top of page

CRM Analytics & Big Data

Atualizado: 22 de jul. de 2022

O presente artigo foi escrito no âmbito da unidade curricular de Data Mining do Mestrado em Gestão de Marketing do Instituto Politécnico de Setúbal e que acredito poder ser útil para clarificar alguns conceitos nesta área.

A Transformação Digital veio revolucionar processos, pessoas e acima de tudo modelos de negócio. O impacto direto na experiência do cliente, marketing e vendas é uma realidade cada vez mais evidente, tendo feito disparar os pontos de contacto (touchpoints) e consequentemente o volume de dados.

O que é o Big Data? Quais as aplicações na área do Marketing? São inúmeras definições, de diversos autores, mas na verdade Big Data refere-se ao processo de recolha, armazenamento e tratamento/qualificação de grandes volumes de dados. Bernard Marr (2015) vai mais longe e afirma mesmo que “Big Data is the Heart of the Smart Evolution”.

Qual o objetivo do ponto de vista prático para os profissionais de marketing? Gerir dados provenientes de múltiplas fontes (websites, redes sociais, blogs, fóruns, web & mobile apps e registos internos) para posteriormente transformar esses mesmos “dados” em “informação”, afim de ser construída a “Inteligência do Negócio”.

Mas o que estas terminologias complexas têm a ver com Marketing? Tudo! Com estes algoritmos podemos analisar, cruzar e acelerar a criação de múltiplas campanhas específicas, os resultados vão aumentar, o custo será inferior e o ciclo de venda certamente será reduzido. Um exemplo prático? Numa das empresas de formação com a qual colaboro, sabíamos que o aumento da procura por “cursos online” tinha disparado durante a quarentena (+450% sensivelmente). No entanto, da oferta da empresa, existiam duas áreas cuja procura aumentou a um ritmo superior. Ao perceber-se qual a tendência, foram feitos ajustes de investimento de comunicação. Já viram o impacto de investir o budget de comunicação a promover os cursos certos, mas na altura errada?   Quais as aplicações do Big Data no Marketing? Gostaria de reforçar que mais importante que a plataforma X ou Y, Big Data deve fazer parte de um mindset estratégico, que quando aplicado de forma efetiva, pode ajudar o Marketing a compreender os seus consumidores, bem como as mudanças de comportamento, identificando os tão desejados insights!

As aplicações de Big Data, devem servir de apoio ao processo de decisão nas mais variadas etapas do planeamento de marketing, nomeadamente: i) análise de mercado; ii) identificação de novos comportamentos de consumo; iii) marketing estratégico; iv) decisões do marketing mix com base em dados; v) automação.

Naturalmente o software e as aplicações são parte integrante e como tal, não podemos deixar de abordar soluções de Big Data & Analytics (das mais simples, até às mais evoluídas e com características/funcionalidades diferentes) que ganharam especial notoriedade junto dos marketeers, exemplos como:


  • Google Analytics;

  • Google Search Console (Análise de KPI’s);

  • Google Trends (Análise de Tendências);

  • Hubspot (All-in-One Marketing Platform);

  • RDStation (All-in-One Digital Marketing Platform);

  • Insightly (Open Source CRM Software);

  • SocialBakers (AI Social Media Platform for Reporting);

  • SEMrush (Marketing Intelligence & SEO);

  • UberSuggest (Marketing Intelligence & SEO);

  • Import.Io (Monitorização de concorrência/extração de dados);

  • Apache Hadoop (armazenamento de dados);

  • MongoDB (Base de Dados NoSQL);

  • Oracle Data Mining (Mineração de Dados);

  • Tableau (Visualização de Dados/Visual Data Storytelling);

  • Pentaho (Integração de Dados de Múltiplas Fontes);

  • Microsoft Tools (Power BI + Microsoft Dynamics);

  • SimilarWeb (Digital Market Intelligence).

Qual a relação de BI com os Sistemas de Informação?

De forma global, os sistemas de informação das organizações evoluíram de forma não estruturada e isto é transversal a todas as organizações independentemente do mercado ou área de atuação. As empresas usam diferentes tipos de aplicações para gestão financeira, comercial, RH, operações, marketing, etc, sendo prática comum cada departamento ter a sua própria solução de software para dar resposta aos requisitos e especificações das suas funções.

É comum que profissionais de Marketing não fiquem satisfeitos como uma plataforma qualquer, nem utilizarem uma só plataforma para todas as suas atividades, mas sim várias ferramentas integradas que permitam ir mais a fundo em determinada área. Se pensarmos em quantas plataformas específicas usamos (Umas para SEO, outras para E-mail Marketing outras para Tendências), chegamos à conclusão que teremos grandes volumes de dados dispersos e é aqui que entra o papel dos Sistemas de Informação.

