Aplicação do Big Data Analysis na Engenharia de Produção

Piter Habitzreiter
Deisy K. Bamberg

Resumo: Esta pesquisa busca apresentar os campos ligados à engenharia de produção

em que há maiores chances de aplicação de ferramentas do conceito de análise de dados Big
Data Analysis. São eles: gestão da produção, gestão estratégica, gestão do produto e gestão
do conhecimento da empresa. Quanto à gestão de produção, o conceito auxilia no
desenvolvimento do layout do processo, na gestão da produção e da manutenção. Sobre a
gestão estratégica, tem atuação fundamental no planejamento de marketing e de estratégias de
negócios. Na gestão do produto, pode ser utilizado para o desenvolvimento, a melhoria e a
finalização do produto. Por último, com relação à gestão do conhecimento, permite
compreender melhor a cultura da empresa e de seus colaboradores. Vale destacar que o Big
Data Analysis é um conceito relativamente novo de análise de dados e é descrito como o mais
potente nessa função, motivo pelo qual está conquistando espaço na indústria.
Palavras-chave: Big Data Analysis; Análise de Dados; Gestão Empresarial; Gestão
Estratégica.

1. Introdução

O universo de dados digitais nunca foi tão grande e tão expansivo quanto atualmente.
Estima-se que em 2014 foram gerados 4,4 trilhões de Gigabytes de dados, e tem-se a previsão
que para 2016 este número venha a dobrar. Esses dados são gerados por pessoas e indústrias
através do uso da internet, aplicativos e sistemas de gestão e controle empresariais entre outros.
Com este grande volume surgindo a cada segundo, cresce a necessidade de analisar esses dados,
para que se possa obter informações sobre eles.
Esta pesquisa tem como foco os dados oriundos das empresas, para apresentar um
conceito de análise de dados e suas aplicações dentro delas, ligando-o à engenharia de produção.
O conceito citado é o Big Data Analysis e as áreas da engenharia são aquelas estabelecidas pela
Associação Brasileira de Engenharia de Produção (ABEPRO). Então, desenvolveu-se este
estudo apresentando, primeiramente, o conceito do Big Data Analysis e, depois, buscando
formas de aplicá-lo em algumas das áreas da engenharia.
Este trabalho visa mostrar que a aplicação do Big Data Analysis dentro das empresas
tem a capacidade de proporcionar maior controle sobre sua gestão, tanto com relação às
estratégias de negócios quanto sobre os métodos e processos produtivos. Este maior controle é
oriundo da análise mais profunda e rápida que o Big Data Analysis realiza, em comparação
com as ferramentas já utilizadas com este fim nas companhias.
2. Big Data Analysis

