Desenvolvimento de Plataforma de Analytics para Comercialização de Informações Estruturadas

Resumo

 

O trabalho relata o processo de implementação de um produto baseado em dados, inovador para a empresa Beta, uma vez que os seus dados vinham sendo disponibilizados de forma gratuita, a partir da oportunidade identificada de comercialização de informações estruturadas disponibilizadas em painéis interativos de visualização (dashboards), aproveitando-se dos dados gerados pela empresa, com o objetivo de se obter uma nova fonte de receita para a empresa. Para isso, foi feita uma pesquisa de mercado inicial para identificar a aderência do novo produto junto aos clientes no mercado financeiro: corretoras, distribuidoras de valores, bancos de investimento e de varejo. Em paralelo, foram identificados na empresa os recursos necessários ao desenvolvimento desse novo produto.

 

Por meio de tecnologias disponíveis no mercado, como o data virtualization, e com análises desenvolvidas por diversas equipes envolvidas nesse projeto, lideradas pelo autor deste trabalho, construiu-se um novo produto que disponibiliza informações para o mercado financeiro por ferramentas de visualização, também conhecidas como dashboards, reduzindo-se a complexidade da consulta. Após a implementação, pode-se observar a sua aplicabilidade, pois, não apenas houve boa aceitação pelo público-alvo, como, também, organizou-se uma nova cultura de dados na Beta, que vem se alastrando por seus diversos departamentos e empresas demandando novos projetos nessa temática devido ao fato deste projeto criar, e agora como legado fornecer, infraestrutura para projetos de dados.

 

Palavras-chave: Dashboard; Analytics; Mercado Financeiro; Inovação; Aplicabilidade; Complexidade.

 

Introdução

 

O Mercado Financeiro é um grande produtor e consumidor de dados e nos dias atuais a forma como se utilizam os dados pode ser a diferença entre continuar nesse mercado ou fechar as portas. Cada vez mais as empresas vêm utilizando os dados para se diferenciar na criação de produtos e serviços ou na redução dos seus custos operacionais.

 

A empresa Beta S/A, participante do mercado financeiro, está em busca da diversificação do seu portfólio de produtos em busca de novas fontes de receitas e encontrou nos dados uma oportunidade para alavancar receitas e, ao mesmo tempo, ajudar os seus clientes a se diferenciar nesse mercado que é tão competitivo.

 

Este artigo tecnológico de aproveitamento de oportunidade apresenta o desenvolvimento de um novo produto que tem como objetivo comercializar os dados produzidos pela Beta em forma de dados estruturados disponibilizados em painéis interativos de visualização (dashboards) para os clientes.

 

1.1 Situação-oportunidade

 

A competição no mercado financeiro tem ficado cada vez mais acirrada, as corretoras e os bancos têm disputado um mesmo tipo de cliente, que é chamado de investidor.

 

Para Izidoro (2016, p.65), existem quatro tipos de investidores atuantes no mercado em que a Beta atua. São eles:

 

• Investidor não residente – não possui residência ou sede no Brasil. A nacionalidade não é considerada.
• Representante legal – é responsável pelo registro do investidor não residente e pelo envio de informações às autoridades brasileiras. O investidor deve indicar uma instituição financeira autorizada pelo Banco Central para ser responsável solidário pelas obrigações desse representante (o qual pode ser uma pessoa física ou uma empresa não financeira).
• Representante fiscal – é responsável pelo cumprimento das obrigações tributárias do investidor estrangeiro.
• Custodiante – trata-se de uma instituição ou entidade autorizada a prestar serviços relativos ao controle de todos os ativos em contas segregadas.

 

Os esforços de diversas instituições – incluindo a Beta, que possuía um projeto específico de patrocínio ao ensino de finanças pessoais e em divulgar o mercado financeiro – a adesão do investidor brasileiro no mercado de capitais tem aumentado, por isso o investidor é muito disputado entre bancos e corretoras de valores.

 

O investidor, por outro lado, tem necessidade e é ávido por informações da situação econômica do Brasil além das informações do próprio investimento realizado.

