O documento discute os riscos no uso de Big Data e Analytics como base para tomada de decisão. Apresenta os conceitos de Big Data e Analytics e explica sua popularidade, mas alerta que quando usados de forma descuidada, podem levar a problemas ao invés de benefícios, colocando em risco a eficiência do processo decisório.

1. Faculdade de Tecnologia de Americana
Curso Superior de Tecnologia em Logística
RISCOS NA UTILIZAÇÃO DE BIG DATA E ANALYTICS COMO BASES PARA A
TOMADA DE DECISÃO
Bruno Henrique Nunes
Bruno.nunes.1987@gmail.com
Área: Tecnologia aplicada à Gestão
Americana, SP
2015

2. 2
Resumo
Não há dúvidas de que a tecnologia experimentada em nosso tempo trouxe
mudanças drásticas em nosso estilo de vida. Redes sociais, compras on-line e demais
tecnologias têm diminuído distâncias e acelerado comunicações, deixando o mundo cada
vez menor e mais acessível.
Dados estão em todos os lugares, e seguem aumentando. Tal realidade tem
transformado-os em valiosos ativos, que podem ser coletados, armazenados e
analisados, com a ajuda de novas metodologias, intituladas Big Data e Analytics, capazes
de mostrar tendências nunca antes percebidas. Tal fato tem sido muito explorado por
tomadores de decisão, na busca de oportunidades valiosas e assertivas em nosso
competitivo ambiente de negócios. Mas tal metodologia tem seu viés ruim.
A proposta desse artigo é mostrar que, quando os devidos cuidados não são
tomados ao se utilizar Big Data e Analytics, problemas podem aparecer, colocando a
eficácia de todo o processo em xeque. No decorrer do estudo, serão apresentados os
conceitos de Big Data e Analytics, bem como uma explicação do porquê da popularidade
dos mesmos em nossos dias, culminando com a apresentação dos principais pontos
sensíveis de tais métodos, que quando menosprezados, podem transformar algo benéfico
e valioso em um completo desperdício de recursos.
Palavras-chave: Big Data, Analytics, Problemas.
Abstract
There is no doubt the technology experienced in our lifetime has brought extreme
changes in our life style. Social Networks, Online shopping and other technologies have
decreased distances and accelerated communications, leading to a smaller and more
accessible world.
Data is everywhere, and it keeps growing. Such reality has transformed data in a
valuable asset that can be collected, stored and analyzed trough the use of a brand new
methodology called Big Data and Analytics, which allows us to exploit trends never
realized before. Those trends have been very explored by decision makers in search for
valuable and assertive opportunities in our competitive business environment. But does
such methodology have its evil bias?
The purpose of this article is presenting that when Big Data and Analytics are used
in a careless way, problems may appear, putting the whole efficiency of the process in
check. Throughout the study, there will be presented Big Data and Analytics concepts, as
well as an explanation of why they are so popular nowadays, concluding with the
presentation of the main blind spots of the methods, that, when slighted, can turn
something valuable and beneficial in a complete waste of resources.
Key words: Big Data, Analytics, Problems.

3. 3
1) Introdução
Vivemos em uma era de dinâmica intensa, comprovando diariamente os dizeres de
John F. Kennedy de que “a mudança é a lei da vida”. No cenário empresarial, a
necessidade de constante mudança tem sido a chave para a manutenção da
competitividade, e por consequência, da lucratividade, qualquer que seja o mercado em
questão.
Tem figurado como protagonista em tal ambiente a chamada gestão da informação,
que pode ser entendida como sendo o controle e gerenciamento do recurso informação,
objetivando dessa forma proporcionar a informação certa, à pessoa certa, no lugar certo e
no tempo certo (CHOO, 1997 apud RASCAO, 2006). Informação, por sua vez, embora um
tanto quanto ampla em relação a sua definição, pode ser designada como uma coleção
de dados ou mensagens organizadas que têm significado ou podem ser usadas pelo
sistema humano (RUBEN, 1988 in: SCHEMENT, 1993 apud RASCAO, 2006).
