Big Data Novas Tecnologias Aplicadas Ao Varejo e Distribuição

BIG DATA
Novas Tecnologias Aplicadas ao Varejo e Distribuição
Professor e Consultor: José Girão

PERFIL DOCENTE
Graduação em Administração de Empresas, 2001 UNIFOR - CE
Pós Graduação em Marketing,2003 FGV - RJ
Pós Graduação em Ciências de Dados: BI, Big Data – UNI7
Escritor: Série Gestão e Corpo Humano – Livros Digitais
Colunista: Portal Gestão Empreende - SP
Consultor de Empresas
Professor Pós Graduação
Palestrante Marketing e Gestão de Negócios

OBJETIVOS
Entender conceito de TI Cognitiva - BUNISESS X TECNOLOGIA
Machine Learning
Utilização de Dados no processo de Decisão

Data Mining
Contexto Mundial de Evolução Tecnológica – BIG DATA

Indústria 4.0
O que são Sistemas Cyber-Físicos

IA, IOT, Cloud, 5G, Manufatura Aditiva, Biologia Sintética
Qual as diferenças entre: Data Science, BI, Big Data?

Conceitos & Contextos
Conhecimentos Básicos/Técnicos TI
Data Wharehouse, Data Marts, Data Mining, ETL, Modelagem de Dados
OBJETIVOS
BIG DATA BIG DATA ANALYTICS
Entender e Comunicar
Evolução Estrutural
PRODUÇÃO TECNOLOGIA CONSUMO SOCIAL

CONTEXTO DE EVOLUÇÃO PRODUÇÃO
REVOLUÇÃO INDUSTRIAL
Revolução Industrial
1º Revolução
Entre 1760 a 1860
Ficou limitada inicialmente na Inglaterra
Ciclo do Campo para Cidades
Primeiras Indústrias de Tecido
Utilização Tear Mecânico e máquinas a Vapor

2º Revolução
Entre 1860 a 1900
Expandiu pela Europa: França, Rússia, Itália e Alemanha
Emprego do Aço
Utilização Energia Elétrica
Evolução de Combustíveis e Derivados

3º Revolução - Automação
Após 1945 – Segunda guerra mundial .....
TI: Computadores mainframe e pessoais
Embrião desenvolvimento Internet
Celular
Participação tecnologia nas fábricas
Engenharia Espacial
Fusão do mundo físico, digital e biológico.

CONTEXTO DE EVOLUÇÃO TECNOLÓGICA
Computadores
Internet
Banco de Dados
Computadores
MECÂNICOS
MECÂNICOS
Internet
ARPANET 1969 – CRIAÇÃO DA ARPANET
1971 – RAY THOMPSON CRIA @ IDENTIFICAR USUÁRIOS
1974 – PADRONIZAÇÃO PROTOCOLO TCP: TERMO INTERNET
1983 – NASCE ENDEREÇAMENTO DE SITES

1989 – TIM BENNERS-LEE CRIA WWW
1991 – PRIMÓRDIOS INTERNET NO BRASIL: FAPESP
1994 – INICIO OPERAÇÃO COMERCIAL INTERNET: EMBRATEL
1996 – NOKIA 9000 – 1º TELEFONE CAPAZ ACESSAR WEB
1998 – GOOGLE
2004 – FACEBOOK
2005 – YOUTUBE
2007 - APPLE LANÇA 1º IPHONE
2019 – INICIO OPERAÇÃO 5G: COREIA DO SUL e USA

ARPANET
1G - 1980
ARPANET
Sinal de Telefonia Analógica Sistema AMPS (Advanced Mobile Phone System)
Se considerarmos, como exemplo, valores entre os números 0 a 10. O sinal analógico poderá passar por
qualquer um de seus valores intermediários
(0, 0,5, 0,755, 1, 1,5, 2, 2,5, 3, 3,5, 4, 4,1, 4,562, 4,5, 5, 5,5, 6, 6,5, 6,6, 7, 7,5, 8, 8,5, 9, 9,1, 9,5,
10), ocasionando uma grande oscilação do sinal e uma baixa qualidade de imagem.
2G - 1990
ARPANET
Sinal de Telefonia Digital Sistema GSM (Short Message Service)
Se considerarmos, também, como exemplo, valores entre os números 0 a 10. O sinal digital assumirá valores
discretos (0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10), ou seja, não passará pelos valores intermediários, o que ocasionará
uma menor oscilação do sinal e, consequentemente, uma melhor qualidade de imagem.
3G - 2000
ARPANET
Recursos Multimídias Sistemas jogos, vídeos e páginas
A tecnologia 3G aprimora a transmissão de dados e voz,

permitindo o uso de recursos como navegação na internet,
vídeos, música e vídeos chamadas.
4G - 2010
ARPANET
Velocidade de Conexão Carregamento de Dados
A principal vantagem da 4G é a sua facilidade de carregar e enviar

dados, o que torna possível, por exemplo, assistir a filmes de alta
definição enquanto são baixados, ou armazenar vídeos no
computador no momento em que estão sendo captados pela
câmera.
5G - 2020
ARPANET
Velocidade 10 x maior que 4G Carregamento de Dados
Em resumo 5G é a nova geração de internet para celulares e

dispositivos móveis, que trará velocidades muito maiores que o
atual 4G, além de menor intermitência, mais estabilidade e
possibilidade de mais dispositivos conectados ao mesmo tempo.
ARPANET
BANCO DE DADOS
REINSEL [3] descreve a evolução da computação em relação ao processamento de dados em
três grandes períodos:
ANTES DE 1980
Quase todas as informações eram
armazenadas em datacenters
dedicados.
Os dados e o poder de processamento
estavam concentrados no mainframe1 e
seu uso era quase que exclusivamente
para fins comerciais.
ENTRE 1980 e 2000
A ascensão dos computadores pessoais
e a Lei de Moore democratizaram o
poder da computação e da transferência
de dados. O datacenter não apenas
armazenava dados em um hub, mas os
gerenciava e transmitia para
dispositivos de terminal.
A Lei de Moore diz que o número de transistores nos processador dobraria a cada 18 meses (Foto: Divulgação/Intel)
Gordon Moore,1965
PÓS 2000
A evolução das redes banda larga
wireless e por meio da Amazon,
Google, Microsoft e outros
provedores de serviços populares,
o datacenter se estendeu à
arquitetura em nuvem.,
Surgimento de novos dispositivos,
como telefones consoles de jogos e
objetos inteligentes, que por sua
vez, geram uma quantidade
enorme de dados
RESUMO
CONTEXTO DE EVOLUÇÃO CONSUMO
BABY BOOMERS Nascidos entre 1946 e 1964
Nascida sob guerras e descobertas científicas, essa geração incorporou a

palavra “trabalho” como nenhuma outra.
Geração Pós 2º guerra mundial < Explosão na taxa de Natalidade USA >
São mais leais e patriotas
Personalidade workaholic, valorizam experiência e estimam Status
Seus gastos não excedem seus ganhos.

GERAÇÃO X Nascidos entre 1965 e 1980
Cercada por grandes construções, trata-se da geração que ligou o motor

do desenvolvimento, da globalização e da tecnologia.
Representam 51% da força de trabalho Global – Fonte: World Retail Congress
Maior potencial para comprar produtos e serviços de luxo
77% preferem foco no produto em vez de causas ou ideias
85% preferem que as campanhas mostrem o produto da forma mais real possível
GERAÇÃO Y Nascidos entre 1980 e 1990
Profissionalmente indecisos, buscam um propósito maior em atividades

no ambiente trabalho.
Deixam a casa dos pais cada vez mais tarde
Valorizam o consumo com propósito
Abandonaram a ideia de posse e abraçaram o consumo compartilhado
80% desejam que as marcas os entretenham

GERAÇÃO Z Nascidos entre 1990 e 2009
Os que nasceram nessa época percebem os dispositivos digitais como

algo natural em suas vidas. São Chamados de “Nativos Digitais”.
Personalização, evitando rótulos
Relação mais crítica e consciente com processo de compra.
Consumo como expressão de identidade ( Comprar conexão com SER e não TER )
Consumo médio de 23 horas de conteúdo em vídeo por semana

GERAÇÃO ALPHA Nascidos a partir de 2010
Tal qual a Z, tem a tecnologia ocupando a centralidade de suas decisões.

Serão monitorados e devem acompanhar uma profunda mudança nos
processos de aprendizagem
Tem o YouTube como propagador de conhecimento, entretenimento e informação
Reconexão com videogames
Mais transparência na relação com seus pais
Tecnologia como aliada do aprendizado

NOVOS MODELOS DE CONSUMOS
VAMOS MAPEAR MODELOS
CITE EXEMPLOS
ARPANET
CONTEXTO DE EVOLUÇÃO SOCIAIS
TENDÊNCIAS COMPORTAMENTAIS
ARPANET
Tendências Comportamentais
ARPANET IDADE É SÓ UM NÚMERO
Avanço da Tecnologia na área da saúde
A idade é mental e não cronológica
Maturidade e Consumo andam juntos
A vida começa aos 60 ..............

MENOS É MAIS
ARPANET
Menos ..... Produtos industrializados
Menos ..... Estresse
Mais.....produtos naturais
Mais.....Yoga, exercícios e relaxamento.

CONSUMO CONSCIENTE
ARPANET
Preocupação coletiva com meio ambiente
Investigação práticas anti éticas empresas
Conscientização Proteção aos animais
Aumento Vegetarianos e Veganos

CONEXÃO QUALQUER HORA
ARPANET
Mobile já faz parte vida das pessoas

ARPANET SABER É PODER
Facilidade de acesso a Informação
Poder nas mãos consumidores
Exigi aumento conhecimentos e autoridade

ARPANET INFORMAÇÃO E INDEPENDÊNCIA
Cuidado com as fontes
Eliminação Intermediários
Aumentam aplicativos “regulam” sua vida
Busca pela autossuficiência

FIM DO PLÁSTICO
ARPANET
Preservação do Planeta
Redução utilização do Plástico
Diferencial Competitivo Ambiental

ARPANET LOBOS / LOBAS SOLICTÁRIOS
Deixou de ser deficiência social
Passou a ser estilo de vida
Opção está só !!!