 

Essa necessidade do investidor gera uma grande demanda para as pequenas e médias corretoras, que tomam muito tempo coletando e divulgando esse tipo de informação, e a direção da Beta percebeu uma nova oportunidade: a da criação de um produto para comercialização de dados históricos em formato de dashboards para as corretoras e bancos.

 

1.2 Objetivo do trabalho

 

O objetivo deste trabalho consiste em relatar a implementação, gerida por esse autor, do plano de ação que viabilizou o aproveitamento da oportunidade de comercialização de informações estruturadas em forma de dashboards de dados, aproveitando-se dos dados gerados pela Beta.

 

2. Contexto e a Realidade Investigada

 

2.1 A empresa, o negócio e o mercado e contexto histórico

 

Segundo (Pinheiro, 2014, p.94) “[…] podemos definir o Mercado Financeiro como mecanismo ou ambiente, pelo qual se produz um intercâmbio de ativos financeiros e onde determinam-se os seus preços” e, como mecanismo de intercâmbio financeiros fazem parte do mercado financeiro, outros mercados.

• Mercado de Câmbio – “[…] é aquele que envolve negociação de moedas estrangeiras e as pessoas interessadas em movimentar essas moedas” (Fortuna, 2005, p. 377). Esse tipo de mercado é composto por corretoras de câmbio e corretoras de valores sendo regulamentados pelo BACEN.
• Mercado Monetário – “[…] é privativo dos bancos e dos brokers, que fazem a ponte entre compradores e vendedores de dinheiro com lastro em títulos privados” (Fortuna, 2005, p.114). Segundo Kerr (2011), “O termo é usado para expressar o conjunto de instituições e instrumentos que promovem a intermediação financeira de curso e curtíssimo prazo”.
• Mercado de Crédito – “[…] visa a suprir as necessidades de caixa de curto e médio prazo das pessoas físicas e empresas”. (Kerr, 2016, p.79). Para Izidoro (2016), “a proposta do mercado de crédito é suprir as necessidades do curto e médio prazo das pessoas físicas e jurídicas […] O mercado de crédito conta com a atuação das instituições financeiras…”.
• Mercado de Capitais “[…] pode ser definido como um conjunto de instituições e de instrumentos que negociam com títulos e valores mobiliários, objetivando a canalização dos recursos dos agentes compradores para os agentes vendedores” (Pinheiro, 2014, p. 186).

 

O Mercado de Capitais é composto por bolsas de valores, sociedades corretoras, bancos e outras instituições financeiras autorizadas. Estas instituições negociam os principais ativos mobiliários do mercado de capitais.

 

Hoje, com o avanço da informática, os compradores e vendedores podem fazer suas ofertas, de qualquer lugar do mundo, por um sistema eletrônico disponibilizado pelas corretoras denominado home broker.

 

Todo o conjunto de instituições financeiras como bancos, corretoras de valores, bolsa de valores, entre outros, é conhecido como Sistema Financeiro, e, embora não seja algo ainda tão difundido no Brasil, o Mercado de Capitais está acessível a qualquer pessoa que queira começar a investir.

 

A Beta possui, atualmente, cerca de 2200 profissionais distribuídos em quatro escritórios nas regiões de São Paulo e Rio de Janeiro. Sendo uma das principais companhias do mercado financeiro mundial, a Beta hoje atende corretoras de valores, bancos e financeiras oferecendo uma grande variedade de serviços informatizados.

 

3. Entendimento da Oportunidade

 

Atualmente as empresas buscam diferenciar-se da concorrência, ora observando a melhoria dos seus processos internos, ora visando o mercado em busca de novas oportunidades de negócios e, como a competição no segmento de corretoras e bancos é muito acirrada, qualquer vantagem competitiva pode ser a diferença entre manter as operações e o encerramento dos negócios. Prova disso é o fechamento da mais antiga corretora de valores, a Souza Barros que, segundo Ribeiro (2015):

 

“Em um ambiente cada vez mais difícil para atrair novos clientes para a BM&FBovespa e, ao mesmo tempo, mais caro para operar devido ao maior número de exigências dos órgãos reguladores, a Corretora Souza Barros fechou as portas, dando adeus a uma história de 87 anos, uma das mais antigas que ainda estava em atividade no país e que operava na Líbero Badaró, no centro antigo de São Paulo, a poucos metros da sede da Bolsa.’’

