UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE CIÊNCIAS APLICADAS

LETÍCIA CARVALHO MAZZEGA

BIG DATA: OPORTUNIDADES E DESAFIOS PARA OS

NEGÓCIOS

Limeira
2016
 UNIVERSIDADE ESTADUAL DE CAMPINAS
FACULDADE DE CIÊNCIAS APLICADAS

LETÍCIA CARVALHO MAZZEGA

BIG DATA: OPORTUNIDADES E DESAFIOS PARA OS

NEGÓCIOS

Trabalho de Conclusão de Curso apresentado

como requisito parcial para a obtenção do título de
Bacharel em Gestão de Empresas à Faculdade de
Ciências Aplicadas da Universidade Estadual de
Campinas.

Orientadora: Profa. Dra. Adriana Bin

Limeira
2016
 Ficha catalográfica
Universidade Estadual de Campinas
Biblioteca da Faculdade de Ciências Aplicadas
Renata Eleuterio da Silva – CRB 8/9281

Mazzega, Letícia Carvalho, 1993-

M459b Big data : oportunidades e desafios para os negócios / Letícia Carvalho
Mazzega. – Limeira, SP : [s.n.], 2016.

Orientador: Adriana Bin.

Trabalho de Conclusão de Curso (graduação) – Universidade Estadual de
Campinas, Faculdade de Ciências Aplicadas.

1. Big data. 2. Administração e desenvolvimento tecnológico. 3. Inovações

tecnológicas. 4. Tecnologia e administração. I. Bin, Adriana,1977-. II.
Universidade Estadual de Campinas. Faculdade de Ciências Aplicadas. III.
Título.

Informações adicionais, complementares

Titulação: Bacharel em Gestão de Empresas

Data de entrega do trabalho definitivo: 15-06-2016
Folha de Avaliação
 Agradecimentos

Agradeço primeiramente a Deus que esteve presente durante todos os mementos da minha
vida.

A professora Adriana Bin pela orientação, ensinamentos, dedicação, paciência e acima de

tudo profissionalismo e competência demonstrada não apenas durante a elaboração do
trabalho, mas também durante todo o período de graduação.

Aos meus pais, Claudio Alves Mazzega, Gisele Nabel Carvalho Mazzega, que com muito
esforço, amor e dedicação tornaram possível esta conquista, sempre sendo os principais
incentivadores em qualquer projeto e etapa da minha vida.

Aos meus irmãos, Laís Carvalho Mazzega e Leonardo Carvalho Mazzega, ao carinho,
amizade e apoio que sempre poderei contar.

Ao meu namorado Gabriel Monteiro da Silva Gonçalves pelo companheirismo, apoio,

carinho, compreensão e dedicação, estando sempre ao meu lado.

E aos meus amigos que me acompanharam durante a graduação e colaboraram para a minha
formação acadêmica e pessoal, a certeza de que os levarei para o resto da minha vida.
Mazzega, Letícia C. Big Data: Oportunidades e Desafios para os Negócios. 2016. Trabalho de
Conclusão de Curso (Graduação em Gestão de Empresas) – Faculdade de Ciências Aplicadas,
Universidade Estadual de Campinas, Limeira, 2016

Resumo

O Big Data é cada vez mais conhecido e considerado como chave de sucesso em
organizações. No cenário atual em que as empresas necessitam se destacar uma perante as
outras, o desafio é inovar e gerar oportunidades.
O objetivo deste trabalho é apresentar os desafios e as oportunidades ao implementar o Big
Data dentro de uma organização, abordando questões fundamentais que auxiliem na
concepção das estratégias utilizadas.
Tendo como base o estudo de Campos (2015), sua definição e análises, serão discutidos os
seguintes tópicos: a implementação de tal fenômeno, a importância da utilização do Big Data
no mundo dos negócios, as dificuldades encontradas, as controvérsias e análises de casos de
sucesso que encontraram oportunidades e benefícios com seu uso.
Conclui-se ao final, que o uso do Big Data apresenta desdobramentos e benefícios
importantes no mundo dos negócios, uma vez que permite a análise, em tempo real, de um
volume importante de dados, capazes de embasar melhor decisões e melhorar processos.

Palavras-chave: Big Data. Oportunidades. Desafios. Inovação. Organização. Crescimento.

Mazzega, Letícia C. Big Data, Opportunities and Challenges for Business. 2016. Trabalho de
Conclusão de Curso (Graduação em Gestão de Empresas) – Faculdade de Ciências Aplicadas,
Universidade Estadual de Campinas, Limeira, 2016.

Abstract

The Big Data is increasingly known and considered as key success in organizations. In the
current scenario where companies need to stand out against competitors, the challenge is to
innovate and create opportunities.
The aim of this study is to introduce the challenges and opportunities to implement the Big
Data within an organization, approaching key issues to assist in the conception of the
strategies used.
Based on Campos’ (2015) studies, its definition and analysis, the following topics will be
discussed: the implementation of this phenomenon, the importance of using Big Data in the
business world, the difficulties, the controversies and analysis of successful cases that found
opportunities and benefits with its use.
It was concluded at the end, that the use of Big Data presents important advantages and
developments in the business world, since it allows the analysis in real time, of large amount
of data, capable to base decisions and improve processes.

Keywords: Big Data. Opportunities. Challenges. Innovation. Organization. Increase.

 Lista de Ilustrações

FIGURA 1: CRESCIMENTO BIG DATA: ............................................................................. 20

FIGURA 2: FLUXO RESUMIDO DA IMPLEMENTAÇÃO DO BIG DATA ...................... 21

FIGURA 3: BIG DATA CHALLENGES ................................................................................ 27

FIGURA 4: UTILIZAÇÃO DOS MEIOS DE PAGAMENTO ............................................... 35

FIGURA 5: NETFLIX SUBSCRIBERS .................................................................................. 39

FIGURA 6: FINANCIAL PERFORMANCE .......................................................................... 43

 Lista de Quadros

QUADRO 1: ANÁLISE COMPARATIVA DOS CASOS...................................................... 46

 Sumário

1. INTRODUÇÃO..............................................................................................................10

2. METODOLOGIA........................................................................................................... 12

3. CAPITULO 1. BIG DATA ............................................................................................ 14

3.1. DEFINIÇÕES DE BIG DATA .............................................................................................. 15

3.2. BIG DATA NO MUNDO DOS NEGÓCIOS ........................................................................... 21
3.3. DIFICULDADES PARA IMPLEMENTAÇÃO ......................................................................... 25
3.4. CONTROVÉRSIAS ............................................................................................................ 27
4. CAPITULO 2. OPORTUNIDADES NOS NEGÓCIOS ................................................. 30
4.1. CASO 1............................................................................................................................ 30
4.2. CASO 2 ........................................................................................................................... 33
4.3. CASO 3 ........................................................................................................................... 36
4.4. CASO 4 ........................................................................................................................... 37
4.5. CASO 5 ........................................................................................................................... 40
4.6. CASO 6 ........................................................................................................................... 43
4.7. CASO 7 ........................................................................................................................... 45
4.8. ANÁLISE COMPARATIVA DOS CASOS .............................................................................. 46

5. CONCLUSÃO................................................................................................................. 49

6. REFERÊNCIAS ............................................................................................................. 52
 10

1. Introdução

Em um mundo globalizado, extremamente inovador e competitivo, onde diversas

mudanças são presenciadas diariamente, se fazem necessárias iniciativas que ajudem as
organizações das mais distintas naturezas a se diferenciarem das demais. No ramo empresarial
este fenômeno é ainda mais complexo, e para que as empresas se mantenham competitivas no
mercado atual, é indispensável a utilização de mecanismos que agreguem continuamente
valor aos seus negócios ou que as apoiem na criação de novos negócios. A utilização correta
de informações e a geração de inovações podem gerar avanços importantes nesta direção, tais
como redução de custos, melhorias ou criação de produtos, processos e serviços, mais
agilidade nas tomadas de decisão etc.

É neste contexto que podemos identificar a emergência do uso do Big Data no

mundo dos negócios. Apesar de ainda não possuir uma definição exata, Big Data é, segundo o
autor Mayer-Schonberger (2013, p.2), a "representação da capacidade de uma sociedade de
obter novas informações a fim de gerar ideias úteis e serviços que representem valor
significativo para uma organização". Caracterizado por um grande volume, velocidade e
variedade de informações, o Big Data permite analisar dados em tempo real e promover a
tomada de decisão dentro das organizações de uma forma distinta do que ocorria até a
emergência do fenômeno.

A larga discussão sobre o Big Data teve início nos anos 2000 quando, segundo
Schonberger (2012), uma grande mudança quantitativa gerou uma mudança qualitativa no
mundo dos dados e informações, facilmente notável quando se observa que há dez anos não
conseguiríamos acessar tantas informações e dados em um período de tempo tão curto e em
vários dispositivos ao mesmo tempo. Além disso, tal fenômeno é marcado por mudanças
significativas na forma de processamento de tais dados. Segundo Campos (2015, p.16),
podemos relacionar diversas tecnologias de coleta e processamento de dados com o Big Data,
tais como o processamento em lote que “consiste em aplicações para lidar com o grande
volume de dados”, o processamento em curso, que nada mais são que “ferramentas que tem o
objetivo de analisar os dados em tempo real” e o processamento de análises interativas, ou
seja, “abordagem mais atual das ferramentas Big Data sendo utilizados em máquinas locais,
permitindo que os usuários façam análises interativas incluindo dados em tempo real,
considerando tanto dados estruturados quanto não estruturados”.
 11

Segundo Schonberger e Cukier (2012, p. 4), “os dados se tornaram matéria-prima

dos negócios, um recurso econômico vital, usado para criar uma nova forma de valor
econômico: [...] com a mentalidade certa, os dados podem ser reutilizados para se tornarem
fonte de inovação e novos serviços”. Davenport (2013, p. 1) complementa este ponto
afirmando que os grandes negócios já estruturados e as empresas líderes de mercados
mergulharam no novo conceito do Big Data e por meio dele criaram novos recursos para
implementar tecnologias no ambiente em que estão instaladas, preparando-se para "uma
revolução em potencial na coleta e mensuração de informações".
O Anaytics é um grande exemplo que ilustra a afirmação de Davenport (2013).
Segundo Campos (2015, p.29), o Analytics é “um conjunto de ferramentas de análises
quantitativas e visuais para ajudar os analistas a prever eventos futuros”, ou seja, uma
ferramenta que auxilia os negócios já existentes e também novos negócios atuando no
processo de tomada de decisão de maneira real, clara e otimizada com base na análise dos
dados existentes.
Schonberguer e Cukier (2012, p. 60) exploram o potencial do Big Data na criação
de novos negócios por meio de um exemplo interessante, o do GPS. Os autores afirmam que
“o GPS marcou o momento em que o método de medir a localização, sonho dos navegantes,
mapeadores e matemáticos desde a Antiguidade, finalmente se uniu aos meios técnicos para
realizar a medição rapidamente, a um custo relativamente baixo e sem a necessidade de
conhecimento especializado”. Nada disso seria possível se todos os dados não estivessem
interligados, e se não fossem utilizadas todas as tecnologias de processamento capazes de
fazer com que uma tecnologia pudesse se sobressair dos demais produtos concorrentes que já
existiam no mercado, porém que ainda continuavam enraizados em processos antigos. Outra
possibilidade é o emprego do Big Data para a melhoria de negócios já existentes, como no
exemplo do Wal-Mart. Conforme análise de Campos (2015) a empresa usou o Big Data para a
criação de um modelo de precificação inteligente. A empresa captura informações por meio
das transações e acessos realizados por seus clientes, e com esta análise é possível
compreender as tendências de mercado, o nível de estoque, o consumo de certo produto e
propor melhorias aos processos já estabelecidos.

Apesar do excesso de informações e do grande volume de dados não são todas as

empresas e empreendedores que possuem o conhecimento e que utilizam o Big Data, visto
que a grande dificuldade, segundo Davenport (2014), é a análise de dados e a conversão em
 12

conhecimento. Ou seja, o desafio do Big Data é saber a melhor maneira de

transformar o grande volume de informações em valor real para os negócios.

É neste contexto que o presente trabalho tem como objetivo discutir a maneira que
o Big Data pode influenciar a agregação de valor aos negócios já existentes ou pode ser usado
para criar novos negócios.

2. Metodologia

A metodologia de um trabalho pode ser dada por diversos métodos científicos.

Seguindo o pensamento de Lakatos (2010, p. 65) "O método é o conjunto das atividades
sistemáticas e racionais que, com maior segurança e economia, permite alcançar o objetivo
[...] traçando o caminho a ser seguido, detectando erros e auxiliando as decisões do cientista".

A metodologia adotada nesta pesquisa será a Pesquisa Bibliográfica e Método

Monográfico. Pesquisa nada mais é, segundo Lakatos (2007, p. 157) "um procedimento
formal com método de pensamento reflexivo que requer um tratamento cientifico e se
constitui no caminho para se conhecer a realidade ou para descobrir verdades parciais".

Segundo a mesma autora (Lakatos, 2010, p. 166) "A pesquisa bibliográfica, ou de

fontes secundárias, abrange toda bibliografia já tornada pública em relação ao tema de estudo,
desde publicações avulsas, boletins, jornais [...] e televisão". A autora também afirma que "a
pesquisa bibliográfica não é mera repetição do que já foi dito ou escrito sobre certo assunto,
mas propicia o exame de um tema sob novo enfoque”. Por fim, o Método Monográfico
consiste "no estudo de determinados indivíduos, profissões, condições, instituições, grupos ou
comunidades, com a finalidade de obter generalizações. A investigação deve examinar o tema
escolhido, observando todos os fatores que o influenciaram e analisando-o em todos os seus
aspectos" (Lakatos, 2010, p. 90).

