1 - IntroduçãoI
É
muito dado! É a matéria prima de tudo que veremos neste texto!
Esta imagem ilustra muito bem como estamos cercados de informações por todos os lados!
http://zahpee-blog-media.s3.amazonaws.com/wp-content/uploads/2015/08/A-influ%C3%AAncia-do-Big-Data-Analytics-na-publicidade-da-sua-empresa.jpg
E certamente um dia alguém pensou...
- Isso tem que ter algum valor!
https://espinhodemetal.files.wordpress.com/2007/01/homer_pensando.jpg
E
aí surgiu o primeiro conceito Big Data... e depois vieram muitos.
E
Big Data é isto... é você pegar um
montão de dados e transforma-los em informações que ajudarão os gestores das empresas
a tomarem decisões.
-
Uééééééé... O BI já faz isso!
O
BI usa dados gerados por sistemas transacionais. Estes dados são
estruturados e ficam armazenados em bancos de dados. Além disso, os
dashboards gerados pelo BI refletem o passado dos dados.
O
Big Data tem capacidade de processar um maior volume de dados, de origens e tipos diversos, gerando insights, descobertas e novas possibilidades para o negócio.
Tanto
o BI quanto o Big Data têm como objetivo gerar informações que apoiarão as
decisões dos gestores.
2 - V's do Big Data
E
aí começaram a surgir os famosos V’s do Big Data... Inicialmente 3v’s, depois
4, 5 e procurando encontramos até 7 v’s.
E
os v’s nada mais são do que as características que começam com a letra “v” e que
definem um projeto como Big Data.
São eles: Volume, Velocidade, Variedade, Veracidade, Variabilidade, Valor e Visão.
2.1 - Volume
Imaginem a quantidade de dados gerados na apresentação do papa Bento XVI
em 2005 e o crescimento deste volume se comparado com a geração de dados na
apresentação do papa Francisco em 2013.
Diariamente são criados 2,5 quintilhões de bytes de dados no mundo.
Junte esses dados a todos os dados já armazenados até então. Isto é o
"v" do volume!
A seguir alguns fatores que contribuem para o aumento do volume de dados:
- Dados transacionais armazenados ao longo do tempo;
- Dados em streaming nas mídias sociais;
- Dados de sensores.
2.2 - Velocidade
De acordo com o Gartner, velocidade significa:
“Rapidez na produção de dados que deve ser acompanhada da rapidez no tratamento destes dados.”
http://proativasoft.com.br/sitenovo/wp-content/uploads/2015/06/60seconds.jpg
2.3- Variedade
Os
dados podem ter diversas origens e ser de tipos variados. Eles podem ser:
Dados
estruturados – Oriundos de sistemas transacionais e armazenados em bancos de
dados relacionais;
Semi-estruturados
– Dados não relacionais mas com estruturas padronizadas. Exemplos: Arquivos no
formato XML e Json;
Não
estruturados – Dados que não possuem uma estrutura definida. Exemplos: Sons,
vídeos, imagens e arquivos texto.
A imensa variedade de tipos de dados amplia as possibilidades de análises e resultados.
A imensa variedade de tipos de dados amplia as possibilidades de análises e resultados.
2.4 - Veracidade
Dados
confiáveis e condizentes com o momento e objetivo da análise.
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiHLBBuR9tPmp5a16hR06s-GM1AJ7Iv8Qns_unX3BK5xZ1nay6YPb4chcoWbsPIVOBmd-fYiJVhcM4jCDx566sqvDSJwZAqOxV4o9mp0UhYGdPIQjd5teNyXfYvuDsNLu5k1aEO7Me_Llk/s1600/garbage-in-garbage-out.jpg
2.5 - Variabilidade
Os dados estão em constante mutação e dependem do contexto.
Este
“v” é especialmente percebido no processamento da linguagem natural.
- Uma única palavra pode ter vários significados;
- Novos
significados podem ser criados e significados velhos descartados ao longo do
tempo;
"Interpretar
esta variabilidade é um desafio único!"
2.6 - Valor
Conversão
dos dados (data lake) em informações/insights/descobertas que servirão de base para a tomada de decisão, trazendo assim uma vantagem competitiva para as
empresas.
A análise dos dados somente gerará valor se as recomendações resultantes originarem mudanças que tragam resultado positivo para as organizações.
A análise dos dados somente gerará valor se as recomendações resultantes originarem mudanças que tragam resultado positivo para as organizações.
2.7 - Visão
Apresentação dos dados de
forma legível e acessível!
3 - Geradores de grandes volumes de dados
Exemplos
de geradores de grandes volumes de dados que podem ser tratados pelas
ferramentas Big Data:
-
Mídias sociais;
-
Sensores;
- Dados das caixas pretas de aviões;
-
Dados de sistemas transacionais;
-
Etiquetas RFID;
-
Câmeras de vídeo;
-
Internet das coisas.
4 – Ferramentas orientadas a projetos Big Data
5 – Exemplos de aplicabilidades
5 – Exemplos de aplicabilidades
- Traçar o perfil dos
clientes/consumidores para sugerir vendas cruzadas, ofertas direcionadas e
criar novos produtos;
- Alavacar dados exclusivos para prospecção de novos produtos/demandas de mercado e dos clientes;
- Alavacar dados exclusivos para prospecção de novos produtos/demandas de mercado e dos clientes;
- Análises de dados gerados por
sensores meteorológicos espalhados pelo mundo com o objetivo de fazer predição de
desastres e salvar vidas;
- Análise de informações financeiras
oriundas de várias fontes com o objetivo de comprar e vender ações de forma
mais eficiente;
- Análise preditiva na gestão de risco de
crédito;
- Prevenção de epidemias a partir da
análise das incidências de doenças em determinados locais;
- Ajustes na linha de produção para
evitar falhas que podem ser detectadas em tempo real;
- Detecção de fraudes com maior eficácia.
Nenhum comentário:
Postar um comentário