Big Data é um termo que é usado para descrever dados que são de alto volume, alta velocidade e, ou alta variedade, Big Data requer novas tecnologias e técnicas para captura, armazenamento e análise, além disso é usado para aprimorar a tomada de decisões, fornecer informações e descobertas e apoiar e otimizar os processos.
A análise de dados em Big Data Analytics
A análise de dados não é nada de novo. Mesmo antes do uso de computadores, as informações obtidas no curso de negócios ou outras atividades foram revistas com o objetivo de tornar esses processos de Big Data Analytics mais eficientes e mais lucrativos. Essas eram, obviamente, empreendimentos comparativamente de pequena dimensão, tendo em conta as limitações impostas pelos recursos e pela mão de obra.
A análise teve que ser manual e foi lenta pelos padrões modernos, mas ainda valia a pena. Pesquisa de opinião, por exemplo, tem sido realizado desde o início do século 19, quase 200 anos atrás. A primeira pesquisa nacional ocorreu em 1916 e envolveu a publicação Literary Digest enviando milhões de cartões postais e contando os retornos. Como resultado, eles previam corretamente a eleição de Woodrow Wilson como presidente.
Características de Big Data Analytics
Algumas características mais comuns em Big Data Analytics são estas postadas a seguir:
Volume
Terabytes ou petabytes de dados são analisados. Um número estimado de 2,5 quilos de dados (2,5 trilhões de gigabytes) são criados todos os dias, um montante que só aumentará no futuro. No entanto, o tamanho do conjunto de dados não é a única variável que caracteriza Big Data.
Variedade
O conjunto de dados pode conter muitas formas diferentes de dados - não apenas uma grande quantidade do mesmo tipo. A profusão de diferentes tipos de dispositivos móveis e a variedade de conteúdo que eles consomem em uma ampla gama de plataformas, por exemplo, significa que as empresas podem colher dados de uma enorme variedade de fontes, cada uma delas dizendo uma parte diferente da mesma imagem.
Velocidade
Na plataforma Big Data Analytics os dados podem mudar de forma constante. Por exemplo, carros modernos podem ter mais ou menos sensores diferentes que monitoram continuamente diferentes aspectos do desempenho. Os mercados mudam em uma escala momento a momento. Os dados são altamente fluidos e instantâneos nem sempre são suficientes.
Veracidade.
Os dados adquiridos podem não ser precisos, ou muito pode ser incerto ou provisório. A qualidade dos dados não é confiável, especialmente quando há muito disso. Qualquer sistema de análise deve levar isso em consideração.
Variabilidade
A captura e o volume de dados em big data podem ser inconsistentes e não apenas imprecisos, portanto, quantidades e qualidades variáveis de dados serão adquiridas em diferentes momentos.
Juntos, esses fatores significam que gerenciar os dados pode ser um processo extremamente complexo, uma vez que existem muitas fontes de dados com diferentes tipos e formatos de dados, mas estes precisam ser correlacionados e ter sentido de se serem úteis.
Conclusão
O advento da internet e uma computação mais rápida significaram que grandes quantidades de informações agora podem ser colhidas e usadas para otimizar os processos de negócios. O problema é que os métodos convencionais simplesmente não eram adequados para atravessar todos os números e dar sentido a eles.
A quantidade de informação - big data é fenomenal. No entanto, dentro dessa informação, há informações que podem ser extremamente benéficas. Uma vez que os padrões são identificados, eles podem ser usados para ajustar as práticas comerciais. E do mesmo modo, criar campanhas direcionadas e descartar as que não são eficazes.
