Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S 2 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S 3 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Núcleo de Educação a Distância GRUPO PROMINAS DE EDUCAÇÃO Diagramação: Gildenor Silva Fonseca PRESIDENTE: Valdir Valério, Diretor Executivo: Dr. Willian Ferreira. O Grupo Educacional Prominas é uma referência no cenário educacional e com ações voltadas para a formação de profissionais capazes de se destacar no mercado de trabalho. O Grupo Prominas investe em tecnologia, inovação e conhecimento. Tudo isso é responsável por fomentar a expansão e consolidar a responsabilidade de promover a aprendizagem. 4 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Prezado(a) Pós-Graduando(a), Seja muito bem-vindo(a) ao nosso Grupo Educacional! Inicialmente, gostaríamos de agradecê-lo(a) pela confiança em nós depositada. Temos a convicção absoluta que você não irá se decepcionar pela sua escolha, pois nos comprometemos a superar as suas expectativas. A educação deve ser sempre o pilar para consolidação de uma nação soberana, democrática, crítica, reflexiva, acolhedora e integra- dora. Além disso, a educação é a maneira mais nobre de promover a ascensão social e econômica da população de um país. Durante o seu curso de graduação você teve a oportunida- de de conhecer e estudar uma grande diversidade de conteúdos. Foi um momento de consolidação e amadurecimento de suas escolhas pessoais e profissionais. Agora, na Pós-Graduação, as expectativas e objetivos são outros. É o momento de você complementar a sua formação acadêmi- ca, se atualizar, incorporar novas competências e técnicas, desenvolver um novo perfil profissional, objetivando o aprimoramento para sua atua- ção no concorrido mercado do trabalho. E, certamente, será um passo importante para quem deseja ingressar como docente no ensino supe- rior e se qualificar ainda mais para o magistério nos demais níveis de ensino. E o propósito do nosso Grupo Educacional é ajudá-lo(a) nessa jornada! Conte conosco, pois nós acreditamos em seu potencial. Vamos juntos nessa maravilhosa viagem que é a construção de novos conhecimentos. Um abraço, Grupo Prominas - Educação e Tecnologia 5 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S 6 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Olá, acadêmico(a) do ensino a distância do Grupo Prominas! . É um prazer tê-lo em nossa instituição! Saiba que sua escolha é sinal de prestígio e consideração. Quero lhe parabenizar pela dispo- sição ao aprendizado e autodesenvolvimento. No ensino a distância é você quem administra o tempo de estudo. Por isso, ele exige perseve- rança, disciplina e organização. Este material, bem como as outras ferramentas do curso (como as aulas em vídeo, atividades, fóruns, etc.), foi projetado visando a sua preparação nessa jornada rumo ao sucesso profissional. Todo conteúdo foi elaborado para auxiliá-lo nessa tarefa, proporcionado um estudo de qualidade e com foco nas exigências do mercado de trabalho. Estude bastante e um grande abraço! Professora: Jéssica Laisa Dias da Silva 7 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S O texto abaixo das tags são informações de apoio para você ao longo dos seus estudos. Cada conteúdo é preprarado focando em téc- nicas de aprendizagem que contribuem no seu processo de busca pela conhecimento. Cada uma dessas tags, é focada especificadamente em partes importantes dos materiais aqui apresentados. Lembre-se que, cada in- formação obtida atráves do seu curso, será o ponto de partida rumo ao seu sucesso profissional. 8 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Com o advindo da internet e o avanço de uma nova era de com- partilhamento de informações em um volume e velocidade nunca vistos antes, temos um grande volume de dados que é produzido diariamente pelas mais variadas aplicações existentes, surgindo, nesse contexto, a ne- cessidade de tratamento desses dados e extração das informações. De modo que será explanado sobre os grandes volumes de dados e como estão sendo processados pelas soluções de Big Data, Ciências de Dados, Analytics. Esta unidade analisará os princípios e abordaremos sobre a to- mada de decisão, trazendo uma introdução, levantando um breve histórico contextualizando sua estrutura e característica, apresentando as técnicas de Analytics e as ferramentas. Big Data, Ciências de dados, Analytics. 9 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S CAPÍTULO 01 TOMADA DE DECISÃO Apresentação do Módulo ______________________________________ 11 Dados, Informações e Conhecimento _____________________________ Fundamentos de Tomada de Decisão ____________________________ Analítica _________________________________________________________ Recapitulando ___________________________________________________ 12 16 21 24 CAPÍTULO 02 ANALYTICS Business Analytics na Tomada de Decisão _____________________ Ciencias de Dados e Analytics ___________________________________ Data Analytics _________________________________________________ Recapitulando _________________________________________________ 28 33 38 41 10 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Big Data Analytics Platforms ___________________________________ Recapitulando _________________________________________________ Considerações Finais ___________________________________________ Fechando a Unidade ___________________________________________ Referências ____________________________________________________ 52 58 62 63 66 Onde aplicar? __________________________________________________ 49 CAPÍTULO 03 BIG DATA E ANALYTICS O que é Big Data Analytics? ____________________________________ 45 11 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S A tomada de decisão está presente em todo cotidiano na vida das pessoas. Nas empresas não é diferente, pelo contrário, é um re- curso fundamental, pois, através das informações que são disponíveis para os gestores, acrescidas de mecanismos avaliadores dos impactos a serem vividos pela empresa, o gestor optará pela ação de proporcio- nar produtividade, bem-estar a seus clientes e funcionários. Nesse sentido, observamos que os grandes volumes de da- dos estão sendo processados pelas soluções de Big Data, Ciências de Dados, Analytics, na qual aumentam exponencialmente e solicitam cri- térios diferenciados de armazenamento e processamento, expondo um grande desafio às organizações de tecnologias tradicionais, bem como o conjunto de volumes de dados precisa de armazenamento escaloná- vel e ter um enfoque distribuído para possibilitar a consulta a eles (ERL et. al., 2016). Sendo assim, no capítulo 1, abordaremos sobre a tomada de decisão trazendo uma introdução, levantando um breve histórico, con- textualizando sua estrutura e característica; o capítulo 2 versará sobre Analytics na abordagem geral, entendendo o seu conceito e alinhando ao Business Analytics, Ciências de Dados e Data Analytics. Por fim, o capítulo 3 abordará sobre Big Data e Analytics enten- dendo esse recurso tecnológico, explanando seu conceitoe aplicação. No mais, boas-vindas ao presente módulo e que todos possam enrique- cer seus conhecimentos com os assuntos que serão explanados. Bons estudos! 12 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S DADOS, INFORMAÇÕES E CONHECIMENTO Com o advindo da internet e o avanço de uma nova era de compartilhamento de informações em um volume e velocidade nunca vistos antes, segundo Sodré (2016), aproximadamente 2,5 quintilhões de bytes de dados são produzidos diariamente através de postagens em redes sociais, upload de fotos, arquivos e vídeos, registros de tran- sações financeiras, sinais de GPS, rastros de navegação e sensores dos mais vários tipos. Além do mais, as novas tecnologias têm originado nos últimos anos para endereçar as lacunas técnicas das ferramentas clássicas, no tratamento das demandas de processamento mais robustos, tempos de resposta cada vez menores e crescentes volumes de dados (LETOU- ZÉ, 2012; GOLDMAN et al., 2012). Tecnologias como ferramentas de TOMADA DE DECISÃO A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S 13 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S colaboração, sensores, diversidade de sistemas, aplicações elaboradas tanto para empresas como para uso pessoal contribuem para a grande produção dos dados diariamente. Assim, temos um grande volume de dados que é produzido diariamente pelas mais variadas aplicações existentes, surgindo, nesse contexto, a necessidade de tratamento desses dados e extração das informações. Nesse contexto de estarmos inseridos em um universo de da- dos, é importante entender alguns conceitos como: dado, informação e conhecimento. • Entendendo o conceito de dados É importante entender que os dados são fatos, instruções ou convenções coletadas e normalmente armazenadas, ou seja, são re- presentações de informações. Exemplo: símbolos como as letras do alfabeto (COELHO, 2009). Entende-se que o dado, por tratar de ser o ponto de início, tem que ser relevante e desenvolver significado para se tornar informação, visto que ele é um recurso que, por si só, não indica a compreensão. Vale salientar que, para se tornar informação, o dado necessi- ta ser significativo para que o interessado assimile e o transforme em informação, e, por outro lado, o indivíduo necessita estar acessível e interessado no conteúdo para que converta o dado em formação. • Entendendo o conceito da informação Partindo para o conceito da informação; é o dado que passou por uma análise, ou seja, é um dado ajustável, trabalhado, processa- do e configurado de forma adequada (ORNA, 2008). Assim, podemos entender a informação como um meio para um objetivo ou como uma ferramenta a ser usada para propósitos específicos. Dessa forma, a informação, uma vez obtida ou gerada de modo sistemático, apresenta um elemento significativo e, frequentemente, é buscada pelas organizações, serve para beneficiá-las e propiciar o compartilhamento e recuperação da informação, como fundamento do conhecimento para tomar decisões, responder a perguntas, solucionar problemas, interpretar ocorrências (CHOO, 2003). Por conseguinte, temos a ressalva que a informação ajuda a criar um ambiente competitivo, sendo esse um aspecto de elevada importância em qualquer gestão organizacional por ser um elemento indispensável nos contextos internos e externos das organizações (SPI- NATO, 2010). 