FUNDAÇÃO GETÚLIO VARGAS

ESCOLA DE ADMINISTRAÇÃO DE EMPRESAS DE SÃO PAULO

ROSSANA DE ALMEIDA

SEGMENTAÇÃO DE CLIENTES PARA DESENVOLVIMENTO DAS CAMPANHAS

DO SETOR DE CRM A PARTIR DA UTILIZAÇÃO DO BIG DATA

SÃO PAULO
2017
SEGMENTAÇÃO DE CLIENTES PARA DESENVOLVIMENTO DAS CAMPANHAS
DO SETOR DE CRM A PARTIR DA UTILIZAÇÃO DO BIG DATA

Projeto de pesquisa apresentado à Escola

de Administração de Empresas de São
Paulo da Fundação Getúlio Vargas, como
requisito para a conclusão do curso de MBA
FINANÇAS: NEGÓCIOS BANCÁRIOS.

Campo de conhecimento: A inserção do Big

Data na confecção de mailing para o
aprimoramento das campanhas e processo
de Customer Relashionship Management
(CRM).
Orientador: Prof. Luis Miguel Zanin

SÃO PAULO
2017
 Trabalho de Conclusão de Curso

SEGMENTAÇÃO DE CLIENTES PARA DESENVOLVIMEDNTO DAS

CAMPANHAS DO SETOR DE CRM A PARTIR DA UTILIZAÇÃO DO BIG DATA

Elaborado por Rossana de Almeida e aprovado pela Coordenação Acadêmica foi

aceito como pré-requisito para obtenção do título de Especialista no Curso de Pós-
Graduação em Finanças de Negócios Bancários, Nível de Especialização, do
Programa FGV Corporativo.

Data da aprovação: _____ de ________________de __________

__________________________________
Hsia Hua Sheng
Coordenador Acadêmico

__________________________________
Luiz Miguel Zanin
Professor Orientador do TCC
Dedico este trabalho a minha família, por
toda paciência e apoio.
À minha filha e ao meu noivo Fernando,
pelo companheirismo e exemplo.
 AGRADECIMENTOS

Agradeço à minha filha, meu noivo, meus pais e minha família por me
apoiarem e me incentivarem durante todo o curso.
Este trabalho representou grande conquista e agradeço aqueles que
sempre estiveram do meu lado.
Por fim, agradeço a Deus por dar força para continuar e conseguir
concluir mais uma etapa do meu caminho.
 RESUMO

Em tempos em que a informação tem cada vez mais valor de mercado e os dados
ficam disponíveis com mais agilidade e rapidez, os desafios provenientes do
desconhecimento das tecnologias estão sendo gradativamente minimizados. Em
compensação, os desafios decorrentes da enorme gama de opções e possibilidades
que se estruturam diante de grandes organizações só aumentam. Num contexto que
exige rapidez e inovação, surge o termo Big Data, encabeçando um novo grupo de
tecnologias que possibilita a utilização de grandes pacotes de dados, estruturados
ou não, à velocidade exigida pelo sistema econômico. O objetivo desta pesquisa foi
buscar esclarecer qual o real conceito de Big data, suas funcionalidades e o impacto
que este novo assunto trás para o sistema bancário. No decorrer desta pesquisa foi
descrito o processo atual de seleção de público e com a análise do SWOT tornou-se
possível apontar em quais instâncias o Big Data poderia alavancar os negócios no
setor de CRM com a análise de dados e através da segmentação bem direcionada,
proporcionada pela assertividade e unificação que todos os sistemas de atendimento
do banco devem ter. Utilizado pelos bancos, o Big Data trabalha on-line, de forma
integrada, permitindo ao cliente, uma presença amplificada, mesmo que o
atendimento não se dê presencialmente. Através da posse de dados atualizados, o
Big Data representa uma grande vantagem na busca pela fidelização e pela
diferenciação de seus clientes, principalmente se esta atualização ocorrer em tempo
real o que permite que em qualquer lugar que o cliente esteja, possa utilizar os
canais (telefone, internet banking, centrais de atendimento, agências e terminais de
autoatendimento) para interagir com o banco.

Palavras-chave: Big Data, Análise de dados, CRM, funcionalidades.

 ABSTRACT

In times when information has more and more market value and the data becomes
available ever more quickly, the challenges of learning new technologies are being
gradually minimized. On the other hand, with the huge range of options and
possibilities arising from these developments, come new challenges for large
organizations. In a context that requires speed and innovation, the term Big Data
arises, encompassing a new group of technologies that allows the use of large
packages of data, structured or not, at the speed required by the economic system.
The objective of this research was to clarify the real concept of Big Data, its
functionalities and the impact that this new subject brings to the banking system. In
the course of this research, the current process of audience selection was described,
and with SWOT analysis it became possible to indicate in which instances Big Data
could leverage business in the CRM sector with data analysis and through well
targeted segmentation, provided by the assertiveness and unification that all the
attendance systems of the bank must have. When used by banks, Big Data works
online, in an integrated way, allowing the customer an amplified presence, even if the
attendance is not given in person. By keeping up-to-date data, Big Data represents a
great advantage in the search for loyalty and differentiation of its customers,
especially if this update occurs in real time, which allows a customer, wherever they
are, to use the channels (telephone, internet banking, call centers, agencies and self-
service terminals) to interact with the bank.

Keywords: Big Data, Data analysis, CRM, functionalities.

 SUMÁRIO

1. INTRODUÇÃO ............................................................................................... 9

2. PROCESSO ATUAL: SELEÇÃO DE PÚBLICO .......................................... 11

2.1. Análise do SWOT: ........................................................................................ 13

3. FUNDAMENTAÇÃO TEÓRICA ................................................................... 16

3.1 SEGMENTAÇÃO ................................................................................................ 16

3.2 CRM - O que é e como funciona ......................................................................... 18
3.3 CRM em bancos.................................................................................................. 20
3.4 BIG DATA - O que é e como funciona ................................................................ 21
3.5 BIG DATA – 5V’S ................................................................................................ 23
3.5 O CRM EM CONJUNTO COM O BIG DATA – RESULTADOS ESPERADOS ... 25
3.5 BIG DATA: VATANGENS PARA INSTITUIÇÕES FINANCEIRAS NO CRM ...... 27
3.5.1 MELHORAR A GESTÃO DE RISCOS NA LIBERAÇÃO DE LINHA DE
CRÉDITO: .................................................................................................... 27
3.5.2 SUPRIMIR FRAUDES: ..................................................................................... 27
3.5.3 DIMINUIR O CHURN (cancelamento de serviços e enceramento de contas): 28
3.5.4 APRIMORAR O ATENDIMENTO TRAZENDO SATISFAÇÃO AO CLIENTE .. 29
3.5.5 QUAIS OS TIPOS DE EMPRESAS QUE MAIS SE BENEFICIAM COM O BIG
DATA ............................................................................................................ 29

4. PROCESSO DE MELHORIA (SHOULD BE): .............................................. 32

5. CONCLUSÃO............................................................................................... 34

REFERÊNCIAS ......................................................................................................... 36

ANEXO A .................................................................................................................. 41
 9

1. INTRODUÇÃO

In God we trust, for anyone else bring data.

Michael Bloomberg

Cada dia a sociedade se torna mais dependente de informações, com o

advento da internet e em seguida das redes sociais, o acesso às informações do
mundo inteiro se tornou possível e esse avanço favoreceu a interação das pessoas
com o mundo todo, a nível interpessoal, financeiro, do entretenimento e muitos
sistemas foram afetados por essa mudança. Com o surgimento e a disseminação de
novos meios de comunicação, o volume de dados gerados todos os dias cresceu a
níveis impressionantes, cerca de 4 milhões de profissionais já trabalhavam com o
Big Data no final de 2015. Os EUA concentravam metade desse pessoal,
significando que o mercado brasileiro, como tantos outros, ainda tem muito a
expandir (Portal Statista, 2015).

Grande parte dos dados que circulam na rede é criada por toda sociedade
nas redes sociais, GPS (Global System Positioning), SMS, upload e download de
imagens e vídeos, transações comerciais, acesso a sites, sensores em dispositivos,
construindo um grande banco de dados, não estruturado, a nível mundial, que
auxilia e motiva grandes e pequenas incorporações a investir em tomada de
decisões. Segundo INTEL (2012), “a civilização criou até 2003 cinco exabytes de
informação e hoje esse volume é criado em apenas dois dias.

