UNIVERSIDADE FEDERAL DE SANTA CATARINA
CENTRO TECNOLÓGICO
DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA
CURSO DE GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO
UMA APLICAÇÃO DE GERENCIAMENTO DO
RELACIONAMENTO COM O CLIENTE PARA O SETOR DE
VAREJO SUPERMERCADISTA
Erivelton Vichroski
Florianópolis 2005
ERIVELTON VICHROSKI
UMA APLICAÇÃO DE GERENCIAMENTO DO
RELACIONAMENTO COM O CLIENTE PARA O SETOR DE
VAREJO SUPERMERCADISTA
Trabalho de Conclusão de Curso apresentado ao Curso de Graduação em Sistemas de Informação do Centro Tecnológico da Universidade Federal de Santa Catarina, como requisito parcial para a obtenção do grau de Bacharel em Sistemas de Informação.
Profª. Dra. Marta Maria Leite – Orientadora
UMA APLICAÇÃO DE GERENCIAMENTO DO
RELACIONAMENTO COM O CLIENTE PARA O SETOR DE
VAREJO SUPERMERCADISTA
Por
ERIVELTON VICHROSKI
Trabalho de Conclusão de Curso apresentado à Universidade Federal de Santa Catarina, Curso de Graduação em Sistemas de Informação, para obtenção do grau de Bacharel em Sistemas de Informação, pela Banca Examinadora formada por:
_________________________________________________ Orientadora: Profª. Dra. Marta Maria Leite – Orientadora, UFSC.
_________________________________________________ Membro: Profª. Elizabeth Sueli Specialski, Doutora, UFSC.
_________________________________________________ Membro: Eliane Spielmann, Consultora em CRM.
Dedico este trabalho à minha filha Isadora, que em breve estará entre nós. À minha esposa Tatiane, em especial pela ajuda e compreensão nos momentos de dificuldade. Aos meus pais que me proporcionaram a vida.
AGRADECIMENTOS
Agradeço a Deus.Agradeço a minha orientadora, pela valiosa ajuda para concretização deste trabalho. Aos membros da banca, pelo apoio.
Aos professores e colegas, pelos conhecimentos compartilhados. Aos colegas de trabalho, pelo companheirismo e apoio.
RESUMO
Este trabalho é uma aplicação da ferramenta de data warehousing no processo de gerenciamento do relacionamento com o cliente na área de varejo supermercadista. A principal finalidade é melhorar a eficiência e a eficácia da análise dos dados do comportamento de compra do cliente neste segmento comercial, além de elevar a corretude das tomadas de decisões estratégicas e gerenciais.
São revisados os conceitos básicos sobre CRM, enfatizando-se como esta filosofia é transformada em estratégia dentro das organizações. A revisão conceitual também aborda a caracterização do setor de varejo supermercadista através da conceituação e de como foi seu desenvolvimento no Brasil. Além disso, procura-se conceituar data warehouse e como suas características proporcionam suporte à tomada de decisão.
Como aplicação é criado um data mart de clientes, através da utilização de técnicas de data warehousing e da execução de tarefas como coleta de requisitos e modelagem multidimensional, usadas tradicionalmente neste tipo de aplicação. Também é ressaltada a necessidade de planejamento do projeto, bem como características necessárias para implantação do mesmo.
Como finalização deste trabalho são relatadas as conclusões e os resultados obtidos acerca da aplicação com o intuito de se justificar e validar os objetivos propostos.
Palavras-chave: CRM, setor supermercadista, data warehouse, data mart, análise do comportamento de compra do cliente.
LISTA DE FIGURAS
Figura 1 - Estratégia de CRM...21
Figura 2 - Padronização de dados no data warehouse.. ...31
Figura 3 - O data warehouse tem uma forte orientação por assunto...32
Figura 4 - Comparação de variação do tempo: sistema operacional versus data warehouse.32 Figura 5 - Não volatilidade do data warehouse.. ...33
Figura 6 - Nível de granularidade do data warehouse.. ...34
Figura 7 - Componentes do data warehouse. ...35
Figura 8 - Exemplo de um modelo estrela...37
Figura 9 - Exemplo de cubo. ...38
Figura 10 - Ciclo de vida de um DW.. ...40
Figura 11 - Diagrama lógico do Fato Venda...51
Figura 12 - Modelo físico proposto para o data mart de clientes. ...52
Figura 13 - Plano para o processo back end...53
Figura 14 - Ferramenta Desktop OLAP Microsoft Excel™, usada nas demonstrações...58
Figura 15 - Ambiente Desktop OLAP na ferramenta Open Office.org 1.1.2™...58
LISTA DE QUADROS
QUADRO 1 – VAREJO ALIMENTAR – TIPO DE LOJA ...24 QUADRO 2 – CLASSIFICAÇÃO DE TIPOS DE VAREJO...25
LISTA DE TABELAS
Tabela 1: Volume de venda de um “Cliente 1” em 30/12/2004...60 Tabela 2: Média mensal do volume de compra do “Cliente 1002” no quarto trimestre de 2004. ...60 Tabela 3: Consulta sem retorno para o “Cliente 282”, no quarto trimestre de 2004...61 Tabela 4: Regiões geográficas mais representativas em termos de venda, na loja “Super Centro”. ...61
LISTA DE ABREVIATURAS
ABRAS – Associação Brasileira de SupermercadosCRM – Customer Relationship Management DDL – Data Definition Language
DW – Data Warehouse DM – Data Mart
ECF – Emissor de Cupom Fiscal
ETL – Extração, Transformação e Carga PDV – Ponto de Venda
OLAP – On Line Analytical Processing OLTP – On Line Transactional Processing SAF – Sistema de Automação de Vendas SQL – Structured Query Language TI – Tecnologia da Informação
SUMÁRIO
1. INTRODUÇÃO...13 1.1. DEFINIÇÃO DO PROBLEMA ...15 1.2. OBJETIVOS...15 1.2.1. Objetivo geral ...15 1.2.2. Objetivos específicos...15 1.3. JUSTIFICATIVA ...16 1.4. MOTIVAÇÃO...161.5. ORGANIZAÇÃO DOS CAPÍTULOS...17
2. CRM – CUSTOMER RELATIONSHIP MANAGEMENT ...18
2.1. Definição ...18
2.2. Estratégias de Implantação do CRM ...20
3. O SETOR DE VAREJO SUPERMERCADISTA NO BRASIL ...23
3.1. Caracterização ...23
3.2. Desenvolvimento do Setor Supermercadista no Brasil ...25
3.3. Perfil do Setor Supermercadista Brasileiro ...26
3.4. Perfil dos Consumidores do Setor Supermercadista Brasileiro...28
4. DATA WAREHOUSE COMO SUPORTE AO CRM ANALÍTICO ...30
4.1. Definição ...30
4.2. Características do Data Warehouse...30
4.2.1. Integração ...31
4.2.2. Orientação por Assunto ...32
4.2.3. Variação no Tempo ...32
4.3. Componentes do Data Warehouse ...34
4.4. Metodologia para Construção de Data Warehouse...38
4.4.1. “O Ciclo de Vida de Kimball”...39
4.5. Aplicação do Data Warehouse no processo de CRM Analítico ...40
5. JUSTIFICATIVA PARA ADOÇÃO DA METODOLOGIA...42
5.1. PLANEJAMENTO DO PROJETO DO DATA MART ...43
5.1.1. Definição do Escopo...44
5.2. DEFINIÇÃO DOS REQUISITOS DO DATA MART ...47
5.2.1. Requisitos Levantados...48
5.3. MODELAGEM MULTIDIMENSIONAL...50
5.3.1. Modelagem Física do Projeto...51
5.3.2. Implantação Física do Modelo Proposto ...52
5.3.3. Arquitetura de Aquisição de Dados (Back End)...53
5.3.4. Arquitetura de Apresentação dos Dados (Front End) ...54
5.4. APLICAÇÃO DO MODELO PROPOSTO...56
6. RESULTADOS OBTIDOS...57
7. CONCLUSÃO...62
7.1. Sugestões para Trabalhos Futuros ...63
8. REFERÊNCIAS BIBLIOGRÁFICAS ...64
APÊNDICE A SCRIPTS SQL/DDL UTILIZADOS PARA CRIAÇÃO FÍSICA DO MODELO PROPOSTO...67
APÊNDICE B PROGRAMAS EM LINGUAGEM PL/SQL UTILIZADOS NO PROCESSO ETL...70
1. INTRODUÇÃO
De modo geral toda empresa com fins lucrativos depende de clientes para existir, ou seja, ela espera que os mesmos paguem pelos serviços ou produtos ofertados. Como condição básica para permanência no mercado, uma empresa está sempre procurando atrair novos clientes ou ainda oferecendo vantagens àqueles já conquistados. Para atingir este objetivo, em muitos casos, as empresas usam estratégias de marketing com o objetivo de divulgar ou lançar novos produtos ou serviços.
