beatriz alves da cruz · 2020. 7. 24. · 6 cruz, beatriz alves da.big data e business...
TRANSCRIPT
-
BEATRIZ ALVES DA CRUZ
BIG DATA E BUSINESS INTELLIGENCE:
COMO IMPULSIONAR UMA ANÁLISE DE DADOS
Rio Claro 2019
-
2
Rio Claro 2019
BIG DATA E BUSINESS INTELLIGENCE:
COMO IMPULSIONAR UMA ANÁLISE DE DADOS
Trabalho de Conclusão de Curso apresentado à Faculdade Anhanguera de Leme, como requisito parcial para a obtenção do título de Graduado em Tecnólogo.
Orientador: Jessica Lopes
BEATRIZ ALVES DA CRUZ
-
3
BEATRIZ ALVES DA CRUZ
BIG DATA E BUSINESS INTELLIGENCE:
COMO IMPULSIONAR UMA ANÁLISE DE DADOS
Trabalho de Conclusão de Curso apresentado à Faculdade Anhanguera de Leme, como requisito parcial para a obtenção do título de graduado em Tecnólogo.
BANCA EXAMINADORA
Prof. Esp. Willian Reis
Prof. Me. Leandro José da Silva de Paiva
Prof. Esp. Thiago Giroto Milani
Rio Claro, ____de Dezembro de 2019.
-
4
DEDICATÓRIA
Dedico esse trabalho para todas as pessoas que de uma
forma direta ou indireta contribuíram para sua realização.
-
5
AGRADECIMENTOS
Agradeço em primeiro lugar a Deus, por ter me dado à oportunidade de concluir
minha graduação.
-
6
CRUZ, Beatriz Alves da. Big data e business intelligence: Como impulsionar uma
análise de dados. 2019. 29 p. Trabalho de Conclusão de Curso Graduação Tecnólogo. – Faculdade Anhanguera de Rio Claro. 2019.
RESUMO
A competitividade do mercado exige que as organizações trabalhem seus dados de modo rápido e eficiente, para que sejam transformados em informações úteis para a tomada de decisão, com o objetivo de melhorar suas operações, reduzir custos e aumentar a produtividade. Assim sendo as tecnologias e ferramentas existentes, dentro da ciência de dados tem diversos exemplos de aplicações para Business Intelligence, e Big Data, mas o que deve ser deixado bem claro é que ambos podem atuar juntos com harmonia, gerando vantagem competitiva para as empresas. O objetivo é apresentar os benefícios da interação entre os serviços de big data e os procedimentos de business intelligence, analisando como as pesquisas relacionam business intelligence e big data; buscando mostrar oportunidades e desafios para o desenvolvimento da interação entre estes dois serviços; conceituar as vantagens da aplicabilidade destes recursos em uma busca de dados. O método deste trabalho foi uma revisão na literatura. Assim concluiu-se que nos autores pesquisados na realização deste trabalho, pode-se ver o BI coleta, organiza, transforma e disponibiliza de dados, estruturando na tomada de decisão e o Big Data, tem seu foco na de fornecer seus dados, processar as informações registrando em um banco de dados que pode ser acessado para estudo e futuros trabalhos. Palavras-chave: Business Intelligence. Big Data. Tecnologia. Empresas. Negócios.
https://www.cetax.com.br/blog/business-intelligence-bi/https://www.cetax.com.br/blog/business-intelligence-bi/
-
7
CRUZ, Beatriz Alves da. Big data and business intelligence: How to drive data analytics. 2019. 29 p. Course Conclusion Work Undergraduate Technologist. -
Anhanguera College of Rio Claro. 2019.
ABSTRACT
Market competitiveness requires organizations to work on their data quickly and efficiently so that it is transformed into useful decision-making information to improve operations, reduce costs, and increase productivity. So existing technologies and tools, within data science have many examples of applications for Business Intelligence, and Big Data, but what should be made clear is that both can act together in harmony, generating competitive advantage for companies. The objective is to present the benefits of the interaction between big data services and business intelligence procedures, analyzing how research relates business intelligence and big data; seeking to show opportunities and challenges for the development of interaction between these two services; conceptualize the advantages of the applicability of these features in a data search. The method of this work was a review of the literature. Thus it was concluded that in the authors researched in the accomplishment of this work, it is possible to see BI collecting, organizing, transforming and making available data, structuring in decision making and Big Data. Its focus is on providing your data, processing the information by logging into a database that can be accessed for study and future work. Keywords: Business Intelligence. Big data. Technology. Companies. Business.
-
8
LISTA DE FIGURAS
Figura 1 – 5Vs de Demchenko 13
Figura 2 – Modelo de pressões, reações, suporte de negócios 20
Figura 3 - Ciência de dados na tomada de decisão 21
-
9
SUMÁRIO
1 INTRODUÇÃO......................................................................................... 10
2 BIG DATA E OS PROCEDIMENTOS DE BUSINESS
INTELLIGENCE.......................................................................................
12
2.1 BIG DATA CONCEITO....................................................................... 12
3. OPORTUNIDADES E DESAFIOS PARA O DESENVOLVIMENTO
DA INTERAÇÃO ENTRE ESTES DOIS SERVIÇOS..............................
