Administração de Empresas

Apresentação em tema: "Administração de Empresas"— Transcrição da apresentação:

1 Administração de Empresas
Gestão de Negócios Virtuais Prof° Ms. Claudio Benossi Aula 09 Administração de Empresas

2 Big Data Dados Dados como um conceito abstrato pode ser explicado como o mais baixo nível de abstração a partir do qual as informações e, em seguida, o conhecimento são derivados. Informações em forma bruta ou desorganizada (como letras, números ou símbolos) que se referem ou representam, condições, ideias ou objetos. Os Dados são ilimitados e presentes em todo o universo.

3 Big Data Tipos de Dados Dados Relacionais (Tabelas / Transação / Legacy Data) Texto de Dados (Web) Semi-estruturados de dados (XML) Gráfico de Dados de Redes Sociais, semanticweb (RDF) Data Streaming -Você só pode digitalizar os dados uma vez

4 Big Data Big data é um enorme volume de dados estruturados e não estruturados. O volume é tão grande que é impossível processar com técnicas de banco de dados e software tradicionais.

5 Big Data Big data é o termo utilizado para uma coleção de conjuntos de dados tão grande e complexo que se torna impossível processar usando ferramentas de gerenciamento de banco de dados ou aplicações de processamento de dados tradicionais.

6 Big Data Big data são dados cuja escala, diversidade e complexidade exigem novas arquiteturas, técnicas, algoritmos e análises para gerenciá-los e extrair valor e conhecimento oculto deles.

7 Onde está o Big Data Walmart lida com mais de 1 milhão de transações de clientes a cada hora. Facebook processa 40 bilhões de fotos a partir de sua base de usuários. Decodificação do genoma humano originalmente levou 10 anos para processar; Agora isto pode ser conseguido em uma semana. Google processava 20 PB por dia em 2008 Facebook tem 2,5 PB de dados de usuários + 15TB / dia em 2009 eBay tem 6,5 PB de dados do usuário + 50 TB / dia

8 Big Data

9 Big Data VOLUME DE DADOS Aumento de 44x entre 2009 e 2020
De 0,8 zettabytes para 35zb O volume de dados está crescendo exponencialmente

10 Big Data Variedade Vários formatos, tipos e estruturas
Texto, imagens, áudio, vídeo, sequências, séries temporais, dados de mídia social, matrizes multi-dimensão, numéricos, entre outros. Dados estáticos versus fluxo de dados Uma única aplicação pode estar gerando / coletando muitos tipos de dados

11 Big Data Velocidade Dados é começar gerado rápido e precisam ser processadas rapidamente Análise de dados online Decisões tardias perdem oportunidades E-Promoções: Com base na sua localização atual, o seu histórico de compras, o que você gosta, enviar promoções agora para uma loja perto de você.

12 Big Data Velocidade EXEMPLOS
Monitoramento em Saúde: sensores de monitoramento de suas atividades corporais. As medições anormais exigem reação imediata.

13 Big Data Evolução do conceito de Big Data

14 Big Data +1 V

15 Big Data Quem está Gerando Big Data? Redes de Mídias Sociais
(Todos nós geramos dados)

16 Big Data Quem está Gerando Big Data? Instrumentos Científicos
(coletando todos os tipos de dados)

17 Big Data Quem está Gerando Big Data? Dispositivos Móveis
(Rastrando todos os objetos o tempo todo)

18 Big Data Quem está Gerando Big Data? Redes de sensors de tecnologia
(Medindo todos os tipos de dados)

19 Big Data Dados Mudam Constantemente Instrumentalização
Tudo que pode ser medido será medido.

20 Big Data Dados Mudam Constantemente Consumerização
Funcionários e clientes esperam mais interações pessoais, mas não ao custo de sua privacidade.

21 Big Data Dados Mudam Constantemente Experimentação
AS companhias mais inovadoras adotam a experimentação e agilidade.

22 Big Data Implantação de Big Data Tecnologias de DBMS Paralelas
Proposto no final dos anos oitenta Amadurecido ao longo das últimas duas décadas Indústria Multi-bilionária: Motores DBMS proprietários como solução de Data Warehousing para grandes empresas

23 Big Data Map Reduce Google foi o pioneiro Yahoo! popularizou (Hadoop)

24 Big Data O que é Hadoop? É um Sistema distribuído, tolerante a falhas e altamente escalável para processamento e armazenamento de dados

25 Big Data O Hadoop possui dois principais componentes:
Hadoop Distributed File System (HDFS). Auto recuperável, grande capacidade de armazenamento de dados em clusters. Resiliente, redundante, otimizado para tratamento de grandes arquivos.