1
 O Big Data Analysis pode ser definido como uma estratégia tecnológica das companhias
voltada para a busca de valor, profundidade e precisão das informações sobre seus clientes,
parceiros e negócios. Ele tem como principal finalidade a conquista de alguma vantagem
competitiva.
Ao processar uma grande quantidade de dados em tempo real, as organizações
aumentam a sua capacidade de tomar decisões rapidamente, pois estão monitorando novas
oportunidades que vão permitir a realização das mudanças de curso necessárias, acertando o
momento de entrada em novos negócios. (DAS e KUMAR, 2013). Reforçando a sua aplicação,
Ohlhorst (2013) afirma que o Big Data Analysis tem potencial para guiar as tomadas de
decisões, otimizando-as a partir do fator tempo e da qualidade das informações, pois a partir de
dados mais completos e precisos, chegando em tempo real, a capacidade de acertos na tomada
de decisões só tende a aumentar.
Para que esta análise seja possível, o conceito se vale de alguns fundamentos, também
chamados de “V’s” do Big Data Analysis. Eles recebem o nome de V’s do Big Data em
referência à primeira letra do nome de cada um deles. São cinco: Volume, Velocidade,
Veracidade, Variedade e Valor (WANG, 2012; CHURCH e DUTTA; MAYER-
SHONBERGER, 2013, MARR, 2014). O volume representa a capacidade de análise de grandes
volumes de dados de uma única vez. A velocidade representa a capacidade de fazer isto de
forma mais rápida que outras ferramentas. A Veracidade, é a capacidade de identificar o que é
verdadeiro e relevante para a análise. A Variedade retrata a capacidade do Big Data Analysis
interpretar dados oriundo de diversas fontes e em diversos formatos. O Valor é o último dos
V’s adicionado, e ele apresenta o ganho que a empresa ou a pessoa tem ao utilizar o Big Data
Analysis.
Entre algumas vantagens da utilização do Big Data Analysis, a primeira é sugerida por
Mayer-Schönberger (2013), que comenta que “o Big Data Analysis trouxe a capacidade de se
analisar grandes quantidades de dados de uma vez só”. Esta vantagem é proporcionada pela
possibilidade de analisar grandes volumes de dados com alta velocidade de processamento.
Outra vantagem é a capacidade de analisar dados não-estruturados. Esta possibilidade de
analisar dados não-estruturados permite ao Big Data analisar informações de diferentes fontes,
aumentando assim sua abrangência. Com isso, como sugere Ularu, a capacidade de análise de
dados não-estruturados aumenta e melhora a visão sobre o negócio (ULARU et al., 2012). A
terceira vantagem é a de interpretar tendências de eventos, o que é importante para visualizar
situações futuras e tomar decisões a partir delas. Podem ser tendências econômicas, de aceitação
de produtos ou até climáticas. Isso só é possível devido à capacidade do Big Data de identificar
e interpretar padrões, que nunca seriam detectados pelas outras ferramentas de análise de dados
(WARD, 2013).
Além das vantagens, o Big Data Analysis apresenta algumas desvantagens em seu uso.
A primeira delas é a quebra de privacidade, que atinge diretamente o consumidor ou a empresa
que está sendo analisada. Como se trata de uma ferramenta de análise de dados em quantidade
maciça, ela acaba buscando os dados em todas as fontes possíveis, como redes sociais, banco
de dados empresariais, cadastros virtuais, entre outros, afetando a privacidade das pessoas e
empresas. Outra desvantagem é que, apesar de conseguir analisar uma grande quantidade de
dados, o Big Data Analysis, muitas vezes, falha na resolução de questões mais complexas

2
(MARCUS e DAVIS, 2014). Esta dificuldade existe em função de que as ferramentas para
aplicação do conceito ainda não estão totalmente desenvolvidas. Também por ser um conceito
novo e em desenvolvimento, surge outra desvantagem, referente ao alto custo do Big Data para
determinadas organizações. Stanley (2012) comenta que “Este custo pode fazer com que
desigualdades sejam acentuadas na sociedade”, já que a empresa tem que desenvolver a
ferramenta, gerando um custo incompatível com o tamanho de algumas companhias.
3. Utilização do Big Data Analysis dentro da Engenharia
Após a apresentação do conceito do termo Big Data Analysis na sessão anterior, serão
abordadas algumas de suas aplicações dentro da área da Engenharia de Produção. E para isto,
foram selecionadas algumas subáreas e de acordo com cada uma foi sugerido onde o Big Data
Analysis poderia ser aplicado.
Sabe-se que o Big Data Analysis é utilizado em diversos setores, entre eles o de
comércio, o de manufatura, da saúde, o setor financeiro, de comunicações, seguros e diversos
outros relacionados à administração pública (EL FUTURO..., 2015). Em se tratando da área
industrial, constata-se que o conceito de Big Data Analysis é utilizado dentro das empresas, em
78% dos casos, para dar suporte à tomada de decisões (EL FUTURO..., 2015). Outros setores
que também utilizam o conceito dentro das empresas são o de marketing e comunicação,
tecnologia da informação e serviços de atendimento ao cliente (EL FUTURO..., 2015). O
entendimento das aplicações e a importância que têm dentro das empresas serão analisadas com
maior profundidade na sequência, buscando apresentá-las na gestão da produção, na gestão
estratégica, na gestão do produto e na gestão do conhecimento da empresa.
3.1 Gestão da Produção
A gestão da produção abrange importantes áreas da engenharia da produção, pois ela
lida com o dimensionamento e desenvolvimento das atividades de produção das empresas.
Dentro desta área, o Big Data Analysis pode contribuir de diversas maneiras e em diversos tipos
de indústrias. As principais formas de atuação do conceito dentro da área de produção das
empresas são na definição do layout de produção, no dimensionamento e identificação de falhas
no processo, no gerenciamento da manutenção e também na gestão dos estoques. O Big Data
Analysis já é aplicado em grandes setores industriais como o de produção de semicondutores,
produção automotiva, indústria aeroespacial, de extração de óleo e gás e de mineração (CHIEN
e CHUANG; WALKER, 2014).
Quando aplicado dentro do sistema produtivo, o Big Data Analysis pode chegar a alguns
indicadores que retratem a condição deste setor da empresa. Estes indicadores podem ser os de
qualidade, eficiência, produtividade, entre outros. A vantagem de se utilizar o Big Data
Analysis, é que com ele estas informações são mais precisas e completas do que as oriundas de
conceitos menos complexos, pois ele não só coleta os dados fornecidos pelo sistema produtivo,
dentro de sua análise, como garante a veracidade da informação, pois uma de suas funções é
filtrar e remover informações desnecessárias.
Dentre as contribuições do conceito para a gestão da produção, previamente citadas, a
primeira a ser aprofundada é a definição do layout de produção da empresa. Na definição do
layout, o Big Data Analysis auxilia na melhor utilização de espaços e na elaboração de rotas
para a melhor movimentação de recursos dentro da empresa (SMITH, 2014). Com estas