17
4. VANTAGENS DA APLICABILIDADE DESTES RECURSOS EM UMA
BUSCA DE DADOS...................................................................................
23
CONSIDERAÇÕES FINAIS....................................................................... 27
REFERÊNCIAS.......................................................................................... 28
-
10
1 INTRODUÇÃO
Business Intelligence está relacionado ao campo de análise de Big Data se
tornou cada vez mais importante em instituições empresariais nas últimas duas
décadas. Estudos do mercado tem destacado desenvolvimento significativo
As oportunidades associadas a dados e análises em diferentes organizações
ajudaram a gerar interesse significativo em BI, que é muitas vezes referida como as
técnicas, tecnologias, sistemas, práticas, metodologias e aplicações que analisam
dados críticos de negócios para ajudar uma empresa melhor entender seus negócios
e mercado e fazer negócios oportunos decisões. Além do processamento de dados
subjacente e tecnologias analíticas, o BI inclui os negócios práticas e metodologias
que podem ser aplicadas a várias aplicações de alto impacto, como e-commerce,
inteligência de mercado, governo eletrônico, saúde e segurança.
Esta introdução à edição especial trimestral do MIS sobre Business Intelligence
fornece uma visão geral deste campo emocionante e de alto impacto, destacando
seus muitos desafios e oportunidades.
Relacionar os recursos de mineração de dados para uma análise de precisão
de Big Data e ferramentas de Business Intelligence para concretizar a tomada de
decisões é uma opção, ou melhor, uma solução inteligente que uma empresa pode
buscar para obter sucesso?
Este trabalho é relevante por mostrar o Big Data e B.I. – Business Intelligence
são dois conceitos distintos que vem ganhando cada vez mais lugar no mercado.
Apesar de se tratar de formas de trabalho diferentes, ambos utilizam de dados e
estratégias como seu principal instrumento de trabalho.
Assim a justificativa pela escolha do tema se deu devido a enquanto B.I.
(Business Intelligence) estuda as informações presentes no dia a dia da empresa e
procura melhores estratégias, Big Data demonstra, através de estruturação de dados,
quais novos caminhos podem ser seguidos para alcançar mais lucro e eficiência.
Utilizar dos recursos da união entre Big Data e Business Intelligence torna-se
mais fácil para pequenas ou grandes empresas encontrar compradores ou
investimentos que se encaixem no seu perfil de negócios
O objetivo é apresentar os benefícios da interação entre os serviços de big data e
os procedimentos de business intelligence. E como objetivos específicos analisar como
as pesquisas relacionam business intelligence e big data; apresentar oportunidades e
-
11
desafios para o desenvolvimento da interação entre estes dois serviços; conceituar as
vantagens da aplicabilidade destes recursos em uma busca de dados.
A pesquisa refere-se à utilização do B.I. como instrumento estratégico e ao uso
do Big Data pelo mercado, e tem o caráter de um estudo exploratório. Para Roesch
(2007), a revisão de literatura ou pesquisa bibliográfica é uma das partes mais
trabalhosas e longas do projeto, visto que exige uma leitura apurada e análise para
designar textos significativos sobre o tema abordado.
O método deste trabalho foi uma revisão na literatura, onde buscou-se utilizar
principalmente estudos e pesquisa de institutos renomados como Gartner e McKinsey,
além de artigos científicos contendo fundamentação teórica sobre o tema e estudos
de casos de empresas ou segmentos empresariais que estão utilizando o Big Data e
Business Intelligence, realizando essa análise foi possível discorrer sobre tema com
um embasamento de casos práticos.
-
12
2 BIG DATA E OS PROCEDIMENTOS DE BUSINESS INTELLIGENCE
Na atualidade o Big Data tem despertado mais interesse nas pessoas que têm
algum envolvimento com atividades relacionadas à gestão da informação. Porém,
quem não se tem afinidade com a tecnologia da informação (TI), é possível encontrar
dificuldades para entender do que se trata. A princípio, podemos definir o conceito de
Big Data como conjuntos de dados extremamente amplos e que, por esse motivo,
necessitam de ferramentas preparadas para lidar com grandes volumes de dados, de
forma que toda e qualquer informação nesses meios possa ser encontrada, analisada
e aproveitada em tempo hábil. Com o aumento significativo da quantidade de dados
gerados pela internet e com o surgimento das mídias sociais, é necessário gerenciar
e armazenar as informações de maneira organizada. Esses dados podem ser
classificados em estruturados, não estruturados e semiestruturados com base no seu
gerenciamento e armazenamento (MORAIS, 2018).
2.1 BIG DATA CONCEITO
Segundo Lima (2011) o enorme desenvolvimento que atingiu de forma gradual
a tecnologia da Informação e Comunicação (TICs), veio colaborar para a ocorrência d
e uma revolução impactando o mundo igualmente quando ocorrido a revolução
industrial, sendo dessa forma as TICs se estruturando devido a suportes analógicos,
sofrendo uma ruptura na sua constituição tecnológica após a criação do transistor de
germânio em 1947, assim logo depois da invenção desse dispositivo, que veio
substituir a função da válvula no computador, surgiu uma nova era digital que mudou
o mundo nos últimos tempos transformando a sociedade principalmente no que diz
respeito ao barateamento de custo de produção desse dispositivo digital, baseado no
transistor de silício, cada vez menores.