Seguindo a linha do método de pesquisa Bibliográfica e método Monográfico, o

presente trabalho consiste na busca e análise de artigos científicos e livros, proporcionando
novas reflexões e conclusões sobre o assunto estudado. O trabalho engloba diversos tipos de
materiais que servem como fonte de informação para a pesquisa abordada, sendo utilizado
desde acesso aos livros e artigos da Biblioteca Dr. DANIEL JOSEPH HOGAN, bem como
artigos e revista onlines.
 13

Para alcançar seu objetivo, o trabalho está estruturado em dois capítulos. No

primeiro será feita uma análise detalhada sobre os conceitos de Big Data. Neste capítulo serão
abordados: contextualização do Big Data no mundo dos negócios, assim como suas
funcionalidades e as características deste fenômeno; as dificuldades encontradas na
implementação de tal fenômeno dentro dos negócios, sejam eles do âmbito tecnológico ou
prático; e por fim, as controvérsias que podemos encontrar nas aplicações de Big Data, com
foco na segurança e privacidade de usuários e empresas. No segundo capitulo serão
realizados sete estudos mais aprofundados sobre aplicações práticas do Big Data em
empresas, discutindo sua importância na geração de vantagens competitivas. Os exemplos
práticos terão como foco os detalhes específicos de cada caso, como atuavam antes da
utilização do Big Data, a descrição detalhada do funcionamento do negócio após o Big Data,
finalizando em como este fenômeno gera benefícios e oportunidades nas empresas. Para
exemplificação e melhor visualização da análise dos casos, foi elaborado um quadro
comparativo dos sete casos estudados, explorando seus principais benefícios, competitividade,
modelo de negócio utilizado e o tipo de inovação.

O método utilizado buscou analisar o fenômeno desde o seus princípios até como
atua dentro das empresas gerando oportunidades e melhorias nos negócios. Foram escolhidos
os casos de conhecimento geral e que com maiores resultados econômicos para as empresas e
no ramo que atuam.

Pode se afirmar que a condição qualitativa foi a mais adequada para a realização
deste estudo, visto que os casos estudados estão diretamente relacionados a elementos
provenientes do uso do Big Data dentro de corporações. Segundo Vieira e Zouain (2006),
uma pesquisa qualitativa realizada da forma ideal, apresenta, como consequência,
confiabilidade em relação ao que foi analisado e às informações obtidas e geradas e, também,
conclusões palpáveis e coerentes com os dados estudados.
 14

3. Capítulo 1. Big Data

O presente capítulo tem como objetivo apresentar o contexto geral do tema Big
Data, a partir do seu surgimento, discussões sobre seu significado e sobre seus impactos, em
especial, os impactos econômicos no mundo dos negócios, assim como sobre as dificuldades
encontradas durante sua implementação.

Encontrar o momento exato no qual ocorreu o surgimento do Big Data não é

trivial. Mesmo sendo um tema amplamente discutido atualmente e que possui grande
influência no dia a dia da sociedade e no ramo dos negócios, para muitos teóricos não é certo
como ou quando ocorreu o surgimento deste fenômeno.

Para muitos autores, como Phelan (2012) e Arrigoni (2013), o Big Data surgiu
para definir a enorme quantidade de dados que vinham sendo gerados a partir dos anos 2000.
Já para Arrigoni (2013), o termo Big Data teve surgimento na década de 1990, na NASA, com
a finalidade de descrever todos os conjuntos de dados complexos que dificultavam os limites
de acesso computacional, de processamento, análise, pesquisas e armazenamento. O fato é
que a vasta produção de informação com o advento dos computadores impactou a maneira
pela qual a sociedade e as empresas lidavam com a tecnologia, revolucionando assim o
entendimento de todas as informações que antes não eram totalmente digeridas.

Em 2010, segundo Nesello e Fachinelli (2014, p.26), o termo Big Data teve seu
marco inicial a partir de uma publicação na revista The Economist, sendo esse termo
vinculado à terceira era da informação, ou seja, à terceira Revolução Industrial que ocorreu
em meados do século XX e teve como principais impactos a globalização, o uso da
informática e o desenvolvimento de novas tecnologias.

Entretanto, de acordo com estes autores, o fenômeno Big Data iniciou-se antes do
surgimento do termo e de suas definições, na década anterior, “com a implementação dos
sistemas de informação”. Para Novo e Neves (2013, p.42), pode-se observar que o surgimento
do fenômeno está diretamente ligado às empresas que o utilizam. Para estes autores “o Big
Data surge como um modelo evolutivo da análise de dados tradicionais, suprindo novas
demandas de análise rápida dos dados advindos de diversas fontes e em maior quantidade.
Empresas que já utilizam a análise de dados como ferramenta de competitividade largam com
vantagem nessa corrida analítica, a se destacar a melhoria nos processos produtivos, de
gestão, de operação ou nos seus modelos de vendas e interação com os consumidores”.
 15

Apesar de diversas explicações sobre o surgimento do Big Data, todas apontam

para uma direção comum: de que o conceito de Big Data surgiu há aproximadamente 20 anos
para caracterizar a geração, processamento e uso de grandes quantidades de dados e
informações.

O Big Data pode assim ser caracterizado a partir de importantes modificações no

mundo da informação, tais como o aumento no volume de dados disponíveis, na velocidade
em que os mesmos são recuperados e processados e na sua variedade, a contribuição dos
dados para a geração de valor e por fim a veracidade dos dados, caracterizando assim os cinco
V’s que representam o Big Data e que serão aprofundados a seguir.

Segundo Campos (2015, p.12), antes de tal fenômeno quaisquer análises e

processamentos se limitavam a pequenas quantidades, além de serem muito caras e lentas. O
Big Data, segundo Schonberguer e Cukier, “altera a natureza dos negócios, dos mercados e da
sociedade [...], essa mudança agora se expande para os dados, que estão se tornando um
importante bem corporativo, recurso econômico essencial e a base para novos modelos de
negócios”. A mudança promovida pelo Big Data não trata apenas da quantidade de dados
existentes, mas sim, conforme Nesello e Fachinelli (2014, p.24 apud SCHÖNBERGER-
MAYER E CUKIER, 2013), “subverte séculos de práticas consagradas e desafia a
compreensão mais básica de como tomar decisões e compreender a realidade”. Segundo
Schonberguer e Cukier (2012, p.5), “a quantidade de dados no mundo cresce rapidamente e
supera não apenas nossas máquinas como nossa imaginação”, ou seja, o fenômeno estudado
está em constante modificação desde a primeira revolução da informação em 1439, com a
criação da impressora de Gutenberg, e perdura com os processamentos de dados que
possibilitam entre tantos resultados o avanço das organizações na economia”.

A partir da discussão anterior sobre a emergência do fenômeno do Big data, a

próxima seção detalha as principais definições sobre este conceito.

3.1 Definições de Big Data

Conforme contextualização realizada no início do Capítulo, o Big Data se tornou

popular e ganhou espaço em diferentes esferas, dentre elas empresas, governo e a sociedade
em geral. Para Schneider (2012) e Franks (2012), da mesma maneira que não existe uma
única razão para explicar o surgimento e a rápida expansão do fenômeno Big Data, não existe
uma única definição para o termo. Muitos autores, ao dizerem que o Big Data revolucionou a
 16

maneira que pensamos e vivemos, indicam o grande passo que a humanidade deu
por conseguir quantificar a variedade de informações do mundo. Segundo Schonberguer
(2012, p. 4) "Big Data se refere a trabalhos em grande escala que não podem ser feitos em
escalas menores, para extrair novas ideias e criar novas formas de valor de maneira que
alterem os mercados, as organizações, a relação entre cidadãos e governo etc.".

Para Dumbill (2012, p.9), Big Data pode ser interpretado como “Dados que
excedem a capacidade de processamento de sistemas de bases de dados convencionais. São
dados demais, que se movem rápido demais, ou que não cabem nas restrições de suas
arquiteturas de base de dados e para ganhar valor desses dados, você deve escolher um
caminho alternativo para processá-los. ”. A alta velocidade e mutabilidade dos dados é o que
diferencia o termo Big Data dos demais mecanismos e tecnologias digitais que existiam
antigamente. Os dados não estavam interligados, e por muitas vezes as informações não
faziam conexões necessárias para gerar dados relevantes às empresas e aos clientes. Antes do
Big Data o mundo não conseguia administrar grandes quantidades de dados, muito menos
analisá-los. A humanidade sempre necessitou de bases amostrais para quantificar grandes
fenômenos, porém, somente após o surgimento do Big Data pudemos observar que o mundo
estava limitado a um número restrito de análises e informações. O Big Data permite utilizar
todos os dados de um acontecimento, realizar um filtro daquilo que se faz necessário e
visualizar aquilo que antes não era possível por meio de tecnologias.
A IBM (empresa de tecnologia), por exemplo, entende o Big Data como um
termo utilizado para expressar o grande volume de dados e que possui grande relevância à
medida que a sociedade gera e utiliza mais informações. Para Zuppo et al. (2013, p.27), o Big
Data não pode ser tratado como algo estático, “Se fosse apenas uma coleção de dados digitais,
big data seria como uma coleção de fotografias. Mas as tecnologias de comunicação,
armazenagem e processamento mudam as dimensões dos dados de modo tão desproporcional
a tudo que já havia antes, que inevitavelmente gera algo de outra essência”. Nesello e
Fachinelli (2014, p. 20), promovem a discussão de diversos conceitos, dentre os quais pode se
destacar o de MINELI et al. (2013), no qual “Big data é a próxima geração de data
warehousing e análise de negócios e está pronta para entregar receitas economicamente
eficientes para as empresas. Este fenômeno se deve, em maior parte, ao rápido ritmo de
inovação e mudança que estamos vivenciando hoje”. Para Augusto (2013, p.107) “Ainda não
há uma definição precisa para Big Data, mas pode-se usar o termo para designar um conjunto
 17

de tendências tecnológicas que permite uma nova abordagem para o tratamento e

entendimento de grandes conjuntos de dados para fins de tomada de decisões”.
Todas as definições apresentadas, algumas mais complexas outras mais
resumidas, vão de encontro com a definição de Davenport (2014, p. 152) que diz, “Big data é
um termo genérico para dados que não podem ser contidos nos repositórios usuais; refere-se a
dados volumosos demais para caber em um único servidor; não estruturados demais para se
adequar a um banco de dados organizados em linhas e colunas; ou fluídos demais para serem
armazenados em um data warehouse estático. ”
O que se observa a partir das definições abordadas anteriormente é que não existe
um consenso sobre o conceito Big Data. Tais definições são baseadas na comparação entre o
mundo antes do Big Data e pós Big Data, ou seja, o objetivo da era pós Big Data é deixar que
os dados extraídos falem por si, descobrindo as causas de um fenômeno ou acontecimento por
meio de análises realizadas.
No entanto, apesar da falta de consenso, todas as definições expõem, com maior
ou menor ênfase, cinco elementos centrais das funcionalidades e características do Big Data
que impactam a maneira pela qual os dados são transmitidos e como agregam valor (já
destacados na introdução do Capítulo e conhecidos como 5V’s). Os cinco pontos serão
abordados com maior ênfase a seguir, sendo eles o grande volume de dados com grande
variedade de informações, além da alta velocidade de transmissão, juntamente com a
veracidade dos dados e o valor agregado que é gerado. Segue a descrição de cada um dos
pontos.
 Volume: Significa a alta capacidade de obtenção de dados ou o grande
número de dados disponíveis em registro, por exemplo, pesquisas no Google ao
upload de fotos no Facebook.
 Variedade: Significa a diversidade de fonte de dados disponíveis, ou
seja, a abundância em que os dados são gerados a partir de uma grande variedade de
fontes e formatos, englobando dados estruturados e não estruturados.
 Velocidade: Significa o quão rápido os dados e informações são
produzidos e processados em tempo real até que atinjam a demanda, ou seja, a
frequência de geração de dados até sua entrega, proporcionando melhoria aos
negócios. A baixa velocidade pode limitar diversas operações, diminuindo a vantagem
competitiva nos negócios, como por exemplo, quando a aprovação de um pagamento
 18

no cartão de crédito não ocorre de maneira imediata, e ao se deparar com situações de

lentidão, o cliente pode optar por outras formas de pagamento.
 Veracidade: Significa a importância que os dados extraídos possuem,
além da confiança que neles é depositada, ou seja, a precisão de tais dados, que
quando verdadeiros geram maior qualidade e alto nível de segurança. Para tomadas de
decisão concretas e geração de vantagens competitivas em relação aos concorrentes,
dados verídicos são de extrema importância nos negócios. Podemos trazer também
para esta dimensão outro elemento já citado, o da velocidade, dado que a geração de
confiança necessita de análise em tempo real, uma vez que um dado de minutos atrás
pode não ser totalmente confiável aos olhos do Big Data. A veracidade é de extrema
importância dentro dos negócios e nas grandes empresas, já que a realização de
análises com dados incorretos pode gerar prejuízo que se torna vital dentro dos
negócios; já pesquisas bem elaboradas com dados de qualidade são fundamentais para
o destaque das empresas. De acordo com White (2012, p.211), “se os dados não forem
de qualidade suficiente no momento em que forem integrados com outros dados e
informações, uma falsa correlação pode resultar em uma análise incorreta de
oportunidade de negócios nas organizações”.
 Valor: Salienta a importância de extrair benefícios de diversas naturezas
a partir do uso do Big Data, ou seja, agregar valor aos processos, produtos, serviços e
negócios através dos dados confiáveis extraídos. Quanto maior a veracidade dos dados
e sua riqueza, maior será a chance da análise ser realizada de maneira clara a gerar
vantagens ao negócio.
Além destes cinco elementos que representam juntos o que é o fenômeno Big
Data e ajudam a explicá-lo, o ponto chave de todos os conceitos de Big Data é o processo de
dataficação, isto é, aquele que faz referência a todo tipo de coleta de informação, até as que
possivelmente não eram vistas como relevantes antes do Big Data. A dataficação retrata o
ponto central do Big Data, ou seja, de que não existe geração de valor, mudanças estratégicas
e oportunidades de negócios sem a coleta dados e que é a partir dela que se faz possível a
análise e então as decisões estruturais que dela decorrem.

