O Big Data é uma ferramenta tecnológica estabelecida para a coleta e análise de informações digitais das empresas. Porém, grande parte do conhecimento sobre a análise de dados em geral ainda é fornecida em inglês — idioma oficial da tecnologia —, o que contribui para que informações incorretas se espalhem.
Por conta disso, neste post, vamos desmistificar quatro mitos sobre Big Data. Confira!
1. É um conceito novo
Como o Big Data passou a ser um assunto bem mais comentado nos últimos anos, gerando uma avalanche de informações e mitos em geral, muitas pessoas acreditam que o conceito ainda é novo e incipiente demais para merecer um investimento mais sério.
Na verdade, como aponta um artigo do conceituado jornal The Washington Post, o astrônomo Johannes Kepler, baseando-se no trabalho de Tycho Brahe, já utilizava amplas quantidades de dados para elucidar certos mistérios do movimento planetário.
Mas foi apenas em 2001 que o analista Doug Laney nomeou os três primeiros Vs do Big Data — velocidade, volume e variedade.
2. Serve apenas para as empresas de grande porte
Realmente, muitas organizações multinacionais investem na ferramenta, assim como na contratação de cientistas e analistas para mineração e análise de dados.
Mas isso não significa que as empresas de porte mais modesto estão automaticamente excluídas do acesso ao Big Data. Ter um banco de dados otimizado é cada vez mais importante para as pequenas e médias companhias sobreviverem.
Como a ferramenta apresenta uma versatilidade sem igual ao se adaptar a qualquer tipo de negócio, o serviço tem se tornando mais barato e acessível — e a tendência é que se popularize ainda mais.
3. Deve trabalhar apenas com dados limpos
O conjunto de informações colhidas pela tecnologia e consideradas “sujas” é chamado de “dirty data”. Esse grupo compreende tanto dados incompletos como informações incorretas.
Existem algumas formas de gerar resultados inconsistentes na investigação do banco de dados de uma companhia. Entre as razões para a produção de dirty data, estão as mudanças constantes de processo e a inclusão de valores errados.
No entanto, toda análise também se beneficia do uso de dirty data, pois evidencia os problemas de qualidade dos dados. A partir disso, é possível desenvolver ferramentas para preencher bancos com muitos detalhes, evitando o erro humano e obtendo resultados analíticos superiores.
4. Não faz diferença para a empresa
Esse é um dos mais difundidos mitos sobre Big Data. É importante saber que essa ferramenta trabalha com análise preditiva — a capacidade de investigar cenários específicos e traçar possíveis tendências e oscilações que podem interferir no planejamento estratégico da empresa.
Assim, o Big Data opera ativamente na previsão de tendências do mercado, o que facilita a análise do público-alvo e das mudanças do comportamento dos clientes em geral. Independentemente do porte da companhia, investir em uma análise consistente dos dados é essencial para se destacar em relação aos concorrentes.
Como vimos, a tecnologia ainda é fonte de inúmeros mitos que influenciam no julgamento de profissionais interessados em implementá-la. Mas a ferramenta tem se consolidado como uma alternativa forte para incrementar a coleta e a análise de informações digitais para empresas de todos os portes e segmentos. Por isso, os mitos sobre Big Data só tendem a diminuir.
Gostou do nosso artigo e quer se informar mais sobre tecnologia? Então, siga-nos nas redes sociais. Estamos no Facebook, LinkedIn e Google Plus!
Foi aluno de Ralph Kimball, maior referência mundial no assunto, no curso de Modelagem Dimensional realizado pela Kimball University, em Estocolmo – Suécia.
Já ministrou diversas palestras sobre o tema e atualmente mantêm o blog da Know Solutions, com referências sobre Business Intelligence.
Pós Graduado em Gestão de Projetos de Software pela PUC – Paraná. Trabalhou durante 7 anos na empresa Siemens onde participou de projetos em diferentes países.
Olá Leandro.
Acredito que o potencial da área de Business Intelligence dentro das empresas pode ser maior do que se imagina hoje.
Trabalho com consultoria de B.I. para agencias e empresas, e enfrentamos diariamente dois grandes problemas.
1- Padronização dos dados: Como utilizamos muitas fontes de dados, todo o processo, desde o que a implementação, até a parte operacional, precisa ser muito bem estruturada. Sem o padrão das informações perde-se muito tempo com “correção”, sendo que “tempo” não é o que temos para identificar um padrão, pois no dia seguinte ele pode mudar se não o tratarmos.
2- Pessoas que não sabem o que querem: Corporações não sabem o que querem, logo querem tudo. O problema é que sabemos que não tudo não é necessário, se consegue identificar padrões e otimizações com metade do volume. Sendo assim o processo de otimização passa a ser inteligente para ser operacional.
