ESCOLA: CEEP IRMA DULCE

TURMA:1QUIMICA B
DISCIPLINA: INFORMATICA APLICADA
PROFESSOR DANIEL
DATA:04/04/2024
ALUNOS: WINDISON GOMES, DEIVERSON DE SOUZA, MARCOS KLEBERSON,
HILKIAS, WILSON.

BIG DATA

Conceito:

A grande revolução tecnológica dos últimos tempos, tornou possível de forma clara
identificar, quantificar, qualificar e agrupar informações e resultados empresariais.O Big
Data é um termo que se refere a um grupo de dados extremamente grandes e complexos,
que são difíceis de processar utilizando métodos tradicionais de processamento de
dados. Esses conjuntos de dados são tão vastos que se torna impraticável lidar com eles
usando ferramentas convencionais de gerenciamento de dados. Apesar de seu uso ter se
tornado mais frequente em tempos recentes, o termo Big Data nasceu ainda na década
de 1990.

Características:

1 – Volume;

Refere-se à quantidade massiva de dados gerados e armazenados diariamente. Isso

inclui dados de transações financeiras, registros médicos, mídias sociais, dispositivos
conectados à Internet, entre outros.

2 – Velocidade;

Relaciona-se à taxa em que os dados são gerados e processados. Com o aumento da

velocidade de geração de dados, as organizações precisam ser capazes de capturar,
processar e analisar essas informações em tempo real para obter insights valiosos.
3 – Variedade;

Refere-se à diversidade dos tipos de dados que estão sendo gerados. Isso inclui dados
estruturados (como bancos de dados tradicionais), dados semiestruturados (como e-
mails e documentos) e dados não estruturados (como mídias sociais, vídeos e imagens).

4 – Veracidade;

Refere-se à qualidade dos dados. Os dados precisam ser precisos, confiáveis e livres de
erros para garantir que as análises e decisões baseadas neles sejam precisas e confiáveis.

5 – Valor;

Refere-se à capacidade de obter insights úteis e acionáveis a partir dos dados. O valor
do Big Data está em sua capacidade de fornecer informações que levem a decisões
informadas e resultados positivos para as organizações.

6 – Variabilidade;

Refere-se à inconsistência nos dados ao longo do tempo. Os dados podem variar em

termos de formatos, estrutura e qualidade, e as organizações precisam ser capazes de
lidar com essa variabilidade para obter insights precisos.

7 – Visualização;

Refere-se à capacidade de representar os dados de forma compreensível e significativa

por meio de gráficos, dashboards e outras técnicas de visualização. A visualização de
dados é essencial para comunicar insights e padrões de forma clara e eficaz para
tomadores de decisão e outras partes interessadas.

Funcionamento:

Coleta De Dados;

Também chamada de aquisição ou gravação de dados, é a fase de reunir todo aquele

grande volume e diversidade de informações. Enquanto são coletadas, é necessário que
essas informações já passem por algum tipo de filtragem ou formatação, eliminando
erros e dados incompletos. Esse tipo de cuidado é fundamental para que não haja
prejuízo nas etapas seguintes, como pode acontecer no processo de análise, caso existam
dados corrompidos.
Integração Dos Dados;

Passado esse primeiro momento, é hora de integrar esses dados. Como eles são de
fontes, formatos e características diferentes, devem receber tratamentos específicos. É
aqui, portanto, que devem ser definidos critérios de validação, aceitação, segurança e
categorias dos dados, conforme as suas fontes.

Análise E Modelagem Dos Dados;

Trata-se de uma das fases mais importantes no Big Data, pois é onde os dados
começam a ganhar valor e se transformar em informação. Para isso, é necessário ter
profissionais capacitados e o suporte de tecnologias de inteligência artificial e machine
learning, que vão tornar esse trabalho mais ágil e assertivo.

Além disso, é importante também pesquisar novos tipos de visualização de dados para
que sejam feitas descobertas valiosas, que favoreçam uma melhor interpretação das
informações.

Os Tipos De Dados:

Dados das redes sociais: são normalmente capturados em forma não estruturada,
porém, estão se tornando cada vez mais atraentes para marketing e vendas. Dados
transmitidos ou streaming data: são aqueles que chegam aos sistemas de TI a partir de
uma rede de dispositivos conectados.
Fontes publicamente disponíveis: são os dados disponíveis em canais
públicos.Após a identificação da fonte dos dados, é preciso começar a considerar
as decisões a serem tomadas pela empresa com o uso dessas informações disponíveis

Informações Estruturadas e não Estruturadas no Big Data

Quando falamos de Big Data, é muito importante fazer uma distinção a respeito do que
são informações estruturadas e não estruturadas, pois essa diferença impacta
diretamente em todo o processo de coleta, integração, análise e interpretação de dados.
As informações estruturadas são aquelas possíveis de se categorizar com maior
facilidade, pois possuem um padrão mais rígido.Usando uma linguagem mais técnica,
são aqueles tipos de dados que podem ser colocados em linhas e colunas, como os
formulários, por exemplo.Em uma landing page, quando o usuário vai preencher um
cadastro, ele só precisa completar os campos, como nome, idade, e-mail, entre outros, e,
eventualmente, responde uma pergunta de sim ou não. Assim, é muito mais fácil extrair
informações desses dados, pois eles já estão estruturados. É diferente, por exemplo, de
um vídeo, uma imagem, um áudio, um e-mail ou qualquer outro tipo de texto em
que não há uma estrutura padrão.Todos esses exemplos de Big Data são de dados não
estruturados.Estima-se que cerca de 80% do conteúdo disponível na Internet seja de
dados não estruturados.