A partir das definições apresentadas pudemos expor as cinco dimensões que

orientam a maneira pela qual o Big Data age e como, por meio dele, podemos criar
oportunidades que antes não eram observadas pelas empresas, ou até mesmo oportunidades
 19

para a criação de novas empresas. Desta maneira, iremos abordar uma última definição do
conceito Big Dara que será utilizada como base no presente trabalho, uma vez que engloba os
cinco elementos citados anteriormente e uma visão geral deste fenômeno.
Tal definição é oriunda do estudo de Campos (2015) que faz também uma
compilação de vários conceitos de Big Data. Para este autor (CAMPOS, 2015, p. 20) Big
Data é o "Conjunto volumoso de vários tipos de dados (estruturados, semiestruturados e não
estruturados) e de fontes de dados (web, redes sociais, logs), que necessitam de soluções
tecnológicas específicas para serem armazenados e analisados, na perspectiva de geração de
informação e valor.".
Para Campos, podemos definir o conceito de Big Data a partir de três principais
correntes, sendo a primeira delas “Big Data Infrastress”, que segundo ele trabalha com a ideia
de que no momento do surgimento das principais definições de Big Data o volume de dados
já era consideravelmente alto, porém, as tecnologias não acompanhavam o mesmo ritmo de
crescimento, havendo assim uma impossibilidade de realizar a extração e a análise de tais
dados. A corrente de Infrastress simboliza o gargalo que existia quando a tecnologia não
conseguia suprir a necessidade do usuário, ou seja, apesar da grande quantidade de dados não
havia ferramentas que conseguissem extraí-los e analisá-los por completo. A principal
dificuldade dos pesquisadores em relação ao Big Data é a dataficação citada anteriormente, e
é essa capacidade que demarca a diferença entre uma sociedade primitiva de uma sociedade
avançada. Campos (2015) revela que da perspectiva tecnológica, as ferramentas típicas
relacionadas a análise e interpretação dos dados ainda não se tornou algo totalmente
estruturado, a maioria dos sistemas não estão preparados para lidar com o volume crescente
de dados.
A segunda corrente se refere ao “Fenômeno Big Data” que possui como principal
foco um dos cinco elementos do Big Data, a variedade de dados. A ênfase neste tópico é o
aumento da variedade de dados, sejam eles estruturados, semi-estruturados ou não
estruturados, além do aumento do conhecimento que deriva a partir do uso do Big Data, seu
volume crescente de dados até o armazenamento dos mesmos. Uma das discussões desta
corrente é da união de diversas informações encontradas na Internet, independe do tipo,
revelando que os dados utilizados por empresas podem ser extraídos desde celulares até
localizações de GPS, e o aumento de tais fontes de dados é constante. Segundo Minelli (2013
apud Campos, 2015) “esse fenômeno está relacionado com o papel dos usuários, o fator
econômico e o barateamento das tecnologias”, quer dizer, toda a sociedade tem um papel
 20

fundamental na geração de dados que futuramente serão analisados. Exemplo disso são as
redes sociais como Youtube e Facebook, que fornecem às empresas, muitas vezes
implicitamente ou explicitamente, o que os consumidores desejam. Segundo Campos (2015,
p.13), “As redes sociais somadas aos compartilhadores de vídeos dão ao usuário a capacidade
de gerar dados e, por último, informação”. A seguir podemos ver um gráfico que ilustra o
crescimento do volume de dados do Big Data, por anos e por regiões mundiais. Nota-se que
as regiões mais desenvolvidas do planeta são aquelas que possuem maior quantidade de dados
armazenados e como se verá adiante, é por meio desses dados que maiores oportunidades de
inovações são criadas.

Figura 1 – Crescimento do Big Data

Fonte:http://blog.thomsonreuters.com/index.php/big-data-graphic-of-the-day/

Quanto mais detalhadas forem as informações, mais as empresas se destacam

perante os concorrentes, e para isso a informação em tempo real e de diversas fontes é
fundamental. Os smartphones e sensores englobam grande parte dos dados extraídos em
tempo real. Por exemplo, em um aparelho celular diversas informações podem ser extraídas,
desde dados de localização até manifestações pessoais em redes sociais; já um sensor pode
contribuir com dados de diversos setores, seja da saúde ou de logística. É por meio desses
pontos que o Big Data chega em empresas manifestando aquilo que o consumidor deseja, e
possibilita a chance de mudanças rápidas de acordo com os dados coletados, muitas vezes
mudando as estratégias antes já planejadas.
 21

A última corrente destacada por Campos (2015) trata das “Soluções Big Data”,
uma concepção que relaciona o conceito e definição de Big Data às soluções comerciais e ao
uso tecnologias para utilização dos dados. Esta corrente engloba três conjuntos de tecnologias
que se relacionam: a primeira trata da tecnologia de coleta e processamento de dados, que
exibe algumas das principais ferramentas para o processamento de dados, sendo que a mais
utilizada atualmente pelo Big Data é a Hadoop, desenvolvida pelo Google, que suporta grande
quantidade de dados, tem alta velocidade de processamento, é econômica e possui forma
estável. O segundo conjunto é o de ferramentas e técnicas estatísticas e computacionais
responsáveis por analisar dados após a coleta e processamento, ou seja, técnicas ligadas as
áreas científicas e que utilizam instrumentos analíticos nas soluções do Big Data. Existem
diversas técnicas utilizadas com o objetivo de transformar os dados em análises concretas para
fornecer fontes confiáveis às empresas, como exemplo a Análise de Redes, que analisa
diversos tipos de redes. Por fim, o último conjunto estudado é o de infraestrutura para
armazenamento e suporte às tecnologias e técnicas. O Big Data exige das empresas uma
grande rede de armazenamento em que estejam conectadas, seja em nuvens ou computadores,
infraestruturas que colaborem com um processamento de dados distribuídos e menor tempo
de processamento. Os três conjuntos apresentados somente funcionam com a ajuda de
algumas camadas que propõem funções específicas, que são: armazenamento de solução Big
Data relacionando-se ao ambiente Hadoop; infraestrutura de plataforma que permite alto
funcionamento do Big Data; integração de dados; códigos que manipulem processo dos
dados; visão de negócios que prepara os dados para análise; e por fim a fase final de
aplicação, que é a utilização das análises para tomada de decisão. Conforme os conjuntos
apresentados, abaixo segue a representação do Fluxo resumido da implementação de Big
Data:

Extração de dados
Armazenamento Unificação das
com tecnologias
dos dados informações
adequadas

Aplicação da Tomada de
Análise
estratégia Decisão
 22

Figura 2 – Fluxo resumido da implementação de Big Data

Fonte: Elaboração própria

Feita a discussão aprofundada sobre o conceito de Big Data, a próxima seção

discorre sobre seu uso no mundo dos negócios.

3.2 Big Data e o mundo dos negócios

O Big Data apresenta grande potencial de uso, potencial este que era discutido
apenas por pesquisadores da área e grandes empresas, mas que nos dias de hoje se tornou algo
de acesso até mesmo para pequenas empresas, pois para se destacar perante o mercado
competitivo as organizações buscam novas soluções e inovações, sendo o Big Data um bom
caminho para isto. Para Henriques (2014), assim como a internet é vital no momento atual,
tanto para empresas como para usuários, o Big Data chega com a mesma intensidade a fim de
mudar radicalmente o estilo que vivemos.

Esta seção será dedicada à identificação das influências, das funcionalidades e dos
impactos que tal fenômeno possui atualmente no mundo dos negócios. Conforme visto
brevemente na introdução deste trabalho, o grande volume e alta velocidade de dados são
capazes de agregar valor em diversos campos, inclusive na economia. O uso do Big Data em
empresas se destaca por promover grandes oportunidades de crescimento sendo um
instrumento importante para que que novas estratégias sejam elaboradas no cenário
econômico para promover o negócio existente, melhorando produtos, processos e serviços ou
até mesmo para gerar novos negócios. No entanto, apesar de ser um fenômeno conhecido
pelas organizações, ainda é considerado de difícil implantação, pois requer alto conhecimento
em tecnologias, um desafio que as empresas tentam vencer, como será discutido mais adiante.

No que se refere à relação entre Big Data e a melhoria de produtos, processos e

serviços, Campos (2015) destaca aspectos como o da eficiência operacional, exemplificando
casos de cadeia de suprimentos que utilizam o Big Data, por meio das informações geradas
em sensores, para identificar gargalos nos processos e com isso garantir a redução do tempo e
dos custos e, consequentemente, aumentando os benefícios para os consumidores.
Outro aspecto a ser destacado está no potencial do Big Data para melhor a
capacidade de decisão na organização. Quando uma organização consegue desenvolver
tecnologias que trabalhem com o Big Data, além de conseguirem fazer uma análise correta
 23

dos dados extraídos, o poder de decisão dentro da empresa se torna o grande diferencial entre
as demais, já que o conhecimento das causas e consequências das ações se torna mais amplo
graças às diversas bases de pesquisa realizadas. Com maior veracidade e volume de dados que
antes não eram mensuráveis ou passavam despercebidos, o gestor consegue utilizar a
experiência e as informações a favor do negócio. O Big Data consegue suportar os gestores
com informações reais e atualizadas para melhor compreensão dos casos; desta maneira, a
organização consegue unir os potenciais que já possui com a nova fonte de informação gerada
pelo Big Data.
O Big Data, além de contribuir para melhoria de processos e na tomada de
decisão pode ajudar a identificar possíveis problemas nas áreas financeiras e de recursos
humanos por meio da análise estratégica cotidiana. Neste sentido, as bases de dados acabam
se transformando nos próprios “funcionários” das organizações, são eles que atuam
diretamente com o sistema e com os clientes, e é por meio deles que podemos extrair
informações que colaboram para o desenvolvimento do negócio.
Um tipo de dado muito utilizado pelo Big Data é aquele que revela o
comportamento do cliente, ou seja, utilizando dados de comportamento (estilos e
preferências) e até mesmo de opinião de clientes as organizações conseguem determinar
preferências de cada perfil e desta maneira propor focos mais direcionados para suas
estratégias. Assim as empresas conseguem atingir públicos que antes não conseguiam ter
visibilidade por muitas vezes representarem as minorias. Desta forma, as organizações
conseguem promover o marketing do negócio para o público alvo com maior clareza,
aumentando a produtividade e o alcance dos seus resultados.
O Big Data ao ser implementado promove maior transparência de informações ao
trazer dados reais e atuais, visto que dados que anteriormente não possuíam funcionalidade e
utilidade se tornam então disponíveis para acesso e conhecimento das empresas e até mesmo
de seus usuários. Dados que antes eram irrelevantes ou que não eram vistos por falta de
tecnologias, podem ser o grande diferencial. Um exemplo disto é o Netflix (que será abordado
com mais profundidade no próximo item), que se utiliza das preferências do cliente para
filtrar aquilo que pode interessá-lo.
Além disso, os negócios podem atuar como "funis" para se aproximar do
indivíduo, ou seja, com o imenso volume de dados e com a sua correta utilização, as empresas
podem fornecer com melhor qualidade e velocidade o que o cliente espera. Ao realizarmos,
por exemplo, pesquisas no Google sobre um tópico que nos interessa, minutos mais tarde em
 24

outros sites que estivermos navegando aparecerão sinalizadores e propagandas referentes às

pesquisas realizadas anteriormente. Ou seja, o Google é um grande exemplo de empresas que
utilizam o Big Data para fornecer ao cliente aquilo que eles buscam, tentando facilitar e
minimizar o tempo gasto do usuário.
Outra forma das empresas se beneficiarem com a utilização do Big Data é a de
realizar análises de padrões por meio dos dados, para prever futuros acontecimentos, como
alteração da demanda, ou entrada de novos competidores. Estas análises de padrões podem ser
ilustradas, por exemplo, no Google Flu Trends (será abordado nos próximos tópicos), que
consegue mapear e identificar possíveis epidemias futuras.
Além disso, outra maneira de utilizar o Big Data para previsões de demanda é por
meio do monitoramento de preferência dos clientes para uma determinada marca de produto,
podendo assim identificar o motivo e antecipar a produção para garantir a longevidade do
negócio.
Para as organizações, os dados de consumo podem impactar diretamente em seu
faturamento final, seja através de como são feitas as análises, ou como serão realizadas as
tomadas de decisão dos gestores. Podemos elencar alguns impactos que são visíveis em
consequência da utilização do Big Data em empresas, tais como transformação de processos
internos, organização e sistematização geral da empresa, inovações, redução de custo e tempo.
Apesar de elencados de forma separada, muitas vezes ao implementar uma inovação
relacionada ao Big Data, aos poucos todas as consequências acima são encontradas nas
empresas.
Mensurar os impactos do Big Data nas organizações não é uma tarefa fácil, uma
vez que existem dificuldades para seu uso efetivo e poucos estudos sobre tais impactos. Neste
trabalho iremos elencar os impactos da utilização do Big Data para geração de inovação em
três níveis: serviços, produtos e processos. Para cada nível o processo de inovação pode atuar
de maneira diferente, alguns de maneira mais rápida outros mais lenta. Segundo Manual de
Oslo (1992), podemos definir a inovação para cada nível, serviços, produtos e processos,
sendo elas:
 Inovação de serviços: nem sempre ocorre da maneira mais formal,
muitas vezes com as fases de pesquisa e implementação alteradas, além disso, pode
ser entendida como um processo contínuo, que gera um crescimento econômico, e que
se difere dos demais níveis, pois atua simultaneamente com a produção e consumo.
 25

 Inovação de produto: pode ser identificada quando resulta em um

aspecto novo ou que sofreu melhorias para os clientes e usuários.
 Inovação de processo: acarreta em melhorias ou algo nos
acessórios/métodos para a execução do serviço.
Ao utilizarmos o Big Data para geração de inovação e melhorias, nota-se que a
inovação de serviços está diretamente ligada aos demais níveis, na maior parte dos casos em
que ocorre uma inovação de serviço impacta diretamente o produto e o processo. Desta
maneira, podemos interligar as inovações de serviço com demais consequências para cada
caso.
Conforme falado anteriormente, é nítido que um dos grandes desafios do Big Data
é sua implementação, pois se faz necessário para tal um grande conhecimento de tecnologia e
análise de dados. Nem todas as organizações possuem expertise para isso, muitas ainda não
compreendem o resultado gerado e por isso não geram o investimento necessário. A próxima
seção tratará das dificuldades encontradas na implementação do Big Data, além das
controvérsias do seu uso, que muitas vezes são vistas negativamente dentro das organizações.