 

A oportunidade identificada baseou-se na necessidade encontrada nos clientes (bancos, corretoras e gestores de fundos) de diferenciação dos seus próprios produtos e serviços ou na sua melhoria operacional fazendo uso de dados.

 

Observando-se essa necessidade, resolveu-se verificar a possibilidade de utilizar as informações existentes como uma nova fonte de receita e, ao ofertar a proposta de um estudo junto à vice-presidência, houve grande receptividade e interesse do executivo, mas muitas incertezas surgiram ao se apresentar a ideia e desta forma foi obtida a permissão de iniciar os estudos. Para tal, foi aberto um projeto de pesquisa. Para consolidar o entendimento da equipe de como seria o produto, escolheu-se e utilizou-se o método de Business Model Canvas (Osterwalder, & Pigneur, 2011) para o mapeamento dos principais recursos, objetivos etc. Apesar da ferramenta ser recomendada para a criação de novos negócios, a equipe utilizou-se dessa ferramenta para formatar esse novo produto e a sua utilização forneceu à equipe um bom roteiro, tornando mais fácil a identificação das áreas que deverão ser envolvidas no processo de análise e desenvolvimento do novo produto.

 

3.1 Oferta de Valor

 

Após a reunião de início do projeto, em reunião com os diretores da Beta, estes ofereceram poucos subsídios quanto aos seus desejos. Segundo Osterwalder e Pigneur (2011), a oferta de valor é um conjunto de benefícios que uma empresa oferece aos clientes.

 

A equipe iniciou o desenho do Canvas por esse processo para tentar entender o que iria ser criado.

 

3.2 Segmento de Clientes

 

A identificação dos clientes foi a segunda etapa do processo. Foi requisitada uma pesquisa à área de Relacionamento com Clientes para se verificar a aceitação do novo produto.

 

Sendo assim, os quadrantes de relacionamento e canais foram obtidos quase que automaticamente, pois a ideia é que fossem utilizados os recursos e áreas já existentes na companhia.

 

3.3 Parceiros chaves

 

A identificação dos parceiros chaves foi a terceira etapa do nosso processo. Foram estes:

 

• Diretoria de Negociação – responsável pelos processos de negociação (compra e venda de ativos).
• Diretoria de Pós-Negociação – responsável pelos processos de pagamentos e liquidação dos negócios realizados.
• Diretoria de TI – responsável pelo suporte e desenvolvimento das aplicações.
• Diretoria Jurídica – responsável pela área jurídica e contato com os órgãos reguladores.

 

Essas áreas foram fundamentais para que fosse possível entender quais dados poderiam ser utilizados e de onde poderiam ser extraídos.

 

3.4 Recursos-chaves

 

Após conversar com os gestores das áreas-chaves, conseguiu-se identificar onde estavam os recursos necessários ao projeto.

 

Na companhia existe uma área de Business Intelligence (B.I.) que guarda as informações históricas para enviar aos reguladores como o BACEN e CVM.

 

Segundo Turban (2009, p. vii), “Business Intelligence (B.I.) é um termo “guarda-chuva” que engloba ferramentas, arquitetura, base de dados, data warehouse, gerenciamento de desempenho, metodologia e assim sucessivamente, tudo integrado em uma suíte de software”.

 

3.5 Atividades-chaves

 

Durante as reuniões foram identificadas duas atividades-chaves. São elas:

 

1. Desenvolvimento dos Dashboards – nos levantamentos iniciais a equipe acreditava que era uma tarefa importante, mas um ponto que fez com que essa atividade tivesse perdido a prioridade foi verificar que na área de Business Intelligence (B.I.) já existiam alguns dashboards que eram disponibilizados para os usuários internos da Beta, mostrando à equipe que era possível fazer a implementação.
2. Montagem da Infraestrutura – a escolha dessa atividade como uma atividade-chave era a de proporcionar uma ideia do tipo de infraestrutura e o quanto gastaríamos para montar uma nova infraestrutura para os clientes da companhia.

