Big Data
CONFIRA:
- O que é Big Data
- Tipos de dados no Big Data
- Como o Big Data funciona?
- Big Data Analytics
- Benefícios do Big Data Analytics
- Big Data e Inovação
- Big Data nas indústrias
- Os 5 VS do Big Data
- Aplicação nas indústrias
O Big Data é um assunto aparentemente novo, mas de muita relevância para quem está enveredando no mundo digital. Embora seja muito associado ao marketing digital, quem sabe o que é Big Data também sabe que ele pode ser aplicado nas mais diversas áreas.
Apresentar esse conceito, como ele funciona e sua estruturação é de suma importância para impulsionar a transformação digital em seus negócios. Com organização, é possível utilizar os dados armazenados para otimizar processos cotidianos a favor da empresa.
O que é big data?
Mesmo o Big Data sendo considerado um termo relativamente novo, o processo já era usado há algum tempo. Quando traduzimos esse termo para o português, Big significa grande, e Data, dados. Numa tradução mais aberta, podemos definir o que é Big Data como dados em grande quantidade.
Assim, ele é conceituado como um sistema que extrai e interpreta um grande volume de dados, sendo eles estruturados ou não. Tais dados podem ser acessados e cruzados num processo de Business Intelligence para construir informações capazes de orientar as decisões na empresa.
Já que muitos desses dados estão disponíveis na internet, e podem ser acessados de maneira remota, eles são rastreáveis pelas organizações, que podem usá-los a seu favor.
Um exemplo bem claro é quando você pesquisa sobre um produto, e logo depois aparecem anúncios relacionados ao que estava pesquisando: isso é o Big Data em ação.
O Big Data pode cruzar informações obtidas em diversas fontes, cujo acesso é importante para qualquer empresa. Assim, ela conhecerá as reais necessidades de seus clientes e poderá atendê-los de maneira mais eficaz, aumentando a sua competitividade.
Por que o big data é importante?
A importância do Big Data se dá pelo fato dele possibilitar um sistema estratégico de análise de dados para as empresas.
Sua finalidade não é apenas a coleta, mas também a organização e a interpretação dos dados, gerando insights sobre como agir em seguida.
O Big Data é importante para as empresas perceberem novas oportunidades de negócios que estavam escondidas, o que só ocorre a partir do cruzamento de dados, atividade que diferencia o nível de sucesso entre as empresas que trabalham com o marketing e outras iniciativas digitais.
Com o Big Data as empresas podem obter informações sobre as necessidades dos consumidores, o que agrada ou desagrada os mesmos; além de prever novas tendências no mercado, ajustar as tomadas de decisões, elevar a produtividade, descobrir novos modelos de negócios e aperfeiçoar o relacionamento com os clientes.
Tipos de dados do big data
Agora que você já sabe o que é Big Data e qual sua importância dentro do mercado digital, é importante conhecer os três tipos de dados que pode obter:
Enterprise data
Neste tipo os dados são concebidos pelas empresas: dados financeiros, produtividade dos funcionários, eficiência de uma fábrica, entre outros. Este tipo de dado é importante para encontrar problemas no funcionamento interno da empresa e resolvê-los o quanto antes.
Social data
Refere-se especificamente a como o indivíduo realiza pesquisas, compartilha conteúdo e interage nas mídias sociais. O Social data tem como finalidade analisar o comportamento das pessoas nas redes, apresentando formas de aperfeiçoar e direcionar sua atividade a favor da organização.
Personal data ou data of things
No personal data a coleta de dados é feita através dos objetos, como celular, TV ou carros, desde que eles estejam conectados a uma rede de internet – gerando a tão falada internet das coisas.
Dados obtidos dessa forma permitem saber, por exemplo, a localização de uma pessoa no momento da compra.
Um exemplo mais avançado são os robôs que aspiram pó, usando câmeras e sensores para navegar pelas casas. Eles podem criar uma planta da residência, permitindo que anunciantes apresentem móveis e outros recursos adequados ao local.
Estruturação dos dados
Como já foi mencionado, os dados são obtidos em grandes volumes, e por isso eles precisam de uma estruturação. Nesse aspecto, eles são classificados em dois tipos:
Dados estruturados
Os dados estruturados são organizados de forma fixa e padronizada, facilitando seu acesso e posterior análise. Um exemplo é o perfil dos clientes atendidos pela empresa, o que costumam comprar e onde moram. Tudo isso pode ser disposto num banco de dados, e acessado com alguns cliques.
Dados não estruturados
Como o nome já diz, eles não possuem uma estrutura definida, e não estão dispostos num banco de dados.