Ciências de Dados – A evolução da Terminologia
NOMENCLATURAS
Evolução Terminologia
Suporte à Decisão ( 1970 – 1985 )

Década de 80 segundo autor, S.Alter na publicação de “Decisions
support systems:
Sistema para criação e acesso a ficheiros;

Suporte aos Executivos ( 1980 - 1990)
Informações Financeiras e Contábeis
Banco de Dados – Armazenamento

Processamento Analítico On line ( OLAP ) 1990 - 2000

On-Line Analytical Processing (Processamento Analítico On-Line)
Software análise tabelas de dados multidimensionais
Internet início, armazenamento e análise.

Business Intelligence ( 1989 – 2005 )
Ferramentas para dar suporte a decisões orientadas

por dados, com ênfase em relatórios.
Internet Protagonista, análise Multidimensional

Analytics ( 2005 – 2010 )
Foco em análises estatísticas matemáticas para

tomada de decisão
Algoritmos, Inteligência Artificial

Big Data ( 2010 até momento )
Foco em grande volume de dados não estruturados e

em rápido movimento.
“Tsunami” de dados
CONCEITO
BI é o produto da transformação de dados em

informação, após ser analisada ou inserida em um
determinado ambiente.
Esta informação transformada, aplicada a um

determinado processo de decisão, gera vantagem
competitiva para a organização.
OBJETIVOS
De acordo com o relatório 2018 Wisdom of Crowds Business Intelligence Market Study:
Tomar decisões melhores e mais assertivas
Melhorar a eficiência operacional
Aumentar as receitas
Alavancar a vantagem competitiva
Melhorar o relacionamento com o cliente
Aprimorar a gestão de risco

CRIAÇÃO VALOR: BI
ARQUITETURA BI
Arquivos Externos e Internos.
Análise de redes sociais (social media analytics)
Enterprise Resource Planning ou sistema de gestão

integrado.
Customer Relationship Management

ETL é um tipo de data integration em três etapas (extração,
transformação, carregamento) usado para combinar dados de
Sistemas de Gerenciamento
Banco de Dados diversas fontes. Ele é comumente utilizado para construir
um data Warehouse.
Nesse processo, os dados são retirados (extraídos) de um

sistema-fonte, convertidos (transformados) em um formato
que possa ser analisado, e armazenados (carregados) em um
armazém ou outro sistema.
Data Mart é uma estrutura similar ao
do DW, porém com uma proporção
menor de informações. Trata-se de
um subconjunto de informações do
DW que podem ser identificados por
assuntos ou departamentos
específicos.
Um dashboard, no contexto de TI, é um painel visual que
apresenta, de maneira centralizada, um conjunto informações:
indicadores e suas métricas.
OLAP, do inglês On-line Analytical Processing, na arquitetura de

um DW se refere as ferramentas com capacidade de análise em
múltiplas perspectivas das informações armazenadas.
Data Mining ou Mineração de Dados, se refere as ferramentas

com capacidade de descoberta de conhecimento relevante
dentro do DW. Encontram correlações e padrões dentro dos
dados armazenados.
Data Science Studio (DSS) é uma plataforma de

desenvolvimento integrada para profissionais de dados
transformarem dados brutos em previsões.
Processos BI
HIERARQUIA
Processos BI
PROCESSO DESENVOLVIMENTO
VANTAGENS
Descobre novos ou potencias clientes
Entra em novos negócios
Antecipa mudanças de mercado
Antecipa ações concorrentes - benchmark

FATORES DE SUCESSO
Compromisso da alta administração
Um sólido modelo de dados (DW/DM)
Um plano de implementação bem elaborado
Ferramenta de acesso aos dados de fácil uso e intuitiva pelos

usuários finais
Date Warehouse
CONCEITO
“Não consiste apenas de dados, mas também

em um conjunto de ferramentas para armazenar,
consultar, analisar e apresentar informações”.
Ralph Kimball
Date Warehouse
DATA WAREHOUSE - Evolução
1970 1980 1990 2000

Comp. Mainframe Comp. Pessoais Armaz. Central Crescimento Dados
Entr. Dados Simples PC´s Business Compartilhamento Consolidação BI
Est. Primitiva de BD Estrutura GER. BD Novas estruturas Novos Software IA

Date Warehouse
DATA WAREHOUSE - Evolução
2010
Big Data
Avaliação de dados Redes Sociais
Mineração de Textos e dados Internet

Date Warehouse
PARA QUE SERVE?
Armazenar dados históricos usados no processo de tomada de decisão
Criar uma visão única e centralizada dos dados que estavam dispersos
Permitir que os usuários finais executem consultas, gerem relatórios e

façam análises
Date Warehouse
PRINCIPAIS CARACTERÍSTICAS
Orientado a assunto
Integrado
Não-volátil
Variável com o tempo

Date Warehouse
Orientação a assunto
APLICAÇÃO DE VENDAS
Produtos
Clientes
Estoques
Date Warehouse
Integração
Peso (Kg)
KILOGRAMA
Peso (Lb)
Produtos
Peso (Oz)
Date Warehouse
Não Volátil
Uma vez que corretamente gravados no DW, os dados não podem ser alterados ou eliminados
Date Warehouse
Variável com o Tempo

Os dados no DW são relativos a um determinado instante de tempo
Date Warehouse
Date Warehouse
Datamart é menor e se concentra em um assunto ou

departamento específico.
Fornece suporte de decisão a públicos específicos ou pequeno grupo de pessoas

Date Warehouse
CARACTERÍSTICAS DATA MARTS
Atendem Necessidades de unidades específicas de um negócio
Otimiza fornecimento de informações de Suporte á decisão
Podem ser gerenciados por profissionais fora da área de TI

Date Warehouse
BENEFÍCIOS DATA MARTS
Redução Custos de Implementação e manutenção de sistemas
Possui linguagem mais direcionada com equipe de negócios
Contribui para confidencialidade de informações entre setores

Date Warehouse
ABORDAGENS DATA MARTS

TOP DOWN
Monta primeiro DW
Date Warehouse
ABORDAGENS DATA MARTS

BUTTON-UP
Monta primeiro DM
Date Warehouse
EXEMPLOS
Date Warehouse
MODELAGEM DE DADOS
GRANULIDADES
Date Warehouse
GRANULIDADE
É o nível de detalhe, ou resumo dos dados no DW
Princípio básico da modelagem de um data warehouse: discutir diretamente com o

usuário final sua visão do modelo de negócios e fazer com que esta visão seja
refletida na base de informações.
Date Warehouse
Menor Granularidade:
■ Mais detalhes ! Mais dados ! Análises mais longas ! Informação mais
detalhada
Maior Granularidade:
■ Menos detalhes ! Menos dados ! Análises mais curtas !
Date Warehouse
Tipos de Tabelas
Tabelas fato
■ Armazenam medições numéricas do negócio
Tabelas dimensão
■ Armazenam as descrições textuais das dimensões do negócio
Date Warehouse
Modelo Estrela
Abaixo apresenta um modelo dimensional simplificado para um processo de pedidos.
As métricas definidas neste modelo estão no quadro central e as dimensões estão

representadas nos quadros ao redor das métricas.
Date Warehouse
Processo de Construção do DW
1. Especificação da Matriz de Necessidades
O objetivo desta atividade é gerar uma definição de alto

nível dos indicadores que devem ser acompanhados pelo
cliente, juntamente com as formas de visualização
(dimensões) dos mesmos . Esse documento deve ser
avaliado e aceito pelo solicitante do projeto
Date Warehouse
Date Warehouse
2. Modelagem Dimensional
Os dados são visualizados através de uma estrutura simples
de “cubo de dados
Date Warehouse
2. Modelagem Dimensional
FATOS E DIMENSÕES
Date Warehouse
EXERCÍCIO 1
Data Warehouse - Modelagem Dimensional
1. Na última semana, os Diretores da Filmes Trades solicitaram um conjunto de relatórios para
a equipe da TI e ainda não foram atendidos. Os relatórios deveriam apresentar para o
período de JAN/ 2010 a JAN/2020 o número de pessoas e o valor obtido nas sessões por
• Cidade
• Sala de cinema
• Filme
• Dia,
• Turno (manhã, tarde e noite).
A partir dessa necessidade, projete o modelo dimensional que poderá atender os diretores a
partir do uso de uma solução de BI. Inicie com a elaboração da matriz de indicadores e
dimensões.
Date Warehouse
Resposta Exercício 1
Date Warehouse
EXERCÍCIO 2
2. A empresa Girão Card é uma empresa que centraliza as operações realizadas com o
cartão SICA, a maior bandeira de cartão de créditos do país. Esta empresa trabalha
com diversos Bancos conveniados e em vários estados do país. Atualmente, necessita
saber a quantidade de cartões emitidos por dia, por Banco e por Estado. Considerando
apenas atributos básicos (código e descrição) para Banco e Estado. Elabore a matriz de
indicadores e dimensões e desenhe um modelo multidimensional.
Date Warehouse
Resposta Exercício 2
Pense bem ....
Pense bem ...
Pressões nos negócios
Modelo de Suporte de Respostas
CONTEXTO DE AMBIENTE
Fatores Ambientais Respostas Suporte

de Negócios Organizações Decisões
Globalização Pressão
Estratégia Dados
Demanda / Clientes Parcerias Comerciais
Reg. Governamentais Armazenamento
Respostas tempo real
Condições de Mercado Complexidade Agilidade / ação Avaliação
Competição Novos modelos de negócios Decisão
FATORES CRIAM PRESSÕES AMBIENTES DE NEGOCIOS

MERCADOS
Competitividade Extrema: Direta e Indireta
Expansão de Mercados Globais
BOOM Mercado Eletrônico - Internet
Processo de Marketing e Inovações
Necessidade por demanda Tempo Real


DEMANDA CLIENTES
Desejos por Personalizações
Exigência por: Qualidade, Diversidade e velocidade de entrega
Clientes Ficando empoderados e menos fieis

TECNOLOGIA
Mais inovações, Novos produtos e serviços
Aumento de sobrecarga de informações
Redes Sociais
ORGANIZACIONAL
Crescimento das regulamentações Governamentais
Força de trabalho mais diversificada: Profissionais mais experientes e mulheres
Crescimento com Responsabilidade Social Empresarial
Ênfase na Sustentabilidade. Produção e Consumo !