O Big Data apresenta uma solução tecnológica para a resolução de

problemas em organizações financeiras, pois de acordo com Canary (2013) ele
possibilita o armazenamento de um grande volume de dados, estruturados ou não,
viabilizando o acesso, processamento e análise em tempo real, num sistema
fundamentado nos 5 V’s: volume, velocidade, variedade, veracidade e valor. Esse
processo alavanca os negócios de uma empresa com a união da confiança
transmitida através dos serviços prestados com a baixa probabilidade de erro.

"Big data não é uma "coisa", e sim uma atividade dinâmica que atravessa
muitas fronteiras de TI" (GANTZ, 2012, p.6). Essa iniciativa assegura estratégias de
resolução dos desafios mais urgentes dos setores corporativos, com o intuito de
 10

aprimorar a capacidade de extração de conhecimento e compreensão de dados

digitais complexos.

O objetivo da pesquisa que será desenvolvida é esclarecer qual o real

conceito de Big data, suas funcionalidades e o impacto que este novo assunto trás
para sistema bancário.

Sabendo-se que, o Big Data, aparece no cenário financeiro agregando

inteligência às soluções, agrupando volume de dados e utilizando-se de investigação
preditiva para acelerar possíveis comportamentos, possibilitando, assim, a produção
de poderosos insights com os quais as instituições financeiras conseguem obter
vantagens de negócio, este trabalho tem como objetivo, num sentido mais amplo,
esclarecer como o Big Data é capaz de ajudar essas instituições a se sobressaírem
no mercado, fazendo uso dos dados coletados para o melhoramento das vendas na
área de Marketing do Setor de CRM. Em um aspecto mais restrito este estudo
propõe buscar estratégias de aprimoramento do processo de CRM na confecção de
mailing para campanhas no autoatendimento.
 11

2. PROCESSO ATUAL: SELEÇÃO DE PÚBLICO

A área de CRM (Customer Relashionship Management) é um setor que tem

como natureza do seu negócio o departamento de Marketing do Banco. Este setor
possui acesso a base de dados dos clientes, sendo que elas possuem o cadastro do
cliente com informações importantes como endereço, renda, estado civil e etc.
Também tem acesso a base dos cartões de crédito, com dados de utilização e
comportamento. O intuito deste setor é selecionar a massa de clientes que será
abordada nas campanhas dos Canais Digitais (Internet, Mobile e Caixa eletrônico).
O objetivo estratégico deste setor é segmentar clientes para campanhas do
Banco e utilizar o maior número de informações sobre os clientes para ser mais
assertivo nas ofertas de produtos/campanhas, sendo que esses produtos e serviços
entregues são as baseados em dados íntegros para a realização da oferta. O
histórico recente do processo são dados confidenciais do banco não liberados.
Atualmente o processo de CRM na Instituição é iniciado numa reunião
semanal denominada Fórum na qual participam os Gestores dos canais de oferta
(Internet, Mobile, Caixas de Autoatendimento e Varejo), os Gestores dos segmentos
de clientes (Classic, Exclusive e Prime) e os Gestores dos produtos que serão
ofertados (Empréstimos, Financiamentos, Previdência, Investimentos e etc.).
Neste Fórum Gestores de Produtos e Gestores do Segmento deliberam quais
serão as próximas diretrizes do Banco em relação às campanhas e ofertas para os
clientes. É discutido qual será o público abordado, a quantidade de clientes que
deverão receber a oferta, feito um breafing de como deverá ser apresentada a peça
da campanha, e em qual canal será comercializado este produto, e após a validação
do Fórum o Departamento de Marketing faz as peças de campanhas para cada
segmento e direciona as diretrizes de público que serão abordados para o setor de
CRM fazer as bases de clientes que receberão as ofertas.
O CRM utiliza o TeraData para extrair as bases de clientes onde ele coloca as
query´s (condições) como sexo, idade, região demográfica e etc. (todas estas
condições já foram pré-definidas no Fórum juntamente com o público que será
abordado). As informações são obtidas com fontes de dados diferentes, portanto é
necessário realizar um join (cruzamento e unificação) das bases para gerar um único
arquivo. Este arquivo será transmitido para os Gestores dos Canais, que “subiram” a
campanha para os clientes destas bases.
 12

O fluxograma abaixo demonstra o caminho do processo atual descrito acima:

Segue abaixo números com a porcentagem que o Banco realizou referente à

meta do ano anterior para os anos 2015 e 2016, já o ano de 2017 mostra a meta
desejada para o período. Devido ao fato de serem informações confidencias não
será possível demonstrar a quantidade em valores (R$) apenas foi demonstrado o
percentual de crescimento e ou as justificativas para uma meta negativa, como
apresentado para o LIME e Consignado Público.
 13

Proposta Proposta 2017

Realizado Realizado
2017 Gestor
2015 2016
Indicador Dist. Digital Autoatendimento

+ % 2015 % +% +%

LIME 2 -7% 9% 1,5%

Consignado
7 17% 31% 14%
INSS
Consignado
1 39% 37% 17%
Privado
Consignado
1 -60% -48% 21%
Público
TOTAL
2% -6% 10% 3%
CRÉDITO

O Departamento de Marketing é o responsável pela elaboração e implantação

das contribuições a serem implantadas na empresa. O Processo de Seleção de
Público contribui atualmente para que sejam selecionados os clientes que possuem
potencial para compra dos produtos, com as bases de dados mais abrangentes
podem ser mais assertivos na oferta dos produtos.

2.1. Análise do SWOT:

O Banco Bradesco publicou em sua página o Relatório de Análise Econômica

e Financeira do segundo trimestre de 2017 que aponta que os investimentos em
Tecnologia da Informação (TI) somaram R$ 2,786 bilhões, no primeiro semestre de
2017 (BRADESCO, 2017). Esses números retratam a preocupação que a instituição
possui com a concorrência, pois sabem que saindo na frente terão oportunidades de
fidelizar seus clientes.

Fonte: Relatório de Análise Econômica e Financeira 2º Trimestre 2017

Assim, pode-se perceber que as maiores dificuldades na implantação de uma

nova estratégia de vendas no CRM estão relacionadas tanto ao investimento quanto
 14

ao fato das bases de dados do banco às informações serem restritas a dados

bancários, não acessando os dados não estruturados disponíveis online. Além disso,
as instituições bancárias concorrentes fazem frente ao mercado com campanhas
assertivas e produtos direcionados.

O fato do Banco Z já possuir o sistema de CRM, reduz consideravelmente o

investimento, bem como a negociação entre os departamentos para unificação das
bases e sistemas, para compartilhamento de dados e informações. Com esta
melhoria os departamentos teriam menos tempo gasto na obtenção e troca de dados
e mais tempo para pensar nas estratégias de negócios do Banco Z.
Com a inserção do Big Data seriam disponibilizados cursos de capacitação
para os funcionários que trabalhariam com a ferramenta, possibilitando
desenvolvimento de pessoal.
A necessidade de treinamento dos usuários para utilizar o software e a
unificação das bases de dados para utilização de todos os departamentos são
obstáculos a serem transpostos para que os benefícios alcançados com a
 15

implantação do Big Data no sistema de CRM bancários possam ser maiores do que
as barreiras encontradas no processo de implementação.
O bom alinhamento deste processo deve ser considerado com pesquisa
sobre a concorrência, pois a busca de novas soluções ganha status de prioridade
nas metas traçadas.
 16

3. Fundamentação Teórica

3.1 SEGMENTAÇÃO

A segmentação pode ser definida, conforme Kotler e Armstrong (2003) como

a divisão de grandes e heterogêneos mercados em grupos menores visando atender
as necessidades de consumidores que possuem necessidades específicas com a
oferta de serviços e produtos personalizados.
Na expectativa de satisfazer as necessidades prioritárias do mercado
bancário, as instituições bancárias têm buscado cada vez mais investir na escolha
de mercados-alvo e na segmentação, de modo a ampliar sua oferta de serviços e
produtos a mais de um tipo de cliente. Segundo Costa (2003) os programas de
segmentação tornaram-se um meio pelo qual os bancos viabilizaram a
personalização do atendimento e relacionamento com cada grupo de clientes. De
acordo com Betanho (2006) quando uma empresa ou instituição bancária assume a
perspectiva de segmento, opta por atender uma classe de clientes que possui
características em comum entre si, com serviços e produtos direcionados a clientes
específicos.
Apura-se então que o que gera a necessidade de segmentar são as
diferenças que existem entre cada indivíduo, pois “se todos os seres humanos
fossem iguais em seus comportamentos e preferências, a segmentação de mercado
não seria necessária porque todos os produtos e serviços poderiam ser iguais”
(BLACKWELL, MINIARD e ENGEL, 2008, p. 41).
Neste sentido, a segmentação proporciona um aprimoramento significativo no
atendimento favorecendo a canalização das vendas em função da melhoria dos
benefícios para seu público-alvo, como tempo de espera e deslocamento,
customização de serviços e produtos, e na otimização de outros recursos já
disponibilizados ao cliente. Para McTavish (1991) os clientes possuem perfis que
são formados por características próprias, requerendo assim, a adequação do
vendedor ao cliente e não o contrário.
Blackwell, Miniard e Engel (2008, p. 47) e Kotler e Keller (2006, p. 257, 258)
apresentam critérios de segmentação que, podem assinalar um processo passível
de resultados positivos para a organização, quando atendidos:
 17