 

A equipe constatou que grande parte do que necessitaríamos para ir avante com o projeto está relacionado com a área de B.I. da companhia e que ela será o pilar do projeto.

 

4. Diagnóstico da Oportunidade

 

4.1 Oportunidade tratada

 

Em geral as empresas do setor financeiro são grandes geradoras e consumidoras de dados, seja para identificar o seu próprio desempenho perante os concorrentes, seja para enviar relatórios sobre a evolução das aplicações financeiras aos investidores, mas são poucos as instituições que investem na análise de dados para se diferenciar.

 

O motivo disso, segundo Trelewicz (2016), é que as grandes instituições financeiras tardaram a adotar abordagens de análise de dados por considerarem que a tecnologia serve apenas para tratarem de problemas técnicos e não problemas de negócios, mesmo os dados sendo gerados pelas áreas de negócios.

 

Observando-se essa lacuna, a diretoria da Beta considerou a oportunidade de criação de um produto que disponibilizasse dados produzidos pela empresa em formato de dashboards para clientes.

 

As organizações com esse novo raciocínio observam que os dados produzidos por elas poderiam não só servir para melhorar seu desempenho operacional, ajustando processos internos, mas também poderiam lhes mostrar para onde poderiam ir se empregados de uma maneira estratégica.

 

Essa nova área da Tecnologia da Informação (TI), que mistura mineração de dados, alto volume histórico de dados estruturados e não estruturados, análise de negócio, estatística, entre outras áreas do conhecimento (Turban et al., 2009), vem conquistando cada vez mais adeptos, uma vez que os preços de armazenamento de dados estão cada vez mais baratos e o poder computacional aumentando a cada ciclo a ciência de dados vai saindo da área acadêmica e tomando o seu lugar nas empresas.

 

O que proporciona aos executivos informações mais precisas e rápidas, necessárias às tomadas de decisões referentes ao negócio em que a organização está inserida, gerando desta forma uma vantagem competitiva à organização.

 

Se, por uma perspectiva, os dados possuem importância, por outra, os dados necessitam de uma grande estrutura para transformá-los em informações relevantes e um investimento na formação de profissionais que consigam entender e trabalhar com essa nova tendência de mercado.

 

Uma estrutura para esse porte possui usualmente custos elevados tanto para ser construída quanto para a sua manutenção, principalmente o data virtualization.

 

O data virtualization, coração da infraestrutura do analytics, permite que diferentes bancos de dados se integrem de uma forma virtual, facilitando desta forma a manipulação dos dados para apresentá-los nos dashboards.

 

Conforme Brunelli (2007), a virtualização de dados promete facilitar os impedimentos à integração de dados, separando dados de aplicativos e armazenando-os na camada de middleware.

 

Apesar de os custos de infraestrutura serem altos, os benefícios de tecnologias de exploração de dados vêm alcançando cada vez mais empresas. Isso é demonstrado por uma pesquisa conduzida pela Big Data Executive Survey, onde é demonstrado que cada vez mais empresas têm obtido sucesso na implementação das suas iniciativas de implantação de tecnologias de exploração de dados.

 

A Beta possui um grande repositório OLAP (Online Analitycal Processing) que, segundo Silva, Peres e Boscarioli (2016), trata-se de uma classe de sistemas que operam sobre bases de dados históricas e multidimensionais e uma área de BI que, aos olhos dos executivos, serve apenas para atender aos órgãos reguladores como o BACEN, CVM e a disponibilização dos dados brutos para alguns clientes pelo website institucional.

 

Como foi exposto, a proposta foi vista com entusiasmo por alguns e ressalvas por outros, mesmo demostrando que o produto a ser desenvolvido vem cobrir uma lacuna deixada por produtos existentes e seria uma forma de disponibilização de informações em formato de dashboards, um formato que poucos clientes conhecem e por isso foi batizado de Analytics.

 

4.2 Mapeamento da situação

 

A implementação preocupou-se com dois pontos principais: a) o processo de construção da solução e; b) a aceitação do mercado para esse produto.

