de 75%. 75% dá pra você trabalhar. Dá pra você ter os insights
necessários mesmo pra você poder tomar uma decisão.
Entrevistador: Legal. Em relação aos departamentos. Existe, na sua concepção, algum
departamento ou algum profissional de alguma área mais especificamente que tem uma maior
resistência a ceder aos dados? Ou o povo de comunicação normalmente é mais adepto a isso?
Se entregam mais facilmente?
Respondente: Se entregam. Entregam mais facilmente. Sem dúvida! Sem dúvida, porque você
tem um objetivo claro pra atingir. O grande problema dos dados é que quem tem o dado tem o
poder. Esse é o grande problema! E você pega uma situação que nem a gente vive hoje no Brasil
que tá todo mundo com medo de perder o emprego, então é óbvio que as pessoas ficam mais
resistentes, porque diz “o quê que eu vim fazer aqui? Pegando um monte de dado? Peraí! O
quê que é isso? Isso aqui é meu! Eu que faço essa análise! ” Entendeu? Então as pessoas têm
muito medo, ainda! Isso é...
Entrevistador: “Aqui os dados do teu departamento”, por exemplo? Do departamento dele
achando que eles vão usar os dados que são seus, que na verdade são da companhia, mas ele
vai achar que os dados são deles e “quem é o cara do marketing ou do financeiro para querer
usar os meus dados da logística... pra tomar uma decisão sobre logística”... ou, às vezes, nem é
sobre logística que ele vai tomar decisão.
Respondente: Exatamente.
Entrevistador: Ele vai corroborar com outros dados? É interessante essa análise! É bem
cultural isso mesmo?
Respondente: É muito cultural! As pessoas têm medo. Tem medo. Muito medo.
Entrevistador: E...vamos lá.... Já que você já detectou isso e, o meu projeto, pelo menos, é
focado em comunicação. Como que o departamento de comunicação você acha deve atuar para
que todos os departamentos se entreguem mais facilmente aos dados para que os dados fluam
com os tomadores de decisão?
Respondente: É difícil! (Risos). É difícil porque é um problema cultural, então eu diria pra
você o seguinte, qualquer iniciativa nesse sentido, ao meu ver, ela tem que ser criada com o
88
princípio da gestão do conhecimento, conhecimento da empresa é da empresa, como você
colocou, tem que permanecer na empresa e tem que ter uma forma de manter isso. Não só
manter como comunicar, mas deixar livre... deixar livre, não, mas a disposição pra se tomar
decisão com eles, então eu atrelaria muito essa questão da gestão do conhecimento, ou seja, a
empresa ter essa visão e essa cultura e a partir daí criar realmente um plano de estratégia pra
que isso seja.. .enfim...
Entrevistador: Tem que vir de cima pra baixo, obviamente...
Respondente: Sem dúvida...
Entrevistador: Como esse pacote de dados deve chegar até o analista? Seja ele do
departamento de comunicação, seja ele do departamento... Como ele tem que chegar até esse
analista? Talvez essa pergunta... caiba uma pergunta anterior, quem que é esse cara?
Respondente: Isso que eu ia comentar... Eu acho que ali o perfil é muito do tal do cientista de
dados né? É esse o perfil! O quê que acontece com esse cientista de dados? Como o caráter dele
é científico, então é um cara que é curioso, é um cara que vai procurar as coisas, que entende
relativamente bem do negócio e ele tem que ser um cara fuçador que vai tentar... essa é a grande
sacada, né? Uma vez que ele tenha os dados, ele tem que ter a liberdade pra poder fazer isso,
então muitas vezes o que a gente fala? Colocar todos os dados a disposição de uma pessoa e aí?
O que essa pessoa pode fazer com isso? É uma preocupação! Mas se ele não tiver os dados ele
não vai conseguir achar os insights. Ele não vai conseguir achar as correlações. Não vai
conseguir, entendeu? Vincular uma coisa com outra.
Entrevistador: Sei. Pode fazer análises comprometidas por não ter o todo? Ter a visão do todo?
Respondente: E aí é a visão do negócio. O entendimento. Isso tudo é necessário, por isso que
eu colocaria pra você o seguinte, primeiro é uma função nova, relativamente nova que é o
cientista de dados, perfil estatístico com perfil científico de busca, de testar hipótese, trabalho
científico normal, mas que ele tem que vir acompanhado das ferramentas de Big Data.
Ferramentas que vão ajudar o cara a achar as respostas.
Entrevistador: Então esse profissional, ele precisa ter um mix de habilidades... uma noção de
estatística, pelo menos uma noção?
Respondente: Pelo menos!
89
Entrevistador: Ele não precisa ser um profundo conhecedor, mas precisa de uma noção de
estatística, uma boa noção e uma grande noção do negócio da empresa, muito conhecimento do
negócio da empresa e também talvez uma noção, tanto quanto ele tem de estatística, precisa ter
de análise desses dados, de mexer nas ferramentas?
Respondente: Exatamente. De caráter científico mesmo. De fazer as hipóteses, testar as
hipóteses, achar a correlação entre as variáveis, entendeu? Então é uma coisa científica!
Entrevistador: Mas esse profissional pode ser uma equipe que cada um tenha mais evidente
uma habilidade ou o ideal é que seja uma pessoa?
Respondente: Não. Pode ser com equipe, sim. Pode ser composto, sim. Pode ser composto. É
que hoje é meio...
Entrevistador: Quase impossível achar um profissional?
Respondente: Difícil achar um, imagina uma equipe! Então, fica mais difícil, mas assim de
qualquer forma, o que a gente sempre coloca, muitas vezes, a gente vê muito isso na literatura
Big Data lá fora, o cientista de dados, muitas vezes ele tá dentro da própria empresa! É um cara
que entende muito bem do negócio, porque tem que entender do negócio, não tem jeito, e que
você vai ter que dá um treinamentozinho nas ferramentas de Big Data e na parte de estatística,
se ele não tiver essa base ele vai ter que ter. Não precisa ser um matemático, um cara ultra,
hiper especializado em estatística, porque você vai ter um monte de algoritmos prontos. Aí
precisa ter as noções de que algoritmos usar e em quais situações, entendeu? E aí ele vai
testando... vai... põe um, põe outro, põe outro. Já falei, eu apresentei pro meu cliente lá, três
algoritmos de uma mesma família, um deles se comportou melhor. Pega um estatístico mesmo
pra fazer isso, o cara podia desenvolver uma fórmula que desse 95% de acerto, mas quanto vai
custar e quanto isso vai trazer de resultado positivo pra empresa? Pago o preço, legal! Se eu
aumento de 90 pra 95(%) qual o resultado disso? O quê que isso vai melhorar pra você?
Entrevistador: Esses algoritmos normalmente você encontra pronto, né? Gratuitos!
Respondente: Gratuitos. Hoje é pronto e gratuito. A grande vantagem é essa.
Entrevistador: A gente falou do analista, mas não necessariamente esse cara é o tomador de
decisão?
Respondente: Não. Normalmente, não.
90
Entrevistador: Como é que esse pacote depois de analisado ele tem que chegar até o tomador
de decisão?
Respondente: Então, porque é assim, existe um método né pra você...que o seu objetivo é
tomar decisão, mas você tem um método pra chegar lá, então primeiro você deve ter um
problema de negócio bem interessante e definido e que vai te dar retorno. Isso é muito
importante! Por isso que eu falo que o marketing puxa né, o marketing é legal porque “eu vou
vender mais x% se... ” Então aí você codifica e você dá o retorno! Então você tendo um
problema de negócio bem claro e definido e que vai selecionar lá suas variáveis, então coloca
tudo dentro de suas variáveis, gera os insights, aplica lá o modelo matemático, gera os insights
e a partir desses insights você toma uma decisão. Então esse é o plano completo, né? Então o
analista vai o quê? Vai dar...ele nem define o problema do negócio muitas vezes, ele vai receber
uma definição “olha, eu preciso disso” Legal! Aí o quê que eu vou fazer? Eu vou lá, o cara
começa a garimpar os dados, ele seleciona os dados, ele já vem com o modelo matemático, ele
vai ver qual é o nível de assertividade né, que você tá alcançando e ele falou “olha, gerei esses
insights” aí vai tomar a decisão e tem que pegar esses insights e saber o que fazer com eles.