O Marketing oferece muitos recursos que ajudam a obter novos clientes. Estas atividades não são muito simples e exigem investimentos em campanhas promocionais, criação de novos serviços ou produtos, comunicação com os clientes, planejamento de vendas, treinamento de colaboradores visando o ótimo atendimento, dentre outros. Porém, tão importante quanto conquistar um cliente é mantê-lo. O CRM (Customer Relationship Management) é uma estratégia oriunda do marketing de relacionamento que tem por objetivo atender e influenciar o comportamento do cliente para melhorar suas compras, a retenção, a lealdade e lucratividade deles (SWIFT, 2000). Para isso, procura fazer do cliente o foco dos negócios, onde todos os processos gravitam em torno dele. Fazer com que os processos girem em torno do cliente exige modificações na forma como estes processos são construídos, pois, tradicionalmente, são projetados com base em outro enfoque, o do produto.
Além do mais, para manterem-se competitivas, as empresas necessitam da informação como principal arma contra seus concorrentes. Para isso, a busca de conhecimento sobre o cliente, faz com que essas empresas coloquem as informações do mesmo no centro de suas infra-estruturas de informações.
A retenção de clientes lucrativos, conquistada por empresas bem-sucedidas, se dá pela obtenção de conhecimento detalhado dos clientes, e não somente através de dados brutos relacionados com transações e pagamentos financeiros. A Tecnologia da Informação (TI) auxilia na transformação de dados brutos em informação. Esse processo facilita que as informações obtidas rapidamente sejam usadas na criação de um ambiente para a tomada de decisões de negócios compartilhada e inovadora (SWIFT, 2000).
Além do mais, para que as empresas tenham um ambiente ágil para a obtenção da informação pode-se empregar o conceito de Data Warehouse (DW). Esse consiste em organizar os dados corporativos da melhor maneira, dando subsídio de informações aos gerentes e diretores das empresas para tomada de decisão. Tudo isso num banco de dados centralizado e paralelo aos sistemas operacionais da empresa. Mas, em contrapartida, a criação de um DW requer tempo, dinheiro e considerável esforço gerencial devido à sua abrangência no que se refere às áreas da organização. Muitas empresas iniciam este tipo de projeto tendo como base as necessidades de pequenos grupos ou departamentos. Estes módulos de armazenamentos de dados são chamados de Data Mart (DM). O maior atrativo de se optar por um DM é o seu menor custo e prazo de implantação.
Considerando, neste contexto, as empresas do ramo supermercadista, bem como todas as empresas em que o cliente é a razão de sua existência, a estratégia de relacionamento com o cliente só pode ser adotada através da combinação conjunta de processos, tecnologias e procedimentos comportamentais e, além é claro, que a empresa tenha “foco no cliente” (PEPPERS AND ROGERS, 2001).
1.1. DEFINIÇÃO DO PROBLEMA
Atualmente, o gestor da área de CRM no segmento supermercadista necessita de constante análises dos dados que referenciam os hábitos de consumo do cliente, com o objetivo de desenvolver ações que promovam a fidelização do mesmo, aumento de faturamento e uma maior lucratividade para a organização. Este procedimento exige complexas consultas ao banco de dados operacional para que se consiga extraí-los e transforma-los em informações. Muitas vezes esta tarefa acontece de forma manual ou através do auxílio da área de informática.
Além do mais, é desejável que o processo de aquisição e transformação dos dados seja feito de maneira automática, tornando-o mais ágil e sem necessidade de intervenções manuais ou repetitivas.
Nestas circunstâncias, temos como problema a demora na aquisição de informações relevantes e corretas para que se consiga executar de uma forma eficiente e eficaz o processo de gerenciamento do relacionamento com o cliente.
1.2. OBJETIVOS
1.2.1. Objetivo geralAplicar a tecnologia da informação, através da criação de data mart de clientes, a fim de prover agilidade na análise dos dados dentro do processo de gerenciamento do relacionamento com o cliente no varejo supermercadista.
1.2.2. Objetivos específicos
Primeiramente, explorar e estudar uma base de dados operacional que contenha elementos pertinentes ao perfil de compras de clientes do ramo supermercadista.
Posteriormente, aperfeiçoar o conhecimento sobre conceito de CRM e das técnicas de data warehousing.
Finalmente, agregar os conhecimentos adquiridos através da especificação de um data mart, com intuito de agilizar a análise dos dados (KIMBALL, 1998).
1.3. JUSTIFICATIVA
Como justificativa, vê-se a relação do processo de análise dos dados que referenciam comportamentos de consumo dos clientes com as ferramentas OLAP (On Line Analytical Processing), tido atualmente como mais produtivas no que tange a obtenção e visualização dos dados (THOMSEN, 1997). O problema encontra-se atualmente no ponto de preparação dos dados para fornecer suporte ao OLAP, e este consiga atender plenamente os requisitos de análise das informações dentro do processo de gerenciamento do relacionamento com o cliente. Além do mais, algumas características como dimensionalização e consolidação dos dados para que se obtenha um melhor desempenho das consultas (KIMBALL, 1998), apontam a tecnologia de DW, sabida e reconhecidamente com um ferramental fortemente relacionado com as técnicas OLAP.
1.4. MOTIVAÇÃO
A motivação para realização deste estudo vem da possibilidade de vivenciar na prática as questões técnicas e teóricas estudadas no decorrer do curso, além da afinidade com o assunto CRM e do desafio de especificar a ferramenta em questão.
1.5. ORGANIZAÇÃO DOS CAPÍTULOS
Inicialmente, o capítulo 2 “CRM - Customer Relationship Management” tratará do embasamento teórico sobre esse assunto.
No capítulo 3, “O Setor de Varejo Supermercadista”, será feita a caracterização do tema através da apresentação do conceito, como foi o desenvolvimento do setor, identificação do perfil de consumidor e das lojas, além da relação dos supermercados com as estratégias de CRM.
No capítulo 4, “Data Warehouse como suporte ao CRM Analítico”, serão apresentados assuntos pertinentes à justificativa da adoção de DW como metodologia de trabalho para a solução do problema aqui proposto, ou seja, o uso de um data mart no ramo de varejo supermercadista como suporte ao processo de análise dos dados do cliente.
Logo após, no capítulo 5 intitulado “Justificativa para Adoção de Metodologia”, será apresentada a solução para resolver o problema proposto.
Finalmente, o capítulo 6 contemplará os “Resultados Obtidos”, fazendo uma avaliação do processo de análise dos dados do cliente após este trabalho, seguida da “Conclusão”, no capítulo 7.
2. CRM – CUSTOMER RELATIONSHIP MANAGEMENT
Neste capítulo serão tratados alguns conceitos básicos sobre CRM, necessários para uma maior compreensão do assunto. A caracterização das estratégias para CRM dará um maior entendimento da aplicação desse conceito dentro das organizações.
