A
primeira pergunta que podemos fazer é: O que é analytics? Em linhas gerais, é empregar técnicas estatísticas,
matemáticas e conhecimentos de programação e pesquisa para análise de dados,
com objetivo de descobrir e estudar padrões que sejam úteis para predição, segmentação,
descrição ou classificação de informações. Não temos como pensar hoje em um
mundo sem analytics. Seu uso tem sido
o diferencial competitivo de empresas para prover produtos e serviços que
realmente atendam às necessidades de seus clientes, internos ou externos, e que
sejam úteis para toda a sociedade. Encontramos seu uso em otimização de
campanhas de marketing, redução de
custos, otimização de rotas, análise de risco, precificação de ativos e análise
de portfólios.
Empresas
como Amazon, IBM ou Google lideram a alguns anos o desenvolvimento de técnicas
para análises de dados. Mas, seu uso não é restrito às empresas de tecnologia.
Grandes bancos como Itaú-Unibanco e Bank of America, redes varejistas como Wall
Mart e o Grupo Pão de Açúcar e empresas de diversos segmentos possuem como
elemento chave o uso de analytics no
momento de tomada de decisão em seus negócios. Todo
este processo de descobrir conhecimento utilizando bases de dados (do inglês
KDD - Knowledge Discovery in Databases)
é conhecido como mineração de dados (Data
Mining). Ou seja, “fazer Analytics”
é minerar o conhecimento contido nas diversas bases de dados.
Instintivamente
pensamos que os dados são geralmente numéricos e estruturados (organizados em
tabelas, com linhas e colunas bem definidas). Entretanto, mais de 80% dos dados
disponíveis no mundo estão em um formato não definido, não estruturado. Não
haveria melhor exemplo do que este post que você lê no momento. E qual é o seu
elemento principal? Sim, o texto. Assim, nada mais justo que pensarmos em uma
forma de extrair conhecimento, realizar a descoberta de padrões fazendo uma
mineração de textos. A grande vantagem desta técnica é conseguir extrair
informações sem uma leitura prévia dos textos, geralmente extensos ou, no caso
do Twitter, pequenos mas encontrados em milhares ou milhões.
O
uso desta técnica de analytics está
associado à classificação de SPAM em
serviços de e-mails, à análise de
sentimento de publicações em redes sociais, detecção de fraudes, criação de
variáveis para modelos preditivos, classificação de documentos, dentre inúmeras
outras aplicações. A mineração de texto é tão relevante que a Inglaterra fundou
o The National Centre for Text Mining
(NaCTeM), o primeiro centro de mineração de textos do mundo, administrado
pela Universidade de Manchester.
A
Sears, gigante do varejo dos Estados Unidos, as gigantes de tecnologia Amazon,
Google, Facebook e Twitter, e até mesmo o partido democrata de Barack Obama
utilizam a mineração de textos como técnica para gerar insights e diferenciais competitivos para garantir suas posições de líderes no mercado.
Vai ficar de fora?
Um abraço e até o próximo post!
0 comentários:
Postar um comentário