Escolar Documentos
Profissional Documentos
Cultura Documentos
Big Data
Apresentação
O Big Data possui alguns tipos de modelos que são utilizados para tratar seus grandes
volumes de dados. Basicamente, os modelos são descritivos e preditivos.
Esses modelos envolvem análises descritivas, diagnósticas, preditivas e prescritivas,
que possuem objetivos e ferramentas distintos.
Nesta aula, vamos aprender um pouco sobre cada modelo, através de exemplos que
vão nos permitir caracterizar cada tipo de análise e entender qual é o melhor cenário de
aplicação de cada um deles.
Então, estamos prontos?
À medida que coletamos uma gama absurdamente grande de dados, de várias fontes e
formatos diferentes, observamos o crescimento da base de dados, o que implica numerosas
novas possibilidades de análise, de vários tipos, servindo a propósitos diferentes.
Basicamente, temos quatro tipos de análises que são amplamente discutidas no âmbito
da análise de dados. São elas:
Livro Eletrônico
faculdade.grancursosonline.com.br 1 de 8
Professor(a): Anderson Nascimento
• Preditiva: visa identificar tendências futuras, com base em dados históricos. Tem a
ver com previsão a partir dos dados;
• Prescritiva: são recomendações sobre o que deve ser feito após a análise preditiva.
Além desses modelos, também temos outros exemplos de modelos de análise de Big
Data, como modelos de clusterização, modelos de detecção de anomalias e modelos de
processamento de linguagem natural (NLP).
Quando buscamos distinguir e classificar os tipos de análise, podemos dizer que a análise
descritiva está diretamente relacionada com a análise diagnóstica.
Os modelos descritivos são usados para resumir e descrever os dados, fornecendo uma
visão geral das características e propriedades dos conjuntos de dados analisados. Eles
podem incluir estatísticas descritivas, como média, mediana, desvio-padrão, gráficos de
distribuição, entre outros.
Por trás desse conceito está o de que se deve observar o que aconteceu, através de
dados e fatos históricos, buscando, em uma análise simples, trazer insights para resolução
de problemas, como maximizar o que deu certo e minimizar o que deu errado no passado.
Para apoiar esse quesito, há ferramentas bastante populares, como dashboards e cubos
de dados. Repare que o resultado dessa análise é algo bastante tangível e exato, isto é,
resultado de cálculos e agregações de dados, a partir de uma grande massa de dados.
A análise descritiva tem como base a estatística, pois, por meio de suas ferramentas,
permite resumir e descrever as características e propriedades de um conjunto de dados.
Com essas ferramentas, é possível identificar padrões, tendências e informações relevantes,
de forma resumida e compreensível, a partir da base de dados que está sendo manipulada.
Alguns exemplos de ferramentas estatísticas que apoiam esse processo:
O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.
faculdade.grancursosonline.com.br 2 de 8
Professor(a): Anderson Nascimento
Por ser mais simples, a análise descritiva é frequentemente o primeiro passo na análise de
dados, visto que ajuda a obter uma compreensão inicial dos dados, antes de se aprofundar
em análises mais complexas, como as do tipo preditivo. Ela é capaz de responder perguntas
elementares, como:
O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.
faculdade.grancursosonline.com.br 3 de 8
Professor(a): Anderson Nascimento
A análise diagnóstica possui papel importante para as organizações que possuem os seus
processos orientados a dados e ao Big Data, pois permite uma maior compreensão sobre
os porquês de determinados resultados, o que apoia o processo de tomada de decisões,
que deve sempre ser o foco de todo o processo de análise.
O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.
faculdade.grancursosonline.com.br 4 de 8
Professor(a): Anderson Nascimento
A análise preditiva é uma técnica ou um modelo de análise de dados que utiliza estatística
e/ou algoritmos de aprendizado de máquina, para fazer previsões ou estimativas sobre
eventos futuros, com base em dados históricos.
Repare que a mesma base coletada, integrada e consolidada, utilizada para as análises
descritivas, também é usada para a elaboração de análises preditivas.
Esse tipo de análise busca identificar padrões, tendências e relações nos dados para criar
modelos que possam ser aplicados a novos conjuntos de dados, a fim de fazer previsões
ou classificações.
