Upload
halien
View
212
Download
0
Embed Size (px)
Citation preview
O outro lado da moeda nos projetos de Big Data:
Benefícios, mitos e desafios
José Luiz Kugler FGV - EAESP
Altamente especializado
Caçador imbatível
Forte, ágil e veloz
Generalista
Caçador, extrativista, pescador, agricultor…
Relativamente fraco e lento
criteriosa observação
tentativa e erro…
amplo networking & trocas
tentativa e erro…
uso eficiente de recursos
tentativa e erro…
recombinação de estratégias e recursos
tentativa e erro…
6 Inteligência de Negócios Eduardo de Rezende Francisco – José Luiz Kugler
Sobrevivemos graças a:
Globalização
Datificação da sociedade
Intensa pressão de custos
Consumidores exigentes e impacientes
Erosão da lealdade
Economia influenciada pelos modelos “free” & “freemium”…
9 Inteligência de Negócios Eduardo de Rezende Francisco – José Luiz Kugler
Ambiente competitivo atual…
Quantos dados
são gerados a cada
minuto?
Fonte: http://cdn.visualnews.com/wp-
content/uploads/2012/06/DOMO-Data-in-One-Minute-600x953.jpg
dados não intermediados por humanos
forte teor qualitativo, quando gerados
por humanos
múltiplas fontes
múltiplos stakeholders
formato dinâmico e fluido
14 Inteligência de Negócios Eduardo de Rezende Francisco – José Luiz Kugler
Na prática, isto significa:
“Manuseio de bases de dados muito amplas, que
impõem significativas dificuldades logísticas em termos de computação e análise.
Exige a expansão das fronteiras da competência
analítica da empresa, quanto a obter, armazenar e
analisar as informações necessárias para conduzir as
suas operações, reduzir riscos e atender seu mercado
de forma efetiva.”
15 Inteligência de Negócios Eduardo de Rezende Francisco – José Luiz Kugler
Implicações do Big Data
Fonte: Forrester Reseach, 2014
“… expansão … da competência analítica… quanto a…
conduzir as suas operações,
reduzir riscos e
atender seu mercado de forma efetiva.”
16 Inteligência de Negócios Eduardo de Rezende Francisco – José Luiz Kugler
Implicações do Big Data
Fonte: Forrester Reseach, 2014
17 Inteligência de Negócios Eduardo de Rezende Francisco – José Luiz Kugler
Análise do Big Data
Fonte: Bernard Barr, 2015
Dados
A habilidade de organizar e analisar os dados influencia a nossa visão do mundo...
Ação
Análise
Decisão
Dados
A habilidade de organizar e analisar os dados influencia a nossa visão do mundo...
Ação
Análise
Decisão
Perguntas Críticas de Negócio
Mundo real
Data Engineering
Bases de Dados
Análise e Decisão
Ação
Perguntas Críticas de Negócio
Data Engineering
Mundo real
Data Science
Bases de Dados
Análise e Decisão
Ação
Data Science
Perguntas Críticas de Negócio
Data Engineering
Data Science
DE + DS = Business Analytics
Coleta de Dados Data Architecture Data Blending Data Modeling
Modelos Estatísticos Matemáticos Computacionais Visuais
=
O Big Data permite detectar correlações
sutis, que dificilmente seriam percebidas
nos meios tradicionais, mas...
Não diz quais correlações são
significantes... ou seja, quais modelos
são estúpidos ou não!
Mitos do Big Data
Uma enorme parcela do Big Data é
resultante da mentalidade “copy and
pass along...”
28% dos quase 600 milhões de tweets
gerados todo dia são retweets.*
Mitos do Big Data
* Fonte: Dataclism, por Christian Rudder. Fourth Estate, 2014.
O Big Data incentiva a obtenção de
respostas aparentemente “científicas”
para problemas que, na verdade, são
insolúveis.
Projeto Pantheon, do MIT Media Lab:
quais foram os escritores mais
importantes da humanidade?
Mitos do Big Data
1. Homero 2. Shekeaspeare ... 8. Goethe 20. Nostradamus 24. Leo Tolstoi 32. Cervantes 79. J. R. R. Tolkien 117. João Evangelista 136. Paulo Coelho
Devemos dedicar mais tempo e esforço (90%)
na modelagem e análise dos dados, a partir
das questões críticas
A exploração “não direcionada” dos dados
(10%) pode gerar inspirações valiosas, mas
não deve ser a principal estratégia de análise*
Pareto “ampliado”: 90/10
* Não devemos confundir a estratégia com a técnica de análise de
dados; as técnicas não supervisionadas podem gerar excelentes
resultados, em contextos específicos.
Projetos híbridos, combinando dados
“tradicionais” com “big data”
Basket Analysis e matrizes de afinidade mais
precisas
Os modelos irão, definitivamente, incorporar
componentes e visões que irão bem além dos
“atributos do produto” e da “experiência do
consumidor”
Tendências
Os modelos vão exigir intenso “data
blending”
As etapas de busca, análise e
impacto precisam ser aceleradas
Tendências
Novas modalidades de análise:
Data as a Service (DaaS)
Auto serviço
Terceirização; e
Automação da análise
Tendências