14 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S • Entendendo o conceito do conhecimento Já o conhecimento trata da informação in terpretada, compre- endida e direcionada para uma finalidade. Conforme Sober (2008), a informação é transformada em “saber‟ por parte do usuário e, desse modo, ajuda a realizar um processo decisório eficiente. Entende-se o conhecimento como condição fundamental para o processo decisório, é o conjunto de ferramentas teóricas e categorias usadas pelos indivíduos para elaborar, agrupar, armazenar e compartil- har a informação (LAUDON; LAUDON, 1999). Produção de dados É importante percebemos que, a cada dia, a produção dos da- dos tem crescido massivamente. Um estudo da “A Universe of Opportu- nities and Challenges”, elaborado pela consultoria EMC, reportou que, de 2006 a 2010, o volume de dados digitais produzidos cresceu de 166 exabytes para 988 exabytes, fazendo a perspectiva de que o volume de dados atinga a casa dos 40.000 exabytes, ou 40 zettabytes (ou 40 trilhões de Gigabytes), nos próximos anos (GANTZ, 2012). É sabido que a produção de dados não está apenas direciona- da pela entrada de algum equipamento, bem como pela análise ou para execução de processos operacionais, podendo ser responsáveis por produzir volumes relevantes de dados (AMARAL, 2016). Nesse sentido, observamos que os grandes volumes de da- dos estão sendo processados pelas soluções de Big Data, Ciências de Dados, Analytics, na qual aumentam exponencialmente e solicitam cri- térios diferenciados de armazenamento e processamento, expondo um grande desafio às organizações de tecnologias tradicionais, bem como o conjunto de volumes de dados precisa de armazenamento escaloná- vel e ter um enfoque distribuído para possibilitar a consulta a eles (ERL ET. AL., 2016). Podemos observar no nosso cotidiano que os dados estão sendo produzidos e eles vêm de todas as partes. Conforme Amaral (2016), os dados podem ser oriundos de diversos lugares como dados comprados, produzidos ou simplesmente coletados. Seguem abaixo as descrições de cada um dos tipos de dados: • Dados comprados: esses são oriundos de empresas especia- listas em vender dados, conhecidas como “data brokers”. Estes possibi- litam o entendimento de como se dá a coleta de informações sobre os consumidores de fontes diversas comerciais (FRAZÃO, 2019). • Dados produzidos: esses são destinados dos sistemas tran- sacionais, operações de processamento, por exemplo, o fechar da folha https://www.jota.info/autor/ana-frazao 15 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S de pagamento, os métodos de transformação de dados e o ELT (extra- ção, carregamento, transformação). • Dados coletados: esses podem ser oriundos de outros siste- mas, pesquisas, históricos, arquivos ou data warehouse entre outros. Por exemplo, os data warehouse tratam de um sistema de gerencia- mento de dados idealizado para ativar e fornecer suporte às atividades de business intelligence (BI) (ORACLE, 2014). Contudo, ainda podemos perceber que os dados são produzi- dos também pelos sensores, por exemplo, como os sensores de smar- tphone, câmeras, os sensores de Touch screen; GPS; como também, os sensores relacionados à comunicação, como: Bluetooth, WiFi, WiDi, NFC, entre outros. Cada vez mais aumenta-se a tendência de utilização de carros, bússola, GPS, rádio, TV, câmera fotográfica, filmadora, videogame e carros, e, consequentemente, a produção de dados gerados por eles (AMARAL, 2016). Armazenamento Outro lado interessante a ser observado que pode constatar é que os dados estão sendo gerados a cada instante e de maneira expo- nencial, esse aspecto ocasiona na necessidade de se ter recursos de armazenamento para esses dados. Isso se deve aos recursos tradicionais que já não podem supor- tar tanto volume de informações produzido, de modo que, além desse volume de dados, existem as capacidades de transferência das redes de comunicação que ficam excedidas. Dessa forma, existe uma neces- sidade crescente em revolucionar as tecnologias de armazenamento e de comunicação (JUSTIN, et al., 2006). O armazenamento possibilita que, de forma posterior, os dados possam ser readquiridos facilmente para se realizaruma cópia ou para replicar o processo acontecido, como também, para produzir informa- ção ou conhecimento (AMARAL, 2016). Ressalta-se que o armazenamento deve priorizar os seguintes aspectos: segurança da informação, integridade, diminuir redundância, concorrência, otimização de espaço, etc. Outro aspecto é que o arma- zenamento pode ser feito em um dispositivo volátil ou não volátil. Atualmente, algumas empresas usam ambientes, como Cloud Computing ou Computação em Nuvem, para o armazenamento. A com- putação em nuvem admite que empresas aluguem capacidade de com- putação e armazenamento sob solicitação e com pagamento relacio- nado à utilização, ao invés de bancarem grandes investimentos para https://www.oracle.com/br/database/what-is-data-management/ https://www.oracle.com/br/database/what-is-data-management/ 16 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S a construção e instalação de dispositivos de computação em grande escala (SOUSA et al., 2010). Na figura 3, ilustra-se como diversas aplicações produzem dados e são armazenados na nuvem. Entende-se a Computação em Nuvem como uma tecnologia e, através dela, as organizações podem aproveitar os grandes conjuntos de dados sem ter que investir em gran- des instalações de armazenamento e processamento de dados (DSA, 2017). Dessa forma, a Computação em Nuvem possibilita ambientes com grande capacidade de armazenamento, escaláveis, flexíveis, com maior desempenho e disponibilidade, tornando-se um importante ele- mento que serve como uma opção para viabilizar a construção de apli- cações de gestão e análise de grandes volumes de dados (AGRAWAL et al., 2011). É importante enfatizar que, em muitos momentos do processo de análise dos dados, deve ser eficiente e quase em tempo real, assim, o armazenamento de todos os dados coletados é quase inviável. FUNDAMENTOS DE TOMADA DE DECISÃO O processo decisório e a tomada de decisão estão intima- mente ligados e podem ser mal interpretadas. Angeloni (2003) afirma que dado, informação e conhecimento são aspectos importantes para o processo decisório nas organizações. Entendemos que o processo decisório e os indivíduos toma- dores de decisões necessitam de atentar-se aos dados e as infor- mações a serem usadas para que a decisão seja a mais próxima de ser eficaz (GUIMARÃES; ÉVORA, 2004). Segundo Robbins (2005), todas as decisões precisam de interpretações e avaliação de informação. Os dados podem vir de várias fontes e requerem ser selecionados, proces- sados e interpretados. Por outro lado, as tomadas de decisões nas organizações são usadas levando em consideração alguns aspectos como comunicação, como dados, informações e conhecimento. Como já vimos anteriormente, os dados são imagens, símbolos 17 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S que não se desfazem. Por meio do conjunto de dados contextualizados, é gerada a informação que é imprescindível para adquirir conhecimento. Vale destacar que as tarefas de tomada decisões é importante para as organizações, pois essas acontecem a todo o tempo, nos mais diversos níveis, e influencia de forma direta ao desempenho da organi- zação. Portanto, Machado (1976) afirma que, ao encarar um problema de decisão, o gestor deve usar a informação acessível para escolher uma opção dentre as várias relacionadas. Conforme determina Angeloni (2003), o processo de tomada de decisão precisa cada vez mais de trabalhos em grupo e com maior participação de indivíduos. Tendo em vista que nenhum indivíduo de- tém todas as informações e conhecimentos da organização e como também nem sempre estas informações estão claras e acessíveis, fazendo com que cada um detenha apenas uma parte deles, a tomada de decisão em equipe é um modo a ser usado para superar os desafios das informações e conhecimentos particionados. Segundo Abramczuk (2009), existem dois tipos de decisão: se- quencial e única. A decisão sequencial é tomada através da tomada de decisão de ações anteriores, segue como uma sequência. Já a decisão única direciona a ação para obter o objetivo proposto, contudo indepen- dente das decisões anteriores. Nesse sentido, a tomada de decisão individual e organizacio- nal é um processo interativo, contínuo e volátil, que dificilmente conse- guem um resultado permanente com base em uma única decisão, pois o indivíduo não é totalmente racional (CHERMACK, 2003). Dentro do processo decisório, há modelos de tomada de decisão que são utiliza- dos como referência na tomada de decisão. Mcafee e Brynjolfsson (2012) reportam que é comum indiví- duos em cargos elevados na classe organizacional tomarem decisões com fundamento nas suas experiências, direcionadas através de pa- drões de relacionamentos que os acompanham. 