Nunca antes utilizamos tanta informação, em tamanho volume e com tanta
facilidade. De acordo com Eric Schmidt, Ex- CEO da Google, a cada dois dias nós
criamos a mesma quantidade de informação gerada entre o começo da civilização e o ano
de 2003. É, indiscutivelmente, muita coisa (SIEGLER, 2010).
Apenas no campo científico, o LHC (grande colisor de Hádrons, da tradução livre
em inglês), maior acelerador de partículas do mundo, gera em torno de 15 Petabytes por
segundo de dados, o equivalente 4 milhões de filmes hollywoodianos, em média (XEXÉO,
2013). No Campo da genética, o seqüenciamento genômico de um indivíduo contabiliza
um valor de 140 gigabytes em tamanho (MARX, 2013) e com a popularização do método
por artistas e diminuição do preço graças às novas técnicas e equipamentos, espera-se
crescimento nesse campo, o que significa mais e mais dados gerados.
Todavia, não precisamos ir tão longe para percebermos o avanço monstruoso na
criação de dados nos últimos tempos: Podemos notar isso confortavelmente em nossas
casas, munidos de nossos cada vez mais poderosos (e baratos) smartphones. De acordo
com o site MASHABLE (2015), em apenas 1 minuto, usuários de e-mail enviam,
aproximadamente, 204 milhões de mensagens em todo o mundo; Na rede social Twitter,
100 mil tweets (mensagens de texto com até 140 caracteres) são criados; O motor de
pesquisas Google recebe mais de 2 milhões de pedidos de pesquisa e consumidores
online gastam uma média de $272 mil em compras (TEPPER, 2012). E a tendência é o
aumento de tais taxas, pois estima-se que a quantidade de informações produzida dobre
a cada dois anos (BRADICICH , 2013).
Armazenar dados, graças às avançadas estruturas de armazenamento virtuais de
TI e descobertas no ramo da física de estado sólido e nanotecnologia, não é mais um
problema. Calcula-se que o custo de armazenagem de 1 Megabyte em mídia magnética
caiu de US$ 30 (cerca de R$ 90), em 1980, para menos de US$ 0,0001 (cerca de R$
0,00003) (XEXÉO, 2013) .
Temos agora um novo desafio, talvez ainda mais difícil: Como combinar e
relacionar imensos bancos de dados, de forma a tornar possível a conversão de
informação em vantagem competitiva real? Tal resposta pode ser obtida atualmente com
os chamados Big Data e Analytics.
Relacionar informações estruturadas e não estruturadas em bancos de dados
gigantescos e aparentemente desconexos, observando assim, com a ajuda de poderosas

4. 4
ferramentas estatísticas, tendências em tempo real antes impossíveis de serem
percebidas graças às nossas limitações em modelos, ferramentas e concepções. É essa
a proposta de Big Data e Analytics.
Utilizar tal conceito é lidar com um poder jamais visto. Como garantir, dessa forma,
que BIG DATA e Analytics serão utilizados apenas para o “Bem”? Quais os limites para
utilização de correlações estatísticas como indicadores? Como evitar que modelos
matemáticos extrapolem a realidade dos fatos e passem a enxergar tendências onde não
existe, de fato, nenhuma? Esse é o objetivo desse artigo, alertar sobre as possíveis
armadilhas existentes na utilização de Big Data e Analytics quando utilizados como base
à tomada de decisão.
2) Relato Circunstanciado
Além de jogar luz a conceitos que tem atingido popularidade em nossos dias, mas
que ainda estão timidamente esclarecidos, o propósito do artigo é também apresentar
que, embora Big Data e Analytics possam trazer um ganho jamais visto no que diz
respeito à tomada de decisões estratégicas, existem pontos bastante negativos
associados à eles quando não totalmente entendidos ou ineficientemente aplicados.
A hipótese defendida no decorrer do artigo será a de que existem riscos
associados à utilização de Big Data e Analytics quando os mesmos são apresentados em
cenários desprovidos de rigidez metodológica, e tal contraponto precisa ser reconhecido
para que tomadores de decisão possam ponderar custos e benefícios na implementação
de novas tecnologias em seus domínios ou evitar arrependimentos desnecessários com
relação a decisões ruins baseadas em informação incompleta.