Um exemplo são os dados encontrados nas mídias sociais, como Youtube, Instagram, Facebook, entre outras. Cada foto, comentário ou curtida é um dado, e as empresas podem construir ferramentas internas ou contratar um software que possa estruturá-los.
Como o big data funciona?
O Big Data é feito a partir de uma comparação entre os dados coletados em diversos meios, de maneira automática, para que as decisões tomadas sejam cada vez mais racionais. O seu funcionamento é caracterizado da seguinte maneira:
Integração
Ocorre quando todos os dados coletados são extraídos e agrupados. Os dados devem “conversar” uns com os outros para que originem informações.
Gerenciamento
Como o volume de dados é grande, eles precisam ser organizados e dispostos numa plataforma de fácil acesso – geralmente na nuvem, mas também pode utilizar o armazenamento da organização, se ela possui uma estrutura adequada.
Análise
Por fim, os dados precisam ser analisados para que possam gerar insights valiosos. O processo costuma ser mais eficiente quando a força de analistas humanos e ferramentas de automatização é combinada.
Inovação com big data
O Big Data traz inovação em diversas áreas possibilitando o crescimento das empresas por meio do cruzamento rápido das informações.
Ele aponta oportunidades que poderiam passar despercebidas por meios tradicionais de análise, abrindo as portas para que novas iniciativas sejam tomadas. Cabe à organização agir com base nessas informações para obter seus benefícios.
A Netflix é um exemplo de inovação com Big Data, utilizando as pesquisas feitas por seus assinantes para identificar filmes, séries e até mesmo atores que eles gostariam de ver na plataforma.
O que é big data analytics?
Big Data Analytics é o processo de examinar grandes quantidades e variedades de dados para descobrir padrões escondidos, correlações desconhecidas, preferências do clientes, tendências de mercado e outras informações de grande valia que podem ajudar organizações a tomar decisões de negócios mais informadas.
As aplicações de Big Data Analytics permitem analisar dados e tirar deles conclusões, oferecendo respostas na velocidade que os negócios precisam.
A evolução do big data analytics
Embora o conceito de Big Data exista há anos, a maioria das organizações só passou a entender recentemente a importância de capturar todos os dados que passam pelo seu negócio.
Mas, desde a década de 1950, empresas usam a análise de dados para descobrir insights e tendências e tomar decisões informadas. Isso costumava ser feito com números em planilhas, manualmente examinadas por funcionários dedicados à essa tarefa e, por isso, era exclusividade das grandes corporações.
Na atualidade, porém o Big Data Analytics eliminou essa etapa tediosa e trouxe para a mesa velocidade e eficiência.
Se antes negócios acumulavam informação para depois analisá-la e decidir o que fazer com ela, hoje é possível aplicar Big Data para tomar decisões imediatas. Essa habilidade de trabalhar com velocidade dá às organizações uma vantagem competitiva incrível na hora de encontrar oportunidades.
O Big Data pode ser novidade para startups e empresas de pequeno e médio porte, mas as grandes companhias já lidam com ele faz algum tempo. Mas por que há tamanho interesse na tecnologia? Como tantos outros recursos, ele pode trazer a redução de custos e a melhoria na produtividade, além de fomentar a inovação.
Redução de gastos com big data analytics
Empresas de grande porte, como a Intel, usam a Big Data e a análise preditiva como uma forma de criar seus chips mais rapidamente. Em fase de manufatura, cada chip da companhia passa por testes de qualidade que incluem uma bateria com quase 19000 experimentações. Para reduzir o tempo delas, a Intel começou a analisar os dados históricos de outros chips feitos pela companhia, antes do seu lançamento.
Implementar o uso dessas informações poupou para a companhia três milhões de dólares em custos de manufatura só no ano de 2012. E essa é apenas uma das histórias de sucesso do Big Data Analytics, que tem sido alardeado como um construtor de novas oportunidades e menos como um redutor de custos.
Mas nessa área sua performance impressiona. Afinal, muitos negócios fazem um péssimo trabalho quando o assunto é reduzir custos. Big Data Analytics pode, produtivamente, ser usado para tomar decisões automatizadas que mandam alertas aos gestores sobre oportunidades de economias, como nesse cenário explorado pela Intel.
Se usar informação que você já possui pode economizar no longo prazo, o sistema avisará. Assim sendo, o Big Data Analytics adiciona valor às organizações de duas maneiras: eliminando custos e criando novas fontes de renda.
Big data analytics e a melhoria da produtividade
Outro grande objetivo do Big Data é a redução do tempo necessário para a execução de tarefas, e consequentemente, o aumento da produtividade. A loja Macy’s tem um estudo de caso interessante sobre o assunto, que pode ilustrar bem como isso funciona na prática. Em sua iniciativa de otimização de preço dos produtos a empresa utilizou Big Data para reduzir o ciclo de tempo necessário nos complexos cálculos, que costumavam levar horas ou, até mesmo, dias.
