agosto 18 2020 0comment

BIG DATA x BIG ANALYTICS: ENTENDA A DIFERENÇA

Muito se ouve falar sobre esses dois termos: Big Data e Data Analytics e muitos acabam achando que se trata da mesma coisa, mas são duas coisas diferentes. Para acabar de vez com as dúvidas, acompanhe o restante do texto.

Embora seja possível ter uma especialização em Big Data, o termo refere-se apenas ao amontoado de informações acumulados on e offline. É o Data Analytics, por outro lado, que permite que essas informações sejam analisadas e compreendidas pelos negócios, com o objetivo de prever tendências e acompanhar métricas.

Big Data

Big Data diz respeito a uma porção de dados, acumulados com o passar do tempo, por empresas e outros tipos de fontes de informação. O que o diferencia de outros tipos de dados é o grande volume que ocupa, cuja tendência de crescimento é exponencial.

De maneira simples, Big Data são quantidades de dados tão grandes que os equipamentos e softwares utilizados para analisar informações tradicionalmente se tornam obsoletos, mas que são úteis para que possamos avaliar problemas que não poderiam ser observados de outra forma.

O Big Data está sempre relacionado aos 3Vs: volume, velocidade e variedade. Eles se referem, respectivamente, à quantidade de informação que acumulamos, à velocidade com que esses dados crescem e aos diversos formatos disponíveis.

 

Data Analytics

Data Analytics é um processo que envolve examinar dados para tirar conclusões úteis para os negócios. Ele é feito através de softwares especializados e tecnologias, que são utilizados amplamente em indústrias para ajudar as empresas a tomarem decisões.

O termo Data Analytics se refere a uma porção de aplicações, como as ferramentas de BI, o que torna essa disciplina similar ao Business Analytics. A diferença entre os dois é que, enquanto o último é focado no uso de dados dentro dos negócios, o Data Analytics tem um foco mais amplo, podendo ser utilizado também em pesquisas acadêmicas, por exemplo.

Big Data e Analytics oferecem valor diferente para as empresas e são dois conhecimentos essenciais para quem planeja incrementar o currículo e se preparar para as mudanças no mercado de trabalho. 

Até o próximo post!

julho 30 2019 0comment

Analytics: Características que devem ser analisadas em um líder para os projetos

Aparentemente, uma solução simples seria apenas a contratação de um profissional altamente qualificado ou um influenciador que disseminasse o potencial do Big Data. Mas nem sempre é só isso. A questão envolve algo maior do que a tecnologia. Enquanto as habilidades técnicas são um ponto de início, o CEO deve escolher um líder de analytics com três qualidades específicas:

  1. Capacidade para colaborar, tendo suas ideias moldadas pelos outros e que defenda as ideias dos outros.
    2. Entendimento de como funciona a operação da empresa atualmente e uma visão de como um analytics pode conduzir a companhia para um futuro melhor, talvez totalmente diferente.
    3. Desejo de criar um ambiente de descobertas, em que se permite usar os dados para delinear o futuro da empresa.

A alta taxa de rotatividade dos CAOs,é um claro sinal de que encontrar o líder de analytics certo é uma tarefa difícil. Executivos de alta performance são moldados pelas experiências decisivas de suas carreiras, ainda que o analytics exija deles um entendimento das coisas muito além de seus modelos mentais. O CEO deve identificar, entre os líderes, as tomadas de decisão que ainda estão muito rígidas; deixar claro a todos que a era do analytics demanda um novo modo de pensar, tanto individual como coletivamente; e enfim, conduzi-los para isso.
Executivos que ainda defendem o status quo e temem a mudança vão ser bem sucedidos de uma única forma: conduzindo mal as iniciativas de analytics e talvez acabando com elas completamente. Ironicamente, isso até permite que eles sejam reconhecidos como “inovadores” num primeiro momento, mas logo caem em descrédito e o poder do C-level volta ao que era antes.

Muitos CEOs subestimam o impacto dos modelos mentais no processo de inovação, geralmente assumindo que os exercícios de “pensar fora da caixa” já resolvem a questão.

A acelerada geração de Big Data nas últimas décadas originou capacidades impressionantes. Mas para que as empresas possam explorá-las por completo, os CEOs devem intensificar seus esforços; eles não podem abdicar de sua liderança ou delegar a responsabilidade para outros executivos. A boa notícia para muitas empresas que lutam para otimizar seus investimentos de Big Data/analytics é que elas não estão sozinhas. A corrida pela vantagem competitiva ainda pode ser vencida.

fevereiro 27 2018 0comment

Informação rara ou comum, qual a mais importante?

