REFERENCIAL TEÓRICO BI (BUSINESS INTELIGENCE) e CRM (CUSTOMER RELATIONSHIP MANAGEMENT)

business intelligence (BI) 7 1. Componentes de um sistema de BI 12 1. Os Sistemas de BI nos níveis organizacionais 14 1. Ferramentas de BI 16 1. Business Analytics (BA) 17 1. Assim sendo, para Oliveira (2008) dado é qualquer elemento identificado em sua forma bruta que, por si só, não conduz a uma compreensão de determinado fato ou situação. Ou seja, para a compreensão de determinado fato ou situação em uma organização é necessário que os dados se transformem em informação. Segundo Laudon e Laudon (2014) informação é um conjunto de dados que foram moldados em um formato que possui um significado e utilidade para o homem. E conhecimento é o conjunto de ferramentas conceituais e categorias usadas pelos seres humanos para criar, colecionar, armazenar e compartilhar a informação. Neste contexto é possível descrever e conceituar os Sistemas de Informação (SI), que segundo Stair e Reynolds (2014) podem ser assim definidos como um conjunto de elementos que interagem para realizar objetivos de modo que os próprios elementos e os relacionamentos entre eles determinam como o sistema funciona.

Consequentemente, o conceito de sistemas de suporte a decisão (Decision Support Systems – DSS) foi concebido. A finalidade destes sistemas era fornecer aos usuários finais o suporte ad hoc (exclusivamente para esta finalidade – no caso, suporte a decisão) e interativo nos processos de tomada de decisão. O’BRIEN; MARAKAS, 2013). Anos mais tarde, na década de 1980, surgiram novos papéis para os SIs, sendo que o primeiro deles se deve ao fato da evolução da arquitetura de computadores, em especial, a transição da terceira para a quarta geração de computadores, respectivamente denominadas como geração dos circuitos integrados e geração da integração em grande escala, que possibilitou a instalação de diversos transistores em um único chip. Consequentemente, tivemos o desenvolvimento de computadores bem menores e mais baratos, bem como a popularização dos microcomputadores (STALLINGS, 2010).

Segundo Laudon e Laudon (2014) os sistemas de gestão da cadeia de suprimentos (Supply Chain Management – SCM) auxiliam os fornecedores, parceiros e demais envolvidos no processo de logística, a compartilharem informações sobre pedidos, produção, estoque e entrega, aumentando a eficiência produtiva. Já os sistemas de gestão do relacionamento com o cliente (Customer Relationship Management – CRM) fornecem informações para coordenar os processos de negócio que lidam com os clientes, em termos de vendas, marketing e serviços, com o objetivo de otimizar a receita, bem como promover a satisfação e retenção dos clientes. Este sistema será abordado posteriormente de maneira mais detalhada. Dando continuidade à análise da evolução cronológica dos sistemas de informação, destaca-se a Inteligência de Negócios (Business Intelligence – BI), um termo contemporâneo utilizado por fornecedores de software e consultores de tecnologia da informação, para descrever uma infraestrutura que contempla tecnologias e processos que visam armazenar, organizar, analisar e disponibilizar informações que podem ser utilizadas na condução de decisões estratégicas de negócios (LAUDON; LAUDON, 2014; O’BRIEN; MARAKAS, 2013).

O termo BI foi criado em 1989 por Howard Dresner, que posteriormente tornou-se analista do Gartner Group, ao propor o BI como um termo genérico para descrever “conceitos e métodos para melhorar a tomada de decisão de negócios usando sistemas de apoio baseado em fatos” (O’BRIEN; MARAKAS, 2013, p. Dessa necessidade, surgiu a proposta do autor de um sistema de inteligência de negócios, que aborda a coleta ou aquisição de novas informações, a disseminação, o armazenamento, a recuperação e a transmissão de informações para os usuários. O termo Business Intelligence (BI) foi usado pela primeira vez pelo Gartner Group e está relacionado ao processo de obtenção, organização, análise, compartilhamento e monitoramento de informações e possui como objetivo dar suporte a gestão de negócios.