Definir a BD, pela literatura pesquisa acadêmica e artigos foi uma forma mais
coerente de chegar a um consenso sobre o significado, em Goldman et al. (2012) o
BD é um tipo de processamento para grande volume de dados, que as ferramentas
tradicionais não conseguem lidar na velocidade pedida. Mas não é, portanto, um
volume específico, que faz a classificação desse fenômeno, ele ainda é marcado por
muitas características, como ser complexo e veloz em relação aos processamentos
convencionais (DEMCHENKO et al., 2013; PARK; LEYDESDORFF, 2013).
-
13
Dessa forma definição de “big” vem a ser analisada dentro de um contexto
individualizado, cujo volume muito grande de dados que se leva em conta em
determinado aspecto, não pode ser levado em outro. Essa classificação também
muda em relação ao tempo conforme demanda existente, em função de avanços e
capacidade de ferramenta que estão envolvidas, então relacionado ao Bd o que hoje
é pequeno pode ser grande amanhã (PARK; LEYDESDORFF, 2013).
Facilitando a sua classificação, alguns autores colocam que se tem um
fenômeno de BD quando o volume dos dados faz parte do problema de pesquisa
(PARK; LEYDESDORFF, 2013).
Os diversos desafios encontrados pelo BD, foram listados de início em 3 Vs:
volume (relacionado a tamanho e quantidade de dados), velocidade (em função do
dinamismo crescente e da forma de processamento dos dados) e variedade
(diferentes origens, forma e formato de dados) (DEMCHENKO et al., 2013). Mais tarde
agregou-se outros elementos a essa classificação o valore a veracidade dos dados
(autenticidade, reputação da origem, confiabilidade dos dados) passando a ser feita
uma classificação em cinco Vs do BD (DEMCHENKO et al. 2013), conforme a Figura
1.
Figura 1 - 5Vs de Demchenko
Fonte: Adaptado de DEMCHENKO et al. (2013)
Com o avanço da tecnologia e a utilização cada vez maior da internet em todo
-
14
o mundo, torna-se necessário aprimorar os serviços prestados pela tecnologia da
informação (TI). Diante desse contexto, os conceitos conhecidos como Big Data e
Internet das Coisas (IoT, do inglês Internet of Things) ocupam um papel de destaque
nas discussões relacionadas aos avanços em diversas áreas. Tanto o tratamento de
grandes volumes de dados (Big Data) quanto a conectividade de dispositivos
auxiliando no cotidiano das pessoas (IoT) são temas recentes e que têm muito a
evoluir em termos de discussões das suas aplicações (MORAIS, 2018)
A Intel fabricante do processador de uso doméstico, “contém 291 milhões de
transistores e cada um deles tão pequeno que 1.400 cabem no diâmetro de um fio de
cabelo humano ” (LIMA, 2011).
Em meio a todo esse aparato digital em meio a computadores, máquinas sendo
movimentadas por meio de tecnologia computacional, celulares e outros dispositivos
móveis, os “chips”, armazenam dados e ganharam um canal para vazão desse
processamento, que são as conexões em rede digital a web. Essa forma de tecnologia
espalhou-se pela sociedade, ocasionando impacto no comportamento e em negócios
no geral, atingindo a mídia (LIMA, 2011).
Para Bughin (2011) no mundo dos negócios os empresários buscam pela
tecnologia Big Data, quando sentem a necessidade de estar em alta dentro do
mercado em um determinado nicho, ou quando se sentem ameaçados e precisam agir
com urgência, mas identificar essas oportunidades e ameaças pode ser difícil, um
exemplo relatado pelo autor é sobre um caso de “uma empresa de telecomunicações
europeia que aumentou sua participação no mercado e criou um sistema onde fosse
possível identificar os motivos que poderiam levar seus clientes a optar por outra
empresa” para que isso acontecesse foi analisado uma série de problemas que
ocorriam devido ao constante crescimento de informações disponibilizadas pelos
próprios usuários em mídias sociais e canais de comunicação web da empresa
(BUGHIN , 2011).
Para Lima (2011) com o custo menor das máquinas e equipamentos de
informática (processamento e memória) vê-se que existe um envolvimento na forma
de desenvolvimento e pensar sobre o ideal de manipulação dentro da sociedade em
meio a essas mudanças ocorridas. A era do Big Data veio com diferente modelo
dispositivo usado para capturar e armazenar dados (sensores, câmeras fotográficas
e de vídeo, celulares, pen-drives, flash memory, discos rígidos externos, etc.), que
criam uma quantidade de dados, difícil de ser imaginada e que está sendo
-
15
disponibilizadas na web, contribuindo o aumento do armazenamento dos dados.
O “Big Data” se refere a um conjunto de dados (dataset), onde o seu tamanho
vai muito além da sua habilidade de ferramentas típicas usadas para capturar,
gerenciar e analisar informações recebidas, essa definição, é de forma intencional
subjetiva e incorpora uma definição móvel de como um grande conjunto de dados
necessita a fim de ser considerado Big Data (LIMA, 2011).