O futuro da área esta encaminhando para segmentações e clusterizações dinâmicas para analise de Big Data, mas se o processo de todos envolvidos precisa ser muito bem desenhado e a área de B.I. precisa ter este knowhow também.
Obrigado e muito bom seus artigos.
Oi João, obrigado pelo seu comentário! Concordo com você!
Realmente, a padronização dos dados é o ponto mais sensível mesmo. Aqui estimamos em torno de 60% a 70% do tempo em um projeto de BI apenas para esta parte.
Sobre as pessoas não saberem o que querem, aqui vemos como uma certa vantagem. Muitas vezes não é nem exatamente não saber o que querem, mas não saberem o que é possível fazer. Com isso, parte do nosso trabalho aqui é exatamente entender do que o cliente sofre aí então sugerir algumas coisas. Tentamos não ir para uma abordagem de “o que você quer” mas sim de “quais são seus problemas”.
Isso me deu até a ideia de criar um post focado nisso, vou deixar anotado para o futuro!
Existe uma técnica chamada Árvore de Realidade Presente, da Teoria das Restrições, que lida justamente com essa barafunda de problemas e entendimentos. Eu experimentei a mesma frustração que você, João, e decidi resolver esse problema. A imagem https://geekbi.files.wordpress.com/2020/10/bi_toc-crt-x.png é um resumo do que eu tenho até agora.
Adoraria uma contribuição. “O cliente não sabe o que quer” já está lá. “Dados são sujos” e “Dados são bagunçados” me parecem boas adições.
O que você acha? E você, Leandro?
[…] para aumentar seu lucro ou diminuir seus custos operacionais. Esse é o conceito básico de Business Intelligence utilizado como diferencial […]
[…] de BI — Business Intelligence ou, traduzindo, Inteligência Empresarial — é justamente o diferencial que uma empresa precisa para tratar dados gerados por vários meios. Veja alguns contextos que podem servir de […]
eu precisava para compor você uma pouco de note ajudar diga obrigado again com o extraordinário conselhos você compartilhado nesta página . Foi certamente maravilhosamente generoso com você dando abertamente tudo o que muitas pessoas {poderiam ter | poderiam possivelmente ter | poderiam ter | teriam | distribuído para um ebook para gerar alguma massa para eles mesmos , especialmente considerando que you poderia ter tried it se você nunca desejado . Those estratégias também agido como outras pessoas tenha semelhante desire como my own entender bom negócio mais relacionado este assunto . Eu tenho certeza há alguns mais agradáveis ocasiões ahead para pessoas que ver seu site
Bom dia,
Há muita diferença das versões do livro The Data Warehouse Toolkit?
Vejo que ele esta na 3 edição.
Posso comprar apenas a 3 ou devo comprar todas?
Oi Marcos!
Há algumas atualizações com conceitos mais atuais. Não precisa comprar todas as edições não, apenas a 3a já cobre tudo que precisa.
Sim e não. A maior diferença é entre a primeira edição e as restantes. Da segunda edição em diante, quando a Margy Ross assumiu o livro, é tudo mais ou menos o mesmo.
A primeira edição, que por acaso chegou a ser publicada em português, é a melhor, na minha opinião. Ela é mais concreta, menor e mais focada. Se conseguir achá-la, compre. Vale ouro.
Sobre o comentário do João Kechichian, concordo em relação às empresas não terem claro o que querem, e concordo com o Leandro sobre a abordagem de “Qual o seu problema” para dar as sugestões.
Mas vale ressaltar que as empresas não conseguem identificar o que querem por não terem claro um Planejamento Estratégico e objetivos bem descritos. Isso facilita muito perceber quais indicadores serão necessários acompanhar para atingir os resultados esperados.
Gostaria de entender se a utilização da Big data nas empresas gera algum tipo de desvantagem nas pessoas que lá trabalham ?
Parabéns por trazer a CRISP-DM de volta ao tablado. O “produtocentrismo” que assola o mercardo de BI pressiona os players a comprar o último brinquedo, a seguir a última moda, quando quase tudo que tem algum uso prático já existe há décadas – como o CRISP-DM
Seria legal um artigo um artigo comparando-o com SEMMA. Pode ser muito interessante para quem entrou na área há menos de 20 anos.
Obrigada pelo artigo 🙂 Acho que eu tenho uma equipe que pode obter cada sucesso 🙂 Mas sem kanbantool.com, nao conseguimos arranjar e controlar todas tarefas. Ferramentas digitais podem ajudar bastante – tal como manager ou teamledaer, mas mais suave 🙂 Eu planejo o dia do trabalho com kanban e todas tarefas sao cumpridas. Eu sei que nao cada um gosta trabalhar assim, mas comigo funciona 🙂