Contexto
Efeitos Colaterais BIG Data

Contexto
Contexto
Contexto
O mundo é VOLÁTIL
Passamos de uma terra plana para redonda depois elíptica
Geocentrismo para heliocentrismo
Leis de Newton para a relatividade de Einstein e agora para a Física Quântica

Contexto
O mundo é INCERTO
Consequência da VOLATILIDADE
A verdade passa a ser Subjetiva - Contextual
Padrões de Sucessos hoje não será amanhã

Contexto
O mundo é COMPLEXO
Vasta quantidade de Informações
Mudanças de Conceitos e Comportamentos
Padrões de Exigências em patamar bastante desafiador

Contexto
O mundo é AMBÍGUO
Realidade Turva
Respostas e soluções imprecisas
Decisões requer responsabilidades e muita CORAGEM

Contexto
Contexto
Contexto
SISTEMAS CIBER - FÍSICOS

A ponte entre os Mundos Reais e Virtuais
SISTEMAS CIBER – FÍSICOS
Sistemas ciber-físicos são sistemas

computacionais e colaborativos os quais
as operações são monitoradas,
coordenadas, controladas e integradas
por núcleos de comunicação e
computação.
MANUFATURA ADITIVA / SUBTRATIVA
CPS – SISTEMAS CIBER – FÍSICOS
Manufatura Aditiva - Subtrativa
O termo Manufatura Aditiva representa um

grupo de tecnologias de fabricação digital,
que são capazes de criar objetos físicos, a
partir de um modelo digital, adicionando
camadas.
O processo Manufatura Subtrativa

normalmente começa com um bloco sólido de
material, e remove o material para obter a
forma final necessária, usando cortadores
rotativos afiados. ( Método CNC )
Uso da manufatura aditiva em várias indústrias





IA – INTELIGÊNCIA ARTIFICIAL
Inteligência Artificial
Inteligência Artificial (IA) é um ramo da ciência

da computação que se propõe a elaborar
dispositivos que simulem a capacidade
humana de raciocinar, perceber, tomar
decisões e resolver problemas, enfim, a
capacidade de ser inteligente.
EVOLUÇÃO
REDES NEURAIS 1940 - 1970
Uma rede neural é um tipo de Machine learning

composta de unidades interconectadas (como
neurônios), que processam informações ao
responder a entradas externas, retransmitindo-as
entre as unidades.
EVOLUÇÃO
MACHINE LEARNING 1980 - 2010
Machine learning automatiza a construção de modelos

analíticos. Ele usa métodos de redes neurais, estatística,
pesquisas de operações e física para encontrar insights
escondidos em dados, sem ser especificamente
programado para olhar um determinado lugar ou chegar
a uma determinada conclusão.
EVOLUÇÃO
DEEP LEARNING - HOJE
“Aprendizagem profunda”
Deep learning utiliza grandes redes neurais com muitas

camadas de unidades de processamento, aproveitando-se
de avanços no poder computacional e em técnicas de
treinamento aprimoradas para aprender padrões
complexos em grandes quantidades de dados. Aplicações
comuns incluem reconhecimento de imagem e fala.
IMPORTANCIA
Automatiza a aprendizagem repetitiva e a descoberta a partir dos dados.
Adiciona inteligência a produtos existentes.
Adapta através de algoritmos de aprendizagem progressiva
IA atinge uma precisão incrível através de redes neurais profundas

Interação pesquisas GOOGLE
Classificação de imagens para encontrar câncer precisão de radiologistas bem treinados;
IA irá substituir seres Humanos ?
A inteligência artificial não está aqui para nos

substituir. Ela irá expandir nossas capacidades e
nos torna melhores naquilo que fazemos.
Para isso em todas as áreas

profissionais terão que criar
conhecimento nas áreas de dados.
IA irá substituir seres Humanos ?
Aprendizagem e aplicabilidade Multidisciplinar
Aprendizagem e aplicabilidade direcionada
Interferência Humana
Sophia é um robô humanoide desenvolvido pela empresa

Hanson Robotics, de Hong Kong, capaz de reproduzir 62
expressões faciais. Projetado para aprender, adaptar-se ao
comportamento humano e trabalhar com seres humanos.
PESQUISAS E TENDÊNCIAS
Artificial Intelligence Primer for 2019

Published 17 January 2019 - ID G00709933 - 9 min read
By Analysts Whit Andrews
2018
2020
4%
Empresas
IA 50%
2019
Empresas
14% IA
Empresas
IA
Fonte: Based on the 2019 Gartner CIO Survey
3 QUESTÕES CHAVES IA
Grande número empresas criam confusão e atrasa decisões de compra
O grande aumento de startups e

fornecedores que “dizem” oferecer
produtos com Inteligência Artificial sem
nenhum diferencial real está confundindo
os consumidores.
Mais é menos .........
Avanços em IA, como Aprendizagem Profunda

(Deep Learning), criam muita expectativa, e
acabam deixando de lado soluções mais simples e
eficientes.
As organizações não têm as habilidades para avaliar, construir e implementar
soluções de IA
Pesquisa exclusiva realizada pelo Gartner a qual

mostra que mais da metade dos entrevistados indica
que a falta de habilidades necessárias na equipe foi o
maior desafio para adotar a IA em suas organizações.
Machine Learning
Machine Learning é uma tecnologia onde os

computadores tem a capacidade de aprender de
acordo com as respostas esperadas por meio
associações de diferentes dados, os quais podem
ser imagens, números e tudo que essa tecnologia
possa identificar.
EXPERIÊNCIA COGNITIVA DADOS E INFORMAÇÕES
As Máquinas aprendem a realizar previsões cada vez mais certeiras e a se relacionar melhor com os humanos!
Machine Learning
APRENDIZADO NÃO SUPERVISIONADO
O aprendizado não supervisionado é um ramo

do Machine Learning que aprende com dados de teste
que não foram rotulados, classificados ou categorizados
previamente.
APRENDIZADO SUPERVISIONADO
Neste caso, as máquinas conhecem exatamente o que elas

terão que produzir através dos algoritmos, antes mesmo
de executá-los. Elas conhecem as entradas e as saídas
dos algoritmos.
APRENDIZADO POR REFORÇO
O Aprendizado por Reforço é uma forma da máquina

“aprender com os erros”. Quando ela interpreta alguma
coisa de maneira errônea, basta você corrigir. Assim, ela
compreende qual é a maneira correta baseando-se nos
novos dados.
Deep learning é um tipo de Machine

learning que treina computadores para
realizar tarefas como seres humanos, o que
inclui reconhecimento de fala, identificação
de imagem e previsões.
Reconhecimento de Imagem
Uma aplicação prática do

reconhecimento de
imagem poderá ser uma
ferramenta estratégica
para seu ponto de
vendas, vejam:
Reconhecimento de voz
Empresas e universidades
adotaram o deep learning
para o reconhecimento
de fala. Xbox, Skype,
Google Now e a Siri®, por
exemplo, empregam
tecnologias de deep
learning em seus
sistemas para reconhecer
padrões de fala.
Sistemas de recomendações
A Amazon e a Netflix
popularizaram o conceito
de sistemas de
recomendação através de
boas chances de acertar
no que você pode estar
interessado depois de
realizar uma ação, a partir
de comportamentos
anteriores.
Visualização de Dados
Visualização de dados é a apresentação de

informações em formato ou gráficos.
Permite que Gestores vejam os resultados de

análises visualmente, para que possam compreender
conceitos difíceis ou identificar novos padrões e
tomar decisões.
IMPORTÂNCIA VISUALIZAÇÕES DE DADOS
Identificar áreas que necessitam de melhorias e atenção
Decifrar modelos de comportamentos humanos e consumo
Mapeamento de Produtos e Distribuição Geográfica
Antecipar tendências de volumes de vendas

Entender informações rapidamente
Usando representações gráficas de informações

de negócio, as empresas se tornam capazes de
enxergar grandes quantidades de dados de
modo compreensível e coeso – e tirar
conclusões dessas informações.
Identificar as últimas tendências
Utilizar visualização de dados para revelar tendências – tanto

corporativas quanto de mercado.
Contar a história
Uma vez que a empresa descobriu novos insights com análises

visuais, o próximo passo é comunicar esses insights. Usar
diagramas, gráficos ou outras representações visualmente
impactantes é importante nessa etapa, porque é envolvente e
transmite a mensagem rapidamente.
RELATÓRIOS
Power BI
Plataforma de business intelligence desenvolvida
pela Microsoft que permite transformar dados em insights.
Grafana Analytics
O Grafana é uma plataforma para visualizar e analisar métricas por meio
de gráficos.
OpMon Dashboards
OpMon dashboards é a ferramenta ideal para construir painéis no
formato Canvas. Ou seja, é possível criar painéis visualizações
totalmente customizados e sem qualquer tipo de limitação gráfica.
DATA MINING
NINERAÇÃO DE CONHECIMENTOS
Data Mining, refere-se ao processo de extrair de uma

grande quantidade de dados, padrões consistentes,
capazes de gerar insights valiosos.
TAXONOMIA PARA TAREFAS DE MINERAÇÃO DE DADOS

TAREFAS PREDITIVAS
As tarefas preditivas de mineração de dados apresentam
modelos do conjunto de dados disponível que é útil na
previsão de valores desconhecidos.
Um médico que tenta diagnosticar

uma doença com base nos
resultados de exames médicos
INCOGNITAS
TAREFAS DESCRITIVAS
As tarefas descritivas de mineração de dados geralmente
encontram dados que descrevem padrões e trazem
informações novas e significativas do conjunto de dados
disponível.
Um varejista que tenta identificar

produtos comprados juntos pode
ser considerado uma tarefa
descritiva
TENDÊNCIAS
DATA MINING
TAREFAS PREDITIVAS
CLASSIFICAÇÃO
PREVISÃO
ANÁLISE DE SÉRIES TEMPORAIS
CLASSIFICAÇÃO
Coleção de registros estará disponível, e cada um com um conjunto atributos.
Atributos de Classes
Motivos não efetivação Ações Estratégicas Envio novas promoções

