14:55 | 26/07/2017

Série Pilares da Indústria 4.0 (parte 1 de 9) - Big Data e Analytics

O Big Data é a conversão de dados não-estruturados (como um tuíte ou um post no Facebook) para dados estruturados, ou seja, informações de alta relevância para negócios.

O que é: Habilidade de coletar, armazenar e analisar grandes quantidades de dados, gerados pelas mais variadas fontes digitais (sistemas internos de empresas redes sociais, transações comerciais, informações transmitidas de máquina a máquina etc.) e que, entre outros benefícios, podem ser usados para identificar ineficiências e problemas no gargalo da produção e interferir na tomada de decisão.

Em outras palavras, o Big Data é a conversão de dados não-estruturados (como um tuíte ou um post no Facebook) para dados estruturados, ou seja, informações de alta relevância para negócios. É, também, uma das nove tecnologias que estão transformando a produção industrial e foram apontadas como os pilares da Indústria 4.0 em um relatório sobre avanço tecnológico do Boston Consulting Group.

Fonte: shutterstock

O Big Data é melhor entendido pelos conceitos de 3 Vs ou 5 Vs — o número varia conforme a abordagem. Os três primeiros referem-se a Volume (quantidade de dados não-estruturados disponíveis para serem utilizados e analisados), Velocidade (geração de novos dados por segundo na internet e análise) e Variedade (diversidade de formatos, como e-mail, vídeo, áudio etc.); os outros 2Vs equivalem a Veracidade (importância de a informação ser verdadeira, o que demanda análises e estatísticas volumosas) e Valor (possibilidade de gerar valor a partir do que foi coletado).

Os Vs do Big Data funcionam sempre articulados entre si, ou seja, relacionados uns com os outros. Isso porque se há variedade de fontes, necessariamente haverá volume grande de dados que demandará aumento de velocidade de análise.

A análise correta dos dados é de extrema importância para sua geração de valor. O Gartner Group, referência mundial em pesquisas de TI, diz que há quatro tipos de análise de Big Data: descritiva, diagnóstica, preditiva e prescritiva. Somente uma equipe especialista na área é capaz de transformar as informações em ferramentas e estratégias.

Origem: Coleta massiva de dados vem sendo feita há décadas, mas o termo Big Data ganhou força, a partir dos anos 2000, com sua articulação com os 3Vs, graças aos novos patamares alcançados em termos de volume, velocidade e variedade de dados (uma decorrência da digitalização e da expansão da internet). Em 2012, a IBM reportou que 90% de todos os dados do mundo tinham sido criados nos últimos dois anos e que 2.5 bilhões de gigabytes haviam sido gerados diariamente naquele ano.

Objetivos: Gerar inteligência de negócios e vantagem competitiva; avaliar e melhorar aspectos de um negócio como produção de manufaturas, gerenciamento de logística e experiência dos usuários; obter informações sobre o mercado desejado; identificar potenciais consumidores e seus hábitos de compra para segmentá-los de acordo com seus perfis e definir melhores formas de interação e customização de ofertas e mapeamento dos pontos de interação entre consumidores e a empresa, entre outros.

Desafios: Como o volume de dados é muito grande, há risco de que ultrapasse a capacidade de armazenamento e processamento das plataformas. Existe também uma dificuldade de mão-de-obra, devido à escassez de especialistas no mercado. Garantir a privacidade dos usuários e a segurança dos dados (para evitar roubo de informações) são outros desafios.

No Brasil: Em 2015, os mercados de Big Data e Analytics geraram no Brasil, no México e na Colômbia uma receita combinada de US$ 538,3 milhões, segundo o estudo Analysis of Big Data and Analytics Market in Latin America, da empresa de consultoria e pesquisas Frost & Sullivan, publicado em fevereiro de 2016. A expectativa é que esse número chegue, em cinco anos, a US$ 1,95 bilhão. Os autores do estudo afirmam que as empresas brasileiras, mexicanas e colombianas vêm mudando sua percepção a respeito do uso do Big Data e apostando em mais projetos para otimizar a experiência de seus clientes.

Saiba mais:

— Para além dos 5Vs, outra abordagem menos usada do Big Data acrescenta mais dois Vs: Variabilidade (que refere-se a dados cujo significado está em constante mutação) e Visualização (apresentação dos dados de forma acessível e legível).

— O Netflix lança mão dos dados de seus assinantes para sugerir conteúdos de forma personalizada e, recentemente, fez uso do Big Data para promover pelo menos uma de suas produções. A empresa identificou fãs do ator Kevin Spacey, protagonista de “House of Cards”, e criou nove trailers diferentes voltados para públicos-alvos específicos, o que teria contribuído para o sucesso da série.

— Os Data Scientists, responsáveis por análises de Big Data, deverão estar entre os profissionais mais requisitados do mercado neste século, segundo um artigo (Data Scientist: The Sexiest Job of the 21st Century) publicado na Harvard Business Review, escrito por Thomas H. Davenport, acadêmico especializado em análises, business, processos de inovação e gerenciamento de conhecimento, e DJ Patil, Data Scientist Chief do Departamento de Ciência e Tecnologia da Casa Branca.

Links úteis:

— Leia, na BBC, Big Data: Are you ready for blast-off?

— Leia, na Harvard Business Review, How the Big Data Explosion Has Changed Decision Making e Use Big Data to Create Value for Customers, Not Just Target Them.

— Leia, na Inc., The Limitations of Big Data e What Beats Big Data? Small Data.

No portal CNI Digital, vamos falar bastante de Big Data, então fique ligado!