Entrevistador: Você falou rapidamente aí uma questão que eu já ia introduzir aqui sobre
autonomia. Departamento responsável pelo projeto ou outro profissional ali responsável pelo
projeto, você acha que deve haver total autonomia no acesso desses dados?
Respondente: Se você não tiver, você vai matar uma parte do trabalho. Por isso que você tem
o conceito do “analytcs sandbox” hoje, a caixa de areia analítica, o quê que significa isso? Pra
que esse cientista de dados que tá fazendo um monte de teste, testando um monte de hipótese,
vendo se uma coisa funciona ou não funciona, pra que ele não prejudique o restante das análises
da empresa ele trabalha num ambiente apartado, trabalha numa caixa de areia, absolutamente
isolado do resto dos dados da empresa, entendeu?
Entrevistador: Do todo?
Respondente: Tem que ter acesso!
Entrevistador: É só um espelhamento do que existe lá, caso ele cometa alguma falha, não
comprometerá o todo?
Respondente: Exatamente, mas ele tem que ter acesso, porque você nunca sabe o que uma
coisa influencia na outra, né? Então esse é o problema, se ele não tem acesso... vou falar de
novo do caso da Ford lá, usando uma bem absurda.... Você não detectou que tem um problema
91
com a seta, mas se ele não conhecer o produto, se ele não tem acesso as características do
produto que é outro departamento, como é que ele vai saber a decisão que tem que ser tomada
ou ele, eventualmente, vai até achar que o problema do carro é a seta. Você entendeu? Porque
ele conhece uma parte, mas não conhece tudo! Por isso que a gente fala, o cientista de dados
ele acaba tendo que ter uma visão mais ampla disso. Acaba tendo acesso aos dados pra poder
fazer os testes dele.
Entrevistador: Entendi. Você já falou como deve ser o planejamento de comunicação interna
administrativa pro uso da ferramenta pra tomar decisões. Que tem que ter um planejamento
estratégico interno pra que exista um mínimo de cultura voltada aos dados, né? O perfil do
profissional a gente acabou de falar também e tem aquela celebre frase de que “Big Data não
deve ser um projeto de TI”.
Respondente: É. Não pode! (Risos). Não pode porque não é TI. TI tem que cuidar da infra;
tem que dar acesso aos dados; criar caixa de areia analítica pro cara trabalhar; as ferramentas
do Big Data e eventualmente preparar tudo bonitinho pro cara ir lá, usar e tomar decisão. Mas
é assim, Big Data é um direito da área do negócio. Por que? Porque se você não tiver um
objetivo claro do negócio com retorno previsto pra aquilo que você tá fazendo...não serve de
absolutamente nada! Hoje, de novo, eu tava falando com o cliente e aí eu falei pra ele “legal”,
não foi nem hoje, foi ontem. Eu tava num cliente, aí eu cheguei e falei “Legal! Quem vai pagar
essa conta? ” A gente vai fazer um projeto bem bonito, legal, tá! Quem vai pagar essa conta?
Não tinha nem Big Data envolvida, só de análise (? 38:58). Quem vai pagar essa conta? “Ah,
olha vai ser o fulano! ” Falei “Tá legal! Como é que eu convenço esse cara a pagar essa conta?
” – “É, veja bem, mas vai ser uma coisa, um diferencial interessante! ” Falei “Isso não vende
programa! Isso vende pra você que é técnico, né? Um diferencial! Uma coisa bacana! Nossa,
tá atualizado! Moderno, tal ”. Isso é pro pessoal técnico. O cara de negócio quer saber quanto
ele vai ganhar! Quanto ele vai trazer de retorno! “O quê que a gente vai oferecer pro cara? ” Aí
começou a mudar completamente o objetivo do projeto, você entendeu? Então eu vou dizer
“Peraí! ” Já que é área jurídica e eles queriam ver o impacto que tem uma rescisão e a gente
tentar prever o valor né que uma rescisão poderia gerar de prejuízo pra companhia em função
disso. Eu falei “Legal! O que você vai fazer com isso? ” “Você identificou um funcionário que
vai mover uma ação contra a empresa, que vai ganhar um monte de dinheiro, o que você vai
fazer? Você vai mandar o cara embora antes? ”
Entrevistador: Rescisão, né? Descobriu...
92
Respondente: Descobriu! O quê que eu faço com isso? Você entendeu? Ai falou “Ai...é...veja
bem...” Começou gaguejar...e começou a gaguejar aí cara...aí não dá! Legal, então, você tem
que ter uma ação relacionada a isso, porque se não é lindo, maravilhoso, tecnicamente perfeito...
“olha eu previ que o cara ia mover a ação! Viu? Moveu mesmo a ação! ” E daí? O que que eu
fiz pra impedir? O que eu fiz pra diminuir o risco da empresa? O quê que a empresa ganhou
com isso?
Entrevistador: E daí eu acho que os dados já não servem mais, a gente pode dizer isso?
Respondente: Já era, né? Já passou! Já passou, não adianta!
Entrevistador: Mesmo que não tenha passado, tá lá, ele sabe que vai acontecer, a chance é
gigantesca de acontecer, mas e aí?
Respondente: Se você não interfere no processo...
Entrevistador: Já que os dados não podem tomar decisão por você, né?
Respondente: O dado nunca vai modificar nada, né? Ele só tá antecipando pra você o que vai
acontecer, então...
Entrevistador: Uma pergunta a ser feita nesse projeto não seria “Qual é a chance de eu tomar,
ter prejuízo com rescisões ou processos em geral, mas, sim, “O que eu estou fazendo de errado
que vai me levar a tomar esses processos?”
Respondente: Exatamente. Aí você pode ver que você muda completamente a pergunta,
entendeu? Daí ela foi mais ou menos pra esse lado. Ela falou “a gente sabe, por exemplo, que
tem uma função lá no centro-oeste que sempre dá problema! ” Tá! Então vamos tentar
identificar o porquê desse problema, tentar fazer uma previsão em cima disso e modificando
essas questões o que vai acontecer lá na frente. Mas assim, quanto que isso...e aí a gente volta
na questão que isso pode ser legal “quanto que isso representa de risco pra empresa hoje? ”
Dinheiro! Quanto você perdeu em ações trabalhistas por causa disso? Por que se você perdeu
cinco mil nos últimos dez anos, cara...não interfere em absolutamente nada! Pra quê o cara quer
saber disso? “Não. Não. Isso aí.... Vamos medir. ” Ok. Vamos medir. Já tá começando a falar
a minha língua, entendeu?
Entrevistador: Esse é um caso interessante que cabe muito bem aqui na questão da
comunicação administrativa. Porque se, por exemplo, o departamento financeiro quer reduzir
custos da empresa e ele detectou que um desses grandes custos da empresa são rescisões /
93
processos trabalhistas e por aí vai, relacionados diretamente ao jurídico. Só que se ele não tem
essas informações que vem do jurídico que vão falar com alguma função que traz muito
problema é aquela lá alocada no Nordeste...
Respondente: É.
Entrevistador: A comunicação cortou isso! Se o financeiro não tem contato com o jurídico...
não tem essa ligação... não adianta de nada! Tem que ter o problema de fato! Tem que saber
qual pergunta fazer de fato?
Respondente: Com certeza! Com certeza!
Entrevistador: Interessante! E há algum departamento indispensável para que o projeto flua?