2.1. Definição
O termo CRM – Customer Relationship Management embora amplamente utilizado, nunca foi formalmente definido. Segundo Peppers and Rogers Group (2001) pode se dizer que “CRM é uma infra-estrutura para implementar-se a filosofia one to one de relacionamento com os clientes”.
O principal objetivo de uma empresa, quando adota a filosofia do CRM, é entender e influenciar o comportamento dos seus clientes, fazendo com que eles permaneçam fiéis à empresa, aumente o volume de suas compras e recomendem a empresa para outros possíveis clientes. Em resumo, o objetivo principal da empresa é obter incremento real das suas vendas e, conseqüentemente, aumentar sua lucratividade.
Outro ponto a ser discutido, é que CRM pode ser considerado um processo interativo que transforma informações sobre os clientes em relacionamentos positivos com os mesmos (SWIFT, 2001, p.13).
A principal justificativa para que as empresas adotem esta filosofia esta baseada na premissa, atualmente bem conhecida, que custa menos manter os clientes atuais do que conquistar novos - na realidade custa cinco vezes menos (SWIFT, 2001, p.18) - e do fato de que o mercado está cada vez mais competitivo e a sobrevivência das empresas requer manutenção da satisfação dos clientes já conquistados. Um exemplo disto é aos clientes
que fazem suas compras de produtos ou serviços pela Internet, pois qualquer insatisfação dará ao mesmo a possibilidade de mudar de empresa fornecedora com um simples toque do mouse. Assim, já não basta oferecer o melhor preço ou a melhor ou mais atual tecnologia. Uma campanha promocional pode atrair alguns clientes por algum tempo, mas a empresa corre o risco de perdê-los no caso da concorrência fazer uma promoção mais atrativa.
O CRM efetivamente engloba a capacidade de uma empresa em (SWIFT, 2001, p.16):
• Descobrir clientes; • Conhecê-los;
• Manter comunicação com eles;
• Assegurar que eles receberam o que desejam da organização-não somente
quanto ao aspecto do produto, mas em cada detalhe de como a organização lida com eles;
• Verificar se eles recebem o que lhes foi prometido - certamente, desde que seja
lucrativo;
• Assegurar que o cliente seja mantido - mesmo que o cliente não seja lucrativo
atualmente, o objetivo é lucratividade em longo prazo.
CRM não diz respeito a preços, não diz respeito ao envio de grandes quantidades de correspondências ou muitas ligações irritantes para clientes em potencial. Definitivamente, não diz respeito à utilização dos canais para direcionar os clientes para os concorrentes (SWIFT, 2001, p.16).
Fornecer as capacidades para gerar produtos, serviços, respostas, individualização, personalização em massa e satisfação do cliente está intimamente ligado ao CRM. Estas ações podem fazer parte do planejamento da empresa, porém, para manter os clientes
conquistados é necessário que eles estejam satisfeitos com a empresa a ponto de rejeitarem a possibilidade de optar pela concorrência.
De acordo com Peppers and Rogers (2001), uma solução do CRM é composta de três pilares fundamentais: tecnologia, processos e pessoas. O conjunto das pessoas é formado pelos executivos e colaboradores da organização e a implantação do CRM podem exigir o desenvolvimento de novas habilidades e competências de todos os envolvidos.
Os processos são a composições do conjunto de todas as rotinas da organização necessárias para a execução da estratégia do CRM. A tecnologia consiste na infra-estrutura de hardware e software necessária para dar suporte à estratégia, sendo que a mesma deve ser implantada como forma de suporte aos processos e aos procedimentos que devem ser executados pelas pessoas. Assim, não será possível alcançar o sucesso em um projeto de CRM caso os processos ou os procedimentos adotados pela empresa não sejam cuidadosamente avaliados e definidos antes da implantação da tecnologia de suporte (PEPPERS AND ROGERS, 2001, p.52).
2.2. Estratégias de Implantação do CRM
Quando falamos em implantar um projeto de CRM, além do custo e da disponibilidade de tempo, exigem-se, na maioria das vezes, profundas mudanças na maneira da empresa se relacionar com seus clientes. Políticas, processos e procedimentos da empresa frente aos seus consumidores fatalmente deverão ser repensados ou melhorados para que se consiga o êxito do projeto (PEPPERS AND ROGERS, 2001).
O sucesso deste tipo de projeto advém do cumprimento de alguns objetivos básicos da própria estratégia de CRM, ou seja, conhecer na íntegra o cliente e suas necessidades,
garantir a satisfação do consumidor através do atendimento diferenciado, além aumentar a eficiência nos serviços prestados (PEPPERS AND ROGERS, 2001).
Podemos distinguir um projeto de CRM de acordo com sua abordagem ou estratégia de implantação, conforme demonstrado na figura abaixo:
Figura 1 - Estratégia de CRM Fonte: Peppers and Rogers (2001)
A abordagem operacional do CRM visa melhorar o relacionamento direto entre a empresa e o cliente através de canais como a internet ou call centers. Tais melhorias advêm do agrupamento de informações com o intuito de se obter, com maior precisão, o perfil do cliente. Isso faz com que a empresa esteja bem preparada na hora de se relacionar com o mesmo. Além do mais, esta abordagem se caracteriza através da aplicação da tecnologia de informação objetivando melhorar a eficiência do relacionamento entre os clientes e a empresa. Estão entre as tecnologias ou produtos de CRM operacional as aplicações de automação de força de vendas (SFA), automação de canais de venda, sistemas de comércio eletrônico e call centers. O CRM operacional prevê ainda a
integração de todos os produtos de tecnologia para proporcionar o melhor atendimento ao cliente (PEPPERS AND ROGERS, 2001).
Por sua vez, a estratégia analítica do CRM trata como o próprio nome diz da análise dos dados sobre o cliente nas várias esferas da organização. Esta permite descobrir entre outras informações o grau de fidelização dos clientes, seus diferentes tipos, além das preferências e rejeições quanto a produtos e serviços. A ligação entre um CRM de abordagem analítica com um data mart para o setor marketing e/ou vendas é inevitável, pois juntos oferecem grande auxílio na busca de respostas importantes no que diz respeito às questões de negócio (PEPPERS AND ROGERS, 2001).
A principal característica da abordagem colaborativa do CRM está na possibilidade de criar, aumentar e gerenciar a interação com o cliente. Para isso é necessário que a empresa tenha um meio adequado para a interação - abordada no CRM operacional - e que possua informações suficientes sobre seus clientes - obtidas através do CRM analítico - de forma centralizada e, é claro, integrada. Além do mais, a abordagem colaborativa do CRM procura integrar as estruturas e benefícios dos outras duas abordagens descritas. Enquanto o CRM operacional está mais focado nos níveis tático e operacional, e o CRM analítico nos níveis estratégico e tático, o colaborativo procura gerar melhorias nos três níveis (PEPPERS AND ROGERS, 2001).
3. O SETOR DE VAREJO SUPERMERCADISTA NO BRASIL
3.1. CaracterizaçãoA caracterização do setor de varejo supermercadista, dá-se pelo entendimento do conceito de supermercados, lojas de auto-serviços e varejo alimentar.
Segundo Parente (2000, p. 32),
“os supermercados caracterizam-se pelo sistema auto-serviço, check outs (caixas registradoras sobre balcão na saída da loja) e produto dispostos de maneira acessível, que permitem aos fregueses “auto-servirem-se”, utilizando cestas e carrinhos. [...] A maioria das redes de supermercados no Brasil opera grande número de lojas que são classificadas como supermercados convencionais”. De acordo com Rojo (apud ACNIELSEN, 1997) os locais que comercializam alimentos se classificam em duas categorias, tradicionais e de auto-serviço. As tradicionais são aquelas nas quais há necessidade de vendedores ou balconistas dispensando maior atenção aos clientes no que se refere à prestação de informações sobre produtos e serviços comercializados. Já as lojas de auto-serviços, além de serem enquadradas como alimentares, têm como característica principal os check outs, ou seja, um ponto de venda (PDV) equipado com emissor de cupom fiscal (ECF), calculadoras ou quaisquer outros equipamentos que permitam totalizar e conferir as compras dos clientes. A exposição dos produtos, neste tipo de estabelecimento, dá-se de maneira acessível, ou seja, permitindo que os clientes se auto-servirem.