Não se define Big Data em termos de ser maior do que certo número de
Terabytes (milhares de Gigabytes), essa tecnologia evolui e aumenta em meio ao
tempo com o tamanho dos datasets que quantificado como Big Data também aumenta
(SANTOS e RAMOS, 2006)
Para Morais (2018) as tecnologias que sustentam a aplicação de Big Data
podem ser categorizadas sob duas perspectivas, as ferramentas de análise (analytics)
e as tecnologias de infraestrutura, que servem para processar e armazenar os grandes
volumes de dados. Big Data não se resume a um grande volume de dados não
estruturados, mas também inclui as tecnologias que possibilitam o processamento e
a análise dos dados. A tecnologia associada a Big Data possibilita a criação de
modelos estatísticos que servem para otimizar e prever os dados como: Hadoop:
plataforma de software em Java de computação distribuída voltada para clusters e
processamento de grandes volumes de dados, com suporte a tolerância a falhas; Map
Reduce: é um framework desenvolvido pela Google para suportar computações
paralelas em grandes coleções de dados em clusters de computadores; Linguagens
de script: linguagens de programação adequadas a Big Data, como Python; Visual
Analytics: método de análises em grandes volumes de dados com saída em formato
visual ou gráfico; Processamento de linguagem natural (PLN): conceito de inteligência
artificial que permite a análise de textos; Inmemory analytics: processamento de Big
Data realizado na memória do computador com o objetivo de aumentar a velocidade
das análises.
No que se refere à infraestrutura, as arquiteturas de hardware atuais auxiliam
no processamento de dados com serviços especializados para Big Data. O advento
da tecnologia Inmemory analytics colabora muito com a velocidade de
processamento, pois evita que os dados sejam armazenados em disco.
Cearley (2013) montou uma lista baseada no potencial de cada tecnologia,
levando em consideração tecnologias que estão prestes a sofrer uma elevação, Big
Data foi citada entre as dez primeiras tendências de tecnologias estratégicas com o
-
16
poder de afetar empresas e pessoas.
O B. I. proporciona compreender a comunicação da organização com o
ambiente tanto interno, quanto externo, apontados pelo sistema, através da análise
de comportamentos, similaridade com os padrões e avaliação das exceções (LIMA,
2011).
Segundo Park; Leydesdorff (2013) pesquisa em quantidade relacionada a
volumes de dados não são uma novidade, já na década de 70 muitos autores já
passaram a pesquisar e investigar os métodos de processar dados, nos anos 90 por
meio de estudos começou-se a desenvolver a modelagem e o desenvolvimento de
software para grandes volumes de dados. Nos anos de 2000, o salto em pesquisa e
possibilidade de técnica de processamento, armazenagem e transmissão de dados,
explodiu em fenômenos baseado em geração dados elevando a um precedente
imenso a história da humanidade. Assim o BD não indica um fenômeno, com
elemento novo, mas um conjunto de questão, mais nova e clássica que foram sendo
combinada com a sociedade e o desenvolvimento tecnológico.
-
17
3. OPORTUNIDADES E DESAFIOS PARA O DESENVOLVIMENTO DA INTERAÇÃO
ENTRE ESTES DOIS SERVIÇOS
Uma das necessidades explícitas da sociedade atual é aprender a lidar com a
tecnologia. Apesar de isso transparecer como algo natural, na verdade, não o é, tendo
em vista que, com o passar dos tempos, a própria tecnologia foi sendo moldada para
atender à alta demanda social. Antes, os primeiros recursos tecnológicos que envolviam
uso de eletricidade tinham pouquíssimas funcionalidades — isso quando não se
limitavam a apenas uma. Se voltarmos um pouco no tempo, quando os primeiros
recursos computacionais começaram a ser desenvolvidos, vemos que o maior objetivo
(MORAIS, 2018).
Joe Hellerstein, cientista de computação na University of California, em
Berkeley (USA), identifica esse fato como a revolução industrial do armazenamento
de dado, um efeito que esta perceptível no mundo todo, envolvendo os negócios, a
ciência, os governos e às artes, dessa forma deram um novo significado para definir
esse termo que chamou-se Big Data (BUGHIN, 2011).
Segundo o chief executive officer da HewlettPackard, Mark Hurd, no ano de
2009, já seria notado o imenso volume de dados sendo criado até 2013 dentro do
planeta, ele ainda informou na época que foram 281 Exabytes de dados online em
2009 (BUGHIN , 2011).
Um outro exemplo citado por Lima (2011) foi o volume de dados criado e
disponibilizado no caso WikiLeaks, que se tornou famoso por colocar à disposição de
sete organizações de notícias informações sobre a guerra do Iraque e conversas
diplomáticas, liberando o acesso a cerca de 400 mil documentos militares.
Entende-se assim que toda essa mudança e transformação ocorrida no mundo
da informação tem uma estrutura relacionada a capacidade de se armazenar dados e
transmiti-los via web por meio de diversos dispositivos que facilitam o envio de dados,
o uso de conteúdo de relevância social, usando o Big Data criou meios de colocar a
informação em diversos caminhos: criando transparência (órgãos públicos);
habilitando descobertas experimentais, criando segmentações (exemplo: dados
personalizados); substituindo/auxiliando processos de decisão (algoritmos) e
inovando nos modelos de negócio (LIMA, 2011).