3.3 Dificuldades para Implementação

Existem diversos tipos de dificuldades encontradas no momento de implementação de
um fenômeno que exige alto investimento e conhecimento, quando se trata do Big Data os
níveis de exigência são ainda maiores, seja pelas tecnologias envolvidas, quanto o
conhecimento que se faz necessário.
Neste capítulo podemos identificar como principais desafios na implementação do Big
Data as dificuldades abordadas no estudo de Campos (2015), sendo elas divididas em dois
grupos principais: os desafios estruturais e culturais.
Para os desafios estruturais as dificuldades estão relacionadas com as tecnologias.
Conforme Campos (2015), tais tecnologias exigem recursos de TI (Hardwares/software) que
estejam de acordo com os negócios das organizações. Pode-se considerar que um dos grandes
desafios para as empresas é o de capacitar seus membros para a nova TI, ou seja, para a era
Big Data, que vai além dos conceitos convencionais de TI, sendo necessário conhecimento
geral sobre a área impactada. Apesar do departamento de TI ser peça chave para captação e
análise de dados, a análise não é restrita a ela, sendo realizada por um conjunto de áreas,
incluindo por exemplo o Marketing.
 26

As primeiras dificuldades encontradas para a implantação do Big Data em

organizações são as que tangem as restrições tecnológicas (Campos, 2015), seja pela forma
com que são realizadas as extrações dos dados, o seu armazenamento, o acesso aos dados ou a
análise final. Conforme mencionado anteriormente, encontrar profissionais capacitados para
análise de dados e o desenvolvimento de melhorias não é uma tarefa fácil, pois exige
conhecimento tácito e experiência neste ramo de atuação. A própria definição de Big Data,
pode ajudar a compreender este fato; conforme afirma Campos (2015, p.23): “Uma das
grandes dificuldades do Big Data é lidar com dados não-estruturados em que a informação
extraída de determinado conjunto de dados pode ser imprecisa”.
Algumas vezes a organização possui as ferramentas tecnológicas necessárias para
usar o Big Data – já que algumas das tecnologias são acessíveis e baratas – mas não possui o
profissional capacitado para lidar com tais instrumentos, sabendo analisar apenas parte dos
dados, deixando de lado aqueles que podem vir a representar parte significativa da empresa,
os dados não-estruturados. Sabe-se hoje que um dos profissionais mais cobiçados pelas
empresas, e uma das áreas com maior influência dentro da organização é a de Tecnologia da
Informação (TI), que apesar de não serem estruturas novas, são hoje vistas como o futuro do
negócio, sendo essenciais para inovação e segurança no negócio.

Já os desafios culturais podem ser vistos por meio de estudos que revelam que a
maioria das empresas ainda não possui uma estratégia de Big Data. São poucos os gestores
que possuem conhecimento sobre o assunto, e poucas empresas aproveitam as informações
sobre seus produtos e clientes. Apenas uma pequena parcela das organizações se utiliza das
estratégias de Big Data diariamente. Os principais motivos para a falta da utilização do Big
Data e suas ferramentas são o pouco entendimento dos benefícios que ele pode trazer, a falta
de apoio da liderança executiva da empresa, e falta de investimento para o conhecimento
técnico. Muitos líderes ainda possuem a mentalidade de que a experiência é a melhor arma
estratégica na organização e não dão relevância aos dados extraídos, e quando na verdade a
experiência é o fator complementar para as análises que são possíveis por meio do Big Data.

As empresas que conseguem utilizar todos os dados disponíveis, com a análise

aprimorada, melhoram a tomada de decisão e adquirem vantagens competitivas sobre as
demais.

Além da resistência por parte das organizações e dos líderes, existe a questão do
compartilhamento de dados e da privacidade que também estão inseridos nos desafios
 27

culturais. Campos (2015) explora em seu trabalho a necessidade que atualmente existe do
compartilhamento de dados para o crescimento do negócio e dos profissionais que atuam nela.
Seja por meio da troca de experiências ou estratégias, o Big Data deve ser entendido como
uma fonte de conhecimento e compartilhamento, e não como sinônimo de insegurança e falta
de privacidade. Assim, pode-se entender conforme ZUPPO et al. (2013, p.48) que “Impedir
que a utilização inadequada dos dados digitais seja considerada a prática corrente de projetos
Big Data é o maior desafio quando se fala em privacidade”.

As barreiras encontradas para implementação do Big Data são diversas,

entretanto, as organizações tem total influência neste processo. Neste sentido, é necessário
analisar quais serão os ganhos com a utilização destes novos instrumentos e como
implementa-lo em toda empresa, fazendo com que todos os departamentos estejam alinhados,
a fim de atingir o objetivo em comum, estabelecer melhorias, criar oportunidades e vantagens
competitivas. O gráfico abaixo representa os maiores desafios encontrados durante a
implementação/utilização do Big Data em organizações.

Figura 3 – Big Data Challenges

Fonte:http://convergenciadigital.uol.com.br/cgi/cgilua.exe/sys/start.htm?UserActiveTemplat
e=site&infoid=36740&sid=97

3.4 Controvérsias
 28

No geral, pode se observar que o surgimento do Big Data é um ponto positivo e

atrativo para todos os setores econômicos e sociais. Entretanto, deve-se explorar também os
pontos negativos da utilização e implementação do Big Data em organizações, tendo como
foco a segurança e a privacidade dos dados e informações disponíveis, pois ao mesmo tempo
em que aumentamos o acesso a novos dados, acabamos induzindo a um maior controle da
vida dos usuários. Assim, ao passo que o Big Data disponibiliza dados sobre localizações,
preferências e opiniões dos indivíduos para permitir novos conhecimentos e possibilidades, há
efeitos sobre a liberdade, segurança ou privacidade.
Quando pensamos de maneira macro, percebemos que informações sobre
nossos hábitos estão disponíveis de muitas formas, seja com eletrodomésticos que possuem
medidores sobre o nosso consumo, revelando nossas práticas diárias, seja pelas declarações
nas redes sociais. Segundo Schonberguer e Cukier (2012), é fato que com o avanço do Big
Data ficamos mais suscetíveis, e mesmo sem perceber a restrição da nossa liberdade e ao
aumento dos riscos. O Big Data trabalha para disponibilizar as empresas o maior nível de
segurança e privacidade dos seus dados, e muitas vezes para que isso ocorra outros níveis da
cadeia são expostos, sejam clientes ou profissionais. O Big Data ainda possui grandes
barreiras a ultrapassar na questão da privacidade dos dados, principalmente quando se tratam
de dados pessoais ou de empresas que necessitam de sigilo.
Por diversas vezes organizações se utilizam de dados pessoais como e-mails, fotos
publicadas e pesquisas online para promover novos produtos e serviços que possam atingir o
interesse do usuário. Sabe-se que as informações disponíveis na internet nada mais são que os
próprios dados disponibilizados pelos usuários, e são por meio desses dados que as empresas
utilizam novas fontes de análise e promoção dos seus produtos e serviços. Apesar de ser por
meio desses dados disponíveis que muitas vezes conquistamos aquilo que desejamos, sejam
produtos ou serviços, nossa segurança fica vulnerável às práticas que utilizam o Big Data
como estratégia para alavancar o negócio, e muitas vezes dados pessoais podem ficar
expostos para qualquer usuário, colocando em risco informações importantes, dados
bancários, dos membros familiares, localização e entre outros. Schonberguer e Cukier (2012)
afirmam que quanto mais as análises do Big Data se mostrarem promissoras as organizações e
ao público, mais confiança os usuários terão em disponibilizar informações e mais visíveis
estarão perante aos dados analisados, ou seja, por ser um fenômeno conhecido e confiável por
muitos, os usuários tendem a achar que estão controlando os dados, quando na verdade por
 29

muitas vezes o Big Data programa os dados que mais temos acesso, diminuindo a privacidade
e segurança do usuário.
A segurança de informações e de dados é outro fator de extrema importância para
o funcionamento do Big Data em empresas, já que sem esses requisitos as organizações não
conseguem ter a confirmação que o trabalho que será realizado e as ideias que irão surgir
ficarão armazenadas sem o risco de empresas concorrentes terem acesso.
A segurança dos dados pode ser analisada de duas maneiras, se os dados estão
seguros quando são armazenados em certo local, sendo o grande receio o caso de alguém fora
da organização consiga acesso sem grandes dificuldades. Outro ponto é se os dados extraídos
são confiáveis e seguros, muitos usuários e funcionários de organizações não acreditam
totalmente que o Big Data forneça informações tão precisas e atualizadas, e optam por realizar
a extração de dados e realizar análises de maneira primitiva, ou como estão habituados desde
o início.
Os dados e informações estão disponíveis em qualquer lugar e a qualquer
momento, cabe a sociedade e as empresas restringi-los e utilizá-los da melhor maneira,
beneficiando ambos e gere crescimento econômico. O Big Data ainda está em fase de
amadurecimento e neste sentido é necessário controlá-lo para que não sejamos controlados
por ele; por isso se faz necessário o uso das melhores técnicas e dos melhores profissionais,
além da consciência da proteção da confidencialidade das informações utilizadas para não
gerar riscos aos usuários.
 30

4. Capítulo 2. Oportunidades nos Negócios

Conforme visto no capítulo anterior, o Big Data, quando utilizado com as tecnologias
específicas, ou seja, quando os dados são organizados e analisados a fim de extrair
informações necessárias e úteis, pode ocasionar no crescimento de negócios, gerando novas
oportunidades estratégicas e desdobramentos econômicos. Neste Capítulo apresentaremos sete
casos de sucesso de empresas que utilizaram o conceito e técnicas de Big Data para
desenvolver e implantar inovações em negócios novos ou já existentes.
Para cada caso faremos uma análise do contexto em que se encontra a empresa
antes da inovação, seguindo de uma descrição detalhada de quais foram as inovações nos
negócios (e as mudanças associadas), qual o papel/uso do Big Data neste processo e os
principais impactos encontrados.
Neste sentido, o Capítulo busca mensurar como o Big Data influenciou e
influencia a trajetória dos negócios.

4.1 Caso 1: Easy Táxi

Um exemplo claro de inovação com o uso de Big Data em serviços já existentes e
que compete com demais serviços com a mesma função, é o famoso aplicativo Easy Táxi. O
Easy Táxi é um aplicativo para celular que encontra o taxi mais próximo do cliente de uma
maneira rápida e fácil e que está presente em 33 países, inclusive no Brasil, onde foi criado.
Antes deste serviço o cliente poderia optar por três alternativas: solicitar um taxi
por meio de uma ligação para a central, optar por esperar um táxi livre chegar até a pessoa ou
ir até o ponto de táxi mais próximo para garantir o serviço. Definitivamente o Easy Táxi
mudou a comunicação entre clientes e taxistas, agregando valor ao serviço e fazendo com que
o mercado se tornasse ainda mais competitivo devido ao grande número de aplicativos que
surgiram após a criação do Easy Táxi com a mesma função, a exemplo do 99Táxi. A
diferença crucial entre os aplicativos está naquele que proporciona melhores resultados,
agilidade e confiança para o cliente.
Observando a necessidade dos usuários de táxi, e principalmente por passar
pela experiência de espera do tal transporte em uma noite no Rio de Janeiro, Tallis Gomes
criou em 2011 o Easy Táxi. O aplicativo trabalha da seguinte maneira: o usuário precisa ter o
aplicativo instalado no smatphone ou tablet, e logo que ele envia por meio do aplicativo a
solicitação do táxi, o aplicativo reconhece a sua localização por meio do GPS do gadget
 31

empregado e uma confirmação da localização do usuário é enviada. Assim que ocorre o