Mensurabilidade: capacidade de se obter informações sobre o tamanho, as

características, poder de compra e comportamento de um segmento de mercado. Os
dados devem ser passíveis de avaliação concreta;
Acionabilidade: refere-se à viabilidade do desenvolvimento de programas de
marketing formulados para atrair, atender e manter os clientes-alvo.
Alcançabilidade (ou acessibilidade): O segmento deve ter efetivamente alcance
possível para atingir e atender ao seu público-alvo;
Congruência: em relação a comportamentos ou características, abrange as
semelhanças existentes entre os membros de um segmento;
Sustentabilidade: O segmento deve ser grande ou rentável o suficiente para ser
atendido ou gerar preço prêmio/lucratividade proporcionando volume suficiente para
cobrir os custos de desenvolvimento, produção e distribuição;
Diferenciação: a existência da distinção entre os diversos segmentos.

Clientes fiéis geram mais negócios, pois consomem produtos com maior
freqüência conforme Czinkota (et. al. 2001), então se pode considerar como
Desvantagens da segmentação o aumento de custos e investimentos e a dificuldade
de gerenciamento devido ao excesso de produtos (personalização). E como
Vantagens da segmentação, o aprofundamento no reconhecimento dos
consumidores potenciais e efetivos; o desenvolvimento de um composto de
marketing específico para satisfazer as necessidades do mercado alvo; o
conhecimento dos produtos oferecidos pela concorrência e a escolha de produtos
com base nas necessidades e preferências avaliadas previamente.
As etapas do processo de segmentação podem ser definidas da seguinte
forma:
1. Segmentação baseada nas necessidades: Clientes agrupados em
segmentos;
2. Identificação: analisa o comportamento de consumo, estilo de vida e as
características demográficas de um segmento distinto e acionável;
3. Atratividade: Critérios pré-determinados como crescimento de
mercado, intensidade competitiva e acesso ao mercado;
4. Rentabilidade: análise da demanda, custos e preços;
5. Posicionamento: proposta e estratégia baseadas nas necessidades e
características específicas dos clientes;
 18

6. Teste crítico: pesquisas de marketing para testar a atratividade e

posicionamento no segmento;
7. Estratégia de marketing mix: expansão da abrangência da estratégia
de posicionamento buscando incluir todos os aspectos do marketing
mix.

No Brasil existem fatores que explicam a segmentação de mercado e que se

aplicam somente ao nosso país devido a algumas particularidades como a extensão
territorial, custos altos e crescentes de logística, grande diferença de poder aquisitivo
das classes de consumo, diferença entre hábitos regionais, altos custos de
publicidade a nível nacional, dificuldade de entendimento quanto à utilidade de
determinados produtos, entre outros.
A segmentação de mercado visa concentrar, direta e indiretamente, recursos
com o objetivo de criar compostos estruturados na estratégia de marketing.
Diretamente, os recursos disponíveis são redistribuídos em frentes de combates
menores o que proporciona maiores ganhos em âmbito geral. Indiretamente, pela
simplificação dos processos, há uma diminuição das estruturas de apoio, o que gera
um aumento das forças quando comparados à concorrência.

3.2 CRM - O que é e como funciona

O Customer Relationship Management (CRM) tem sua importância ressaltada

como uma tática de gestão que se vale de informações da instituição e do mercado,
viabilizando a identificação e a assistência das necessidades dos clientes. Sua
definição é feita por uma abordagem gerencial que possibilita às organizações a
atração, a identificação e o acúmulo de clientes, e que propicia uma rentabilidade
maior para a empresa desenvolvendo, justamente, ações para o apontamento e
para o aumento das negociações com clientes de maior valor. Todas as ações de
CRM são estimadas levando em consideração a base do relacionamento com
clientes, e consistem no entendimento do tipo de consumo que efetuam, bem como,
seu hábito de compra e de pagamento (SHETH e PARVATIYAR, 2002).
Para que a empresa possa desfrutar, numa abordagem gerencial, dos
benefícios do CRM, a definição de indicadores gerenciais e tecnológicos constitui
 19

fator crucial. Pedron (2003) destaca que a definição dos parâmetros de sucesso em
CRM, do ponto de vista estratégico, é uma das atribuições mais difíceis. E, Ceretta e
Quadros (2003) afirmam que é grande a dificuldade e a importância do
desenvolvimento de normas de desempenho que apresentem credibilidade,
objetivando ampliar a clareza dos atributos imprescindíveis para a prática efetiva do
CRM. Para uma abrangência organizacional maior e maior quantidade de
informações a respeito do comportamento dos clientes, portanto, serão investigadas
as dimensões organizacional e tecnológica do CRM.
Lin e Su (2003, p.716) definem CRM como sendo "a chave da competição
estratégica necessária para manter o foco nas necessidades dos clientes e para
uma abordagem face a face com o cliente ao longo da organização".
Gordon (2002) diz que o marketing de relacionamento não se concentra
apenas nas implicações da linha de frente com clientes, mas aplica-se em processos
e também no que for necessário para aprimorar o relacionamento. Ou seja, a linha
entre o cliente, as vendas e a empresa são contínuas. O gerenciamento dos
negócios requer esforço de todos os vendedores e gestores, novas abordagens e
uma criação de padrões contínuos para os clientes.
Já Kotler (1998) alega que esse marketing pondera a respeito das
necessidades existentes no relacionamento com clientes e demais públicos e a
relevância de criá-los, conservá-los e acentuá-los. Segundo Kotler e Armstrong
(1998) o marketing de relacionamento destina-se a oferecer ao cliente valor em
longo prazo, para assim, à medida do sucesso e da conquista proporcionar
recompensa em longo prazo, um seguimento de relação contínua, na qual ambas as
partes saem ganhando. De acordo com Kotler e Keller (2006) as empresas têm de
buscar seu posicionamento e a diferenciação, pois elas não podem vencer se suas
ofertas e produtos lembrarem qualquer outra oferta ou produto. É fundamental que
haja um diferencial competitivo para que a empresa obtenha vantagens no método
de oferecer seu produto.
Com o alcance de um número ilimitado de conhecimento, possibilidades de
escolha, informações, e incorporado a um cenário de mercado bancário
progressivamente mais dinâmico, interativo e competitivo, os clientes encontram-se
cada vez mais bem informados. Por isso, conhecer e relacionar-se com os clientes
potenciais e atuais se torna, para as instituições financeiras, um dos maiores
desafios.
 20

Segundo Mazza (2009) a instituição deve preocupar-se em reunir a

armazenar os dados de seus clientes, adequadamente, para conhecer melhor cada
um deles. A finalidade da Gestão do Relacionamento do Cliente é desenvolver e
administrar relações singulares com clientes por meio de ferramentas de automação,
call centers e tecnologias interativas como web sites, que possibilitem conexões em
tempo real e automáticas dos clientes à empresa, facilitando modificações,
feedbacks, personalizações de produtos e especificações, por isso, o CRM é
exposto como uma iniciativa em que se procura estabelecer, com o cliente, o melhor
relacionamento possível, não apenas na venda, mas em todo o ciclo de vida dele
com a empresa.
Swift (2001) reitera que o cliente e o consumo estão em frequente mudança,
portanto, as organizações precisam ser flexíveis e os canais têm que adaptar-se a
isso. Para tanto é necessário conhecer e entender previamente os comportamentos,
os desejos e as necessidades dos clientes a fim de tornar-se decisiva vantagem
competitiva para o sucesso da implantação, nas organizações, das estratégias de
gestão de clientes. Para ele, o aprendizado regular sobre os clientes e a criação do
conhecimento sobre eles com o propósito de atingir a lucratividade e os objetivos em
longo prazo é aspecto significativo para o CRM.