Para que esse processo obtenha êxito, normalmente serão aplicadas tarefas e técnicas
de mineração de dados, como associação, regressão, classificação, clusterização e séries
temporais, para obter resultados que devem ser observados e analisados para a posterior
tomada de decisão.
A análise preditiva responde perguntas para qualquer área de negócio, que podem incluir:
Essas previsões podem ser usadas para otimizar operações, melhorar a eficiência, reduzir
riscos e melhorar a tomada de decisões estratégicas, novamente colocando a empresa à
frente dos seus concorrentes, no que diz respeito à vantagem competitiva.
O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.
faculdade.grancursosonline.com.br 5 de 8
Professor(a): Anderson Nascimento
Por fim, a análise prescritiva tem a ver com quais medidas devem ser tomadas após a
análise e identificação dos resultados. O objetivo é o de proativamente tomar decisões para
impedir determinadas consequências ou, ainda, tomar ações para maximizar a possibilidade
de determinado fato ocorrer.
No contexto da análise de dados e dos modelos de Big Data, a análise prescritiva é
uma abordagem avançada que vai além das análises descritiva, preditiva e diagnóstica.
Ela envolve o uso de técnicas analíticas sofisticadas para fornecer recomendações e ações
prescritivas para otimizar resultados futuros, com base em insights extraídos dos dados.
Para que seja possível trabalhar nesse nível de modelo, a análise prescritiva, normalmente,
vai utilizar como ferramentas:
O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.
faculdade.grancursosonline.com.br 6 de 8
Professor(a): Anderson Nascimento
Nesta aula, abordamos alguns modelos de Big Data, focando, principalmente, os tipos
de análise que tais modelos possibilitam. Esse conceito é muito importante, no contexto
de Big Data, no momento em que as análises das grandes massas de dados são, de fato,
utilizadas com foco no processo de melhoria da tomada de decisão.
Os tipos de análise estudados foram a descritiva, diagnóstica, preditiva e prescritiva.
A análise descritiva permite entender os dados por meio de resumos estatísticos e
visualizações, fornecendo uma visão geral do que ocorreu no passado. Já a diagnóstica vai
além, identificando as raízes de problemas ou eventos por meio da exploração de relações
de causa e efeito nos dados.
Além disso, a análise preditiva utiliza técnicas estatísticas e algoritmos de aprendizado
de máquina para fazer previsões sobre eventos futuros; ela permite antecipar tendências,
comportamentos e resultados, com base em padrões históricos e informações relevantes.
Por fim, a análise prescritiva vai além das previsões, fornecendo recomendações acionáveis
e orientando ações estratégicas para otimizar resultados futuros.
Esses modelos podem, também, ser combinados com o objetivo de obter insights ainda
mais poderosos para melhorar processos, tomar decisões mais eficazes e obter vantagem
competitiva.
Materiais Complementares
O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.
faculdade.grancursosonline.com.br 7 de 8
Professor(a): Anderson Nascimento
Referências
HURWITZ, Judith et al. Big Data Para Leigos. [s.l.]: Editora Alta Books, 2015. E-book.
ISBN 9786555206906. Disponível em: https://integrada.minhabiblioteca.com.br/#/
books/9786555206906/. Acesso em: 19 jun. 2023.
MORAIS, Izabelly Soares de et al. Introdução a Big Data e internet das coisas (IOT).
Porto Alegre: SAGAH, 2018. Livro digital. (1 recurso on-line). ISBN 9788595027640. Dis-
ponível em: https://integrada.minhabiblioteca.com.br/books/9788595027640. Acesso
em: 19 jun. 2023.
SANTOS, Roger R.; BORDIN, Maycon V.; NUNES, Sergio E. et al. Fundamentos de Big Data.
[s.l.]: Grupo A, 2021. E-book. ISBN 9786556901749. Disponível em: https://integrada.
minhabiblioteca.com.br/#/books/9786556901749/. Acesso em: 19 jun. 2023.
O conteúdo deste livro eletrônico é licenciado para JHEFFERSON - 01038556104, vedada, por quaisquer meios e a qualquer título, a sua reprodução, cópia, divulgação ou
distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.
faculdade.grancursosonline.com.br 8 de 8