No Brasil, de acordo com Cyrillo (1987), a atividade supermercadista foi regulamentada em 1968 através da Lei 7208, de 13/11/1968, ficando estabelecido o seguinte: “supermercado é um estabelecimento de comércio varejista que, adotando o sistema de auto-atendimento, coloca à disposição e vende gêneros alimentícios e outras utilidades domésticas”.
A “relação tipo de loja” e “área utilizadas para realizar a venda (m2)” define a característica do comércio de varejo alimentar. O quadro 1 a seguir apresenta uma idéia de como acontece esta caracterização (DELUCA, 2001):
QUADRO 1 – VAREJO ALIMENTAR – TIPO DE LOJA
Tipo de Loja Área de Venda (m2)
Bares 20 – 50 Mercearias 20 – 50 Padarias 50 – 100 Mini-mercados 50 – 100 Loja de Conveniências 50 – 250 Supermercado Compacto 300 – 700 Supermercado Convencional 700 – 2500 Superloja 3000 – 5000 Hipermercado 7000 – 16000 Clube Atacadista 5000 – 12000
Fonte: adaptado de DELUCA, Marcelo A. M. Varejo supermercadista da grande Florianópolis: uma análise das cinco forças competitivas de Porter. Florianópolis: 2001. Pág. 41.
Além da relação “tipo de loja” com “área de venda”, outra forma de classificar o varejo alimentício está vinculada ao “mix de produtos” (variedade de produtos ofertados), onde, de acordo com Bermann e Evans (1998), existem cinco tipos de varejista alimentar:
1. Lojas de conveniência, onde sua localização, geralmente, fica em postos de
combustíveis;
2. Supermercados convencionais;
3. Lojas de combinação;
4. Superlojas;
Vale ressaltar, com exceção das lojas de conveniência, que todos os serviços acima trabalham com concepção de auto-serviço, ou seja, todos são considerados supermercados. O quadro 2 a seguir explicita esta situação:
QUADRO 2 – CLASSIFICAÇÃO DE TIPOS DE VAREJO
Fonte: adaptado de DELUCA, Marcelo A. M. Varejo supermercadista da grande Florianópolis: uma análise das cinco forças competitivas de Porter. Florianópolis: 2001. Pág. 43.
3.2. Desenvolvimento do Setor Supermercadista no Brasil
É notória a importância deste setor na economia brasileira, já que desde sua implantação no Brasil, segundo Nogueira (1993, p.3), há quarenta anos, o setor tem desempenhado um papel fundamental dada à ênfase à colocação de produtos à disposição do consumidor brasileiro. Desde os primeiros ensaios de auto-serviço no comércio varejista, no final dos anos 40, até o surgimento, a partir da década de 60, das grandes redes em funcionamento atualmente no país, os supermercados têm se transformado
Tipo de Varejo Localização Linha de Produto Preço
Lojas de Conveniências Próxima Amplitude Média Médio e acima do médio Supermercado Convencional Próxima Grande Sortimento Competitivo
Loja de Combinação Local Isolado Produtos de drogarias
e supermercados Competitivo
Superloja Local Isolado Sortimento completo, incluindo produtos estéticos, veículos, saúde, etc.
Competitivo
rapidamente movidos pelo desejo de atender novos padrões de consumo, além de acompanhar o desenvolvimento da sociedade e da economia brasileira.
Ainda de acordo com Nogueira (1993), os supermercados estão presentes desde os grandes centros urbanos até as mais remotas localidades, possibilitando a geração de um número significativo de emprego e movimentando algo em torno de 5% do Produto Interno Bruto (PIB) brasileiro, além de ser uma excelente via explorada pela indústria de bens de consumo para que seus produtos cheguem, de forma eficiente e barata, a milhões de consumidores.
A evolução do setor supermercadista no Brasil fez com os preços fossem deixados, até certo ponto, em segundo plano, para focalizar-se na oferta de serviços. A disposição das lojas tendeu a ficar cada vez mais aprimoradas e sofisticadas, quer do ponto de vista arquitetônico, quer da decoração e da própria exposição das gôndolas - local nas quais são expostos os produtos à venda. A embalagem ganhou, assim, papel cada vez mais importante, atender às necessidades de apelo visual para fortalecer a marca e para o manuseio mecanizado e de controle, este, cada dia mais automatizado. As metas permanentes, eficiência e rentabilidade, passaram a ser buscadas, também, com a melhoria dos serviços de retaguarda, na formação de pessoal especializado e na solidificação da estrutura administrativa das empresas (FERRAZ, 2002, p.54).
3.3. Perfil do Setor Supermercadista Brasileiro
De acordo com o 1º estudo anual do setor supermercadista, realizada pela ABRAS - Associação Brasileira de Supermercados - (1998), e análises feitas por Ferraz (2002), em sua dissertação, o setor supermercadista brasileiro se comporta, de maneira geral, da seguinte forma:
• A fidelidade dos consumidores é o que mais preocupa os supermercadistas;
• Em média, 85% das vendas do setor são produtos alimentares (perecíveis e não
perecíveis) e de higiene e limpeza;
• Fatores de riscos externos para o negócio, com a política econômica e fiscal do
governo, é que mais preocupa o setor;
• A “ação de concorrência” que mais impacta neste ramo de negócio é a “guerra de
preços”;
• O porte da empresa supermercadista influencia diretamente no número de
estratégias de crescimento. Por outro lado, investimento em ampliação de lojas e ações de melhorias acontece com freqüência em todos os portes;
• Pesquisa de satisfação junto aos consumidores é uma das ações competitivas mais
praticadas neste setor;
• Os canais de mídia mais utilizados são o rádio e folhetos distribuídos fora da loja; • Os critérios de escolha do local de compra mais considerados pelos consumidores,
segundo os próprios supermercadistas e resultados de pesquisas com os clientes, são as condições de pagamento e o preço;
• Capacitação e treinamento do pessoal são as questões de recursos humanos de
maior preocupação;
• Os supermercados de menor porte estão mais preocupados com os processos
3.4. Perfil dos Consumidores do Setor Supermercadista Brasileiro
Ainda de acordo com as conclusões do 1º estudo anual do setor supermercadista e apreciações de Ferraz (2002), o consumidor setor supermercadista brasileiro se comporta, de maneira geral, da seguinte forma:
• A forma de pagamento mais utilizada pelos consumidores é em dinheiro;
• “Ir a pé” ao supermercado é a forma de locomoção mais usada entre os
consumidores;
• Dentre os consumidores entrevistados, ou pouco mais da metade é fiel a um único
supermercado;
• O principal critério de escolha para comprar em determinado supermercado ainda é
o item “preço baixo”;
• O que mais chama atenção do consumidor no que se refere às melhorias efetuadas
nas lojas e ações para enfrentar a concorrência, por parte dos supermercadistas, é: preços mais baixos e maior rapidez nos caixas;
• Múltiplas variedades de opções e ambiente agradável elegeram o shopping center
como o local preferido para as compras em supermercados;
• Apenas 25% da população têm hábito de comprar comida pronta com freqüência
média de uma vez por mês. Deste total, apenas 15% compra em supermercados;
• Cerca de 60% dos consumidores entrevistados sentem-se “seguros/muitos seguros”
quando se fala em qualidade dos produtos vendidos em supermercados. O que mais como principal ameaça à segurança dos produtos, são aspectos ligados à “operação e manuseio” das mercadorias.