3.3 CRM em bancos

Estabeleceu-se no setor bancário um cenário de forte concorrência e limitada

diferenciação de serviços e produtos, por esta razão o sistema de CRM vem se
destacando notadamente na prestação de serviços para o atendimento de seus
clientes, pois, favorece um peculiar aspecto que os bancos possuem que são
relacionamentos duradouros, possibilitando um fluxo ininterrupto de interações, por
ter acesso a informações como renda dos clientes, perfis de aplicação, perfil familiar,
eventuais gastos além do limite, etc. (BRETZKE, 2000; FREITAS; MELO; CALDAS,
2009).
Para apresentar soluções apropriadas e promover um atendimento
individualizado a todo tipo de cliente são utilizados mecanismos de agrupamento,
observando características comuns ao mesmo. Sobre isso Baker (2005, p.174)
declara que “o princípio básico da segmentação é que os mercados não são
 21

homogêneos e que comercialmente faz sentido diferenciar ofertas de marketing para

diferentes grupos de clientes” Desta forma, o objetivo da segmentação é
personalizar o atendimento dos clientes, e para que isso se torne possível pode-se
fazer quantas subdivisões a organização julgar necessário.
Desse modo, afim de que o cliente bancário se sinta exclusivo, faz-se
necessário a personalização desse contato onde quer que ele aconteça, o que é
possível somente com o subsidio de um sistema de CRM. No entanto é
indispensável prever se uma “super-personalização” irá gerar mais resultados do
que custos e é por isso que no setor bancário, a mais essencial segmentação de
clientes faz-se entre as pessoas em geral (Pessoa Física) e os clientes empresariais
(Pessoa Jurídica). Existem ainda outras diferenciações, dentro desses segmentos
que criam grupos em particular, ou seja, outras subdivisões. No caso de clientes
Pessoa Física, a renda é exemplo de fator diferenciador. Já nos clientes Pessoa
Jurídica, que são especialmente importantes para os bancos, os exemplos de
diferenciação podem ser o ramo de atividade e o faturamento (BANCO DO BRASIL,
2011; BRADESCO, 2011; ITAÚ UNIBANCO HOLDING, 2011).
O sistema de CRM utilizado pelos bancos trabalha on-line, de forma
integrada, permitindo ao cliente, uma presença amplificada, ainda que o atendimento
não ocorra de forma presencial. Em qualquer lugar que o cliente esteja, inúmeros
são os canais que possibilitam a sua interação com o banco: telefone (fixo ou
móvel), internet, centrais de atendimento, agencias e terminais de autoatendimento.

3.4 BIG DATA - O que é e como funciona

Por ser um conceito muito amplo e abrangente e devido a sua utilização

quase irrestrita em vários segmentos do mercado, o termo BIG DATA encontra
várias interpretações. Porém, a essência do termo é evocada sempre que o enfoque
é dado ao desenvolvimento de produtos diversificados em organizações distintas.
Podem-se relacionar várias formulações conceituais para explicar a aplicação
deste sistema de captação, análise e conversão de dados em negócios, conforme a
seguir:
 22

Tabela 1: Conceitos de BIG DATA

Fonte: Canary, 2013

“O fenômeno surgiu nos últimos anos devido à enorme

quantidade de dados da máquina que está sendo gerado hoje
PHELAN, M. (2012) – [...] – juntamente com as informações adicionais obtidas
pela análise de todas essas informações, que por si só cria
outro conjunto de dados enorme.”
“O conceito big data começou a ser discutido a cerca de 70
anos, a produção escrita da humanidade crescia a taxas
VIEIRA, M. (2014)
exponenciais e o acesso à informação enfrentava grandes
(Ecommerce
desafios devido ao seu volume. Essa discussão restringia-se
Brasil)
ao universo da filosofia, já que a tecnologia da informação
ainda estava em etapa embrionária.”
“Big Data como uma forma essencial para melhorar a
MCAFEE, A. et. al. eficiência e a eficácia das organizações de vendas e
(2012) marketing. [...] os insights podem ser aproveitados para
(Harvard Business melhorar a tomada de decisão e inovar o modelo de vendas
Review) da empresa, o que pode envolver a utilização de dados para
orientar ações em tempo real.”
“Há o desafio de gerenciar grande quantidade de dados (Big
DEMIRKAN, et. al.
Data), está ficando cada vez maior por causa do
(2012)
armazenamento mais barato e evolução dos dados digitais e
(Decision Suport
dispositivos de coletas de informações, como telefones
System)
celulares, laptops e sensores.”

MANYKA, J.
“Big Data refere-se a conjunto de dados cujo tamanho é além
et. al. (2011)
da capacidade de ferramentas de software de bancos de
(McKinsey Global
dados típicos para capturar, armazenar, gerenciar e analisar.”
Institute)

Além das correntes teóricas mencionadas, o diretor de Novas Tecnologias

Aplicadas da IBM, Cezar Taurion, ao explicar os motivos que se deve adotar a
dimensão de valor afirma que “é absolutamente necessário que a organização que
implementa projetos de Big Data obtenha retorno desses investimentos.” Também
afirma que os benefícios que são gerados por uma análise mais rigorosa esse valor
podem ser considerados conforme a qualidade da informação (TAURION, 2012).
 23

3.5 BIG DATA – 5V’S

Em 2001 eram consideradas apenas 3 V’s conforme postulava o analista da

Gartner, Doug Laney. Com a constante busca de excelência chegando então a 5V’s,
a saber: Volume, Variedade, Velocidade, Veracidade e Valor.
Neste sentido, o SEBRAE (Serviço Brasileiro de Apoio às Micro e Pequenas
Empresas) define os 5 V's conforme abaixo:
O termo Volume se refere à quantidade de dados, que antes era medido em
Gigabytes, e atualmente receberam novas e mais abrangentes nomenclaturas:
Zettabytes (ZB) e Yottabytes (YB). Esses dados coletados são gerados pela simples
troca de e-mails, envio de mensagens de texto, download e upload de vídeos e
fotos, e até mesmo os comentários que circulam nas redes sociais (IBM 2012, INTEL
2013).
Conforme Tankard (2012) é um desafio gerar e armazenar com as
ferramentas usuais, tão grande volume de dados e Nielsen (2009) indica que as
variáveis envolvidas nesse item são:
 O volume de informação;
 A acessibilidade de informações;
 Mudança do comportamento em função do volume.

A Variedade é considerada como sendo o maior desafio na implantação do

BIG DATA, devendo ter capacidade para incluir tantos quantos tipos diferentes de
dados forem gerados na mesma Velocidade em que eles mudam e por não
possuírem um padrão, demandam de maior esforço na análise de seus conteúdos.
McAfee e Brynjolfsson (2012) e Preimesberger (2011) apontam como
responsáveis pela geração desses dados são os emails, movimentações realizadas
com cartões de crédito, interação em redes sociais, bem como download e upload
de imagens, fotos e vídeos.
As variáveis envolvidas neste aspecto indicadas por Nielsen (2009) são:

 Variedade de fontes de informação;

 Variedade de tipos de dados.
 24

O quesito Velocidade leva em conta em quanto tempo os dados ficam

acessíveis. Com a possibilidade de obter dados em tempo real diminuindo o tempo e
favorecendo as tomadas de decisão. Segundo Taurion (2012) a ação deve ser
realizada em tempo real, e para isso exige um processamento de dados que
acompanhe esta velocidade. As variáveis envolvidas nessa tarefa são:
 Velocidade da chegada da informação
 Velocidade da tomada de decisão.

A Veracidade ou Validade de Dados se refere aos dados fidedignos que

representam as interações reais em redes sociais. É preciso “ter certeza que os
dados fazem sentido e são autênticos” (TAURION, 2012). Informações com
características verdadeiras, exatas, íntegras e consistentes são utilizadas por
gestores para traçar estratégias frente aos desafios operacionais e técnicos
(WEBER, 2009). Portanto a variável envolvida neste quesito é:
 Qualidade da informação.

O Valor e a finalidade que essas informações devem retornar gerando valor

para a instituição.
Segundo Tankard (2012) aponta a clareza como pré-requisito para a
atribuição de valor às informações, sendo suas variáveis:
 Qualidade das informações;
 Resultado agregado a partir das análises das informações;
 Valor financeiro investido para coletar dados de qualidade.

