Escolar Documentos
Profissional Documentos
Cultura Documentos
como transformar
dados em inteligência
Quer explorar os dados da sua empresa para ganhar inteligência em seus
negócios? Veja, neste e-book, os tipos de análise possíveis em Big Data
Analytics e como minimizar possíveis erros nas análises.
AN AL YT IC S1 0
Introdução
A transformação digital está Segundo o relatório VNI relatório da Cisco, a capacidade de
evolucionando a geração de dados. Os da Cisco 2017-2022, o número de armazenamento de Data Centers está
avanços tecnológicos têm permitido dispositivos conectados às redes IP, atualmente em 1.450 exabytes* e
armazenar, organizar e analisar estas até 2022, será mais de três vezes a a previsão é de que, em 2021, esse
informações facilmente e com uma população global. Haverá 3,6 dispositivos número chegue a 2.300 exabytes.
frequência superior. de rede per capita até 2022, em
comparação com 2,4 dispositivos de rede Mas como preparar os dados de
O objetivo é transformar os dados em per capita em 2017. Além disso, serão forma correta para que isso ocorra?
inteligência para gerar insights para o 28,5 bilhões de dispositivos em rede até Que análises podem ser realizadas para
negócio, dando acesso a análises sobre o 2022, contra 18 bilhões que tecnologias como o Big Data ajudem
mercado, produtos, tendências e vendas. em 2017. a transformar seu negócio? Acompanhe
Isso é fundamental para tomar decisões neste ebook.
rápidas, com o menor risco possível, O armazenamento desses dados é
visando aumentar o faturamento e um dos fatores que precisam ser
reduzir os custos. avaliados. De acordo com o mesmo
*O exabyte (EB) é um múltiplo do byte da unidade para informação digital . No Sistema Internacional
de Unidades (SI), o prefixo exa indica multiplicação pela sexta potência de 1000 (10 18). Portanto, um
exabyte é um quintilhão de bytes (escala curta).
Comportamento
do mercado
O mercado de Big Data e Analytics (BDA), na América Latina, está
crescendo e passando por uma grande evolução. Modelos de negócios
baseados em tecnologias inovadoras como internet das coisas e
computação em nuvem estão transformando o mercado e criando novas
formas de coletar e melhorar os processos de armazenamento de dados.
De acordo com relatório da Frost & Sullivan, “Latin American Big Data and Analytics (BDA)
Market”, a receita do mercado BDA em 2017 foi de US$ 2,9 bilhões. E a projeção é de
US$ 8,5 bilhões até 2023, com uma taxa de crescimento composto (CAGR) de 19.2%.
Volume
Volume Variedade Volatilidade Volume Velocidade
Dados acumulados Os dados são diversificados em Esse é um dos grandes desafios atuais Esses dados Os dados precisam ser trafegados,
atingem marcas sua origem e em seu formato, do Big Data. Os fluxos de dados são precisam ser processados e analisados em altíssima
enormes; como interações em redes sociais, crescentes em relação à velocidade verdadeiros; velocidade para fornecer respostas
e-commerce e transações bancárias, e variedade, mas também possuem em tempo real;
entre outros; picos periódicos, que variam de
acordo com as tendências. Alguns
deles podem ser muito difíceis de
serem gerenciados, ainda mais os
Valor Visualização
não-estruturados. Difícil, mas não
A existência dos dados não basta, eles precisam agregar valor ao impossível. No último dos V’s, o recado é curto e grosso: os dados
negócio ao qual se destinam. precisam ser apresentados de forma acessível e legível.
Um dos desdobramentos de Big Data é o termo Big Data Analytics, que se refere
as poderosas ferramentas capazes de tratar esses dados para transformá-los
em informações úteis às organizações.
O que fazer
com tantos dados?
Importante estudo da consultoria McKinsey, denominado “Big Data:
The Next Frontier For Innovation, Competition And Productivity” aponta
diversos potenciais para o uso massivo de grandes volumes de dados
na economia global, atualmente conhecido como Big Data.
Segundo o levantamento, existem 5
maneiras de usar dados para criar valor:
1. 2. 3.
Volume
O Big Data pode ajudar a descobrir um As organizações poderão cada vez mais criar e armazenar dados transacionais
O Big Data permite
valor significativo nas bases de dados em formato digital e obter informações muito mais precisas e detalhadas sobre
o aprimoramento
mediante a geração de informação diversas áreas. Por exemplo: equilibrando seus estoques com as perspectivas
da relação com
transparente e utilizável em maior de venda dos próximos meses ou semanas e com isto melhorando o seu
os clientes,
frequência; desempenho;
viabilizando
uma extração e
segmentação cada
4. 5. vez maior do perfil
dos consumidores
Análises sofisticadas podem melhorar O Big Data pode ser utilizado para melhorar e criar uma nova geração de
de uma empresa;
substancialmente a tomada de produtos e serviços. Por exemplo, os fabricantes estão usando dados obtidos
decisões; de sensores incorporados em produtos para criar um pós-venda com ofertas
de serviços inovadores, como a manutenção proativa.
Iniciativas apoiadas em Analytics permitem analisar dados estruturados e não Para isso, é possível contar com uma série de técnicas para auxiliar sua empresa
estruturados, como registros de call center, postagens de redes sociais e blogs, a analisar as informações coletadas e armazenadas em seu Big Data. Existem
dados de CRM, balanços patrimoniais e demonstrativos de resultados. diferentes formas de analisar um conjunto de dados e facilitar a descoberta, em tempo
real, das oportunidades que estão além do que os olhos humanos podem enxergar de
forma orgânica.
