Big Data na prospecção B2B: utilizando dados para vender mais

Segundo estimativas de PriceWaterhouseCoopers e Business Software Alliance, no mundo todo, são gerados 2,5 quintilhões de dados todos os dias. E tal volume de informações pode ser utilizado para empresas terem um maior aproveitamento em suas estratégias comerciais. Para isso, no entanto, é necessário entender o que é Big Data e como sua aplicação ajuda na prospecção de vendas.  

A importância do tratamento de dados para o sucesso das empresas é um tema amplamente difundido, entretanto, na prática a história é outra. Segundo a Harvard Business Review, menos de 1% dos dados não estruturados captados não são utilizados nas tomadas de decisão.

“Big Data foi um termo cunhado em 1997 e que, realmente, significou uma nova era. Grandes empresas como Google, Facebook e Tesla extraem massas e massas de dados para auxiliar na tomada de decisões”, salienta Paulo Krieser, CEO da Econodata.

Em sua palestra “Big Data na prospecção B2B”, no Superlógica Xperience 2019, Krieser contou como empresas podem prospectar mais, e melhor, através da organização dos dados. Confira a palestra na íntegra no vídeo abaixo ou leia o restante deste artigo!

Para não perder nenhuma novidade do conteúdo publicado, se inscreva no nosso canal do youtube e assine o nosso podcast, “Economia da Recorrência”, no Spotify, Apple Podcasts, Google Podcast e todos os principais agregadores.

O que é Big Data?

Nunca o volume de informações geradas no meio digital foi tão alto. Estima-se que 90% dos dados gerados em toda a história da humanidade surgiram nos últimos 2 anos. Porém, antes de entrar na corrida de quem consegue organizar e utilizar seu valor comercial, é preciso entender, de fato, como eles devem ser aplicados.

Big Data é o termo utilizado para se referir a um grupo de dados volumosos e complexos, que normalmente seriam demais para um simples software de processamento gerenciar. Para entender melhor esse conceito é necessário conhecer seus 5 pilares, também conhecidos com “5 Vs”:

• Volume: é necessário processar uma grande quantidade de dados estruturados e não estruturados;

• Velocidade: também precisa-se tratá-los rapidamente. Por exemplo, para empresas que armazenam dados sensíveis, como bancos, a velocidade para identificar fraudes é essencial; 

• Variedade: existem diversas maneiras de organizar informações em bancos digitais. As estruturadas, normalmente, podem ser encontradas e lidas em formatos conhecidos com facilidade. Já as não estruturadas, como vídeos, imagens e publicações em redes sociais precisam de um processamento mais aprofundado, em mais etapas, para fazerem sentido;

• Valor: os dados organizados precisam ter valor ao propósito do negócio. Em meio, ao volume, será preciso “minerar” os mais os que agreguem à sua tomada de decisões;

• Veracidade: em meio a todas essas análises, também faz-se necessário confirmar o quão confiáveis são os dados obtidos.

O que torna o Big Data algo tão valioso?

“Mas o que realmente torna o Big Data inovador e disruptivo, a gente precisa contextualizar e trazer outros conceitos em conjunto para entender essa nova revolução”, diz Krieser. Assim, o CEO da Econodata deu um panorama sobre as principais tecnologias que tornam o Big Data tão precioso:

Internet das Coisas (do inglês Internet of Things) 

“A internet das coisas permite que milhões de dispositivos interconectados coletem dados de uma fonte para, posteriormente, serem analisados, cruzados e ajudarem na tomada de decisões”.

Bancos de dados não relacionais

Dados relacionais, que são organizados em tabelas e exigem a elaboração de esquemas para cruzamento com outras. Os não relacionais, por outro lado, são armazenados em um único agrupamento, em linguagem NoSQL, podem oferecer uma performance melhor e possuem alta escalabilidade de agrupamento.

Algoritmos paralelos e distribuídos

“Estes são algoritmos que dividem um problema muito complexo em pequenas partes e depois as organizam para trazer uma solução ao usuário. Eles permitem a solução de problemas que eram praticamente impossíveis em questão de segundos”, explica Paulo Krieser.

Nuvem

“A nuvem é um grande conjunto de servidores, milhares, que são abstraídos para uma visão única do usuário final, como se fosse uma máquina só. Ela permite uma escalabilidade de aplicações muito rápida e sem esforço. Para aumentar seu processamento e memória, basta adicionar novos servidores”.

Como o Big Data é aplicado no dia a dia?

O tratamento de dados, por mais que ainda ineficiente, já é visto como prioridade pelosque acompanham as tendências. Prova disso é o investimento e as previsões de lucro para empresas que trabalham nessa área.

Segundo a consultoria norte-americana IDC, a expectativa é que o setor de Big Data e Analytics lucre U$ 189,1 bilhões no mundo todo. No Brasil, a Associação Brasileira das Empresas de Software (ABES), estima que os investimentos na área cheguem à 4,2 bilhões de dólares.