3
definições, o conceito acaba otimizando os fluxos dentro do processo, possibilitando a redução
de perdas por movimentações, além de buscar o aumento da segurança do local de trabalho
(SMITH, 2014). Outra contribuição do conceito pode ser encontrada na gestão do processo,
onde o Big Data Analysis pode otimizar a utilização de recursos, que podem ser máquinas e
funcionários, gerando, como consequência, a otimização do tempo de trabalho e operação e do
uso de matérias primas, com a redução de falhas e perdas no processo.
Outra aplicação dentro da gestão da produção se dá na área da manutenção. Segundo
Smith (2014), o Big Data Analysis também pode atuar nesta área, identificando e prevenindo
anomalias no sistema produtivo, a partir de sua capacidade de interpretar e detectar a
necessidade de manutenção. Como o Big Data Analysis monitora o sistema produtivo
constantemente, pode informar a necessidade e o melhor momento da aplicação da manutenção,
tanto preventiva quanto corretiva. Além disso, quando uma anomalia no processo se torna
crítica, o Big Data Analysis tem a capacidade de realizar uma busca pela causa raiz,
identificando-a e indicando formas de corrigir esta falha (CHIEN e CHUANG, 2014).
Outro setor significativo em que o Big Data Analysis tem capacidade de atuar é no
gerenciamento do estoque (SMITH, 2014), onde ele define de forma otimizada a gestão dos
itens (matéria-prima, produtos em processo e produtos finalizados), definindo a localização e o
momento em que cada um deverá ser utilizado ou movimentando, reduzindo, assim os riscos
de perda. Este gerenciamento do estoque pode ser realizado através da ligação de dados do
processo produtivo com dados de outros setores da empresa, como vendas e análise de mercado.
O Big Data Analysis, através de seu potencial analítico, pode chegar ao número ideal de
matéria-prima, produtos em produção e produtos em estoque de acordo com a capacidade de
produção da empresa e a capacidade de absorção do produto no mercado.
3.2 Gestão estratégica e gestão de produto
Neste campo da engenharia da produção, o Big Data Analysis atua principalmente nas
definições de estratégias de mercado e produtos da empresa, que acaba influenciando nas
definições estratégicas de produção. Segundo Weng e Lin (2014), a utilização do Big Data
Analysis ajuda as empresas a identificar e aproveitar oportunidades de mercado.
A identificação de oportunidades de negócios são potenciais formas de criar valor para
a organização, trazendo com isso, vantagens econômicas (KABIR e CARAYANNIS, 2013).
Segundo Kabir e Carayannis (2013), estas oportunidades são identificadas através da análise de
inúmeros dados da empresa gerados internamente e externamente. Estes dados podem ser
gerados por consumidores, fornecedores e companhias concorrentes. Além das fontes externas,
há dados gerando internamente pelos processos e operações da própria empresa. A análise
correta destes dados pode identificar um novo mercado, um fornecedor que seja mais vantajoso,
ou até mesmo a estratégia de um concorrente, se houver. Quando encontrada uma estratégia
rival, pode-se analisar se ela está sendo vantajosa ou não e assim definir se algo dela pode ser
aproveitado.
Junto com a identificação de novas oportunidades, o Big Data Analysis também traz a
possibilidade de aproveitar melhor os produtos já produzidos pela empresa. Ele realiza isso de
duas formas, por meio da análise de mercado e através da análise de dados fornecidos pelo
produto (ERICKSON e ROTHBERG, 2014). A análise dos dados gerados pelo produto se