Os principais tipos
da análise de dados
Reunir dados é parte do trabalho para desenvolver uma estratégia
de sucesso para a sua empresa. Porém não basta apenas manter um
armazenamento gigante de informações. É preciso extrair conhecimentos
que forneçam base para a tomada de decisões.
1. 2. 3. 4. 5.
Identificar Prever Entender as reais Promover a tomada Melhorar o
tendências comportamentos necessidades de de decisões desempenho
clientes baseada em dados dos negócios
confiáveis
4. Análise prescritiva
Embora ainda seja confundida com É uma forma de definir qual escolha O valor dela se destaca pela capacidade
a preditiva, a análise prescritiva será mais efetiva em determinada de numerar determinados padrões e
trabalha com a mesma lógica, porém situação. Mesmo assim é pouco utilizada, filtrá-los por especificidades, criando um
com objetivos diferentes. Enquanto na maioria das vezes, por causa de cenário bastante fiel da situação e como
a preditiva identifica tendências desconhecimento. Segundo o Gartner, cada intervenção responderá.
futuras, a prescritiva traça as possíveis apenas 3% das empresas fazem uso
consequências de cada ação. dessa análise.
Como minimizar
os erros na
análise preditiva
Para que o trabalho com Big Data seja bem sucedido é preciso coletar,
limpar, normalizar, combinar, estruturar e organizar os dados para análise.
Esse processamento, tratamento e preparação dos dados é uma tarefa
minuciosa. Isso aumenta a qualidade dos dados e, consequentemente, os
resultados com mineração de dados. Dados “pobres”, de qualidade ruim,
geram resultados incorretos e não-confiáveis.
No entanto, garantir a qualidade dos dados é fundamental para ampliar
os resultados da análise. O segredo é preparar os dados de forma correta e
detalhadamente para fazer as previsões, investindo na granularidade de dados e na
integração de sistemas.
O que ocorre muitas vezes na empresa é que a maioria dos dados está incompleta,
pois faltam atributos e valores. Em outros casos, eles contêm algum erro. Dados
inconsistentes podem levar a direcionamentos errados e aumentar a margem de erro da
análise preditiva. Então como minimizar os erros de uma análise preditiva?
Além disso, é preciso considerar que existe um período de set-up, que precisa ser
dedicado à preparação da organização e dos times na direção da análise de dados.
São definições importantes, que envolvem investimentos de tempo, dinheiro e pessoas,
cujos resultados serão fundamentais para a sustentabilidade da empresa.
Utilizar esta quantidade massiva de dados é essencial para as organizações. Mas, para ter
informações confiáveis e tomada de decisão mais assertiva, a granularidade e qualidade
dos dados e sistemas é fundamental.
Como calcular a
porcentagem de erro
da análise preditiva
Para calcular a porcentagem de erro da análise preditiva é preciso refinar
o cálculo da taxa de retorno de investimento (ROI). Isso é possível usando
a análise preditiva em machine learning. Com base no investimento
do passado e no que estamos investindo, é possível receber insights
matemáticos em tempo real para investimentos presentes.
São modelos matemáticos possíveis via aprendizado baseado na mineração de
dados coletados e inteligência artificial. Com esses dados, é possível “treinar” o modelo
e inferir o resultado a partir de um investimento. Isso garante a tomada de decisões em
tempo real, aumentando a agilidade de reação às diversas variáveis de uma ação.
É como um PDCA (do inglês: PLAN - DO - CHECK - ACT ou Adjust), método iterativo de
gestão de quatro passos, utilizado para o controle e melhoria contínua de processos e
produtos.
É um ciclo evolutivo que vai ficando cada vez mais assertivo. Um benchmark:
normalmente um modelo com uma base de dados sofisticada tem um índice de
assertividade de 70%. A médio prazo, pode chegar aos 90%, de acordo com Sérgio
Larentis, VP de Marketing Engineering na Math Marketing.
Assim, a cada interação de sua marca, a empresa coleta novos dados para alimentar seu
modelo. Isso torna a próxima etapa do cálculo do retorno sobre investimento ainda mais
aprimorada.
Conclusão
Segundo o norte-americano Peter Norvig, foi descartado e vemos o que esses ajuda a olhar para o futuro e
ex-diretor de tecnologia de informação dados podem revelar do mundo. descobrir as oportunidades? Além
da Nasa e atual diretor de pesquisa disso melhora a relação custo-benefício
do Google, mais de 90% dos dados Com os processos certos e uma análise e otimiza a receita gerada por novos
armazenados parece ser dispensável. preditiva de qualidade sobre o mercado, produtos e serviços. Nessa era digital,
O diferencial está naquilo que é produtos e tendências de mercado, os dados são o novo petróleo. Quer
considerado lixo. Segundo ele, o grande seus dados se tornarão estratégicos e explorar seus dados e implementar
segredo do Big Data é que as grandes confiáveis para suas decisões de negócio. suas análises? Entre em contato com
descobertas ocorrem quando um de nossos especialistas. A A10 pode
olhamos com os olhos corretos o que Percebeu como o Big Data Analytics esclarecer todas as suas dúvidas.
Referências
A10 Analytics TI Inside Math Marketing Marketing analitico Big Data Business Blog Administradores
Cisco Blog da FIA - Fundação Instituto de Administração Consultoria Frost & Sullivan Wikipedia