LIC’12 – Lusofona International Congress: Business Intelligence: proposta de framework para o marketing intelligence Teresa Guarda Isla – Instituto Superior de Línguas e Administração, Leiria, Portugal [email protected] Carlos Silva Isla – Instituto Superior de Línguas e Administração, Leiria, Portugal [email protected] Maria Fernanda Augusto Isla – Instituto Superior de Línguas e Administração, Leiria, Portugal [email protected] Resumo Nos últimos anos, o crescimento mundial desacelerou, os mercados têm amadurecido e tornaram-se mais competitivos. Para muitas organizações, a única forma de crescer é à custa dos seus concorrentes, ficando dependentes das ferramentas de Business Intelligence. O impacto da computação nas organizações fez das tecnologias da informação um elemento estratégico. Com base na revisão da literatura é apresentado o estado da arte do Business Intelligence e áreas relacionadas, realizada uma análise comparativas entre várias abordagens, propondo um modelo conceptual que oriente o desenvolvimento de actividades de Marketing Intelligence para apoio aos markteers no processo de tomada de decisão. Palavras-chave: Business Intelligence, Marketing Intelligence, Database Marketing. Abstract In the last years, global growth slowed, the markets have matured and become more competitive. For many organizations, the only way to grow is at the expense of its competitors, becoming dependent on the Business Intelligence tools. The impact of computing in organizations made information technology a strategic element. Based on the literature review is presented the state of the art of business intelligence and related fields, performed a comparative analysis between various approaches, and propose a conceptual model to guide the development of marketing intelligence activities to support the marketers in the decision making process. Key Words: Business Intelligence, Marketing Intelligence, Database Marketing. 1. Introdução Atualmente, a capacidade de recolher, processar, armazenar e criar e dados, ultrapassou a nossa capacidade de tornar significativos os dados escondidos nas bases de dados organizacionais. No ambiente competitivo atual, as organizações têm que manter os seus clientes para permanecerem competitivas. A transformação de dados em conhecimento útil é um processo complexo, mas promissor, levando à expressão “afogados em informação, mas sedentos de conhecimento” (Naisbitt, 1986). Neste contexto, o Business Intelligence (BI) propícia um ambiente que facilita o acesso à informação necessária às atividades do dia-a-dia, permitindo analisar a situação atual do negócio e seu desempenho. Os sistemas e ferramentas de BI têm um papel chave no processo de planeamento estratégico das organizações. São muitas as questões que deverão ser equacionadas antes de uma organização operacionalizar abordagens com vista à otimização de atividades de marketing suportadas em bases de dados. Tendo em consideração o grande volume de dados existentes nas organizações, será fácil para o marketer pensar no seu grande potencial no apoio às decisões e às atividades de marketing. Contudo, os grandes volumes de dados, por si só, apenas representam espaço ocupado. O processamento da informação tem vindo a transformar-se gradualmente na base necessária para alcançar a vantagem competitiva. A organização tem que acreditar que tem a informação certa, na altura certa e disponível para as pessoas certas (Palmer, 2000). Pretende-se a integração dos processos de Marketing Intelligence (MKTI) nos sistemas de Business Intelligence. Os sistemas de informação de marketing são uma abordagem de gestão de informação que consiste em quatro elementos interdependentes: dados internos, pesquisa de mercado, sistemas de suporte à decisão de marketing e Marketing Intelligence. Os dados internos são utilizados para as funções de planeamento e controlo; a pesquisa de mercado fornece dados sobre a eficácia do marketing, permitindo reagir a uma ameaça ou oportunidade; os sistemas de suporte à decisão de marketing são compostos por um conjunto de modelos que auxiliam a elaboração de previsões; finalmente o MKTI é baseado numa reunião contínua de informação, a qual é utilizada pelos marketers (Palmer, 2000), pretendendo ser uma característica indispensável para atingir e manter uma vantagem competitiva sustentável. A tendência atual dos centros de investigação em domínios de marketing, foca o Marketing Intelligence como uma provável forma, para garantir a sobrevivência dos departamentos de marketing, tornando-os mais eficazes e competitivos, quanto aos resultados obtidos. 