GARTNER GROUP, 2017). Segundo Negash e Gray (2008) um sistema de BI combina coleta de dados, armazenamento de dados, gestão do conhecimento com a análise de informações competitivas e corporativas complexas para apresentação aos planejadores e tomadores de decisão com o objetivo de melhorar a pontualidade e a qualidade dos insumos necessários para o processo de decisão. Khan e Quadri (2012) ressaltam que o objetivo dos sistemas de BI é melhorar o tempo de resposta e a qualidade da informação, e assim possibilitar aos gestores entender melhor a posição das suas empresas em relação aos competidores. Duan e Xu (2012) BI refere-se à coleção de sistemas de informação e de tecnologias que dão suporte à tomada de decisão gerencial ou operacional. Turban e Volonino (2013) BI é uma infraestrutura que contempla tecnologias e processos que visam armazenar, organizar, analisar e disponibilizar informações que podem ser utilizadas na condução de decisões estratégicas de negócios.

Laudon e Laudon (2014) BI é um termo guarda-chuva, que combina arquiteturas, ferramentas, bases de dados, ferramentas analíticas, aplicações e metodologias que auxilie na tomada de decisão em uma organização. Sharda, Delen e Turban (2014) BI é um termo genérico que inclui as aplicações, infraestrutura e as ferramentas e melhores práticas que permitem o acesso e a análise de informações para melhorar e otimizar decisões e desempenho. Gartner Group, (2017) Fonte: o autor De acordo com Turban e Volonimo (2013) as três principais funções do BI são consultar, relatar e analisar. Otimização do canal Qual é o melhor canal para chegar a meu cliente em cada segmento? Interagir com os clientes com base nas preferências deles e em sua necessidade de gerenciar os custos.

Fonte: Ziama & Kasher (2004) Na primeira década do século XXI, o BI penetrou em vários segmentos da economia tais como finanças, telecomunicações, seguros, bancos, manufatura e comércio (RAMAKRISHNAN; JONES; SIDOROVA, 2012); muitas empresas desses segmentos conseguiram aumentar a lealdade de seus clientes e, consequentemente aumentar seus lucros. Segundo Turban e Volonino (2013), as organizações passaram a obter mais valor do BI ao estender as informações existentes a muitos funcionários, maximizando o ativo de dados existentes. Ainda segundo esses autores, pesquisas e projeções apontam que a tendência é que cada vez mais pessoas utilizem ferramentas de BI. Dentro do conceito de BI, há o conceito de Analytics (PAYANDEH, 2013) ou também chamado de Business Analytics, que se refere ao foco mais estatístico da apreciação dos dados, segundo Davenport (2006), representando o componente analítico chave de BI.

Quadro 3 - Diferenças entre Modelos Explanatórios e Modelos Preditivos Modelos Explanatórios Modelos Preditivos Objetivo Testar hipóteses Prever comportamentos futuros Variáveis Variáveis que permitam o entendimento dos constructos e a relação entre eles Variáveis observáveis e mensuráveis Função que otimiza a construção do modelo Minimizar erros do modelo, diminuir erros tipo I e tipo II1 Evitar overfitting (modelo estatístico se ajusta demais ao conjunto de dados, não sendo útil para replicação) Restrições para Construção Modelos devem ser interpretáveis, suportar as hipóteses de interesse Devem ser utilizadas variáveis disponíveis no momento do desenvolvimento do modelo Avaliação do Modelo Testes estatísticos (como, por exemplo, R²) Avaliação de performance em um outro conjunto de dados (amostra de validação) Fonte: Shmueli & Koppius (2011) Chen et al.

cunham o termo Business Intelligence e Analytics (BI&A) e apontam que a popularidade deste, relacionado ao conceito de Big Data, aumentou tanto no campo acadêmico quanto nas empresas ao longo das duas primeiras décadas do século XXI. E, partindo desta abordagem, pode-se concluir que o termo BI refere-se ao hardware e software que compõem a infraestrutura de armazenamento, integração e elaboração de relatórios provenientes do ambiente empresarial. Esta infraestrutura é responsável por coletar, armazenar e extrair os dados relevantes que estiverem disponíveis. E o Business Analytics concentra-se nas ferramentas e técnicas de análise e compreensão dos dados, com o intuito de gerar informações, através da mineração de dados, análises estatísticas e processamento analítico online - OLAP (LAUDON; LAUDON, 2014).