4
baseia na captação de dados gerados pelos clientes depois da utilização dos produtos e serviços.
Diversas empresas de automóveis e de serviços aéreos são exemplos disso. A indústria
automobilística pode se beneficiar do Big Data Analysis para melhorar ou retirar itens de um
determinado modelo em uma determinada região. Este tipo de indústria também pode basear-
se nos dados de utilização dos seus produtos, fornecidos automaticamente pelo automóvel e
coletados toda vez que ele sofrer uma manutenção. Estes dados, além da melhora do produto,
podem trazer informações importantes como a forma de utilização do veículo, características
dos donos, localização geográfica, entre outros, o que pode ajudar na definição de demanda e
elaboração de preço do automóvel (BIG DATA..., 2015). Já nas companhias aéreas, o conceito
de Big Data Analysis vem sendo utilizado para a melhor captação de clientes, através da análise
dos históricos de voos de seus clientes, analisando-se os principais destinos e classe de voo que
utiliza (AIRCRAFT, 2015). A partir destas análises, as companhias também estão tendo maior
capacidade de dimensionamento de suas frotas e otimização de rotas, possibilitando a redução
de custos e/ou a fidelização de seus clientes através de promoções voltadas diretamente para
eles com base em seus históricos (AIRCRAFT, 2015).
Outra forma de buscar o melhor aproveitamento de um produto já produzido pela
empresa é através da análise do mercado, para assim definir a mudança ou não da estratégia de
marketing da empresa para determinado produto (ERICKSON e ROTHBERG, 2014). Esta
análise é um dos pontos fortes do Big Data Analysis, pois ele possui a capacidade de captar
dados externos à indústria (KI, 2014). Juntamente com isso, pode também trazer dados que
mostrem a eficiência das estratégias de marketing da empresa. A análise destes dados pode
apresentar um panorama de como os mercados consumidores estão avaliando o produto, e assim
a empresa pode definir se muda ou não a sua estratégia, definindo se mantém, altera ou finaliza
as atuais propostas de marketing de um determinado produto ou de um conjunto de produtos.
A partir da identificação de uma nova oportunidade ou a constatação de demanda ou
falta de demanda para um produto da empresa, o Big Data Analysis pode auxiliar na definição
da estratégia de processo da organização (ERICKSON e ROTHBERG, 2014). Ele pode
contribuir na decisão sobre a implementação ou o desligamento de uma planta industrial, o
aumento ou a descontinuação da produção de um produto, ou o direcionamento de um produto
para um determinado mercado, onde o mesmo tenha maior aceitação e consequentemente maior
venda. Também na estratégia de negócio, a partir da identificação de uma oportunidade
presente, ou até futura, a empresa pode aumentar seus estoques de matéria-prima, aproveitando
baixos preços, ou estoques de produtos, a partir de resultados que apresentem um aumento da
demanda futura por seu produto.
3.3 Gestão do conhecimento empresarial
O ambiente da gestão do conhecimento empresarial é bastante apropriado para a
aplicação do Big Data Analysis, pois suporta as tomadas de decisões sobre o processo e sobre
as estratégias da empresa, devido ao fato de que os dados analisados e que geram a informação
são destinados ou encaminhados para a área que realiza a gestão do conhecimento da empresa.
Uma das formas mais evidentes de se aplicar o Big Data Analysis na gestão do
conhecimento empresarial é na identificação das virtudes e fraquezas da empresa e dos riscos
do negócio (SRIVASTAVA, 2015). Com os pontos fortes e fracos identificados, a empresa