Respondente: Eu acho que o financeiro, porque ele que vai pagar a conta!! (Risos). Sem o
financeiro nada roda! Você tem que sempre convencer o cara! Mas assim...não, agora sério, eu
acho que não tem um departamento, né, porque realmente de fato quem vai barrar é o financeiro,
se alguém for barrar é o financeiro! Por que? Porque você não calculou o retorno do
investimento que você vai fazer, o cara fala “Ô meu, não dá pra ficar investindo sem ter retorno,
então fechou! ” Você vai precisar da TI pra fornecer a infra, não tem jeito! E depois é o próprio
departamento demandante, entendeu? E esse não tem como fugir.
Entrevistador: Mas hoje, por exemplo, a sua empresa, que é aonde você trabalha, ela
possibilita uma infra aonde você não precisa necessariamente ter uma implementação tão bruta
de tecnologia dentro do contratante para se aplicar um projeto de Big Data?
Respondente: Sim. Hoje você tem muito dessas coisas em cloud, então o quê que acontece, eu
não preciso comprar a infra, eu posso alugar a infra, mas de qualquer jeito é uma decisão de
grana! E que a TI acaba sendo envolvida né? Por que quem vai controlar o contrato de cloud?
Quem garante a CLA? Você entendeu? É tudo...o pessoal de TI acaba sendo envolvido...
Entrevistador: As conexões iniciais pelo menos e a manutenção disso, né?
Respondente: TI acaba sendo importante porque fornece a infra, só isso! Quer dizer, só isso
não, é bastante né?!
Entrevistador: É. E o quê que é a governança de dados?
Respondente: Ai é pesado, hein! (Risos) “Vamo embora! ” Governança de dados, em poucas
palavras também. É basicamente a rastreabilidade que você tem sobre os seus dados. Todo dado
94
que circula pela organização ele tem que ser objeto de uma política pra entender o dado como
um todo, tanto que o princípio da governança de dados ele é metadados, ou seja, a própria
explicação do dados, o dado do dado. A centralização dos cadastros gerais da empresa que
chama de massive data e toda questão atrelada a segurança.
Entrevistador: Massive data seria um datacenter ou não?
Entrevistado: Não. Seriam as tabelas principais, por exemplo, as informações que são comuns
a toda a empresa devem tá num repositório único. Imagina o seguinte, cliente, todo mundo na
empresa praticamente utiliza informação de cliente, então eu não posso ter uma tabela de cliente
no ERP e outra no CRM, tem que ser a única pra que os dois enxerguem o mesmo dado,
produto...e aí tem né, aqueles principais repositórios de dados que você acaba tendo que ter.
Pra quê que você faz isso? Porque se você utilizar qualquer dado da empresa, você tem que
saber primeiro né, se você tem o direito de acesso, de ler aquele dado, de utilizar aquele dado;
a origem daquele dado, se ele vem de um sistema transacional ou se ele foi derivado de outras
operações da empresa e isso é importante né, quando você fala de Sox dos Estados Unidos e
Basileia que é da Europa, que são políticas que você tem que ter do dado por causa,
principalmente, da publicação de balanço, comunicação com investidores etc. Por que? Porque
se você apresentou um resultado ali, você tem que ser capaz de rastrear o dado até a sua origem,
a sua fonte, saber por tudo que ele passou. Então por isso que a gente coloca em linhas gerais
que governança de dados nada mais é do que você ter o controle absoluto sobre todo módulo
que trafega na empresa. Desde a entrada até a hora que você disponibiliza isso por qualquer
motivo, seja pra investidores ou pra governo, qualquer coisa do tipo.
Entrevistador: Como num experimento científico, por exemplo, não adianta você dizer que
chegou naquele resultado, tem que mostrar como chegou, por onde chegou.
Respondente: Exatamente.
Entrevistador: Ok. Isso envolve a questão de ética também... o uso desses dados. No meu
projeto não ia abordar esse tema, mas será necessário.
Respondente: Agora você vai ter que fazer uma dissertação só disso! Só da ética, só!
Entrevistador: Foi exatamente o que eu aleguei e meu orientador também alegou... E o projeto
não é voltado pra isso! A gente não está tratando sobre ética! A gente tá tratando sobre as
tomadas de decisão em prol da companhia, de aumentar lucros ou o quer que seja, mas na sua
opinião até onde o uso dos dados é justificável nas tomadas de decisões?
95
Respondente: Do ponto de vista ético?
Entrevistador: É.
Respondente: Complicado! Porque assim...
Entrevistador: Porque ética cada um entende de uma forma...não existe nenhuma lei, né?
Respondente: A grande questão né, que a gente tem a preocupação da ética...isso que você
falou é a pura verdade, a ética evolui ao longo do tempo, ela não é uma coisa estática! Ela tá
muito atrelada a cultura, né? Então o que é ético pra um cara que mora lá em Israel ou no Iraque,
é diferente da nossa, né? Do nosso conceito de ética! Então varia muito de lugar pra lugar, varia
muito em função do tempo e esse negócio de lugar pra lugar é uma questão cultural, acho que
volta sempre pro problema cultural, né? Então a ética é um problema cultural. O que hoje muitas
vezes você pode olhar e falar assim “ah, mas isso não é um problema! ” Se eu for pegar os
dados de um paciente e vou analisar se o procedimento médico sugerido pra aquele paciente
está ou não adequado para aquele padrão de doença ou de diagnóstico, você fala “ah, isso não
tem nada demais! ” Eu tô querendo simplesmente saber se o médico fez...olha que coisa bonita,
se o médico fez o procedimento correto para aquele tipo de análise. Legal né? Só que se eu usar
esse dado de uma maneira não ética eu posso identificar um determinado problema,
determinada doença daquele paciente e impedir, por exemplo, ele renovar o plano de saúde!
Deixou de ser ético, mas o dado é o mesmo. Então esse é o grande problema, a utilização dos
dados... e tem umas empresas que trabalham com integração de dados, lembra? Eu falei um
pouquinho sobre isso, data hubs, que hoje em dia tem bastante! Eu tenho um cliente que
trabalha com isso e ele falou assim...uma das coisas que ele falou é que agora tudo passa pela
tal da governança. Tudo! Nenhum dado fica disponibilizado da forma como é, porque daí eles
vão descaracterizar etc. né, pra não identificar as pessoas. Então eles criaram um código de
ética interno e, estão né, ainda evoluindo nesse código de ética pra que a pessoa não use de
maneira inadequada o dado, porque eles são integradores. Eles pegam dados de tudo quanto é
lugar!
Entrevistador: Nada garante que...
Respondente: Nada garante!
Entrevistador: Que ele não vá usar!
96
Respondente: A menos que ele tenha um processo muito bem definido desde a entrada do
dado, realmente pode descaracterizar. Você entendeu? Se ele conseguir descaracterizar aqui em
última instância, se você tirar nome, cpf...beleza! Você já tá descaracterizando já! Já vai ser
difícil de você achar quem é a pessoa, mas também você tem o outro lado, se você tirar o nome,
cpf etc como é que eu vou saber o que o cara tá falando na rede social de mim? E se isso tem a
ver com o problema da minha empresa? Você entendeu?
97
Apêndice II - Transcrição da entrevista com o respondente B
Entrevistador: O tema do projeto é a comunicação administrativa como elemento contributivo
ou não pra projetos que envolvam o Big Data. Então é quanto a comunicação corporativa
administrativa interna colabora ou não colabora pra que um projeto que envolva Big Data vá
adiante. Que tenha sucesso ou não tenha sucesso.
Respondente: Perfeito.
Entrevistador: Qual é seu cargo?
Respondente: Eu sou coordenador de soluções digitais da empresa.
Entrevistador: Hum. Interessante. Já existia esse departamento ou é novo?
Respondente: Não. Foi criado. Eu tava num time internacional, eu era responsável por uma
plataforma de CRM global e aí eu fui convidado pra ficar responsável...faz um seis meses já
mais ou menos que a gente criou essa área aqui dentro da empresa.