 

4.3 Métodos e técnicas utilizados

 

4.3.1 Processo de Construção de uma Solução de Analytics

 

Segundo Marquesone (2016, p. 153), analytics são “[…] técnicas e metodologias focadas em transformar dados em informação, principalmente para apoio a tomada de decisão […]” e que vem sendo amplamente adotadas pelo mercado.

 

Ainda segundo Marquesone (2016, pp. 153 – 157) as técnicas de analytics podem ser divididas em quatro diferentes categorias, são elas:

 

1. Análise Descritiva: […] considerada a técnica mais adotada pelas empresas, a análise descritiva refere-se a forma mais básica de se obter indicadores como esses mencionados para análise da situação de uma empresa. Um exemplo desse tipo de análise é a verificação mensal do volume de vendas de uma empresa.
2. Análise Diagnóstica: […] a análise diagnóstica busca identificar informações que estão relacionadas aos fenômenos ocorridos na empresa. Para obter esse conhecimento, as duas técnicas de analytics, descritiva e diagnóstica, devem ser utilizadas. Esse tipo de análise tem como foco responder perguntas como “porque isso aconteceu?”. Um exemplo é quando a empresa precisa descobrir por que teve um aumento substancial de vendas no primeiro semestre de um determinado ano.
3. Análise Preditiva: […] considera-se essa categoria um divisor de águas entre os quatro tipos de analytics, uma vez que ela permite não somente compreender o passado, mas também oferece a habilidade de obter informações sobre o que pode acontecer no futuro, tanto em relação aos riscos como também oportunidades. A análise preditiva tenta responder a perguntas como “o que pode acontecer?”. Um exemplo é de além de descobrir, por exemplo, o quanto vendeu uma empresa em determinado período, essa análise responde qual é a estimativa de venda para os próximos meses.
4. Análise Prescritiva: […] o propósito aqui é que o algoritmo seja capaz de se adaptar de acordo com os parâmetros recebidos por ele, de forma que sua capacidade de predição e otimização seja feita automaticamente, essa técnica faz a utilização de inteligência artificial. A análise prescritiva tem a capacidade de, após a análise dos dados, informar qual ação tomar sugerindo tomadas de decisões aos gestores. Um exemplo é, quando dado uma tendência de altas nas vendas, sugerir quais procedimentos devem ser adotados para suprir essa alta.

 

Para que fosse viabilizada a implementação do analytics, no entanto, fazia-se necessário um B.I. robusto. Felizmente a área-chave já havia implementado uma solução de B.I., viabilizando a parte técnica para construção do produto analytics da companhia.

 

Outro ponto decisivo para o projeto foi optar por qual tipo de analytics que deveria ser implementado de uma forma rápida e que pudesse ser comercializado aos clientes da Beta. Junto com a área responsável pelo BI, foi decidido que o projeto entregaria apenas dados que pudessem fornecer subsídios para a análise descritiva e que esses dados fossem públicos ou não confidenciais.

 

Essa decisão foi tomada tentando diminuir a complexidade do projeto, porém outro problema seria encontrado, pois a solução acabaria concorrendo com os dados já disponibilizados pelo portal institucional.

 

Da maneira como o portal apresenta-se, disponibiliza-se uma série de dados históricos de forma gratuita em formato de arquivos Excel (.xlsx) ou texto (.txt) e muitas corretoras automatizaram seus processos para capturar essas informações e carregá-las em seus sistemas.

 

Com isso foi feito uma consulta junto ao departamento jurídico para informar-se de quais informações a Beta deve fornecer de forma obrigatória e em qual formato.

 

4.3.2 Processo de Verificação de Viabilidade do Produto

 

Para verificação de viabilidade do produto, iniciou-se as consultas da aceitação do produto junto ao mercado, solicitando à área de relacionamento com clientes uma pesquisa de aceitação do novo produto.

 

A pesquisa foi realizada após uma apresentação da ideia de como seria o novo produto e foram entrevistados 30 executivos de corretoras, bancos e gestores de fundos de investimento dos quais 12 (40% do total) apresentaram interesse no produto. A pesquisa foi realizada no período de dois meses.