5
pode reajustar condutas para melhorar os pontos fracos ou melhor explorar os pontos fortes. Já
quando se trata do conhecimento dos riscos do negócio, a empresa pode elaborar planos de
contingência para serem aplicados se estes problemas vierem a ocorrer (SRIVASTAVA, 2015).
Além do autoconhecimento da empresa, este conceito de análise também ajuda a
organização a montar equipes mais coesas e conforme suas necessidades (PATTEN, 2015).
Com a utilização de uma análise de dados a respeito de possíveis candidatos a uma vaga, o Big
Data Analysis tem o poder de apresentar qual se adapta mais ao perfil desejado, baseando sua
decisão nas interações que este candidato publica em suas redes sociais, seus trabalhos
acadêmicos e seu histórico de empregos anteriores em outras empresas, se houver. Juntamente
com a formação de equipes, o Big Data Analysis também pode auxiliar o empregador a motivar
seus empregados (PATTEN, 2015). Há ferramentas ligadas ao conceito que têm o poder de
analisar as atitudes dos empregados e identificar o perfil de cada um deles. Com esta análise e
identificação, o empregador pode tomar atitudes direcionadas a cada empregado, aproveitando
as individualidades de cada um e tendo, assim, uma grande possibilidade de aumentar a
satisfação do funcionário, o que faz com que possam render mais (PATTEN, 2015).
A gestão do conhecimento também está ligada à parte de identificar e indicar novas
tecnologias ou movimentos tecnológicos que tragam inovações para a empresa. Como um dos
exemplos pode-se citar o próprio Big Data Analysis, que é um conceito relativamente novo, e
que tem grande potencial de trazer ganhos para a empresa que o utiliza, se esta o fizer de
maneira correta e de acordo com suas necessidades.
4. Considerações Finais
Esta pesquisa buscou relacionar a aplicação do conceito de Big Data Analysis com a
área da Engenharia da Produção. Dentre as inúmeras subáreas desta engenharia, verificou três
em que a aplicação do conceito é possível, e que sua aplicação deverá trazer resultados
positivos, entregando assim um diferencial à empresa que o utiliza.
Na primeira área comentada, gestão do processo, o Big Data Analysis se apresentou
como um possível facilitador no processo de desenho de layout de processos, no aprimoramento
dos indicadores do processo, da gestão da manutenção e na resolução de falhas que podem
ocorrer. Já na área seguinte, gestão estratégica e de produto, verificou que se pode utilizar este
conceito de análise de dados para construir ou alterar as estratégias de investimento ou de
marketing da empresa, aproveitando-se da identificação de uma oportunidade de mercado, ou
a partir da análise da eficiência ou ineficiência de um plano de marketing junto ao consumidor.
Quando ligado à gestão do produto ou de serviços oferecidos pela empresa, o Big Data Analysis
também se mostrou apropriado, pois pode indicar alterações a serem realizadas para melhorar
ou adequar o produto a um determinado público ou melhorar ou adequar a prestação de um
serviço. Já quando foi abordado o tema relacionando-o com a área da gestão do conhecimento
empresarial se pode ver que o conceito ajuda a empresa a conhecer a si própria, principalmente
através das pessoas que fazem parte dela, além de mostrar novas ferramentas e conceitos que
podem ser úteis, verificando quais se adaptam melhor à organização e aos seus funcionários.
Acredita-se que o Big Data Analysis será bastante utilizado na indústria em breve, pois
com o aumento da quantidade de dados gerados, ferramentas de maior capacidade deverão ser
usadas para a análise destes dados. Muitas empresas já estão buscando conhecimento sobre a

6
aplicação do Big Data Analysis, mas ainda não é tão comum em grande parte pelo custo de
implementação de uma ferramenta de análise baseada nesse conceito. Todavia, com a criação
e o desenvolvimento de novas ferramentas, o custo de implementação será reduzido e seu uso
se tornará uma prática comum dentro das organizações.
REFERÊNCIAS