(Recuperação) (Recompra)
INVESTIGAÇÃO DO FATO
PREVISÃO
Dados disponíveis para elaboração de uma projeção valores futuros
Projeção de Renda de um
determinado modelo de persona
Fatores Macroeconômicos: Inflação, Tx. Desemprego, PIB e Renda Per capta
Fatores Internos: Escolaridade, Sexo, Geolocalização, Networking, Ocupação
PROJEÇÕES ATRIBUTOS FUTUROS

ANÁLISES DE SÉRIES TEMPORAIS

É uma sequência de Eventos que sofrem influências de fatores diversos
1900 2020
Costumes Tecnologia Epidemias
Tempo TEMPO É O PROTAGONISTA

DATA MINING
TAREFAS DESCRITIVAS
ASSOCIAÇÃO
AGRUPAMENTOS
RESUMO
ASSOCIAÇÃO
Identifica os relacionamentos entre os objetos
Um varejista pode identificar produtos que normalmente os clientes

compram juntos ou até encontrar os clientes que respondem à
promoção do mesmo tipo de produtos.
AGRUPAMENTO
Utilizado para identificar objetos de dados que são semelhantes entre si
Organizar banco de dados dos clientes em:
Geolocalização Faixa Etária Composição Familiar Renda Escolaridade
AUMENTAR VENDAS FORNECENDO PRODUTOS PERSONALIZADOS

RESUMO
Resumir é buscar informações estratégicas com a generalização de dados
Perfil consumo Persona
Spinning Casada COMBOS

PROMOCIONAIS
Musculação 30 anos DIRECIONADOS
Zumba Intensa
Cliente de Academia
Online Analytical Processing (OLAP) é um

método que garante que os dados
corporativos sejam analisados de forma mais
ágil, consistente e interativa pelos gerentes,
analistas, executivos e outros interessados
nas informações.
CARACTERÍSTICAS
Aplicação: nível estratégico, auxilia na análise empresarial e tomada de decisões
Funcionalidade: gera análises e relatórios gerenciais com leitura otimizada
Estrutura de dados: poucos detalhes, pois tem alto nível de sumarização
Frequência de utilização: baixa, semanal, mensal ou anualmente

COMO FUNCIONAM CUBOS ANÁLÍTICOS

O cubo OLAP é o elemento multidimensional em que são estruturados
os dados.
ALGORÍTIMOS
Algorítimo
O termo pode ser entendido como uma

sequência de raciocínios, instruções ou
operações para alcançar um objetivo, sendo
necessário que os passos sejam finitos e
operados sistematicamente.
Algorítimo
COMPOSIÇÃO
1. Entrada de dados INGREDIENTES
2. Processamento de dados COMO FAZER
3. Saída de dados PRATO PRONTO

Algorítimo
ESTRUTURAS
VARIÁVEIS – Estrutura Supervisionada ou não supervisionada

São as informações de entrada inseridas que determinam aonde
o algoritmo poderá ir.
COMANDOS DE REPETIÇÃO - Processamentos

Consiste no uso de “se” e “enquanto”, para que o algoritmo
saiba o que fazer quando determinados processos ocorrerem e o
que fazer se eles mudarem.
Algorítimo
ALGORITMOS QUE TOMAM TODAS AS DECISÕES

SOBRE SUA VIDA SEM QUE VOCÊ PERCEBA
Algorítimo
Decisão nas entrevistas de emprego
Os currículos estão sendo cada vez mais descartados antes de passar por mãos
humanas. Tudo isso acontece porque as empresas estão utilizando sistemas
automatizados em seus processos seletivos.
USA
68% Candidatos
ELIMINADOS
Sem interferência Humana
Algorítimo
Perfil será analisado em um empréstimo
Quando se faz solicitação de um empréstimos a

qualquer instituição financeira, a resposta depende
da análise de um programa de computador.
A maquina irá analisar suas dívidas, renda, e

histórico de créditos.
As buscas do algoritmo vão desde seus registros

de compras até as buscas na internet, incluindo
as atividades em redes sociais.
Algorítimo
Tecnologia ajudando encontrar amor de sua vida
Esses sites utilizam algoritmos para identificar duas pessoas compatíveis.

Algorítimo
Análises e Tendências Vícios drogas
Blue Cross, juntamente com a empresa de tecnologia Fuzzy Logix anunciou

a criação de um algoritmo capaz de analisar 742 variáveis.
Assim, eles podem avaliar o risco de um comportamento abusivo de

medicamentos. Esses dados analisados incluem o histórico médico e até
mesmo o endereço residencial.
Algorítimo
Viabilidade Financeira produção cinema
Algoritmos são utilizados para analisar não somente as

chances de um filme ir bem em bilheterias, mas também
no retorno financeiro que ele trará. Diversas empresas,
como Paramount, Universal e Warner Bros, já utilizam este
tipo de consultoria.
Algorítimo
Influência em Eleições
Barack Obama na sua corrida em busca da presidência americana em 2008.

mirou incessantemente nos eleitores que estavam indecisos. Usou-se uma série
de informações para individualizar os perfis do eleitorado.
Quase dez anos depois, Emmanuel Macron conseguiu vitória

na França utilizando uma estratégia similar.
IOT
IOT
CONCEITO
A Internet das Coisas (Internet of Things, ou IoT) é um

conceito que dispõe que a maioria dos dispositivos que
utilizamos diariamente está conectada entre si e pela
Internet.
O crescimento da Internet das Coisas e da transformação

digital está mudando drasticamente a maneira como os
consumidores interagem com seus carros, casas e
eletrodomésticos
IOT
IOT
SURGIMENTO
A ideia real de dispositivos conectados remonta aos anos 70. (Internet Embutida)
O primeiro aparelho de internet, era uma máquina de Coca-Cola na Universidade

Carnegie Mellon no início dos anos 80. Usando a web, os programadores podiam
verificar o status da máquina e determinar se haveria uma bebida gelada esperando
por eles, caso decidissem fazer a viagem até a máquina.
IoT evoluiu de comunicação máquina a máquina ( M2M ), ou seja, máquinas

conectando-se umas às outras
Levando o M2M para o próximo nível, a IoT é uma rede de sensores de bilhões de
dispositivos inteligentes que conectam pessoas, sistemas e outros aplicativos para
coletar e compartilhar dados.
Atual termo “Internet das Coisas” foi cunhado por Kevin Ashton, em 1999, durante
seu trabalho na Procter & Gamble.
IOT
BENEFÍCIOS
Monitorar seus processos de negócios globais;
Melhorar a experiência do cliente;
Economizar tempo e dinheiro;
Aumentar a produtividade dos funcionários;
Integrar e adaptar modelos de negócios;

IOT
POSICIONAMENTO
IOT
APLICABILIDADE
IOT
FABRICAÇÃO
Dois casos de uso de IoT, que são importantes na fabricação, a

partir de uma perspectiva de despesa em cima das operações,
são o gerenciamento de ativos de produção e a manutenção e
o serviço de campo.
IOT
LOGÍSTICA
O transporte representa o segundo maior mercado a partir de

uma perspectiva de gastos da Internet de Coisas. As empresas de
transporte e logística estão buscando expandir a cadeia de valor
com sistemas avançados de comunicação e monitoramento.
IOT
ENERGIA
O petróleo e o gás, a rede inteligente e muitas outras evoluções e

casos de uso no mercado de energia e serviços públicos também
são uma parte importante do mercado da Internet das Coisas.
IOT
PESSOAS
Os exemplos de Internet de Coisas se estendem de lares

conectados inteligentes para cuidados de saúde. Na verdade, a IoT
está se tornando cada vez mais parte de todos os aspectos de
nossas vidas.
BIOLOGIA SINTÉTICA - SynBio

Biologia Sintética
É a convergência de novos desenvolvimentos tecnológicos

nas áreas de química, biologia, ciência da computação e
engenharia, permitindo o projeto e construção de novas
partes biológicas tais como enzimas, células, circuitos
genéticos e redesenho de sistemas biológicos existentes.
Biologia Sintética
Biologia Sintética
Cloud – Nuvem
NUVEM e BIG DATA
O Big Data fornece aos usuários a capacidade de usar

computação para processar e analisar conjuntos de dados em
tempo hábil e a infraestrutura de computação em nuvem
pode servir como uma plataforma eficaz para lidar com o
armazenamento de dados necessário para realizar análise de
Big Data.
Cloud – Nuvem
Cloud – Nuvem
CONCEITO
A computação em nuvem é o fornecimento de serviços

de computação, incluindo servidores,
armazenamento, bancos de dados, rede, software,
análise e inteligência, pela Internet (“a nuvem”) para
oferecer inovações mais rápidas, recursos flexíveis e
economias de escala.
Cloud – Nuvem
Custo
A computação em nuvem elimina o gasto de capital

com a compra de hardware e software, configuração
e execução de datacenters locais, incluindo racks de
servidores, disponibilidade constante de eletricidade
para energia e refrigeração, além de especialistas de
TI para o gerenciamento da infraestrutura.
Cloud – Nuvem
Escala Global
Os benefícios dos serviços de computação em

nuvem incluem a capacidade de dimensionamento
elástico. Em termos de nuvem, isso significa fornecer
a quantidade adequada de recursos de TI sempre
que necessário e na localização geográfica correta.
Cloud – Nuvem
Desempenho
Os maiores serviços de computação em nuvem são

executados em uma rede mundial de datacenters
seguros, que são atualizados regularmente com a
mais recente geração de hardware de computação
rápido e eficiente.
Cloud – Nuvem
Segurança
Muitos provedores em nuvem oferecem um amplo

conjunto de políticas, tecnologias e controles que
fortalecem sua postura geral de segurança, ajudando
a proteger os dados, os aplicativos e a infraestrutura
contra possíveis ameaças.
Cloud – Nuvem
Velocidade
A maior parte dos serviços de computação em

nuvem é fornecida por autosserviço e sob demanda,
para que até grandes quantidades de recursos de
computação possam ser provisionadas em minutos,
normalmente com apenas alguns cliques.
Cloud – Nuvem
Produtividade
Datacenters locais normalmente exigem pilhas de

equipamentos e implementações, tais como
configuração de hardware. A computação em nuvem
remove a necessidade de muitas destas tarefas, para
que as equipes de TI possam investir seu tempo na
obtenção de suas metas comerciais mais
importantes.
Cloud – Nuvem
Tipos de Computação em Nuvem