Por Alessandro Lemes da Silva

No mundo de análise de dados, encontrar um padrão que seja muito frequente é ótimo. Por exemplo, um supermercado descobrir que a maioria das pessoas compram feijão às Terças-feiras (hipotético). Ou uma área de engenharia mecânica de uma empresa de bens de capital, descobrir que 90% das causas de quebra em máquinas é devido ao mau uso delas. Isto permitirá a estas organizações melhorarem suas estratégias de marketing, investimentos, produção, logística, estoque, vendas, compras, etc.

Por outro lado, imagine se o referido supermercado descobrisse que há pessoas a comprar feijão aos Domingos e o número dessas pessoas representasse uma grande minoria, talvez duas ou três pessoas. O que isto tem de interessante? E se um engenheiro da tal empresa de bens de capital descobrisse que 1% das quebras são devido a uma única peça?

Primeiro, o valor da descoberta pode estar associado ao retorno do investimento (ROI), o quanto a informação pode trazer financeiramente para a empresa. Por exemplo, o pequeno universo de 1% de máquinas que quebram, pode ser evitado ao se descobrir a peça defeituosa e muito dinheiro para a empresa pode ser poupado.

Segundo, algumas raridades de padrões podem suscitar hipóteses para novas teorias. No caso do supermercado, talvez seja interessante fazer campanhas para as pessoas comprarem o feijão aos Domingos. Pode ser um novo padrão, ainda adormecido (que precisa ser despertado). As fábricas de cerveja já descobriram que muitas mulheres bebem cerveja, apesar de serem a minoria. Mas as propagandas ainda são voltadas majoritariamente ao público masculino. Pode ser esta uma nova oportunidade de promoção. São os chamados “nichos de mercado”, a estratégia do Oceano Azul. Steve Jobs não perguntou se as pessoas queriam um iPad. Ele fez e foi o maior sucesso.

Terceiro, mas não esgotando as possibilidades, o que é raro pode fazer uma enorme diferença no mundo competitivo. Saber o que ninguém mais sabe, pode ser uma vantagem econômica (veja os investidores nas Bolsas de Valores). Há uma lenda de um inglês que ficou sabendo, durante a guerra entre Inglaterra e França, que a Inglaterra iria vencer. Então ele voltou às pressas para seu país e começou a vender tudo o que tinha. As pessoas, sabendo que ele voltava do campo de batalha, também começaram a vender tudo, achando que a Inglaterra tinha perdido. Aí ele então passou a comprar tudo por baixíssimos preços, informação traz privilégio e oportunidade.

Agir de forma diferente pode chamar atenção (produtos personalizados, novos estilos de moda). O novo gênio do xadrez, o norueguês Magnus Carlsen (o “Mozart do Xadrez”) não usa técnicas usuais. Todos grandes jogadores conhecem todas as estratégias. Então ele faz algo inesperado, fora dos padrões, e desconcerta os adversários, que não entendem o padrão, não conseguem prever as próximas jogadas e ficam nervosos. Aconteceu assim com Gary Kasparov.

No munda das fraudes, profissionais especializados utilizam técnicas de Data Mining para prever ações e comportamento de fraudadores, um novo comportamento pode ser uma nova atitude fraudulenta e, portanto, antever através de técnicas de mineração de dados em busca de padrões comportamentais pode ser o diferencial para evitar perdas financeiras.

Por isto, processos de BI devem procurar padrões com alta frequência ou probabilidade estatística, mas os analistas de BI devem também estar atentos a momentos raros, eventos pouco frequentes.

 

O valor da Informação

Na história da humanidade, o valor de uma mercadoria é diretamente proporcional à raridade dela. É assim com ouro, diamante, carros, obras de arte e livros antigos. Um produto muito comum no mercado perde valor e seu preço diminui, em outras palavras, isso é a chamada lei da oferta e procura.

A Teoria da Informação diz que a quantidade de informação de um evento é calculada pela sua probabilidade. Quanto menos provável o evento, maior a quantidade de informação associada ou que ele carrega. Por exemplo, alguém dizer que meteoritos rondam nosso planeta tem menos informação que alguém dizer que um meteorito vai se chocar com a Terra dentro de 1 ano.

