Big Data, Data Science e Business Analytics

Big Data, Data Science e Business Analytics

Recentemente, muito tem-se falado sobre Big Data, Data Science e Business Analytics e muitas definições diferentes são dadas o que gera uma grande confusão. Quando falamos para uma mesa de diretores de grandes empresas esses termos, francamente, não sei se todos os envolvidos têm o mesmo entendimento. Caso você queira entender melhor os conceitos atrás desses termos, esse artigo foi feito para você.

O termo Big Data é comumente definido tecnicamente como conjuntos de dados muito grandes ou complexos, que os aplicativos de processamento de dados tradicionais ainda não conseguem lidar. Do ponto de vista dos negócios, esse termo pode ser definido como:

“Big data é um conjunto de dados de fontes digitais ou tradicionais de dentro ou de fora da empresa que representam uma fonte de descobertas e análises contínuas. ” (Forbes)

Mas porque esse termo está na “moda”? A resposta para isso é bastante simples. A quantidade de dados que é gerada e armazenada no mundo está cada vez maior! O baixo custo para armazenamento dos dados e tecnologias como a internet das coisas (IoT, termo em inglês) tem papel fundamental nesse processo. Para entender os impactos disso nas nossas vidas, tente lembrar de aplicativos que já estão no seu smartphone. Quantos deles usam sua localização para poder funcionar? Quantos monitoram sua navegação na internet? Você já percebeu que esses dados são gerados sem que nenhuma pessoa digite essas informações. Agora, imagine a quantidade de smartphones, smartTVs e smartQualquerCoisa que existem no mundo, todos eles estão coletando dados agora… fica fácil entender porque a quantidade de dados é crescente, certo? Agora junte a isso a disponibilidade e baixo custo para o armazenamento de dados. Entendeu porque nunca na história da humanidade tivemos a disponibilidade de tantos dados como temos atualmente. Para se ter uma ideia, isso fez com que, a partir de 2012, obtivéssemos a criação de mais de 2,5 × 1018 bytes de dados por dia!

Ok, já temos os dados, agora vamos as análises. Quando a Harvard Business Review chamou o cargo de cientista de dados como “The Sexiest Job of the 21st Century”, ou seja, o trabalho mais sexy do século 21, o termo Data Science explodiu nas buscas do Google. A ciência de dados, como é conhecido em português, é um campo interdisciplinar que utiliza métodos, processos e sistemas para extrair conhecimentos e ideias a partir de dados estruturados ou não. Essa nova área do conhecimento busca unificar conceitos matemáticos, estatísticos, de ciências da informação e de ciência da computação para analisar dados para entender algum fenômeno de interesse. Apesar de não existir um consenso das disciplinas para a formação de um cientista de dados típico, as áreas de inteligência artificial, estatística bayesiana, mineração de dados, deep learning, algoritmos de classificação, visualização de dados, machine learning e recommendation systems têm sido bastante estudadas no campo da ciência de dados.

Assim, do ponto de vista do contexto de aplicações a ciência de dados pode ajudar a estudar fenômenos relacionados a várias áreas do conhecimento como medicina, farmácia, engenharia, sociologia etc. Dentro do contexto dos negócios, vários conceitos da ciência de dados podem ser encontrados sob o termo Business Analytics. Tecnicamente, esse termo se refere as habilidades, tecnologias e práticas de continua interação, investigação e visualização do desempenho do negócio com o objetivo de obter ideias e orientar nas tarefas de planejamento dos negócios baseado em dados e métodos estatísticos. Pelo fato de estar fortemente ligada às análises preditivas e prescritivas e estar orientada ao suporte a decisão, o Business Analytics está naturalmente associado aos métodos quantitativos de suporte à decisão reunidos primeiramente pela Pesquisa Operacional. Recentemente, o Business Analytics, enquanto tópico, tem crescido muito em termos de conteúdo, por isso, foram criadas sub-áreas como Customer Analytics, People Analytics, Operations Analytics e Accounting Analytics para relacionar melhor as ferramentas aos setores que elas podem ser aplicadas.

Agora que esses conceitos foram definidos ficará mais fácil entender quando alguém comentar que no novo projeto de Business Analytics da empresa, os engenheiros de dados da equipe de Big Data estão extraindo a matéria-prima para os cientistas de dados da equipe de Data Science desenvolver experimentos e construir novos sistemas de suporte à decisão capazes de solucionar problemas do dia-a-dia da organização, como por exemplo, prever quais clientes irão ficar inadimplentes, qual será a demanda para cada item do estoque, ou qual será o candidato a vaga de gerente de compras que terá o melhor desempenho se for contratado.

Fico feliz por poder ajudar você a desfazer uma parte dessa confusão relacionada à terminologia. Mas isso é só o começo, esses termos, apesar de recentes, vieram para ficar. A quantidade de dados vai continuar crescente e se as empresas quiserem sobreviver na era Digital vão precisar investir em projetos que ajudem a extrair o máximo dos dados para tomar melhores decisões (pelo menos melhor do que a dos concorrentes!). Essa revolução já começou! Qual será o seu papel? Quais são seus objetivos de carreira? Quais conhecimentos você precisa desenvolver?

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

shares