Dentre os métodos gerenciais comumente aplicados temos o BPM e o Balanced Scorecard (BSC); e) plataformas de entrega: os resultados obtidos por meio do BI e BA podem ser entregues através de plataformas que integram as funcionalidades de sistemas voltados para a gestão e tomada de decisão; f) interface com o usuário: os dados são apresentados aos usuários finais através de gráficos, quadros, painéis e mapas, ao invés dos relatórios tradicionais de linhas e colunas, proporcionando uma interiorização mais efetiva do conteúdo, através de uma representação visual mais atraente. Segundo Sharda, Delen e Turban (2014, p. a razão de uma arquitetura contemplando componentes de BI e ferramentas de BA justifica-se nos três tipos de análise de negócios que podem ser realizados: a) análise descritiva: pretende-se saber o que está acontecendo na organização ao entender algumas tendências subjacentes e as causas de tais ocorrências.

Para realizar este tipo de análise, tem-se como premissa a consolidação de bases de dados e a disponibilidade de dados relevantes em um formato que proporcione a produção de relatórios adequados para análise. Geralmente este tipo de análise é proporcionado pelos componentes de uma infraestrutura de BI, em especial pelo DW e através de métodos gerenciais como o BPM; b) análise preditiva: tem o objetivo de determinar o que provavelmente acontecerá no futuro. Quadro 4 - Comparativo entre os níveis organizacionais e o BI Característica BI Estratégico BI Tático BI Operacional Foco principal do negócio Atingir as metas empresariais em longo prazo. Analisar dados; entregar relatórios. Administrar operações do dia a dia com relação a atingir metas.

Principais usuários Executivos, analistas. Executivos, analistas, gerentes de setor Gerente de setor. Na Figura 2, a seguir, é apresentado o quadrante mágico do Gartner Group (2019), uma metodologia para avaliar o posicionamento dos fornecedores de tecnologia de BI e BA. Figura 2 - Quadrante mágico Gartner Group Fonte: Gartner Group (2019) Os fornecedores são classificados como Líderes (Leaders), Desafiadores (Challengers), Visionários (Visionaries) ou como fornecedores com foco no nicho de mercado (Niche Players). Sendo os líderes do mercado: Tableau, QlikView e Microsoft Business Intelligence Studio. Com a consolidação da definição de sistemas de informação e um aprofundamento acerca da ferramenta de Business Intelligence, a seguinte seção abordará a temática de marketing de relacionamento seguida pela Gestão de Relacionamento com o Cliente (CRM). Business Analytics (BA) Conforme apontado por Mortenson, Doherty, Robinson (2015), não há um consenso sobre a definição de Business Analytics e como este termo se diferencia de conceitos correlatos (como, por exemplo, Business Intelligence e Big data).

E também afirmam que BI&A é uma área interdisciplinar que integra gestão de dados, sistemas de banco de dados, data warehousing, mineração de dados, text mining, network analysis, otimização e análises estatísticas. Sendo necessário aos profissionais dessa área além dos conhecimentos técnicos (TI) e analíticos/estatísticos, também noções de gestão e administração para o entendimento das necessidades do negócio e habilidades de comunicação para transmitir os insights e resultados das análises aos tomadores de decisão. Alinhado com essa corrente de pensamento, Chen et al. destacam que tradicionalmente o termo Business Intelligence tem sido empregado de forma genérica para descrever conceitos e métodos utilizados para melhorar o processo de tomada de decisão através da utilização de sistemas de informação, os quais viabilizam o acesso interativo e fácil aos diversos tipos de dados da empresa de forma a habilitar sua manipulação e transformação em informações e insights úteis aos gestores e tomadores de decisão.

O BI está fundamentalmente baseado em diversas tecnologias avançadas de coleta, extração, armazenagem e análise de dados (e. Os autores destacam que Analytics não necessariamente precisaria de um sistema para sua realização, porém devido à grande quantidade de dados e ao extensivo volume de trabalho desprendido para a análise faz-se necessário a utilização de ferramentas de tecnologia da informação. Sob um olhar mais pautado em sistemas de informação, Bartlett (2013) considera Business Analytics como um subconjunto do Business Intelligence. Sendo BI composto pela união dos termos Tecnologia da Informação e Business Analytics (Business Intelligence = Information Technology + Business Analytics). Para o autor, tanto TI como o business analytics envolvem a utilização de dados por profissionais para criação de insights ao negócio e, portanto, facilitando as tomadas de decisão.