26 Big Data O Hadoop possui dois principais componentes:
Map Reduce. Processamento distribuído e tolerante a falhas. Módulo programável para processamento de conjuntos de dados. Mapeia entradas para saídas e reduz a saída de multiplos Mappers para 1 (uma ou algumas respostas). Opera com dados estruturados ou não estruturados Possui um extenso eco sistema de aplicações.

27 Big Data Desafios para o Big Data
A integração do Big Data é multidisciplinar Menos de 10% do mundo Big Data é genuinamente relacional Significa que a integração de dados no real, desarrumado e complexo mundo de Big Data, banco de dados e web semantica usam métodos multi-disciplinares e multitecnologias.

28 Big Data Desafios para o Big Data Extratificação de dados abertos
Mapeamento, Classificação, Visualização, Correspondencia de chaves Demonstrar o valor da semantica: deixe a integração de dados direcionar a correta tecnologia de DBMS Grandes volumes de dados heterogêneos, como em links de dados

29 Big Data Desafios para o Big Data
A automatização de pesquisas altera a definição do conhecimento Objetividade e precisão das informações Grande volume de dados não garante dados melhores

30 Big Data Nem todos os dados são equivalentes.
Desafios para o Big Data Nem todos os dados são equivalentes. Só porque o dado é acessível não significa que seja ético O acesso limitado ao Big Data cria novas divisas digitais

31 Big Data Quem está coletando o Big Data

32 Big Data Qual a finalidade dos dados coletados? Companhias de cartões de crédito vão aprimorar seus produtos e ofertas baseados no comportamento de consumo das pessoas.

33 Big Data Qual a finalidade dos dados coletados?

34 Big Data Por que coletar estes dados? Mercado Alvo
Enviar catálogos exatamente com a mercadoria que você normalmente compra. Sugerir medicamentos que correspondem precisamente seu histórico médico. Oferecer os canais de televisão específicos no seu pacote, em vez de esperar que você solicite. Enviar anúncios personalizados de acordo com o seu perfil nesses canais.

35 Big Data Por que coletar estes dados? Informação Específica
Saber o que você precise antes de você baseado em seus hábitos de consumo. Notificar você que sua habilitação está prestes a expirar ou sobre recargas em cartões ou celulares.

36 Big Data - Conclusão Big Data e Big Data Analytics não são apenas para grandes empresas Big Data não se trata de apenas construir bancos de dados gigantes Mover o processamento para a fonte dos dados traz muitos ganhos Escolha o cenário de Big Data mais apropriado

37 Big Data - Conclusão Um cenário completo de dados com conjuntos de dados inteiros podem ser devidamente tratados e fatorados em processamento analítico, com tecnologias de processamento de banco de dados inmemory ou tecnologia de grid.

38 Big Data - Conclusão Para situações em que o uso conjunto de dados não é tecnicamente viável ou acrescenta pouco valor, um cenário de dados segmentados pode usar analytics e ferramentas de gerenciamento para determinar o dado correto a ser alimentado em modelos analíticos.

39 Big Data - Conclusão Big data não é apenas sobre ajudar uma organização a ser mais bem sucedida –Mas para o mercado tornar suas operações de negócios mais eficazes.

40 Big Data - Conclusão Analytics de alta performance foi concebido para apoiar iniciativas de Big Data com bancos de dados in-memory, e opções de computação em grid.

41 Big Data - Conclusão As organizações podem se beneficiar da computação em nuvem, onde a análise de grandes volumes de dados são entregues como um serviço e recursos de TI podem ser ajustados rapidamente para atender às demandas de negócios..

42 Big Data - Conclusão O modelo On Demand prove aos clientes a opção de impulsionar as analyses de big data para eliminar ou reduzir o tempo, o capital investido e custos com manutenção associados a infraestruturas on-premises.

43 Gestão de Negócios Virtuais
Dúvidas?