2. Método utilizado nas pesquisas A pesquisa para este artigo foi realizada em duas fases: na primeira a recolha de artigos de revistas relacionados com a pesquisa em Business Intelligence e áreas relacionadas, seguida do estudo e seleção dos mais adequados para a elaboração do modelo conceptual proposto; na segunda fase foi realizada a classificação dos artigos, com registo da definição e abordagem utilizada em cada um deles, tendo sido feita posteriormente uma análise comparativa e respetivas conclusões (Figura 1). Figura 1 – Método de pesquisa 3. Abordagens O BI é o processo de recolha e análise de informação com o objetivo de auxiliar os gestores na tomada de decisão, permitindo alcançar ou manter a vantagem competitiva da organização. Foram recolhidos 33 artigos de diferentes revistas relacionados com o tema BI entre os anos 2000 e 2010, com a distribuição cronológica apresentada no Gráfico 1. Gráfico 1 - Artigos analisados por ano Após o estudo dos 33 artigos selecionados, foram identificadas três abordagens diferentes ao conceito de BI apresentadas no Gráfico.2, e referenciados na Tabela 1. Passemos à apresentação das abordagens: Abordagem de gestão: a abordagem de gestão vê o BI como o processo em que os dados recolhidos dentro e fora da organização são integrados de forma a criarem informação (conhecimento) relevante para o processo de tomada de decisão, dando ênfase à tomada de decisão de gestão. Abordagem técnica: apresenta o BI como sendo um conjunto de ferramentas que suportam o processo apresentado pela abordagem de gestão, a ênfase não é dada ao processo em si, mas às tecnologias utilizadas Abordagem de valor acrescentado: o BI oferece valor acrescentado para a atingir a vantagem competitiva. Tabela 1 - Artigos selecionados organizados por ano e abordagem Autores \ ano Abordagem (KPMG, 2000); (Groom & David, 2001); (Rouibah & Ould-ali, 2002); (Hannula & V., 2003); (Petrini & Pozzebon, 2004); (Negash, 2004); (Hill & Scott, 2004); (Gluchowski & Kemper, 2006); (Power D., 2007); (Bose R. , 2008); (Bucher, Gericke, & Sigg, 2009); (Cheng, Lu, & Sheu, 2009); (Bose R., 2009); (Kalahasthi & Krishna, 2009); (Lim & Lee, 2010); (Palocsay, Markham, & Markham, 2010). Gestão (Back, 2002); (Van Dyk & Conradie, 2007); (Baars & Kemper, 2008); (Sahay & Ranjan, 2008); (Chen & Wang, 2010). Técnica (Chen, Soliman, Mao, & Frolick, 2000); (Thomas, 2001); (Williams & Williams, 2003); (Gessner & Volonino, 2005); (Lönnqvist & Pirttimäki, 2006); (Davenport & Harris, 2007); (Wang & Wang, 2008); (Trim & Lee, 2008); (Power D., 2008); (Fleisher, 2008); (Davenport, Harris, & Shapiro, 2010). Valor acrescentado Gráfico 2- Distribuição de artigos por abordagem Analisando o gráfico 2, podemos verificar a maioria dos artigos, 48% destes, apresentam uma abordagem de gestão, 36% uma abordagem de valor de acrescentado e 15% uma abordagem técnica. O gráfico 3 mostra que 12% dos artigos estudados foram publicados pelo “Information Systems Management Journal”, um jornal com uma visão de gestão, centrado no processo de tomada de decisão de gestão. Com 9% dos artigos surgem o “European Journal of Marketing” também com uma visão de gestão e o “Industrial Management & Data Systems com uma visão de gestão e técnica, pretendendo facultar o conhecimento necessário para a exploração do potencial das novas tecnologias de forma inteligente. Com 6% dos artigos de revistas “Business Process Management Journal”, que analisa como os processos de negócios intrínsecos à eficiência e eficácia organizacional são integradas e geridos para alcançar o sucesso competitivo; e o “Expert Systems with Application”, cujo foco são a tecnologia e aplicações dos sistemas inteligentes. Gráfico 3 - Distribuição de artigos por jornal Habitualmente, os métodos utilizados na investigação conceptual são baseados nas comparações analíticas e conhecimento da literatura existente. No contexto do BI, um método o conjunto de regras e passos a serem executados, para que os objetivos de um sistema de BI sejam cumpridos. Os artigos analisados foram utilizados os seguintes métodos: estudo de casos e construção de modelos. Tendo sido utilizado em alguns destes ambos os métodos. Para Palvia et Al. (Palvia, Mao, Salam, & Soliman, 2003) o estudo de caso é um dos métodos mais significativos na investigação. Chen (Chen & Hirschheim, 2004) concluiu que o método estudo de casos está a ganhar importância, e evidencia que a investigação qualitativa está em crescendo, concluindo que os investigadores em sistemas de informação estão cada vez mais interessados na obtenção do conhecimento científico tendo como base o mundo real. O estudo de caso pode ser utilizado para construir teorias ou testá-las, recorrendo a métodos qualitativos ou mistos. O leque de alternativas torna-o uma estratégia muito versátil para os sistemas de informação (Cavaye, 2010). A construção do modelo conceptual é desenvolvida através da análise das definições chave de BI e dos conceitos relacionados. Entenda-se como análise no contexto do BI, a utilização intensiva de dados, através de análise estatística e quantitativa, e de modelos explicativos e preditivos que auxiliam o gestor na tomada de decisão. 