Entrevistador: Hum Hum. Legal. Bacana isso.
Respondente: Sim. Sim. É uma visão bem diferente!
Entrevistador: E já vou começar botando a entrevista de ponta cabeça aqui. Já que você me
deu essa brecha aí. Por que que surgiu essa necessidade? Desse departamento?
Respondente: Então o que acontece muito aqui é...a empresa identificou que a gente tem muito
TI convencional, a área muito voltada pra infra e até muito pra ERP aqui e, atualmente, a
empresa usa muito SAP por exemplo e ela acaba engessando muito toda estrutura de
desenvolvimento que é diferente de toda aquela política de como você criar, o que você tem
que fazer, as regras etc. e quando você entra pra esse universo digital... e digital as pessoas às
vezes confundem com Facebook etc... mas é o digital de infra mesmo como Soluções F, Big
Data, BI, etc. etc. Todos esses tipos de soluções que não estão voltadas a um ERP acabam tendo
uma dificuldade de implementação. Era muito demorado qualquer tipo de desenvolvimento
disso. Com isso o que que aconteceu? Veio um diretor novo aqui, um presidente novo pra
empresa e ele trouxe esse conceito de agilidade realmente, então ele indicou um time específico
pra esse tipo de desenvolvimento, então existia uma séria dificuldade de desenvolvimentos, de
integrações aqui dentro por exemplo, plataformas que não fossem SAP, então até mesmo com
o próprio SAP a gente conseguiu quebrar esse paradigma. Integrações que demoravam quatro
98
anos pra conseguir, hoje a gente consegue entregar em três meses. Então foi esse o conceito que
ele pediu pra equipe.
Entrevistador: Legal. E qual que é a sua formação?
Respondente: Eu sou formado em Comunicação Social com ênfase em Publicidade e
Propaganda e aí eu me especializei bastante na área de CRM há uns sete anos atrás, então eu
fiz umas especializações em CRM, virei desenvolvedor de Sales Force que é uma plataforma e
aí depois fiz alguns cursos de programação, Java essas coisas e aí hoje acabei englobando toda
essa parte de TI, digital.
Entrevistador: Legal. Legal. A gente tem visto isso...cada vez nais... é um questionamento
cada vez mais comum, né? Eu fiz um curso de Big Data, não sei se você já ouviu falar, com o
Celso Poderoso. Ele é professor de tecnologia da FIAP e ele é diretor da Microstrategy.
Respondente: É. A gente usa ela aqui.
Entrevistador: Ah, vocês usam?
Respondente: É. Usa aqui. É uma das soluções que eu trabalho.
Entrevistador: Legal. Então tá tudo em casa. Ele comentou e ele comenta muito isso no curso,
desse perfil do profissional que no Brasil é muito difícil, no mundo inteiro, mas principalmente
no Brasil é muito difícil você ter esse cara que tem essa visão dos dois mundos. O cara que tem
o pé no business que normalmente tá encabeçado pelos executivos do marketing ou da
comunicação ou do comercial e o cara que tem uma visão de tecnologia, de programação, que
consiga enxergar os dados não só com o viés de business... é o tal do cientista de dados, né, que
a gente fala que praticamente ele não existe, então eu acho que a gente tá chegando aí... tá
moldando um novo profissional...que a gente pode dizer de comunicação e de TI, né?
Respondente: Sim. É quase isso mesmo. (Risos)
Entrevistador: Pra você aí dentro da tua empresa especificamente, qual que é a importância
do departamento de comunicação ou marketing nos projetos aí que envolvam Big Data?
Respondente: Olha, o quê que acontece.... Hoje a gente tem toda uma estruturação... até o que
a gente tá visando com o Big Data principalmente, tá iniciando... a parte que é até mais comum,
a parte fabril da coisa, né? Então a gente tá tentando trazer inicialmente as partes de
entendimento fabril e a parte, também, de clientes com informações pra mercado mesmo. O
quê que muda você começar a ter um Big Data? Primeiro ponto que eu acho importante da
99
comunicação é entender a importância desses dados. Eu acho que o conceito inicial de tudo pra
qualquer ferramenta e o pro Big Data muito mais ainda, é o quanto é importante você gerar
aquelas informações e que aquelas informações estejam corretas. Eu acho que como em
qualquer sistema a gente tem muito histórico que não vale ou coisas que não são atualizadas e
o que faz essa coisa se movimentar realmente é o tipo de comunicação que você faz. Claro,
você tem alguns caminhos que já foram testados. A gente já teve aquele caminho topdown que
era “ou você faz ou você faz” que nunca funcionou e o cara nunca via valor agregado àquilo e
a partir do momento que você faz um tipo de comunicação aonde uma área dedicada tem uma
linguagem mais usual pra aquele tipo de perfil e explique qual que é a necessidade dele ou
como que ele vai poder utilizar ou quais que são os benefícios que aquilo pode trazer pra ele
ou pro cliente ou para o mercado, o que for, começa a auxiliar. Então o que a gente tenta recorrer
hoje não é nem falar diretamente sobre o assunto, claro a gente tem que especificar um pouco
qual que é a dimensão, qual que é a tecnologia, mas se a gente...depende das áreas, pelo menos
aqui na minha empresa existem pessoas de perfis que tem 70 anos e tem outros mais jovens,
então você começa a ter uma variação muito grande. Então o tipo de comunicação que tá sendo
atuado pra especificar esses assuntos, são muito mais direcionados no que ele vai conseguir e
isso começa a trazer um retorno maior do que realmente só falar do “tecnês” do que só espirrar
o assunto “o Big Data é isso, você vai ver isso, você vai ter bilhões de dados, você vai pegar
análise”, os caras não acabam entendo o benefício que isso acaba tendo e quem traz essa história
mais forte pra eles é o marketing.
Entrevistador: Poxa. Legal. Então vocês tiveram meio que readequar a forma de se comunicar
internamente aí pra que as pessoas entendam o valor da ferramenta, certo?
Respondente: Sim. Sim. Com certeza. O que mais é puxado hoje...isso é um exercício contínuo.
Não adianta a gente falar que a gente já chegou num melhor que não é verdade. Isso é um
exercício contínuo que cada vez mais a gente tem que ver o quanto isso está sendo aceito. O
que a gente pode fazer pra melhorar isso? Escutar muito eles também, a gente faz alguns
eventos, alguns encontros que a gente escuta um pouco deles sobre o que eles entendem, o que
eles tão entendendo sobre isso pra gente reeducar. É uma mudança cultural muito forte. São
pessoas que não sabiam nem o que era computador, nunca precisaram trabalhar com
computador e hoje há a necessidade do cara tá fazendo tudo num smartphone, trazendo
informação, jogando e tendo dados automáticos, é uma mudança muito forte pra eles.
100
Entrevistador: Mas como é que esse pacote de dados chega, por exemplo, até o teu
departamento?
Respondente: Então, a gente tem algumas ferramentas que a gente utiliza. A principal solução
que hoje eles usam pra coletar esse tipo de dado, hoje a gente utiliza muito ou...vamos dizer
assim, se dá com a parte comercial, então com a parte do CRM mesmo, daí a gente usa a
plataforma pra coletar essa introdução de dados e depois jogar para a parte do Big Data e ter
todos os dados aglomerados. Então a gente tenta facilitar eles com tipos de soluções, então a
gente cria, por exemplo, um aplicativo, às vezes, a gente tá desenvolvendo alguns aplicativos
que permitam ele ter um acesso rápido a coletar um tipo de informação que é necessário pra
alguma coisa de marketing ou alguma coisa sobre o cliente ou oportunidade ou o que for através
de ferramenta. A gente não tenta simplesmente focar e falar assim “Alguém que tenha esse
formulário, preencha e faz! ” Não! A gente tenta recorrer a alternativas que simplifiquem essa
forma de captação pra eles.