O objetivo fundamental será, portanto, apresentar os principais pontos negativos da
utilização de Big Data e Analytics para a tomada de decisão quando utilizados sem
planejamento e alinhamento adequados.
Como objetivos específicos, temos:
Definir os conceitos de Big Data e Analytics com base na atual
bibliografia conhecida;
Mostrar o valor agregado que eles proporcionam ao contexto da
tomada de decisão;
Discutir os principais aspectos negativos da utilização dos mesmos
quando implementados sem base estratégica, científica ou ética.
Do ponto de vista da natureza da pesquisa, trata-se de um artigo de pesquisa
aplicada, posto que é voltado para a geração de conhecimentos acerca de um assunto
específico, limitado e local (SILVA et all, 2001).
Já do ponto de vista da abordagem do problema, será utilizada a pesquisa
qualitativa, pois considera-se que existe um vínculo indissociável entre o mundo objetivo e
a subjetividade do autor, que não pode ser traduzido em números (SILVA et all, 2001).

5. 5
Com relação aos objetivos, trata-se de uma pesquisa exploratória, que se qualifica
como orientada para a descoberta e que não tem a intenção de testar hipóteses
específicas de pesquisa (GIL, 1991 apud SILVA, 2001).
Já da perspectiva de procedimentos técnicos, será uma pesquisa bibliográfica, que
para KOCHE (2009) é definida como:
[...] Aquela que se desenvolve tentando explicar um problema, utilizando o
conhecimento disponível a partir das teorias publicadas em livros ou obras
congêneres. (...) O objetivo da pesquisa bibliográfica, portanto, é o de
conhecer e analisar as principais contribuições teóricas existentes sobre
um determinado tema ou problema, tornando-se um instrumento
indispensável para qualquer tipo de pesquisa.
(KOCHE, 2009).
3) A teoria da tomada de decisão
A tomada de decisão é um processo de escolha entre diversas possibilidades,
optando-se por aquela que proporcionará o melhor resultado para uma determinada
situação (JONES, 2012). Com o tempo e a prática, uma infinidade de ferramentas teóricas
que auxiliam em tal processo têm buscado um lugar ao Sol, como o fluxograma de
processo decisório (CHIAVENATO, 2010) e a teoria dos jogos (NEUMANN, 1928).
Todavia, um fator determinante para a tomada da decisão acertada não tem sido a
metodologia utilizada, mas sim, a qualidade da informação usada para a confecção do
cenário de possibilidades, o que tem garantido uma robusta vantagem competitiva para
aqueles que possuem a maior e melhor coleção de informações.
Define-se informação como sendo um conjunto de dados associados a um
contexto, onde os dados são reconhecidos como representações sem significado inerente
(DAVENPORT, 1998). A Importância do conceito é tamanha que o mesmo ganha a
característica de marco para um novo período histórico, que especialistas chamam de
“Era da informação” (WIKIPEDIA, 2015).
Nossos dias atuais tem ratificado a máxima aparente de que tudo pode ser medido
de uma forma economicamente viável (HUBBARD, 2010). A diminuição de custos de
armazenamento, sensoriamento e transmissão da informação têm garantido nossa
caminhada, a passos largos, em direção à chamada “internet das coisas”, onde
dispositivos físicos corriqueiros possuirão endereços eletrônicos, e graças à tecnologia
embarcada, poderão se comunicar livremente com diversos outros dispositivos
(GARTNER, 2014). Portanto, no curtíssimo, curto, médio e longo prazos, a informação só
tem uma alternativa: Crescer, de forma rápida e incontrolável.
Precisamos assim de novas técnicas para lidar com essa torrente de 0’s e 1’s que
invade nossa realidade, e é pensando nisso que surgem os conceitos de Big Data e
Analytics.

6. 6
4) O que são Big Data e Analytics?