Uma das soluções para minimizar o impacto é criar ligações entre as várias aplicações que são usadas internamente, de forma a mover dados entre elas e a correlacioná-los automaticamente de forma quase automática e em tempo real. Será esse o papel dos Sistemas de Informação na medida em que para além de garantir a recolha e armazenamento da informação proveniente das múltiplas fontes, também tem como missão procurar interligar e gerir todos os fluxos para melhorar a performance final dos sistemas, devendo existir um responsável pela estratégia global.

O BI (Business Intelligence) é uma das extensões dos Sistemas de Informação, correspondendo à componente que possibilita a interpretação dos dados com a ajuda de ferramentas de dashboarding tornando a visualização de dados mais simples e apelativa para os gestores. O BI pode também ser usado como extensão dos diferentes sistemas de gestão como ERP’s, CRM, entre outros. Na prática deve ser integrado, de forma a que sejam partilhados dados e informação entre os diferentes sistemas.


Quais os componentes do Business Intelligence?

As ferramentas de Business Intelligence não se tratam apenas de uma tecnologia única, mas de um conjunto de componentes como: Fontes de Dados, ETL, Data Warehouse (DWH), Data Marts, Data Mining, OLAP, Reporting, CRM Analítico e as ferramentas de visualização de dados como por exemplo Tableau.

Fontes de Dados (Internas e Externas)


Na era da transformação digital em que vivemos, a quantidade de dados produzidos diariamente. Conforme referido anteriormente, existem vários tipos de fontes de dados quer internos quer externos que vão alimentar todo o sistema.

ETL (Extract, Transform, Load)


Processo de Data Integration (Integração de Dados) através do qual existe uma extração, transformação e transferência dos dados, depois de trabalhados. Este processo é o início da construção de um Data Warehouse. O ETL foi evoluindo ao longo do tempo e quando a velocidade dos dados aumenta para milhões de eventos por segundo, estamos perante Event Stream Processing.

Data Warehouse


Base de dados separada, servindo como “repositório central” para o armazenamento de grandes volumes de informação, desenvolvido com o objetivo de facilitar os mecanismos de pesquisa de informação por parte dos analistas de negócio. O DW permite o acesso simples a todos os dados da empresa, provenientes de múltiplas fontes que posteriormente são tratados pelo ETL.

Data Marts: Na prática são DW mais pequenos, tipicamente divididos por departamentos ou por tema dentro de uma organização.

Data Mining: Processo de extração de informação dos dados, procurando identificar correlações e tendências. Esta área em específico carece de profissionais especializados que consigam tirar valor da informação, transformando-a em vantagens competitivas.

OLAP (Online Analytical Processing): Refere-se à capacidade de trabalhar e analisar dados sob múltiplas perspectivas, obtendo respostas mais rapidamente. As OLAP são usadas por todo o tipo de gestores para, independentemente do nível hierárquico, permitirem análises comparativas. Os servidores OLAP permitem uma análise multidimensional dos dados, servindo para comparar grupos de dados relacionando-os com diversos critérios.

Reporting: São ferramentas para produção de relatórios analíticos. Este tipo de solução dá acesso a dados em tempo real, essenciais para a tomada de decisão. Estes relatórios abrangem várias tipos de dimensões e recorrem às mais variadas fontes de dados (internas e externas). A maioria das ferramentas de BI incluem funcionalidades de Reporting.   CRM Analítico: Identifica-se como o cérebro/inteligência do negócio. É o componente que permite identificar e acompanhar os diferentes tipos de clientes como cliente de maior valor, maior potencial e clientes que dão prejuízo, com o objetivo de determinar qual a estratégia para atender às diferentes necessidades dos clientes identificados.

Data Quality: Método utilizado para assegurar a eficiência e fiabilidade dos dados. A qualidade dos mesmos é determinada a partir da forma como estes foram inseridos. Nesta componente são analisados e tratados no sentido de serem definidos padrões para garantir a qualidade dos mesmos.

Data Visualization/Dashboarding: Refere-se à interface gráfica com a qual os gestores se deparam após o todo o processo anterior. Na prática, refere-se à componente visual, permitindo criar relatórios visualmente atrativos e personalizados de acordo com as necessidades do utilizador final (gestor de marketing, assistente, comercial, etc). É nesta fase que as informações mais importantes são organizadas de forma simples e intuitiva num só local.


Considerações Finais

A interpretação dados de clientes permite aos profissionais de marketing entender melhor o seu público e, com base nisso, executar ações mais direcionadas. Quando tomamos decisões com base em dados (data-driven mindset) a probabilidade de erro reduz significativamente. Como digo sempre, não vale a pena termos um “Ferrari” do software se depois não temos mãos para o guiar. A importância das soluções de Big Data & Analytics não gira em torno do grande volume de dados, mas sim da nossa capacidade de usar essa informação para criar valor de negócio.


Gostou do artigo? Partilhe!

O presente artigo foi escrito com base em evidências científicas, tendo sido posteriormente analisado à luz da minha experiência profissional de 9 anos em gestão de marketing na indústria das IT.

95 visualizações0 comentário
bottom of page