Sendo os conceitos complementares e sinérgicos, definidos da seguinte forma: Tecnologia da informação – Consolidação e gestão de dados para a criação de data warehouse, viabilizando o fornecimento de relatórios e dashboards. Já o BA está relacionado à análise de dados e tomada de decisão, e geralmente está posicionado nas áreas de negócio próximo aos tomadores de decisão. Segundo Bartlett (2013) as análises realizadas no contexto do negócio devem atender os seguintes objetivos: Expectativa do cliente, acurácia, confiabilidade, custos e prazo. E, para a operacionalização, são utilizadas ferramentas matemáticas (deduções numéricas e análise de dados completos e exatos), estatísticas (inferências numéricas e análise de dados geralmente inexatos e completos) e algoritmos (operacionalização das soluções e otimização).

Holsapple et al. em seu trabalho abordam os conceitos de Business Intelligence e Business Analytics de formas distintas. O atendimento e a verificação das necessidades dos clientes são essenciais para que as organizações sobrevivam, independentemente do ramo de atividade ou natureza de suas operações, sejam elas prestadoras de serviços e/ou comércio, o que define o sucesso ou fracasso de uma organização são os seus clientes. Foi nesta visão de buscas constantes de diferenciais que o Marketing foi aos poucos reconstruindo sua forma de conceito com relação à demanda e passou a direcionar todas as ações de uma empresa a seus clientes, tornando o Marketing de Relacionamento necessário às organizações (MCKENNA, 2005). Neste contexto, a Tecnologia da Informação (TI) veio para auxiliar e facilitar a performance da organização junto ao cliente e segundo Mendes e Larosa (2015) isso aconteceu, pois a TI auxilia a empresa, tornando-a mais competitiva, dando maior vantagem frente aos seus concorrentes, possibilitando uma gestão eficaz de relacionamento que influencia diretamente todos os processos das organizações.

Desde a Década de 1980, a TI tem tido um forte impacto nas relações entre fornecedores e consumidores, uma vez que pode contribuir para fortalecer ou não os vínculos comerciais existentes entre eles. Em outras palavras, a necessidade de gerir o relacionamento com o cliente influenciou a expansão de estudos voltados ao marketing de relacionamento, com a necessidade de buscar ferramentas e/ou sistemas que possibilitem uma gestão eficaz, que culminou com o surgimento do CRM, para suprir a necessidade da organização como ferramenta capaz de realizar uma gestão de relacionamento com o cliente eficiente (DE PAULA; DE SOUZA, 2017). Como efeito, empresas que conhecem profundamente os seus clientes, o que precisam, e em que o perfil de consumidor se enquadra, conseguem criar respostas personalizadas, antecipando as suas vontades e respondendo de forma precisa aos seus desejos atuais (HOOLEY; SAUNDERS; PIERCY, 2005).

Neste contexto, em qualquer segmento, empresas estão se movendo na busca de uma compreensão individualizada de seus clientes e usando tal conhecimento para garantir sua satisfação e fidelidade a seu negócio. Essas mesmas empresas estão aprendendo a olhar para o valor de cada cliente e entender quais deles são merecedores de dinheiro e empenho para serem mantidos e quais podem ser excluídos. Essa mudança no foco empresarial, de grandes segmentos de mercado para consumidores individuais, requer mudanças significativas em todo o empreendimento, principalmente nas áreas de marketing, vendas e suporte ao cliente (RUST; VERHOEF, 2005; KOTLER, 2010). Construir um negócio voltado para o gerenciamento da relação com o cliente, ou CRM, é um passo revolucionário para grande parte das empresas. Como não poderia deixar de ser, a tecnologia da informação desempenha e desempenhará um dos papéis mais importantes neste processo de conquista e fidelização dos clientes.