18 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Um estudo realizado com 179 grandes empresas de capital aberto dos EUA mostrou que aquelas que tomam decisões baseadas em informações obtêm rendimentos e ganhos de produtividade 5 a 6% maiores. Essa relação também surge em outras medidas de desem- penho: utilização de ativos, retorno sobre patrimônio líquido e valor de mercado (ESPINDOLA; ROTH, 2015). Inclui-se ainda que dentro do processo decisório existem mo- delos de tomada de decisão que são usados como base na tomada de decisão. Vamos destacar esses modelos nas próximas sessões: mode- lo de tomada de decisão racional, processual, anárquico e político. Modelo racional O modelo racional dentre os demais modelos contém um for- mato rígido e sistemático, pois determina os processos a serem se- guidos para obtenção dos melhores resultados. Esse trata de o gestor tomar decisões baseadas na racionalidade. Através de recursos burocráticos e metódicos, a organização cria diretrizes que são fundamentadas em regras formais, principais em sistemas de organizações fechadas. Esse modelo ainda possui objetivo de atingir as metas da organização, por meio das resoluções de proble- mas, com a elaboração de rotinas e normas com a finalidade de criar métodos que tornem a organização racional (Lousada; Valentim, 2011). Conforme determina Feio et al. (2007), a pessoa se agrada e tem satisfação quando a descoberta da decisão é mais precisa, entre as condições disponíveis, visto que não é fácil encontrar a melhor decisão diante dos desafios de conhecimento e tempo. Modelo processual O modelo processual teve Mintzberg como um dos desenvol- vedores, esse modelo determina a tomada de decisão em três fases: identificação, desenvolvimento e seleção. Bem como apresenta três ro- tinas: de controle, de comunicação e de políticas. Além do mais, contém seis grupos de fatores dinâmicos. 19 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S As fases decisórias são: • Identificação: fundamenta-se em rotinas de reconhecimento e rotinas de diagnóstico do problema, de modo que delimita a necessida- de de tomar uma decisão e implementar a compreensão das questões relacionada à decisão. • Desenvolvimento: é referente a entender a procurar (memó- ria, passiva, armadilha, ativa) e rotinas de criação, criação de uma ou mais resoluções para um problema, desafio ou oportunidade. • Seleção: é referente a analisar opções e definir uma dentre outras (CHOO, 2003). Já as rotinas correspondentes, segundo (CHOO, 2003), são: - Rotinas de controle: direcionam o processo decisório forman- do o planejamento e definem as lacunas do espaço da decisão; - Rotinas de comunicação: juntam e distribuem a informação como parte do processo decisório. - Rotinas políticas: é referente a parte importante nos proces- sos estratégicos, devido a poder assumir um modo de persuasão ou de cooptação. Assim finalizado,existem seis grupos de fatores dinâmicos, conforme Choo (2003): interrupções: que destaca tanto as influências ambientais, como internas e externas; adiantamento de prazos: minimi- zando o quesito das atividades do processo decisório; feedback: apa- rece quando os responsáveis obtêm as soluções de ações praticadas para serem usadas depois. Ciclos de compreensão: importantes para tratar com aspectos difíceis; ciclos de fracasso: acontece quando não se consegue obter uma decisão (CHOO, 2003). Este modelo se aproxima ao racional, devido a seguir um padrão que exige lógica e métodos bem esquematizados. Modelo anárquico O modelo anárquico é chamado também como “lata de lixo” em que vários tipos de problemas e soluções são armazenados, e os participantes da decisão têm a oportunidade de decidir entre as opções depositadas. As organizações possuem a tendência de resolver os pro- blemas e acabam descartando-os. Esse modelo destaca a desestrutu- ração no processo de tomada de decisão (VIEIRA et. al. 2015). Para Feio et al. (2007), as decisões são tomadas por meio da identificação do problema que é avaliado através de reuniões entre as pessoas da organização. De modo que cada indivíduo busca os proble- mas que devem ser solucionados na organização. 20 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Modelo político Segundo Choo (2003), o modelo político de tomada de decisão é usado quando o tomador de decisão tem multifunções dentro da orga- nização e exerce vários graus de poder sobre a empresa. As decisões são tomadas por meio do nível de ocupação dos gestores, e o modelo político contém um caráter de selecionar as menos racionais. De forma que toda tomada de decisão é, de fato, política, pois engloba ideias, discussões, divergências e consenso para chegar à me- lhor decisão. Esse modelo utiliza da política como base para a tomada de decisão, assim, de acordo com os vários níveis de poder exercidos pelos tomadores de decisão, as decisões não são de caráter racional, mas se formam pela opinião de cada tomador (LOUSADA; VALENTIM, 2011). Com isso, como todo modelo de tomada de decisão, o modelo político precisa de informações para respaldar suas escolhas. Nesse modelo, trabalha-se com a incerteza menor, devido aos tomadores de decisão possuem esclarecimentos em suas opiniões e metas que alme- jam alcançar. Apesar disso, esse modelo possuir algumas lacunas que são: a grande diferença em opinião e disputa de poder, os tomadores de decisão dão prioridade às metas da organização e deixam os objetivos pessoais de lado, pois as preferências individuais dos indivíduos que possuem maior poder e influência se sobrepõem. Tomada de decisão baseada em dados A tomada de decisão orientada a dados trata do método de fundamentar as decisões na análise de dados e não somente na per- cepção. De modo que temos essa que contribui para que os gerentes e administradores possam tomar decisões com qualidade e precisas em suas tarefas cognitivas. Neste contexto, a tomada de decisão baseada em dados não elimina todas as habilidades cognitivas humanas, porém ela comple- menta suas lacunas (CRUZ, 2007). Contudo, Mcafee e Brynjolfsson (2012) reportam que é comum indivíduos em cargos elevados na classe organizacional tomarem deci- sões baseado em suas experiências, direcionados por meio de padrões de relacionamentos que os acompanham ao longo da carreira. Podemos perceber que a análise de dados que pode ser con- seguida de modo manual ou automático na prática de fundamentar de- cisões ao invés do gestor realizar o processo de tomada de decisão baseado apenas pela intuição (PROVOST; FAWCETT, 2013). 21 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Salienta-se que, nas tarefas empresariais, muita coisa está di- recionada em uma decisão. Assim, os riscos devem ser reduzidos ao máximo, e fundamentar-se em dados pode ser o melhor modo para isso. Dessa forma, esse tipo de decisão dar aos gestores mais se- gurança por meio de dados brutos e confiáveis e, nesse contexto, é primordial dar suporte às tarefas de organização e armazenamento de documentos para que estejam acessíveis para consulta a qualquer mo- mento. Em estudo de dados da BI-Survey, reporta que 60% das em- presas de alto desempenho no mundo, atualmente, fundamentam suas decisões em dados usando várias ferramentas para coletar e analisar in- formações acerca de seus clientes, mercado de atuação e concorrentes. Essa grande percentagem apresenta a importância de criar uma cultura interna baseada em dados, alcançando benefícios como, (MOREIRA, 2019): • Aperfeiçoado a competitividade; • Maior foco no cliente; • Redução de custos: ao tomar decisões acertadas e com maior probabilidade de retorno, os gastos de operacionalização da em- presa tendem a cair, assim como a diminuição dos maus investimentos. • Aumento na agilidade: observar os negócios do mercado como oportunidades ou riscos através de se basear em dados, permi- tindo uma maior agilidade para reação. Portanto, existem muitos benefícios na tomada de decisão baseada em dados, por exemplo, uma grande empresa e telecomuni- cações que pode ter centenas de milhões de clientes, cada qual candi- dato à deserção. Dezenas de milhões de clientes têm contratos que ex- piram a cada mês, então, cada um deles tem uma probabilidade maior de deserção no futuro próximo. Se pudermos aperfeiçoar nossa capaci- dade de estimar, para um determinado cliente, o quão lucrativo seria focarmos nela, poderemos potencialmente colher grandes benefícios aplicando essa capacidade aos milhões de clientes da população (PRO- VOST; FAWCETT, 2013). ANALÍTICA O Analytics ou Analítica trata de um conjunto de procedimentos e tecnologias que trabalham organizando e juntando os dados, de forma que esses sejam analisados de modo intuitivo e utilizados para a toma- https://bi-survey.com/data-driven-decision-making-business https://bi-survey.com/data-driven-decision-making-business https://www.myabcm.com/pt-br/blog-post/tecnologias-emergentes/ 22 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S da de decisões. Este termo o Analytics é