Paschoal Pipolo (2014) enfatizou a importância dos dados considerados não

estruturados gerados a partir da interação com o mundo digital:

Aplicativos sociais como Facebook, Twitter, Linkedin, Waze, Foursquare,

YouTube, TripAdvisor, permitem que nos expressemos livremente e que
nossas opiniões possam ser vistas e ouvidas em qualquer lugar do planeta.
Ao interagirmos com esse mundo digital passamos, ainda que
inconscientemente, a deixar marcas e revelar quem somos, como agimos e
como nos posicionamos perante qualquer assunto, permitindo o
estabelecimento de conexões em todos os níveis. [...] Diariamente, por meio
desses dispositivos e conexões, compartilhamos 30 bilhões de informações,
10 bilhões da quais relativas a novas mensagens no Facebook e 500
milhões de tweets [...]. (PIPOLO, 2014)
 25

Como benefícios do Big Data, Manyika (2011) elenca o fato de que é

possibilitada a análise das informações digitais em tempo real, promovendo a
competitividade e inovação, bem como a produtividade e principalmente benefícios
ao cliente.
Em 2014, Edson Cardoso conceituou o Big Data como uma ferramenta para
de análise comportamental e relacional com os clientes, que permite criar um banco
de dados com o perfil do público atendido. Esse banco de dados pode ser
categorizado por variáveis condicionadas a fatores diversos, como: região de
atuação, ramo de negócios e horários e frequências de compras.
O Big Data é bastante abrangente e engloba ferramentas que, enquanto
interagem, permitem coletar dados de fontes como: bancos de dados internos,
sistemas ERP, redes sociais e até mesmo do CRM.
O Big Data é capaz de fazer projeções antecipando possíveis acontecimentos
e interpretar cenários tornando a vida corporativa mais fácil.
Hekima (2015) descreve em seu site que tudo que circula na internet se torna
matéria prima para o Big Data, desde banco de dados de call centers, chegando a
conteúdos de planilhas financeiras com a finalidade de se aprofundarem no estudo
do perfil de seus clientes e/ou concorrentes, favorecendo a previsibilidade de
tendências.
Além dos 5 V’s explanados acima algumas correntes financeiras ainda
consideram a Visualização, que se utiliza de gráficos para melhor visualizar grandes
quantidades de dados com a eficácia (transmissão de imagens, conteúdo de
planilhas e relatórios), e a Variabilidade (que é diferente da Variedade), ou seja, se o
significado estiver mudando constantemente pode impactar diretamente na
homogeneização de dados.

3.5 O CRM EM CONJUNTO COM O BIG DATA – RESULTADOS ESPERADOS

Manyika (et al. 2011) realizou um estudo que aponta cinco maneiras de
agregar valor ao negócio com o uso de Big Data:
1. Tornar a informação transparente e mais utilizável;
2. Coletar informações precisas e detalhadas utilizando mais dados
de transações em formato digital;
 26

3. Permitir cada vez mais a segmentação restrita de clientes,

produtos e serviços;
4. Favorecer a tomada de decisões por meio de análises
sofisticadas e;
5. Melhorar o desenvolvimento de produtos e serviços.

As mídias sociais podem possibilitar uma melhor aproximação na relação

entre as instituições financeiras e seus clientes, enfatizando que quando há o
envolvimento de ambos é essencial para o sucesso (Schivinski & Dabrowski, 2014).
Gordon e Perrey (2015) enfatizam que a análise de dados influencia no aumento da
exatidão da tomada de decisão em tempo real. A partir da análise das intenções,
pesquisas, predileções e do histórico de troca de dados de cada cliente (Vitorino,
2013), geram a criação de propostas especiais para motivar uma nova aquisição,
visando vincular relacionamentos fortes e permanentes com o consumidor.
As empresas que compreendem o conceito do Big Data em toda sua
abrangência e viabilidade poderão utilizar as informações de dados em tempo real,
auxiliando na compreensão de seus negócios com uma visão de criação de novos
produtos e serviços para corresponder a todas as mudanças comportamentais de
uso, acompanhando a velocidade em que ocorrem. (Davenport et. al., 2012).
O volume de informações geradas pelo Facebook, Twitter, Instagram,
WhatsApp, LinkedIn, dentre outras, integram as bases de dados não estruturadas
que circulam na rede mundial livremente. Nestas redes é possível analisar as
reações emocionais, as preferências sexuais, políticas e de consumo, que ficam
registradas na memória global (Assmann & Conrad, 2010).
Analisando esses dados e cruzando informações, é traçado o perfil do cliente,
trabalhando técnicas de marketing de relacionamento que mais se adéquam a cada
perfil. Após análises de Big Data e a monitoramento do histórico na web e call
Center, as instituições são capazes de ofertar produtos personalizados (em menos
de um segundo), tendo a possibilidade de aperfeiçoar seus produtos e serviços
continuamente, mensurando pelos resultados das análises e prospecções realizadas
(Davenport et. al., 2012).
Fica claro o poder da utilização do sistema Big Data Analytics, concomitante
às estratégias de marketing de relacionamento com clientes. A análise de grande
volume de dados se torna mais nítidas e pormenorizadas, viabilizando a
 27

segmentação de clientes, aperfeiçoamento de produtos e serviços, eficácia na

tomada de decisões em tempo real. Essas ferramentas otimizadas – CRM e Big
Data – permitem que haja uma prevenção no contato e entendimento junto ao
cliente, sendo ele ativo ou receptivo.
Com a junção do Big Data e do CRM as instituições passam a compreender
quais as áreas estão mais carentes de intervenção. O benchmarking é favorecido,
pois será possível traçar o perfil de investimento da empresa, com base nos
objetivos futuros visando melhores práticas do mercado.

3.5 BIG DATA: VATANGENS PARA INSTITUIÇÕES FINANCEIRAS NO CRM

3.5.1 MELHORAR A GESTÃO DE RISCOS NA LIBERAÇÃO DE LINHA DE

CRÉDITO:

Financiamentos imobiliários, cartões de crédito e hipoteca são os produtos

bancários que apresentam maiores riscos para os bancos. Portanto é necessária a
realização de um mapeamento preciso do perfil dos clientes, tendo o Big Data como
fonte de centenas de milhares de dados de diversas origens e em tempo real,
através de  soluções tecnológicas do mercado vigente (FERREIRA, 2017).
O Big Data possibilita o cruzamento de informações do background financeiro
dos clientes, isso significa que tem acesso direto ao patrimônio potencial e atual,
bem como ao comportamento nas relações de compra e tendências de
inadimplência ou crescimento com base até mesmo nas mídias sociais, garantindo
menor chance de erro na concessão desses produtos de alto risco, tendo como
prioridade o equilíbrio financeiro e econômico dos bancos (FERREIRA, 2017).

3.5.2 SUPRIMIR FRAUDES:

Este, talvez seja o propósito mais almejado pelos bancos com as soluções em
pesquisas de dados. O monitoramento contínuo dos sistemas bancários, da rede de
dados e de datacenters pode e deve ser realizado através de data mining, este
processo gera parâmetros de utilização para cada cliente cruzando múltiplas
 28

informações de acesso em tempo real e em escalas inimagináveis à compreensão

humana (FERREIRA, 2017).

O banco e o cliente recebem alertas, informando suspeita de qualquer

tentativa de invasão e o acesso é bloqueado ao mínimo indício de desvios. A idéia é
evitar a ocorrência da intrusão, e, não mais buscar a identificação depois que ela
ocorre.

3.5.3 DIMINUIR O CHURN (cancelamento de serviços e enceramento de

contas):

Se um cliente potencialmente bom torna-se um ex-cliente favorece, além do

fortalecimento do concorrente, um prejuízo ao banco perdedor. Por isso, é
fundamental, para as instituições que anseiam a sobrevivência de seu segmento e
até a liderança do setor, controlar as taxas de churn.

A utilização de  Analytics é uma das formas mais eficazes de fazer

mensalmente o controle do churn. A análise, por meio eletrônico, de bateladas de
dados possibilita “matematizar” em tempo real a conduta do cliente, mostrando, até
mesmo, se ele demonstra insatisfação com qualquer serviço ou produto da
instituição.

