Uma Sugestão de um Algoritmo para Promover a Qualidade de Dados em um Data Mining para Campanhas de Marketing Direto
Palavras-chave:
Clarificação, Banco de Dados, Marketing, AlgoritmoResumo
Um dos grandes obstáculos a ser superado pelos profissionais especialistas em análise da informação é a transformação dos dados em informação. As grandes empresas geram cada vez mais dados de diferentes fontes, é plausível encontrar problemas em sua padronização. O marketing baseia-se em informação para a criação de campanhas e outras ações, desta forma, é imprescindível que esses dados estejam inseridos corretamente. Diante deste contexto, a presente pesquisa buscou identificar os principais requisitos necessários para a clarificação dos dados com a sugestão de um algoritmo a ser implementado de acordo com o ambiente da empresa que serviu como objetivo de estudo. A metodologia utilizada foi o Design Science Research. O resultado obtido foi um modelo computacional apresentado em diagramas UML que irão realizar a limpeza das informações de uma base de dados de uma empresa. A contribuição para a teoria é de apresentar os problemas oriundos de uma empresa em relação a qualidade dos dados. A contribuição para a prática é a de apresentar uma sugestão de algoritmo para a limpeza dos dados aos gerentes de TI, analista de sistemas e programadores utilizarem em seus sistemas.
Referências
Amaral, F. C. N. do. (2001). Data Mining: Técnicas e aplicações para o marketing direto. Editora Berkeley.
Armstrong, G., Adam, S., Denize, S., & Kotler, P. (2014). Principles of Marketing. Pearson.
Batini, C., & Scannapieca, M. (2006). Data quality dimensions. Data Quality: Concepts, Methodologies and Techniques, 19–49.
Castro, L. N., & Ferrari, D. G. (2017). Introdução à mineração de dados: Conceitos básicos, algoritmos e aplicações. Saraiva.
Elmasri, R., & Navathe, S. B. (2019). Sistemas de Banco de Dados. Pearson Universidades.
Kotler, P., Kartajaya, H., & Setiawan, I. (2021). Marketing 5.0: Tecnologia para a humanidade. Sextante.
Kotler, P., & Keller, K. L. (2006). Administração de Marketing: A bíblia do marketing (12o ed). Pearson.
Microsoft. (2022a). Documentação do C#. https://docs.microsoft.com/pt-br/dotnet/csharp/
Microsoft. (2022b). SQL Server Technical Documentation. Microsoft. https://learn.microsoft.com/en-us/sql/sql-server/?view=sql-server-ver16
Mintzberg, H. (2006). O Processo da Estratégia. Bookman Editora.
Nunamaker Jr, J. F., Chen, M., & Purdin, T. D. (1990). Systems development in information systems research. Journal of management information systems, 7(3), 89–106.
OMG. (2015). Object Management Group—Unified Modeling Language 2.5. OMG. https://www.omg.org/spec/UML/2.5/PDF
Pressman, R., & Maxim, B. (2016). Engenharia de Software Uma Abordagem Profissional (8o ed). McGraw Hill Brasil.
Provost, F., & Fawcett, T. (2016). Data Science para negócios. Alta Books.
Redman, T. C. (2013). Data Quality Management Past, Present, and Future: Towards a Management System for Data. Handbook of Data Quality: Research and Practice, 15–40.
Sherman, R. (2015). Business Intelligence Guidebook: From Data Integration to Analytics. Elsevier.
Sommerville, I. (2011). Engenharia de Software (9o ed). Pearson Education.
Theóphilo, C. R., & Martins, G. de A. (2009). Metodologia da investigação científica para ciências sociais aplicadas. São Paulo: Atlas, 2(104–119), 25.
Zanone, L. C. (2019). CRM - Customer Relationship Management: Marketing de Relacionamento, Fidelização de Clientes e Pós-venda. Actual.