direcionado e aplicado aos dados, análises e raciocínio sistemático para seguir em um processo de tomada de decisão muito mais eficiente. Esse também é direcionado e aplicado em vários negócios e departamentos. Conforme a International Data Corporation - IDC (2018), a ascen- ção do mercado de Analytics se tornará mais forte nos próximos anos. Esse crescimento promoverá um grande impacto devido a esse mercado ativar uma ampla cadeia que engloba fornecedores de recursos como armazenamento e processamento de dados, empresas focadas em ter- ceirizar análises e empresas de softwares de análise de dados. Conforme Frank (2012), em um estudo idealizado pela MGI, constatou-se uma falta de 140.000 a 190.000 de pessoas no EUA com conhecimento analítico e 1.5 milhões de gerentes e analistas com ap- tidões para compreenderem e tomarem decisões com fundamentação na análise. Conforme com Vianna e Dutra (2016), no que se refere ao con- ceito de Big Data, Analytics refere-se a diversas estratégias de tecnolo- gia para deixar a percepção mais robusta, detalhada e exata no que se refere aos clientes, analisando padrões e correlações, obtendo, por fim, vantagem competitiva. Analytics alinhada com outras técnicas ajuda no processamen- to de fluxo constante de dados em tempo real, de modo que favoreça as organizações no processo de tomada de decisões com maior agilidade, acompanhando tendências emergentes, corrigindo cursos rapidamen- te e proporcionado investimento em novas oportunidades de negócios (VIANNA; DUTRA, 2016). Conforme (SODRÉ, 2016), existem basicamente quatro tipos de analítica: • Analítica descritiva:essa se encarrega de analisar o que aconteceu e por quê. • Analítica diagnóstica: essa é referente a realizar análise do porquê determinado um evento que ocorreu. • Analítica preditiva: essa é referente a direcionar o que irá ou poderá ocorreu (predição), exemplo, o desejo de prever o comporta- mento do consumidor tem sido um dos seus principais impulsionadores. • Analítica prescritiva: essa indica o que pode ser feito para atingir uma meta. Bem como, fornecer as informações sobre decisões precisas com base nos cenários futuros previstos. Conforme Sodré (2016), a descrição e o diagnóstico são mui- to importantes, porém hoje um dos maiores objetivos é desenvolver a aptidão de prever fenômenos, comportamentos e, com isso, pode fazer https://cetax.com.br/blog/o-que-e-analytics/ 23 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S ações desejadas. E isso depende da aptidão preditiva e prescritiva. Davenport e Harris (2007), num primeiro estudo, afirmaram que a maturidade analítica da empresa acarreta em seu crescimento e, no segundo, utilização de Analytics com o desempenho do negócio. No pri- meiro estudo, os autores constataram uma correlação significativa entre os mais altos níveis de maturidade analítica e as taxas anuais de cresci- mento composto em cinco anos. Já no segundo estudo, os autores envolveram mais de 450 exe- cutivos de 371 empresas de médio e grande porte, e encontraram uma relação estatística importante entre o compromisso da organização com Analytics e o alto desempenho. Em suma, constataram que as empre- sas que se baseiam nas orientações para Analytics apresentaram melhor performance financeira com relação ao lucro, receita e retorno aos acio- nistas. Um estudo da Global State of Enterprise Analytics 2019 reali- zou entrevista com 500 profissionais de inteligência de negócios, Data & Analytics no Brasil, Alemanha, Japão, Reino Unido e Estados Unidos, durante o segundo trimestre de 2019. Nele, foi reportado que 94% afir- ma que a cultura de dados é um elemento importante no processo de transformação digital em suas empresas No próximo capítulo, estudaremos mais sobre Analytcs alinhada a outras técnicas computacionais como Business Analytics, Data Analy- tics e ciências de dados. 24 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S QUESTÕES DE CONCURSOS QUESTÃO 1 Ano: 2019 Banca: IBFC Órgão: IDAM Prova: Técnico de Nível Su- perior Leia a frase abaixo referente ao conceito básico sobre paginação: “É um esquema de gerenciamento de _________ pelo qual um computador armazena e recupera dados de um armazenamento _________ para uso na memória _________.”. Assinale a alternativa que completa correta e respectivamente as lacunas: a) Memória/ secundário/ principal. b) Entrada-saída/ secundário/ principal. c) Processos/ principal/ secundária. d) Memória/ principal/ secundária. QUESTÃO 2 Ano: 2020 Banca: IBFC Órgão: PM BA Prova: Soldado Marcos deseja migrar seu backup de arquivos pessoais, que atual- mente encontra-se em seu computador, para nuvem. Assinale a al- ternativa correta para exemplos de serviços de armazenamento de arquivos em nuvem. a) Dropbox e Google Chrome. b) Firefox e Mozilla. c) Google Arq e Team Viewer. d) Dropbox e Google Drive. e) Google Arq e Firefox. QUESTÃO 3 Ano: 2019 Banca: Instituto AOCP Órgão: UFPB Prova: Analista de Tecnologia da Informação Um dos principais tipos de sistemas gerenciadores de banco de dados são os bancos de dados relacionais. Assinale a alternativa que apresenta a forma que todos os dados de um banco de dados relacional são armazenados. a) Tabelas. b) Arquivos. c) Memória. d) Discos. e) Fitas. 25 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S QUESTÃO 4 Ano: 2020 Banca: IBADE Órgão; Pref. Vila Velha Prova: Professor O One Drive é um serviço da Microsoft que permite gravar infor- mações: a) No Hard Disk do seu computador. b) Em um Pen Drive. c) Em um DVD. d) Na nuvem. e) Na memória ROM. QUESTÃO 5 Ano: 2020 Banca: IBADE Órgão; Pref. Vila Velha Prova: Professor Ao alocar recursos, sob demanda, de um servidor e armazenamen- to de dados em um Data Center remoto, localizado em qualquer ponto do planeta, com acesso pela internet, você estará utilizando o que chamamos de: a) On-line. b) Real Time. c) FTP. d) Computação na Nuvem. e) Computação Quântica. QUESTÃO DISSERTATIVA – DISSERTANDO A UNIDADE Disserte sobre a importância do processo de tomada de decisão levan- do em consideração o que estudamos ao longo do capítulo. TREINO INÉDITO Dentre os conceitos estudados sobre tomada de decisão, temos um modelo que se refere a um formato rígido e sistemático, pois determina os processos a serem seguidos para obtenção dos melhores resulta- dos. Este trata de o gestor tomar decisões baseadas na racionalidade. a) Processo decisório. b) Modelo racional. c) Modelo processual. d) Modelo anárquico. e) Modelo político. 26 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S NA MÍDIA “Descubra quais são as 5 etapas do processo de tomada de decisão” Neste artigo, explana-se como ação de tomar decisões é uma ação im- portante para gestores e profissionais de todas as áreas e como essa é desafiante para as mais variadas situações que aconteçam. Relata que a tomada de decisão ocorre, em sua maioria, de modo intuitivo, sem base em dados e fatos concretos, podendo acarretar falhas que preju- diquem qualquer negócio. Dessa forma, é apresentado no artigo um passo a passo de 5 etapas do processo de tomada de decisão para contribuir em gerar decisões mais assertivas no momento crítico e sobre qualquer assunto na sua empresa. Fonte: Mindminers Data: 15/09/2018. Leia a notícia na íntegra: https://mindminers.com/blog/etapas-proces- so-tomada-decisao/ Acesso em: 15 de set. 2020. NA PRÁTICA Lendo o artigo com o tema: Tomada de decisão: O que é e qual sua importância? Este artigo traz uma abordagem geral do que é a tomada decisão, a sua importância e algumas características. Sabendo que, nas empresas, a tomada de decisão é ponto desafiante e que gera grande responsabilidade sendo uma parte importante para a gestão do negócio. Decisões estruturadas e planejadas são fundamentais para o crescimento e o sucesso de uma organização. Acesse o link: <https://www.totvs.com/blog/negocios/tomada-de-deci- sao/> Acesso em: 15 de set. 2020. PARA SABER MAIS Filme sobre o assunto: O Aviador Ano: 2004 Acesse os links: <https://www.youtube.com/watch?v=I0CY8S26Xfo> Acesso em: 15 de set. 2020. 