Entrevistador: Então, normalmente vocês... não necessariamente o cara precisa ir lá, preencher
um relatório específico pra essa finalidade de dados. É um relatório que ele já faria
normalmente só que tem uma tecnologia embutida que vai trazer os dados que interessam pra
você desse departamento, certo?
Respondente: Exatamente. Exatamente.
Entrevistador: Legal, porque encaixa perfeitamente com aquilo que você falou. Não é,
necessariamente, chegar pro cara e entender o que é Big Data, não! Continuar fazendo o
trabalho dele normalmente só que ele vai ter ferramentas ao entorno que vão ajudar no trabalho
dele e que automaticamente vai alimentar vocês aí que vão fazer a análise e as tomadas de
decisões, certo?
Respondente: Exatamente.
Entrevistador: Legal, e cada departamento tem uma tecnologia específica de aplicação por
exemplo, aplicativos ou existe uma comum?
Respondente: É, hoje o próprio Sales Force ele virou uma plataforma de desenvolvimento,
então eu não vou falar pra você que tá 100% lá, mas a grande maioria...a gente tem áreas
financeiras utilizando processos lá dentro que coletam esses dados, várias...de compras,
diversos departamentos que estão envolvidos dentro do processo, onde a gente consegue coletar
esses dados necessários, mas em casos específicos, às vezes a gente recorre a algumas
101
alternativas paralelas, mas a grande maioria, acaba sendo centralizada na plataforma Sales
Force o resto a gente desenvolve outras coisas pra tentar atender alguma coisa específica.
Entrevistador: Legal. Legal. E você acha que hoje a companhia de vocês tá...a gente pode
dizer que a companhia tá dentro do data-driven company lá? Que é uma companhia voltada pra
cultura dos dados ou não necessariamente?
Respondente: Eu acho que ainda não. Eu acho que ainda falta...a gente tá caminhando pra
tentar chegar e realmente começar dar valor pros dados que a gente tem ou começar a dar valor
para gerar dados e conseguir ter resultados, mas ainda é um trabalho longo assim. Já vem
trabalhando nesses projetos e cada vez melhorando mais intensamente há cinco anos e agora
com essa nova área tentando achar uma solução mais ágil pra isso, mas ainda é uma jornada,
eu acredito, de algum tempo, porque acho que os principais impactos que você tem sobre isso
é, indiferente do ser fato de gerar dados, você também precisa ter pessoas preparadas pra fazer
a análise, que daí eu acho que a segunda etapa da coisa, então hoje eu acho que a gente tá na
fase de criar e depois a gente vai começar realmente a criar a fase do analista da coisa mesmo.
Começar a parar de usar planilha Excel e tem lá o costume de exportar coisas e montar e
realmente começar a trabalhar na área de informação mesmo, então eu acho que isso vai ser o
grande benefício, mas não vejo isso a curto prazo. Acredito que a médio prazo a gente vai
começar a coletar os bons resultados do que a gente tá fazendo agora.
Entrevistador: O que você acha que seria médio prazo aí?
Respondente: Eu acredito que assim, com a intensidade que a gente tá envolvendo todos os
processos, o que a gente tá tentando desenvolver aqui, eu acredito que em torno de um ano e
meio, mais ou menos, a gente comece a ter um resultado já bem palpável mesmo. Bem plausível
sobre o que a gente tá tentando buscar. Durante isso, claro, algumas coisas já estão sendo
geradas. Já tem alguns KPI´s interessantes. A gente já tem algumas informações que há anos
não eram...tínhamos como ter, mas eu ainda acredito que tem um caminho um pouco longo
ainda, então eu não acredito isso num curto prazo de menos de um ano isso já estar funcionando
ainda pra 100% pra ter informação correta.
Entrevistador: Legal. Então a visão de que deve existir a cultura dos dados vocês já tem e
vocês tem consciência de que isso vai levar um tempinho, mas vai chegar lá né? Pra que todos
tenham essa visão e colaborem no geral. Legal.
Respondente: Sim.
102
Entrevistador: Aqui eu já te perguntei.... E vocês tem algum caso que você já consiga...que
possa relatar ou consiga relatar de sucesso que vocês tenham com o uso do Big Data?
Respondente: Eu acho que o principal é...eu acho que ainda concreto, concreto assim, eu acho
que eu não tenho específico que eu possa falar “esse realmente tá usando os dados de Big Data”,
mas eu acho que um dos principais que tá acontecendo e já tá em fase de implementação quase
final e eu acredito que vai ser em curto prazo é aquilo que eu comentei, que onde a empresa tá
investindo mais nesse momento que já passou da fase de coleta de dados e montagem de análise
é a parte, por incrível que pareça, é a parte fabril mesmo que é uma parte que a gente tinha um
grande problema de ter Big Data. Outras coisas que a gente fala de marketing ou de análise de
mercado, a gente já tem muita coisa que pode tá acontecendo, só que assim eu não tenho o
resultado real de te falar “não. isso realmente mudou o tipo de análise”, claro, ganho de tempo
absurdo, ter certeza dos dados serem assertivos já melhorou, então a gente já tem muitas
informações corretas, mas eu não sei ainda te informar claramente “Não, isso aqui é um caso
extremamente de sucesso que a gente já sabe que o Big Data trouxe realmente a mudança”.
Entrevistador: Hum hum. E na parte fabril especificamente como você acha que isso já
ajudou?
Respondente: Na verdade o que o Big Data trouxe de solução pra parte fabril é principalmente
a dificuldade que sempre existiu de você conseguir consolidar todos os tipos de dados de
processo de máquina em um único local pra você começar realmente identificar o quê que você
pode ter, então realmente você tem um volume de dados onde nenhum outro sistema
conseguiria comportar pra conseguir fazer aquela coleta e gerar uma inteligência em cima
daquilo pra trazer resultado, então “Aonde eu tô tendo perda?” “Aonde eu tô tendo ganho? ”
“O que eu tô tendo de variação? ” Se uma troca de turno tá dando problema, então isso já tá
representando um grande ganho pra empresa.
Entrevistador: Legal. Legal. E você acha que...na verdade quem que é o departamento tomador
de decisão aí? É o seu departamento ou isso tá num nível acima ainda?
Respondente: Isso depende um pouco. Vamos dizer assim, a parte de, vamos dizer de Big Data,
as soluções...a solução em si ela tá na mão técnica, então vamos dizer na minha mão ou na mão
de algumas outras áreas que podem estar envolvidas com esse processo, mas a tomada de
decisão real de falar assim “Aonde a gente vai investir pra começar a desenvolver uma solução
mais alta ” Aí tá no nível mais alto mesmo, nível de diretoria onde é tomada a decisão. Eles
103
ainda têm o controle sobre isso. Não virou uma coisa mais flexível ainda por uma questão de
priorização do quê que vai ser feito ou onde a gente vai focar no momento.
Entrevistador: Tá, então desde...seja na tomada de decisão de aonde vai ser implantado projeto
com Big Data até quais decisões vão ser tomadas baseadas nos resultados dos dados, os dois
estão no nível ainda de diretoria?
Respondente: Sim. Sim.
Entrevistador: Não tem autonomia de departamento nenhum de analisar esses dados e falar
“vou fazer isso! “ ?
Respondente: Claro, depois de uma solução implementada, você acaba tendo a autonomia, mas
até ela não estar implementada você não tem. Realmente é através deles. Eles que definem tudo.
Entrevistador: E a análise de dados é, basicamente, feita pelo seu departamento?
Respondente: Não. Na verdade, o meu departamento desenvolve as análises em algumas
partes. Por exemplo, da Microstrategy e algumas ferramentas. Futuramente a gente fará um
treinamento interno das áreas, aonde eles farão toda a análise e aí eles realmente têm a
inteligência da parte financeira ou fabril ou não sei o quê, aí eles são os responsáveis de
identificar os gaps e de fazer todos os processos pra correção ou até melhoria ou o que for.