Estas análises podem constituir-se num apoio fundamental para a formulação
de estratégias de fidelização dos bons clientes da empresa, maximizando os lucros
-
18
que daí advém e evitando os custos com campanhas mal direcionadas. Por outro lado,
as análises à informação sobre os processos internos da empresa poderão ajudar os
decisores a descobrir ineficiências e oportunidades de inovação, apoiando a
redefinição de práticas de trabalho de forma a assegurar que as metas e objetivos da
empresa são atingidos (SANTOS e RAMOS, 2006, p. 59).
Ou seja, conforme Santos e Ramos (2006), contanto que existam informações
memorizadas ao decorrer do tempo, é possível capturá-las com os estudos do OLAP
e do Data Mining.
Novamente, Santos e Ramos (2006), a economia do conhecimento de uma
instituição está especialmente vinculada à sua eficácia para ir ao encontro das
imposições e interesses dos consumidores, à sua maleabilidade para se ajustar às
modificações dos mercados, e à sua eficiência para manipular o desempenho do
mercado pela inovação de procedimentos, produtos e serviços, obtendo a vantagem
competitiva.
Desta forma, ainda Santos e Ramos (2006), os gestores tem a necessidade de
um instrumento como o B.I. para sintetizar a organização, considerando padrões,
desvios, provendo diagnósticos fundamentais no decorrer do processo de tomada de
decisão e identificando oportunidades em um ambiente instável.
Um relatório pelo McKinsey Global Institute (Manyika et al. 2011) previu que até
2018, os Estados Unidos enfrentarão uma escassez de 140.000 a 190.000 pessoas
com profundos conhecimentos analíticos, bem como um déficit de 1,5 milhão de
gerentes com conhecimento de dados com o know-how para análise big data para
tomar decisões eficazes.
Hal Varian, economista-chefe do Google e professor emérito da Universidade
da Califórnia, Berkeley, comentou as oportunidades emergentes para profissionais e
estudantes de TI na análise de dados da seguinte forma: Então, o que está ficando
onipresente e barato? Dados. E o que é complementar aos dados? Análise. Então
minha recomendação é fazer muitos cursos sobre como manipular e analisar dados:
bancos de dados, máquinas aprendizagem, econometria, estatística, visualização e
assim por diante (BUGHIN, 2011).
A tecnologia tem sido um mecanismo primário motivacional de mudanças na
indústria e sociedade, assim durante o desenvolvimento da história, a tecnologia foi a
determinante maior de colaboração na forma de serem transferidas informações entre
pessoas. Assim Bughin (2011) coloca que a partir do evento da invenção dos tipos
-
19
móveis de Gutenberg, o uso do telégrafo, o telefone e o aumento do rádio e televisão.
Sendo inegável que a tecnologia seja uma fundação derivada da nossa própria
capacidade de produzir e transmitir informação, reunindo assim a capacidade de
armazenamento, gerenciamento, recuperação e informação. Quando mais essa
tecnologia avança, a habilidade para produzir e disseminar informação, geralmente,
melhora a padronização dos procedimentos.
A era tecnológica possui como característica forte os dados, que são gerados
pelos diversos contextos sociais. Esse movimento trouxe diversas possibilidades na
descoberta de novos valores tanto aos produtos quanto aos serviços oferecidos pelas
grandes corporações. É nesse ponto que a ciência de dados se relaciona com outras
tecnologias, como a Business Intelligence (BI) (MORAIS, 2018).
Segundo Morais (2018) devido à grande diversidade de situações, dos tipos de
dados e das necessidades das empresas, podemos dizer que essa ciência consegue
lidar com os dados independentemente da maneira como eles estejam sendo
apresentados devido à sua multidisciplinaridade. Assim sendo, sua aplicação é
trabalhada com tecnologias e ferramentas apropriadas, como uso de técnicas
estatísticas, aprendizado de máquina, análise de dados utilizando as linguagens
Python e R, plataformas fundamentadas na nuvem, entre outros conforme a figura 2
que contextualiza bem ações presentes no cotidiano das corporações ao longo dos
anos.
Figura 2 – Modelo de pressões, reações, suporte de negócios
Fonte: Turbnan et al. (2012)
-
20
Ao se olhar de um jeito mais atento, encontra-se a aplicação de processos e
técnicas apropriadas para categorizá-los, dessa forma é importante ressaltar que
essas metodologias podem ser aplicadas a diversos contextos e com objetivos
diferentes. Muitas vezes, quando mencionamos coleta de dados, temos a sensação
de que são dados oriundos apenas do mundo externo do negócio. Porém, a ciência
de dados se aplica tanto ao conjunto de dados internos da empresa quanto aos
externos (PROVOST; FAWCETT ,2016).
Devido à globalização, os consumidores passaram a demonstrar maior
necessidade diante das funcionalidades que os recursos tecnológicos vinham, e vem,
disponibilizando, de acordo com a demanda novas leis regulamentárias também
passaram a fazer parte desse contexto.
Toda novidade, que surge mediante a demonstração de sua necessidade; de
estarmos atualmente, sempre sendo pressionados pela possibilidade de que haja
oportunidades em diversas vertentes do negócio. Com a competitividade, toda nova
metodologia ou ideia passa a ser considerada válida quando o objetivo é trazer
sucesso ao negócio e, consequentemente, aos seus processos. A aplicação da
ciência de dados deve ocorrer de forma conveniente aos negócios, já que o principal
objetivo é o de prever os próximos passos que podem ser tomados. Por esse motivo,
os dados se fazem tão presentes na tomada de decisões atualmente dentro de uma
empresa (TURBNAN et al. 2012).
