Machine Learning: O que é?

1

Uma área da Ciência da Computação, criada a partir de pesquisas relacionadas à Inteligência Artificial, a Machine Learning torna-se cada vez mais essencial para os negócios. O uso crescente de seus métodos está totalmente relacionado ao forte crescimento computacional. Se no passado as pessoas tentavam resolver fórmulas complexas quase que manualmente, hoje emprega-se a tecnologia para automatizar a construção de modelos analíticos que usam algoritmos para aprender a partir de dados de forma interativa. Ou seja, a ideia é que estes algoritmos sejam quase que autossuficientes com a menor intervenção humana possível.

Significa que, com os dados corretos, as tecnologias certas, e as análises adequadas, é possível produzir de forma rápida modelos que podem analisar uma grande quantidade de dados, independentemente de sua complexidade e entregar resultados em menos tempo, mais precisos e com a mínima intervenção humana. O resultado? Previsões de alto valor que podem orientar as melhores decisões.

As aplicações para Machine Learning são inúmeras, como: detecção de fraude; recomendações online de ofertas; anúncios publicitários em tempo real na web e em mobile; análise de sentimentos baseada em fontes textuais de redes sociais; credit scoring; previsão de falhas em equipamentos; novos modelos de precificação; detecção de invasão em redes; análise de padrões de escrita; entre outras.

Fonte: SAS.com

Seguradoras buscam alternativas no BA para combater o aumento de fraudes

1

O SAS, recentemente, realizou uma pesquisa com seguradoras nos Estados Unidos. O resultado apontou que somente 13% dos entrevistados usavam uma variedade de técnicas, incluindo Business Analytics e Advanced Analytics; e apenas 21% monitoravam a incidência de fraude em tempo real. E constatou que, dentre as companhias que fazem o uso do BA, 57% tiveram um crescimento anual de 4% na detecção de fraudes. Já as seguradoras sem soluções automatizadas de detecção, ou somente baseadas em regras de negócios, apenas 16% tiveram um crescimento similar.

Entre os maiores obstáculos enfrentados por muitas seguradoras estão as falhas em seus sistemas de detecção, soluções ultrapassadas, dificuldades no processo de integração de dados, e atividades de terceiros que resultam em dados incompletos ou não confiáveis.

Para minimizar os riscos, o SAS oferece as soluções de Analytics Avançadas, que fornecem uma abordagem para detecções. Normalmente, elas começam pela extração de dados existentes de seguradoras para ‘limpá-los’ e qualifica-los, se necessário. A tecnologia pode conectar os dados para fornecer uma investigação cautelosa dos clientes da empresa. Depois desse processo, a abordagem analítica híbrida deve ser aplicada, incorporando desde regras de negócios, passando por detecções de anomalias, modelos preditivos, mineração de textos e análise de redes de relacionamentos.

Para ler a matéria completa, clique aqui.

Fonte: SAS.com

 

Como utilizar o Hadoop com outras ferramentas

2

Você certamente já teve as seguintes dúvidas: “a utilização do Hadoop tem impacto na visualização e nas análises?” ou “como posso preparar os dados em Hadoop?”, ou ainda “que tipo de técnicas analíticas estão disponíveis para analisar dados no Hadoop?”.

Pensando em responder essas (e outras) dúvidas, o SAS junto com a TDWI elaborou o paper “Eight Considerations for Utilizing Big Data Analytics with Hadoop”, que tem como objetivo elucidar a forma como todas estas ferramentas interagem. Uma espécie de check-list que pode e deve ser usada como ajuda na exploração da análise do big data.

Fonte: SAS

Big data + Hadoop

1

Em um cenário de complexidade e de grande volume de dados, a utilização de ferramentas pode facilitar e oferecer maior agilidade na análise dessas informações. Atualmente existem ferramentas que podem ser utilizadas de forma complementar na análise de dados e ajudar a gerar insights.

O Hadoop é uma dessas ferramentas, que organiza as toneladas de dados existentes em múltiplas fontes. O mapeamento de dados permite a sua priorização e atribuição de relevância. Ou seja, quando combinado com ferramentas de análise torna-se um poderoso instrumento para os usuários de negócios.

Fonte: SAS

Para ler a matéria completa: http://www.sas.com/pt_br/insights/articles/data-management/descomplicando-big-data-hadoop.html