4. Artigos seleccionados Após a análise dos artigos, foram selecionados dez. Foram seleccionados os artigos mais adequados para a proposta do modelo conceptual orientador do desenvolvimento de actividades de Marketing Intelligence para apoio aos markteers no processo de tomada de decisão. Dos artigos selecionados 60% destes apresentam uma proposta de modelo conceptual, 30% apresentam um estudo de caso e 10% apresentam ambos (Tabela. 2). Tabela 2 - Artigos selecionados Autores \ ano Método (Chen, Soliman, Mao, & Frolick, 2000) Estudo de caso (Rouibah & Ould-ali, 2002) Modelo (Hill & Scott, 2004) Estudo de caso (Negash, 2004) Modelo (Petrini & Pozzebon, 2004) Estudo de caso (Gessner & Volonino, 2005) Modelo (Baars & Kemper, 2008) Modelo (Wang & Wang, 2008) Modelo; Estudo de Caso (Trim & Lee, 2008) Modelo (Bose, 2009) Modelo 5. Métodos e resultados Nos artigos selecionados pode-se concluir (Tabela 3) que os artigos que utilizaram o método estudo de caso como resultado apresentam as respetivas conclusões e deixam algumas sugestões e propostas para trabalhos futuros. Os que utilizaram o modelo conceptual, para além do desenho do modelo, apresentaram as conclusões relativas à utilização dos mesmos, deixando algumas sugestões e alertas. Apenas o artigo de Rouibah & Ould-ali implementou o modelo proposto. Tabela 3 - Artigos seleccionados Autores Método Resultados (Chen, Soliman, Mao, & Estudo de caso Este estudo concluiu que o apoio dado pelos Frolick, 2000) centros de informação deve ser valorizado como sendo uma parte crucial para a avaliação da satisfação do utilizador final com os DW. (Rouibah & Ould-ali, 2002) Modelo Implementação do modelo. Proposta de futuras investigações. (Hill & Scott, 2004) Estudo de caso Este estudo apresenta um conjunto de recomendações relativas à implementação com sucesso dos sistemas de BI e de eBusiness em novas empresas de tecnologia de ponta. (Negash, 2004) Modelo Alerta para a importância dos dados não estruturados no suporte à tomada de decisão. (Petrini & Pozzebon, 2004) Estudo de caso Este estudo concluiu que as empresas Brasileira não rentabilizam a utilização das ferramentas de BI, uma vez que estão mais preocupadas com a tecnologia do que com o negócio. (Gessner & Volonino, 2005) Modelo Identificação de futuras áreas de investigação. (Baars & Kemper, 2008) Modelo Modelo conceptual para estruturar as iniciativas de BI desenhadas para integrar dados estruturados e não estruturados. (Wang & Wang, 2008) Modelo (Trim & Lee, 2008) Modelo Os agentes da inteligência competitiva podem contribuir para o processo de inteligência estratégica. Ao terem uma perceção mais clara do que representa o marketing estratégico, os marketeers podem conceber novas abordagens para a gestão do relacionamento com o cliente (CRM), e desenvolver estratégias globais de posicionamento, que quando implementadas ajudam a contraria as ações da concorrência. (Bose R. , 2009) Modelo Alerta para importância da análise preditiva. Demonstração da utilidade do modelo do sistema de partilha de conhecimento para DM Estudo de caso na transformação dinâmica do conhecimento explícito e tático para o BI. 6. Proposta Iremos abordar alguns tópicos relacionados com o BI e o MKTI. Pretende-se integrar o processo MKTI no sistema de BI através do desenvolvimento de um modelo conceptual para o processo de MKTI, com o objetivo de auxiliar na recolha e pré-processamento da informação e na disseminação do MKTI de forma sistemática. Globalmente pretende-se avaliar, estruturar o processo de MKTI para auxiliar os markters na tomada de decisão. 6.1. Identificação do Problema O processo de MKTI é uma abordagem complexa, sendo importante encontrar uma forma estruturada de tratar a informação, e crucial que esta esteja disponível atempadamente para o processo de tomada de decisão. É também essencial que as pessoas certas tenham acesso à informação durante todo o processo de recolha e análise, para fornecerem o feedback da intelligence (análise de informação) necessária. Assim, como é vital saber onde deve ser recolhida a informação e como deve ser organizada. O que leva à formulação do seguinte problema: Como pode o processo de MKTI ser organizado de uma forma sistemática para melhorar o processo de tomada de decisão? Para resolver o problema, usando uma abordagem top-down, este será fragmentado em três problemas: (1) Como organizar o fluxo de informação e inteligência dentro da organização, de forma a facilitar o processo de tomada de decisão?; (2) Como deve ser gerido e organizado internamente o MKTI?; (3) Como podem contribuir para o processo de MKTI os clientes, as fontes de informação (internas e externas), os stakeholders e a concorrência? 