Os grandes conjuntos de dados (Big Data) gerados pelas pessoas e empresas
diariamente possuem um potencial de melhorias em diversos segmentos de negócios.
Porém, a evolução das técnicas de análise é o gargalo que impede tomadas de
decisões mais eficazes para os negócios. O processo de descoberta do conhecimento
é uma abordagem que sistematiza em etapas a realização dessas análises (MORAIS,
2018)
Para tomar essa decisão, você estabelece suas próprias possibilidades diante
de todo um contexto, como, por exemplo, se irá sobrar crédito ou dinheiro para as
demais compras ou contas do mês. Você pode associar uma situação do seu cotidiano
como essa, que, por acontecer diretamente com você, tem uma pequena dimensão,
às mesmas decisões sendo tomadas por uma empresa, que lida com negócios
enormes e com diversos processos simultâneos (TURBNAN et al. 2012).
De acordo com Provost e Fawcett (2016), a figura 3, a ciência de dados (ou
data science) se insere no contexto de diversos outros processos intimamente
-
21
associados e relacionados com dados na organização e se distingue de outros
aspectos do processamento de dados que estão ganhando cada vez mais atenção
nos negócios.
Figura 3 - Ciência de dados na tomada de decisão
Fonte: PROVOST e FAWCETT (2016)
O mundo contemporâneo conforme Provost e Fawcett (2016) está sujeito a lidar
com acentuadas transições, não só tecnológicas, mas também políticas, sociais e até
mesmo econômicas. A cada dia que passa, novas descobertas em todos os setores
afetam todos os ciclos nos quais elas estão imersas. Com isso, surgem, também,
novos padrões e mudanças potenciais, as quais trazem uma maior dificuldade no
processo de tomada de decisões. Quando você vai realizar uma compra, geralmente,
você se questiona sobre como irá realizar o pagamento daquele produto, e as lojas,
para não perder os clientes, oferecem várias opções de pagamentos. Você, como
cliente, tem que decidir se vai dividir em mais vezes, com juros, ou em menos vezes,
apesar de o valor das parcelas, logicamente, ser maior nesse último caso.
Ainda sob o ponto de vista dos autores, a tomada de decisão orientada por
dados (DOD) refere-se à prática de basear as decisões na análise dos dados, em vez
de apenas na intuição. Por exemplo, um negociante poderá selecionar anúncios
-
22
baseado puramente em sua longa experiência na área e em sua intuição sobre o que
funcionará; além disso, pode basear sua escolha na análise dos dados sobre a forma
como os consumidores reagem a diferentes anúncios ou utilizar uma combinação
dessas abordagens.
-
23
4. VANTAGENS DA APLICABILIDADE DESTES RECURSOS EM UMA BUSCA DE
DADOS
Em Morais (2018), vê-se que as tecnologias que sustentam a aplicação de Big
Data podem ser categorizadas sob duas perspectivas, as ferramentas de análise e as
tecnologias de infraestrutura, que servem para processar e armazenar os grandes
volumes de dados. Big Data não se resume a um grande volume de dados não
estruturados, mas também inclui as tecnologias que possibilitam o processamento e
a análise dos dados.
No que se refere à infraestrutura, as arquiteturas de hardware atuais auxiliam
no processamento de dados com serviços especializados para Big Data. O advento
da tecnologia In-memory analytics colabora muito com a velocidade de
processamento, pois evita que os dados sejam armazenados em disco (MORAIS,
2018).
Vivemos no século XXI e, no contexto dos negócios, as previsões acabam
sendo o ponto forte das empresas. Mas não estamos falando de previsões de sorte,
com cartomantes ou videntes; falamos de tecnologias que usam seus poderosos
algoritmos para fazer previsões de negócios. Quando falamos sobre essas
estimativas, estamos ressaltando ainda mais a importância do dado, já que todo seu
ciclo de vida complementa o investimento em tecnologias tanto inseridas em
ferramentas quanto em metodologias no mundo corporativo (TURBNAN et al. 2012).
A concepção de um dado pode ser oriunda das mais diversificadas fontes: no
nosso caso, produzimos dados em praticamente toda ação que desempenhamos por
meio de algum recurso tecnológico, pois, quando nos conectamos à rede, nossas
informações começam a ser obtidas imediatamente, seja por um login em algum site
ou até mesmo pelas permissões que damos ao fazermos download e instalarmos
algum aplicativo. Porém, algumas fontes de dados não podem estar susceptíveis a
variações ou sofrer outros danos, ou seja, deve haver certa estrutura para receber os
dados (PRIMAK, 2008).
Não podemos esquecer que existem regras empresariais que acompanham (ou
pelo menos tentam acompanhar) todo esse processo. Por isso, por exemplo, existem
tipos de dados que ficam armazenados por muito mais tempo que outros, e essa
decisão cabe à empresa.
-
24
Enquanto as análises realizadas por tecnologias Big Data, ou seja, que lidam
com grandes volumes de dados, norteiam as empresas diante de novos desafios por
meio da estruturação dos dados, a Business Intelligence traz a interpretação dessas
informações presentes nos processos empresariais, contribuindo para a formulação
de novos cenários (BRAGHITTONI, 2017).