Embora muitos intercambiem os termos Big Data e Analytics ou os utilizem como
um único termo, existe uma crucial diferença entre eles que precisa ser explicitada, e por
isso, no decorrer do artigo, ambos serão tratados como conceitos disjuntos, porém
complementares.
Define-se Big Data como sendo um conjunto de dados (do inglês Dataset) que não
pode ser capturado, analisado, gerenciado ou armazenado utilizando-se os processos e
ferramentas tradicionais (MCKINSEY, 2011). Tal Dataset é qualificado por três principais
atributos: Seu volume, sua variedade e sua velocidade (ZICOPOULOS, 2012).
Por volume, entende-se uma quantidade gigantesca de dados (normalmente
variando de Terabytes a Zetabytes). Com relação à variedade, tal coleção de dados pode
ser estruturada (oriunda de um sistema de gerenciamento de banco de dados, possuindo
assim uma estrutura rígida e previamente projetada de apresentação, ou seja, uma
ordem, como em uma planilha de Excel®) ou não-estruturada (sem uma estrutura
definida, como imagens, vídeos e mensagens em redes sociais) (CLARO, 2015). Acerca
da velocidade, tais dados precisam ser obtidos praticamente em tempo real.
Analytics é, por sua vez, o processo de aplicação de metodologias de análise sobre
um banco de dados, com o objetivo de se agregar um contexto ao mesmo, gerando assim
informação quantitativa que será útil aos tomadores de decisão.
Big Data e Analytics ganharam notoriedade devido a basicamente duas
circunstâncias. A primeira, de origem técnica, foi a redução de custos de armazenamento
de informação e o boom na facilidade de geração da mesma. A segunda circunstância foi
a percepção de que quando se utiliza a informação em sua totalidade (ou seja, ao invés
de lidar com amostras, analisamos a população como um todo), observações nunca antes
detectadas podem ser vistas com extrema facilidade. Tais constatações podem então ser
transformadas em vantagem competitiva (pesquisas evidenciam que existe uma
intrínseca correlação positiva entre a aplicação de Big Data e Analytics e a melhoria no
desempenho financeiro em empresas que utilizam o método de forma racional e
planejada) (THE ECONOMIST, 2012).
Os grandes ganhos proporcionados pela utilização de Big Data e Analytics são
oriundos da mudança de pensamento em relação a como os dados são utilizados. Em
detrimento disso, podemos notar não apenas o aparecimento de novas tecnologias e
softwares, mas também uma mudança muito mais profunda e atemporal na forma como
enxergamos os dados.
Um dos grandes pilares da metodologia científica ortodoxa é a análise de causa-
efeito. De acordo com ela, tudo acontece como resultado de algo, e os dados são
utilizados para demonstrar tal relação. Seria como dizer que “no cenário em questão, o
fenômeno A ocorreu por causa da ocorrência de B”. Todavia, no contexto de Big Data e
Analytics, a proposta é levemente diferente, pois não estamos interessados em descobrir
por que razão ou motivo algo acontece: Nosso objetivo é descobrir qual a correlação
estatística existente entre variáveis, independentemente de suas relações de causa e
efeito. Utilizando de nosso exemplo anterior, seria como dizer que “Quando o evento A
ocorre existe uma probabilidade de ocorrência do evento B, embora não saibamos (e não

7. 7
nos interessa saber) a causa disso”. E essa mudança de ponto de vista, que se abraça a
poderosas ferramentas estatísticas, permite que possamos obter valiosas informações
sem que necessitemos estudar ou analisar em profundidade as causas de tais
acontecimentos, nos poupando assim de uma tarefa de extrema complexidade (MAYER-
SCHONBERGER, 2013).
E o mercado tem percebido tal valor. De acordo com pesquisa da consultoria
MCKINSEY (2010), a utilização de Big Data e Analytics pode gerar:
Mais de $300 bilhões em valor/ano ao setor de saúde americano;
€ 250 bilhões/ano ao sistema de administração público europeu;
Mais de $100 bilhões em venda de serviços para empresas de Geo-
Posicionamento global (GPS)
O poder de Big Data e Analytics é tamanho que sua utilização já foi defendida
pelo Fórum Econômico Mundial como um método que traz novas possibilidades para o
desenvolvimento global nos mais diversos setores, como educação, economia, saúde e
agricultura (WORLD ECONOMIC FORUM, 2012).