A seguinte seção apresenta uma reflexão sobre a importância do entendimento do cliente, e como é possível obter informações estratégicas para tomadas de decisão com relação aos mesmos por meio da tecnologia da informação e métodos de análise de dados. Tipos de CRM Por meio da tecnologia é possível capturar dados do cliente e de seus contatos e transações, consolidá-las em um banco de dados, analisar e promover a utilização racional e inteligente da informação nos diversos contatos dos clientes. E segundo Berry e Linoff (2004) há três estratégias de CRM, que são chamadas de CRM operacional, colaborativo e analítico, sendo assim sintetizados: O CRM colaborativo abrange todos os pontos de contatos com os clientes, em que se dá a interação cliente-empresa.

Os canais de contato devem estar adequados para permitir esta interação, como também garantir o fluxo dos dados para toda a organização. A internet impactou diretamente no CRM. O e-CRM expandiu as tradicionais técnicas do CRM integrando tecnologias de novos canais, como a web, onde além de incluir todas as definições do CRM, o e-CRM possui o incremento dos canais digitais (PAYNE, 2012). Segundo Hamid; Mousavi e Partovi (2019), o termo e-CRM é utilizado como evolução do termo CRM por possuir todas as funcionalidades do CRM com a inclusão das evoluções possibilitadas pelo ambiente digital em relação a relacionamentos entre empresa e consumidor. Apesar de muitas publicações utilizarem o termo “CRM” para descrever o gerenciamento do relacionamento com o consumidor no ambiente digital, nesse estudo será utilizado o termo “e-CRM” quando as descrições e definições estiverem relacionadas ao gerenciamento do relacionamento com o consumidor com o incremento do ambiente digital.

Para Payne (2012) todas as definições apresentadas para o CRM valem também para o e-CRM. As empresas que já possuem dados para interagir com o consumidor possuem a vantagem de poder se comunicar e criar um relacionamento satisfatório entre empresa e consumidor considerando quem é esse consumidor e qual é o seu perfil. No e-CRM o relacionamento com o cliente ocorre preferencialmente no ambiente digital, onde além de ser um meio com um custo menor do que o off-line, o ambiente digital facilita a comunicações com o consumidor através da diversificação de canais, como e-mail, redes sociais, chats, etc (HAMID; MOUSAVI; PARTOVI, 2019). A empresa pode fornecer para o consumidor a oportunidade de optar por um canal de preferência para contato, o que faz com que o consumidor esteja mais aberto a receber comunicações.

A empresa que possibilita a comunicação através de uma diversificação de canais possui diversas possibilidades de interagir com o consumidor e a fará de forma mais assertiva, uma vez que o consumidor já se mostrou aberto a um tipo específico de comunicação (HAMID; MOUSAVI; PARTOVI, 2019). Um requisito fundamental do e-CRM é a consolidação das informações em uma visão única do cliente (SEGOVIA; SZCZEPANIAK; NIEDZWIEDZINSKI, 2013). O e-CRM possui o incremento do ambiente digital e a facilidade de mensuração e análise proporcionada pelos analytics. E este é totalmente dependente da TI para sua implantação e funcionamento. A partir do sistema de analytics é possível coletar dados que influenciam e dão suporte para a tomada de decisões no e-CRM, pois fornecem uma avaliação das interações do consumidor, além de fornecer o feedback do consumidor em tempo real.

Por fim, pelos dados são fornecidos suporte e transformação para a entrega de informações que ampliam o conhecimento do consumidor e fornecem embasamento para as decisões tomadas diante do consumidor (NAM; LEE; LEE, 2019). No e-CRM os dados devem estar disponíveis no banco de dados detalhados por consumidor, com a inclusão dos dados digitais obtidos através dos analytics sobre o comportamento on-line. Segundo Segovia, Szczepaniak e Niedzwiedzinski (2013) os analytics contribuem também com a avaliação da comunicação digital, seja pelas propagandas, avaliação de e-mail marketing ou redes sociais mostrando a confirmação de interesses do consumidor e também com informações sobre a opinião dos consumidores. Também permite que as interações digitais de um consumidor único possam ser captadas, armazenadas e analisadas com maior profundidade, por exemplo, ao enviar um e-mail marketing a empresa é capaz de captar informações de recebimento, abertura, local de clique dentro do e-mail, saber para onde esse cliente foi direcionado ao clicar, e as interações realizadas dentro do site de direcionamento.