Entrevistador: Tá, mas vocês entregam já um pacote já meio que mais fácil de compreender
pra eles?
Respondente: Sim. Sim.
Entrevistador: Mas é o seu departamento que ainda centraliza pelo menos o bruto desses
dados?
Respondente: Ah, o primeiro? É. É. Exatamente, a primeira consolidação, sim.
Entrevistador: Tá. Legal. Bom, a gente falou do perfil do profissional. Você acha que hoje dá
pra um profissional que não tem uma cabeça voltada pra...um publicitário, por exemplo, o cara
de marketing que não tem a cabeça voltada...não tem a mínima noção de TI, é possível esse
cara fazer uma análise de dados hoje?
Respondente: Eu acredito que hoje sim. Na verdade, eu só não acredito, como eu acho que
tem! Eu acho que hoje você ser focado numa única coisa e não buscar esse entendimento,
porque na verdade hoje todo mundo faz um pouquinho de tudo né? Hoje as soluções são
104
dinâmicas, então você tem que entender um pouquinho da parte de fábrica pra você fazer uma
análise de marketing e vice-versa, então precisa TI? Sim. Eu acredito que as pessoas de
marketing de hoje...a questão é que antigamente era voltado muito pra..., vamos dizer assim, o
marketing era muito “como você vender a sua empresa” “como fazer ser reconhecida” sei lá e
hoje ela tá voltada muito mais realmente pra estratégia de “Como eu posso chegar naquilo? ”
“O que eu tenho que entender pra chegar naquilo” “O que eu tenho que analisar pra buscar
aquela solução? ” E não mais só como eu compreender aquilo ou como eu vou me mostrar pra
aquilo! Então acredito que a área de marketing tem toda a capacidade, realmente só trazer um
pouquinho ele pra dentro desse universo que eu acredito que tem muito a ver com a área de
marketing com o tecnológico né, aonde eles vão conseguir obter essas soluções de uma forma
rápida.
Entrevistador: Então a gente pode afirmar que hoje o Big Data é muito mais uma função do
departamento de marketing do que de qualquer departamento ou TI?
Respondente: Sim. De questão de análise, ele vai tá voltado. Claro, depende do que a gente for
executar. Se a gente tá fazendo uma análise financeira é óbvio que eles vão ter acesso e vão
conseguir ter algum tipo de informação e às vezes não vão ter sentido pra eles alguns
específicos tipos de relatório, mas quando você chega nesse ponto mesmo de analisar o quê que
a gente realmente precisa ter pra empresa, a área de marketing é a mais indicada pra tomada de
decisões sobre mercado, preço, o que for.
Entrevistador: Tá. E você concorda com.…tem uma frase, eu acho que ele é CEO de uma
empresa que chama Bain&Company, eu acho que uma empresa americana. Ele se chama
Rasmus Wegener . Ele fala que “Big Data não deve ser um projeto de TI”. Você concorda com
isso?
Respondente: Concordo. Concordo. Eu acho que a implementação de solução não tem nada a
ver com o que o Big Data vai trazer, então ele não pode ser uma gestão. A parte técnica, vamos
falar “Ah, eu preciso integrar esse Big Data com outra solução”, precisa ter um cara técnico por
trás, isso aí é TI, porque é a parte de infra, agora quando você fala realmente a solução ser
gerenciada não tem o menor sentido tá na mão de TI.
Entrevistador: Existe alguma política de governança de dados aí dentro? A política de uso
desses dados? Regras, protocolos?
105
Respondente: Sim. Existe. A gente tá...todos esses dados tem uma regra...uma segurança muito
forte, a gente não...por exemplo, tudo só pode ser acessado dentro da rede da empresa. Existem
várias metodologias aonde a gente tenta criar uma segurança. A gente é um grupo francês aonde
existe até uma questão da própria empresa na área global ter uma regra de vigia sobre esse tipo
de informação pra não ter nenhum problema, mas assim dentro da empresa mesmo, é claro,
você tem que liberar quem pode acessar, quem não pode, quem tem acesso, mas a partir do
momento que você tem a permissão de acessar, aí realmente são as regras de segurança mesmo.
Entrevistador: O que você entende por ética desse uso de dados para o negócio de vocês?
Respondente: Olha, é complicado falar de ética, mas eu acho que é assim, se você for pensar
qual que é a ética de você usar os dados hoje numa empresa é a questão…eu acho que entrar
mais na questão de confiança e de saber o que pode, porque óbvio quando você fala numa
questão “o quê que você vai usar? ” “pra quê que você vai usar?” É coisa que a gente tá falando
de um universo tão grande que antigamente era quase impossível, você ter em um único
ambiente ou em um único local tantas informações que podem ser tão beneficiadas / positivas
pra uma empresa e ao mesmo tempo podem ser destrutivas se usada de uma forma errada ou...,
então eu acho que isso acaba sendo...a ética vai acabar caindo muito na confiabilidade que a
empresa tem em quem está fazendo as coisas por trás. Eu não consigo enxergar o que é mais
voltada nessa parte. Isso indefere, é óbvio, mas a ética na minha cabeça vai entrar muito no que
e quem é a pessoa que a empresa tá confiando essa massa de informações pra poder ser
trabalhada.
Entrevistador: Legal. Claro, tem a cultura da empresa e a tem a missão, visão, valores e não
saia disso...
Respondente: Exato.
Entrevistador: Faça o que precisar com os dados desde que não fira os regimentos aqui da
empresa.
Respondente: Claro. Com certeza. Exatamente isso.
Entrevistador: Esse departamento ele tá paralelo ali ao departamento de comunicação e
marketing?
Respondente: É. Na verdade, ele é um tanto da área de marketing quanto da área de TI. Eu sou
meio que um meio termo das duas áreas.
106
Entrevistador: Legal. E você tem profissionais específicos pra essa sua área?
Respondente: Isso. Isso. Na verdade, eu tenho dois caras especializados em BI. Eu tenho um
desenvolvedor, a nossa mosca branca aqui que faz de tudo um pouco. E eu tenho mais um cara
aqui que ele é analista de processos e projetos.
Entrevistador: Então , provavelmente esses dois de BI aí são caras que já vem mais do mercado
publicitário / comunicação?
Respondente: Isso. Eles têm já um pouco de técnica da parte de BI e eles tem já um contato
maior com esse tipo de análise pra desenvolvimento de relatório e essas partes de análise pra
depois passar pras áreas responsáveis.
107
Apêndice III - Transcrição da entrevista com o respondente C
Entrevistador: Oi! Vamos lá!
Respondente: Vamos!
Entrevistador: Então repete pra mim qual que é o teu cargo?
Respondente: Eu sou coordenadora de marketing digital e CRM
Entrevistador: Tá! Vamos lá! Eu tenho um roteiro pra seguir, mas eu não vou seguir ele tão à
risca, porque é uma entrevista semiestruturada. Eu não preciso necessariamente seguir
exatamente o que tá no roteiro, mas vamos batendo um papo então. Hoje você entende que....
Qual a importância pra você hoje do departamento de comunicação e marketing em projetos
que envolvam Big Data dentro da sua emrpesa, por exemplo?
Respondente: É muito importante. O que a gente trabalha hoje é focado em entender... o
entendimento do cliente me facilita no que eu posso oferecer pra ele; como eu devo entregar o
conteúdo pra ele e como ele vai me devolver todo esse meu relacionamento com a minha marca
lá na frente. Então quanto mais eu conheço e quanto mais eu tenho o trabalho do Big Data, mais
eu conheço o meu consumidor, mais eu sei o que ele vai precisar da gente pra influenciar, não
só em comunicação, mas em tudo né? Então isso é uma via de mão dupla que a gente chama
sempre, porque é óbvio que o meu objetivo lá na frente sempre vai ser vender, o que eu ganho
de volta do consumidor pra que eu possa me desenvolver como empresa é realmente muito
importante, então o conhecimento do trabalho que eu fiz com os dados do consumidor, os dados
de mercado, tudo, todo esse conteúdo pra mim é realmente importante.