3.5. O Setor Supermercadista e a Estratégia de CRM
Segundo Ferraz (2002), quando se fala em fidelização de clientes neste segmento de comércio, pode-se dizer que um pouco mais da metade são fieis. O que explica este comportamento do consumidor supermercadista são basicamente três situações. A primeira refere-se à conjuntura econômica do país, onde uma atmosfera composta por baixo índice inflacionário e a instabilidade profissional incentiva à comparação de preços por partes dos consumidores, tornando-os mais preocupados com o assunto preço.
A segunda situação está ligada à oferta de uma quantidade expressiva de diferentes produtos e marcas nos quais os consumidores estão expostos. Com isso, as lojas supermercadistas tornam-se mais diferenciadas, e os consumidores mais seletivos e menos fieis uma única marca de supermercado.
A terceira e última situação diz respeito à saturação do mercado varejista, criando um ambiente mais acirrado e competitivo, permitindo aos consumidores mais opções de locais de compra dentro de uma determinada localização.
Isso nos mostra que para manter-se competitivo, em certas ocasiões, é crucial por parte dos supermercadistas, a adoção de estratégias ligadas ao CRM já que este foco prevê muito das necessidades do cliente e reduz drasticamente, se corretamente aplicadas, vários problemas do setor, em especial a questão da fidelização.
4. DATA WAREHOUSE COMO SUPORTE AO CRM ANALÍTICO
4.1. Definição
Um dos principais objetivos da tecnologia da informação nas organizações é converter dados históricos em informação e por conseqüência em conhecimento estratégico. O data warehouse, de uma maneira simples, existe para responder questões que as pessoas têm sobre os negócios da organização, ou seja, é uma ferramenta concebida para atender o propósito da centralização das informações, apresentação multidimensional dos dados, facilidade na descoberta de padrões e para proporcionar aos gestores maior agilidade na tomada de decisão. Além disso, o DW possui uma aplicação mais acentuada em empresas que possuem informações descentralizadas e com deficiência nos processos operacionais para a sumarização dos dados. Esta carência, geralmente, compromete o processo de tomada de decisão.
Kimball (1998), uma figura respeitada no assunto, define DW como sendo um recurso de consulta e apresentação dos dados de negócio da empresa, construído especificamente para este fim.
Já Inmon (2002), outro guru no assunto, definiu DW como sendo uma coleção de dados integrados, orientada por assuntos, variante no tempo e não volátil, que tem por objetivo dar suporte aos processos de tomada de decisão.
4.2. Características do Data Warehouse
Em geral, os DWs possuem diversas características que os diferem dos bancos de dados operacionais, os OLTPs (On Line Transactional Processing), uma das principais
fontes de informações para os DWs. Uma dessas características é que os dados são consultados numa única fonte de dados, consolidada através de um banco de dados separado da base de dados operacional, e organizado para armazenar conhecimentos sobre o negócio. A separação das bases operacionais impede a perda de desempenho no processo operacional da organização. Além do mais, o DW apresenta uma arquitetura diferente da base de dados transacional, ou seja, a criação deste tipo de banco de dados atende a requisitos específicos como, por exemplo, a modelagem dimensional, questão que será abordada mais adiante.
Logo abaixo, descreveremos em maior detalhe outras características do DW.
4.2.1. Integração
A integração refere-se à centralização e padronização dos dados, já que os DWs recebem e agrupam registros de vários sistemas operacionais, tendo de harmonizá-los e padronizá-los, além de resolver questões como informações incompatíveis, duplicadas ou inexistentes. Um exemplo disso está representado na figura abaixo:
Figura 2 - Padronização de dados no data warehouse Fonte: Adaptado de Andreatto (1999)
A orientação por assunto é uma das características mais marcantes de um DW, já que toda construção da modelagem será realizada em torno dos principais assuntos da empresa. Enquanto todos os sistemas operacionais estão voltados para processos e aplicações específicas, os DWs objetivam assuntos. Podemos considerar assuntos como sendo o conjunto de informações relativas à determinada área estratégica de uma empresa.
Figura 3 - O data warehouse tem uma forte orientação por assunto Fonte: Adaptado de Andreatto (1999)
4.2.3. Variação no Tempo
Em relação à variação no tempo, Imon (2002) frisa em sua publicação que os DW são variáveis no decorrer do tempo, significando que podemos manter o histórico dos dados durante um período de tempo muito superior ao dos sistemas operacionais.
Figura 4 - Comparação de variação do tempo: sistema operacional versus data warehouse Fonte: Adaptado de Andreatto (1999)
4.2.4. Não Volatilidade
A não volatilidade significa ter somente duas operações no DW, a carga inicial ou incremental e as consultas aos dados. Isso pode ser afirmado porque a maneira como os dados são carregados e tratados é completamente diferente dos sistemas transacionais. Enquanto nesses sistemas temos vários controles e atualizações de registros, no DW temos somente inserções e seleções de dados. Por exemplo, num sistema de contabilidade podemos fazer alterações nos registros. Já no DW, o que acontece é somente ler os dados na origem e gravá-los no destino, ou seja, no banco multidimensional.
Figura 5 - Não volatilidade do data warehouse Fonte: Adaptado de Andreatto (1999)
4.2.5. Granularidade
Esta característica nada mais é do que o nível de detalhamento ou de resumo dos dados que compões um DW. Quanto menor for o nível de detalhes, maior será o nível de granularidade. O nível de granularidade está diretamente ligado ao volume de dados contidos no DW, e ao mesmo tempo o tipo de consulta que pode ser respondida.
Quando se tem um nível de granularidade muito alto, o espaço reservado para armazenamento dos dados, tornam-se bem menores, porém há uma diminuição da possibilidade de utilização dos dados para atender a consultas detalhadas ou complexas.
Um exemplo esclarecedor é a venda de certo produto em um supermercado, pois o nível de granularidade muito baixo pode ser caracterizado pelo armazenamento de cada uma das vendas ocorridas para este produto, e um nível muito alto de granularidade seria o armazenamento dos somatórios das vendas ocorridas em um mês.
Se levarmos em conta o nível de granularidade muito baixo, é possível responder a praticamente qualquer consulta, mas uma grande quantidade de recursos computacionais é necessária para responder perguntas muito específicas. No entanto, no ambiente de DW, dificilmente um evento isolado é examinado, é mais provável que ocorra a utilização da visão de conjunto dos dados.
Figura 6 - Nível de granularidade do data warehouse Fonte: Adaptado de Andreatto (1999)
4.3. Componentes do Data Warehouse
Os principais componentes de um DW serão mostrados na figura 7 e discutidos a seguir:
Figura 7 - Componentes do data warehouse Fonte: Adaptado de Kimball (1998, p. 15)
Segundo Kimball (1998), sistemas transacionais, também conhecidos com sistemas legados, são responsáveis por registrar todas as transações de negócios de uma organização. Dentre suas características, a velocidade de resposta de uma transação, ou seja, inclusão, exclusão, alteração e pequenas consultas de dados, são essenciais para um bom funcionamento destes. Outra característica deste componente do DW é a sua capacidade reduzida de armazenamento do histórico das transações, variando entre dois a três meses de histórico.
A área de estagiamento é o ambiente que suporta os dados vindos de diversas fontes transacionais e com diversos formatos para que sejam padronizados, ou seja, deve implementar os processos de extração, transformação e carga dos dados (CRAIG, 1999), também conhecido como processo ETL.