6.2. Revisão da Literatura 6.2.1. Business Intelligence É cada vez maior o número de organizações que disponibilizam o BI para os seus decisores internos e externos. Internamente, leva a uma maior responsabilidade de todos os colaboradores e a uma maior estabilidade da gestão. Externamente, as relações com fornecedores e parceiros de negócio podem ser reforçadas através da partilha eficaz de indicadores de desempenho para benefícios mútuos. O BI não é fácil de implementar em pequenas e médias empresas (PME) devido aos seguintes fatores: preços elevados; requisitos exigentes a nível de infraestruturas de hardware; utilização complexa para a maioria dos utilizadores; funcionalidade irrelevante; baixa flexibilidade para lidar com um ambiente de negócios em rápida mutação dinâmica, e não é dada a devida atenção às diferentes necessidades de acesso aos dados das PME e das empresas de grande dimensão (Xie, et al., 2007). Cada vez é mais importante (e difícil) para as organizações, tomar as decisões certas relativamente aos clientes. As empresas sabem que a capacidade de tomar com frequência as decisões certas é essencial para o aumento dos lucros, para a gestão de risco e para o bom desempenho global. Devido a fatores não controláveis, como os mercados em rápida evolução, as mudanças económica e de regulamentação, e novas fontes de concorrência, a decisão correta não é uma questão pacífica. O conceito de Business Intelligence (BI) é utilizado pelo Gartner Group desde 1996. É definida como a aplicação de um conjunto de metodologias e tecnologias para melhorar a eficácia da operação da empresa, a decisão de apoio à gestão para alcançar vantagens competitivas. Howard Dresner é considerado o pai do termo "Business Intelligence", desde que o utilizou em 1989 na Gartner, onde era na altura analista, mas Hans Pete Luhn foi o primeiro a usar o termo num artigo com o título "A Business Intelligence System", publicado em 1958 pela IBM (Luhn, 1958). Dresner procurava um termo para definir as melhores ferramentas de acesso e análise quantitativa da informação, e descreveu o BI como conceitos e métodos para melhoria da tomada de decisão, através da utilização de sistemas baseados em factos (Evans, 2010), Luhn por sua vez, definiu BI como sendo a capacidade de apreender as inter-relações dos factos apresentados de forma a orientar a ação com o fim de atingir o objetivo desejado (Kotler P. , 2004). Para Barbieri (Barbieri, 2001), o BI pode ser entendido como o uso de diversas fontes de informação para definir as estratégias competitivas de uma organização. Stackowiak et al. definiram BI como sendo o processo de recolha grandes quantidades de dados, a sua análise, e consequente produção de relatórios que resumam a essência dos dados em ações base do negócio, que iram auxiliar o gestor na tomada de decisão de negócio diária (Stackowiak & Greenwald, 2007). Para Zeng et al. BI é o processo de recolha, tratamento e difusão de informação, com o objetivo de reduzir a incerteza na tomada de decisões estratégicas (Zeng, Xu, Shi, Wang, & Wu, 2006). O BI é o processo através do qual os utilizadores obtêm dados precisos e consistentes a partir do ambiente de armazenamento de dados organizacionais (data wharehouses, data marts). Os dados obtidos dos diversos contextos do negócio, permitem aos utilizadores identificar, analisar e detetar tendências, anomalias, e realizar previsões. Os sistemas e ferramentas de BI têm um papel fundamental no processo de planeamento estratégico das organizações. Estes sistemas permitem recolher, armazenar, aceder e analisar os dados organizacionais, de forma a apoiar e facilitar a tomada de decisão (Aaker, Kumar, Day, & Leone, 2009). 6.2.2. Marketing Intelligence O Marketing Intelligence é “uma estrutura contínua e interativa de pessoas, equipamentos e procedimentos, para recolher, ordenar e distribuir informação pertinente, atempada e exata para uso dos marketers para melhorar os seus planos de marketing, a implementação e controlo.” (Kotler & Armstrong, 1998). O MKTI possibilita a compreensão, análise, e a avaliação do ambiente interno e externo da empresa relacionados com os clientes, concorrência, mercados, e indústria, para melhorar o processo de tomada de decisão. O que vai requerer a integração da inteligência competitiva, da pesquisa e da análise de marketing e da análise de informação financeira e do negócio (Huster M. , 2005). Enquanto o marketing está centrado nas necessidades dos clientes, a organização tem que obter informação sobre as necessidades do cliente. O Marketing Intelligence auxilia a organização neste processo, recolhendo a informação do cliente que poderá auxiliar na tomada de decisão (Aaker, Kumar, Day, & Leone, 2009). O conceito de inteligência em geral e de MKTI em particular têm evoluído a nível