 

A pesquisa foi, segundo Marconi e Lakatos (2003, p. 197), do tipo padronizada onde “[…] entrevistador segue um roteiro previamente estabelecido […] Ela se realiza de acordo com um formulário elaborado e é efetuada de preferência com pessoas selecionadas de acordo com um plano”.

 

Dentre os executivos entrevistados, cerca de 60% disseram que não se interessaram pelo produto. Muitos dos executivos entrevistados não sabiam o que era uma ferramenta de analytics e, mesmo explicando o que era, decidiram responder por que não era interessante a aquisição de tal ferramenta. Isso mostra que apesar de aproximadamente 40% se interessaram pelo produto, esse número pode ser maior na medida que os dashboards forem sendo disponibilizados e utilizados pelos interessados.

 

4.4 Análise das informações obtidas

 

Ao final, foi construído o Business Case e apresentado para o comitê, que demonstrou satisfação com os resultados e que considerou o produto com bom potencial para geração de receita.

 

O comitê de executivos deliberou que um novo escopo e custos de investimento fossem estimados para que, ao final do projeto, obtivesse um MVP (Minimal Value Product), um produto embrião, para que possa gerar receita e financiar a evolução do produto.

 

Como o objetivo deste trabalho é preparar e implementar um plano de ações que pudesse viabilizar o aproveitamento da oportunidade de comercialização de informações estruturadas em forma de dashboards de dados, aproveitando-se dos dados gerados pela Beta, como passos seguintes, submeteu-se a decisão dos executivos ao escritório de projetos da Beta para abertura da Demanda do Projeto (DP).

 

Para essa DP, novas estimativas foram realizadas, sendo elas:

 

• Declaração de escopo: definir o projeto, ou seja, o que precisa ser realizado.
• Análise Financeira do projeto: é feita por métodos numéricos que consistem em comparar indicadores financeiros de projeto.
• Análise de Riscos do projeto: identificação e tratamentos dos riscos do projeto.
• Declaração de interessados (stakeholders): documento que indica quais são os principais interessados no projeto.

 

Todas as novas estimativas que compõem o plano do projeto, documento este que, segundo Dinsmore (2006, p. 26), “[…] é um documento criado pelo gerente de projeto, com a colaboração da equipe do projeto e alguns stakeholders-chave” e tem como principal função guiar o planejamento, execução/monitoração e encerramento do projeto.

 

5. Intervenção da Proposta de Solução

 

O projeto proposto considerou o diagnóstico efetuado, bem como a pesquisa realizada, o portfólio de negócios da empresa e as demais condições idealizadas para a criação de valor e construção de vantagens competitivas como estratégias para o desenvolvimento da plataforma que disponibiliza os dashboards.

 

O fator chave de sucesso para a empreitada foi a adoção da estratégia de diversificação relacionada que será a utilização de recursos e capacitações por meio de conhecimentos gerenciais, tecnológicos e experiência (Hitt, Ireland, & Hoskisson, 2011).

 

5.1 Ganhos com a solução

 

Com a implementação do projeto em questão, uma série de ganhos foram esperados.

 

Apesar de atualmente não haver consenso nas empresas sobre o sucesso dos projetos, Cooper e Kleinschmidt (1987) identificam três dimensões para a medição do sucesso de um projeto: 1) desempenho financeiro; 2) criação de novas oportunidades para novos produtos e; 3) impactos no mercado.

 

Para que o projeto pudesse atender aos objetivos de sucesso do produto, definidos pela diretoria, algumas reuniões com as equipes envolvidas foram realizadas para que o escopo fosse novamente revisado. Durante essa revisão, alguns riscos foram encontrados e, segundo o PMBOK, do Project Management Institute (2017), dessas reuniões deverá obter-se uma lista de riscos que foram identificados passiveis de priorização.

 

5.2 Modelo de Tarifação

 

A Beta adotou o modelo de software como serviço (Software as a Service – SaaS) que é um modelo de entrega de software onde as empresas-clientes pagam não pela propriedade do software, mas pela utilização o serviço disponibilizado e suportado pela empresa.