aceite, são liberadas as opções existentes de pagamento e feito isso, o próximo passo é optar
por “pedir táxi” e aguardar pelo táxi que estiver mais próximo. Do lado do taxista, o sistema
funciona da seguinte maneira: o taxista deve primeiramente realizar um cadastro no
aplicativo, apresentando alguns requisitos básicos para que o mesmo seja aceito, como por
exemplo: possuir o registro municipal válido que comprove o poder para exercer a profissão
de motorista de táxi, possuir carteira nacional de habilitação (CNH) e possuir um veículo
legalmente habilitado para prestar os serviços de táxi. Após realização do cadastro, o taxista
passa por uma análise do Easy Táxi, e caso aceito, passa a ter que seguir uma série de normas
contratuais e restrições para permanecer nos padrões do aplicativo. Após o cadastro e a
aprovação, o taxista fica “livre” para receber passageiros dos pontos mais próximos que ele
está. Assim, dada a intenção de pedir um taxi, o cliente transmite pelo aplicativo a informação
de ir a certo local, o sistema envia uma notificação para os taxistas que estiverem mais
próximos do passageiro, e fica a critério de cada taxista aceitar ou recusar aquela corrida.
Caso o motorista aceite, a localização do cliente e o destino final são apontados no aplicativo
para que o taxista já esteja preparado para ir até o local e levar o passageiro ao destino final. O
passageiro também é informado sobre o aceite e recebe as informações sobre o taxista (nome,
identificação do veículo e telefone), além de poder acompanhar o trajeto do mesmo até o local
de espera pelo gadget. Ao chegar até o cliente, o taxista aciona alerta no aplicativo que
chegou ao local desejado de encontro, e o mesmo ocorre no desembarque, alertando que o
passageiro já saiu do veículo e o motorista está novamente livre para as demais corridas.
Além de melhorar a comunicação entre cliente e taxista e diminuir o tempo de
espera, o aplicativo ajuda na segurança do cliente, pois todas as informações do táxi que está
sendo enviado para o cliente são transmitidas pelo próprio aplicativo. Com o boom do
mercado de celulares, o aplicativo torna-se certamente um meio rápido, fácil e seguro de
solicitar tal serviço. Com um mercado resistente a inovações empreendedoras, Tallis
conseguiu seu primeiro investidor em 2012, a Rocket Internet, empresa alemã que financia
companhias online e de mobilidade em fase inicial. Em entrevista para Revista ZH, o CEO da
empresa afirmou que a principal barreira para criar uma plataforma viável a todos os usuários
foi o desenvolvimento da tecnologia. Tratava-se de uma ideia relativamente simples, capaz de
agregar o recebimento do pedido, a procura de taxis próximos por meio do Google Maps, em
seguida o aceite do taxista e a notificação ao cliente sobre as informações do carro e do
 32

motorista. Foi a partir desta ideia que o fundador encontrou mais três sócios dispostos a
desenvolver tal aplicativo.
O impacto do novo serviço no mercado para os taxistas e para empresa ainda
está sob análise, mas já se sabe que o aplicativo tem reduzido os custos e aumentado o
faturamento tanto para os taxistas, sendo também um negócio rentável para a Easy Táxi.
Neste caso, o Big Data possibilitou a criação de uma nova forma de interação com
os clientes, melhorando a comunicação e resultando em serviços de maior qualidade; além
disso, modificou a estrutura antiga de táxis para uma estrutura mais inovadora, tecnológica e
segura, alterando a forma de oferecimento do serviço para um que gera maior impacto
econômico e estratégico nos negócios.
A utilização do Big Data para tal sucesso foi imprescindível, já que os criadores
precisam diariamente estar munidos das mais diversas informações relacionadas com o
serviço para manter em tempo real o aplicativo funcionando. Dimensionar a demanda do
número de taxistas e usuários e em um determinado local, assegurar que as informações
cheguem de maneira rápida e segura para motoristas e usuários, realizar esse processo em
menos de 5 minutos, e garantir redução de custo para ambas partes, não seria possível sem o
uso do Big Data. O que torna o aplicativo líder entre os demais e sucesso em diversos países é
o fato de utilizar o Big Data para unir todas as informações que o cliente e que o motorista
precisam em um único aplicativo, minimizando o tempo e custos gastos. Para o Easy Táxi o
Big Data proporcionou a união de dados em grande escala em um único aplicativo e marcou o
início de uma grande transformação, além de uma da perspectiva de crescimento da
inteligência estratégica da empresa.
Para os usuários, as outras formas de solicitar um táxi passaram a ser vistas como
mais inseguras e mais complexas; com isso, o taxista que não se adapta as mudanças acaba
saindo em desvantagem, visto que o número de passageiros que antes eram encontrados nas
ruas, nos pontos de táxi ou entravam em contato por telefonemas, é hoje certamente menor do
que no passado. Além disso, o usuário que não possui um smartphone ou um tablet para
utilizar aplicativos como este acaba se distanciando de novas oportunidades que facilitam as
atividades cotidianas.
4.2 Caso 2: PayPal
Um exemplo de novo serviço criado a partir do uso de Big Data é o da Paypal,
uma empresa fundada em 1998 para serviços de pagamento online, que atualmente possui
 33

mais de 173 milhões de contas de clientes cadastrados, e que garante um jeito eficaz e seguro
para que os usuários movimentem dinheiro em compras e vendas pela internet.
A origem do pagamento utilizando dinheiro remete à necessidade dos
comerciantes, em dado momento histórico, de gerar uma moeda que facilitasse as trocas
comerciais. Desde então, as trocas comerciais foram evoluindo e diversos meios de
pagamento surgiram, como cheques, cartões e entre outros, que passaram a ser empregados de
forma presencial e, mais recentemente, pela internet.
O avanço da internet, além de promover o crescimento de diversos setores da
economia, promoveu também a possibilidade de realização de compras e vendas online, ou do
e-commerce, um tipo de comércio que realiza transações financeiras através da internet. O e-
commerce surgiu para facilitar as relações comerciais online, seja pela agilidade da compra,
da facilidade de adquirir o produto e da segurança de efetuar um pagamento sem que os dados
do comprador sejam expostos. O objetivo deste serviço foi evitar as transações em dinheiro,
como cheques ou boletos, uma vez que com o advento da internet os processos necessitavam
ser mais rápidos e seguros tanto para quem vende quando para quem compra. Anterior ao
Paypal, as compras online eram realizadas pelos próprios sites: o cliente ao finalizar a compra
em determinado site, disponibilizava seus dados para o pagamento. Porém, em muitos casos,
não existia certificações de segurança para o cliente, e não havia certeza sobre onde estariam
tais dados fornecidos. O Paypal surgiu então para facilitar o comércio on-line que já vinha
acontecendo.
O Paypal nada mais é do que um sistema que permite a transferência de dinheiro
entre comerciante e cliente pela internet, sem a utilização de meios como cheques e dinheiro
em espécie. No início, o Paypal criou um modelo de divulgação do negócio para atrair o
público, oferendo dez dólares (como créditos para futuras compras) aos novos usuários, além
de bônus a cada usuário que indicasse o sistema para amigos. O método funcionou e logo o
Paypal se tornou o principal sistema de pagamentos na internet, fazendo com que crescesse
entre os fornecedores e clientes. A utilização do serviço do ponto de vista do cliente funciona
da seguinte maneira: o usuário realiza o cadastro no site oficial da Paypal, fornecendo os
dados bancários do cartão, sendo que somente ele (e a Paypal) tem acesso aos dados. A partir
do cadastro realizado no site oficial do sistema, o usuário fica livre para realizar qualquer
compra em sites que utilizem o sistema, sem a necessidade de registrar novamente os dados.
O pagamento é sempre feito via cartão de crédito, e o Paypal garante segurança máxima dos
dados, já que as informações bancárias não chegam aos fornecedores ou outros usuários. Ao
 34

realizar uma compra qualquer pela internet, caso o site em que está sendo efetuada a compra
seja vinculado ao Paypal, o cliente passará as informações e o Paypal realizará a transação em
momento real, assegurando que seus dados não sejam perdidos e que a compra seja feita no
mesmo instante. Além disso, o sistema garante ao cliente total suporte caso o produto
comprado não chegue, ou chegue em mal estado, prometendo auxiliar no estorno do dinheiro.
Assim que a transação é concluída, o usuário recebe um e-mail de confirmação da compra
como garantia da transação, e caso haja qualquer problema durante o pagamento ou entrega
do produto, o cliente pode acionar o Paypal. Para o vendedor as etapas para utilizar o sistema
são quase as mesmas, sendo necessário realização de cadastro, utilizando o CPF ou CNPJ, e
após o cadastro, o Paypal realiza uma checagem dos documentos do vendedor. Se estiverem
corretos, e o sistema já estiver instalado para o vendedor, as vendas podem ser realizadas
normalmente. O Paypal não cobra taxa mensal do vendedor, apenas um valor para cada
transação que ocorre. O vendedor consegue um sistema mais ágil de pagamento e os clientes
obtém mais confiança nas transações, já que o sistema garante qualidade e segurança durante
o pagamento. O Paypal faz ligação entre os dados dos clientes com os seus parceiros, fazendo
com que o processo ocorra de maneira ágil e segura.
O Big Data está presente desde antes do surgimento do Paypal, no início do
comércio online, analisando os dados dos clientes e unificando as informações necessárias
para a transação. No entanto, para que o Paypal funcionasse como desejado e se tornasse um
dos líderes de mercado de transações comerciais, foi necessário investimento em tecnologias e
aprendizado para alavancar diversos dados em uma única rede para consumidores e
comerciantes, beneficiando ambos. O Paypal atua sempre desenvolvendo novas tecnologias
que melhorem e garantam as políticas de segurança e privacidade de seus clientes, além de
contribuir indiretamente para o crescimento econômico dos fornecedores que usam o serviço,
uma vez que favorece cada vez mais o comércio online. A figura abaixo representa a
diferença da utilização de meios de pagamentos entre os anos 2015 e 2016, apontando em
2016 um aumento de um pouco mais de 3% na utilização do sistema Paypal (identificado na
figura como “payment service”) em relação ao ano anterior. Apesar de ainda ser menor que os
demais meios, o sistema tem tomado espaço ao longo dos anos, apresentando perspectivas
futuras promissoras.
 35

Figura 4 – Utilização dos meios de pagamento pela internet

Fonte: https://www.paypal.com/stories/br/o-perfil-do-ecommerce-brasileiro

Para que os dados dos clientes estejam armazenados de maneira segura no

sistema, para que o pagamento seja efetuado de forma rápida, segura e eficaz, para que o
vendedor receba em menos de 24h o valor da compra, e ambos, clientes e vendedores, sejam
beneficiados desde o momento da compra até a entrega, o Big Data precisa atuar em todas as
etapas. Coletar os dados, armazená-los, analisá-los e transformá-los em informação útil, não
ocorre somente no momento do pagamento, mas antes e depois dele. Durante o planejamento
do projeto do Paypal, verificou-se a oportunidade de geração de um novo serviço, de inovar
em uma área que há anos funcionava da mesma maneira, sem segurança e sem credibilidade.
Apesar de ainda haver receio, principalmente por parte de gerações antigas, com os
pagamentos em internet, hoje grande parte da população não se vê mais enfrentando filas em
lojas se podem optar por ter o conforto de escolher, adquirir e receber um determinado item
em casa. O Paypal, juntamente com o Big Data, utilizou dos desejos dos consumidores para
criar um negócio de sucesso, que cria um ambiente de compras online seguro, rápido e capaz
de oferecer a mesma qualidade que a compra feita fisicamente.
A principal vantagem desse serviço é que o faturamento vem também das
parcerias realizadas, pois os clientes confiam no processo e tem segurança durante a compra e
venda. O Big Data propicia o avanço do negócio, melhorando a forma como as informações
dos clientes são armazenadas e a agilidade da transação financeira.
4.3 Caso 3: BovControl
Um grande exemplo de modelo de negócio gerado também pelo uso do Big Data é
o BovControl, um startup de tecnologia no setor da pecuária. A empresa criada em 2010 tem
 36

como objetivo a captação, em smartphones, de dados de bovinos, dados estes que se referem a
quantidade de animais, os que possuem melhor potencial para a produção de leite, peso, idade
e outros dados relevantes para a produção do pecuarista.
Anterior a esse sistema, os pecuaristas tinham apenas uma ferramenta rudimentar,
o papel e a caneta para o controle de uma extensa produção com grandes variações no dia a
dia. O funcionário da produção era o responsável pela coleta de dados, pelo armazenamento,
seja ele no próprio papel ou em tabelas eletrônicas, na transformação dos dados em
informações relevantes, e pela análise final. A oportunidade de um sistema como o
Bovcontrol surgiu a partir da necessidade dos criadores de gado que não conseguiam ter
controle do próprio negócio, já que muitos dados eram perdidos neste processo mais manual.
Além disso, a pecuária é um dos setores com grande impacto na economia, e muitas das
tecnologias empregadas neste negócio relacionam-se com o próprio processo produtivo e não
para gestão do fazendeiro. O Bovcontrol surge justamente como uma forma de coletar
informações mais precisas e em tempo real, proporcionando análises consolidadas que
auxiliem no poder de decisão do pecuarista, em especial para controle de estoque e vendas
(incluindo exportação).
O pecuarista utiliza o aplicativo da seguinte maneira: o primeiro passo é instalar o
aplicativo em um dispositivo móvel, seja ele tablet ou smartphone, e criar um cadastro
fornecendo informações básicas e de controle do sistema, como nome, telefone e e-mail. Os
animais devem estar registrados como uma espécie de “brinco” com código de barras e
numeração; desta maneira o aplicativo consegue captar os códigos e mantê-los no sistema.
Após o cadastro efetuado e animais registrados, o pecuarista fica apto para disponibilizar as
informações sobre o gado, registrando a entrada de animais, seu manejo, e saída. Para cada
opção, existem informações do gado que devem ser preenchidas, dados como, peso, sexo do
animal, vacinas e entre outras. O aplicativo registra cada notificação do dia, e caso o
pecuarista tenha anotado dados errados, o sistema permite corrigir ou apagar. Os criadores de
gado têm a opção no próprio aplicativo de exportar todos os dados coletados em um dia para
planilhas eletrônicas. Além do controle do rebanho, o pecuarista consegue disponibilizar o
acesso para visualização das condições do rebanho para quem for de interesse como, por
exemplo, atuais ou futuros clientes.
O BovControl utiliza o Big Data para fornecer aos pecuaristas um trabalho mais
seguro, ágil e com benefícios, já que o controle do produto é mais eficiente. A importância do
Big Data para Danilo Leão, diretor do startup, está especialmente na fase da análise de dados.
 37

Esses dados, antes de serem transmitidos, devem ser selecionados, e a tecnologia de

Big Data é empregada justamente por meio do uso de algoritmos que interpretam o conjunto
de informações e realizam uma espécie de “filtro” para a análise de dados.
Graças ao Big Data o aplicativo consegue em tempo real atualizar os dados dos
animais e promover os pecuaristas que o utilizam, já que o processo é mais rápido e os
pedidos de exportação são enviados com menos burocracias. O Big Data é a fenômeno chave
para a interligação dos dados coletados em campo com seu armazenamento, análises e
finalmente com estratégias elaboradas para melhoria do negócio. O pecuarista consegue
recuperar o controle de segmentos que por muitas vezes não tinha acesso ou que não eram
considerados relevantes ao final do processo.
Para os fazendeiros que utilizam o aplicativo o benefício ainda não é mensurável,
mas já é visível. O que antes levavam dias, com análises das informações extraídas de forma
manual, hoje pode ser feito por meio do aplicativo, minimizando tempo e aumentando a
qualidade do processo.

