Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/335796060
CITATIONS READS
0 289
3 authors:
2 PUBLICATIONS 38 CITATIONS
Federal University of Santa Catarina
69 PUBLICATIONS 257 CITATIONS
SEE PROFILE
SEE PROFILE
Douglas D. J. de Macedo
Federal University of Santa Catarina
133 PUBLICATIONS 524 CITATIONS
SEE PROFILE
All content following this page was uploaded by Douglas D. J. de Macedo on 13 September 2019.
1. Introdução
A evolução humana e tecnológica, em muitos momentos, parece
não conhecer limites. Sempre que uma tecnologia se populariza,
inovações acerca desta já estão sendo mapeadas e estudadas, ge-
rando desafios para cientistas, pesquisadores, entusiastas e co-
munidade empresarial em geral, em busca de prover melhores
serviços para a sociedade. É o que aconteceu com a popularização
da Internet, que passou de inovação para realidade e, como con-
seqüência, nasceram novas oportunidades, que ofereceram no-
vos produtos que, por sua vez, geraram novas necessidades.
Nesse contexto cíclico, de fluxo constante de dados e informa-
ções, de geração de inovações e novas necessidades, cresce a
quantidade de dados provenientes de diferentes fontes, como,
por exemplo, os dados com origem em sistemas governamentais,
bancos de dados empresariais, organizacionais, educacionais,
open source, entre outros. Portanto, a realidade é que estamos
produzindo dados, e conseqüentemente, informações, de uma
forma exponencial, em enormes volumes, dos mais diversos tipos,
e que necessitam de melhores métodos e técnicas para seu pro-
cessamento.
61
Educando en Redes
62
Innovación, estrategias y abordajes
63
Educando en Redes
64
Innovación, estrategias y abordajes
65
Educando en Redes
66
Innovación, estrategias y abordajes
67
Educando en Redes
68
Innovación, estrategias y abordajes
69
Educando en Redes
Fonte: Os autores.
70
Innovación, estrategias y abordajes
71
Educando en Redes
72
Innovación, estrategias y abordajes
73
Educando en Redes
Fonte: Os autores.
74
Innovación, estrategias y abordajes
Fonte: Os autores.
75
Educando en Redes
Fonte: Os autores.
76
Innovación, estrategias y abordajes
77
Educando en Redes
5 Spark: http://spark.apache.org/
78
Innovación, estrategias y abordajes
6 Hadoop: http://hadoop.apache.org/
79
Educando en Redes
7 Pig: http://pig.apache.org/
80
Innovación, estrategias y abordajes
8 Dynamo: https://aws.amazon.com/pt/documentation/dynamodb/
9 Cassandra: http://cassandra.apache.org/
81
Educando en Redes
10 Hbase: http://hbase.apache.org/
11 Pentaho: http://www.pentaho.com/
82
Innovación, estrategias y abordajes
Fases da
Tipo Ferramentas Quando Utilizar?
Mineração
Recuperação, Hadoop
Para fazer Extração,
Armazenamento e Mapreduce,
- Transformação e
Processamento de Pentaho,
Carga (ETL)
Dados Dynamo, etc.
Analise Descritiva –
Mineração de utilizada quando
Dados objetiva-se descrever
de forma resumida a
análise dos dados.
Técnicas e
Ferramentas para Linguagem R, Análise Prescritiva –
Análises de Dados Pig, Scala, Hive, Quando um resultado
Mineração de Java, Pithon, pretendido é
(depende da Textos Hadoop estabelecido e a
natureza dos Mapreduce, análise de dados
dados analisados Pentaho, Spark, apresenta como os
e do objetivo da etc. dados estão e como
análise)
devem ficar para que
Data Analytics o resultado seja
alcançado.
Análise Preditiva –
Métodos Quando são utilizados
83
Educando en Redes
Ferramenta de
Apresentação dos Ferramentas Visualização da
resultados das - customizadas, Informação.
análises. Pentaho, etc. Apresentação do
resultado da Análise.
Fonte: Os autores.
84
Innovación, estrategias y abordajes
Fonte: Os autores.
85
Educando en Redes
Fonte: Os autores.
86
Innovación, estrategias y abordajes
87
Educando en Redes
Referências
MAYER e SCHÖNBERGER, Viktor; CUKIER, Kenneth, 2013. Big Data: Como extrair
volume, variedade, velocidade e valor da avalanche de informação co-
tidiana. 2. ed. [s. l.]. Elsevier.
D. Laney, 2001, “3D data management: controlling data volume, velocity and va-
riety,” Application Delivery Strategies. Stamford, CT
Yanhua et al., 2015, Emergent Technologies in Big Data Sensing: A Survey Ting.,
International Journal Of Distributed Sensor Networks, pp. 1-13. NY
Lohr, S.(2012). “How Big Data Became So Big”. New York Times, August 11issue.