27 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Como estudamos anteriormente, o Analytics ou analítica trata da utilização aplicada de dados, por meio de análises e raciocínio siste- mático, para conseguir gerar um processo de tomada de decisão muito mais eficiente. O presente capítulo, em sua primeira parte, versará sobre o conceito e o escopo trabalhado no Business Analytics, e também, como esse ajuda no processo de tomada decisão. Por conseguinte, na segunda parte do capítulo, serão tratados sobre a Ciências de Dados e Analytics. Abordagens como essas podem trabalhar juntas, e as devidas características e técnicas relacionadas. Ademais, estudaremos sobre o Data Analytics e como essa trabalha e as contribuições geradas para o processo de tomada de de- cisão. ANALYTICS A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S 28 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S BUSINESS ANALYTICS NA TOMADA DE DECISÃO Segundo descreve Mortenson et al. (2015),não existe uma concordância na academia sobre o conceito de Business Analytics e como esse termo pode ser diferente de conceitos correlacionados, por exemplo, Business Intelligence e Big data. O autor Chen et. al. (2012) assumi uma definição unificada dos dois termos usando a nomenclatura Business Intelligence & Analytics (BI&A). Pois, segundo os autores, o conceito Business Intelligence to- mou fama entre os profissionais de TI e gestão durante a década de 1990 e já expressão Analytics no final da década passada (2000), sendo esse termo inserido para representar os componentes analíticos de fer- ramentas de BI. Em seguida, os autores definiram outros termos também como unificados o Big Data e Big Data Analytics que foram adotados para descreverem técnicas analíticas direcionadas em grandes e complexos volumes de dados, as quais exigem metodologias e tecnologias avan- çadas de armazenamento, gestão, análise e visualização, porém esse termo será estudado no capítulo seguinte. Conforme Chen et. al. (2012), o BI&A tem seu surgimento mar- cado na área de gestão de dados e o descreve como direcionado as técnicas, tecnologias, sistemas, práticas, métodos e aplicações que analisam dados importantes no negócio para contribuir nas organiza- ções em uma melhor compreensão do mercado, negócio e em decisões mais eficazes. Podemos destacar que a evolução das ferramentas e aplica- ções de BI&A são classificadas em 3 grupos (CHEN et. al., 2012) con- forme descritos abaixo: • BI&A 1.0: Essa trata em sua essência e a gestão e arma- zenamento de dados, onde esses são, de forma geral, organizados e coletados pelas organizações de seus sistemas legados e armazena- dos em banco de dados relacionais (Relational Database Management Systems - RDMS). - Exemplificando, dentre as principais funções dessas ferra- mentas estão: geração de relatórios e Dashboards, Online Analytical Processing – OLAP, visualizações interativas, scorecards, modelos pre- ditivos e data mining. • BI&A 2.0: essas ferramentas são voltadas para análise de dados oriundos da internet (na maioria, são dados não estruturados), de forma que esse grupo de ferramentas possibilite às empresas um maior 29 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S compreensão das necessidades de seus clientes e o encontro de novas oportunidades de negócio por meio da análise de dados de navegado- res, comentários de fóruns, portais e redes sociais. - Exemplo da aplicação de técnicas são text mining, web mi- ning, web analytics, social media analytics e social netwok analysis. • BI&A 3.0: Fundamentado nas tecnologias mobile e sensor– based (Internet of Things ou Internet das coisas), essa evolução das ferramentas possibilita novos tipos de analytics, como location-aware que detecta a localização e navegação em tempo real. Por outro lado, os autores Evans e Lindner (2012) descreveram que Business Analytics como sendo a combinação de três disciplinas bá- sicas: estatística; inteligência de negócios (BI) e sistemas de informação (TI); bem como, modelagem e otimização. Além disso, afirmam que o Business Analytics é normalmente analisado por três perspectivas, con- forme descritas abaixo: • A análise descritiva sintetiza os dados em gráficos e relatórios e esse tipo de análise é mais utilizado e ajuda a melhor entender a per- formance do negócio no passado e atualmente, bem como para tomada de decisões. • Análise preditiva trata de avaliar o desempenho passado em um trabalho para pode fazer previsão do futuro, analisando dados his- tóricos, identificado padrões ou relações entre eles e, em seguida, indo além dessas relações trazendo projeções. • Análise prescritiva utiliza otimização para identificar as me- lhores alternativas para minimizar ou maximizar algum objetivo, sendo muito utilizada em diversas áreas de negócios, incluindo operações, marketing e finanças. Por conseguinte, o modelo descrito por Hill (2014) traz a repre- sentação da ligação de funcionalidades de sistemas de BI&A conforme apresentado na figura 1, na qual o valor e potencial diferencial compe- titivo gerado às organizações aumentam conforme a sofisticação das análises empregas. 30 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Figura 1 - Funcionalidades de sistemas de BI&A Fonte: Adaptado pelo autor (HILL, 2014). Outra definição que podemos apresentar é a de Seddon et. al (2017), que descreve o Business Analytics (BA) como a utilização de dados para gerar tomadas de decisões de negócios mais eficazes e fundamentadas em evidências através de Business Intelligence (BI), sendo essa última um grupo de ferramentas idealizadas em Tecnologia da Informação (TI), por exemplo, datawarehouses, processamento analítico on-line (OLAP), ferramentas estatísticas e quantitativas, ferramentas de visualização e de mineração de dados. Salienta-se, ainda, a definição do autor Holsapple et. al (2014) que descreve o Business Analytics como reconhecimento e a resolução de problemas usando como base evidências que acontecem nos negócios. É importante entender que uma diferença resumida do Busi- ness Analytics (BA) para o Business Intelligence(BI) é que o BI usa os dados atuais e históricos para aperfeiçoar o desempenho no presente; já o BA também usa das informações ao longo do histórico da organi- zação e do mercado, bem como do presente, contudo a finalidade é realizar a preparação da empresa para o futuro (WAGNER, 2018). 31 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Assim, compreende-se que os benefícios de confiar em dados, insights da inteligência de negócios (BI) e análises para ajudar a tomar decisões melhores e mais rápidas. Propicia algumas contribuições para as empresas como retorno financeiro e de desempenho, isto tem ge- rado um maior confiança nos dados e nas ferramentas usadas. Uma pesquisa global, aplicada com 646 executivos, apresenta uma evolução nos processos de tomada de decisão e utilização de BI/ferramentas de análise com quatro fatores principais: aprimoramento de habilidades, equilíbrio de dados com instintos, forjar novos relacionamentos e de- senvolvimento de melhores práticas (HBRAS, 2012) Perfil comportamental do profissional de análise de inteligência de negócios Apresentamos nessa seção uma listagem do perfil comporta- mental do profissional analista de BI que é preciso ter para lidar com os desafios do tratamento dos dados e o mundo dos negócios, segundo descreve Garro (2017), segue a lista abaixo: • Comunicação: é necessário ter a competência de se expres- sar e se fazer claro e objetivo nos pontos importantes. Transmitindo tudo com clareza e explicação de premissas para a realização de ta- refas, delimitar escopos e riscos, buscando favorecer as soluções de inteligência em uma linguagem prática e objetiva. • Pacificador: é necessário o analista de BI saber estabelecer a ponte entre os envolvidos no projeto, tendo aptidão de traduzir a regra de negócio para o ambiente técnico. • Liderança: é essencial para o analista de BI ter um perfil de liderança para requisitar as soluções e determinar os papéis dos envol- vidos. Precisará também ter uma postura adequada e segura de suas definições, bem como, orientar a equipe e aos setores pertinentes. • Conhecimento técnico: é de extrema importância que o ana- lista de BI tenha conhecimento técnico profundo e não apenas saber o desenho da solução. Esse também é responsável por dar garantias que a solução seja elaborada com a tecnologia adequada e no melhor ambiente. • Atitude: é essencial que o analista de BI entenda o seu papel e que tem a maior responsabilidade de fazer com que as coisas aconte- çam. É ele quem possui o raciocínio lógico, e quem define processos, desenha modelos de soluções e detémo conhecimento do negócio e técnico. 32 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Enfim, é importante quer você entenda que os analistas de BI de modo geral lidam com análise e projetos de modelagem de dados utilizando dados coletados, seja de um armazém de dados centralizado ou de variados bancos de dados em toda a organização. Cada orga- nização pode escolher as habilidades mais relevantes para escolher o seu analista de BI. Alguns objetivos do Business Analytics (BA) podem ser lista- dos do seguinte modo: • Promove o alto desempenho dos negócios. • Oferece suporte à tomada de decisão. • Realiza otimização dos processos de negócio. • Melhoria dos processos de gestão. • Permite analisar o desempenho da mão de obra. • Identificação de contribuições através da análise dos dados de clientes. Em suma, muitas empresas utilizam o Business Analytics (BA) para gerar contribuições. Nas empresas, através da aplicação desse recurso, eles podem usar de uma variada gama de técnicas e méto- dos analíticos direcionados a dados para diversos escopos de negócios (Chen et al., 2014). O Business Analytics refere-se a um tema crescente nos estu- dos organizacionais, que procura melhorias no contexto de desempe- nho das organizações através de um processo decisório baseado em fatos e dados. Dessa forma, BA engloba um conjunto de atividades do processo decisório usando os dados de alta qualidade e envolvendo pessoas com certas aptidões analíticas (Seddon, et. al., 2017). Vale ressaltar que o Business Analytics está aplicado em em- presas dos mais variados segmentos, seja no centro do negócio de multinacionais, como Google ou Walmart, seja oferecendo insights para áreas específicas, como marketing e finanças de empresas de diver- sos segmentos. Esse recurso aperfeiçoa vantagem competitiva entre as empresas que o adotam (DAVENPORT, 2007). 