Business Intelligence (BI), que, em livre tradução, significa inteligência do
negócio ou inteligência empresarial, pode ser considerado como um conjunto de
soluções que envolvem aplicações, bancos de dados, metodologias, arquiteturas e
ferramentas que permitem a transformação de dados brutos em informações
gerenciais (TURBAN et al., 2009). Esse acesso, que, por vezes, deve ser em tempo
real, permite que analistas, gerentes e diretores consultem dados históricos e atuais
sobre o movimento e o desempenho das organizações, servindo de base para a
tomada de decisão.
Quando falamos de dados, podemos deparar-nos com outros termos, como:
Big Data: se associa a grande volume de dados que são processados por ferramentas
específicas, já que ferramentas tradicionais, como planilhas e anotações vagas, não
possuem suporte suficiente e eficaz para processá-las. Podemos associar esse
conceito a volume, velocidade de atualização e variedade dos formatos. Data
warehouse: é um tipo especializado de banco de dados que reúne dados de um banco
de dados de transações, de modo que eles possam ser analisados (TURBAN;
VOLONINO, 2013).
Business Intelligence (BI), quer dizer adquirir dados e informações (e, talvez,
conheci-mento) de uma grande variedade de fontes, organizá-los em um data
warehouse e usá-los na tomada de decisões (TURBAN; VOLONINO,2013).
Um conceito simplificado de BI é apresentado por Turban et al. (2009, p. 27),
que destacam que “O processo de BI se baseia na transformação de dados em
informações; depois, em decisões; e, finalmente, em ações”. Porém, quando se trata
de transformação de dados em BI, considera-se um enorme volume de dados brutos
que são manipulados.
A competitividade do mercado exige que as organizações trabalhem seus
dados de modo rápido e eficiente, para que sejam transformados em informações
úteis para a tomada de decisão, com o objetivo de melhorar suas operações, reduzir
custos e aumentar a produtividade. Com o apoio da tecnologia, mais especificamente
-
25
das ferramentas de BI, essas informações chegam às mãos de gerentes e diretores
mais rapidamente, sem desprezar a confiança e a legitimidade nos dados que são
apresentados (PRIMAK, 2008).
Junto às tecnologias e ferramentas existentes, a ciência de dados tem diversos
exemplos de aplicações. Dentre eles, podemos citar algumas aplicações abstratas
mais específicas, como a busca pela fidelização do cliente ao negócio, por meio de
análise de suas necessidades específicas, e programas voltados a atendê-las
(MORAIS, 2018).
Pode até ser que seja um pouco confuso, entender qual o papel de cada peça
dentro de uns quebra-cabeças, mas o que é preciso compreender realmente é o que
significa Business Intelligence, e Big Data, para poder deixar mais claro a forma de
atuação dos dois juntos e como eles trabalham harmoniosamente juntos. Em Godoi
(2018) o autor define Business Intelligence como uma técnica de extração de
inteligência em relação ao negócio de uma empresa, complementando ainda que
Inteligência de Negócios, é a forma om que se captura e transforma dados em
informações, usando ferramentas que permitem extrair inteligência. Assim sendo o
Business Intelligence ou em português Inteligência de Negócios, vem a ser um
procedimento de coleta, organizado, para ser analisado, compartilhado e monitorado
por meio de informação que traga suporte para as operações de negócios, assim o BI
explica os dados que já ocorreram, o objetivo do BI é interpretar do dados auxiliando
os processos de gestão a identificar oportunidades de negócios novos, e implementar
estratégias com base nos dados obtidos para assim realizar a promoção de vantagem
competitiva no mercado e estabilidade a longo prazo (GODOI, 2018).
Na prática, isso ocorre quando, por exemplo, o supermercado onde você realiza
compras e que, na maioria das vezes, faz parte de uma grande rede, oferece
descontos em produtos específicos, seja por meio de um aplicativo, os quais possuem
como objetivos obter uma maior quantidade de dados dos clientes (como
geolocalização, gostos pessoais, dentre outros) ou até mesmo por outras formas. As
facilidades tecnológicas trazem, também, uma maior frequência de tentativas de burlar
o sistema, ou seja, por meio de diferentes tipos de análises aplicadas dentro de uma
empresa, a detecção de fraudes se torna mais eficiente, evitando, assim, a
minimização dos déficits que podem ser causados (TURBAN et al., 2009).
A aplicação das tecnologias disponíveis no mercado aos Sistemas de
Informação, tem como base os modelos já relatados e implicam em fazer com que as
https://www.cetax.com.br/blog/business-intelligence-bi/https://www.cetax.com.br/blog/business-intelligence-bi/
-
26
inovações do século XXI, possam ser vistas dentro dos sistemas de informação e
tecnologia com os mesmos objetivo e foco, de informação executivas ou inteligentes.
-
27
CONSIDERAÇÕES FINAIS
Ao verificar a importância da tecnologia em tempos atuais, se vê que enquanto
que Big Data, tem seu foco na exatidão com que o sistema de BI fornece seus dados,
o BD tem foco em processar as informações registrando em um banco de dados que
pode ser acessado para estudo e futuros trabalhos dentro do posicionamento do BI.