 

Valor pela Demanda

Mas pela Lei da oferta e da procura, se também poucos querem ou precisam da mercadoria, o valor é menor. Então o valor também é diretamente proporcional à sua demanda ou necessidade. Se há maior demanda, o preço sobe.

Por isto, redes sociais, aplicativos como Waze e aparelhos tipo fax só têm valor se muitas pessoas aceitarem e usarem. O Youtube só foi vendido por 1,6 bilhão de dólares porque tinha muitos fiéis. O Google tinha o Google Vídeos com tecnologia melhor, mas bem menos usuários.

Esse fenômeno se viu com o Orkut, que ao se popularizar, provou da migração em massa para a então novidade do momento chamado Facebook.

Chris Anderson identificou o fenômeno da Cauda Longa na Era da Internet. Há muitas empresas oferecendo produtos que vendem pouco. A Amazon tem todo tipo de livro e aceita vender e entregar mesmo os que são pouco procurados. O custo da entrega é muito baixo, efeitos da globalização, combinada ao ótimo processo de logística apoiado por software de workflow e simulação de rotas, e parceiros de transporte.

Se você for numa revistaria agora, verá que há muitas revistas especializadas, para públicos muito pequenos. Não sei como as editoras ganham dinheiro imprimindo tais revistas. É possível que você encontre uma revista de náutica só sobre lanchas. Há também canais em TVs por assinatura que são muito específicos (exemplo: canal de dança).

Uma possível explicação pode estar na necessidade de diferenciação, de ter algo raro, como já comentei antes.

 

Esgotamento e Imunidade

Uma explicação possível é o esgotamento ou imunidade. Malcolm Gladwell, no livro “O ponto da virada”, diz que as pessoas perdem interesse em algumas tecnologias quando há muitos usuários. E aí tendem a trocar por algo mais novo ou inovador.

Exemplo disso pode ser o facto de poucas pessoas atenderem ao telefone fixo hoje em suas residências ou mesmo preferirem não o ter em casa, porque as empresas de telemarketing estão a esgotar a paciência de todos.

A participação das massas, da maior parcela da população, faz grupos restritos como as elites desertarem. Deixa de ser moda, não é mais atraente e perde o valor. Gladwell fala da Regra dos 150 de Dunbar. Quando a rede ou grupo chega a este número de membros ou elementos, fica difícil coordenar ou participar ou entender as relações, e os relacionamentos enfraquecem, o interesse diminui (Granovetter, 1973).

Final

Algumas pessoas querem ser pioneiras. Outras só aceitam algo se outros já aceitaram. Outros só aceitam depois que muitos já aceitaram. E outros esperam a grande maioria. Carl Rogers propôs um modelo que explica a adoção de inovações. O modelo divide as pessoas em: inovadores, primeiros adeptos, a maioria, e os retardatários. Onde você se encaixa?

 

BIBLIOGRAFIA:

GLADWELL, Malcolm. O ponto da virada – como pequenas coisas podem fazer uma grande diferença (original: the tipping point). Rio de Janeiro: Sextante, 2013.

GRANOVETTER, Mark S. The strength of weak ties. American Journal of Sociology, v.78, n.6, Maio de 1973, p.1360-1380.

ROGERS, E. M. Diffusion of innovations. 5.ed. New York: Free Press, 2003.

fevereiro 28 2017 0comment

Big Data Analytics – Você sabe o que é?

Big Data Analytics é o trabalho analítico e inteligente de grandes volumes de dados, sejam eles estruturados ou não. Esses dados são coletados, armazenados e interpretados por softwares de altíssimo desempenho através do cruzamento de informações do ambiente interno e externo, gerando uma espécie de “GPS gerencial” para tomadores de decisão.

Algumas das fontes usadas por um software de Big Data Analytics:

  • Dados extraídos de ferramentas de Inteligência de Negócios (Business Intelligence – BI);
  • Conteúdos de mídias sociais;
  • Relatórios empresariais;
  • Textos de e-mails de consumidores à empresa;
  • Indicadores macroeconômicos;
  • Pesquisas de satisfação;
  • Estatísticas de ligações celulares capturadas por sensores conectados à  !internet das coisas”;
  • Bases de dados das empresas de cartão de crédito;
  • Programas de Fidelidade;
  • Entre outros

Curioso para entender como isso acontece?

A Siemens elaborou 4 vídeos explicativos sobre o conceito Big Data Analytics. Os vídeos estão em inglês, mas vale a pena assisti-los.

 

Fonte: Exame