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.