Cloud – Nuvem
Nuvem Pública
As nuvens públicas pertencem a um provedor de serviço de

nuvem terceirizado e são administradas por ele, que fornece
recursos de computação (tais como servidores e
armazenamento) pela Internet.
O Microsoft Azure é um exemplo de nuvem pública. Com uma

nuvem pública, todo o hardware, software e outras
infraestruturas de suporte são de propriedade e gerenciadas
pelo provedor de nuvem. Você acessa esses serviços e gerencia
sua conta usando um navegador da Web.
Cloud – Nuvem
Nuvem Privada
Uma nuvem privada se refere aos recursos de computação em

nuvem usados exclusivamente por uma única empresa ou
organização.
Uma nuvem privada pode estar localizada fisicamente no

datacenter local da empresa. Algumas empresas também pagam
provedores de serviços terceirizados para hospedar sua nuvem
privada. Uma nuvem privada é aquela em que os serviços e a
infraestrutura são mantidos em uma rede privada.
Cloud – Nuvem
Nuvem Híbrida
Nuvens híbridas combinam nuvens públicas e privadas ligadas

por uma tecnologia que permite que dados e aplicativos sejam
compartilhados entre elas. Permitindo que os dados e os
aplicativos se movam entre nuvens privadas e públicas, uma
nuvem híbrida oferece à sua empresa maior flexibilidade, mais
opções de implantação e ajuda a otimizar sua infraestrutura,
segurança e conformidade existentes.
Cloud – Nuvem
Tipos de Serviço em Nuvem

Cloud – Nuvem
Tipos de Serviço em Nuvem

5G
Redes 5G prometem aos seus futuros

usuários uma cobertura mais ampla e
eficiente, maiores transferências de
dados, além de um número
significativamente maior de conexões
simultâneas.
5G
Nova tecnologia promete ser de 10 a 20 vezes mais rápida que o 4G

5G
CONSEQUÊNCIAS
As redes 5G devem consumir até 90% menos energia que as redes 4G
Mais economia, qualidade de vida e preservação ecológica.
O número de aparelhos conectados por área devem ser 50 a 100 vezes

Sua geladeira conectada a internet poderá identificar faltas de produtos e
automaticamente ser programada para fazer pedido online para reposição estoque
Redução do Tempo de latência passará de 30 ms para menos de 5 ms

Possibilitará a comunicação entre veículos autônomos, permitirá o desenvolvimento de
sistemas de segurança que evitem acidentes automobilísticos, além de possibilitar a
realização de cirurgias remotas por meio de robôs.
ARPANET AMBIENTE DE INOVAÇÃO
DESENVOLVENDO
ARPANET
Todas as inovações eficazes são
surpreendentemente simples. Na verdade,
maior elogio que uma inovação pode receber é
haver quem diga: Isto é óbvio! Por que não
pensei nisso antes?
Peter Drucker
Atitudes que sua empresa deve tomar para abraçar cultura da inovação
ARPANET
1. Tenha valores que permitam a inovação em sua empresa
Capital Intelectual
Processos Internos
ARPANET
2. Comece a inovação pelas lideranças
ARPANET
3. Incentive a participação dos colaboradores
Comunicação
Velocidade
Transparência
Benefícios
Recompensas
ARPANET
4. Mude a forma de enxergar os erros do seu negócio
Importante que o negócio

enxergue o erro como parte do
processo e a preparação para um
acerto maior.
ARPANET
5. Crie laboratórios de inovação
Crie uma equipe multidisciplinar e

um foco em mudanças, esse tipo de
iniciativa pode criar condições
favoráveis para a inovação.
ARPANET
Fonte: Autor Tom KELLEY, Editora Campus

ARPANET
ARPANET
Investiga Interações emocionais e físicas entre clientes e produtos
Conversa com Pessoas

Desenvolve carteira de Ideias
Observa Reações
ARPANET
Como transformar ideias em algo TANGÍVEL
Desenvolvedores de protótipos
São otimistas
Estimulam observar forma geral do projeto
ARPANET
Adaptar ideias para outros setores, com uma visão ampla negócio
Mantem sempre atualizados

Compartilham o que aprendem
Registram por escritos seus insights
ARPANET
Como transpor dificuldades no decorrer do processo ?
Tentam algo que nunca foi feitos antes

Gostam de assumir Riscos
Enfrentam problemas com Humor
ARPANET
Como Reunir, incentivar e liderar pessoas ?
Sempre dispostos a trabalhar pelo bem comum

Inspiram pessoas
Estimulam criação e compartilhamento de idéias
ARPANET
Como mirar Oportunidades estratégicas com foco em Resultados?
Cede o centro do palco aos atores

Entendem dificuldades e trabalham resiliência
Estimulam Braistorms
ARPANET
Como desenvolver Experiências clientes conectando necessidades?
Usam experiência para criar atributos únicos

Mapeiam Jornada dos Clientes
Apostam no incomum
ARPANET
Como promover marca através Marketing de Conteúdos?
Entendem que histórias constroem credibilidade

Convertem pessoas normais em verdadeiros heróis
Conquistam pessoas através conexão emocional
ARPANET
Como desenvolver Fidelização de Clientes?
Compreendem cada Cliente

Simplificam e humanizam o atendimento
Oferecem ao cliente uma Rede de Segurança
ARPANET
Como fazer do ambiente físico influenciadores de comportamentos?
Reforçam Cultura e imagem da organização

Pequenas mudanças, grandes diferenças
Utilizam ferramenta Brandsense
DESENVOLVENDO
ARPANET CULTURA DADOS
As ARPANET
empresas estão investindo trilhões de
dólares para se tornarem organizações
impulsionadas por dados.
ARPANET
Não é apenas TECNOLOGIA!
Para ser uma organização impulsionada por

dados, é necessário mudar mentalidades,
atitudes e hábitos, incorporando os dados à
identidade da organização.
ARPANET
A cultura é um fator primordial do sucesso
Fazer perguntas difíceis e questionamentos de ideias.
Missão de usar os dados para evoluir como organização e indivíduos.
Sair da intuição e entrar era de decisões com base nos dados

5 elementos base Cultura de Dados
ARPANET
CONFIANÇA
Líder faz elo entre DADOS e COLABORADORES

líderes confiam em sua equipe, a equipe confia nos dados e todos confiam uns nos outros.
ARPANET
COMPROMISSO
Dados são tratados como insumos estratégicos

Organizações se comprometem a extrair um valor real de seus ativos de dados e, em vez de
simplesmente armazenar e coletar dados
ARPANET
TALENTO
Todos processos recrutamento buscam perfis de dados

No final das contas, uma cultura de dados é formada por pessoas que entendem de dados.
ARPANET
COMPARTILHAMENTO
Envolvimento participativo de toda a organização
Sua resolução requer dados de vários sistemas e a colaboração de diferentes equipes.

ARPANET
MENTALIDADE
Coloque dados em primeiro lugar
Em uma cultura de dados, as pessoas priorizam os dados à intuição, suposições ou
classificações.
O que é DATA DRIVEN?
É um termo em inglês que significa “direcionado

por dados” e consiste em uma cultura
corporativa com foco na utilização
inteligentemente de dados, fazendo com que
eles sejam o centro do planejamento estratégico
e das tomadas de decisões da empresa.
ARPANET
Por que é importante investir na cultura data driven?
De acordo com os dados da Gartner —

empresa autoridade no ramo da
tecnologia e informação —, 80% das
organizações de todo o mundo terão
investido nessa cultura em 2020.
Dicas para transformar sua empresa orientada por dados
ARPANET
Defina metas e acompanhe-as de perto
Qual problema buscamos resolver com análise de dados?

Dicas para transformar sua empresa orientada por dados
ARPANET
Defina índices e cruzamento de informações
Quais as informações relevantes para seu negócio ?

ARPANET E PROCESSO DE DECISÃO
TECNOLOGIAS
ARPANET
Características de Construção do Processo de Decisão
Formação de uma equipe Heterogênea, multidisciplinar
Tomadores de decisão estão interessados em avaliar cenários hipotéticos
Coleta informações e a análise de problemas levam tempo podem ser caros
Pode não haver informações suficientes para tomada de decisão

ARPANET
Identificar
Decisão
ARPANET 1 - IDENTIFICAR DECISÃO
Você percebe que precisa tomar uma decisão.
Novo Posicionamento de MARCA
Retirada de um produto/serviço do seu portifólio
Soluções de conflitos internos

ARPANET
Reunir
Informações
Identificar
Decisão
ARPANET 2 – REUNIR INFORMAÇÕES
Colete algumas informações antes tomada decisão
Avaliação de Fontes
Relevância do conteúdo
Valor para seu negócio

ARPANET
Identificar
Alternativas
Reunir
Informações
Identificar
Decisão
ARPANET 3 – IDENTIFICAR ALTERNATIVAS
Listar todas as alternativas possíveis e necessárias
Alternativas Naturais
Alternativas Cruzadas
ARPANET
Teste
Evidências
Identificar
Alternativas
Reunir
Informações
Identificar
Decisão
ARPANET 4 – TESTE DE EVIDÊNCIAS
Elabore evolução comportamental cada alternativa
Faça aplicação teste até o fim e projete seus resultados
Identifique Potencialidades
Elabore uma ordem de prioridades