No processo de ETL, a tarefa de extração de dados consiste em analisar os dados dos sistemas fontes, além de especificar as rotinas de extração (Pereira, 2000). Uma vez que os dados tenham sido extraídos dos sistemas transacionais, um conjunto de transformações deve ser processado sobre esses dados. A transformação pode ser simples ou complexa, dependendo da natureza dos sistemas fontes. Em algumas situações, múltiplos estágios de transformações são necessários (Pereira, 2000). Por último, a tarefa
de carga de dados é geralmente um item complexo, e leva em conta à integridade dos dados que irão popular o Servidor de Apresentação. Segundo a definição de Kimball (1998) Servidor de Apresentação é aquele onde os dados do DW estarão disponíveis e preparados para serem visualizados e analisados diretamente pelos usuários finais.
Quando falamos em apresentação de dados em DW, é imprescindível levarmos em que conta que os dados devam estar armazenados em um modelo dimensional ou multidimensional. Este modelo, segundo Kimball (1998), é um tipo de modelagem de dados que vai ao encontro ao modelo entidade relacionamento, possuindo algumas características deste, mas por outro lado, tem a finalidade de organizar os dados de forma a melhorar a compreensão do modelo, aperfeiçoar a velocidade das consultas e facilitar alterações no modelo.
Os elementos que compõem o modelo dimensional são os fatos e as dimensões. O fato, usualmente representado de forma numérica e aditiva, descreve as medidas do assunto modelado, as métricas do negócio. As dimensões representam as características e informações acerca do fato. O conjunto de atributos da dimensão servirá para restringir e agrupar os fatos nas consultas realizadas.
A implantação física deste modelo geralmente acontece um bando de dados relacional, e foi chamado por Kimball (1998) e Berson e Smith (1997) de “esquema estrela”, devido este implementar de forma precisa a modelagem dimensional.
O esquema estrela, representado a seguir na figura 8, consiste basicamente em uma tabela central, a tabela de fato, com enorme volume de dados, rodeados por pequenas tabelas, as dimensões. As tabelas periféricas possuem chaves primárias artificiais simples, que são referenciadas pela tabela de fato. O conjunto de chaves estrangeiras da tabela central compõe a sua chave primária. Temos geralmente a tabela de fato normalizada e as tabelas de dimensões não normalizadas.
Figura 8 - Exemplo de um modelo estrela
Fonte: Adaptado de Benson & Smith (c1997, p. 171)
Por último, para facilitar o acesso e apresentação dos dados aos usuários finais, contidos no Servidor de Apresentação, temos como suporte as aplicações de Usuário Final. Estas são ferramentas responsáveis pelo processo de exploração de dados, dotadas de tecnologia OLAP (On-Line Analytical Processing), que têm como característica principal a visualização multidimensional dos dados. Existem quatro tipos de visualizações básicas:
• Drill down; • Drill up o Roll up; • Slice;
• Dice.
Drill down e Drill up movimentam as visões ao longo das hierarquias, enquanto o Slice e Dice realização operações de navegações sobre os dados. O uso destes quatro tipos de visões ou operações sobre um modelo dimensional cria uma visão no formato de um cubo.
A figura 9 dá uma idéia da representação de um cubo. Pode-se verificar as dimensões tempo, produto e cliente. A inclusão de dados no DW passa uma idéia de crescimento na largura, comprimento e profundidade do cubo.
Figura 9 - Exemplo de cubo Fonte: O autor
4.4. Metodologia para Construção de Data Warehouse
Atualmente, a tecnologia de DW conta basicamente com duas abordagens de implementação, a top-down e a bottom-up. Mas, para compreendermos melhor estas abordagens, se faz necessário conhecer o conceito de Data Mart (DM).
Os DMs, ou o DW em departamentos, são subconjuntos lógicos de um DW. Para se diminuir o tempo e os custos totais de construção, podemos dividir um DW em partes menores, distribuídas por departamentos ou assuntos inerentes ao negócio da organização.
As diferenças entre DM e DW são apenas em relação ao tamanho e ao escopo do problema a ser solucionado. Como o DM está direcionado a uma área específica da organização, o planejamento e análise do mesmo são mais fáceis de gerenciar.
Na abordagem top-down, sustentada por Inmon (2002), o objetivo é conquistar para depois dividir, tendo como premissa a modelagem e a construção de todo DW, dotado de
todas as informações acerca do negócio e da empresa. Depois disto, disponibilizam-se os data marts.
Na bottom-up, defendida por Kimball (1998), a idéia é dividir para depois conquistar. Primeiramente são construídos os DMs, atendendo as necessidades setoriais de informações, e tendo como critério de ordem de construção a prioridade para o negócio. A reunião de todos os DMs comporá o DW como um todo. Esta abordagem é detalhada mais a fundo no item a seguir, através do Ciclo de Vida do DW.
4.4.1. “O Ciclo de Vida de Kimball”
O sucesso de um projeto de DW depende da definição do ciclo de vida que atenda todas as etapas do processo de desenvolvimento. Kimball (1998) propôs um modelo de ciclo, que compreende os principais processos de construção de um DW.
Segundo ele, o planejamento é a fase onde são definidos o escopo e justificativa para o projeto, levantando também as necessidades de recursos de hardware, software e de recursos humanos para o desenvolvimento do DW. O escopo deve ser definido de forma a ser algo significativo para empresa e que garanta continuidade do projeto. Além disso, a definição da equipe e a abordagem para o desenvolvimento fazem parte desta etapa.
A definição dos requisitos de negócio é responsável por toda a especificação do DW. Acompanham esta fase tarefas como: especificação de regras de negócio, desenho da arquitetura, modelagem dimensional, escolha de software para DW, instalação de hardware e software, etc. A metodologia recomenda para esta etapa, constitui na realização de várias entrevistas com os usuários que dominam a regra de negócio, de forma que as informações coletadas possam ser úteis na modelagem e implementação. O item mais importante da
fase de levantamento de requisitos é a modelagem dimensional, que servirá de base para a implementação do DW.
O desenvolvimento é a fase onde o DW cria forma. É neste instante que os dados devem ser populados e os cubos dimensionais devem ser gerados para obter-se o resultado final do projeto, porém o ciclo ainda não termina, sendo necessário um ciclo contínuo de aperfeiçoamento e melhoria dos processos, ou seja, o DW deve acompanhar o crescimento dos processos da empresa.
Planejamento do Projeto Definição dos Requisitos de Negócio Modelagem Dimensional FProjeto Desenvolvimento e Projeto da Área de Transição Implantação e Manutenção Especificação da Aplicação do Usuário Final Desenvolvimento da Aplicação do Usuário Final Projeto e Arquitetura Técnica Instalação e Seleção de Produtos Administração do Projeto Figura 10 - Ciclo de vida de um DW
Fonte: Adaptado de Kimball (1998, p.33)
4.5. Aplicação do Data Warehouse no processo de CRM Analítico
Um DW bem modelado e que atenda todos os requisitos impostos pela organização pode ser usado como uma poderosa ferramenta de CRM analítico, pois permite que empresa conheça o perfil de seu cliente, e a partir daí fazer um trabalho dirigido à sua fidelização. Como vimos anteriormente, é muito mais lucrativo manter um cliente do que tentar conquistar novos. A diferença de lucratividade para a empresa fica mais explícita quando um cliente fidelizado é comparado com cliente perdido pela empresas que terá de ser reconquistado.
Como sabemos, o CRM operacional é feito através do contato direto da empresa com o cliente. Call centers, malas diretas, internet e outros tipos de canais são utilizados nesse segmento de CRM, que em alguns casos, para agilizar estes processos, utiliza-se do CRM analítico, este feito através dos dados contidos nas bases gerenciais da empresa, ou seja, no Data Warehouse.
Contudo, o DW deve contemplar as análises de campanhas de marketing, perfil do cliente, análise de vendas, fidelidade, desempenho dos canais de contato, entre outras análises que fazem parte do CRM analítico.
5. JUSTIFICATIVA PARA ADOÇÃO DA METODOLOGIA
Primeiramente, foi apresentada no capítulo 2 a conceituação de CRM para posteriormente caracterizar o comércio de varejo supermercadista em nosso país e as justificativas para adoção de estratégias de CRM por parte deste.