O detalhamento dessas informações depende do desenvolvimento tecnológico aplicado pela empresa, por exemplo, é possível saber o motivo de um cliente não receber um e-mail (caixa cheia, domínio inexistente, etc. ou saber a data e horário de recebimento, abertura ou clique. Além disso, para Nam, Lee e Lee (2019), é possível fazer a segmentação de comunicações e ofertas através da utilização de cookies, onde caso um cliente apresente interesse em um produto, ele pode ser impactado durante um período definido através de publicidade digital com o produto de interesse ou um produto similar. Por outro lado, a comunicação é um fator crítico na construção e manutenção dos relacionamentos. De nada adianta estabelecer relacionamentos se a comunicação entre a empresa e o cliente não fluir nas duas direções, uma vez que, se houver falha, o cliente certamente se afastará (SWIFT, 2001).

Compreender o papel do cliente dentro do marketing significa abordar algumas questões relativas ao seu conceito. Além disso deve-se levar em consideração que o cliente pode ser um indivíduo ou tomar a forma de um grupo. Para muitos serviços a consumidores, como o de cabeleireiros, transporte de massa e restaurantes, o cliente é uma única pessoa que compra e consome o serviço (ZENONE, 2007). Pode-se dizer que as ferramentas tecnológicas, métodos de mineração de dados, estatística e outras soluções podem vir a desenvolver, manter e usar a memória sobre o cliente, seu comportamento e seus interesses. E neste contexto memória significa armazenar conhecimento sobre o cliente. Assim sendo, diante do que foi descrito nesta seção (1. pode ser constatado que a sigla CRM empacotou uma importante visão de marketing, tendo como principal objetivo a conquista da fidelidade dos clientes satisfazendo suas reais necessidades de consumo.

Sendo assim, atualmente há uma verdadeira e mudança nos modelos tradicionais de vendas e marketing (ZENONE, 2007). Somente sabendo quem são esses clientes é que uma operadora pode agir de forma proativa através de incentivos e promoções para torná-los o mais rentável para empresa. O conhecimento para alcançar esse objetivo reside nas inúmeras bases de dados operacionais e de relacionamento das empresas. Voltando sua atenção para elas, as empresas podem adquirir a compreensão do cliente necessária para realmente eleger o seu parceiro estratégico (ZENONE, 2007). Assim gerando a inteligência para adoção de práticas mais efetivas com relação aos clientes, permitindo montar estratégias mais eficientes na captação, retenção e satisfação de clientes (DEWNARAIN, 2019). O CRM e a geração de novos negócios Os recursos tecnológicos, por si só, não satisfazem boa parte das necessidades de informação para a decisão no âmbito das organizações modernas, pois elas precisam cada vez mais de informações subjetivas como insumo do trabalho de transformação de dados e informações em conhecimento estratégico.

Porém, se compararmos empresas semelhantes que decidirem, em um mesmo espaço de tempo, construir uma aplicação de BI, sendo que a primeira já possui implantado o CRM, e a segunda não; as chances da empresa que possui o CRM de construir uma aplicação de BI de sucesso são muito maiores do que a que não o possui (DAVENPORT, 2012; PAYNE, 2012). Os sistemas transacionais são o ponto de partida dentro do ciclo de vida do BI, por meio dos quais os dados serão mais adiante analisados. Sendo assim, se os sistemas transacionais permitirem a ocorrência de falhas, falta de consistência, duplicidades, e outros problemas do gênero, isso irá se refletir mais adiante e exigirá que sejam corrigidos, antes que sejam disponibilizados no data warehouse para a aplicação de BI.

Esse tipo de ocorrência consumirá recursos adicionais, tanto na fase de planejamento, quanto na execução e no dia-a-dia da operação do BI, e muitos dos problemas que surgirem na origem dos dados não poderão ser corrigidos mais adiante, surgindo no momento em que tenta combiná-los com outros dados (DAVENPORT, 2012). Para Payne (2012), o CRM garante a aderência da empresa a processos padronizados, e são bem mais abrangentes do que os sistemas transacionais do passado. Com a chamada ‘segunda onda’, o sistema CRM passou a integrar novas funcionalidades tal como o BI, ERP, entre outros. A queda das fronteiras é tão notória que Davenport (2012) classifica o BI como uma evolução de todas as possibilidades de consultas que um ERP oferece. Por outro lado, uma aplicação de BI pode fazer uso das mais modernas e interativas ferramentas de front-end.