Also published on p. BU3 of the August 12 issue of the New York Edition
with the headline “Amid the Flood, a Catchphrase is Born”. Retrieved
on 19 May 2014 from (http://www.nytimes.com/2012/08/12/busi-
ness/how-big-data-be came-so-big-unboxed.html.
PAUL, A.; BRUNS, A. (2013), “Usability of small crisis data sets in the absence of
big data”. In Ariwa, Ezendu, Zhao, Wenbing, & Gandhi, Meenakshi
(Eds.) Proceedings of the 2013 International Conference on
Information, Business and Education Technology, pp. 718-721. Beijing:
Atlantis Press
AKERKAR, Rajendra. (2014) Big Data Computing. [s. l.]. Boca Raton, FL: Crc Press,
LOPARO, Nanpeng Yu; Sunil Shah; Raymond Johnson; Robert Sherick; Mingguo
Hong; Kenneth et al. , 2015, “Big Data Analytics in Power Distribution
Systems”. In: POWER AND ENERGY SOCIETY INNOVATIVE SMART GRID
TECHNOLOGIES CONFERENCE, 20, p. 1 - 5. Washington: ISGT.
DAVENPORT, T.H. (2014). Big Data at Work: Dispelling the Myths, Uncovering the
Opportunities. Boston (USA): Harvard Business School Publishing Cor-
poration
SAWANT, Nitin; SHAH, Himanshu. (2013). Big Data Application Architecture
Q&A: A problem - Solution Approach. [s. l.]: Apress,.
STUBBS, Stevan. (2014) Big Data, Big Innovation: Enabling Competitive Differen-
tiation through business analytics. [s.l.]: Wiley.
88
Innovación, estrategias y abordajes
89
Educando en Redes
BABU, Prasada; SASTRY, S.hanumanth. (2014). “Big Data and Predictive Analytics
in ERP Systems for Automating Decision Making Process”. Software En-
gineering And Service Science. maio. p. 259-262. [s.l.]: ICSESS
HEKIMA. (2015). “Netflix e Big Data: uma parceria de sucesso”. [s.l.]: Disqus,. Dis-
ponível em: <http://www.bigdatabusiness.com.br/netflix-e-big-data-
uma-parceria-de-sucesso/>. Acesso em: 11 set. 2016.
MARTINS, Laura. (2015). “Facebook revela total de usuários de WhatsApp, Insta-
gram, vídeos e mais”. [s.i.]: Techtudo, Disponível em:
<http://www.techtudo.com.br/listas/noticia/2015/04/facebook-re-
vela-total-de-usuarios-de-whatsapp-instagram-videos-e-mais.html>.
Acesso em: 11 set. 2016.
SCOTT, John. (1991). Social network analysis. London: Sage.
REQUENA SANTOS, Félix (Org.). (2003). Análisis de redes sociales: orígenes, teo-
rías y aplicaciones. p. 3-12. Madrid: Siglo XXI de España Editores,
DIESTEL, Reinhard. (2000). GraphTheory. New York: Springer,
CHOE, Y. et al. (2012). “Urban infoscape for sustainable lifestyle of smart green
city”. In: LUO, Y. (ed.). Cooperative Design, Visualization and Engineer-
ing. Berlin: Springer, , p. 195-202.
ZHU, B.; CHEN, H. (2008). “Information visualization for decision support”. In:
BURSTEIN, F.; HOLSAPPLE, C. W. (eds.). Habdbook on Decision Support
Systems 2 - variations: International Handbooks Information System. p.
699-722, chapter 68. Berlin: Springer,
HOLMQUIST, L. E.; FAGRELL, H.; BUSSO, R. (1998). “Navigating cyberspace with
cybergeo maps”. In: Proceedings of IRIS, Washington,
GERSHON, N.; EICK, S. G.; CARD, S. K. (1998). Design: Information Visualization.
v. 5, n. 2, p. 9-15. ACM Interact,.
CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. (1999). Readings in information
visualization: using vision to think. San Francisco: Morgan Kaufmann
Publishers,
UZWYSHYN, R. (2007). “Multimedia visualization and interactive systems - Draw-
ing board possibilities and server realities - a Cuban Rafter Paradigm
Case”. Library Hi Tech, v. 25, n. 3, p. 379-386. [s. l.]: Emerald Insight
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR ISO 9241-11. (2011). “re-
quisitos ergonômicos para o trabalho com dispositivos de interação vi-
sual – Parte 11 – orientações sobre usabilidade”. Rio de Janeiro,
90
Innovación, estrategias y abordajes
91
Educando en Redes
92