O documento propõe o uso de big data e análise preditiva para melhorar os negócios de uma empresa de streaming. A estratégia inclui criar perfis de usuários, consultoria de produção baseada em análise de dados e um sistema de recomendação personalizado. Isso aumentará a fidelidade dos clientes, a rentabilidade e a eficiência de marketing. O projeto será implementado na nuvem da Amazon AWS e trará benefícios como campanhas direcionadas e economia de gastos.

1. PROJETO FINAL
MBA & Pós Graduação –
Big Data
Junho / 2016
GRUPO 02 – G2
Alexandre Silva (asilva@gmail.com)
Andressa Lima (andressali4@gmail.com)
Cesar Almiñana (cesar.cavini@gmail.com)
Edileusa Prado (edileusa.estefani@gmail.com)
Diogo Góes (diogogoes@gmail.com)

2. 1 CONSIDERAÇÕES FINAIS
Agenda
PROPOSTA2
ESTRATÉGIA3
ORÇAMENTO5
BENEFÍCIOS AO NEGÓCIO4
1 BACKGROUND
6

3. Background
❑ G2 Consulting é uma empresa especializada em soluções de Big Data
que atua no mercado há mais de 5 anos, com profissionais altamente
qualificados. Oferecemos nossa expertise de tecnologia, combinada
com negócios para grandes companhias.
Quem somos...

4. Por quê G2 Consulting?
Background
G2
AGREGA
MAIS
VALOR
NEGÓCIO DOS
➢ CLIENTES
Agilidade
Para obter valor dos seus dados
Analítico
Métodos e técnicas para
segmentação, predição,
classificação
Avançado
Tecnologias e metodologias de
ponta para obter resultados e
produtos inovadores!

5. EFICIÊNCIA
•Disponibilidade
•Escalabilidade
•Performance
PROCESSAMENTO
•Stream / Real Time
•Batch
Por quê Big Data?
Background

6. Concept
Por quê Big Data?
Qual a questão?
O que
aconteceu?
O que queremos?
Background

7. Concept
Investimentos em Big Data
Background

8. Concept
CASE
Background
Criado graças à
análise de
BIG DATA
Analisando as preferências dos
assinantes, o Netflix sabe que seu
conteúdo original terá audiência

9. Concept
CASE
Background

10. Concept
Dados demográficos
Exemplo de análise

11. Exemplo de análise
Análise de sentimento

12. Exemplo de análise
Análise de adjetivos

13. Como a empresa está no mercado?

14. Rentabilidade
Identificamos oportunidades para proporcionar um
serviço diferenciado e novos produtos
Maior Rentabilidade
Sistema Recomendação
Consultoria Produção
Perfis do Usuário
Como alavancar os negócios?
• Perfis de Usuário – entendimento do público para auxiliar na
criação de novos produtos e personalização de conteúdo;
• Consultoria de Produção – ranking e classificação de atores
visando recomendações para futuras produções;
• Sistema de Recomendação – realizar recomendações
considerando preferencias pessoais do usuário.
• Utilizar 100% na Nuvem da Amazon AWS.
Proposta

15. Perfis do Usuário
Estratégia
• Definir grupos de usuários;
• Neste caso, optamos por definir
3 grupos utilizando as
características de cada usuário,
bem como seus filmes
assistidos e classificações;
• kMeans;
• Esperamos ter 3 grupos bem
definidos para saber o grau de
importância de cada usuário
para a Empresa, e evitar churn.

16. Consultoria de Produção
Estratégia
• Casting inteligente e objetivo,
levando em conta opinião de
usuários, a fim de determinar as
melhores escolhas para cada tipo
e/ou produção específica;
• Base de dados usuários e suas
classificações + webcrawling
IMDb;
• Aumento da probabilidade de
retorno expressivo em relação à
produções próprias;
• Possibilidade de venda de
informações à outras produtoras;

17. Sistema de Recomendação
Estratégia
• Sistema de
recomendação de filmes,
discriminando
preferências pessoais de
cada usuário utilizando o
algoritmo KNN;
• Utilizaremos as bases de
dados usuários e suas
classificações;
• Aumento do grau de
satisfação e fidelidade
dos usuários ativos;

