Observando as iniciativas de Big data nas empresas, identificamos dois erros comuns. O primeiro é adquirir tecnologia antes de saber claramente o que vai ser feito com ela. E outro, é começar com uma montanha de dados e então tentar descobrir alguma coisa analisando-os. A questão principal é que o sucesso das iniciativas de Big data & Analytics depende primordialmente de uma clara definição da visão e escopo do problema (as perguntas que devem ser respondidas) e o consequente valor gerado, que são as respostas às perguntas e as suas subsequentes ações. Os conhecidos Vs de volume, velocidade, variedade e veracidade são meios para se chegar ao valor da visão proposta.
1. Desmitificando Big Data: Do Hype Para a Realidade!
CEZAR TAURION
SÓCIO-FUNDADOR &CEO
Litteris Consulting
ThinPost Smart Terminals
2.
3.
4. O IFTF prevê mudanças profundas na forma como a tecnologia
transformará o mundo dentro de 10 anos:
“Há claros sinais de um movimento na direção de um mundo no
qual todo elemento da vida estará ligado a dados”
5. Finding 1: Executives´ atitudes towards big data are
overwhelming positive. 23% say will revolutionise
the way business are managed.
Finding 2: Executives agree on the need for big data
solutions and want to know more.
Finding 3: customer processes currently stand out as
Candidates for big data analytics.
6.
7. Finding 4: Lack of understanding about how to use
big data stands in the way of implementations.
Finding 5: Implementantion is also held back by lack
of agreement about the value of big data.
19. Big Data em Seguros
• Deteção de fraudes: centrado na
apólice para centrado na pessoa.
Analisar o comportamento do
beneficiário pelo histórico de uso
do seguro, frequência de sinistros
similares solicitados pelo indivíduo
e pelo seu grafo social (indivíduos
conectados). Focar na rede de
pessoas conectadas e não apenas
em indivíduos isolados.
20. Big Data em Seguros
• Customer experience: Ir além da
gestão de apólices para satisfação e
retenção de clientes. Seguro
personalizado (KYC - Know Your
Customer) com visão única do
cliente, multicanal e produtos.
Análise de contatos de atendimento
ao cliente, padrão de navegação no
site, telemática (comportamento do
motorista), dados geolocalização,
previsão de eventos
climáticos...Motores de
recomendação baseados no KYC.
21. Big Data em Saúde
A transformação
de um negócio!
22.
23. Case em Telco
Objetivos: Reduzir a evasão de clientes
• Identificar clientes propensos a cancelar contratos.
• Identificar causas de atrito nos processos.
• Gerar insights para desenho das ações de retenção
• Medir o efeito destas ações.
• Implementar processo contínuo de sustentabilidade dos
indicadores de fidelidade.
31. Estabelecimento de um processo contínuo demelhoria dos modelos e metas.
Modelos
preditivos
Valordo
Cliente
Mecanismo
deotimização
Execução
Avaliação
dasações
• Priorizaçãode clientes
• Priorizaçãode produtos
• Priorizaçãode canais
• Tempos
• Custos
• Orçamento
• Restrições
• Follow-up
• Resources
• Script
• Metas
d
a
d
o
s
32. Não é um projeto de Big Data . É um projeto de negócios
que visa a criar um novo modelo de relacionamento!
Transformar cada ponto de
contato com o cliente em
uma oportunidade de
aprendizagem e de negócio