Exemplos de Aplicações do Big Data

A aplicação do processo pode trazer muitos resultados práticos para a sua empresa
Confira alguns exemplos de Big Data e entenda como esse conjunto de tecnologias
pode colaborar para a sua alta performance corporativa
Desenvolvimento de Produtos

Um dos principais benefícios que o processamento de dados e sua consequente

transformação em informações relevantes podem trazer para um negócio
é desenvolvimento de insights.A partir de uma análise massiva de redes sociais,
banco de dados de clientes e outros
tipos de materiais, a empresa consegue desenvolver produtos que atendam a
necessidade do seu público alvo com maior assertividade.

Eficiência Operacional
Essa talvez seja a implicação prática que o Big Data e suas tecnologias mais
agregam às empresas.Até pouco tempo atrás, os processos eram muito mais
burocráticos e manuais, o que, além de atrasar tomadas de decisões, também torna
qualquer ação muito mais passível de erros.

Experiência Do Cliente
Já faz um tempo que a experiência do cliente passou a ser um dos principais fatores
que levam uma pessoa a consumir e continuar consumindo de determinada marca.Com
o Big Data, ficou muito mais fácil dar a atenção e o valor que o seu público-alvo
espera.
Manutenção Preditiva
 Poucas falhas são de fato imprevisíveis, que acontecem mesmo quando todos os
cuidados necessários são tomados. Para a esmagadora maioria dos problemas, é possível
realizar uma manutenção preditiva e evitar transtornos futuros. Com o Big Data, você
consegue prevenir defeitos relacionados aos dados estruturados, como panes
mecânicas que têm a ver com o ano de fabricação ou o modelo do maquinário em
questão, por exemplo.Além disso, ao processar dados não estruturados, é possível
encontrar problemas em códigos de atualização de softwares e relatórios de sensores,
por exemplo. Tudo isso antes de essas falhas realmente acontecerem e atrasarem a
produção.

Fraude e Conformidade
Com tanta geração de dados, é preciso ter alguns cuidados para manter essas
informações (especialmente as relacionadas aos clientes) seguras e fora do
alcance dos criminosos virtuais.Com as tecnologias de Big Data, é possível encontrar
alguns padrões em dados que indicam algum tipo de fraude.Machine Learning
O conceito de Machine Learning pressupõe a capacidade de os softwares aprenderem
sem a interferência humana.A diferença, nesse caso, é a capacidade que as máquinas
têm de processar enormes volumes de dados com grande rapidez, como poucos seres
humanos podem fazer.O Big Data, portanto, é de onde vem a informação usada para o
aprendizado de máquinas.Na verdade, Machine Learning só faz sentido porque estamos
tratando de dados em volumes muito grandes.

Promoção De Inovação

As 5 Forças de Porter falam da ameaça causada por novos entrantes no mercado. Essa
é uma história que se repete: uma grande empresa hegemônica em seu segmento,
muito confortável com o sucesso de seus produtos, acaba desbancada por um negócio
disruptivo, idealizado em uma garagem ou por estudantes universitários.Antes da era do
Big Data, essa seria uma narrativa inacreditável, mas vemos que ela não só é possível
como vem se repetindo com relativa frequência.Isso porque, hoje, o sucesso está mais
do que nunca pautado na capacidade de inovar.

Por Que O Big Data É Importante?

Engana-se quem pensa que a importância do Big Data está relacionada apenas ao
volume de dados disponíveis.O que deve ser levado em consideração é o que você faz
com eles.Assim, podemos dizer que o Big Data é importante para ajudar as empresas a
analisar os seus dados e utilizá-los na identificação de novas
oportunidades..Obviamente, isso varia de acordo com o seu modelo de negócio, a
atividade exercida e as metas e objetivos traçados para a organização.Mas há benefícios
em comum ao alcance de todo o tipo de empresa.Entre eles estão: economia de
tempo, redução de custos, otimização de ofertas, fornecimento de novos produtos,
maiores lucros, clientes mais satisfeitos e decisões mais eficientes .Ainda é possível
combinar o Big Data Analytics, que ajuda a entender o que esse volume de informações
pode nos dizer.Juntos, eles conseguem atender às necessidades de empresas de vários
mercados.