académico e empresarial, sendo vistos como um condutor para a estratégia e o sucesso no mercado (Lackman, 2000). Um sistema de MKTI é um conjunto de procedimentos e fontes, usados por gestores para obter as suas informações diárias sobre os desenvolvimentos pertinentes no ambiente em que operam (Mochtar & Arditi, 2001). O sistema de MKTI fornece dados sobre o mercado (Kotler P. , 2004). Outra definição de sistema de MKTI, é um sistema para capturar as informações necessárias para a tomada de decisão de marketing do negócio (Hutt & Speh, 1989). O propósito fundamental do MKTI é auxiliar os gestores de marketing na tomada de decisões com que se defrontam todos os dias nas suas diversas áreas de responsabilidade, incluindo o pricing. De acordo com alguns autores, o MKTI pode ser definido como o conhecimento existente e o conhecimento prévio sobre o ambiente operacional externo, obtido pela preocupação as opiniões, atitudes, comportamento e as necessidades dos indivíduos e das organizações, dentro do contexto das atividades económicas, ambientais, sociais e do quotidiano (Meunier-FitzHugh & Piercy, 2006; Prior, 1998). O objetivo final de cada processo de inteligência é facilitar a tomada de decisão que leva à ação (Prior, 1998). É a chave inteligência que motiva alguns autores a introduzir o termo inteligência competitiva como sinónimo de MKTI (Crowley, 2004; Huster M. , 2005). A associação de Marketing Americana define Marketing (Keefe, 2007) como sendo o conjunto de atividades e processos para criar, comunicar, entregar e trocar ofertas com valor para os clientes, parceiros e sociedade em geral. Apesar da pesquisa de mercado se concentrar muitas vezes na resposta a uma necessidade de informação específica ou um conjunto de necessidades, a inteligência é indicada como um processo contínuo de desenvolvimento de uma visão holística do ambiente operacional, incluindo concorrentes, clientes e mercados. Um processo de inteligência eficaz contribui para a base de conhecimento da organização e leva a uma aprendizagem organizacional cumulativa. A pesquisa de mercado é uma disciplina bem definida com uma longa história de aplicação no mundo dos negócios, assumindo muitas formas e com o objetivo de aumentar a compreensão que a empresa tem do mercado e dos seus clientes, e isso não é MKTI (Huster M. , 2005; Mulvenna, Chner, Norwood, & Grant, 1997). O MKTI, é claramente um processo complexo, cuja eficácia afeta drasticamente a qualidade das decisões de marketing, incluindo o pricing (Kotler P. , 2004). O MKTI irá melhorar significativamente a prática das organizações a nível da gestão da experiência de mercado, em resposta às necessidades específicas dos clientes e às características do ambiente. No futuro, o ponto fulcral será em medir as exigências do consumidor insatisfeito, acompanhando o seu comportamento, medindo a resposta do consumidor às mudanças nas atividades de marketing e análise de retorno dos clientes. Esta informação será usada para identificar as tendências dos gostos dos consumidores, identificar e eliminar os pontos de atrito entre a organização e os seus clientes. A tecnologia moderna permite que isso seja feito a uma maior escala, e a um custo mais baixo (Burke, 2006). O MKTI pode ser representado por uma pirâmide com três níveis (Figura 2) (Huster M. , 2005): Na base da pirâmide, está a informação base sobre o meio envolvente interno e externo da organização; No nível médio, há alguma informação que vem da análise de dados da base; No topo da pirâmide há conhecimento, ou produto de toda a estrutura de MKTI. Figura 2 -Marketing Intelligence fluxo de informação (baseado em (Huster M. , 2005)) Considerando a pirâmide do fluxo de informação do MKTI, perspetivam-se algumas ligações entre os três níveis, o que corresponde outros três níveis de tarefas operacionais (Huster M. , 2005): Na parte inferior da estrutura há o conhecimento base do marketing, em diferentes formas e suportes (pesquisas de mercado ou produto e informação dos clientes); o nível médio de informação, tem o conhecimento comum do mercado e a compreensão do consumidor (cliente e prospects). Este tipo de informação é normalmente o resultado da análise de dados clássica, como consultas a base de dados simples ou inferência estatística; no topo da pirâmide está a informação que apoia o gestor de marketing ou ao marketer, na tomada de decisão de marketing. Este nível é o resultado do processo de MKTI, que poderá ser entendido como a capacidade de atuar no mercado (por exemplo, desenvolver um novo produto) ou com os clientes (por exemplo, propondo novos serviços), com o conhecimento da vantagem. 