O documento discute como as empresas podem utilizar os grandes volumes de dados gerados diariamente (Big Data) para tomada de decisões estratégicas e análises preditivas. Ele explica os conceitos de Business Intelligence, Data Warehouse e Data Science e como esses podem ser aplicados para extrair insights valiosos dos dados. Por fim, fornece recomendações sobre como as empresas podem começar a implementar soluções de Big Data.

1. Como utilizar o Big Data na minha
empresa
PhD José Bringel Filho
CONTRIB/CUIA

2. O mundo gera 2,5 quintilhões de
bytes/dia – 2,5 x 1018 de bytes
A cada um ano e meio = geramos
dados de toda a humanidade

3. Hoje: + dispositivos
que habitantes
2020: 20 bilhões
Cada 1 gerando
GB/dia

4. • 1 bilhão de usuários/dia
• 4 bilhões de likes
• 300 milhões de fotos
• 1 a cada 5 pageview (EUA)
• 75 milhões de assinantes
• 30% do tráfego de Internet
(EUA)
• 10 bilhões de títulos
assistidos/mês

6. Tsuname de dados

7. Mudanças mercadológicas rápidas
-> Transformação digital

8. Zumbisness

10. Big Data
“Grande volume de informações, alta velocidade
e/ou ativos de informações de alta variedade que
exigem formas inovadoras e econômicas de
processamento de informações para permitir
melhor percepção, tomadas de decisão e
automação de processos” (Gartner)

12. Big Data
•Focado no processamento de dados estruturados e
não estruturados
• Correlações e descobertas
•Analisa o que já existe e o que está por vir
•Explorar novas possibilidades
• Novos padrões e perguntas
•Voltado não apenas para negócios
• Governo, saúde, educação

13. Recomendações

14. Recomendações

15. Decisões estratégicas
Popularidade
Preço - concorrência
Vendas e comportamento de compra

16. Business Intelligence - BI
•Processo de coleta, organização, análise,
compartilhamento e monitoramento de informações
• Suporte a gestão de negócios
•BI explica dados exatos de eventos que já
ocorreram
• Ex. Ponto eletrônico, vendas de varejo/atacado, metrô
•Analisar eventos que já ocorreram, a fim de se tomar
uma decisão

18. Data warehouse
•Centralizar os dados retirados dos locais de
origem
•Planilhas, ERPs, CRMs, Open Data
•Foco na organização e velocidade de
consulta

19. Data Warehouse - Metrô

20. Data Science – ciência de dados
•Estudo disciplinado dos dados e informações
•Visões que podem auxiliar no futuro do negócio
•Ciência que estuda
•Captura, transformação, geração e análise
•Envolve
•Computação, estatística, matemática e
conhecimento de negócio

22. Google – 20 petabytes/dia

23. Comparativo de preços

24. Pilares – 5Vs

25. Implantar Big data na sua empresa
•Quais e como usar os dados
•Fontes públicas da iniciativa privadas,
sensores, próprio negócio, fontes públicas de
governo
•Decidir sobre eles
•Aprender com eles

26. Variedade – Any Data
•Dados estruturados (BD) e não estruturados
•Texto
•Sensores
•Navegação Web
•Áudio
•Vídeo
•Arquivos de logs
•IoT, etc

27. Origem dos dados
• Redes Sociais – Facebook, instagram, twitter etc
• Serviços em nuvem, APIs
• Websites – Google, Portal de Notícias, Mapas etc
• Dados abertos – governo
• Sistemas – ERP, CMS
• Aplicativos – Posição Geográfica, Gosto Musical, Fotografia
• Banco de Dados – da internet (externos), de empresas (internos)
• Pacote Office – Excel, Access, Word
• Máquinas, smartphones, IoT

28. Big Data Analytics
“Termo abrangente para uma variedade de
diferentes soluções de Business
Intelligence (BI) e iniciativas relacionadas a
aplicativos. É também o processo de análise
de informações de um domínio específico,
como a análise de sites” (Gartner)

29. Tipos de análises
•Análise preditiva: combinação de técnicas de
estatística, mineração de dados e outras
•Prever comportamentos de clientes
•Análise prescritiva: combinação de análises
gráficas, simulações e outras técnicas para fazer
previsões diversas
•Necessidades de clientes, tendências de vendas

30. Tipos de análises
•Análise descritiva: mineração de dados e
outros métodos para compreensão de eventos
ou acontecimentos em tempo real
•Análise de crédito
•Análise diagnóstica: técnicas como drill-down,
descoberta de dados, mineração e correlações
para explicar eventos ou acontecimentos
passados
•Históricos e relatórios comerciais

31. Data-driven Marketing
•“Adquirir, analisar e aplicar todas as
informações sobre desejos, necessidades,
motivações e comportamentos de clientes e
consumidores” (Gartner)
•Envolvimento do cliente
•Segmentação, retenção e fidelização
•Otimização de ações de marketing
•Aprimoramento de estratégias de preços
•Previsibilidade de vendas

34. Como começar na minha empresa
•Tenha uma estratégia bem definida - planejar
onde a empresa quer chegar
•Compreender os problemas do negócio, em sua
causa, e a partir de insights ter possibilidades para
administrá-los
•Monte uma equipe - preferencialmente
multidisciplinar
•Esses profissionais devem estar presentes desde o
princípio da mudança cultural

35. Como começar ...
•Identificar os indicadores-chave e determinar a
periodicidade de acompanhamento desses
indicadores
•Implementar Big Data é uma ação estratégica em si
mesma e deve ser direcionada a resultados
• Adoção da nova tecnologia e como ela se alinha com a
governança corporativa
•Considere a contratação de um especialista em Big
Data OU empresa

37. Ferramentas gratuitas
•Apache Hadoop
•R - estatístico
•Cascading
•...

41. Perfil do profissional de Big Data
•Conhecer as ferramentas existentes
•Possuir perfil misto: técnico e negócios
•Conhecer Business Inteligence e Data
Warehouse
•Compreender os processos da empresa
•Conhecer estatística e matemática