 

Segundo Chong e Carraro (2006, p. 2), SaaS pode ser definido como “software implementado como um serviço hospedado e acessado pela Internet”.

 

Segundo esses autores (p. 2), existem duas categorias principais de software como serviço:

 

• Serviços de linha de negócios: oferecidos a empresas e organizações de todos os tamanhos. Os serviços de linha de negócios geralmente são soluções de negócios grandes e personalizáveis direcionadas para facilitar processos de negócios como finanças, gerenciamento da cadeia de suprimentos e relações com o cliente. Normalmente esses serviços são vendidos aos clientes como assinatura. Um exemplo desse tipo de serviço são as soluções personalizáveis do Salesforce.
• Serviços orientados a cliente: oferecidos ao público em geral. Os serviços orientados a cliente às vezes são vendidos como assinatura, mas geralmente são fornecidos sem custo e financiados por anúncios. Um exemplo de serviços desse tipo são os serviços oferecidos pelo Google.

 

E, pensando no modelo de serviços de linha de negócios é que a equipe de produtos da Beta, atendendo a solicitação deste autor, desenvolveu um novo modelo.

 

Nesse modelo de software por assinatura o cliente pode adquirir, via contrato, desde um único dashboard até um pacote com todos os dashboards que foram desenvolvidos até o momento.

 

Segundo Chou e Chou (2007, p.389), a adoção pelos clientes por esse tipo de serviço traz as seguintes vantagens:

 

• Economia de custos: os usuários de SaaS podem economizar uma grande parte de seu custo operacional de TI alugando apenas aplicativos necessários para suas necessidades de negócios. As despesas tradicionais de TI, como compra e manutenção de hardware, software, infraestrutura e profissionais de TI poderiam ser minimizadas.
• Melhor utilização de recursos: os usuários de SaaS podem economizar despesas de TI e, em seguida, usar os recursos em processos mais estratégicos.
• Maior escalabilidade de acesso a aplicativos: fornecedores de SaaS frequentemente oferecem uma arquitetura que permite que o acesso do aplicativo do lado do cliente seja ampliado ou reduzido imediatamente.
• Possibilidade de terceirização global: o avanço da tecnologia da Web permite ao SaaS que fornecedores localizados no exterior também ofereçam serviços de alta qualidade.

 

O modelo de terceirização permite que os usuários de SaaS economizem mais despesas de TI enquanto a Beta fornece a expertise e a infraestrutura necessária para o suporte do produto.

 

6. Considerações Finais e Contribuições

 

A busca por geração de novas fontes de receitas e a possibilidade de impulsionar um mercado pouco explorado pela Beta foram fatores determinantes para a criação de uma nova solução para disponibilização de dados.

 

Por ser um produto inovador na empresa, no início sofreu uma forte resistência, mas, após o período dos estudos realizados nos dois primeiros meses do projeto, apesar de sua complexidade, conseguiu-se então demonstrar o potencial que o produto poderia alcançar. Anteriormente, os dados que eram produzidos pela empresa e disponibilizados não possuíam uma forma de cobrança pré-estabelecida, isto é, eram fornecidos de forma gratuita pelo site institucional da empresa.

 

O novo produto também exigiu um novo modelo de negócio que considerou um diagnóstico de mercado, bem como escolhas referentes às estratégias competitivas, o portfólio de negócios possíveis e condições idealizadas para a criação de valor e construção de vantagens competitivas para o desenvolvimento deste novo produto.

 

Nesse sentido, a oportunidade encontrada pela Beta, a baixa concorrência e a possibilidade de utilização da tecnologia como alavanca na disponibilização de produtos e serviços de dados, culminou na criação desta plataforma de dashboards.

 

O grande desafio deste trabalho foi verificar quais práticas de gestão e tecnologias podem ser utilizadas em projetos de dados e quais vantagens e desvantagens elas trazem. Por exemplo, com o desenvolvimento do produto, foi apurado que a construção da infraestrutura baseada em data virtualization possibilitou o rápido desenvolvimento de dashboards, demonstrando a sua aplicabilidade.