6.2.3. Database Marketing A utilização de bases de dados em ações de marketing deu origem ao conceito Database Marketing (DBM) no final dos anos 70. A limitação da capacidade de interação dos atores, marketers e técnicos de bases de dados, tornou refém o próprio conceito, uma vez que nem os marketers tinham conhecimentos na área tecnológica, nem os técnicos de BD sabiam do negócio. Outra limitação à proliferação mais natural do DBM, é o facto de muitos dos projetos serem realizados dentro de organizações privadas, o que pode explicar em parte, a abundância de artigos científicos publicados na literatura académica que estudam as questões de DBM (Blattberg, 1987; Bult & Wansbeek, 1995; DeTienne & Thompson, 1996). O DBM é hoje uma parte essencial do marketing em muitas organizações. O princípio base do DBM, é que pelo menos parte da comunicação das organizações com os seus clientes é direto, os chamados consumidores (Bond, Foss, & Patron, 2004). Partindo deste simples princípio, tem crescido uma nova disciplina, mas sem a maturidade esperada por alguns autores (Drozdenko & D., 2002; Hughes, 1994). Atualmente o DBM é abordado sobretudo por inferência estatística clássica, a qual pode falhar quando os dados disponíveis são complexos, multidimensionais, e incompletos. O DBM refere-se ao uso da tecnologia de bases de dados para suporte às atividades de marketing. Sendo um processo de marketing orientado pela informação e gerido pela tecnologia de bases de dados, que permite aos profissionais do marketing desenvolver e implementar melhores programas e estratégias de marketing. Existem diferentes definições de DBM com perspetivas ou abordagens distintas, denotando alguma evolução ao longo dos conceitos (Detlev & Dholakia, 2004). Na perspetiva de marketing, “o DBM é uma aproximação interativa à comunicação de marketing, que utiliza os meios de comunicação endereçáveis" (Hughes, 1994; Stone & Robert, 1987), ou “uma estratégia que é baseada na premissa que nem todos os clientes ou prospects são iguais, e que com a recolha, manutenção e análise de informações detalhadas sobre os clientes ou prospects, os marketers podem modificar as suas estratégias de marketing” (Shani & Sujan, 1992). Foram sendo introduzidas algumas abordagens estatísticas, “database marketing é a aplicação de análise estatística e técnicas de modelação para processar conjuntos de dados individuais” (Roberts, 1997), dando ênfase a alguns tipos de dados. “De uma forma simples, o DBM envolve a recolha de informação sobre o passado, dos clientes atuais e potenciais, para construir uma base de dados que melhore o esforço de marketing. As informações incluem: perfis demográficos; o que o consumidor gosta e não gosta; gosto; comportamento de compra e estilo de vida." (Shani & Sujan, 1992; Gama, 1997). Com o avanço das tecnologias da informação, quer a nível da velocidade de processamento, quer a nível de espaço de armazenamento, o fluxo de dados nas organizações cresceu exponencialmente, sugerindo diferentes abordagens para o DBM, “Geralmente, é a arte de usar os dados que já se recolheram, para criar novas ideias para fazer dinheiro”, (Rowe, 1989; Tucker, 1997) ou “… guardar esta resposta, e adicionar outras informações do utilizador (estilo de vida, histórico de transações, etc.) numa base de dados eletrónica, e usá-los como base, para programas de fidelidade dos clientes a longo prazo, para facilitar futuros contactos e para permitir o planeamento de todo o marketing.” (Stone & Robert, 1987; Shani & Sujan, 1992; Fletcher, Wright, & Desai, 1996) e “… o DBM pode ser definido como recolher, guardar e usar o máximo de conhecimentos úteis sobre os clientes e prospects, em seu benefício e lucro.“ (Gama, 1997; Schoenbachle, Gordon, Foley, & Spellman, 1997). Alguns autores têm referido o DBM como “uma ferramenta de marketing orientada para as bases de dados, sendo cada vez mais, o ponto central das estratégias das organizações” (Swift, 2001; Greenberg, 2002; Cross & Janet, 2004). Todas as definições têm em comum uma ideia principal, o DBM é o processo que utiliza os dados armazenados em bases de dados de marketing, com a finalidade de extrair informações relevantes para apoiar as decisões de marketing e as atividades, através do conhecimento dos clientes, que permita satisfazer as suas necessidades e antecipar seus desejos. 