Esse fechamento é obtido por meio de gráficos e fórmulas bastante

complexas, que manualmente seriam impossíveis de serem levantados. As
informações são intercruzadas de todas as formas, assim centenas de técnicas
matemáticas e milhares de informações não estruturadas são gerenciadas e
direcionadas pelo Big Data para se transformarem em indicações de tendências
futuras. Esses dados antecipados permitem que os gestores dos bancos evitem
o churn tomando medidas adequadas a cada cliente para extinguir sua insatisfação
(FERREIRA, 2017).
 29

3.5.4 APRIMORAR O ATENDIMENTO TRAZENDO SATISFAÇÃO AO CLIENTE

O Big Data é capaz de monitorar todos os passos de seus clientes no

relacionamento com o banco. Para isso se gerencia e segmenta os melhores
consumidores, entendendo cada perfil de cliente: os pacotes tarifários que estariam
dispostos a pagar, os serviços que terão boa aceitação ao serem lançados, os
produtos que são mais pretendidos por classe social, etc.

Através do esforço especulativo da ciência de dados que utilizará, dentre

outros meios, o monitoramento das mídias sociais e os dados do CRM da instituição
é possível criar uma relação de contiguidade entre banco e cliente, oferecendo,
assim, produtos exclusivos.

Este monitoramento também pode ser feito por meio do broker do banco, coletando,
através da navegação dos clientes, seus dados. O site pode ser programado, por
entre sistemas avançados em linguagem de máquina para, em tempo real,
disponibilizar os serviços que o usuário procura, por exemplo. É, portanto, dentre
outras coisas, um novo formato do marketing (FERREIRA, 2017).

3.5.5 QUAIS OS TIPOS DE EMPRESAS QUE MAIS SE BENEFICIAM COM O BIG

DATA

O Big Data é uma poderosa solução que mescla técnicas avançadas de

estatística com análise combinatória e processadores de alta performance, e até
conceitos das áreas de ciências sociais e psicologia para transformar em
informações poderosas montanhas de dados de diferentes origens (Hekima, 2015).
As empresas que o utilizam dispõem de uma visão mais clara e muito mais objetiva
acerca de todos os pontos significativos para seu negócio, que se caracteriza por
recursos melhores aproveitados e retorno do investimento realizado em tempo muito
reduzido. A posse de dados atualizados, no cenário corporativo atual, representa
uma grande vantagem na busca pela fidelização e pela diferenciação de seus
clientes, principalmente se esta atualização ocorrer em tempo real. (Vert São Paulo,
2017).
 30

O Departamento Financeiro e as áreas de Marketing e Vendas são os que

habitualmente mais utilizam, para direcionamento de suas ações, o Big Data como
fonte de referência. Ele entra como um elemento essencial para empresas do
segmento ou mesmo para os departamentos financeiros das empresas, uma vez
que permite que o perfil de crédito seja analisado, prevenindo, assim, tendências de
instabilidade de mercado e flutuações econômicas.
Também possibilita a análise e previsão, em vários mercados, de condutas de
compra de consumidores, aliando a essas a possibilidade de personalização de
mensagens, fazendo com que as vendas e também o pós-vendas possam ser feitos
de uma maneira muito mais relevante e precisa para o cliente.
E por final, dentre os melhores benefícios, os que mais se destacam são: a
tendências de consumo, a análise de comportamento social, o monitoramento de
concorrência e monitoramento de respostas às comunicações da empresa e
pesquisa de tendências de mercado. (VERT SÃO PAULO, 2017).
O uso de dados tornou-se obrigação de toda empresa que decida manter-se
viva em meio à ambiciosa competitividade do mercado atual. Segundo um
levantamento feito pelo IDC em 2014, até 2018 as tecnologias em Big Data
movimentarão, cerca de US$ 41,8 bilhões, que significa uma composição anual na
faixa de 26,4%, que corresponde a uma taxa de crescimento seis vezes maior do
que está previsto para o crescimento da TI no mesmo período. Esses números
indicam o quanto a consolidação das empresas no mercado está vinculada ao uso
da Ciência de Dados. (Hekima, 2015).
Onde existir gestão de dados eficiente, ali haverá uma empresa de sucesso.
Como exemplo pode-se considerar a OkCupid, que apesar de ser um case de muito
sucesso, é um pouco inusitado, provando de que o Big Data não discrimina
modalidade de negócio e não tem limites. A OkCupid é uma rede social de
relacionamentos norte-americana que não se contentou com o cruzamento básico
de perfis, organizando um back-end incorporado às soluções prestigiadas em
análises de grandes dados. Mediante o preenchimento de uma ficha cadastral bem
extensa, inicia-se um cuidadoso trabalho psicossocial e estatístico, de forma
eletrônica e coordenada por especialistas em relacionamentos, interligando milhares
de pessoas e seus milhões de dados, resultando em potenciais combinações bem-
sucedidas. Segundo a própria empresa, os resultados estão sendo bem superiores
aos dos outros sites do mesmo gênero, uma vez que a análise realizada tem caráter
 31

muito mais psicológico e científico do que a usual equiparação de perfis realizada

normalmente pelos sites desse segmento. (Hekima, 2015).
No ramo securitário, a Porto Seguro vem se destacando por apostar no uso
do Big Data para sua expansão no mercado. Mesmo em tempos de crise, ela está
conseguindo mostrar bons resultados devido ao poder de captação de mais
segurados através das personalizações feitas pela análise de dados. A empresa tem
usado uma inovadora estratégia para atrair jovens que possuam dificuldade de
contratar uma seguradora, mas apresentam baixo potencial de sinistralidade (faixa
dos 18 a 24 anos). Ela oferece na adesão da primeira apólice 30% de desconto e
ainda oferece a possibilidade de seus segurados obterem, mediante uma série de
condições, outros 30% na renovação: Instala no veículo vários instrumentos de
telemetria, que monitorarão, por exemplo, dados de locais de circulação, horários e
velocidade. Se verificar que o cliente circula no período entre 0h30 e 5h30, 5% do
tempo da semana, no máximo e dirige em velocidade menor ou igual a 90 km/h, ao
menos 95% do tempo semanal, ele ganha, no ato da renovação do seguro, 30% de
desconto. Dessa forma, a empresa, além de atrair novos clientes, reduz de sua
carteira, potencial de sinistros. (Hekima, 2015).
A Anhanguera Educacional, que ao se fundir com a tornou-se o maior grupo
educacional do Brasil, com um faturamento superior a R$ 4,7 bilhões e mais de 1
milhão de alunos só em 2014. Seu sucesso decorre do uso da tecnologia em
benefício do processo de aprendizado, como por exemplo, seus cursos à distância,
mas a grande sacada da instituição é a utilização do Big Data para serviços
exclusivos ou mesmo auxílios dos alunos e para conhecimento mais aprofundado
desses. A Anhanguera já é precursora na utilização de Ciência de Dados em todos
seus processos educacionais, financeiros e administrativos. Ela coleta e analisa
dados do perfil de seus alunos, quando utilizam os computadores da faculdade
digitando em suas ferramentas de busca, identificando com precedência, eventuais
fragilidades acadêmicas ou dificuldades financeiras que podem auxiliar na criação
de programas de bolsas de estudo ou de disciplinas de reforço, por exemplo.
(Hekima, 2015).
 32

4. PROCESSO DE MELHORIA (Should Be):

Conforme já destacado anteriormente neste estudo, pode-se verificar o

processo que atualmente vigora na rede bancária e é fácil constatar de imediato as
melhorias mais visíveis que a implantação do BIG DATA é capaz de proporcionar.
Porém, para que seja viável vislumbrar as projeções de resultados esperados, o
Processo Proposto pode ser descrito da forma que se segue.
As reuniões do Fórum deverão ser mantidas sendo que neste encontro os
gestores poderão analisar e discutir o tipo do produto, assim como as regras de
disponibilização do mesmo. O foco do Fórum será discutir parâmetros para cada
produto e com eles ser possível ao Big Data criar algoritmos para prever com maior
assertividade qual o cliente deverá receber a oferta da campanha.
Sendo assim, o encontro não será mais para identificar quantos clientes
receberão a oferta (tamanho do mailing) e sim para auxiliar na criação de algoritmos
fortes para definir o perfil de consumo dos clientes para cada produto.
Após as deliberações do Fórum será aplicado no sistema de apoio ao Big
Data os parâmetros para assim agrupar os clientes por “interesse no produto”, neste
momento o Big Data terá acesso ilimitado às informações bancárias e não bancárias
podendo enriquecer as informações de perfil, gosto, momento de vida do cliente,
perspectivas e planos de cada pessoa que tem propensão a contratação deste
serviço nos canais. Com isto o Banco poderá direcionar aos Canais Digitais os
clientes que estão propensos a contratar determinado produto/serviço.
Depois desta fase, o processo seria alterado, pois não haveria mais
necessidade do DCD receber a base de clientes e filtrar os clientes que estão na
lista do BACEN ou tem restrição para abordagem de campanhas. Pois nesse
processo sugerido, assim que o cliente logasse (inserir o cartão) no ATM, o sistema
iria até o Big Data consultar pelo perfil do cliente qual o melhor negocio para este
cliente no momento atual.
Os retornos de campanhas contratadas pelos clientes também ficariam
disponíveis no Big Data, assim todos os interessados teriam acesso as informações
importantes e que incrementam a comercialização de produtos.
O fluxograma abaixo aponta a proposta para o CRM com a utilização do Big
Data descrito acima:
33
 34