33 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S CIÊNCIAS DE DADOS E ANALYTICS A Ciência de Dados ou Data Science favorece como um supor- te metodológico para o processo de tomada de decisão, contribuindo com a aquisição da informação contextualizada (PROVOST; FAWCETT, 2013). Nesse contexto, as soluções computacionais de Ciência de Dados beneficiam os gestores em suas tarefas para adquirir conheci- mento de suas informações (SCHREIBER et al., 2000). Dessa forma, entende-se a Ciência de Dados como base de processos e métodos para compreender fatos através da análise de da- dos, de forma que se tornam embasamentos para a tomada de decisão baseada em dados. Por seguinte, a Ciência de Dados apoia o processo de tomada de decisão norteada por dados, porém também se sobrepõe a ela, ao se sobressair pelas decisões dos mercados, o qual estão sen- do adotadas de modo automático por sistemas de computação (PRO- VOST; FAWCETT, 2013). Salienta-se ainda a relação semelhante entre Ciência de Da- dos e a Inteligência de Negócios (Business Intelligence), como transfor- mar dados brutos em conhecimentos a serem usados no processo de tomada de decisões nos negócios ou em determinado escopo aplicando no geral. No Business Intelligence, as soluções são elaboradas por meio de dados do tipo transacional, correspondente a dados que são forne- cidos durante o movimento de um caso de transação, por exemplo, os dados gerados durante uma venda e transferências de dinheiro entre contas bancárias (MATOS, 2019). Com isso, temos o conceito Business Intelligence (BI) tratando de explicar dados e eventos que já aconteceram, tornando-se mais co- nhecido nas organizações de negócios e tecnologia da informação por volta dos anos 90 (PAIXÃO, 2015). Logo após, foi adicionada a análi- se de negócios (Business Analytics) com a finalidade de representar o elemento analítico chave em BI, como estudamos anteriormente (DA- VENPORT et. al., 2006). As técnicas analíticas de BI, geralmente, são direcionadas pe- las organizações sobre os sistemas legados armazenados em bancos de dados relacionais, fundamentadas, principalmente, por métodos es- tatísticos, bem como de usarem outras técnicas, por exemplo, minera- ção de dados. Contudo, a ciência de dados visa obter conhecimento de ne- gócios, realizando por meio de grupos a identificação de padrão de da- 34 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S dos de negócios estruturados como em BI, ou através de conjuntos de dados estruturados, semiestruturados, não estruturados. Isso se dá por outra diferença existente, pela qual as soluções de ciências dados não se limitam apenas aos dados transacionais como em BI (MATOS, 2019). Por outro lado, a Ciência de Dados usa métodos matemáti- cos ou estatísticos avançados para analisar e gerar previsões através de grandes quantidades de dados do negócio. Estes insights preditivos são, geralmente, significativos para o futuro do negócio, a longo prazo. Em linhas gerais, há significantes diferenças entre BI&A e Data Science. Vale destacar que, embora diferentes, um não substitui o outro, pois, na verdade, são complementares (PAIXÃO, 2015). Já o termo Analytics, como estudamos antes, refere-se a um conjunto de ferramentas de análises quantitativas e visuais para favo- recer as analistas a preverem eventos futuros, ou seja, uma ferramenta que auxilia os negócios já existentes e também novos negócios, atuan- do no processo de tomada de decisão de maneira real, clara e otimiza- da com base na análise dos dados existentes (CAMPOS, 2015). Ferramentas que trabalham com ciências de dados É interessante, antes de aplicar a ciências de dados, adotar ferramentas necessárias, para isso, é importante conhecermos as ferra- mentas disponíveis no mercado que podem ser utilizadas para realizar os métodos e procedimento de obtenção de conhecimento e extração de informações. Segue abaixo os exemplos de algumas ferramentas, conforme Wayner (2019) descreve: 1. Alteryx O alteryx é uma ferramenta de Designer com um ambiente de programação visual que permite ao desenvolvedor arrastar e soltar íco- nes ao invés de escrever código. Essa ferramenta proporciona vários modelos preditivos, pré-estabelecidos para analisar dados e deduções de desenhos. Tendo como característica parecer como ícones para processamento de dados, contudo, por trás, têm programas em R ou Python, e o Alteryx permiti esconder a complexidade e a codificação fundamentado em texto. 2. Talend O Talend contém um conjunto de aplicativos que trabalham em desktops ou data centers locais ou na nuvem. Esse trata de ferramen- tas multicamadas que permitem a coleta de dados de vários bancos de dados antes de transformá-los para análise. Um exemplo de uma das ferramentas que faz parte da coleção é o Pipeline Designer, o qual oferece uma ferramenta de design visual 35 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S para realizar extração de dados de diversas fontes, analisados por meio de ferramentas padrão ou extensões do Python. 3. Knime O Knime é uma plataforma de análise de dados de código aberto que contém uma interface visual para atrelar várias rotinas de análise e processamento de dados. Dessa forma, o software principal é disponibilizado de forma gratuita, contudo às versões comerciais têm alguns plugins e extensões. Essa ferramenta tem uma base do software que está codifica- da em Java e muitas das integrações da Knime dependem do ecossis- tema Java. A interface do Knime é estruturada sobre o Eclipse, de modo que a plataforma possibilita trabalhar com dados em todos com bancos de dados, como MySQL e PostgreSQL, integrando serviços de nuvem. O Knime também integra a próxima geração de ferramentas de dados distribuídos como o Apache Spark. Figura 2 - KNIME FONTE: (KNIME,2020). 4. Pandas O Pandas é uma ferramenta prática, flexível e fácil de usar para análise e manipulação de dados de código aberto. Essa foi implemen- tada em cima da linguagem de programação Python. De modo que esta provê uma estrutura de dados e funções robustas para trabalhar com grandes conjuntos de dados de modo mais rápido (PANDAS, 2020). Ademais, Pandas permite uma robusta estrutura de dados e funções desenvolvidas para tornar mais prático e rápido o trabalho com um conjunto de dados (MCKINNEY, 2012). https://www.python.org/ 36 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Figura 3 - Pandas FONTE: (PANDAS, 2020). 5. Anaconda O Anaconda é uma distribuição que contém diversos pacotes que podem ser instalados todos de uma vez, sendo um recurso essen- cial para trabalhar com Ciências de Dados. Essa distribuição permite instalar os pacotes otimizando, faci- litando o trabalho do desenvolvedor em configurar o ambiente. O Ana- conda também disponibiliza o Conda, que é designado por realizar o controle de versões dos pacotes instalados. Assim, o desenvolvedor passa a poder trabalhar em vários projetos em diferentes versões de Python sem se preocupar com a versão dos pacotes instalados (CRUZ, 2018). Figura 4 - ANACONDA FONTE: (ANACONDA, 2020). O cientista de dado É importante conhecer a formação do cientista de dado, um relatório britânico solicitado pela Joint Information Systems Committe (JISC) sobre das habilidades, as funções e carreira desse profissional constata a dificuldade de uma conformidade quanto à definição desse profissional, contudo determina no contexto geral a formação do cientis- 37 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S ta de dado como aquele que trabalha onde as pesquisas são efetivadas, de forma colaborativa com os pesquisadores ou grupos de cientistas em centros de dados e que está associado na investigação criativa e de análise de dados, fornecendo soluções tecnológicas para a manipula- ção e utilização de dados digitais (SWAN; BROWN, 2008). Segundo relata Provost (2016), um dos princípios do cientista de dados são os dados e a capacidade de descobrir conhecimento fun- damentais através deles, sendo esta análise um princípio ativo estraté- gico. Dessa forma, o autor ressalta que a melhor equipe que trabalha com ciências de dados pode obter pouco valor sem os dados apropria- dos. Isso porque, algumas vezes, apenas os dados corretos não podem melhorar as decisões sem a capacidade adequada dos profissionais de ciências dos dados. Vale ressaltar que o cientista de dados possui uma grande de- manda na linha das ciências, indústria e governo. Esse profissional tem uma expectativa de formação tipicamente sólida em ciência da compu- tação e aplicações, modelagem, estatística, analítica e matemática, bem como conhecimento mínimo do domínio de aplicação (DAVENPORT; PATIL, 2012). É interessante destacar a afirmação do autor Finzer (2013), que descreveu o profissional do século sendo aquele que tem a forma- ção em ciência de dados, tendo como atributos a ampliação das áreas técnicas como estatística, programação e computação, o qual pode ser chamado como um Data Analyst ou Analista de Dados. Contudo, o autor delineia poucas características desse novo profissional. Segundo Davenport e Patil (2012), as habilidades precisas para se tornar um cientista de dados são: habilidades em linguagens de programação de análise de dados, comunicação, visualização de dados, mineração de dados, estatística, habilidades em infraestrutura que trabalham com Big Data, aprendizado de máquina, engenharia de software, álgebra linear e habilidade de resolução de problemas. Por conseguinte, Davenport (2014) destaca outras habilidades como fundamentais para um cientista de dado, conforme citadas abaixo: • Aptidão de programar; • Capacidade de arquiteturas tecnológicas de Big Data; • Processo de tomada de decisão; • Improvisação; • Aptidão de comunicação e relacionamento; • Capacidade de decisões e entender os processos decisórios; • Análise estatística; • Técnicas de visualização. 