De acordo com o presidente da Abinc (Associação Brasileira de Internet das Coisas), Flavio Maeda, “o Data Mining pode ser aplicado em diferentes áreas de atuação. Para o marketing de uma empresa, por exemplo, é possível analisar os dados para receber uma profunda análise demográfica. Ao cruzar informações sobre o perfil de quem circula por uma determinada área, tráfego de veículos, infraestrutura de transporte público local e potencial de consumo dos transeuntes é possível, por exemplo, tomar decisões estratégicas sobre abrir ou não um negócio naquela região”.
Para ele, o mercado de meios de pagamento também é outro segmento com muito potencial para se explorar o Data Mining:
“Ao coletar informações de clientes de cartão de crédito é possível trabalhar na prevenção de fraudes, proteção de hackers e ameaças externas, além de gerar insights mais precisos na elaboração de estratégias de relacionamento com o cliente”.
Basicamente o processo de mineração de dados consiste em três etapas:
Etapa 1: identificação das fontes de dados
Seja pelas redes sociais, por sites de notícias ou por outros meios virtuais (como o sistema de PDV do seu comércio), é preciso antes de tudo, escolher por onde o software extrairá os dados para a sua empresa.
Etapa 2: fontes escolhidas, é hora de definir os padrões dos dados
Para que haja uma correta mineração de dados, o software precisa de instruções de onde procurar padrões nessas fontes escolhidas.
Geralmente recomenda-se que haja uma relação de causa e efeito entre esses pontos de dados – por exemplo, quantas pessoas estão em seu estabelecimento em determinado horário do dia pode te gerar alguns insights.
Etapa 3: aplicação e teste de conexão entre os pontos de dados
Um Data Mining eficiente deve ser muito bem alinhado para que os analistas não se percam na coleta e análise de dados.
Nesse caso, a realização de testes entre os pontos de dados é algo muito comum e necessário para se aparar algumas arestas e realmente extrair dados interessantes para a empresa.
Quer um exemplo?
Vamos supor que um pub precisa saber como suas vendas de cerveja são afetadas pela temperatura. Apenas analisar a quantidade de vendas no dia em que a temperatura estiver mais baixa ou mais alta pode não ser suficiente para gerar insights. Mas, se por exemplo, os dados extraídos conseguirem mostrar como o número de cervejas vendidas está mudando à medida que a temperatura também muda pode ser mais útil. Para isso, adiciona-se ao sistema novos parâmetros para que o gráfico registre exatamente essa informação.
Quer outro exemplo?
Vamos supor que você tenha uma financeira e possui um histórico de seus clientes e a divisão deles em dois tipos: adimplentes e inadimplentes. Você pode considerar minerar dados que preveem o comportamento de novos clientes que desejam contrair empréstimos em sua financeira. A partir da análise dos dados desses clientes extraídos de fontes pré-determinadas, você consegue filtrar melhor a concessão ou não do dinheiro, dependendo do comportamento desse consumidor.
Mas, por onde começar a investir?
Para Ricardo Ferreira, COO da Cinnecta, o primeiro passo é ter um objetivo claro para o projeto de mineração de dados. “Pode ser, por exemplo, aumento do engajamento, redução da perda de clientes ou aquisição de novos usuários”, explica.
Nesses casos, a análise de dados pode ser uma ferramenta muito poderosa para dar suporte às decisões estratégicas e, por isso, as empresas devem se preocupar muito com a qualidade dos resultados, que depende da qualidade dos dados coletados e das técnicas utilizadas para processamento, assim como dos algoritmos usados, que devem ser adaptados para cada caso.
Já para o presidente da Abinc, o investimento inicial deve ser em capital humano.
“É necessário investir em pessoas com capacidade de análise crítica das informações disponibilizadas. O principal investimento necessário para aplicação do Data Mining em uma empresa está nas pessoas. É o capital humano quem tem a capacidade de análise crítica das informações disponibilizadas e isso é o que vai agregar para o processo decisório das estratégias”, explica Flavio Maeda.
Segundo Maeda, a ferramenta ideal a ser utilizada vai depender da necessidade e objetivo da empresa. Portanto, antes de escolher um software, é necessário:
- Um bom planejamento que contemple a seleção de dados de interesse;
- O que será necessário analisar de acordo com as metas estabelecidas;
- Como será feito o pré-processamento desses dados;
- A formatação;
- Quais padrões devem ser identificados;
- Entender o que os dados querem dizer – por isso eles precisam ser disponibilizados de forma objetiva.