 

Um resultado, não esperado previamente desse projeto foi a criação e a disseminação da cultura de dados dentro da empresa, possibilitando a inicialização imediata de onze novos projetos, após o encerramento do relatado neste trabalho, que estão em fase de planejamento ou execução com o viés de utilização dos dados e utilizando a infraestrutura criada durante o projeto descrito nesse trabalho.

 

Isto demostra a importância da implementação deste projeto relatado, que foi o primeiro de muitos projetos baseados em dados na empresa Beta e suas subsidiarias.

 

Referências Bibliográficas

 

Banco Central do Brasil (2018). Composição e segmentos do Sistema Financeiro Nacional. Disponível em:<https://www.bcb.gov.br/pre/composi- cao/composicao.asp>. Acessado em 24 de novembro de 2018.

 

BRUNELLI, M. (2007) Data virtualization: The answer to the integration problem? Disponível em:
<https://searchoracle.techtarget.com/news/1270278/Data-%20virtualizationThe-answer-to-the-integration-problem>. Acessado em 05 de maio de 2019.

 

Cooper, R.G., & Kleinschmidt, E.J. (1987). New Product: what separates winner from losers. Journal of Product Innovation Management, 4(3), 169-184.

 

Chong, F., & Carraro G. (2006). Architecture strategies for catching the long tail, a Microsoft white paper. Disponível em: <http://cistratech.com/whitepa- pers/MS_longtailsaas.pdf>. Acessado em 01 de maio de 2019.

 

Chou, D.C., & Chou, A.Y. (2007) Software as a service (saas) as an outsourcing model: an economic analysis. Disponível em: <https://www.researchgate.net/publication/228447677_Software_as_a_Service_SaaS_as_an_outso ur- cing_model_An_economic_analysis>. Acessado em 01 de maio de 2019.

 

Dinsmore, P.C. (2006). Como se tornar um profissional em gerenciamento de projetos. Rio de Janeiro: QualityMark.
Fortuna, E. (2005). Mercado Financeiro: Produtos e Serviços. Rio de Janeiro: QualityMark.

 

IDC Worldwide (2018). Semiannual Big Data and Analytics Spending Guide. Disponível em: <https://www.idc.com/getdoc.jsp?containerId=IDC_P33195>. Acessado em 3 de outubro de 2018.

 

Izidoro, C. (2016). Mercado de Capitais. São Paulo: Pearson.

 

Kerr, R. (2011). Mercado Financeiro e de Capitais. São Paulo: Pearson.

 

Marquesone, R (2016). Big Data: Técnicas e tecnologias para extração de valor dos dados. São Paulo: Casa do Código.

 

Marconi M. & Lakatos E. (2003). Fundamentos de Metodologia Cientifica. São Paulo: Atlas.
Osterwalder A. & Pigneur Y. (2011). Business Model Generation: Inovação em Modelos de Negócios. Rio de Janeiro: Alta Books.

 

Pinheiro, J. L. (2014). Mercado de Capitais: Fundamentos e Técnicas. 7th. ed. São Paulo: Atlas.

 

Project Management Institute (2017). Guia do Conhecimento do Gerenciamento de Projetos – GUIA PMBOK. 6th ed. Newtown Square.

 

Ribeiro, A.P. (2015) Corretora Souza Barros, com 87 anos, fecha as portas em São Paulo. Jornal o Globo. Disponível em: <https://oglobo.globo.com/eco- nomia/negocios/corretora-souza-barros-com-87-anos-fecha-as-portas-em-saopaulo-17376497>. Acessado em 08 de dezembro de 2018.

 

Silva, L.A., Peres, S. M., & Boscarioli, C. (2016). Introdução a Mineração de dados com aplicações em R. Rio de Janeiro: Elsevier.

 

Trelewicz, J. Q (2016). Big Data Big Money O papel dos dados no setor financeiro. Disponível em: <https://www.infoq.com/br/articles/big-data-in-finance>. Acessado em 20 de novembro de 2018.

 

Turban, E., Sharda, R., Aronson, J.E., & King, D. (2009). Business Intelligence um enfoque gerencial para a inteligência do negócio. Porto Alegre: Bookman.