4.4 Caso 4: Netflix

Podemos também exemplificar o uso de Big Data como outro modelo de negócio
para um serviço que já existia, o conhecido aplicativo Netflix, um provedor global de filmes e
séries que hoje conta com mais de 75 milhões de assinantes.
Apesar do sucesso inquestionável do aplicativo, a inovação é recente e antes do
Netflix o público já possuía outras formas para assistir filmes e séries. As conhecidas
locadoras eram a principal escolha, o cliente ia até determinado ponto de locação de
filmes/vídeos/séries, alugava por determinado período de tempo e assistia em casa, pagando
um valor a cada filme que alugava. Outra alternativa era a TV por assinatura, que ainda hoje
possui diversos canais focado em filmes e séries, além da TV aberta e pela internet, que
apesar de não ter a potencialidade de hoje, já disponibilizava filmes e séries. Ter uma gama de
filmes online, a um preço acessível e sem sair de caso não era algo fácil imaginar antes do
Netflix.
A empresa iniciou seu trabalho com o simples negócio de locação de vídeos. A
ideia surgiu após seu fundador, Reed Hastings, pagar uma multa de US$40 por atraso na
devolução de um filme. A Netflix resolveu inovar quando percebeu que o modelo tradicional
de locação de vídeos que utilizava estava gerando gastos maiores do que aquilo que
ganhavam. Desta maneira, adotaram um sistema de cadastros com aluguéis ilimitados, ou
 38

seja, o cliente poderia escolher até oito filmes para alugar, que eram enviados um por vez, via
correio. O cliente poderia permanecer por tempo indeterminado com o filme, e somente
recebia o próximo filme da lista quando enviasse de volta para a locadora aquele que estava
com ele. O sucesso do Netflix foi imediato, e o que diferenciava a empresa das demais
locadoras era a não cobrança de multas por atraso, o que atraía bastante os clientes. Com o
sucesso, a Netflix passou a investir em outros tipos de acesso aos seus serviços, investindo em
seu site e introduzindo filmes online para seus clientes, além das novas tecnologias que
atraiam todos os tipos de usuários, criando uma espécie de perfil para cada conta.
Hoje para acessar o Netflix é simples: primeiro o usuário deve realizar o cadastro
e comprometer-se com a assinatura mensal. Após a assinatura concluída, o usuário fica livre
para escolher o que queira em qualquer sessão, filmes, séries ou documentários. Com o uso
contínuo do Netflix, o sistema vai mapeando as preferências do usuário e deixando a conta
com o perfil do cliente, e é neste ponto que entra o Big Data.
Os criadores dizem que a fórmula do sucesso de um aplicativo que é considerado
destaque entre os demais é simples e refere-se justamente ao uso do Big Data. O Netflix
utiliza-se do Big Data até nas mais simples ações que muitos dos assinantes acreditam ser
coincidência, como por exemplo, os filmes e séries mais indicados de acordo com o que
assistimos anteriormente ou com as buscas realizadas. Além da coleta de dados e análises em
cada conta, o Netflix conta com coletas mais amplas de dados, buscando entender o que todos
os usuários de diferentes localidades procuram em determinadas séries que são grande
sucesso. Foi apostando no Big Data que o Netflix se tornou líder no segmento em que atua,
conseguiu ultrapassar TVs à cabo e aberta, e hoje trabalha com documentários e séries
próprias que garantem ser sucesso antes mesmo do público as conhecer. Representando esse
crescimento, o gráfico abaixo apresenta o aumento do número de assinantes do Netflix entre
os anos de 2012 a 2014, mantendo em ritmo crescente as assinaturas dentro e fora do país de
sua origem, os Estados Unidos da América.
 39

Figura 5 – Assinaturas do Netflix

Fonte:http://www.viuisso.com.br/2015/04/03/netflix-parece-que-vai-bem-obrigado/

O Big Data tem total importância na análise de dados para o Netflix, é por meio
dele que os criadores elaboram estratégias e tomam decisão de determinado lançamento,
como por exemplo a série House of Cards. Para que o Netflix tenha destaque diante dos
diversos atrativos de filmes online, foi necessário envolver inovação e Big Data. Atrelar dados
como quantos/quais filmes são assistidos por dia e em que horário só é possível com a
utilização dos dados estruturados, agregando as informações que são relevantes para os que
analisam e para os que usufruem de tal benefício. Além da visualização dos dados, o mais
importante para Netflix é manter o cliente entretido com aquilo que mais tem a ver com o seu
interesse; para isso é utilizado o Big Data Analytics, ou seja, um método que promove
vantagens competitivas para a empresa por meio do entendimento dos requisitos e objetivo da
empresa. O objetivo do Netflix era simples, identificar o comportamento dos usuários e
transformar o desejo pelas telas do aplicativo, e para que a ideia se tornasse real o Big Data
entrou em ação.
Visualizar os dados, ter acesso aos diversos estilos de vida dos usuários é
imprescindível para a manutenção da empresa, mas, acima disso o importante é analisar os
dados coletados e transformar em resultados. Foi desta maneira que o Netflix alterou o
modelo do seu negócio, que antes era fundamentado em pedidos, e hoje é baseado em análises
de informações sobre o que os clientes mais procuram. Na criação do serviço as etapas que
 40

mais se destacam são a duas, a primeira que consiste na coleta de dados, sem deixar lado as
informações que muitas vezes são vistas como irrelevantes, e a segunda que consiste na
definição dos objetivos, quando é definido o público alvo e como conquistá-lo, mantendo os
ativos independente da época, além de estratégias que irão unir a experiência do gestor com
os dados gerados. Após a análise e as definições estratégicas, as ações são coladas em prática,
e o Big Data é utilizado durante toda a continuidade do processo, para que os dados e
informações nunca se percam, mas sim, que sejam encontradas sempre novas fontes que
gerem benefícios ao sistema.
Para o Netflix, o Big Data revolucionou o modo que as atividades eram realizadas
e começou a ditar as novas tendências. Não se pode afirmar com certeza porque não há dados
divulgados, mas o faturamento do Netflix chegou em torno de R$1 bilhão no ano passado,
deixando para trás grandes emissoras, como o SBT. Hoje o Netflix atua como líder no
mercado não somente de filme, mas se destacando principalmente pelas series oferecidas,
concebidas de acordo com o que os usuários gostariam de encontrar.

4.5 Caso 5: UPS

Um exemplo famoso da utilização do Big Data para transformação do processo
interno é o da UPS, maior empresa de transporte logístico do mundo. Fundada em 1907, a
empresa atualmente chega a realizar mais de 16 milhões de entregas diárias em todo o mundo,
sendo o faturamento anual maior que U$50 bilhões.

Anterior à utilização do Big Data, há aproximadamente 20 anos atrás, a empresa

utilizava um cronograma para rotas, e o processo de transporte logístico era realizado de
maneira simplificadaa pela empresa. O processo logístico padrão funcionava da seguinte
forma: o condutor da UPS, que realiza em média 120 paradas para entrega por dia, iniciava o
dia de trabalho apenas com estratégias logísticas gerais, munido de mapas para chegar a cada
destino de entrega. Os destinos eram definidos de maneira aleatória, sem verificação de
horários, trânsito, localizações e demais restrições. Esta situação gerava muitas vezes um
número de entregas em um dia menor que o planejado, aumentava o número de paradas para o
dia seguinte e gerava insatisfação dos clientes. Este cenário foi a rotina da empresa por
décadas, até que a UPS começou a desenvolver estudos mais amplos de melhorias de processo
e minimização de perdas, como custo e tempo.
 41

Para alterar esta situação, os estudos iniciados tinham o propósito de otimizar

rotas, criando um processo mais eficaz. A partir da criação do escopo do projeto e dos
objetivos estabelecidos, a empresa buscou ferramentas para que conseguisse alcançar o maior
número de dados e informações para agregar valor aos processos com os quais já trabalhava.
Para o funcionamento de uma empresa de grande porte como a UPS, o Big Data
foi o melhor meio encontrado para colocar em prática estas melhorias. Esta mudança ocorreu
com o projeto ORION, visto como maior projeto de pesquisa operacional do mundo, com a
finalidade de potencializar as rotas feitas pelas frotas dos caminhões, aumentando a segurança
e eficiência do processo. A empresa optou pela instalação de sensores em todos os seus
veículos, identificando velocidade, desempenho do veículo e entre outras características, para
analisar as rotas que eram feitas, e a partir daí encontrar as melhores soluções logísticas. O
resultado veio em 2011; segundo Schonberguer e Cukier (2012, p.61) foi uma redução de “50
milhões de quilômetros nas rotas dos motoristas e uma economizou 11 milhões de litros de
combustível e 3 mil toneladas de emissão de carbono, de acordo com Jack Levis, diretor de
gerenciamento de processo da UPS. ”.
O processo logístico elaborado no projeto ORION é o que vigora até os dias de
hoje na UPS, sendo uma das restrições do projeto o caso de estudo do “caixeiro viajante”, um
problema logístico conhecido e estudado em áreas como administração, economia, e
engenharia e que tem como objetivo, por meio de cálculos, determinar o menor caminho a ser
percorrido, retornando ao ponto de origem. O projeto reúne diversas restrições e busca
consistência entre os dados e a realidade, tendo o foco na melhoria do processo tanto para o
funcionário, quanto para o cliente.
Os funcionários da UPS, após o projeto ORION, trabalham do seguinte modo:
iniciam a sua jornada de trabalho com um tablet da empresa, que sugere dois tipos de rotas, a
que foi desenvolvida pelo ORION e outra que utiliza combinações com as regras de trabalho
da UPS. O funcionário é livre para escolher o curso, porém caso não escolha a rota
desenvolvida pelo ORION, deve justificar o motivo. Desde o início do projeto os funcionários
são treinados por uma equipe que explica o que é o ORION, sua forma de funcionamento e
porque devem utilizá-lo, já que ainda existe uma resistência dos funcionários com o novo
sistema, pois muitos ainda utilizam a experiência como principal ferramenta para o trabalho.
O caso UPS é usado como case de sucesso na implantação e inovação de
processo, uma vez que a mudança ocorreu no processo logístico para melhoria do seu serviço,
que é o transporte de mercadorias. As tecnologias utilizadas e o Big Data foram
 42

imprescindíveis para o sucesso do projeto, já que seria impossível reunir milhares de

informações em tempo real sem um sistema unificado que fosse capaz de coletar dados,
armazená-los, analisá-los e gerar valor a organização. O Big Data proporcionou a UPS
melhorias em vários aspectos, pois a partir do controle logístico a empresa conseguiu
melhorar seus serviços o proporcionar a seus clientes e aos seus funcionários maior agilidade.
Não se sabe ao certo o investimento inicial feito pela UPS no projeto, mas especialistas em
gestão afirmam que o valor é perto dos US$300 milhões. Até ao final da sua implementação
em 2017, espera-se uma economia de aproximadamente US$400 milhões por ano.
A UPS com um investimento em tecnologias e utilização do Big Data, conseguiu
ainda conectar seus sistemas aos milhares de clientes. Juntamente com o projeto ORION, a
empresa trabalha com um aplicativo disponível para smartphones e tablet, o “My choice”. O
aplicativo possibilita ao cliente acompanhar em tempo real a entrega do seu pedido, tendo a
liberdade de modificar o horário da entrega, para mais cedo ou mais tarde. O sistema ORION
e o aplicativo mantém conectividade direta; assim se um cliente altera o horário, o ORION
logo faz a análise de rotas e planeja um novo percurso para que nenhuma das entregas sejam
prejudicadas com tal alteração.
O Big Data contribuiu com uma nova perspectiva de negócio, mostrando que os
dados podem gerar resultados que antes não eram imaginados. O Big Data é valioso quando
usado de maneira eficaz, gerando melhorias processuais, sistêmicas e o mais importante para
as empresas, benefícios econômicos.
O gráfico abaixo representa o crescimento do faturamento anual da empresa de
2010 a 2014, sendo em 2010 US$49.5 bilhões e em 2014 o avanço para US$58.2 bilhões.
 43

Figura 6 – Desempenho financeiro da UPS

Fonte:http://marketrealist.com/2015/07/look-united-parcel-services-strong-financial-
standing/
Assim sendo, o Big Data conseguiu agregar valor para empresa em diversos
aspectos, desde o funcionário que consegue maior rendimento em seu trabalho, até o cliente
que consegue que o pedido seja entregue na hora esperada.