38 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S DATA ANALYTICS O Data Analytics, também conhecido como análises de dados, é o processo pelo qual se procura analisar, limpar, transformar e mo- delar dados. Visto que, muitas vezes como um elemento da Ciência de Dados, é utilizada para compreender como são os dados de uma em- presa, e é emprega a Data Analytics para solucionar problemas (OLA- VSRUD, 2018). A Ciência de Dados propõe trabalhar em avaliar massas de da- dos brutos para apresentar insights. A Data Analytics funciona melhor quando é direcionada, tendo definidas as perguntas que necessitam de respostas com base nos dados existentes. Por mais que existam distinções entre a Ciência e a Data Analytics, ambas são de extrema importância para trabalhar com o futuro dos dados. Exemplificando, o Data Analytics ajuda concretizar estudos como analisar e ver padrões do comportamento do consumidor e suas preferências, bem como observar as predisposições de mercado. No contexto geral, o Data Analytics é a ciência que trata de examinar dados brutos com o intuito de buscar padrões e obter con- clusões sobre essa informação, aplicando um processo algorítmico ou mecânico para adquirir informações. A gestão e análise de dados têm, a cada dia, tornado-se impor- tante nas dimensões significativas dentro da área da TI. Com a opor- tunidade de incorporar novas tecnologias sobre os recursos de Busi- ness Intelligence (BI) e Data Analytics, os princípios da gestão de dados mantêm-se: (PEREIRA, 2015) • Vale ressaltar que os dados são a fonte da informação e gerar conhecimento, dessa maneira, os dados devem ser disponibilizados em formato adequado, levando a uma solução favorável para tomada de decisão. • Primar pela qualidade dos dados, ao longo de todo o proces- so de coleta e construção de solução final, é importante para garantir o valor mais alto da integridade dos dados. • Bom resultado em usar os métodos de BI e Analytics não de- pende somente da maneira como os dados são processados. Em suma, o Data Analytics é o processo de analisar os dados com uma meta específica. Ou seja, pesquisar e responder perguntas https://www.cetax.com.br/blog/o-que-e-analytics/ 39 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S com base em dados e com uma metodologia bem explicada para todos os envolvidos. O Data Analytics está contribuindo para que as organizações possam aproveitar seus dados e utilizá-los para descobertas de novas oportunidades. Dessa forma, ocasiona em contribuições como deixar a movimentação dos negócios mais eficaz, operações mais inteligentes, aumentar os lucros e satisfazer os clientes. Em um relatório idealizado pelo diretor de pesquisa do IIA - Tom Davenport - entrevistou-se mais de 50 empresas com intuito de compreender como elas adotavam a utilização de análise de dados e verificando como essa agregava valor para o negócio. E apresentou alguns elementos, os principais foram (REFINARIA DE DADOS, 2019): • Minimização de custo: Traz tecnologias e a análise baseada em nuvem, trazendo vantagens de custo importantes quando se leva em consideração de armazenamento de grande conjunto de dados, bem como de encontrar modos mais eficazes de realizar negócios. • Aumento na velocidade e melhor: Por meio da análise de dados, as empresas conseguem informações e conhecimento com ra- pidez para ajudar os gestores a tomarem melhores decisões com base na análise de dados. • Oferecer novos produtos e serviços: Com aptidão de ava- liar e entender a satisfação do cliente através de análises, podendo ofe- receraos clientes produtos e serviços que melhor se adequem a suas necessidades. Importante destacar que a visualização de dados contribui no quesito análise de dados. De forma que a transformação de dados em conhecimento é a meta da visualização de dados que é direcionada para atingir a compreensão na massa de dados diferenciados. Uma empresa consegue identificar o valor dos dados seja pela visualização de dados, seja pela resposta a questões específicas de negócio, ou seja, na descoberta de resultados, ou da elaboração de novas perguntas por meio da necessidade exploratória. Entende-se a visualização de dados como uma das práticas inseridas de BI, devido a isso, é vista, além de um grupo de funções em uma ferramenta de BI, como a visualização de dados que disponibiliza uma evolução ou uma ocorrência, mostrando um resultado preciso e relevante. Assim, temos a prática da visualização de dados favorecendo e aperfeiçoado o processo de tomada de decisão contribuindo no de- 40 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S sempenho da análise em toda a organização. De modo que os recursos e representações visuais são mais eficientes do que apresentar apenas os dados brutos. As ferramentas disponibilizam aos envolvidos recursos visuais para apresentar dados e funcionalidades de interação para uma análise rápida e vantajosa. Vale destacar que essa visualização está inserida em muitas ferramentas que trabalham com Data Analytics Por conseguinte, exemplificando isso, temos uma solução de BI com a capacidade de fornecer um grupo completo de elementos vi- suais de exploração e apresentação que têm um impacto benéfico, para gerar um entendimento de um problema ou para entender determina- do contexto da organização, conforme a necessidade buscada (STOD- DER, 2013). 41 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S QUESTÕES DE CONCURSO QUESTÃO 1 Ano: 2019 Banca: Instituto AOCP Órgão: UFPB Prova: Analista de Tecnologia da Informação Os bancos de dados estão implícitos na vida da sociedade moderna. Assinale a alternativa que NÃO apresenta uma implicação adicio- nal do uso de banco de dados. a) Economias de escalas. b) Disponibilidade de informações atualizadas. c) Desenvolvimento de novos dispositivos. d) Flexibilidade. e) Tempo reduzido para o desenvolvimento de aplicações. QUESTÃO 2 Ano: 2019 Banca: CEBRASPE (CESPE) Órgão: SEFAZ RS Prova: Auditor-Fiscal da Receita Estadual A respeito do BI (business intelligence), assinale a opção correta. a) O BI consiste na transformação metódica e consciente das informa- ções exclusivamente prestadas pelos tomadores de decisão em novas formas de conhecimento, para evolução dos negócios e dos resultados organizacionais. b) ETL é o processo de análise de dados previsto pela arquitetura de BI. c) As técnicas do BI objetivam definir regras para a formatação adequa- da dos dados, com vista a sua transformação em depósitos estrutura- dos de informações, sem considerar a sua origem. d) O repositório de dados analíticos de BI é representado pelas diversas bases de dados relacionais e por repositórios de dados que utilizem modelagens relacionais. e) A camada de apresentação de uma arquitetura de BI é aquela em que as informações são organizadas e centralizadas. QUESTÃO 3 Ano: 2018 Banca: FUNDEP Órgão; INB Prova: Administrador É fato que as organizações não podem concluir com sucesso a maior parte das suas atividades sem dados e sem a capacidade de gerenciá-los. A grande maioria de seus processos depende do gerenciamento de dados, necessitando de organização para serem úteis e terem significados. O banco de dados oferece a capacidade de partilhar dados e recursos de informação, oferecendo vanta- gens para a gestão empresarial. São vantagens oferecidas por um banco de dados EXCETO: 42 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S a) Utilização estratégica aperfeiçoada dos dados corporativos. b) Maior complexidade. c) Compartilhamento de dados e recursos de informação. d) Modificação e atualização mais fáceis. QUESTÃO 4 Ano: 2018 Banca: CEBRASPE (CESPE) Prova: Perito Criminal Federal No que se refere aos conceitos de estratégias de distribuição de banco de dados, julgue o item que se segue. Disponibilidade de um sistema de banco de dados distribuído é, por definição, a característica de o sistema estar sempre disponí- vel para ser utilizado imediatamente. ( ) Certo ( ) Errado QUESTÃO 5 Ano: 2018 Banca: CEBRASPE (CESPE) Órgão: CGM João Pessoa Prova: Auditor Municipal de Controle Interno A respeito de bancos de dados, julgue o item a seguir. Um banco de dados é uma coleção de dados que são organizados de forma randômica, sem significado implícito e de tamanho variá- vel, e projetados para atender a uma proposta específica de alta complexidade, de acordo com o interesse dos usuários. ( ) Certo ( ) Errado QUESTÃO DISSERTATIVA – DISSERTANDO A UNIDADE Após o estudo ao longo deste capítulo, disserte sobre o Business Analy- tics citando sua definição e suas características. TREINO INÉDITO Este termo é conhecido como análises de dados, é o processo pelo qual procura-se analisar, limpar, transformar e modelar dados. Visto que, muitas vezes, como um elemento da ciência de dados, é utilizada para compreender como são os dados. Assinale a alternativa que correspon- de ao termo descrito acima: a) Data Analytics. b) Ciências de dados. c) Business Analytics d) Business Intelligence. e) Cientista de dado. 43 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S NA MÍDIA "Qual a diferença entre Data Analytics, Data Science e Big Data?" O artigo explana a definição das três soluções computacionais onde traz o Data Science tendo como conceito geral o trabalho de profissio- nais que são do campo da matemática, programação e estatística para adquirir dados. Já o Big Data é uma tecnologia