6.3. Desenho da solução Pretende-se apresentar um modelo conceptual para o processo de MKTI, o qual irá auxiliar na recolha de informação e na disseminação do MKTI de forma sistemática. Globalmente pretende-se avaliar, estruturar o processo de MKTI para melhorar a tomada de decisão. A aferição do processo de MKTI mede-se quer pela capacidade de abstração lógica sobre o meio envolvente e fatores internos, no sentido de identificar e recolher os dados pertinentes para a sua análise, quer pela qualidade do processo de extração de conhecimento sobre esses mesmos dados em ações de suporte à tomada de decisão em marketing. O processo de MKTI é um conjunto de procedimentos e métodos para a recolha planeada, análise e representação de informação para uso na tomada de decisões de marketing (Fletcher & Deans, 1998). O desenho do processo de MKTI considera não apenas o tipo de informação armazenada no sistema, mas também a forma como os decisores pretendem receber a informação (McLeod & Rogers, 1985). Os gestores podem ter acesso direto a estas informações (relatórios), através dos seus terminais de computador. Propõem-se quatro processos base para o MKTI (ver Fig.3): o planeamento, a recolha, a análise e a disseminação. No início, na fase de planeamento, é definida a informação necessária para a tomada de decisões de marketing. De seguida, identificam-se as variáveis chave e realiza-se a recolha dos dados, dentro e fora dos repositórios da organização (dados sobre os clientes ou os prospects, dados sobre o mercado e a concorrência). Esta fase pode incluir realização de pesquisa de marketing tradicional ou a avaliação dos dados existentes. Podendo exigir o recurso a outras organizações, a nível de desenvolvimento de produto, finanças, ou cadeia de fornecimento, para ter acesso aos dados necessários. A fase seguinte, é a análise, a mais difícil do processo. É onde a todas as atividades devem ser desenvolvidas, com o fim de analisar os dados, procurando padrões, avaliando informações ou ideias, permitindo projetar os resultados possíveis. Na última fase, o analista irá divulgar as informações para os executivos, para análise e posterior feedback. Criando uma visão holística abrangente do problema e da solução. Figura 3 - Processos do Marketing Intelligence 7. Conclusão O BI é um conceito de gestão que se refere a um conjunto de programas e tecnologias que fornecem recursos \ capacidades para recolha, análise e acesso aos dados dos processos das organizações. Em qualquer organização, o principal objetivo do BI é auxiliar na tomada de decisão, atempadamente e a todos os níveis da organização. No mundo global em que vivemos pouco se faz sem informação de significado estratégico. Com a intensificação da competitividade entre as empresas em mercados abertos e muitas vezes saturados, as empresas têm que saber conhecer-se a si próprias e ao mercado, através da recolha e análise de informação de qualidade. A informação estratégica é encarada como um recurso fundamental para o sucesso na área empresarial, sendo esta facultada pelo Marketing Intelligence. O MKTI é um processo complexo, que vai desde a recolha de dados do ambiente competitivo da empresa, até á sua exploração, no sentido de a informação gerada auxiliar a gestão estratégica e a tomada de decisão de marketing. Uma estratégia de negócio de sucesso, requer uma sensibilização sobre o ambiente externo das organizações, incluindo os seus clientes, concorrentes, estrutura da indústria e forças competitivas. A gestão do futuro, não significa apenas ser capaz de antecipar o que vai acontecer fora da organização, mas também ser capaz de representar os acontecimentos através das próprias ações. 8. Referências Aaker, D. A., Kumar, V., Day, G. S., & Leone, R. (2009). Marketing Research, 10th Edition. Wiley.com. Baars, H., & Kemper, H. (2008). Management Support with Structured and Unstructured Data: An Integrated Business Intelligence Framework. Information Systems Management, 132-148. Barbieri, C. (2001). Business Intelligence: Modelagem & Tecnologia. Axcel Books. Blattberg, R. C. (1987). Research Opportunities in Direct Marketing. Journal of Direct Marketing, Vol. 1, 7-14. Bond, A., Foss, B., & Patron, M. (2004). Consumer Insight: How to Use Data e Market Research to Get Closer to Your Customer. Kogen. Bose, R. (2009). Advanced analytics: opportunities and challenges. Industrial Management & Data System, 155-172. Bult, J. R., & Wansbeek, T. (1995). Optimal Selection for Direct Mail. Marketing Science. Marketing Science, Vol. 14, 378–394. Burke, R. R. (2006). The Third Wave of Marketing Intelligence. Manfred Krafft and Murali Mantrala. Chen, L., Soliman, K. S., Mao, E., & Frolick, M. N. (2000). Measuring User Satisfaction with Data Warehouses: An exploratory study. Information & Management, 103-110. Cross, R., & Janet, S. (2004). Retailers move toward new customer relations. Direct Marketing Journal, 20-22. Crowley, E. (Março de 2004). Market Intelligence Primer. Pragmatic Marketing, Vol. 2, 3-6. DeTienne, K. N., & Thompson, J. A. (1996). Database Marketing and Organizational Learning Theory: Toward a Research Agenda. Journal of Consumer Marketing, Vol. 13, 2–34,. Detlev, Z., & Dholakia, N. (2004). Whose Identity Is It Anyway? Consumer Representation in the Age of Database Marketing. Journal of Macromarketing, Vol. 24 No. 1, 31-43. Drozdenko, R., & D., D. P. (2002). Optimal Database Marketing. Thousand Oaks, USA: SAGE Publications. Evans, P. (2010). Business