Entrevistador: Tá! E hoje você acha que quem encabeça isso é o departamento de marketing?
Respondente: É um dos, né? Claro que o departamento de marketing ele acaba sendo o
principal elo entre outros departamentos com o consumidor e ele encabeça isso, mas ele não é
o responsável, ele não é o dono único e exclusivos dos dados do Big Data. O Big Data ficar só
com o departamento de marketing, pelo menos numa grande montadora, por exemplo, eu acabo
perdendo a engenharia e enxergando o que isso traz de relevante do produto. Acabo perdendo
a área de finanças que vai precificar o meu produto trazendo isso pra precificação final, então
se fica centralizado só na área de marketing e se a gente não divide as informações, a empresa
acaba tendo um grande risco de viver dentro de um círculo.
108
Entrevistador: Então você enxerga que, na sua empresa pelo menos, vocês entendem que não
é o departamento de marketing talvez ele possa ser responsável pela tomada de decisões mais
relacionadas ao marketing, mas tem outros departamentos da companhia que usufruem da
ferramenta, tem insights e fazem / tem tomadas de decisões isoladamente, não só ou reportando
necessariamente sempre ao marketing, certo?
Respondente: Sim. Com certeza, até porque hoje a gente tem um trabalho muito mais
consistente em linkar não só dados de consumidor e dados que vem do mercado, dentro do Big
Data, como também nossa equipe de estatísticas internas com nosso lado de finanças com
tentativas e erros dentro de um banco de dados único pra que a gente possa pensar em ser mais
assertivo no futuro, mais assertivo olhando pro cliente, olhando pro produto, olhando pra
qualidade, olhando pra todos os pontos, por isso que marketing não pode ser o único
responsável por isso.
Entrevistador: Então todos os departamentos hoje da companhia estão envolvidos na captação
e análise de dados?
Respondente: Sim. Estão! Estão de forma ou direta ou indireta, mas estão.
Entrevistador: E essa captação ela não é centralizada ou existe um captador responsável desses
dados que ele vai captar os dados de acordo com a demanda de cada departamento ou não, cada
departamento tem autonomia com o seu profissional que entende de Big Data?
Respondente: Não. Existe cada departamento contribui com a sua, vamos dizer, com seu
círculo no Big Data, mas daí entra a área de marketing. A área de marketing ela olha, analisa,
faz uma gestão mais macro e devolve a necessidade pra cada um dos departamentos.
Entrevistador: Entendi. Então a gente pode considerar que hoje o marketing ele é...ele tem
uma responsabilidade maior em relação...dentro pelo menos da sua empresa, ele tem uma
responsabilidade maior, ele tá mais à frente em relação ao Big Data do que os outros
departamentos?
Respondente: Sim podemos.
Entrevistador: A gente pode dizer que de certa forma tá centralizado no marketing. Vocês
enxergam as demandas dos outros departamentos, recebem as demandas, mas quem é o
responsável por extrair e analisar esses dados aí e repassar para o departamento da tomada de
decisão é o marketing quem passa e os outros departamentos é que tomam decisões?
109
Respondente: Sim, podemos dizer isso.
Entrevistador: Como que é a cultura hoje de vocês a respeito desses dados? Existe um
entendimento de toda a companhia ou de todos os colaboradores da companhia, a respeito de
do que é Big Data?
Respondente: Não. Infelizmente não e sempre é um desafio né? Ás vezes uma informação do
Big Data traz insights que vão contra ou que impõe de alguma forma o departamento e acaba
trazendo a necessidade de mudança e entender isso como uma bem feitoria pra empresa, uma
melhoria é realmente um desafio! Entender o quê que é o Big Data, entender o que ele faz no
dia a dia, como ele tem sido trabalhado é um desafio da nossa área de marketing. Não é todo
mundo que entende isso realmente.
Entrevistador: Era isso que eu ia te perguntar agora....se você...até que ponto você acha que
isso é uma responsabilidade...o departamento de comunicação e marketing tem
responsabilidade em envolver a companhia nisso?
Respondente: É a grande responsabilidade e um desafio pro marketing, mas se a pessoa não
tiver adesão e a mente aberta no mesmo nível dos outros departamentos é bem difícil de você
implementar essas questões, então você precisa trazer todo mundo pro seu lado. Ter um Big
Data te ajuda a comprovar algumas coisas, mas no final das contas cada departamento acaba
tendo o entendimento do seu pra poder seguir, então não consegue sair do lugar.
Entrevistador: E o que que você acha que pode ser feito, por exemplo, pra que...ou seja, a
gente não tem hoje...é difícil, de outras companhias que eu entrevistei, leituras que eu fiz, é
raro, ou pelo menos eu não encontrei ninguém que tenha nem que seja 90% , não precisa nem
ser 100%, mas que tenha ao menos 90% das tomadas de decisões baseadas em dados. Muito
raro isso! Eu acredito que vocês também estejam...não tenham, pelo que você tá falando, nem
tudo é baseado em dados? Nem todas as decisões são baseadas em dados?
Respondente: Não. Nem tudo é baseado em dados, mas o que é acaba sendo é mais assertivo,
mais é..a gente que tem feito é tentado cada vez mais trazer todos os departamentos pro nosso
lado. O que que a gente fez? Recentemente se agitou nesse processo, porém tirar o Big Data...o
Big Data hoje é tratado fora da empresa por uma agência de publicidade que entendia de DBM
e de assuntos relacionados ao consumidor. Não é que a gente tirou isso da mão dele internalizou
todas as informações de consumidor no sistema pro grupo, qualidade, tentativas, acertos e erros
pra dentro da empresa e a gente tem debaixo da gestão de marketing, todas as áreas constituindo
110
de alguma forma pra ser um Big Data que coopere com todo mundo. A partir do momento que
a gente começou a trabalhar dessa forma e é recente, bem recente mesmo, a gente de verdade
começou a melhorar a percepção de alguns departamentos e que aquilo não é específico de uma
pessoa, aquilo é um bem da empresa como um todo, mas ainda assim, até por cultura, é muito
difícil você ter algum...tomada de...sempre ter tomadas de decisões, sendo analisado através de
Big Data. Big Data sempre na tomada de decisões. Ele até norteia, mas nem sempre...eu nem
sei quantificar isso, não sei dizer pra você, quantos por cento das tomadas de decisões são
influenciadas pelo Big Data, mas eu sei te dizer que isso tá melhorando.
Respondente: Legal. E como que você diz...como você acha que o departamento...como que o
pacote de dados, o pacote de informações deve chegar até vocês? Dos outros departamentos por
exemplo, como que esse pacote de informações deve chegar até vocês pra que vocês façam a
curadoria desses dados, apuração pra repassar aos departamentos responsáveis pra tomada de
decisões?
Respondente: Então, no passado a gente tinha diversos sistemas trabalhando separadamente,
informações dúbias, assim um sistema dizia uma coisa, outro sistema dizia outro, a
concentração de dados e sistemas eram alocados em lugares diferentes e quando a gente
centralizou, melhorou muito o trabalho, porque hoje essa consulta ao Big Data, ela acaba sendo
mais assertiva. Eu tenho toda a concentração de dados num único lugar. Quando isso chega,
óbvio como dados, a gente tem algumas análises que puxam as outras análises que a gente faz
pra poder sentir e aí o que a gente tem feito e tenta melhorar, mas é um caminho que a gente
tem percorrido, é tentar com os questionamentos (inaudível) a gente olha o dado, mas a gente
nunca olha isoladamente, porque a pessoa responsável pela geração daquele dado que conhece
aquele dado e me ajuda a decifrar aquele trend. Eu acho que realmente sim, analisar o dado sem
o conhecimento da área que tá gerando é um grande erro. A melhor forma de chegar esses dados
pra mim é quando eu consigo olhar o dado mas ter o apontamento de quem tá gerando ele. Ele
que tem a experiência lá na ponta. Ele tem o histórico, ele tem tudo, então é isso que a gente
tem tentado buscar. Nem sempre a gente consegue né, também não é mil maravilhas de dizer
que a gente consegue tudo, mas pelo menos a gente tem tentado isso.
