DATA BASE MARKETING AULA 7 – DATA WAREHOUSE 05112017

Prévia do material em texto

DATA BASE MARKETING 
AULA 7 –DATA WAREHOUSE- 05/11/2017
Introdução
Nesta aula, compreenderemos os conceitos e características do Data Warehouse que é uma das tecnologias que viabilizam o DBM. Trataremos, também, dos conceitos de origem dos dados que compõem o banco de dados de marketing, suas características e o tratamento pelo qual passam os dados para serem utilizados.
O papel do banco de dados do DBM
Enquanto estratégia, o papel do DBM é ajudar o profissional de marketing a identificar seu público-alvo e a facilitar o relacionamento que se forma entre ele e esse público.
O Banco de dados do DBM interliga as informações relacionadas ao cliente, como transações de compra, produtos adquiridos, promoções, mídia, dados geodemográficos, estilo de vida e características financeiras. Os dados desse Banco de Dados podem ser tão simples quanto o nome e o endereço de um cliente ou tão complexos quanto um registro de todas as comunicações com um cliente nos últimos 5 anos e uma previsão de suas ações no futuro. Assim, o banco de dados torna-se uma ferramenta fundamental para o profissional de Marketing, pois permite que ele monitore a relação formada entre seus produtos e clientes para, então, comunicar-se com qualquer segmento do público-alvo quando necessário.
Diariamente, nas organizações, uma grande quantidade de dados sobre as diversas operações é gerada e armazenada. Os sistemas utilizados no dia a dia das empresas são projetados para permitir o funcionamento da organização e não são adequados para apoiar a análise desses dados pelos especialistas em Marketing que dê informações confiáveis sobre operações atuais dos clientes e produtos, tendências e mudanças.
A integração e análise dos dados existentes nesses diferentes sistemas é uma tarefa árdua que demanda tempo e recursos. Por esse motivo, surge a necessidade de um ambiente voltado para os especialistas em Marketing, que permita que estes analisem dados confiáveis de forma eficiente e flexível. 
Para suprir as deficiências de inadequação do ambiente operacional para análise de informações, surge o Data Warehouse, que integra e organiza os dados de modo consistente, confiável e os torna disponíveis sempre que necessário.
O que é o Data Warehouse?
Segundo Turban et All, “Um Data Warehouse é um conjunto de dados produzido para oferecer suporte à tomada de decisões; é um repositório de dados atuais e históricos de possível interesse aos gerentes de toda a organização. Os dados normalmente são estruturados de modo a estarem disponíveis em um formato pronto para as atividades de processamento analítico. Portanto, um Data Warehouse é uma coleção de dados orientada por asunto, integrada, variável no tempo e não volátil, que proporciona suporte ao processo de tomada de decisão”.
(Turban E., Sharda R., Aronson J.E., King D: Business Intelligence – um enfoque gerencial para a inteligência do negócio)
Segundo W.H.Inmon, considerado um pioneiro no tema, um Data Warehouse é uma coleção de dados orientada por assuntos, integrada, variante no tempo, que tem por objetivo dar suporte aos processos de tomada de decisão.
O Data Warehouse é um banco de dados que armazena dados sobre as operações da empresa, como vendas e compras, extraídos de uma fonte única ou múltipla, oferecendo enfoque histórico para permitir um suporte efetivo à tomada de decisão. Esse banco de dados é construído utilizando-se processos de limpeza, transformação, integração e carga dos dados, e atualizado periodicamente.
Orientado ao assunto - Um DW sempre armazena dados importantes sobre temas específicos da empresa de acordo com o interesse das pessoas que irão utilizá-los.
Exemplo: Assunto clientes e faturamento para os setores de marketing e finanças.
Volatilidade - Os dados não sofrem atualizações. Eles são carregados uma única vez e, a partir desse momento, só podem ser consultados, pois representam as informações em um  determinado instante de tempo. 
Os dados passam por filtros antes de entrarem no DW; com isso, muitos dados nunca saem do ambiente transacional e outros são resumidos de tal forma que não são encontrados fora do DW.
Variante no tempo - Os dados são armazenados para fornecer informações de uma perspectiva histórica. A cada mudança ocorrida num dado, uma nova entrada é criada e não atualizada, como acontece nos sistemas tradicionais
Integração - Os dados necessários aos tomadores de decisão estão em diversas áreas da empresa. Geralmente esses dados não estão padronizados e é necessário integrar antes de serem carregados em um DW de forma que passem a ter um único significado.
A maior parte do trabalho na construção de um DW está na análise dos sistemas em operação e dos dados que ele contém. 
Como não existem padrões de codificação, cada analista pode definir a mesma estrutura de dados de várias formas, fazendo com que dados que signifiquem a mesma informação sejam representados de diversas maneiras dentro dos sistemas utilizados pela empresa o longo dos anos.
Exemplo: A representação do sexo de uma pessoa pode ter sido definida como um campo alfanumérico de uma posição: M ou F e em outro sistema a mesma informação pode ser representada por 1 e 0 ou H e M, e assim por diante.
Localização - Os dados podem estar fisicamente armazenados de três formas: centralizados, distribuídos e por níveis de detalhes.
Centralizados: solução muito utilizada, mas com o inconveniente de requerer investimento em um servidor com alta capacidade de processamento e armazenamento. 
Distribuídos: dados armazenados em diferentes locais, chamados DataMarts, de acordo com áreas de interesse (Exemplo: financeiro, marketing).
Níveis de Detalhes: dados altamente consolidados/resumidos em um servidor e dados detalhados em outro.