voltada para grandes massas de dados, de forma bruta e não estruturada. O Data Analytics é um conceito que trata de examinar dados com intuito de buscar padrões, também é considerado estratégia importante para empresas que estão recebendo de forma diária várias tipos de infor- mações dos seus clientes como dados pessoais, tendências de busca, preferências e comentários, bem como aproveitar ao máximo as infor- mações. Fonte: migreseunegocio. Data: 19 Março 2019. Leia a notícia na íntegra: <https://migreseunegocio.com.br/data-analy- tics-entenda-o-que//> Acesso em: 14 de setembro 2020. NA PRÁTICA O artigo com o título “Business Analytics and Data Science: Once Again?” descreve que o Business Analytics como reconhecimento de problemas com base em evidências e soluções do que acontecem den- tro do contexto de situações de negócios, e bem como apresentam que as técnicas matemáticas e estatísticas existem e, a muito tempo, são estudadas em escolas de negócios sob títulos como Pesquisa Opera- cional e Ciência de Gestão, Simulação Análise, econometria e análise financeira. Entretanto, no artigo, ainda apresenta a disponibilidade de grandes con- juntos de dados em que os negócios tornaram essas técnicas muito mais importantes em todos os campos da gestão. Acesse o link: <https://link.springer.com/content/pdf/10.1007/s12599- 016-0461-1.pdf>. Acesso em: 14 de set. 2020. PARA SABER MAIS Filme sobre o assunto: Privacidade Hackeada Ano: 2019 44 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Após estudarmos sobre o Analytics, Data Analytics, Business Analytics e como esses ajudam no processo de tomada de decisão, bem como são soluções computacionais correlacionadas, agora, neste capítulo, será dedicado para estudarmos sobreo Big Data Analytics. De modo que, em sua primeira parte, versará sobre a contex- tualização do Big Data e Analytics, abordando sobre características e suas contribuições, entendendo o que é o Big Data e, por sua vez, como trabalhar o Big Data e Analytics. Por conseguinte, na segunda parte do capítulo, serão tratados sobre onde se pode aplicar esta solução computacional Big Data An- alytics. Descrevendo exemplos e contribuições desta solução para o setor de negócio. Por fim, apresentaremos tecnologias que favorecem o uso des- sa solução computacional. BIG DATA & ANALYTICS A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S 45 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S O QUE É BIG DATA ANALYTICS Vimos anteriormente que o Big Data Analytics pode ser concei- tuado como a aplicação de técnicas analíticas avançadas no Big Data. Conforme Davenport (2013), usar o termo analytics pode contribuir a motivar as empresas a usarem ferramentas de decisões matemáticas e estatísticas mais sofisticadas para solucionar problemas relacionados aos negócios e ganhar vantagem competitiva. Como também o Big Data Analytics pode favorecer a performance e o desempenho dos negócios. O mercado aderiu massivamente a utilização do Big Data e de seus modelos evolutivos de análise de dados, visto que tais modelos atenderam às novas demandas de análises rápidas dos dados oriundos de várias fontes e em maior quantidade (NOVO e NEVES, 2013). Partimos, inicialmente, para entender sobre o que Big Data, conforme o autor Schonberger-Mayer (2013), este recurso tecnológico é responsável por modificar a natureza dos negócios, dos mercados e da sociedade, uma vez que sua aplicação e modificação se expandem em relação aos importantes dados corporativos, tornando-se um recur- so econômico essencial para a macroeconomia, servindo como funda- mento para o surgimento de novos modelos de negócios. Visto que existem aplicações gerando dados em abundância e as informações dos clientes, bem como, registros e a massa de dados disponíveis para ampliar constantemente novas tecnologias, vê-se me- lhorando os serviços existentes, o qual tendem a melhorar a eficiência da produção, diminuir custos, criar inovações e trazer a satisfação às necessidades dos clientes (ZHANG et al., 2013). Conforme Isaca (2013), a análise do Big Data pode impactar no mercado de negócio de modo positivo nos seguintes processos: 1) Desenvolvimento de produto; 2) Desenvolvimento do mercado; 3) Eficiência nas operações; 4) Experiência e fidelidade do cliente; 5) Prever a demanda de mercado. Vale ressaltar que o Big Data foi apresentado por Cearley (2013) como uma das 10 tendências de tecnologias estratégicas com a potencialidade de impacto na vida dos indivíduos e das empresas. Essa lista foi fundamentada no potencial de cada tecnologia. 46 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S Temos que o aumento no volume de dados disponíveis e a ne- cessidade de velocidade para que as informações sejam recuperadas e processadas, ligados à característica de sua variedade, contribuem para que os dados possam gerar valor e que esses possam ter garantia de veracidade. Dessa forma, é importante entender que os 5Vs compõem o Big Data, sendo elas: volume, variedade, velocidade, veracidade e valor. Abaixo, temos o detalhamento de cada um desses pontos: (TAU- RION, 2013) • Volume: Essa característica é referente à grande capacidade de adquirir os dados disponíveis em registros, descrevendo o universo de informações disponíveis através das várias aplicações existentes, re- des sociais, pesquisas no Google, upload, entre outros. Essa ascensão de dados pode ser originada por várias fontes, por exemplo: celulares, computadores, sensores, equipamentos médicos, variados aplicativos existentes, entre outros que agrupam grandes quantidades de informa- ção (SCHNEIDER, 2012). • Velocidade: Esse elemento trata ao dinamismo de crescimen- to e o processamento dos dados. Ressalta-se que o Big Data tem um andamento consecutivo de informações que não param de serem gera- das, por isso é de suma importância que as análises sejam realizadas em tempo real e que se atualizem de forma constante, ou seja, que ocorram com velocidade. (DAVENPORT, 2014). • Variedade: Essa característica é referente à diversidade dos dados que tem origens, configurações e formatos diversos, podendo apresentar os dados estruturados ou não, como os oriundos de redes sociais, e-mails, pesquisas na internet, dentre outros meios. Essa varie- dade é de grande importância, pois os dados de outras fontes podem resultar em informações de valor para os gestores tomarem em suas decisões, bem como, realizarem predições mais hábeis (TAURION, 2013). • Veracidade: Essa característica é referente à autenticidade, a fonte originada e a confiabilidade dos dados. De forma, que, se por- ventura os dados não constituírem uma qualidade satisfatória na oca- sião em que forem integrados com outros dados, as informações podem acarretar em uma falsa correlação, podendo, assim, resultar em uma análise incorreta de alguma oportunidade de negócios de uma organi- zação, ou seja, implicando de modo direto no resultado das análises. • Valor: Essa característica é referente ao conjunto de resul- tados entre as ações de coletar, armazenar, processar e analisar o Big Data, isto implica a junção de todos os outros os apresentados acima. De modo que, quanto maior for a qualidade dos dados, maior valor ela 47 A N A LY TI C S E O P R O C E SS O D E T O M A D A D E D E C IS Ã O - G R U P O P R O M IN A S tem para o negócio (KAISLER et al., 2013). Destacamos que o valor e a velocidade estão inversamente relacionados, de modo que, quanto me- nor for a velocidade para gerar informações consistentes, maior poderá ser o valor gerado para o negócio, os quais irão contribuir valor para as organizações ajudando no processo de tomada de decisão deixando mais eficiente e rápida. Ademais, o Big Data, apesar da falta de consenso no concei- to, procura manipular e procurar padrões em grandes quantidades de dados. Por sua vez, o Analytics procura identificar padrões em dados brutos. É importante enfatizar que essas características tornam visível o quesito que big data não é somente para os cientistas, mas também para as empresas. Dessa forma, Big Data Analytics vem se tornando a cada dia conhecido tanto no meio acadêmico como em empresas de va- riados setores da economia durante duas décadas (CHEN et al. 2012). Nesse sentido, uma definição para o Big Data e Analytics será dada como um conjunto de ferramentas e métodos a serem aplicados sobre grandes quantidades de dados brutos, ou seja, permitindo iden- tificar padrões sobre os dados adquiridos, independentemente de sua origem e forma como foi armazenado (TAURION, 2013). Segundo determinam Vianna e Dutra (2016), o conceito de Big Data Analytics refere-se às várias estratégias de tecnologia para favore- cer a percepção mais robusta, detalhada e exata no que trata a clientes, realizando análise padrões e correlações, ganhando, gerando a vanta- gem competitiva. Essa possibilita por realizar um processamento e um fluxo constante de dados em tempo real, de modo que as organizações possam tomar decisões com maior rapidez, acompanhando as tendên- cias emergentes, fazendo correções de forma rápida quando necessá- rio, e investir em novas oportunidades de negócios. Dessa forma, o grande desafio da Big Data e Analytics (BDA) será dado pela crescente dificuldade das instituições, como nas empre- sas privadas, de manipular e coletar informações úteis dos dados co- letados, sendo esses dados originados de redes sociais, e-commerce, sites de relacionamento, sistema bancários,
Compartilhar