4.6 Caso 6: Danone

Um outro exemplo do uso do Big Data em processos internos é o da Danone, uma
empresa multinacional francesa, presente em mais de 120 países com foco em produtos
lácteos frescos.
Um dos casos de sucesso com grande diferencial processual da Danone foi em
relação a um dos seus principais produtos, o iogurte Grego. Com o sucesso do produto,
estudos diários sobre sua armazenagem, e a preocupação com a maneira pelo qual o produto
chegaria aos clientes, a Danone percebeu que o iogurte Grego perecia mais rapidamente que
os demais, e que necessitava de um processo de transporte e armazenagem diferenciado, ou
seja, produzir e distribuir com agilidade sem que o produto perdesse a validade. Antes do uso
do Big Data, o processo pelo qual o iogurte grego passava era o mesmo que os demais
produtos da empresa: a primeira etapa era a de produção do iogurte, que seguia pelo
procedimento padrão, mistura dos ingredientes, homogeneização, pasteurização, fermentação,
 44

resfriamento e adição das frutas, seguindo pelo processo de embalagem, todo feito por
máquinas e a conservação, que varia de 1ºC a 10ºC. A empresa detectou que para o iogurte
grego o processo não tinha a mesma eficiência como para os demais, já que perece com mais
rapidez, tendo um prazo de validade menor. O produto por diversas vezes faltava nas
prateleiras dos mercados, e em função disso a Danone buscou uma solução para o problema.
Foi a partir daí que a empresa se juntou à equipe de tecnologia da informação para
melhorar o processo interno de produção e distribuição de seus iogurtes. A empresa elaborou
um software que realiza a coleta de dados da demanda e reúne as informações relacionadas ao
histórico de mercado de cada região, além de unir informações sobre preços e práticas do
consumidor (frequência de consumo, época de consumo, sabor, etc.). Com isso, a Danone
estava preparada, a partir do uso Big Data, para as vendas, controlando com exatidão sua
armazenagem, seu transporte e seu consumo. A partir desse software a empresa conseguiu
realinhar a previsão de demanda, aumentando de 70% para 90% a precisão do planejamento,
aumentando as vendas e reduzindo os custos no armazenamento e do transporte.
A Danone fez do Big Data peça principal do novo processo da produção e transporte
do iogurte. Além disso, passou a coletar informações relevantes ao processo, que fazem
diferença nas questões financeiras, como exemplo os padrões comportamentais dos clientes
que consumiam determinado produto, ou a época em que a demanda aumentava e diminuía;
desta forma seus produtos sempre estavam nas prateleiras para os clientes no tempo exato e na
quantidade correta. O Big Data revolucionou a maneira que a organização lidava com os
dados que possuía e permitiu que eles fossem de acesso para aqueles que fazem a análise
estratégica dos produtos.
4.7 Caso 7: Macy’s
A rede de lojas de departamento Macy’s que foi fundada em 1858 nos Estados
Unidos e é um grande ícone do uso do Big Data. A organização se destaca nesse cenário por
ser a maior rede de lojas de departamento do Estados Unidos, tendo como diferencial o
desenvolvimento do Omnichannel, onde os clientes podem realizar a compras em diversos
tipos de canais, e retirar na loja de sua escolha.
Anterior ao Big Data, a Macy’s recalculava seus preços uma vez por semana,
baseados nos registros de vendas anteriores. Tudo isso feito manualmente, com o apoio de
planilhas eletrônicas para armazenar as informações. Os funcionários chegavam a levar cerca
de 30 horas para atualizar o preço de todos os itens, o tempo e o lucro perdido viraram
pesquisa para os consultores da área de tecnologia da informação (TI), observando que
 45

quando todos os preços estavam corretos, seus colaboradores conseguiam atingir

o número máximo de vendas.
A Macy’s percebeu ao longo do trabalho que o departamento de TI e inovação
eram fundamentais para diminuir os gargalos encontrados, como no caso da precificação dos
itens. A empresa por possuir uma visão distinta das demais lojas de departamento,
desenvolveu com o Big Data uma aplicação de otimização de preços das mercadorias em
tempo real, reduzindo o tempo do cálculo de um ciclo de dias, para horas ou minutos, ou seja,
73 milhões de itens passaram a ser contabilizados em pouco mais de 1 hora. A aplicação se
baseia na coleta de dados referente as práticas do consumidor, registros de vendas anteriores e
previsão da demanda, além de contar com uma análise dos preços dos concorrentes; caso o
concorrente aumente os preços, a Macy’s também usa esta informação para tomar a melhor
decisão. O carregamento dos dados é feito por uma outra ferramenta que funciona como um
banco de dados, gerando a precificação automática para os itens registrados. As condições
oferecidas pelo Big Data certamente fazem da Macy`s uma empresa com maior facilidade
para se adaptar as condições do mercado, além de reduzir o tempo de revisão dos preços, em
comparação com a situação anterior. A empresa afirma ter reduzido em 70% de custo com
hardware com o novo sistema implementado através do Big Data, além de agregar maior
produtividade para os funcionários que faziam tais atividades.
A empresa hoje é uma das líderes de mercado no Estados Unidos e não pretende
cair de posição já que possui uma arma forte, o uso do Big Data. O Big Data proporcionou a
Macy’s melhorias que antes não eram possíveis sem a utilização da tecnologia.
O Big Data ao ser executado em novos negócios e em negócios já existentes pode
gerar vantagens competitivas perceptíveis. Com o melhor planejamento das informações
adquiridas, comunicação e entendimento dos desejos e comportamento dos clientes, o Big
Data permite uma melhor tomada de decisão baseada em fatos e não somente na experiência e
intuição, além de produzir inovações e melhorias internas, que como consequência geram
redução das perdas, seja do custo ou do tempo. Sendo utilizado e explorado por profissionais
capacitados, o Big Data promete gerar impactos positivos na organização, com benefícios
crescentes a longo prazo.
 46

4.8 Análise Comparativa dos Casos

Neste tópico apresentaremos uma análise comparativa dos casos de sucesso
apresentados, identificando e comparando as inovações geradas, a forma de uso do Big Data e
as oportunidades encontradas. A tabela a seguir apresenta esta comparação.

Tipo de Modelo de
Benefícios Competitividade
Inovação Negócio
Melhoria do serviço;
Inaugurou Compete com
minimização de custo e tempo;
Caso 1: um novo outras formas de
Serviço aumento da segurança; aumento
Easy Taxi modelo de prestação deste
da lucratividade da empresa e
negócio mesmo serviço.
dos motoristas.
Compete com
Melhoria do serviço; aumento
Caso 2: outras formas de
Serviço Já existente da segurança; agilidade no
Paypal prestação deste
pagamento.
mesmo serviço.
Melhoria do processo; aumento
da viabilidade do criador de
Compete com
gado; minimização de tempo;
Caso 3: outras formas de
Processo Já existente dados coletados de forma rápida
Bovcontrol realização do
e mais confiável; aumento da
processo
lucratividade para os
pecuaristas.
Melhoria do serviço; aumento Compete com
Caso 4: da lucratividade da empresa; outras formas de
Serviço Já existente
Netflix líder de mercado; satisfação dos prestação deste
clientes. mesmo serviço.
Melhoria do processo;
minimização de tempo e custo; Compete com
Inaugurou
Caso 5: dados coletados de forma rápida outras formas de
Processo o modelo
UPS e mais confiável; aumento da realização do
de negócio
lucratividade; maior rendimento processo
dos funcionários.
Melhoria do processo;
minimização de tempo de Compete com
Caso 6: transporte e armazenagem; outras formas de
Processo Já existente
Danone dados coletados de forma rápida realização do
e mais confiável; aumento da processo
lucratividade.
Melhoria do processo;
minimização de tempo e custo; Compete com
Caso 7: dados coletados de forma rápida outras formas de
Processo Já existente
Macy’s e mais confiável; aumento da realização do
lucratividade; maior rendimento processo
dos funcionários.
Quadro 1 – Análise comparativa dos Casos
Fonte: Elaboração própria
 47

Comparando os casos analisados, identificam-se diferenças entre os setores que

cada empresa atua, mesmo que alguns sejam classificados com o mesmo tipo de inovação,
distinguem-se em suas esferas. Para os casos 1,2 e 4 que são classificados como inovação de
serviço, podemos elencar como principais diferenças o âmbito econômico, área que atuam e o
modelo de negócio utilizado. A Netflix entre os três casos abordados é que o possui maior
poder financeiro, além de ser destaque na área que atua, porém não utilizou-se de um sistema
que já vigorava para aplicar o Big Data e se diferenciar das demais. Já o Easy Taxi se destaca
por ser o único entre três casos de inovação de serviço que inaugura um modelo de negócio no
setor que atua, criando oportunidades para novos competidores. Entre os demais casos, 2,5,6 e
7 todos possuem como característica inovação de processo, diferenciando-se entre setores de
logística, alimentício, vestuário e pecuária, que destaca-se o caso da UPS, que se tornou
referência mundial nos processos de logística que envolvem inovação, sendo o único caso
entre os quatro que inaugurou um modelo de negócio que ainda não era aplicável neste ramo,
o da utilização de sensores por todas as frotas da empresa.
Conforme já destacado no Capítulo 1, segundo o Manual de Oslo (2005, p.57),
“ uma inovação de produto é a introdução de um bem ou serviço novo ou significativamente
melhorado no que concerne a suas características ou usos previstos. Incluem-se
melhoramentos significativos em especificações técnicas, componentes e materiais, softwares
incorporados, facilidade de uso ou outras características funcionais. ” Desta maneira, o Caso 1
pode ser classificado como inovação de serviço que inaugurou um novo modelo de negócio
no cenário que atua, competindo com outras formas de prestação do mesmo serviço. Os Casos
2 e 4 também podem ser classificados como inovação de serviço, sendo considerados novos
modelos de negócios para serviços que já existem e que competem com outras foram de
oferecimento do mesmo serviço.
Ainda segundo o Manual de Oslo (2005, p.58), “Uma inovação de processo é a
implementação de um método de produção ou distribuição novo ou significativamente
melhorado. Incluem-se mudanças significativas em técnicas, equipamentos e/ou softwares. ”
Sendo assim, os Casos 3, 5, 6 e 7 podem ser identificados como inovação de processo, para os
casos 3, 6 e 7, processos já existentes, e o caso 5 um processo que inaugura o modelo de
negócio com a utilização do Big Data. Todos os processos possuem competição de outras
formas de processo, porém são os maiores destaques no ramo que atuam.
Para o caso 1 e 5 podemos identificar ainda um outro tipo de inovação que ocorre
ao mesmo tempo, conforme Manual de Oslo (2015, p.61), “Uma inovação organizacional é a
 48

implementação de um novo método organizacional nas práticas de negócios da empresa, na

organização do seu local de trabalho ou em suas relações externas. ”. Para estes casos
podemos perceber novos métodos e procedimentos para melhorias do desempenho da
empresa, que alteraram o local e as relações entre cliente e empresa.
 49

5. Conclusão
Conforme apresentado ao longo do trabalho, o Big Data é um tema amplamente
conhecido e discutido atualmente. Entretanto ainda não existe um consenso sobre o seu
surgimento e nem uma única definição sobre o que é e o que representa tal fenômeno. Grande
parte das definições apresentadas sobre o Big Data possuem pontos em comum, os 5V’s que
norteiam sua funcionalidade, sendo eles o Volume, Variedade, Velocidade, Veracidade e
Valor. Dentre as diversas definições apresentadas, aquela que foi escolhida para defender o
trabalho foi a de Campos (2015), que define Big Data basicamente em um conjunto volumoso
de dados que quando analisados geram informação e agregam valor ao negócio. Para concluir
a definição baseada no estudo de Campos (2015), abordamos três correntes que compõe tal
definição, “Big Data Infrastress”, “Fenômeno Big Data” e “Soluções Big Data”. Juntas elas
trazem elementos fundamentais para compreender o que é tal fenômeno estudado. O conceito
de Campos (2015) consegue abordar não somente os cinco fundamentos do Big Data, como
aborda também de maneira breve e explicativa como o fenômeno atua dentro das
organizações, com a utilização da tecnologia, com complexidade de dados e seus recursos
organizacionais.
O Big Data ficou amplamente conhecido há décadas atrás quando começou a
apresentar suas primeiras consequências no mundo dos negócios, deixando as empresas mais
atentas ao fenômeno. Conforme discutido no Capítulo 1, o Big Data pode gerar inúmeras
oportunidades no mundo negócios, sendo instrumento para novas possibilidades e melhorias.
O Big Data promove eficácia operacional e melhora a capacidade de decisão na organização,
já que o gestor possui dados e análises reais e atualizados para comparar com um elemento
chave e sempre utilizado, a experiência pessoal. O Big Data consegue identificar gargalos
com bases nos estudos e informações extraídas, permite a organização maior transparência de
dados e consegue fazer análises, ou seja, ao realizar a extração de dados e em seguida a
análise, o Big Data fornece para a organização melhores possibilidades para chegar ao
resultado esperado, evitando que o tempo seja perdido em possíveis caminhos desnecessários.
Fica claro a potência e os benefícios gerados pelo Big Data ao estudar profundamente o
fenômeno, seja por meio das suas definições, ou pela forma como ele é utilizado no mundo
dos negócios. Para as organizações que investem em Big Data a resposta é imediata sobre
suas funcionalidades e melhorias, tanto para as mudanças internas quando para mudanças de
quem observa de fora.
 50