Mas tanto poder é, necessariamente, bom?
5) Aspectos negativos da utilização de Big Data e Analytics
Aparentemente, a resposta a tal pergunta é não.
Como mostrado anteriormente, o valor de Big Data e Analytics se prende em
correlações estatísticas e tendências. O grande problema é que, sem uma análise
cuidadosa, padrões podem começar a aparecer onde os mesmos não existem, pois a
quantidade imensa de informações possibilita infinitas possibilidades para uma mesma
situação. Dessa forma, sem uma bagagem de metodologias científicas que possibilitem
uma validação cuidadosa dos resultados obtidos, a técnica pode se transformar em um
grande problema.
A proposta aditiva, normalmente negligenciada, precisa também ser reconhecida:
Big Data e Analytics são conceitos novos, que abrem sim portas para descobertas
inéditas, porém, não substituem as ferramentas e métodos que possuímos atualmente.
Grande valor é obtido quando diversos conhecimentos convergem para o mesmo ponto
ou se completam, em perfeita sinergia.
Outro ponto a ser salientado é que grande quantidade de dados não,
necessariamente, reflete em melhor qualidade de informação. Qualquer análise, seja ela
de banco de dados grandes ou pequenos, está fadada ao erro se as limitações da mesma
não são levadas em conta, É essa é outra benfeitoria de um método científico: Ele
garante parâmetros de validação para os resultados.

8. 8
Embora agora possamos lidar com toda a população ao invés de amostras apenas,
se não garantirmos que nossa fonte de dados é de fato representativa da realidade e
imparcial (ou seja, sem influência brusca do pesquisador), não poderemos confiar nos
resultados obtidos, o que pode levar a perdas profundas e irreparáveis. Os conceitos de
Big Data e Analytics não podem sobrepujar os conceitos científicos que vem sendo
desenvolvidos há milênios: Ambas as propostas precisam se ajustar e se reinventar para
que possam assim caminhar juntas, conferindo melhores resultados e despertando
tendências válidas e assertivas para a tomada de decisão.
Hoje em dia, dados são gerados a todo o momento e é relativamente fácil ter
acesso aos mesmos. Todavia, tal facilidade põe em cheque os limites de utilização dos
mesmos, despertando assim indagações sobre o que é moralmente adequado.
Precisamos, dessa forma, entender até onde podemos ir para conseguir informações,
sem que isso acarrete problemas de privacidade. Graças ao seu potencial, a ânsia por
conquistar mais e mais informação pode acabar ultrapassando os limites da ética, e
precisaremos, portanto, de novas ferramentas, inclusive jurídicas, para lidar com tais
situações.
Outro viés que precisa ser mencionado são as consequências da informação como
um ativo contábil. Aqueles com maior poder aquisitivo terão mais condições de adquirí-la,
o que pode gerar uma barreira digital. Caso não haja um esforço em favor da
universalização da informação, tornando-a acessível e de fácil interpretação, a mesma
poderá ficar restrita a grandes conglomerados ou então, a segmentos muito específicos
que dominam o conhecimento de Big Data e Analytics, o que pode gerar distorções
econômicas no mercado (como monopólios e gargalos).
Um ponto a ser analisado também diz respeito às punições com base em
correlações e probabilidade. Com a utilização de métodos preditivos (que estimam que
algo possa acontecer antes do fato, ou seja, uma previsão) e a constante evolução dos
mesmos em exatidão, podemos acabar nos voltando para uma “certeza do provável”,
onde a verdade passaria a ser a possibilidade de algo acontecer, ao invés do fato em si.
Isso pode se tornar um problema sério, como no caso de pré-crimes (prender uma pessoa
com base apenas na probabilidade de que ela cometa um crime no futuro), negação de
fiança baseada em correlações étnico-sociais, pessoas sendo proibidas de entrar em
aviões com base puramente em seus históricos em redes sociais, entre outras situações.