Credibilidade de dados - Para o sucesso de qualquer Data Warehouse é determinante a credibilidade dos dados. Simples distorções podem causar sérios problemas quando se quer extrair dados para suportar decisões estratégicas para o negócio das empresas. Dados não confiáveis podem resultar em relatórios inúteis, sem importância. 
Por exemplo, um simples CEP errado não afetará uma simples transação de compra e venda, mas poderá influenciar informações referentes a uma cobertura geográfica ou uma expansão de rede de filiais.
Data Warehouse: Forma de funcionamento
A partir do Data Warehouse, é possível a obtenção imediata de respostas para perguntas que normalmente não possuem respostas  em  seus sistemas  operacionais, permitindo a tomada de decisão com base em fatos, não em intuições ou especulações.
Importante ressaltar que o Data Warehouse não é um software que pode ser comprado e instalado em todos os computadores da empresa em algumas horas,  sua implantação exige a integração de vários produtos e processos.
Além disto, o Data Warehouse não é um fim, mas sim uma facilidade que permite às empresas analisar informações históricas, podendo utilizá-las para a melhoria dos processos atuais e  futuros.
A confiabilidade do Data Warehouse é imprescindível, e a resposta a uma pergunta como “Qual foi o total de vendas do produto X na região Y no ano de 2001?” deve ser a mesma, seja qual for a ocasião em que se faça tal pergunta ou quem a faça. Os dados históricos não mudam.
Principal desafio na construção de Data Warehouse
Integração de dados, eliminando as redundâncias e identificando informações iguais que possam estar representadas sob formatos diferentes em sistemas distintos, uma vez que os dados de origem estão espalhados em diversos locais, gerados por sistemas diferentes,  desenvolvidos em diferentes ambientes e linguagens.
A figura, ilustra o ambiente do Data Warehouse.
ATENÇÃO
As principais tarefas efetuadas pelo DW são:
Obter dados dos BDs operacionais e externos.
Armazenar os dados. 
Fornecer informações para tomada de decisão.
Administrar o sistema e os dados.
Principais tarefas efetuadas pelo DW
Outro conceito muito importante quando falamos de Data Warehouse é o conceito de “granularidade”.
A granularidade diz respeito ao nívelde detalhe dos dados existentes no Data Warehouse. Quanto maior o nível de detalhe, menor o nível de granularidade.
ATENÇÃO
Definir a granularidade adequada é vital para que o Data Warehouse atenda seus objetivos:
Mais detalhes → Mais dados → Análise mais longa → Informação mais detalhada. 
Menos detalhes → Menos dados → Análise mais curta → Informação menos detalhada. 
Visualização da evolução de vendas, mensalmente, por vendedor.
Datamarts
Muitas vezes, apesar do Data Warehouse possuir um grande volume de dados de toda a empresa, é necessário trabalhar apenas com uma parte desses dados, correspondente a um setor da empresa, ou fazer a implantação do Data Warehouse de forma fracionada até se formar o sistema corporativo.  
O Data Warehouse pode ser subdividido em mercados de dados [Data Marts] que guardam subconjuntos específicos de dados a partir do repositório original.
“Pequenos” bancos de dados departamentais orientados por assunto.
Solução “Tática” (possuem implementação mais simples).
Menor tempo de desenvolvimento.
Atenção: a integração de Data Marts exige planejamento avançado.
EXEMPLO
O Data Mart de mercado de massa contém dados apenas de clientes residenciais, enquanto o Data Mart de Business só contém informações de clientes empresariais.
Você pode estar se perguntando o porquê de estar aprendendo sobre os conceitos de Data Warehouse e seus Data Marts. Acontece que o profissional de Marketing necessita de infomações confiáveis e estruturadas de acordo com suas necessidades para exercer suas atividades. A construção de Datamarts para atender as atividades de Marketing é um dos principais usos de Data Warehouse nas organizações.
ATENÇÃO
Dados podem ser repetidos em dois ou mais Data Marts. 
O mesmo dado pode ser representado com granularidade diferente.
Dados compõem o DBM
O nos mostra que os dados necessários às atividades de marketing possuem as mais diversas origens, como informações obtidas a partir dos contatos dos clientes com o Call Center, via Internet, nas transações de compra, etc. Como esses dados originam-se de diversas fontes, eles necessitam ser integrados antes de se tornarem úteis aos profissionais de Marketing. Então será necessário realizar o tratamento dos dados antes de inseri-los no Banco de Dados de Marketing.
Efetuamos o tratamento dos dados com os seguintes objetivos:
Corrigir problemas na captação dos dados. 
Normatizar (“padronizar”) informações de endereço, telefone e outras possíveis.
Atribuir alguns dados incompletos. 
Cruzar e duplicar dados de várias origens (merge and purge). 
Vamos ver um exemplo do porquê os dados devem ser tratados. 
Suponhamos que fizemos a aquisição de listas externas para podermos enriquecer o Banco de Dados de marketing com dados demográficos e perfil de consumos de clientes. Nessas listas, encontramos a cliente Lisandra:
Lili, mora na Rua A  com a mamãe e papai. Não tem CPF.
Lisandra, 30 anos, bem casada com Edu, diretor de uma grande empresa. Vivem na Barra, emfrente ao Pepê.
Lisandra, 40 anos, separada, executiva de sucesso. Mora sozinha num loft em Ipanema. Tem CPF próprio.
Lisa, 21 anos, mora em Búszios com Duda. Usou o CPF do pai para abrir a barraca de artesanato hippie.
OPA!!!! Temos 4 Lisandras diferentes!!! Então precisamos trabalhar os dados antes de disponibilizarmos para a equipe de Marketing.  Não podemos correr o risco de oferecermos uma boneca para a Lisandra que mora em Ipanema, concordam?