Mas, se os dados que ela apresentar não forem confiáveis, todos os esforços efetuados no projeto da aplicação de BI cairão em descrédito, passando a ser visto pela organização como uma fonte insegura para a obtenção de informações no processo de tomada de decisão, sendo abandonada em seguida. A partir desse ponto, para se reconquistar a confiança dos seus usuários deverá haver um trabalho extremamente penoso que tomará muito tempo da equipe de BI, isso se a iniciativa não for definitivamente encerrada. Equipes com envolvimento das pessoas da área de negócio e de informática geram maior envolvimento das pessoas com o controle, desenvolvimento, utilização e gerenciamento dos sistemas (SEGOVIA, J; SZCZEPANIAK, P S; NIEDZWIEDZINSKI, 2013; LAUDON; LAUDON, 2014).

Sugere-se também que a entrega das soluções de BI sejam incrementais em vez de uma só vez. Com isto, os usuários se adaptarão gradualmente a incorporar o BI na sua rotina de trabalho e a descobrir o potencial do sistema (SWIFT, 2001; DAVENPORT, 2012; KAHN; QUADRI, 2012). Neste capítulo, analisaram-se os sistemas CRM, as aplicações de Business Intelligence e os elementos que os compõe e os completam. Também se refletiu sobre a maneira de integra-los sob a perspectiva dos sistemas de informação bem como a importância da equipe de TI estar em sintonia com a equipe gerencial para modelar o BI com os dados do sistema CRM da maneira mais eficaz possível. BARTLETT, R.  A PRACTITIONER'S GUIDE TO BUSINESS ANALYTICS: Using Data Analysis Tools to Improve Your Organization’s Decision Making and Strategy.

McGraw Hill Professional, 2013. BERRY, M. LINOFF, G. CHEN, H; et al. Business intelligence and analytics: From big data to big impact.  MIS quarterly, v. n. CHEN H. HARRIS, J. G. MORISON, R.  Analytics at work: Smarter decisions, better results. Harvard Business Press, 2010. n. p. DE PAULA, L; DE SOUZA, A. C. B. Disponível em:. Acesso em: 04 abr. GARTNER GROUP. Gartner magic quadrant for business intelligence and analytics platforms 2019. GREGOR, S. FARN, C. Determinants of continued usage of pervasive business intelligence systems.  Information Development, v. n. p. A. PIERCY, N. F.  Estratégia de marketing e posicionamento competivo. Financial Times/Prentice Hall, 2005. The data warehouse toolkit: the complete guide to dimensional modeling. ed. New York: Wiley Computing Publishing, 2002 KOTLER, P.  Marketing 3. Wiley Publishing, 2010. IBM Journal of Research and Development, v. n.

p. out. MCKENNA, R. DOHERTY, N. F. ROBINSON, S. Operational research from Taylorism to Terabytes: A research agenda for the analytics age.  European Journal of Operational Research, v. HOLSAPPLE C. W. Decision Support Systems. Berlin: Springer, 2008. p. M.  Administração de sistemas de informação e a gestão do conhecimento. Cengage Learning Editores, 2016. PAYANDEH, F. BI vs. PRIETO, V. CARVALHO, M. Gestão do relacionamento com o cliente em mercados business-to-business.  Revista produção online, v. n.  Marketing science, v. n. p. SARQUIS, A. B. p. SHMUELI, G. KOPPIUS, O. R. Predictive analytics in information systems research. ed. São Paulo: Pearson Prentice Hall, 2010. SWIFT, R.  CRM: Customer Relationship Management: o revolucionário Marketing de Relacionamento com o cliente. Elsevier Brasil, 2001. VOLONIMO, L. Business Intelligence e suporte à decisão. In: Tecnologia da informação para gestão: em busca do melhor desempenho estratégico e operacional.

Tradução Aline Evers. ed. Data mining Primer for the Data Warehousing Professional.