Entrevistador: Tá legal. Então só pra eu esclarecer aqui, os dados eles vem de todos os
departamentos, são centralizados em um único local, em um único banco, por exemplo e o
banco quem acessa diretamente é o departamento de marketing e de comunicação...
Respondente: É o ID da Empresa
111
Entrevistador: Não entendi...
Respondente: Hoje é o ID da Empresa, pra TI, mas ele gera a demanda...
Entrevistador: Pra TI? Mas gera a demanda.... Quem gera essa demanda? É só o marketing
ou todos os departamentos tem autonomia de...
Respondente: Todo mundo tem autonomia. Nem todo mundo faz, mas todo mundo tem sua
autonomia.
Entrevistador: Então quem extrai os dados também é a TI e devolve esse pacote de dados
solicitados pelo departamento “x” e o departamento “x” manipula e toma decisões em cima
desses dados ou é o marketing só?
Respondente: Exato! Não! É o departamento “x”! Na verdade o departamento “x” tem a
autonomia, Qualquer departamento tem a autonomia de tomar a decisão em cima desses dados.
Entrevistador: Como que esses dados chegam de volta pra esse departamento? Por exemplo,
ele solicitou pra TI, financeiro solicitou pra TI dados a respeito de cinco variáveis financeiras
lá, a TI devolve esses dados pra TI, a TI entrega esses dados pro financeiro de uma forma já
estruturada, já em gráficos ou tem alguém no financeiro que entende de matemática, por
exemplo, que consegue fazer a consolidação desses dados estruturais?
Respondente: Geralmente, a área de TI me entrega os dados crus. A manipulação desses dados
acaba...cada departamento fazendo o seu. Pôr os gráficos, a análise, então tudo! Ela é feita pelo
próprio departamento. Por exemplo, quando eu preciso fazer uma análise de crescimento em
uma determinada região, a manipulação desses dados tem que tá. Eu recebo o dado cru e eu
manipulo os dados.
Entrevistador: Então cabe a cada departamento ter um profissional que tem o mínimo de
entendimento de dados?
Respondente: Sim. Precisa.
Entrevistador: Ele precisa ter um pé no departamento dele ou um grande conhecimento no
departamento dele e um pé um pouco em TI?
Respondente: É. Em TI a gente tem esse suporte, né, centralizado, mas pra conhecer, pra
manipular os dados, fazer a análise, cada departamento tem o seu funcionário que tem esse
know-how.
112
Entrevistador: Tá. Entendi. E vocês devem usar softwares que fazem essa integração dos
dados e gera gráficos por exemplo, certo?
Respondente: Sim. A gente tem, mas a grande maioria das vezes, dependendo da análise, acaba
sendo no bom e velho excel.
Entrevistador: Mesmo com o Big Data?
Respondente: Mesmo com o Big Data. Eu já vi muita, muita análise sendo puxada, milhões de
informações...e no final das contas a gente vê ainda bastante Excel.
Entrevistador: E você hoje recomendaria algum software com sistema pra análise desses
dados?
Respondente: Bom, eu ainda não tenho uma recomendação pra ser sincera, porque eu
olho...quando eu olho os dados pra fazer...quando eu parto pra esse tipo de análise eu acabo
tendo uma ajuda sempre da agência né? A área de marketing acaba tendo a agência como
suporte e dentro da agência a gente usa o da Microsoft Power BI, a gente usa algumas
ferramentas de Adobe. Hoje eu confesso que eu não sei dizer qual é a melhor. Eu acho que em
todas elas um pouco deficitárias assim, talvez até por necessidade de manipular informações
rápidas e uma certa dificuldade, porque extrai do time de TI que manda pra agência e eles
trabalham em cima e mandam pra mim. Quando eu recebo as informações prontas, geralmente
eu tenho esse tipo de ferramenta aí é mais amplo pra mim...ele não me dá possibilidade de fazer
algumas análises mais aprofundadas e daí eu tenho que decodificar alguma coisa pra eles né...e,
óbvio, o excel para uma quantidade de informações não suporta nada disso.
Entrevistador: É. Claro. Para esse volume de dados do Big Data o Excel acaba sendo
completamente obsoleto, né?
Respondente: Exato.
Entrevistador: E também uma ferramenta vulnerável, né? Aonde quem tá manipulando os
dados ele consegue alterar esses dados, né? Se ele quiser.
Respondente: É. Exato.
Entrevistador: É uma ferramenta diria que não confiável. Existe um planejamento de
comunicação interna? Pelo que você falou, acho que não, né? Não existe um planejamento de
comunicação interna voltado pra isso, pra Big Data?
113
Respondente: Não. Não existe. Hoje não existe.
Entrevistador: Ok. A gente tá quase encerrando aqui, deixa eu só te fazer mais algumas
perguntas. Hoje como você que é uma profissional que tá com um pé lá, um pé cá,
principalmente dentro da companhia em contato direto com a TI e com as agências, como você
enxerga hoje, qual é o perfil do profissional ideal pra lidar com Big Data? Hoje dentro de uma
corporação?
Respondente: Tem que ser uma pessoa analítica, óbvio, mas entendendo de pontos
estratégicos. O que faz uma TI? Porque a grande necessidade de insights com os dados não dá
pra ser feito só com uma leitura do dado. Óbvio que a leitura do dado é importante, o que for
trazido com a leitura é importante, mas a minha grande necessidade é de encontrar pessoas que
acabem recomendando uma ação, recomendando baseado nas decisões pelo Big Data.
Entrevistador: Entendi. Então a gente pode afirmar, você acha que a gente pode afirmar que o
profissional ideal que é o que tanto se prega hoje que é o tal do cientista de dados, ele precisa
conhecer muito da corporação, ele precisa ser uma pessoa que está envolvida nas estratégias,
entende quais são as estratégias da corporação e ao mesmo tempo ele tenha um viés analítico
que normalmente tá mais entregue pras áreas de exatas ou até de tecnologia da informação?
Tem que tá entre essas áreas um pouquinho...
Respondente: Sim. Podemos. Ele tem que ter um pé lá, um pé cá né?
Entrevistador: E você acha que ele teria que ter o pé mais aonde dessas duas áreas?
Respondente: Eu acho que mais na parte analítica.
Entrevistador: Mais na parte de TI do que na tomada de decisões?
Respondente: Não. Mais na parte de tomada de decisões, porque na parte de TI a gente tem
ferramentas que possam suprir, né? A parte de tomadas de decisões é mais...é quase que...uma
interpretação do que você tá lendo. A pessoa tem que conhecer muito bem do negócio, tem que
entender muito do mercado de pra poder tomar decisão.
Entrevistador: Tá. E hoje você acha que... se você tivesse que eleger um único departamento
que é indispensável pra que um projeto de Big Data, para que um projeto que envolva Big Data
vá adiante, que departamento seria esse?
Respondente: Um único? Eu elegeria marketing.
114
Entrevistador: Tá. Por que? Acho que você acabou de responder, né? Porque a questão
tecnológica a gente pode contratar / terceirizar.
Respondente: Exato. Exato.
Entrevistador: Existe governança de dados hoje na sua companhia, a curadoria, o cuidado na
tratativa dos dados, uma política pra uso desses dados?
Respondente: Existe e são políticas globais que a gente segue algumas cartilhas globais e
algumas cartilhas locais, né? E essa cartilha, essa curadoria fica sob responsabilidade do
marketing também.
Entrevistador: Fica sob responsabilidade? Desculpa, não entendi.
Respondente: De marketing.
Entrevistador: De marketing?
Respondente: Isso.
((fim da transcrição))
