Big Data Analytics

248 visualizações

Publicada em

Palestra realizada durante a Semana de Ciência, Tecnologia e Sustentabilidade da Unime - Lauro de Freitas.

Publicada em: Tecnologia
0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
248
No SlideShare
0
A partir de incorporações
0
Número de incorporações
7
Ações
Compartilhamentos
0
Downloads
14
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Big Data Analytics

  1. 1. Big Data Analytics Unime – Lauro de Freitas
  2. 2. Mauricio C. Purificação Empreendedor, consultor, palestrante, instrutor e especialista no desenvolvimento de soluções de Business Intelligence, Data Warehousing e Business Analytics; Sócio-Diretor da OxenTI - Soluções em Tecnologia da Informação; Analista de Business Intelligence (BI) – Cárdio Pulmonar da Bahia; MBA em Administração/Gestão de Negócios - Universidade Salvador (UNIFACS); Bacharel em Ciência da Computação - Universidade Federal da Bahia (UFBA); Pesquisador nas áreas de Business Intelligence, Business Analytics, Big Data, Métodos Ágeis e Bancos de Dados Evolutivos. http://lattes.cnpq.br/3312807554334758
  3. 3. Um Pouco de História Antes da revolução da Internet banda larga e das redes sociais os computadores eram de domínio apenas de quem trabalhava com eles; O avanço das tecnologias de hardware, a redução dos custos de acesso e a criação de aplicativos gratuitos inseriram muitas pessoas no cenário digital.
  4. 4. Um Pouco de História Com inúmeros dados e informações os tomadores de decisão passaram a enxergar novas possibilidades de fazer negócio e de alavancá-lo. A integração de informações vindas de diversas fontes traz a possibilidade de entender melhor os consumidores e fornecer produtos mais próximos aos seus desejos e necessidades.
  5. 5. Um Pouco de História 1960 1970 1980 1990 2000
  6. 6. Business Intelligence? “BI é o uso da informação que permite às organizações melhor decidir, medir, gerir e otimizar o desempenho para ganhar eficiência e benefício financeiro.” Instituto Gartner
  7. 7. Business Intelligence? BI é um processo. Existem técnicas, tecnologias e software para BI, mas BI é um processo que envolve métodos, técnicas, tecnologias, pessoas, informações, fontes de informações, métricas, ferramentas, etc.
  8. 8. Business Intelligence? O objetivo do processo de BI é ajudar pessoas e organizações a encontrarem causas e não só apresentar informações, como fazem sistemas gerenciais. A busca por causas passa por analisar dados, talvez grandes quantidades, à procura de padrões, modelos ou repetições.
  9. 9. BI 1.0
  10. 10. BI 2.0
  11. 11. BI 3.0
  12. 12. Uma Nova Realidade
  13. 13. Uma Nova Realidade
  14. 14. Uma Nova Realidade Volume de Dados no Mundo
  15. 15. Novos Padrões de Armazenamento de Dados 2009 Redis Initial Release 2004 2006 2007 2008 2009 2011 2012 2013 2014 2007 MongoDB Started, Neo4J Initial Release 2004 Google’s Map Reduce Paper Published 2012 Google Spanner Paper Published 1998 1998 NoSQL coined 2006 Hadoop Started 2008 Apache Hbase, Apache Cassandra
  16. 16. Big Data “Big Data é como sexo na adolescência: todo mundo fala, ninguém realmente sabe como fazer, todo mundo pensa que todo mundo está fazendo, então todo mundo diz que está fazendo. Dan Ariely, Duke University
  17. 17. Big Data Big Data são dados que excedem o armazenamento, o processamento e a capacidade dos sistemas convencionais: Volume de dados muito grande Dados são gerados rapidamente Dados não se encaixam nas estruturas de arquiteturas de sistemas atuais Além disso, para obter valor a partir desses dados, é preciso mudar a forma de analisá-los.
  18. 18. 3 V’s do Big Data
  19. 19. Oportunidades?
  20. 20. Oportunidades?
  21. 21. Oportunidades?
  22. 22. Novas Arquiteturas
  23. 23. Novas Arquiteturas
  24. 24. Novas Arquiteturas
  25. 25. Business Analytics
  26. 26. Business Analytics
  27. 27. Social Mining Descobrir quais pessoas interagem com sua marca, aonde elas se engajam e qual a sua relação com os concorrentes; Identificar os usuários mais interessados /engajados e o que os atrai dentro do conteúdo da marca; Traçar o que mais lhes interessam e fornecer conteúdo personalizado.
  28. 28. Ciência de Dados A ciência de dados difere das análises estatísticas e da ciência da computação em seu método aplicado aos dados coletados usando princípios científicos. Esta é a diferença entre ser capaz de explicar o que os dados significam agora e prever o que os dados podem representar no futuro.
  29. 29. Ciência de Dados A análise de dados tradicional têm sido implantada para explicar tendências a partir de questões bem-formuladas e da modelagem dos dados. A ciência de dados está procurando descobrir conhecimento demandável a partir de uma quantidade grande e pesada de dados que podem ser usadas para tomar decisões e fazer previsões.
  30. 30. Tecnologias para Big Data Onde o processamento é hospedado? Servidores Distribuídos/Cloud (ex: Amazon EC2) Onde os dados são armazenados? Banco de Dados Distribuídos (ex: Hadoop Distributed File System) Qual o modelo de programação? Processamento Distribuído (ex: MapReduce) Como os dados são armazenados e indexados? BD’s de alta performance sem esquemas (ex: MongoDB)
  31. 31. Universo Big Data
  32. 32. Open Source BA
  33. 33. Ecossistema Hadoop
  34. 34. Processamento de Dados
  35. 35. Hadoop MapReduce
  36. 36. Hadoop MapReduce
  37. 37. Duvidas?
  38. 38. Contatos mauricio@oxenti.com.br http://slideshare.net/mscesar www.oxenti.com.br

×