5. CONCLUSÃO

Diante do cenário econômico atual amplamente competitivo e as ferramentas

tecnológicas disponíveis para o aprimoramento do setor bancário, faz-se necessário
aprofundar o estudo desse campo emergente. Deste modo, o desenvolvimento do
presente estudo possibilitou a compreensão dos benefícios que a implantação do
Big Data viabiliza para segmentação de clientes na confecção de campanhas do
setor de CRM. A pesquisa procurou destacar a utilização dessa ferramenta
tecnológica pelo setor bancário como meio estratégico de adquirir vantagem
competitiva buscando, através de uma revisão bibliográfica, a explicação dos
principais conceitos e sua aplicabilidade.
De um modo geral, fazendo uma análise comparativa em relação aos custos e
resultados com a adoção do Big Data, pode-se perceber que os benefícios que essa
ferramenta proporciona envolvem a mudanças no método de coleta e utilização de
dados que favorecem o processo de seleção de público, podendo alavancar a
lucratividade do banco, como por exemplo, controlar as campanhas de marketing e
melhorar as vendas alinhando o perfil dos clientes para qualificá-los e direcionar as
campanhas certas para os mais rentáveis, evitando assim oneração de custos com
clientes que não geram lucros, como resultado, obtém-se maiores chances de
fidelização.
Os objetivos foram atingidos, pois, ao avaliar o resultado gerado pela
segmentação de clientes favorecida pelo Big Data, constata-se que é considerável o
retorno alcançado das campanhas de marketing para assertividade do setor no que
tange ao relacionamento com o cliente como a tomada de decisão deste para
compra de algum produto do banco. Além disso, possibilita a análise e previsão de
dados, fazendo com que as vendas e também o pós-vendas possam ser feitos de
uma maneira muito mais relevante e precisa para o cliente, demonstrando assim a
eficácia do sistema para garantir a funcionalidade de seus recursos.
Dada à importância do assunto, tornam-se necessárias que novas pesquisas
sejam realizadas com o intuito de colher informações mais atualizadas, identificar
novas funcionalidades e dados que ainda não estão disponíveis no sistema,
buscando reavaliar este estudo sempre que novas versões forem implementadas,
averiguando se os pontos negativos aqui destacados foram corrigidos e/ou se foram
revertidos em pontos positivos.
 35

Nesse sentido, a utilização de recursos digitais do Big Data permite que os

sistemas interligados filtrem os clientes da lista BACEN extraindo a base para a
campanha, sem necessidade de processo de transmissão, e os dados de aceite de
contratação ficam disponibilizados para acesso de todos os envolvidos no processo.
Como resultado, o Big Data reduz o tempo de análise, facilita o
compartilhamento de informações entre os setores ajudando os sistemas a
interligarem informações (não somente da rede bancária) para a confecção das
campanhas, que passam a ser feitas conforme o perfil e interesse do cliente e não
mais por volume, dando uma nova perspectiva de lucratividade para os bancos que
o utilizam.
 36

REFERÊNCIAS

ALMEIDA, P. DE F. Big Data e sua aplicabilidade em Instituições Financeiras.

Trabalho de Conclusão de Curso, 2013.

ASSMANN, A.; & CONRAD, S. Memory in a global age. Discourses, practices

and trajectories. New York: Palgrave Macmillan Memory Studies, 2010.

BANCO DO BRASIL. Análise do Desempenho 1T11. Brasília, 2011. Disponível

em>
HTTP://www.bb.com.br/portalbb/page51,136,5005,0,0,1,8.bb?codigoMenu=198&codi
goNoticia=29066&codigoRet=410&bread=2> Acesso em 17 de julho de 2017.

BAKER, M. J. ADMINISTRAÇÃO DE MARKETING. 5. ed. Rio de Janeiro: Elsevier,

2005.

BERRY, L. L. Relationship marketing of Services: perspectives from 1983 and

2000. Journal of Relationship Marketing, v.01, n. 01, 2002, p. 59-77.

BETANHO, C. Segmentação de mercado e identificação de clientes-alvo. In:

SILVA, F. G. da; ZAMBON, M. (Org.). Gestão do relacionamento com o cliente.
São Paulo: Thomson Learning Edições, 2006, p. 21-33.

BLACKWELL, R. D.; MINIARD, P. W.; ENGEL, J. F. Comportamento do

consumidor. São Paulo: Cengage Learning, 2008.

BRADESCO. Relatório de análise econômica e financeira – Março de 2011. São

Paulo, 2011. Disponível em>
HTTP://www.bradescori.com.br/site/conteudo/download/Download.aspx?file=%7e%2
fuploads%2f01_Book_Port_V4.pdf>. Acesso em 17 de julho de 2017.

______. Relatório de Análise Econômica e Financeira 2º Trimestre Junho 2017.

São Paulo, 2017. Disponível em >
https://www.bradescori.com.br/site/uploads/636367232700560609-book-port.pdf.>
Acesso em 09 de setembro de 2017.

BRETZKE, M. Marketing de Relacionamento e Competição em Tempo Real com

CRM (Customer Relationship Management). 1 .ed. São Paulo: Atlas, 2000.

CANARY, V. P. A tomada de decisão no contexto do Big Data: Estudo de caso

único. Porto Alegre: Trabalho de Conclusão de Curso Ciências Administrativas,
2013.

CARDOSO, E. Big Data, CRM e BI: o que é o quê? Postado em 01/12/2014.

Disponível em: < https://www.binarionet.com.br/blog/big-data-crm-e-bi-o-que-e-o-
que/ > Acesso em: 10 de maio de 2017.
 37

CERETTA, P. S.; QUADROS, C. J. Implementação do balanced

scorecard: um caso prático. Read – Revista Eletrônica de
Administração, n. 34, v.09, 2003, p.1-18.

CISCO. Cisco Visual Networking Index: Global Mobile Data Traffic Forecast
Update, 2012–2017. Disponível em: < https://pt.slideshare.net/Briancrotty/cisco-
visual-white-paper-c11520862 > Acesso em: 02/05/2017.

COSTA, C. M. R. Consultoria financeira a clientes pessoas físicas em bancos

de varejo: uma análise de marketing. 2003. 188p. Dissertação (Mestrado em
Engenharia da Produção). Florianópolis: Universidade Federal de Santa Catarina,
2003.

CZINKOTA, M. R. et al. Marketing: as melhores práticas. Porto Alegre: Bookman,

2001.

DAVENPORT, T; BARTH, P; & BEAN, R. How 'Big Data' is Different. MIT Sloan
Management Review, 2012.

DERMIKAN. H.; et. al. Leveraging the capabilities of service-orientad decision

support systems: Putting analytics and big data in cloud. Decision Support
System, 2012.

DERVIN, B.; MILAN, M. Information needs and uses. Annual Review of Information
Science and Technology – ARIST, v.21, 1986.

FERREIRA, A. B. Site da Futurum Soluções em Negócios. São Paulo, 2017.

Disponível em: < http://futurum.com.br/servicosfinanceiros/bancos-crm-e-big-data >
Acesso em: 31 de julho de 2017.

FREITAS, A. A. F.; MELO, F. A. F.; CALDAS, S. H.R. O CRM na Iniciação,

Manutenção e Finalização de Relacionamentos Comerciais em Provedores de
Serviços Bancários – Estudo de Caso. Revista do Mestrado em Administração e
Desenvolvimento Empresarial da Universidade Estácio de Sá, Rio de Janeiro;
Ano 9, V. 13, N. 1, Janeiro/Abril, 2009. p. 76-92.

GANTZ, J.; REINSEL, D. Extracting Value from Chaos, IDC iView, 2011 Disponível
em: < http://pubs.sciepub.com/jcsa/3/6/13/index.html > Acesso em: 05/06/2017.

GORDON, I. Marketing de relacionamento. São Paulo: Futura, 2002.