Assim enquanto um foca na estratégia de negócios o outro foca no caminho e
na correção de grande volume de dado a ser registrado em tempo hábil, o
processamento dos dados em busca de correlações e descobertas gerando para a
empresa vantagens competitivas.
Dessa forma no decorrer da pesquisa feita pode-se ver a facilidade e que os
grandes conjuntos de dados (Big Data) gerados pelas pessoas e empresas
diariamente possuem, como um potencial de melhorias em diversos segmentos de
negócios, mas entende-se que essa evolução das técnicas de análise é o gargalo que
impede tomadas de decisões mais eficazes para os negócios empresariais.
Os objetivos pretendidos no início do trabalho a serem alcançados no decorrer
da pesquisa, foram atingidos, em relação ao entendimento e informações obtidas que
pudessem esclarecer quanto ao uso e funcionamento do B.I. como instrumento
estratégico e ao uso do Big Data pelo mercado.
Analisando, os autores pesquisados na realização deste trabalho, pode-se ver
o BI tem seu objetivo em torno da coleta, organização, transformação e
disponibilização de dados, que devem ser estruturados para auxiliar a tomada de
decisão, dando acesso mais rápido a determinados contexto para que as empresas
possam trabalhar mais rápido e serem mais competitivas. Criando insights e
tendências para que seus gestores, criem diretrizes mais eficazes e eficiente na busca
de resultados positivo para a empresa. Como sugestão de futuros trabalhos podem
ser realizadas mais experiência em relação ao conhecimento e aproveitamento da
Inteligência Artificial a serviço do ser humano.
-
28
REFERÊNCIAS
BUGHIN, J; LIVINGSTON, J; Marwaha, S. Seizing the potential of ‘big data’.
McKinsey Global Institute. 2011. BRAGHITTONI, R. Business Intelligence: implementar do jeito certo e a custo zero. São Paulo: Casa do Código, 2017.
CEARLEY, D; CLAUNCH, C. The Top 10 Strategic Technology Trends for 2013.
Gartner. 2013. DEMCHENKO, Y., et al. Addressing big data issues in scientific data infrastructure. In: First International Symposium on Big Data and Data Analytics in Collaboration (BDDAC 2013). Part of the 2013 International Conference on Collaboration Technologies and Systems (CTS 2013), San Diego, USA, 2013.
http://dx.doi.org/10.1109/cts.2013.6567203. GODOI, D. Diferença entre business intelligence, data warehouse, data science e big data. 2018. Disponível em:< https://www.cetax.com.br/blog/diferenca-bi-dw-
data-science-big-data/ >. Acesso em: 23 out. 2019. GOLDMAN, A., et al. Apache hadoop: conceitos teóricos e práticos, evolução e
novas possibilidades. In: XXXI Jornadas De Atualizações Em Informática, 2012. LIMA JUNIOR, W. T. Jornalismo computacional em função da “Era do Big Data”.
2011. LÍBERO – São Paulo – v. 14, n. 28, p. 45-52, dez. de 2011. Disponível em :< http://seer.casperlibero.edu.br/index.php/libero/article/view/329/303>. Acesso em 15 set. 2019. MANYIKA, J., CHUI, M., BROWN, B., BUGHIN, J., DOBBS, R., ROXBURGH,C., E BYERS, A. H. “Big Data: A Próxima Fronteira para Inovação, Competição e Produtividade”, McKinsey Global Instituto. 2011.
MORAIS, I. S de; GOLÇALVES, F.; LEDUR, C. L.; CÓRDOVA, M. de O. JUNIOR.; SARAIVA, M. de O. Introdução a Big Data e Internet das Coisas (IoT). Revisão
técnica: Maria de Fátima Webber do Prado Lima. [Recurso eletrônico] / Izabelly Soares de Morais... [et al.] ; [revisão técnica:]. – Porto Alegre: SAGAH, 2018. PARK, H.; LEYDESDORFF, L. Decomposing social and semantic networks in emerging “big data” research. Journal of Informetrics, v. 7, n. 3, p. 756-765, 2013.
http://dx.doi.org/10.1016/j.joi.2013.05.004. PRIMAK, F. V. Decisões com BI (Business Intelligence). Rio de Janeiro: Ciência Moderna, 2008. PROVOST, F.; FAWCETT, T. Data Science para negócios: o que você precisa saber sobre mineração de dados e pensamento analítico de dados. Rio de
Janeiro: Alta Books, 2016
http://dx.doi.org/10.1109/cts.2013.6567203https://www.cetax.com.br/blog/diferenca-bi-dw-data-science-big-data/https://www.cetax.com.br/blog/diferenca-bi-dw-data-science-big-data/http://seer.casperlibero.edu.br/index.php/libero/article/view/329/303http://dx.doi.org/10.1016/j.joi.2013.05.004
-
29
SANTOS, M. Y.; RAMOS, I. Business Intelligence: Tecnologias da informação na gestão do conhecimento. Lisboa: FCA – Editora de Informática, 2006. TURBAN, E. et al. Business Intelligence: um enfoque gerencial para a inteligência do negócio. Porto Alegre: Bookman, 2009.
TURBAN, E.; VOLONINO, L. Tecnologia da informação para gestão: em busca do melhor desempenho estratégico e operacional. 8. ed. Porto Alegre: Bookman,
2013.