O documento discute Big Data Analytics e fornece um resumo histórico do assunto. Apresenta Mauricio Purificação e seu trabalho com Business Intelligence, Data Warehousing e Business Analytics. Explora conceitos como Business Intelligence, os 3 V's do Big Data e oportunidades trazidas pela análise de grandes volumes de dados.

1. Big Data Analytics
Unime – Lauro de Freitas

2. Mauricio C. Purificação
Empreendedor, consultor, palestrante, instrutor e especialista no
desenvolvimento de soluções de Business Intelligence, Data Warehousing e
Business Analytics;
Sócio-Diretor da OxenTI - Soluções em Tecnologia da Informação;
Analista de Business Intelligence (BI) – Cárdio Pulmonar da Bahia;
MBA em Administração/Gestão de Negócios - Universidade Salvador (UNIFACS);
Bacharel em Ciência da Computação - Universidade Federal da Bahia (UFBA);
Pesquisador nas áreas de Business Intelligence, Business Analytics, Big Data,
Métodos Ágeis e Bancos de Dados Evolutivos.
http://lattes.cnpq.br/3312807554334758

3. Um Pouco de História
Antes da revolução da Internet
banda larga e das redes sociais os
computadores eram de domínio
apenas de quem trabalhava com
eles;
O avanço das tecnologias de
hardware, a redução dos custos
de acesso e a criação de
aplicativos gratuitos inseriram
muitas pessoas no cenário digital.

4. Um Pouco de História
Com inúmeros dados e
informações os tomadores de
decisão passaram a enxergar
novas possibilidades de fazer
negócio e de alavancá-lo.
A integração de informações
vindas de diversas fontes traz a
possibilidade de entender
melhor os consumidores e
fornecer produtos mais
próximos aos seus desejos e
necessidades.

5. Um Pouco de História
1960 1970 1980 1990 2000

6. Business Intelligence?
“BI é o uso da informação que permite às organizações melhor
decidir, medir, gerir e otimizar o desempenho para ganhar
eficiência e benefício financeiro.”
Instituto Gartner

7. Business Intelligence?
BI é um processo. Existem técnicas, tecnologias e software para
BI, mas BI é um processo que envolve métodos, técnicas,
tecnologias, pessoas, informações, fontes de informações,
métricas, ferramentas, etc.

8. Business Intelligence?
O objetivo do processo de BI é ajudar pessoas e organizações a
encontrarem causas e não só apresentar informações, como
fazem sistemas gerenciais. A busca por causas passa por analisar
dados, talvez grandes quantidades, à procura de padrões,
modelos ou repetições.

9. BI 1.0

10. BI 2.0

11. BI 3.0

12. Uma Nova Realidade

13. Uma Nova Realidade

14. Uma Nova Realidade
Volume de Dados no Mundo

17. Novos Padrões de Armazenamento de
Dados
2009
Redis Initial Release
2004 2006 2007 2008 2009 2011 2012 2013 2014
2007
MongoDB Started,
Neo4J Initial Release
2004
Google’s Map Reduce
Paper
Published
2012
Google Spanner Paper
Published
1998
1998
NoSQL coined
2006
Hadoop
Started
2008
Apache Hbase,
Apache Cassandra

18. Big Data
“Big Data é como sexo na adolescência: todo mundo fala, ninguém
realmente sabe como fazer, todo mundo pensa que todo mundo está
fazendo, então todo mundo diz que está fazendo.
Dan Ariely, Duke University

22. Big Data
Big Data são dados que excedem o
armazenamento, o processamento e
a capacidade dos sistemas
convencionais:
Volume de dados muito grande
Dados são gerados rapidamente
Dados não se encaixam nas estruturas
de arquiteturas de sistemas atuais
Além disso, para obter valor a partir
desses dados, é preciso mudar a
forma de analisá-los.

23. 3 V’s do Big Data

27. Oportunidades?

28. Oportunidades?

29. Oportunidades?

30. Novas Arquiteturas

31. Novas Arquiteturas

32. Novas Arquiteturas

33. Business Analytics

34. Business Analytics

35. Social Mining
Descobrir quais pessoas
interagem com sua marca,
aonde elas se engajam e qual a
sua relação com os
concorrentes;
Identificar os usuários mais
interessados /engajados e o
que os atrai dentro do
conteúdo da marca;
Traçar o que mais lhes
interessam e fornecer conteúdo
personalizado.

37. Ciência de Dados
A ciência de dados difere das
análises estatísticas e da
ciência da computação em seu
método aplicado aos dados
coletados usando princípios
científicos.
Esta é a diferença entre ser
capaz de explicar o que os
dados significam agora e
prever o que os dados podem
representar no futuro.

38. Ciência de Dados
A análise de dados tradicional têm
sido implantada para explicar
tendências a partir de questões
bem-formuladas e da modelagem
dos dados.
A ciência de dados está
procurando descobrir
conhecimento demandável a partir
de uma quantidade grande e
pesada de dados que podem ser
usadas para tomar decisões e fazer
previsões.

43. Tecnologias para Big Data
Onde o processamento é hospedado?
Servidores Distribuídos/Cloud (ex: Amazon EC2)
Onde os dados são armazenados?
Banco de Dados Distribuídos
(ex: Hadoop Distributed File System)
Qual o modelo de programação?
Processamento Distribuído
(ex: MapReduce)
Como os dados são armazenados e indexados?
BD’s de alta performance sem esquemas
(ex: MongoDB)

44. Universo Big Data

45. Open Source BA

46. Ecossistema Hadoop

47. Processamento de Dados

48. Hadoop MapReduce

49. Hadoop MapReduce

50. Duvidas?

51. Contatos
mauricio@oxenti.com.br
http://slideshare.net/mscesar
www.oxenti.com.br