Embora ainda estejamos muito longe de tal cenário, essa é uma janela aberta por esses
novos conceitos e precisa de notoriedade desde já.
Acreditar que estatísticas podem definir o futuro, valendo-se apenas das mesmas,
extraindo assim o fator humano da equação, pode levar a soluções imprecisas, para dizer
o mínimo. Quando utilizada da forma incorreta, principalmente em áreas complexas
como o comportamento humano, a matemática pode conduzir a resultados incompletos. E
isso é muito perigoso.
Por último, mas não menos importante, Big Data e Analytics podem vir a sofrer do
mal da falta de mão-de-obra qualificada. De acordo com pesquisa da revista THE
ECONOMIST (em tradução literal):

9. 9
Talento importa tanto quanto tecnologia. Profissionais que saibam lidar com
dados são agora encorajados a entender as prioridades da companhia e a
entender o ambiente competitivo que a cerca. Dessa forma, eles poderão
explorar os dados para responder às perguntas corretas. E encontrar tal
tipo de pessoa não é fácil.
(THE ECONOMIST UNIT, 2012).
Big Data e Analytics necessitam de profissionais que saibam como lidar com
informações (habilidades de TI), com estatísticas (habilidades analíticas) e ao mesmo
tempo, que possuam habilidades avançadas para encontrar informações, que na maioria
das vezes, não podem ser usadas em seu estado natural. Tal profissional é o chamado
Cientista de Dados, e de acordo com estimativas, projeta-se um gargalo de
aproximadamente 190 mil funcionários nos próximos anos (MCKINSEY, 2010).
6) Considerações finais
Big Data e Analytics são conceitos que vieram para ficar. Conforme nos
acostumamos mais e mais com redes sociais, compras online e utilização de dispositivos
móveis, a quantidade de dados criada tenderá a aumentar explosivamente, tornando
ferramentas oriundas de tais técnicas cada vez mais atrativas.
Porém, precisamos manter em nossas mentes que o valor agregado real da
informação apenas será obtido quando existir uma sinergia entre as ferramentas e
métodos que nos auxiliaram a chegar até aqui com novas, que se ajustem a essa
realidade inédita de “internet das coisas”, garantindo assim que possamos fazer as
perguntas certas para cada tipo de problema, transformando a obtenção de dados apenas
em parte inerente e espontânea do processo: Informação obtida sem planejamento e
racionalidade não tem finalidade. É necessário, portanto, nos perguntarmos inicialmente
“por que queremos tais dados” para só então prosseguirmos para o estágio de “Como
obter e analisar tais dados”, que é onde se encontra o real poder das técnicas de Big Data
e Analytics.
Mais informação não refletirá em melhor decisão se não pudermos garantir um
contexto realista para os dados obtidos e uma metodologia científica apropriada para
obtenção da informação, e não podemos, de maneira nenhuma, ignorar a exploração de
pequenas amostras, que tão bem tem funcionado até então, em detrimento do fato de que
podemos, nesse exato momento da história, utilizar todo o espaço amostral. Afinal de
contas, a máxima ainda prevalece: A melhor ferramenta é aquele que resolve o seu
problema, e não, necessariamente, a mais sofisticada.

10. 10
7) Bibliografia
KENNEDY, J. “Address in the assembly Hall at the Paulskirche in Frankfurt”. Alemanha, 1963.
Disponível em < http://www.presidency.ucsb.edu/ws/?pid=9303> . Acessado em 4 de fevereiro de 2015.
RASCAO, J. “Da gestão estratégica à Gestão estratégica da informação: Como aumentar o tempo
disponível para a tomada de decisão estratégica”. Rio de Janeiro: Editora e-Papers, pp. 43 – 51,
2006.
SIEGLER, M. “Eric Schmidt: Every 2 days we create as much information as we did up to 2003”.
Techcrunch, 2010. Disponível em <http://techcrunch.com/2010/08/04/schmidt-data/>. Acessado em 4 de
fevereiro de 2015.