ARPANET
Escolher
alternativas
Teste
Evidências
Identificar
Alternativas
Reunir
Informações
Identificar
Decisão
ARPANET 5 – ESCOLHER ALTERNATIVAS
Momento de decidir sequência de ação
Você poderá optar pela sequencia passo anterior
Escolher de Forma alternadas
Optar utilização combinação de duas ou mais alternativas

ARPANET
Tomar
Atitude
Escolher
alternativas
Pesar
Evidências
Identificar
Alternativas
Reunir
Informações
Identificar
Decisão
ARPANET 6 – TOMAR ATITUDE
Está pronto para executar ação planejada
Busque engajamento todos os envolvidos
Processo Comunicação é fundamental – evitar ruídos
Organize todas as etapas e responsabilidades

ARPANET
Rever
Decisões
Tomar Consequências
Atitude
Escolher
alternativas
Pesar
Evidências
Identificar
Alternativas
Reunir
Informações
Identificar
Decisão
ARPANET 7 – DECISÕES E CONSEQUÊNCIAS
Implemente FEEDBACK
Avalie Resultados
Aprofunde suas observações – fontes de decisão
Implemente Melhorias ao processo

O QUE É BIG DATA?
ARPANET
Big data são ativos de informações de alto
volume, alta velocidade e / ou alta variedade que
exigem formas inovadoras e econômicas de
processamento de informações que permitem
insight aprimorado, tomada de decisão e
automação de processos.
Big Data é qualquer tipo de dados – estruturados
ou não, como texto, aúdio, vídeo, cliques,
registros e outros. É muito mais do que uma
questão de volume de informações, mas uma
oportunidade de descobrir novos conteúdos para
tornar seu negócio ágio....
Medido em termos de volume, velocidade e
variedade o Big Data representa uma grande
ruptura na inteligência de negócios e
gerenciamento de dados.
CARACTERÍSTICAS
ARPANET VOLUME
Volume
Porque o
ARPANET volume aumenta a cada ano ?
Armazenamento é barato ( Serviços Nuvens gratuitos)

Custo 1 Terabyte passou de USD 37.000 (BD tradicional) para USD 2.000
Pessoas mais íntimas com as tecnologias.

Usuários de 2 a 90 anos
Tendências de armazenar e não deletar

É barato guardar, porque deletar ?
Volume
Sabedoria das Massas e Multidões

A ideia que algo feito por várias pessoas tende a ser melhor do que se fosse feito por uma
Surowiecki (2004) propõe 4 premissas para a Sabedoria das Massas:
1. Diversidade de opiniões: Cada um sabe uma parte do todo e um complementa o outro
2. Independência: Opiniões individuais não devem ser influenciadas por outras opiniões
3. Descentralização: Experiências locais (individuais) ajudam no contexto global
4. Agregação: Mecanismo para juntar as decisões individuais numa decisão coletiva

Volume
Dimensão
ARPANET de Dados
Volume
ARPANETEm 1 minuto...
Volume
Formas de Coleta de informações

ARPANET
EXPLÍCITA
Quando perguntamos algo á alguém: QUESTIONÁRIO
IMPLICITA
Quando utilizamos a Observação: COMPORTAMENTOS DOS CLIENTES PONTO DE VENDAS
INFERÊNCIA
Geração de informações sobre outras: SE VOCÊ COMPRA CONGELADOS:
a) Você tem bom equipamento Freezer em casa
b) Você não suporta cozinhar
c) Você não tem tempo para se dedicar
ARPANET
VARIEDADES
Variedade
ARPANET
Levitin (2015), em 1550, ―eram conhecidas quinhentas espécies de plantas no mundo.
Em 1623, este número aumentara para 6 mil.
Hoje, conhecemos:
9 mil espécies só de grama

2700 tipos de palmeiras,
500 mil diferentes espécies de plantas
Variedade
O Big Data escalona a variedade de informações das seguintes formas

ARPANET
(Jewell, Dave et al):
Variedade
ARPANET
DADOS ESTRUTURADOS
Variedade
ARPANET
Integração entre dados variados
O uso de dados de diferentes tipos enriquece o conhecimento
Dados demográficos dos clientes Reclamações registradas textualmente

Variedade
ARPANET
NÃO ESTRUTURADOS
VELOCIDADE
ARPANET
Velocidade
ARPANET
O tempo é um novo tipo de moeda
O tempo é dinheiro!
Crianças correm para estudar e gerar riqueza para seu país
Empreendedores correm para desenvolver inovações antes que os concorrentes
Empresas correm para lançar novos produtos e serviços.
Marketeiros correm para alcançar clientes e vender.

Velocidade
ARPANET
Velocidade da Globalização
Conforme Stiglitz (2002), a Globalização é definida pela remoção de barreiras
ao livre comércio e pela integração das economias nacionais.
Vivemos tão dependentes uns dos outros que produzir sapatos com baixo
custo na China pode eliminar empregos em Sapiranga no Rio Grande do Sul
Com as modernas tecnologias da informação e comunicação, os laços estão

mais curtos. Ou seja, os dados trafegam mais rapidamente, o que faz com que
as influências planetárias sejam quase instantâneas.
Velocidade
ARPANET
Velocidade das Inovações
A Lei de Moore trata da evolução exponencial da capacidade de processamento dos
computadores.
Velocidade
ARPANET
Velocidade das Informações
Uma das qualidades da informação é a atualidade.
Se você demorar um mês para fazer uma pesquisa de

preço, no final do processo, os preços coletados no início
já não serão mais os mesmos.
Velocidade
ARPANET
Utilização da informação velocidade certa
Jack Welch, antigo CEO da GE, dizia que vantagem competitiva se consegue com:
Aprender mais rápido que a concorrência
Transformar mais rápido este conhecimento em ações.
CONHECIMENTO E AGILIDADE DE AÇÃO

Velocidade
Velocidade e sua Relevância

ARPANET
Um astronauta em uma espaçonave que saia da rota pré-determinada não pode
esperar que cálculos para uma nova rota demorem para ser feitos.
Operadores em bolsas de valores também precisam encontrar informações de

maneira rápida.
Cirurgiões precisam de informações em tempo real que alguns índices de segurança,

batimentos cardíacos, pressão arterial, nível de oxigenação no sangue.
VERACIDADE
ARPANET
Veracidade
ARPANET
A sociedade com a variedade discutida admite
várias verdades.
Entretanto, para algumas situações não podemos ser tão flexíveis:
Réu poderá ser culpado ou Inocente
Respostas objetivas de uma prova não dá margem para discussões
A temática de ética é certo ou errado, em qualquer situação.

Veracidade
ARPANET
Análise da informação e suas partes
Método proposto por Descarte e outros: ANALÍTICO
Por exemplo, se alguém diz ―que Fulano construiu uma ponte

enquanto era prefeito da cidade , temos que verificar:
a) O “pai da criança” de fato foi prefeito desta cidade?
b) O ano de construção coincide com período do mandato?
c) Algum documento expedido na época prova a origem de

expedição obra?
Veracidade
ARPANET
Modelos e Padrões
A finalidade dos modelos é permitir o

entendimento de um conjunto de eventos,
poder comunicar a outros, poder reproduzir
este comportamento.
Veracidade
ARPANET
Informações INCOMPLETAS
Informações podem se tornar não confiáveis

não por serem inverdades mas por estarem
imprecisas ou incompletas
ENDEREÇO
Veracidade
ARPANET duplicadas e inconsistentes

Informações
Imagine dois endereços diferentes relativos à

mesma pessoa.
Veracidade
ARPANET
Credibilidade da fonte
A confiabilidade de uma informação está relacionada à

confiabilidade da fonte que o transmite.
Procura colocar no topo dos resultados as páginas ou documentos mais apontados

Veracidade
ARPANETFatos X Opiniões
No processo de comunicação as pessoas tendem a
misturar emoções, opiniões, interpretações pessoais e
sua própria experiência.
PEDRA QUEBROU VIDRO
FATO
Cada pessoa na sala irá relatar este de uma maneira diferente
OPINIÃO
Veracidade
ARPANET
INTEGRIDADE DOS DADOS
Empresas que se orientam através de bancos de dados costumam
utilizar restrições de integridade para evitar que sejam armazenados
dados sem qualidade.
Procedimento de cesariana foi feito, então o sexo do

paciente tem que ser feminino. Este tipo de restrição
pode ser aplicada no momento em que uma operação é
feita sobre os dados
Veracidade
ARPANET
INTEGRIDADE DOS DADOS
As restrições de integridade podem ser definidas com recursos como triggers e stored
Podem ser criadas restrições tais como:
Sobre estados de dados: ex. salário não pode ser negativo

Sobre tipos de dados: ex. mês na data deve ser armazenado como número
Sobre formatos de dados; ex. ano de nascimento deve ser com 4 dígitos
Veracidade
ARPANET
AUTENTICOS RELEVANTES
Causas e Efeitos Conexão com Objetivos

Veracidade
EXEMPLO 1 – Autenticidade
ARPANET
Contexto:
Uma Câmera de segurança de um banco registra imagens de um cliente insatisfeito e que
começa bater na máquina.
O equipamento através de imagens e arquivos de áudio identificou que

a insatisfação do cliente estava diretamente ligada a uma discussão que
a mesma teve com um familiar pelo telefone, portanto sem
AUTENTICIDADE, pois a causa do comportamento desproporcional não
esta ligada aos serviços se sua empresa.
Veracidade
EXEMPLO 2 – Relevância
ARPANET
Contexto:
Um arquivo de áudio capta a informação de uma operadora de Telemarketing
Neste áudio o cliente registra que os serviços prestados poderiam ser

muito melhor mas não pontua nenhuma ação para melhorias. A
reclamação se torna vazia e sem propósito, não tendo nenhuma
conexão com objetivos da empresa de melhorias no processo de
prestação de serviços.
ARPANET VALOR
Valor
ARPANET
Valor
ARPANET
INFORMAÇÃO É PODER
Informação é dinheiro. São importantes para: gerar

inovações, reduzir custos, aumentar receitas, conquistar
clientes, obter vantagens competitivas no mercado.
Valor
ARPANET
Característica Informação
A informação é diferente de todos os outros ativos organizacionais.
Quanto mais usamos informações, mais ganhamos informação.
A análise de informações permite descobrir padrões, regras, exceções, e isto tudo

pode levar a aumento de vendas ou a encontrar um nicho de mercado.
Valor
ARPANET
Quem paga pelas informações?
Clientes pagam por informação. Pagamos para obter conteúdo de canais de TV, para
obter música, notícias, filmes
As empresas pagam para obter cadastros de clientes potenciais, para obter orientações
de consultorias, para obter dados de mercados e concorrentes (inteligência competitiva)
Valor
ARPANET
Custos da Informação
A informação não é obtida sem custo. Há custo para coletar,

guardar ou analisar dados. Há custo para gerar inovações. Há
custo para gerenciar informações e pessoas.
Caro x Barato
ARPANET
Yuri van Geest denomina 5P do Big data
(Ismail, Malone e Geest, 2015):
Benefícios Big Data
PRODUTIVIDADE
A produtividade é basicamente definida como a relação

entre a produção e os fatores de produção utilizados. É
fazer MAIS com MENOS.
PREVENÇÃO
Antecipação variáveis que possam elevar seus Riscos.