GORDON, J.; & PERREY, J. The dawn of marketing’s new golden age. McKinsey
Quarterly, Fevereiro de 2015.

GOULART, M. S. B. Uso da informação empresarial no processo de decisão

estratégica em empresas de base tecnológica – EBTS: o caso do Centro
Empresarial para Laboração de Tecnologias Avançadas – CELTA. Belo
Horizonte: Perspectivas em Ciência da Informação, v.12, n.1, 2007.
 38

IBM. Big Data na nuvem. Postado em 2013. Disponível em: <

http://www.ibm.com/developerworks/br/library/bd-bigdatacloud/> Acesso em: 17 de
maio de 2017.

INTEL. Integrated Electronics Corporation. Big Data 101: Unstructured Data

Analytics A Crash Course on the IT Landscape for Big Data and Emerging
Technologies, Junho, 2012. Disponível em: <
https://www.intel.com/content/www/us/en/big-data/unstructured-data-analytics-
paper.html > Acesso em 03 de julho de 2017.

ITAU UNIBANCO HOLDING. 1º. Trimestre 2011 – Análise Gerencial da Operação

e Demonstrações Contábeis Completas. São Paulo, 2011. Disponível
em>HTTP://ww.13.itau.com.br/PortalRI/HTML/port/infofinan/demon/Dcc_e_MDA/df3
10311/IRR310311.pdf> Acesso em 17 de julho de 2017.

KOTLER, P. Administração de Marketing: análise, planejamento,

implementação e controle. São Paulo: Atlas, 5. ed., 1998.

KOTLER, P.; KELLER, K. L. Administração de marketing. São Paulo: 12. Ed.

Prentice Hall, 2006.

KOTLER, P.; ARMSTRONG, G. Princípios de marketing. São Paulo:

Prentice Hall, 7 ed. 1998.

KOTLER, P; ARMSTRONG, G. Princípios de Marketing. São Paulo: 12. Ed., 2007.

LE COADIC, Y-F. A Ciência da Informação. Brasília: Briquet de Lemos, 2003.

LIN, Y.; SU, H-Y. Strategic analysis of customer relationship

management: a field study on Hotel Enterprises. TQM & Business
Excellence, v.14, n. 06, 2003, p.715-731.

MANIYKA, J.; et. al. Big Data: The next frontier for innovation, competition and
productivity. Mckinsey Global Institute, Maio, 2011. Disponível em:
<http://www.mackinsey.com/insights/mgi/research/technology_and_innovation/big_d
ata_the_frontier_for_innovation> Acesso em: 15/06/2017.
MAZZA, M. F. CRM: sucessos & insucessos. Rio de Janeiro: Brasport,
2009.

MCAFEE, A. BRYNJOLFSSON, E. Big Data: The Management Revolution.

Harvard Business Review, Outubro, 2012.

McTAVISH, R.; Marketing nos bancos comerciais. São Paulo: IBCB, 1991, p.340.

MIRANDA, S. Como as necessidades de informação podem se relacionar com

as competências informacionais. Ciência da Informação, Brasília: v.35, n.3, 2006.

NIELSEN, M. A guide to day of big data. Nature, v. 462, 10 de dezembro de 2009.

 39

O Big Data pode prejudicar a privacidade das pessoas? Site da Hekima. Postado
em 10 de Agosto de 2015. Disponível em: < http://www.bigdatabusiness.com.br/o-
big-data-pode-mesmo-prejudicar-a-privacidade-das-pessoas/ > Acesso em: 17 de
maio de 2017.

Big Data e a personalização de serviços para empresas. Site da Hekima.

Postado em 19 de Outubro de 2015. Disponível em:<
http://www.bigdatabusiness.com.br/big-data-e-a-personalizacao-de-servicos-para-
empresas/> Acesso em: 12 de agosto de 2017.

PEDRON, C. D. Estratégia de CRM: Em direção a identificação de

indicadores de desempenho. Dissertação (Mestrado em Administração) -
UNISINOS, 2003.

PHELAN, M. The death of Big Data. Site da Forbes, 10 de abril de 2012.

Disponível em: < HTTPS://www.forbes.com/sites/ciocentral/2012/10/04/the-
death-of-big-data/2/#53e5288b791d > Acesso em: 02 de julho de 2017.

PORTAL STADISTA. Big data - Statistics & Facts. The statistic portal.
Disponível em: <https://www.statista.com/topics/1464/big-data/> Acesso em:
12 de agosto de 2017.

PREIMESBERGER, C. Big ideas about Big Data. eWeek. 15 de agosto de

2011.

RANDAL, E. B.; RANDY H. K.; BERKELEY, E. D. L. Big-Data Computing: Creating

revolutionary breakthroughs in commerce, science, and society, Versão 8,
Dezembro 2008. Disponível em: http://www.cra.org/ccc/docs/init/Big_Data.pdf.
Acesso em: 10 de abril de 2017.

Revistas CIAB FEBRABAN. Edição 52 e 53, 2014.

ROWE, W. G.; BARNES, J. G. Relationship marketing and sustained competitive

advantage. Journal of Market Focused Management, v.02, p.281-297, 1998.

Saiba como o Uber utiliza (e bem) o Big Data. Site da Hekima, Postado em: 15 de
Agosto de 2015. Disponível em < http://www.bigdatabusiness.com.br/saiba-como-o-
uber-utiliza-e-bem-o-big-data-2/ > Acesso em: 17 de maio de 2017.

SCHIVINSKI, B., & DABROWSKI, D. The effect of social media communication

on consumer perceptions of brands. Journal of Marketing Communications. 12 de
Junho de 2013.

SEBRAE NACIONAL. Como usar o Big Data para aprimorar seu negócio. Disponível
em: < http://www.sebrae.com.br/sites/PortalSebrae/artigos/Como-usar-o-Big-Data-
para-aprimorar-seu-neg%C3%B3cio > Acesso em: 12 de maio de 2017.

SHETH, J. N.; PARVATIYAR, A. Evolving relationship marketing into a

discipline. Journal of Relationship Marketing, 2002.
 40

SETTI, R. Jornal O Globo. Rio de Janeiro: Coluna Digital e Mídia. Edição de 24 de

dezembro de 2012.

SWIFT, R. CRM, Customer Relationship Management: o revolucionário

marketing de relacionamento com os clientes. Rio de Janeiro: Elsevier, 13
ed., 2001.

TANKARD, C. Big Data Security. Network Security. Julho, 2012.

TAURION, C. Você realmente sabe o que é Big Data? Blog da IBM, 02 de maio de
2012. Disponível em: < https://www.tiespecialistas.com.br/2012/05/voce-realmente-
sabe-o-que-e-big-data/ > Acesso em: 22 de junho de 2017.

VERT TECNOLOGIA PERFORMANCE RESULTADOS. Que tipos de empresas se

beneficiam mais com o Big Data? Blog da Vert. Disponível em:<
http://www.vert.com.br/blog-vert/que-tipos-de-empresas-se-beneficiam-mais-com-o-
big-data/> Acesso em: 12 de agosto de 2017

VIEIRA, M. Entendendo Big Data. Postado em 11/02/2014. Disponível em: <

https://www.ecommercebrasil.com.br/artigos/entendendo-big-data/ > Acesso em: 28
de agosto de 2017.

VITORINO, J. Social Big Data. São Paulo, 2013. Disponível em: <
http://www.elife.com.br/site/posts/ver/social-big-data > Acesso em: 03 de maio de
2017.

WEBER, K. et. al. 2009. One size does not fit all – a contingency approach to
data governance. ACM J. Data Inform. Quality 1, 1, Article. 4 Julho de 2009, p.27.

WINER, R. S. A framework for customer relationship management. California

Management Review, v.43, n. 04, 2001a, p.89-105.
 41

ANEXO A

ANEXO A – MODELO DE TERMO DE COMPROMISSO

A aluna Rossana de Almeida, do Curso de Pós-Gradução em Finanças de Negócios

Bancários do Programa FGV Corporativo, turma Canais Digitais Bradesco T1-2016,
realizado no período de 01/08/2016 a 23/08/2017, declara que o conteúdo do
trabalho de conclusão de curso intitulado SEGMENTAÇÃO DE CLIENTES PARA
DESENVOLVIMEDNTO DAS CAMPANHAS DO SETOR DE CRM A PARTIR DA
UTILIZAÇÃO DO BIG DATA, é autêntico, original e de sua autoria exclusiva.

São Paulo, 11 de Setembro de 2017.

______________________________________________

(Assinatura)