Apesar dos benefícios evidenciados da utilização do Big Data nas organizações, não
são todas que conseguem realizar a implementação e manter tal fenômeno ativo. Durante o
Capítulo 1, dividimos as dificuldades na implantação do Big Data em dois segmentos,
baseados no estudo de Campos (2015), as dificuldades estruturais e as dificuldades culturais.
Quando uma organização decide utilizar o Big Data seja em seus processos, produtos
ou serviços, o primeiro obstáculo encontrado é o financeiro. Construir uma organização que
esteja apta para utilização do Big Data não é uma tarefa simples, uma vez que o investimento
inicial em tecnologias é alto e encontrar pessoas capacitadas para lidar com tais técnicas e
conhecimento é um trabalho árduo. Muitas vezes a empresa acaba optando por habilitar os
próprios funcionários já que não encontra no mercado aquilo que precisa. Relacionamos então
as dificuldades estruturais como aquelas ligadas com as tecnologias, ou seja, as dificuldades
encontradas para capacitar os membros de TI, ou encontrar profissionais preparados para lidar
com o fenômeno do Big Data. Acredita-se hoje que dentre todas as dificuldades essa é a mais
difícil de vencer, apesar de não ser um tema novo ainda são poucos os que tem o
conhecimento necessário para utilizar na prática.
Quanto aos desafios culturais, classificamos como a falta de preparação técnica e
estratégica dos gestores para lidar com o Big Data. Muitos ainda não possuem conhecimento
sobre o assunto e são resistentes a tais práticas, confiando sempre nas experiências vividas,
não tomando tais experiências como complemento das informações que o Big Data oferece.
Além disso, a falta do apoio da liderança e do investimento necessário faz com o gestor
permaneça com o mesmo conhecimento, sem explorar dados extras e informações dos seus
clientes que são utilizadas de forma valiosa para os que já conseguem visualizar a
grandiosidade do fenômeno.
Independente dos desafios, a maioria dos pesquisadores confirma o potencial do
fenômeno Big Data por meio de estudos, cálculos e resultados reais, mas há também aqueles
que não confiam nos benefícios por ele oferecido, especialmente no que diz respeito à
privacidade do usuário ou organização, assim como a segurança dos dados que são extraídos.
No Capítulo 2, por meio de apresentação de casos de sucesso, foi possível
compreender de que forma o Big Data promove melhorias internas e externas para as
organizações. Os casos escolhidos são bastante comuns na literatura da área e puderam
mostrar de que forma o Big Data se mostrou importante durante as etapas de implementação,
extração dos dados, armazenamento e análise, promovendo, em alguns casos benefícios
diretamente no faturamento final.
 51

Durante a realização do Capítulo 2, verificou-se que uma das limitações foi da

apresentação somente dos casos de sucesso que utilizaram o Big Data para gerar benefícios e
melhorias aos negócios, sem expor quais as barreiras e obstáculos foram encontradas para que
tais projetos obtivessem melhorias e o sucesso analisado. A ausência de informações e
materiais sobre as barreiras durante a implementação do Big Data nas empresas, indicam o
principal motivo de não explorar tal assunto ao longo do presente trabalho.
Em geral, o Big Data apresenta grande potencial quando utilizado com as tecnologias
adequadas e uma equipe especializada, promovendo oportunidades que antes eram
improváveis de serem conquistadas. Desta forma, o Big Data é um fenômeno de grande
importância dentro de pequenas e grandes empresas. Para tal, necessita, no entanto, de
investimento em tecnologias e capacitação. Sem investimento e infraestrutura necessária, o
Big Data não gera o resultado esperado, não sendo capaz de agregar valor ao negócio.
Espera-se que o trabalho aqui desenvolvido possa servir de base para estudos futuros
na área, capazes de explorar mais a fundo este e outros casos de uso de Big Data no mundo
dos negócios, assim como de evidenciar os requisitos principais para que tal uso ocorra da
forma esperada, gerando benefícios de distintas naturezas para o negócio.
 52

REFERÊNCIAS BIBLIOGRÁFICAS

ADMINISTRADORES. Big data analytics: a chave para impulsionar negócios.

Disponível em: <http://www.administradores.com.br/noticias/tecnologia/big-data-analytics-a-
chave-para-impulsionar-negocios/104599/>. Acesso em: 29 mar. 2016.
BLOG DOS CURSOS. Big data e ferramentas de big data. Disponível em:
<http://blogdoscursos.com.br/big-data-2/>. Acesso em: 23 out. 2015.
BOVCONTROL. Olhar digital: conheça as aplicações reais do big data. Disponível em:
<http://bovcontrol.squarespace.com/imprensaenoticias/2013/12/16/olhar-digital-conheca-as-
aplicaces-reais-do-big-data.html>. Acesso em: 17 mar. 2016.CANALTECH. Big data: os
cinco vs que todo mundo deveria saber . Disponível em:
<http://corporate.canaltech.com.br/dica/big-data/big-data-os-cinco-vs-que-todo-mundo-
deveria-saber/ >. Acesso em: 12 abr. 2016.
BROWN, Brad; CHUI, Michael; MANYIKA, James. Are you ready for the era of ‘big
data’?. M c k i n s e y g l o b a l i n s t i t u t e, Us, 2010.
CAMPOS, Fábio Rocha. A gestão da inovação em serviços intensivos em conhecimento:
oportunidades e desafios do big data.2015.
CANALTECH. Waze anuncia expansão de parcerias com prefeituras no brasil .
Disponível em: <http://canaltech.com.br/noticia/mobile/waze-anuncia-expansao-de-parcerias-
com-prefeituras-no-brasil/>. Acesso em: 28 mar. 2016.
CANARY, Vivian Passos. A tomada de decisão no contexto Big Data: estudo de caso único.
Porto Alegre: UFRGS, 2013. Disponível em:
<http://www.lume.ufrgs.br/bitstream/handle/10183/87757/000911900.pdf?sequence=1>.
Acesso em: 05 mar. 2016.
CONVERGENCIA DIGITAL. Big data impõe transformação do bi para business
analytics. Disponível em:
<http://convergenciadigital.uol.com.br/cgi/cgilua.exe/sys/start.htm?useractivetemplate=site&i
nfoid=36740&sid=97>. Acesso em: 22 abr. 2016.
DATAFLOQ. Macy’s is changing the shopping experience with big data analytics.
Disponível em: < https://datafloq.com/read/macys-changing-shopping-experience-big-data-
analyt/286>. Acesso em: 17 mar. 2016.
 53

DATAFLOQ. Why ups spends over $ 1 billion on big data annually. Disponível em:
< https://datafloq.com/read/ups-spends-1-billion-big-data-annually/273>. Acesso em: 26 mar.
2016.
DATASTORM. Empresas que usam big data na indústria de alimentos. Disponível em:
<http://datastorm.com.br/empresas-que-usam-big-data-aplicacoes/>. Acesso em: 26 mar.
2016.
DCIODIVE. Big data: how netflix uses it to drive business success. Disponível em:
<http://www.smartdatacollective.com/bernardmarr/312146/big-data-how-netflix-uses-it-
drive-business-success>. Acesso em: 08 mar. 2016.
ECONÔMICO, Organização Para A Cooperação E Desenvolvimento. Manual de
oslo: DIRETRIZES PARA COLETA E INTERPRETAÇÃO DE DADOS SOBRE
INOVAÇÃO. 3 ed. [S.L.]: DCOM/FINEP, 2005. 184 p.
EXAME. As 10 startups que mais se destacaram em 2013. Disponível em:
< http://exame.abril.com.br/pme/noticias/as-10-startups-que-mais-se-destacaram-em-
2013#2>. Acesso em: 24 mar. 2016.
EXAME. Os dados nunca mentem. bem-vindos à era do big data. Disponível em:
<http://exame.abril.com.br/rede-de-blogs/pessoas-do-seculo-21/2013/05/03/os-dados-nunca-
mentem-bem-vindos-a-era-do-big-data/>. Acesso em: 22 out. 2015.
EXAME. Um fenômeno chamado big data. Disponível em:
<http://exame.abril.com.br/revista-exame/edicoes/1025/noticias/para-nao-se-afogar-em-
numeros>. Acesso em: 14 out. 2015.
EXAME. Uma entrevista didática sobre o big data. Disponível em:
<http://exame.abril.com.br/tecnologia/noticias/uma-entrevista-didatica-sobre-big-
data >. Acesso em: 23 out. 2015.
FIVEACTS. A importância do big data. Disponível em:
<http://www.fiveacts.com.br/blog/a-importancia-do-big-data-2/>. Acesso em: 12 dez.
2015.GTA. Os 5 v's do big data. Disponível em:
<http://www.gta.ufrj.br/ensino/eel878/redes1-2015-1/15_1/bigdata/vs.html 12>. Acesso em:
12 abr. 2016.
FURTADO, J. C. et al. Ferramenta para extração de dados semiestruturados para carga de um
big data. Revista brasileira de computação aplicada, Passo fundo, v. 7, n. 3, p. 43-52, abr.
2015. Disponível em: <www.upf.br/seer/index.php/rbca/article/download/3842/3501>.Acesso
em: 17 nov. 2015.
 54

Ibm (2013) Saiba o que é o Big Datae os desafios que as empresas enfrentam.
IBM. watson: o desafio de todos os tempos. Disponível em: <http://www-
03.ibm.com/systems/br/power/advantages/watson/ >. Acesso em: 15 dez. 2015.
INMOBLOG. Wearables y big data inmobiliario. Disponível em:
<http://www.inmoblog.com/negocio-inmobiliario-2/wearables-big-data-
inmobiliario/ >. Acesso em: 12 abr. 2016.
ITFORUM365. seis cases representativos de big data, segundo o gartner. Disponível em:
< http://itforum365.com.br/noticias/detalhe/3857/seis-cases-representativos-de-big-data-
segundo-o-gartner>. Acesso em: 09 mar. 2016.
LINKEDIN. 17 predictions about the future of big data everyone should read. Disponível
em: <https://www.linkedin.com/pulse/17-predictions-future-big-data-everyone-should-read-
bernard-marr?trk=v-feed&trk=hp-feed-article-title-share>.Acesso em: 05 abr. 2016.
MAGALHÃES et al. O uso do Big Data na violação da privacidade dos usuários para
estratégias de negócios. Ceará: IFCE, 2014. Disponível em
<http://redes.caninde.ifce.edu.br/images/artigos/7.pdf>. Acesso em: 27 mar. 2016.
MARKET REALIST. A look at united parcel service’s strong financial standing.
Disponível em: <http://marketrealist.com/2015/07/look-united-parcel-services-strong-
financial-standing/>. Acesso em: 24 mai. 2016.
MAYER-SCHÖNBERGER, Viktor; CUKIER, Kenneth. Big Data: como extrair volume,
variedade, velocidade e valor da avalanche de informação cotidiana. Rio de Janeiro:
Campus, 2013.
NESELLO, Priscila; FACHINELLI, Ana Cristina. Big Data: o novo desafio para gestão.
Revista Inteligência Competitiva, São Paulo, v. 4, n. 1, p. 18-38, jan. 2014. Disponível em:
<http://www.inteligenciacompetitivarev.com.br/ojs/index.php/rev/article/view/76/101>.
Acesso em: 13 mar. 2016.
NETWORKWORLD. How ups uses analytics to drive down costs (and no, it doesn’t call
it big data). Disponível em: < http://www.networkworld.com/article/2850874/big-data-
business-intelligence/how-ups-uses-analytics-to-drive-down-costs-and-no-it-doesn-t-call-it-
big-data.html>. Acesso em: 12 mar. 2016.
OPENSTARTUPS. Big data analytics: quais são as vantagens competitivas?. Disponível
em: < http://openstartups.stefanini.com/bigdata/big-data-
analytics/?utm_source=blog&utm_medium=texto&utm_campaign=linkexternooutubro15>.A
cesso em: 20 nov. 2015.
 55

OPENSTARTUPS. Netflix e big data: um episódio de sucesso. Disponível em:

< http://openstartups.stefanini.com/bigdata/netflix-e-big-data/>. Acesso em: 18 mar. 2016.
O'REILLY. What is big data?. Disponível em: <https://www.oreilly.com/ideas/what-is-big-
data>. Acesso em: 07 abr. 2016.
RED HAT. Big data. Disponível em: <https://www.redhat.com/pt-br/insights/big-
data>. Acesso em: 14 out. 2015.
SAS. Big data in big companies. Disponível em: <http://www.sas.com/resources/asset/big-
data-in-big-companies.pdf>. Acesso em: 12 fev. 2016.
SAS. What is big data?. Disponível em: <http://www.sas.com/pt_br/insights/big-data/what-
is-big-data.html>. Acesso em: 26 mar. 2016.
THOMSON REUTERS. The knowledge effect. Disponível em:
<http://blog.thomsonreuters.com/index.php/big-data-graphic-of-the-day/ >. Acesso em: 14
abr. 2016.
VIUISSO. Netflix parece que vai bem, obrigado. Disponível em:
<http://www.viuisso.com.br/2015/04/03/netflix-parece-que-vai-bem-obrigado/>. Acesso em:
20 mai. 2016.
WENDELNEVES. Ordem a partir do caos: como o big data vai mudar o mundo.
Disponível em: < http://www.wendelneves.com.br/exatas/ordem-a-partir-do-caos-como-o-
big-data-vai-mudar-o-mundo/>. Acesso em: 19 nov. 2015.
ZH. Criador do easy taxi: "no início, fui visto com muita descrença". Disponível em:
< http://zh.clicrbs.com.br/rs/vida-e-estilo/noticia/2014/09/criador-do-easy-taxi-no-inicio-fui-
visto-com-muita-descrenca-4592643.html>. Acesso em: 17 mar. 2016.
ZUPPO, Daniella; COSTA, Luciana Sodré; FERNANDES, Soraya. Big data: estudo do
ambiente, desafios e analise estratégica para o brasil .Rio de janeiro, p.111-222, jan. 2015.