Veja alguns exemplos de Big Data Analytics:Marketing: analisando o perfil do

consumidor, o seu comportamento, estilo de vida e preferências, o que facilita a criação
de novos produtos e uma comunicação mais direcionada:
Financeiro: prevenindo fraudes e realizando previsões de flutuações econômicas e
mercadológicas, o que torna o investimento mais seguro
Relacionamento e vendas: oferecendo produtos mais relevantes, com a fidelização dos
clientes e a diminuição de taxas de churn (cancelamento de clientes).

Quais São Os Principais Desafios Do Big Data?

Ainda que o Big Data seja uma realidade, estamos falando de uma série de tecnologias
que são relativamente novas e estão em constante evolução.Portanto, um dos principais
desafios do momento é capacitar profissionais para lidarem com a coleta, integração,
análise e interpretação de dados e se manterem atualizados sobre as principais
tendências do setor.Além disso, o volume de dados fica maior a cada dia.É preciso
encontrar novas alternativas para armazenar essas informações e fazer a curadoria delas,
pois de nada adianta ter o conteúdo e não saber extrair o que há de relevante nele.
Por fim, é importante haver cada vez mais políticas que regulamentem o acesso, o uso
e a privacidade dos dados.A Lei Geral da Proteção de Dados (LGPD) é um ótimo
começo, mas ainda há muito para evoluir.
 Como Aplicar O Big Data Com Sucesso?
Qualquer empresa tem muito a ganhar ao incluir o Big Data e suas tecnologias na
sua
rotina corporativa, mas é preciso tomar alguns cuidados para que essa aplicação seja
bem-sucedida .

1. Defina Os Objetivos Para A Análise De Dados

As empresas que usam o BD para orientar suas decisões fazem isso estrategicamente,
o que implica a definição de objetivos.Afinal, o Big Data não é um “oráculo”, ou uma
entidade toda-poderosa que tem respostas prontas para tudo. Para que produza
respostas, é preciso antes que haja uma finalidade estabelecida. No contexto dos
negócios, isso significa estabelecer metas que sejam preferencialmente SMART.

A partir disso, o próximo passo é saber de onde os dados serão extraídos,

considerando sua relevância para o atingimento das metas e com base em KPIs
consistentes.

2. Utilize Métricas Para Ajudar Nessa Definição

Antes de pensar em “como” a análise vai ser feita, foque no “que” será analisado.Se
estivermos lidando com uma solução voltada para clientes de um produto para o
mercado financeiro, talvez seja coerente analisar o histórico das taxas de juros das
últimas décadas.Ou, se a solução a ser desenvolvida for para o time comercial de uma
empresa, O mais importante é que os objetivos definidos tenham métricas que possam
dizer se eles estão ou não sendo atingidos, considerando os dados que estão sendo
processados.

3. Prepare Bem Os Dados

Como vimos, Big Data não é uma entidade de onde as respostas aos problemas são
obtidas instantaneamente.Na verdade, um dos mais árduos trabalhos a serem realizados
é a filtragem e formatação dos dados antes do processamento.Quando se trata de BD, é
preciso guardar uma importante lição: não é qualquer dado que serve. Não por acaso,
existem ferramentas desenvolvidas especificamente para auxiliar nessa
parte da aplicação do Big Data, como o Big Query, Oracle Database e MySQL, entre
outras.

4. Mergulhe Na Análise

Uma vez que os dados sejam submetidos a um primeiro tratamento e filtragem, podem
enfim começar a serem analisados com as ferramentas adequadas. Nesse caso, vale
observar que a análise em Big Data pode ser feita considerando quatro tipos de modelo:

• Preditivo: cuja finalidade é apontar para possíveis comportamentos e eventos,

dadas certas condições
• Prescritivo: em que se busca conhecer previamente as consequências das
decisões e o que fazer a partir de um cenário definido
• Descritivo: modelo usado para compreensão de um certo tipo de evento ou
conjuntura de fatores
• Diagnóstico: que tem como objetivo apontar para as causas de um fenômeno,
comportamento ou evento

5. Garanta Uma Melhor Visualização Dos Dados

Os resultados das análises de BD podem ser muito complexos de entender,

principalmente por pessoas leigas.Sendo assim, o analista precisa saber apresentar os
resultados de suas análises de forma que as partes interessadas possam compreendê-las,
não importa o quão instruídas sejam Para isso, podem ser usados diferentes tipos de
gráficos, como os de pizza, em barras ou os histogramas e organogramas, quando assim
se fizer necessário.

6. Encontre Os Principais Insights

A parte final da análise em Big Data é onde a “mágica” acontece e o gestor/analista

extrai os insights de negócio que vão fazer a diferença.Um bom exemplo disso foi
o famoso caso da UPS, que extraiu um insight muito simples depois de extensas
análises de dados com o software Watson.No caso, o objetivo era descobrir como
economizar combustível nas entregas e, depois de um minucioso trabalho, o que se
verificou foi que virar sempre à direita era a melhor opção.
Fonte: https://fia.com.br/blog/big-data/ acessado em 31/03/2024 às 14:12