intelligence is a growing field. Database Journal. Fletcher, K. B., & Deans, K. (1998). The structure and content of the marketing information system: A guide for management. Marketing Intelligence and Planning, Vol. 6, pp. 27–35. Fletcher, K., Wright, G., & Desai, C. (1996). The Role of Organizational Factors in the Adoption and Sophistication of Database Marketing in the UK Financial Services Industry. Journal of Direct Marketing, Vol. 10, 10-19. Gama, M. (1997). Database Marketing, Age-old Customer Savvy Gets an Algorithmic Boost. Medical Industry Information Report. Gessner, G., & Volonino, L. (2005). Quick Response Improves Returns on Business Intelligence Investment. Information Systems Management, 66-74. Greenberg, P. (2002). CRM at the speed of light: Capturing and keeping customers in Internet real time. Berkeley and London: McGraw-Hill. Hill, J., & Scott, T. (2004). A consideration of the roles of business intelligence and e-business in management and marketing decision making in knowledge-based and high-tech start-ups. Qualitative Market Research: An International Journal, 48-57. Hughes, A. (1994). Strategic Database Marketing. McGrawHil. Huster, M. (2005). Marketing Intelligence: A First Mover Advantage. Competitive Intelligence Magazine, 13. Huster, M. (2005). Marketing Intelligence: A First Mover Advantage. Marketing Intelligence Review, Vol. 8, 13-17. Hutt, M. D., & Speh, T. W. (1989). Business marketing management: A strategic view of industrial and organizational markets (3rd Ed. ed.). Chicago: Dryden. Keefe, L. A. (2007). Marketing Defined. Marketing News, 28-29. Kotler, P. (2004). Marketing management (12th Ed ed.). Upper Saddle River, N.J.: PrenticeHall. Kotler, P., & Armstrong, G. (1998). Princípios de Marketing. Brasil: Prentice-Hal. Lackman, C. S. (2000). The contribution of market intelligence to tactical and strategic business decisions. Marketing Intelligence & Planning, Vol. 18 No. 1, 6-9. Luhn, H. P. (1958). Business Intelligence System. IBM JournaL, 314-319. McLeod, R. J., & Rogers, J. C. (1985). Marketing information systems: Their current status in Fortune 1000 companies. Journal of Management and Information Systems, Vol. 1, 57-75. Meunier-FitzHugh, K. L., & Piercy, N. (2006). Integrating marketing intelligence sources Reconsidering the role of the salesforce. International Journal of Market Research, Vol. 48, 699716. Mochtar, K., & Arditi, D. (2001). Role of marketing intelligence in making pricing policy in construction. Journal of management in Engineering, Vol. 17, 140-148. Mulvenna, M., Chner, A., Norwood, B. M., & Grant, T. C. (1997). The Soft-Push: Mining Internet Data for Marketing Intelligence. Working Conf. on Electronic Commerce in the Framework of Mediterranean Countries Development, (pp. 333-349). Negash, S. (2004). Business Intelligence. Communications of the Association for Information Systems, 177-195. Prior, V. (1998). The Language of Competitive Intelligence: Part One. Competitive Intelligence Review, Vol. 9, pp. 66-68. Roberts, M. L. (1997). Expanding the Role of the Direct Marketing Database. Journal of Direct Marketing, Vol. 11, 29-35. Rouibah, K., & Ould-ali, S. (2002). PUZZLE: a concept and prototype for linking business intelligence to business strategy. Journal of Strategic Information Systems, 133-152. Rowe, C. (1989). A review of direct marketing and how it can be applied to the wine industry. European Journal of Marketing, Vol. 23, 5-14. Schoenbachle, D., Gordon, G., Foley, D., & Spellman, L. (1997). Understanding consumer database marketing. Journal of Consumer Marketing, Vol. 14, 5-19. Shani, D., & Sujan, C. (1992). Exploiting Niches Using Relationship Marketing. Journal of Consumer Marketing, Vol. 9, 33-42. Stackowiak, R. R., & Greenwald, R. (2007). Oracle Data Warehousing and Business Intelligence Solutions. Indianapolis: Wiley Publishing. Stone, M., & Robert, S. (1987). Database Marketing for Competitive Advantage. Long Range Planning, Vol. 20, 12-20. Swift, R. S. (2001). Accelerating customer relationships: Using CRM and relationship technologies. Upper Saddle River, NJ: Prentice Hal. Trim, P., & Lee, Y. (2008). A strategic marketing intelligence and multi-organisational resilience framework. European Journal of Marketing, 731-745. Tucker, M. J. (1997). Fresh dough. Datamation. Wang, H., & Wang, S. (2008). A knowledge management approach to data mining process for business intelligence. Industrial Management & Data Systems, 622-634. Xie, G., Yang, Y., Liu, S., Qiu, Z., Pan, Y., et al. (2007). EIAW: towards a business-friendly data warehouse using semantic web technologies. The Semantic Web, (pp. 57-870). Zeng, L., Xu, L., Shi, Z., Wang, M., & Wu, W. (2006). Systems, Man and Cybernetics, 2006. SMC'06. IEEE International Conference. IEEE International Conference, (pp. 4722-4726).