Big Data é um termo que descreve uma quantidade gigantesca de dados, os quais softwares tradicionais não conseguem processar e gerenciar.
De onde vêm tanta informação?
A internet e as redes sociais produzem uma quantidade cada vez maior de dados em forma de imagens, vídeos, comentários, mensagens, curtidas, etc. O simples fato de navegar na internet já produz dados. A Internet das Coisas vai aumentar ainda mais a quantidade de informações.
Categorias de dados no Big Data
Estruturados
Dados padronizados e organizados em tabelas, listas ou outra estrutura rígida. São números ou textos de fácil intepretação.
Não estruturados
Compõem a maioria dos dados do Big Data. Não possuem uma estrutura definida e não são relacionados entre si. São postagens em redes sociais, vídeos, arquivos de som, geolocalização e documentos.
Semiestruturados
Esta classe de dados é intermediária entre as duas anteriores. Possuem uma organização heterogênea, estrutura irregular embutida no dado. Alguns exemplos são: Emails, arquivos BibTex, XML e JSON.
Os Vs do Big Data
Os Vs são os parâmetros da informação no Big Data. No começo deste século, foram considerados apenas os três primeiros Vs. Com o passar do tempo, foram incluídos os dois últimos.
- Volume: A quantidade de informação.
- Velocidade: A velocidade de processamento e interpretação.
- Variedade: Os tipos de dados.
- Veracidade: A autenticidade e quando foi coletada, geralmente dados relacionados a acontecimentos passados têm pouca importância.
- Valor: A utilidade e a importância da informação.
Big Data Analytics
É o processo de extrair, armazenar e analisar os dados. Descobrindo padrões ocultos e relações entre as informações.
Dados são coletados de várias fontes, os não estruturados são depositados em data lakes, em um formato bruto, sem processamento. O Big Data Analytics pode encontrar padrões, descrever a situação atual, fazer diagnósticos, prever cenários futuros e oferecer soluções com base na grande quantidade de informações. Existem várias plataformas de Big Data que fornecem soluções usando as ferramentas apropriadas.
Algumas aplicações
- Com a análise dos dados, as empresas conseguem entender melhor o perfil dos clientes para melhorar o marketing e o atendimento, desenvolver produtos e serviços melhores. Além de oferecer recomendações com base no histórico do cliente.
- Informações estruturadas (ano, marca e modelo de um equipamento) e não estruturadas (leitura dos sensores, temperatura), permitem alertar sobre possíveis falhas, para realizar manutenções preventivas.
- Aprendizado de máquina: A enorme quantidade de dados permite um melhor treinamento das redes neurais, para trazer resultados mais precisos e rápidos.
- A análise dos dados pode detectar padrões que indiquem fraude.