No capítulo 4, foram abordadas técnicas de data warehousing, apresentando seu conceito e surgimento, aplicações e metodologias de construção.
No entanto, a finalidade deste capítulo é propor uma solução através da aplicação das técnicas expostas visando resolver às dificuldades enfrentadas no processo de análise de informações de clientes, principalmente o que diz respeito ao hábito de compra dos mesmos.
Como justificativa para escolha da especificação de um data mart de clientes está intimamente ligada ao fato de que atualmente gestores da área de CRM, especialmente em pequenos e médios supermercados, utilizam-se de complexas pesquisas para extrair e transformar as informações de que precisam do banco de dados operacional. Estes procedimentos geralmente terminam em uma exploração por cruzamento e quantificação dos dados. Este tipo de procedimento assemelha-se a uma análise exploratória parecida com a tecnologia OLAP, vistas anteriormente e, sem sombra de dúvidas, suportada pelo ambiente de DW.
Outra situação relevante é a dependência existente entre o gestor de CRM e o departamento informática da organização na obtenção das respostas de questionamentos complexos sobre os clientes. A união da tecnologia OLAP com a de DW praticamente eliminará esta dependência, já que determinadas repostas estarão acessíveis com poucos cliques do mouse.
Como metodologia para especificação do data mart será realizada uma adaptação do modelo “Ciclo de Vida de Kimball” visto anteriormente, com o intuito de adequá-lo ao propósito deste trabalho. Além do mais, este modelo é adequado para uso na abordagem bottom-up, conforme vimos no sub-capítulo “Metodologia para Construção de Data Warehouse”, ou seja, é adequado para a construção do Data Mart de Clientes.
5.1. PLANEJAMENTO DO PROJETO DO DATA MART
O planejado é a fase inicial do projeto de um data mart, tendo como principal objetivo a definição do escopo. Podemos considerar esta fase como sendo a mais importante do projeto, pois erros na delimitação do escopo, identificação de necessidades, restrições e recursos (humanos, equipamentos, financeiro, etc.) podem inviabilizar a realização do projeto.
Como parte do planejamento tem-se a etapa de definição do escopo onde serão descritos as metas e objetivos a serem galgados com a execução do projeto. Nesta importante fase é identificada a existência e a origem de demanda.
Partindo para elaboração do plano, foi realizado um levantamento sobre as características da empresa, onde foram identificados potenciais usuários e suas necessidades, além de se conhecer brevemente pontos estratégicos do negócio e como são acompanhados, bem como identificar os processos centrais da organização para posterior priorização, que no caso deste trabalho, não se teve muito esforço devido à definição do problema já estar formulado.
5.1.1. Definição do Escopo 5.1.1.1. Introdução
Este trabalho teve como base para definição de escopo um supermercado da grande Florianópolis/SC, que atua no mercado há cerca de sete anos e desejava obter maior agilidade na aquisição de informações inteligentes e úteis do cliente. Espera-se com isso aperfeiçoar seus processos, além de visualizar informações implícitas em seu sistema transacional em uso atualmente. Outra expectativa depositada no projeto consiste em aprimorar e auxiliar as tomadas de decisões estratégicas da empresa, principalmente o que tange a CRM.
A empresa conta, em sua loja no centro da cidade, com um quadro funcional de 200 colaboradores sendo que aproximadamente 30 destes lidam diretamente com informações gerencias. Além disso, um gestor de CRM e uma equipe com oito integrantes ligados a projetos voltados para o relacionamento com o cliente contribuem diretamente.
O projeto teve foco nas rotinas operacionais que geram dados através das transações de vendas ao cliente e visa obter conhecimento mais profundo e detalhado deste processo, respondendo principalmente questões à margem dos processos operacionais, e de grande valia nos procedimentos de tomada de decisão e visão estratégica.
5.1.1.2. Justificativa
Como justificativa para elaboração deste projeto, viu-se a relação das situações que permitiram avaliar a importância do mesmo em relação à organização. Ele deveria:
• Apresentar dados relativos à suas compras rotineiras, buscando traçar um perfil da
clientela atual;
descontado do seu preço de custo – em cada venda de cliente identificado através do cartão de fidelização;
• Sumarizar valor de cupom fiscal médio por cliente e da loja;
• Refletir o impacto das campanhas promocionais ou dados que possam definir
aplicações mais efetivas das mesmas;
• Prover dados estatísticos relativos à importância de se manter ou não programas de
fidelização, descontos especiais, ou outras estratégias comerciais;
• Cruzar informações do tipo de pagamento com perfil de compra de cada cliente.
5.1.1.3. Escopo
O projeto conta com cinco anos de dados históricos, e lida com dados de clientes que possui cartão de fidelização.
A infra-estrutura computacional utilizada foi a existente e conta com aproximadamente 40 estações de trabalho, na grande maioria equipada com Sistema Operacional Linux (Fedora™ e Suse™), servidor composto por dois processadores Intel™ Xeon de 3.06 GHZ, 3 GB de memória RAM, espaço em disco rígido de 100 GB com redundâncias e proteção à falhas, além do software de banco de dados Oracle™ 10g versão 1.0.3.0 e Sistema Operacional Linux Suse™ Enterprise Server versão 9.0.
Como ferramentas OLAP utilizaram-se planilhas eletrônicas Microsoft Excel™ e OpenOffice.org™ versão 1.1.2 , além do Discoverer da Oracle™ . O tempo utilizado para o desenvolvimento do projeto foi de quatro meses.
5.1.1.4. Exclusões do Escopo
Tão importante quando a definição do escopo, as exclusões, ou questões deixadas para serem resolvidas em outro momento, serviram para nortear as ações relevantes e para gerar uma correta especificação do data mart, contribuindo para não se distanciar dos objetivos almejados. Foram desconsiderados do projeto:
• Dados de clientes não identificados no momento da venda; • Produtos de consumo interno e sem vínculo de venda; • Dados de vendas canceladas.
5.1.1.5. Fatores Críticos de Sucesso
Como fator crítico, levou-se em conta o aproveitamento dos dados de venda gerado pelo cliente, com o intuito de se conseguir mais oportunidades de torná-lo fiel sem grandes esforços, bem como tornar a venda de produtos e serviços mais inteligente e lucrativa. Com o perfil de compra do cliente, foi possível obter uma completa noção de quanto ele contribuiu para empresa, além de melhorar sua sensibilidade a possíveis interações de venda e marketing de relacionamento.
Além disso, outras situações que contribuíram para o sucesso do projeto foram:
• A possibilidade de mapear os clientes freqüentadores da loja, podendo assim
fornecer vantagens aos que mais compram;
• Chamar a atenção dos clientes que menos compraram, sem esquecer de
correlacionar o valor agregado de cada compra - volume de compra versus margem de contribuição;
• Melhorar o tratamento das informações operacionais, trazendo as mesmas para o
• Obter suporte ao ambiente técnico confiável, com maquinário robusto e tolerante à
falha, além de maior agilidade no processamento e visualização das informações.
5.1.1.6. Levantamento dos Riscos
Conseguir prever os possíveis riscos que o projeto enfrentaria foi de grande valia para prever e antecipar a resolução de problemas que pudessem prejudicar o sucesso do projeto. Foram identificados os seguintes riscos:
• Riscos de hardware, como falhas que comprometessem a integridade dos dados; • Possível sabotagem, interna ou externa do projeto, através de ataques virtuais que
danificassem ou expusessem dados não autorizados;
• Compatibilidade dos sistemas integrados, ou seja, a especificação de uma
padronização coerente dos dados, dando-lhes uma semântica única.