18. Fluxo de Processos
Estratégia

19. Visão Geral da Arquitetura
Estratégia
Por necessidade de estruturação de TI, será adotado uma solução em Nuvem da
Amazon AWS para Big Data, incluindo etapas de Ingestão de dados,
Persistência/Storage, Processamento/Análise até Visualização dos dados.
INGESTÃO PERSISTÊNCIA PROCESSAMENTO VISUALIZAÇÃO
DADOS INFORMAÇÃO
TEMPO

20. Visão Geral da Arquitetura
Estratégia
PROCESSAMENTO
ANÁLISE
VISUALIZAÇÃO
Oracle
Drill
JDBC
PERSISTÊNCIA
STORAGE
Dados de
Arquivos
Flume/
Kafka
Drill JDBC
INGESTÃO
Dados
Transacionais
Talend
JDBC

21. Benefícios ao Negócio
Um dos benefícios do Sistema de Recomendação é poder usufruir das notas avaliadas pelos
usuários e com isto obter informações, tais como a média dos filmes mais bem classificados,
na opinião do público respondente e poder fazer campanhas de marketing mais direcionadas
a estes filmes, filmes com tipo semelhantes e atores destes filmes.

22. Benefícios ao Negócio
Com campanhas de marketing mais bem direcionadas, além de atrair de forma
eficiente o público alvo, é possível obter mais economia no investimento de
gastos com publicidade, por direcionar melhor o uso deste recurso, obtido pelo
conhecimento através das recomendações dos clientes.

23. Benefícios ao Negócio
As recomendações obtidas pelos Sistemas de Recomendação, por si podem ser
usadas para atrair o público com dúvida de que filme assistir, pois quando há alto
índice de recomendação para um determinado filme, isto despertar o interesse nos
clientes indecisos, podendo aumentar a visualização de filmes e consequente
receita.

24. Benefícios ao Negócio
Filmes com classificação entre 3,5 a 5 e distribuídos pelas profissões dos votantes.
Um exemplo para se fazer campanha de Marketing direcionada por profissão, que
podem ser um dos perfis do usuário a ser considerado.

25. Orçamento

26. Orçamento
Pessoal Salário / Mês Condição
Analista de BI R$ 6.000,00
Analista com experiência em
Tableau
Analista de Negócios R$ 7.500,00 Um Analista de Negócios
Engenheiro de Dados R$ 11.500,00
Analista de Análise de Dados R$ 20.000,00
Dois analistas Sr. com formação
estatística
Total mão de obra / mês R$ 45.000,00
Total mão de obra com impostos (/b) R$ 78.750,00
Fontes:
Exame.com – Salários na área de IT
Love Mondays
Conselho Regional de Estatística
Sumário de Custos R$ / Mês
Implementação projeto (/a + /b) R$ 92.290,00
Hosting (após a execução) R$ 270.00

27. Aprovação do
Escopo
Definição do
Escopo
Montagem do
ambiente
Coleta dos
dados
Processament
o
Hadoop
Entrega dos
Resultados
1 2 3 4 5 60 7
Implementação
Time Line do Projeto

28. dd text title
Add text title
Add text title
Implementação
Considerações
● Projeto “taylor made” para o cliente
● Utilização do modelo montado em classe (12 semanas)
● Disponibilidade dos resultados
● Rápido retorno para o cliente

29. Referências
• http://www.tableau.com
• http://www.i-scoop.eu/internet-of-things/
• Amazon AWS
• Exame.com – Salários na área de IT
• Love Mondays
• Conselho Regional de Estatística
Considerações Finais

30. Considerações Finais
Projeto Final - GRUPO 02
❏ Alexandre Silva (asilva@gmail.com)
❏ Andressa Lima (andressali4@gmail.com)
❏ Cesar Almiñana (cesar.cavini@gmail.com)
❏ Edileusa Prado (edileusa.estefani@gmail.com)
❏ Diogo Góes (diogogoes@gmail.com)