Trabalham com planejamento e diversos planos de
contingenciamento.
PARTICIPAÇÃO
Envolvimento de pessoas em colaboração no processo de

captação de dados e lapidando informações que seja
relevante e traga valor para seu ambiente.
PERSONALIZAÇÃO
Atendimentos direcionados para cada perfil, denominada

Market 1 to 1.
PREVISÃO
Análises e simulações, antecipando eventos ou calculando

com mais precisão valores para variáveis. Seria uma das
ferramentas da Prevenção.
INTEGRAÇÃO BIG DATA
ARPANET
ARPANET
“As organizações não precisam de
estratégias de Big Data, elas precisam de
uma estratégia de negócios que integre o
Big Data”
Bill Schmarzo, CTO mundial da Dell EMC Services
ARPANET
EQUIPE MULTIDISCIPLINAR
TI BUSINESS
ARPANET
INTEGRALIZAÇÃO
TI - BUSINESS
ARPANET
ALINHAMENTO ESTRATÉGICO
Objetivos Claros e alcançáveis
Interligação de Departamentos – Visão Totalidade
Plano de Ação
MERCADO ALVO
ARPANET
Setor Econômico: Primário, Secundário ou Terciário
Segmentos de Negócios
Nichos de Mercado
CLIENTES ALVO
ARPANET
BSB ou B2C
Estudo Primário de Público Alvo
Estudo Avançado de Personas

PROBLEMAS & SOLUÇÕES
ARPANET
Gargalhos Identificados
Lista de Prioridades
ÍNDICES DE PRODUTIVIDADES
ARPANET
Índices Isolados
INSIGHTS
Índices Cruzados
MODELAGEM / PREPARAÇÃO BD
ARPANET
IDENTIFICAR FONTES DE DADOS
ARPANET
ETL
ARPANET
APLICAÇÕES
ARPANET GERAIS
Aplicações
TOMADA DE DECISÕES
ARPANET
A primeira aplicação é na tomada de decisões que envolvam muitos
dados (grande quantidade e variedade).
Exemplo: Departamentos financeiros e empresas de

Seguros precisam coletar, armazenar, tratar e
analisar dados de clientes e parceiros.
Aplicações
PREVISÕES CLIMÁTICAS
ARPANET
Equipamentos espalhados por diversas regiões geográficas irão
coletar dados em tempo real e transmiti-los para centrais, onde estes
dados serão analisados também em tempo real.
Isto poderá ajudar a antecipar eventos

extremos e catástrofes como tsunamis,
terremotos e amenizar perdas de vidas
humanas.
Aplicações
CAMPANHAS DE MARKETING
ARPANET
Haverá mais micros segmentação, podendo vir a identificar
oportunidades para grupos específicos conforme suas necessidades e
comportamentos. ( NICHOS DE MERCADOS )
Processos de:
Imagem Corporativa
Lançamento serviços e produtos
Campanha de Fidelização base Clientes
ARPANET
FUGURE 1: MAGIC QUADRANTE FOR BI
ARPANET
ARPANET
ARPANET
ARPANET
ARPANET DADO
Elementos ou valores discretos em sua forma bruta

(número, texto, imagem, etc.) que vistos isoladamente
não têm por si só qualquer valor
O dado é como um pingo de chuva.

INFORMAÇÃO
ARPANET
Informação é o resultado do processo de relacionamento de

dados, trazendo uma diversidade de significados do uso
quotidiano ao técnico.
Informação é a descoberta que vai chover, observando céu “carregado”
CONHECIMENTO
ARPANET
A partir do momento em que a pessoa passa a

utilizar a informação que lhe foi adquirida, através
da interpretação.
Vou me molhar.
ARPANET IDÉIA
A partir do momento em que a pessoa passa a

utilizar a informação que lhe foi adquirida, através
da interpretação.
Soluções para esse problema:

- Compro um guarda chuvas?
- Pego taxi pelo aplicativo?
ARPANETSABEDORIA
A capacidade de transformar o conhecimento adquirido

em estratégias elaboradas para obtenção de seus
objetivos.
Usando seu conhecimento:

Os guarda-chuvas custam R$ 15.00 (conhecimento), e o taxi até meu escritório custa R$ 10.00.
ARPANET
ARPANET
UTILIZAÇÃO DE DADOS
Matéria prima para qualquer natureza de decisão
Sua origem pode ser dentro e/ou fora de nossas organizações
Estão por toda parte: Em repouso, movimento, local ou nuvem
A análise de dados está assumindo um papel mais ativo e dinâmico

ARPANET
ARPANET
ESTAMOS GERANDO DADOS O TEMPO TODO
Nascer Comprar online Consulta
Ligar Pedir Enviar
Processar Viajar Redes Sociais
GPS Jogando Filmados

CAPITAL INTELECTUAL e BIG DATA
Quanto vale a sua empresa ?
Como determinar o valor de uma empresa ?
Tipos de Capitais:
Bens (móveis e imóveis)
Recursos Financeiros
Conhecimentos ( Capital Intelectual )

Segundo Thomas Stewart (1998),
Capital Intelectual é o conhecimento
útil que gera valor para a empresa.
Tipos de Capital Intelectual
Capital Humano: Inclui conhecimento e competências individuais dos funcionários
Capital Estrutural ou Organizacional: É conhecimento ou competência coletiva, como

processos, know-how, marcas e patentes, documentos (é o valor que fica quando funcionários
vão embora)
Capital do Cliente ou de Relacionamentos: inclui conhecimento e vantagens advindas dos

clientes (é o valor que se ganha com relacionamentos com clientes).
Capital Humano
Capital Estrutural
PROCESSOS INTERNOS
Capital do Cliente - Experiência
CIENTISTA DE DADOS
Quem são ?
Nova geração de especialistas analíticos

que possuem as habilidades técnicas para
resolver problemas complexos – e a
curiosidade para explorar quais problemas
precisam ser resolvidos.
Profissional
CIENTISTA DE DADOS
Responsabilidade
Tratamento
Fluxo de Informações
Integração
Estratégia e Proatividade
Formação
Iniciaram sua carreira inicialmente como analistas de dados ou estatísticos.
O assunto ganhou espaços conforme demanda por dados
Alguns programas como o Instituto de Análise Avançada na

Carolina do Norte State University, também prepararam-se para
esse perfil de profissionais sem mercado.
Perfil
Realizar uma coleta de grandes dados de dados e tratamento informações
Solucionar problemas de negócio usando-se de técnicas de orientação a dados
Utilizar uma variação de linguagens de programação: SAS, Phyton ....
Compreensão consistente com relação a estatísticas: Testes e Distribuições
Bom relacionamento: Transitar por todas as áreas da Empresa

Áreas
Matemática Ciências da
Negócios
& Estatística Computação
Habilidades
Capacidade de aprendizado rápido
Visão analítica
Pensamento Crítico
Facilidade de Comunicação
Raciocínio lógico e numérico

Novas Regras de Privacidade
2016
Fonte: Gartner,2019
Vulnerabilidade
Números de cartão de
crédito, registros médicos
e contas bancárias são
tipos de informações
pessoais mais violadas no
sistema de informações
de dados.
Regulamento Geral de Proteção de Dados (GDPR) da União Europeia (UE)
Usuários podem ver, corrigir ou até deletar as informações que empresas guardam sobre ele
Empresas devem coletar apenas dados necessários para que seus serviços funcionem
Coleta e uso de dados pessoais só podem ser feitas com consentimento explícito
Informações de crianças ganham proteção especial
Clientes que tiverem dados hackeados devem ser avisados em até 72 horas
Regulamento Geral de Proteção de Dados (GDPR) da União Europeia (UE)
Empresas devem informar com linguagem compreensível sua política de proteção de dados
infratores são punidos com multa de € 20 milhões ou 4% do volume global de negócios da empresa
Dados de europeus podem ser transferidos só para países com lei de proteção de dados equivalente
Grandes processadoras de informação têm de guardar registros sobre todas as vezes

em que manipularam dados.
Entrará em pleno vigor
a Lei nº 13.709/18 (Lei de
Proteção de Dados –
LGPD)
Inspirada na General Data Protection Regulation (GDPR), da União Europeia

A lei geral de proteção de dados pessoais (LGPD) foi
sancionada por Michel Temer em 2018 e entrará em vigor
em agosto de 2020.
Atualmente estamos em um período de transição,

denominado no meio jurídico como Vacatio Legis e que é
conhecido como o período que corresponde entre a data
de publicação de uma lei e a data de início de sua vigência.
LGPD estabelece definições a respeito de alguns pontos a seguir:
DADOS PESSOAIS
É toda e qualquer informação relacionada a pessoa
natural identificada ou identificável. Entre os exemplos
de dados pessoais podemos citar o nome, RG, CPF, e-
mail, telefone fixo e celular, endereço residencial, etc.
DADOS PESSOAIS SENSÍVEIS