Em solo brasileiro, por sinal, já se percebe a relevância do tema. O país é responsável por 46,2% da geração de receita com Big Data e Analytics em toda a América Latina. Se há fomento destas tecnologias, quais são suas aplicações diárias, então?

Paulo Krieser utiliza os exemplos de duas grandes empresas estadunidenses. A primeira é a Google que “pega os dados da função soneca do seu despertador (nos dispositivos que utilizam Android), quando selecionamos para ficar mais 10 minutos. Assim eles sabem quais de nós somos mais preguiçosos para acordar de manhã”.

O segundo é o da gigante das entregas UPS. “Analisando uma grande massa crítica de dados, eles viram que, nos Estados Unidos, para virar à esquerda você precisará esperar o semáforo ou esperar o tráfego no sentido oposto. Então, eles chegaram a conclusão de que fazer as rotas de entrega apenas virando à direita seria mais rápido e teria menor custo”.

Prospectando no mercado B2B

Segundo dados apresentados pelo CEO da Econodata, existem cerca de 20 milhões de CNPJs ativos no Brasil. Subtraindo as MEIs (Microempresas Individuais), 6.7 milhões, as filiais, 1 milhão, e considerando apenas empresas com mais de 9 funcionários, o recorte de negócios que podem ser prospectados cai para cerca de 631 mil.

“Quanto mais formos nichando, quanto mais segmentarmos de acordo com os interesses, a quantidade diminui”. Assim, para prospectar efetivamente, é necessário começar pela inteligência de mercado “que é a coleta de informações para ajudar na coleta de informações”. 

Segundo Krieser o ponto de partida é definir o seu ICP (Perfil de Cliente Ideal). Os pilares para definir como prospectar empresas são:

• Pessoas: o nível hierárquico (gestores, diretores, C-Levels etc.) e a área (vendas, marketing, financeiro etc.);
• Região: CEP, bairro, cidade e estado entre outros;
• Setor: comumente se usa o CNAE (Código Nacional de Atividade Econômica) das empresas, ou alguma outra forma particular para setorizar;
• Porte: que pode ser definido a partir do capital social, receita, número de funcionários etc.

Preocupações com a segurança

Se por um lado as informações possuem um alto valor comercial para empresas, por outro eles exigem muitos cuidados em relação à sua segurança. “Uma questão importante para trabalhar com dados é o Compliance. Ou seja, trabalhar de forma ética e que não saia dos princípios legais de segurança jurídica”, acrescenta Krieser.

Mais do que isso, existe a própria medida sancionada e aprovada pelo governo para regulamentar o tratamento e distribuição de dados no Brasil. A Lei Geral de Proteção de Dados Pessoais entrará em vigor em Agosto de 2020, porém já existe uma alta demanda para que as empresas se adequem – caso contrário podem receber multas de até 50 milhões de reais.

Onde estão os dados e como trabalhá-los?

“A internet é uma ‘mina de ouro’ para trabalharmos com dados, mas muitas vezes desconhecemos essas ‘minas’”, aponta Paulo. Existem, por exemplo, um grande número de bases públicas de dados relacionadas às associações, sindicatos e os próprios sites do governo – como a Receita Federal, telelistas, portais da transparência (federal e estaduais) etc.

Os dados dispostos publicamente, no entanto, podem apresentar falhas como empresas inexistentes, números de telefone desatualizados e setor errado. Para isso, surgiram empresas como a Econodata, uma das primeiras no segmento de prospecção via Big Data. “Nos Estados Unidos esse mercado está muito mais na frente, tem muitos outros players, algumas há décadas trabalhando com isso”.

O framework da Econodata

Para finalizar, Krieser revelou a estrutura utilizada pela Econodata para levantar e estruturar os dados entregues aos seus clientes. “Essa é uma forma simplificada do framework que utilizamos para a ingestão de dados e como processamos tudo isso e devolve na camada de saída para as pessoas trabalharem”.

As diversas bases de dados citadas (Receita Federal, portais da transparência, associações…) são acessadas por meio de crawler – algoritmo que percorre as bases e coleta as informações. E também por scrapper – algoritmo que “raspa” a base, extrai e joga os dados numa camada de banco de dados.

O que é coletado é direcionado ao stage, base de armazenamento provisória onde onde ocorre o processamento e cruzamento dos dados. Em seguida, o resultado é transferido para um banco de dados mais completo que é entregue para a camada final de clientes.

Sobre a Superlógica

A Superlógica desenvolve o software de gestão líder do mercado brasileiro para empresas de serviço recorrente. Somos referência em economia da recorrência e atuamos nos mercados de SaaS e Assinaturas, Condomínios, Imobiliárias e Educação. 

A Superlógica também realiza o Superlógica Xperience, maior evento sobre a economia da recorrência da América Latina, e o Superlógica Next, evento que apresenta tendências e inovações do mercado condominial.