AIRCRAFT; Commercial Passengers Hate Big Data – Will Private Flyers Love It?.Aviation Pros. [S.I.]. Jul.
2015. Disponível em <http://www.aviationpros.com/press_release/12094857/commercial-passengers-hate-big-
data-will-private-flyers-love-it>. Acesso em 25 Jul.
BIG DATA...; Big Data How is Big Data impacting sales in the automotive industry?. Sales-i. Reino Unido. [S.I.].
Disponível em <http://www.sales-i.com/big-data-automotive-whitepaper/how-is-big-data-impacting-sales-in-the-
automotive-industry.pdf>. Acesso em 25 jul.
CHIEN, Chen-Fu; CHUANG, Shih-Chung. A Framework for Root Cause Detection of Sub-Batch Processing
System for Semiconductor Manufacturing Big Data Analytics. IEEE Transactions on Semiconductor
Manufacturing. [S.I.] Nov .2014. v. 27, n. 4, p. 475-488.
CHURCH, Allan H.; DUTTA, Subhadra. The Promise of Big Data for OD: Old Wine in New Bottles or the Next
Generation of Data-Driven Methods for Change. OD Practitioner, v. 45, n. 4, p. 23-31 2013.
DAS, T. K.; KUMAR, P. Mohan. BIG Data Analytics: A Framework for Unstructured Data Analysys.
International Journal of Engineering and Technology (IJET). [S.I.], v5, n.1. p. 153-156, 2013.
EL FUTURO... El futuro del empleo, de la mano del Big Data. CIO España. Espanha. Jan. 2015. Disponível
em:< http://www.ciospain.es/industria-y-utilities/el-futuro-del-empleo-de-la-mano-del-big-data>. Acesso em: 25
jul. 2015.
ERICKSON, Scott; ROTHBERG, Helen. Big Data and Knowledge Management: Establishing a Conceptual
Foundation. Electronic Journal of Knowledge Management. [S.I.]. 2014, v. 12, n. 2, p. 101-109.
KABIR, Nowshade e CARAYANNIS, Elias. Big Data, Tacit Knowledge and Organizational Competitiveness.
Proceedings of the International Conference on Intellectual Capital & Knowledge Management &
Organizational Learning. [S.I.]. 2013, p220-227.
KI, Youn Kim. Business Intelligence and Marketing Insights in an Era of Big Data: The Q-sorting Approach.
KSII Transactions on Internet & Information Systems. South Korea. Fev. 2014, v. 8, n. 2, p. 567-582.
MARCUS, Gary; DAVIS, Ernest. Eight (No, Nine!) Problems with Big Data. The New York Times, 6 Abr.
2014. Disponível em: <http://www.nytimes.com/2014/04/07/opinion/eight-no-nine-problems-with-big-
data.html?smid=nytnow-share&smprod=nytnow>. Acesso em 6 maio 2014.
MARR, Bernard. Mensagem enviada por Bernard MARR. [S.l.], 6 mar. 2014. Disponível em: <
http://www.linkedin.com/today/post/article/20140306073407-64875646-big-data-the-5-vs-everyone-must-
know>. Acesso em: 14 maio 2014.
MAYER-SCHÖNBERGER, Viktor; CUKIER, Kenneth. Big Data: A Revolution thet will transform how we
live, work, and think. 1 ed, New York: HMHbooks, 2013. Versão Digital
OHLHORST, Frank. Big Data Analytics: Turning Big Data into Big Money. 1 ed, Hoboken, New Jersey: John
Wiley & Sons, Inc., 2013. Cap. 1, p. 14-21 Versão Digital
PATTEN, Brigg. How Big Data is Shaping the Future of the Learning and Development Industry. Smart Data
Collective. [S.I.]. Jul. 2015. Disponível em: <http://www.smartdatacollective.com/briggpatten/331869/how-big-
data-shaping-future-learning-and-development-
industry?utm_source=hootsuite&utm_medium=twitter&utm_campaign=hootsuite_tweets>. Acesso em: 25 jul.
2015.

7
SRIVASTAVA, Anand. How Big Data Benefits Businesses. Smart Data Collective. [S.I.]. Jun. 2015. Disponível
em: <http://www.smartdatacollective.com/anandsrivastava1988/325501/how-big-data-affects-and-benefits-
businesses>. Acesso em: 25 jul. 2015.
SMITH, Yolanda. Reaping the rewards of data-driven efficiency. Plant Engineering. [S.I.]. Set. 2014. v. 68, n. 7,
p. 57-58.
STANLEY, Jay. Eight problems whit “Big Data”. [S.I.], 25 abr. 2012. Disponível em:
<https://www.aclu.org/blog/technology-and-liberty/eight-problems-big-data> Acesso em: 6 out. 2013. Blog:
American Civil Liberties Union (ACLU).
ULARU, Elena G. et al. Perspectives on Big Data and Big Data Analytics. Database Systems Journal. [S.I.], v.
3, c.4, p. 3-14, 2012. WARD, Olivia. Big Data: teh good, the bad and the ugly. The Star, Toronto, Canadá, 24
Jun 2013. Disponível em:
<http://www.thestar.com/news/world/2013/06/24/big_data_the_good_the_bad_and_the_ugly.html>. Acesso em:
6 out. 2013.
WALKER, Charlie. Applying big data power to the shop floor: the next industrial revolution. Logistics &
Transport Focus. [S.I.] Out. 2014, v. 16, n. 10, p. 46-49.
WANG, Fei-Yue. A Big-Data Perspective on AI: Newton, Merton, and Analytics Intelligence. IEEE Computer
Society, Los Alamitos, CA, US, Set/Out. 2012. p. 2-4.
WENG, Wei-Hsiu; LIN, Woo-Tsong. Development Trends and Strategy Planning in Big Data Industry.
Contemporary Management Research. [S.I.] Set. 2014, v. 10, n.3, p.203-213.