É todo dado pessoal que pode gerar qualquer tipo de
discriminação, tais como os dados sobre origem racial
ou étnica, convicção religiosa, opinião política, filiação a
sindicato ou a organização de caráter religioso, filosófico
ou político, dado referente à saúde ou à vida sexual,
dado genético ou biométrico.
TITULAR
Pessoa natural a quem se referem os dados pessoais.
TRATAMENTO
Toda operação realizada com dados pessoais, como as
que se referem a coleta, produção, recepção, classificação,
utilização, acesso, reprodução, transmissão, distribuição,
processamento, arquivamento, armazenamento,
eliminação, avaliação ou controle da informação,
modificação, comunicação, transferência, difusão ou
extração.
CONTROLADOR
Pessoa natural ou jurídica, de direito público ou privado, a

quem competem as decisões referentes ao tratamento de
dados pessoais.
PROCESSADOR
Pessoa natural ou jurídica, de direito público ou privado,
que realiza o tratamento de dados pessoais em nome do
controlador.
ENCARREGADO
É o indicado pelo controlador, denominado data protection
officer (DPO) na GDPR, que faz a comunicação entre os
titulares que terão seus dados processados e o controlador.
CONSENTIMENTO
Manifestação livre, informada e inequívoca pela qual o
titular concorda com o tratamento de seus dados pessoais
para uma finalidade determinada.
ESTUDO DE CASOS
CASE MARKETING e VAREJO
Nike Running Club

Monitore seu progresso
Todos os detalhes que você

precisa - ritmo, localização,
distância, elevação, ritmo
cardíaco e divisão por trechos -
e maior controle sobre o que
você acompanha durante a
corrida.
Fique motivado
Sincronize suas playlists do

Sportify ou Apple Music e
receba incentivos de amigos e
atletas de elite para ter toda a
motivação que você precisa para
chegar mais longe.
Corra Junto
Acompanhe seu
desempenho junto com
seus amigos da corrida - é
só colocar a tag nos seus
quilômetros com metas
específicas ou em desafios
para ver como você está se
saindo.
Tenha Treinamento Personalizado
Não importa sua meta, o Treinador

do Nike Run Club App tem um
plano pra você. A partir dos seus
objetivos e preparo físico, o treino
se adapta ao seu progresso.
Acompanhe Rodagem dos Tênis
Controle quantos quilômetros você

correu com cada um dos seus
pares de tênis de corrida - até
aqueles de outras marcas.
Compartilhe Suas Corridas
Personalize seus posts adicionando stickers e informações a suas fotos.
Depois customize quem pode ver suas postagens - toda sua rede social
ou só seus amigos Nike.
Nike
Sensores Marketing
Personas
Geolocalização
Pedro
Idade 32 anos
Fortaleza
Peso e Altura 1,75 m
70 kg
Ritmo Cardíaco
70 bpm
Ritmo de Corrida
Amigos
Lazer
Desgaste do produto Medos
Sonhos
Religião
Nike
SENSORES IOT VAREJO

Sensores Varejo
TIPO DE SENSORES PARA APLICAÇÃO NO VAREJO
1- Sensores de proximidade
Podem ser usados para monitorar a disponibilidade de

espaços de estacionamento em grandes espaços como
aeroportos, shoppings e estádios.
Sensores Varejo
2- Sensores de Temperatura
Eficientes para monitoramento de câmeras frias em

estabelecimentos que possuem necessidade de manter
alimentos em uma certa temperatura, para garantir
segurança de consumo para seus clientes
Sensores Varejo
2- Sensores de Reconhecimento Facial
Inicialmente, é necessário identificar o rosto por meio de uma

câmera. O equipamento precisa ser digital, como webcam ou
smartphone. Os aplicativos utilizados para esse fim mapeiam os
pontos específicos da face.
CASE LOGÍSTICA
A Danone é uma empresa presente em mais de 70 países e conta com mais de 100 mil
colaboradores espalhados ao redor do mundo. É líder em produtos lácteos frescos e ainda
ocupa posições de destaque nos setores de água mineral engarrafada, alimentação infantil e
nutrição hospitalar.
Problema Foco
Havia um subutilização dos veículos na coleta do leite e uma

frota parada por muito tempo dentro da fábrica de Poços de
Caldas-MG aguardando a descarga do leite. Por isso, acabava
sendo necessária a contratação de veículos adicionais (spots)
para dar conta da demanda que a empresa tinha para a coleta
do leite nos produtores. Dessa forma os custos aumentavam
cada vez mais.
Escopo do Projeto
Uma parceria entre a Danone e a Belge foi firmada para solucionar
o problema em questão. Para isso, foram traçados os seguintes
objetivos:
Identificar as restrições que impediam a racionalização da frota de coleta do leite
Propor as ações necessárias para eliminar essas restrições e reduzir os custos logísticos
Determinar adequações e investimentos para o aumento capacidade recepção do leite

Após a integração Business – TI, iremos iniciar processo de composição de BI.
Quais Sistemas de IOT ou sensores iremos implementar para diagnóstico?
Estruturação Data Warehouse, Data Marts e Data Mining
Realização ETL entre Sensores e banco de Dados. ( Físicos/Cloud )
Elaboração Algoritmos para identificação de Insights
Formatar Plataforma de Visualização

Resultados & Insights
Em um processo de fluxo complexo é difícil para identificação dos gargalos operacionais.
Adequação da frota e aumento da utilização dos veículos;
Redução da necessidade de contratação de veículos spot para a coleta do leite
Forte redução tempo de permanência do veículo dentro da planta (mais de 50%)

Tomada de Decisão
Uma vez identificada claramente a restrição do

sistema, a Danone pode tomar a decisão eficiente
e ainda auferir os ganhos de produtividade no
sistema de milk run (nova redução do tempo de
permanência com conseqüente economia no
frete).
Sensores (IOT) e Logística
FROTAS
Problemas: Localização, estão nas rotas, status ligado ou desligados, consumo
IOT permite sensores que transmitem tempo real dados para tomada decisão
CARGAS
Garantia de entrega de mercadorias ao local combinado
Manutenção condições de temperatura durante o trajeto
Nível de vibrações – Mercadorias frágeis
Detecção de volume e pressão

ARMAZENS/CD
Equipadas com sensores de peso e dimensões. Acondicionadas corretamente
Avaliação segurança, riscos de quedas
Localização de cada item

Big Data Novas Tecnologias Aplicadas Ao Varejo e Distribuição

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Big Data Novas Tecnologias Aplicadas Ao Varejo e Distribuição

Enviado por

Direitos autorais:

Formatos disponíveis

BIG DATA

Novas Tecnologias Aplicadas ao Varejo e Distribuição

Professor e Consultor: José Girão

Graduação em Administração de Empresas, 2001 UNIFOR - CE

Pós Graduação em Marketing,2003 FGV - RJ

Pós Graduação em Ciências de Dados: BI, Big Data – UNI7

Escritor: Série Gestão e Corpo Humano – Livros Digitais

Colunista: Portal Gestão Empreende - SP

Professor Pós Graduação

Palestrante Marketing e Gestão de Negócios

Utilização de Dados no processo de Decisão

Contexto Mundial de Evolução Tecnológica – BIG DATA

O que são Sistemas Cyber-Físicos

Qual as diferenças entre: Data Science, BI, Big Data?

BIG DATA BIG DATA ANALYTICS

PRODUÇÃO TECNOLOGIA CONSUMO SOCIAL

Entre 1760 a 1860

Ficou limitada inicialmente na Inglaterra

Ciclo do Campo para Cidades

Primeiras Indústrias de Tecido

Utilização Tear Mecânico e máquinas a Vapor

Entre 1860 a 1900

Expandiu pela Europa: França, Rússia, Itália e Alemanha

Utilização Energia Elétrica

Evolução de Combustíveis e Derivados

Após 1945 – Segunda guerra mundial .....

TI: Computadores mainframe e pessoais

Embrião desenvolvimento Internet

Participação tecnologia nas fábricas

Fusão do mundo físico, digital e biológico.

1974 – PADRONIZAÇÃO PROTOCOLO TCP: TERMO INTERNET

1983 – NASCE ENDEREÇAMENTO DE SITES

1991 – PRIMÓRDIOS INTERNET NO BRASIL: FAPESP

1994 – INICIO OPERAÇÃO COMERCIAL INTERNET: EMBRATEL

1996 – NOKIA 9000 – 1º TELEFONE CAPAZ ACESSAR WEB

2007 - APPLE LANÇA 1º IPHONE

2019 – INICIO OPERAÇÃO 5G: COREIA DO SUL e USA

A tecnologia 3G aprimora a transmissão de dados e voz,

A principal vantagem da 4G é a sua facilidade de carregar e enviar

Em resumo 5G é a nova geração de internet para celulares e

Nascida sob guerras e descobertas científicas, essa geração incorporou a

São mais leais e patriotas

Personalidade workaholic, valorizam experiência e estimam Status

Seus gastos não excedem seus ganhos.

Cercada por grandes construções, trata-se da geração que ligou o motor

Representam 51% da força de trabalho Global – Fonte: World Retail Congress

Maior potencial para comprar produtos e serviços de luxo

77% preferem foco no produto em vez de causas ou ideias

Profissionalmente indecisos, buscam um propósito maior em atividades

Deixam a casa dos pais cada vez mais tarde

Valorizam o consumo com propósito

Abandonaram a ideia de posse e abraçaram o consumo compartilhado

80% desejam que as marcas os entretenham

Os que nasceram nessa época percebem os dispositivos digitais como

Personalização, evitando rótulos

Relação mais crítica e consciente com processo de compra.

Consumo médio de 23 horas de conteúdo em vídeo por semana

Tal qual a Z, tem a tecnologia ocupando a centralidade de suas decisões.

Tem o YouTube como propagador de conhecimento, entretenimento e informação

Reconexão com videogames

Mais transparência na relação com seus pais

Tecnologia como aliada do aprendizado

Avanço da Tecnologia na área da saúde

A idade é mental e não cronológica