5.2. DEFINIÇÃO DOS REQUISITOS DO DATA MART
Para Kimball (1998) o sucesso de um DW está intimamente ligado ao entendimento das necessidades e exigências dos usuários que utilização o sistema. Os analistas do projeto devem entender o fator-chave que norteia o negócio, para determinar, sem sobra de dúvidas, os requisitos necessários e as expectativas da organização em relação ao projeto. Resumidamente, os objetivos a serem alcançado no final desta etapa são:
• Detalhes específicos sobre os dados e os elementos principais para incluir numa
implementação inicial do Data Mart;
• Entendimento do uso essencial destes dados iniciais;
• Visão das informações comuns que podem ser usadas por outras áreas da
Uma ferramenta utilizada para levantar os requisitos deste projeto foi a entrevista. Estas foram realizadas com o gestor de CRM e do TIC (Tecnologia da Informação e Comunicação) da empresa, tomando-se sempre o cuidado de guiar o levantamento através de conversas, além de colocar o entrevistado como centro do universo. Durante todas as etapas das entrevistas o foco principal foi o estudo dos dados e a semântica que os mesmos denotavam. Além das entrevistas realizadas, foi necessário conhecer mais profundamente a organização através dos seguintes procedimentos:
• Leitura dos relatórios mensais e anuais da empresa; • Conhecer a situação financeira da organização; • Examinar a estrutura e hierarquia da organização;
• Entender as estratégias de marketing da empresa, principalmente aquelas ligadas ao
CRM.
5.2.1. Requisitos Levantados
A análise de perfil e desempenho de compra do cliente foi o desejo dos usuários do data mart aqui especificado, além de alavancar dados sobre venda para entender melhor o cliente, produto e desempenho do canal de vendas.
O gestor de CRM e a equipe de projeto ligada ao assunto necessitavam estimar, de forma rápida e segura, qual o impacto sobre uma possível mudança nas promoções e preços de alguns produtos seriam destinados a um grupo específico de clientes.
Além disso, existiam perguntas analíticas típicas que precisavam, através da implementação do data mart, ser respondidas para acesso a informação:
• Qual a recência de um determinado cliente – quando foi sua última compra? • Qual a freqüência que o cliente compra?
certo período?
• Qual é o valor da compra média do cliente em certo período?
• O cliente já participou de uma promoção que termina em três semanas?
• Qual é o comportamento de venda por categorias de produtos e cliente? Há uma
oportunidade para aumentar as vendas? O comportamento mudou durante os últimos meses?
• Qual a margem de contribuição deixada pelo cliente na compra de uma determinada
categoria produto e em um determinado período?
• Qual o retorno financeiro do cliente, comparando sua margem de contribuição com
o seu volume de compra?
• É possível identificar os clientes oportunistas - aqueles que só compram produtos
em promoção - em um determinado período?
• Qual o canal de venda mais freqüentado por um determinado cliente: internet, 0800
ou loja?
• Quais as regiões geográficas - residência do cliente - mais representativas em
termos de venda?
• Qual freqüência que o cliente adquire produtos considerados de marca própria –
fabricados e comercializados pela própria empresa-?
• Pode-se descobrir informações ocultas ou padrões que mudaram totalmente algumas
estratégias ligadas ao CRM?
É importante ressaltar que os requisitos e questionamentos aqui levantados foram usados como base para continuação das próximas etapas deste trabalho.
5.3. MODELAGEM MULTIDIMENSIONAL
Nesta etapa da metodologia adotada, modelagem dimensional ou multidimensional, teve como dependência a correta definição dos requisitos funcionais, onde estes servirão de base para a construção do modelo lógico-dimensional que armazenariam as informações capazes de responder os questionamentos impostos. Para construí-lo foram necessários três passos. O primeiro, foi visualizar os assuntos ou o data mart propriamente dito, mostrados através do levantamento de requisitos. No caso deste trabalho, ficou clara a existência de um assunto central que seria quantificado ou medido: a venda do cliente.
A segunda etapa foi definir a granularidade, ou nível de detalhamento do fato venda, a ser seguida. Tratava-se de uma questão essencial para o sucesso do projeto. Foi selecionada a venda diária sumarizada de produtos por cliente como grão da tabela fato. Foi o nível mais detalhado possível e possibilitou ao gestor e equipe realizarem análises minuciosas.
Para qualificar o fato venda fez-se necessário descrever quais seriam as mensurações adotadas para o mesmo. Com isso foram definidas as seguintes métricas: quantidade, valor total bruto, valor total líquido e valor da margem de contribuição, média mensal da margem de contribuição (valor margem de contribuição mensal cliente dividido pelo número de passagem na loja) e média mensal da venda (valor venda mensal cliente dividido pelo número de passagem na loja).
A terceira e última, a descrição do fato venda, julgou-se necessário as seguintes dimensões: tempo em data, tempo em hora, cliente e sua localização geográfica, produto e suas categorias (foram tratados de famílias, para ficar de acordo a semântica da organização), forma de pagamento, canal de venda, loja e promoções realizadas. Vale a pena colocar que as dimensões escolhidas influenciaram diretamente nas respostas de questões que deveriam ser respondidas.
De posse destas informações, foi possível definir o diagrama lógico da modelagem multidimensional que representou o fato venda descrito a seguir na figura 11.
Figura 11 - Diagrama lógico do Fato Venda
5.3.1. Modelagem Física do Projeto
Na fase de planejamento do projeto, mas precisamente na definição de escopo, foi definido como pré-requisitos, a utilização do mesmo software SGBD (Sistema Gerenciador de Banco de Dados) que armazenava os dados transacionais, para acomodar o modelo físico do data mart.
Como o SGBD Oracle 10g™, atendeu os requisitos não funcionais deste projeto, ou seja, implementava suporte ao DW, seguiu-se para a definição do modelo físico. Como já se tinha definido o fato e as dimensões a serem tratadas, buscou-se então identificar os atributos das dimensões. Novamente, o levantamento de requisitos foi base para esta definição.
Feita a definição inicial, o próximo passo foi validar os atributos encontrados junto aos interessados, com o objetivo de eliminar atributos desnecessários ou acrescentarem novos. O modelo físico resultante do fato venda é mostrado a seguir, na figura 12:
Figura 12 - Modelo físico proposto para o data mart de clientes
Após validação da modelagem lógica e física, foram iniciadas as tarefas de concepção do ambiente, etapa esta que será vista a seguir.
5.3.2. Implantação Física do Modelo Proposto
O ambiente onde foi instalado o data mart, como na etapa anterior, também já havia sido definido na fase de definição de escopo de projeto, pois se fazia necessário à utilização do servidor e banco de dados onde atualmente encontra-se em produção o sistema operacional da organização. Um dos cuidados tomados foi a separação lógica de sistema operacional do ambiente DW.
Outra questão também definida na fase se escopo foi a camada de apresentação do data mart e tinha-se como propósito a utilização de três ambientes OLAP: o Microsoft Excel™, Planilhas do OpenOffice.org™ , além do Discoverer da Oracle™. Estas
ferramentas foram consideradas com a própria camada de apresentação dos dados aos usuários, pois possuíam módulo OLAP de exploração de dados.
Após as definições citadas acima, iniciou-se o planejamento das arquiteturas de back end e front end do data mart, já direcionadas também ao modelo proposto.
5.3.3. Arquitetura de Aquisição de Dados (Back End)
A primeira atividade, relacionada à definição de como os dados seriam extraídos, foi explorar o banco de dados operacional e também cumprir um dos objetivos específicos deste trabalho. Esta tarefa contou com o auxílio do administrador do SGBD da área de TIC da empresa e teve com meta conhecer a fonte de dados de forma bem detalhada, além de entender a dinâmica de utilização do banco de dados, uma vez que o processo de ETL (extração, transformação, carga) e acesso ao data mart estaria sendo executado paralelamente ao banco de dados transacional.
Optou-se por não criar uma área de estagiamento de dados propriamente dita, já que existia uma única fonte de dados. Então foi criado o plano do processo de back end, conforme detalhamento da figura 13.