XEXÉO, G. Big Data: Computação para uma sociedade conectada e digitalizada. CiênciaHoje, Vol.
51, p. 18 – 23, 2013.
MARX, V. “The Big Challenges of Big Data”. Nature, Vol.498, pp. 255 – 260, 2013.
TEPPER, A. “How Much Data is created every minute?”. Mashable, 2012. Disponível em <
http://mashable.com/2012/06/22/data-created-every-minute/> . Acessado em 4 de fevereiro de 2015.
BRANDICICH, T. “The Moore’s law of Big Data”. National Instruments, 2013. Disponível em <
http://www.ni.com/newsletter/51649/en/> . Acessado em 4 de fevereiro de 2015.
HUBBARD, D. “How to measure anything”. New Jersey: Editora John Wiley & Sons, pp. 1 – 30, 2014.
SILVA, E.” Metodologia da pesquisa e elaboração de dissertação”. 3 ed. Florianópolis: UFSC, pp.20-
21, 2001;
KÖCHE, J. “Fundamentos de metodologia científica: teoria da ciência e iniciação à pesquisa”
Petrópolis: Editora Vozes, pág. 122, 2009.
GIL, A. “Como elaborar projetos de pesquisa”. São Paulo: Atlas, 1991;
JONES, G., GEORGE, J. “Fundamentos da administração contemporânea”. São Paulo: Editora
McGraw-Hill, pp.145 – 146, 2012;
CHIAVENATO, I. ”Administração”. Rio de Janeiro: Editora Elsevier, pp.171 – 172, 2010;
NEUMANN, J. "Zur Theorie der Gesellschaftsspiele", Mathematische Annalen 100, pp. 295 – 320, 1928.
WIKIPEDIA. “Era da Informação”. Wikipedia.
Disponível em < http://pt.wikipedia.org/wiki/Era_da_informa%C3%A7%C3%A3o>. Acessado em 4 de
fevereiro de 2015.
DAVENPORT, T; PRUSAK, L. “Conhecimento empresarial”. Rio de Janeiro: Editora Elsevier, pp. 5 – 6,
1998.
Gartner. “Gartner Says 4.9 Billion Connected “things” will be in use in 2015”. 2014. Disponível em <
http://www.gartner.com/newsroom/id/2905717> . Acessado em 4 de fevereiro de 2015.
MANYIKA,J., CHUI, M.,BROWN, B., BUGHIN, J., DOBBS, R., ROXBURGH, C., BYERS, A.H. “Big data:
The next frontier for innovation, competition, and productivity”. Mckinsey Global Institute. 2011.

11. 11
ZICOPOULOS, P.C., EATON, C.,DEROOS, D., DEUSTCH,T., LAPIS, G. “Understanding Big Data:
Analytics for Enterprise Class Hadoop and Streaming Data”. McGraw-Hill. 2012.
ECONOMIST INTELIGENCE UNIT. “Big Data: Lessons from de leaders”. The Economist. 2012.
MAYER-SCHONBERGER, V., CUKIER, K. “Big Data: A revolution that will transform how we live,
work, and think”. Houghton Mifflin Harcourt: 2013.
WORLD ECONOMIC FORUM. “Big Data, Big Impact: New Possibilities for International
Development”. World Economic Forum. 2012.
CLARO, D. “Dados da Web Atual”. Disponível em
<http://homes.dcc.ufba.br/~dclaro/download/matb10/Dados%20da%20Web%20Atual.pdf >. Acessado
em 05 de fevereiro de 2015.
_________. NBR-6022/2002: Informação e documentação – Referências - Rio de Janeiro: ABNT,
2002.
_________. NBR-6023/2002: Informação e documentação – Referências - Rio de Janeiro: ABNT,
2002.
_________. NBR 10520:2001: Informação e documentação – Apresentação de Citações em
Documentos: - Rio de Janeiro: ABNT, 2001.
_________. NBR 14724/2001: Informação e documentação - Trabalhos acadêmicos - Rio de
Janeiro: ABNT, 2001.