Dessa forma, colocar 73 milhões de produtos em oferta, para a gigante de vendas, deixou de ser um desafio e passou a ser uma tarefa que leva apenas uma hora.
O que acontece é que, quanto melhor uma marca se conhece (e tem dados para avaliar isso), melhor é sua interação com consumidores e com o mundo ao seu redor. Quando a Macy’s conseguiu informatizar a lógica de seus preços e colocar toda essa informação nas mãos de um software de Big Data Analytics, ele sabia o que fazer para obter resultados ótimos em tempo recorde.
Inovação e big data analytics
A coisa mais ambiciosa que organizações podem fazer com Big Data Analytics, por sua vez, é empregá-lo no desenvolvimento de novos produtos e serviços baseados em dados. Muitas das companhias que aplicam esse recurso tem negócios online, o que significa que elas obtêm vantagem ao se basear em dados. Veja, por exemplo, o caso do Google.
O Google usa Big Data para desenvolver todos os seus algoritmos de produto. E, ele descreve até mesmo o seu carro auto-dirigível como uma aplicação de Big Data.
Descobrir o que seus consumidores valorizam é importante. E, tomar decisões em cima desses dados, criando os produtos de que eles precisam mais ainda. O Big Data incentiva a inovação porque dá o instrumental necessário para ambos acontecerem.
Encontrando padrões precisos no meio de um mar de informações, o Big Data orienta gestores a tomar as decisões certas quanto a que produtos lançar ou que iniciativas implementar em suas empresas. E é por isso que trata-se de um recurso inestimável para a inovação .
A importância do big data e análise de dados nas indústrias
Na Indústria 4.0, os dados são extremamente importantes, pois permitem que outros pilares existam e tenham suas funções específicas também. Em conjunto ao Big Data, que tem a função de possibilitar o armazenamento e tratamento de informações e dados, temos um segundo pilar da Indústria 4.0 chamado de Internet das Coisas (IoT).
A IoT possibilita a grande captação dos dados de diferentes fontes que a partir de uma solução de Big Data podem ser tratados para que depois sejam utilizados para tomadas de decisão nas indústrias.
Com a IoT, é possível a captação de quantidade cada vez mais volumosas de dados. O armazenamento e o tratamento destes dados acontece por meio de soluções de BigData.
Os dados contidos nas plataformas de armazenamento são utilizados posteriormente para tomada de decisões na indústria.
Colocando em um exemplo prático: dentro da sua indústria, um produto está sendo fabricado em grande escala e enquanto isso acontece, a central de Big Data está recebendo grande parte das informações relacionadas ao processo de fabricação deste produto, como por exemplo os muitos dados lidos pelos sensores dos equipamentos.
Em outra aplicação, existe uma coleta de dados das redes sociais nas quais os consumidores estão comentando que preferem o produto em um formato menor.
Os responsáveis pelo planejamento da produção podem ter acesso aos dados da indústria como também os dados das mídias sociais para obter informações e ajustar as especificações da produção de forma ágil e pró ativa.
Sem estas informações valiosas, esta preferência do consumidor seria percebida apenas quando o seu competidor começasse a fabricar mais produtos no formato pequeno e ultrapassar a sua indústria em termos de vendas, ou você simplesmente ia perder consumidores sem entender exatamente o motivo.
Seguindo essa linha, uma nova forma de tomada de decisão começa a fazer parte dos ambientes industriais inteligentes: aquisição de dados em alto volume, alta velocidade e grande variedade.
Os desafios de utilizar big data em indústrias
Ao decidir utilizar tecnologias de Big Data em uma indústria, os responsáveis pela sua implementação, e posterior manutenção do sistema possuem grandes desafios. Porém, se avaliados e superados com organização e planejamento, se tornam parte de um grande processo de inovação.
1. Qualidade dos dados coletados
Em um processo não conectado, as informações podem acabar se tornando inconsistentes por pequenos problemas que acontecem em cada processo. E quando uma estratégia de Big Data começa a ser utilizada, é comum que problemas, duplicações e erros sejam encontrados.
Com dados sem qualidade, sem armazenamento na nuvem (Cloud computing) e sem garantia de confiabilidade, relatórios e análises inconsistentes podem ser gerados.
E para que isso não aconteça é importante utilizar um sistema de qualidade que filtre os dados e organize-os de forma lógica, identificando possíveis problemas antes que os dados sejam armazenados.
2. Definição do projeto de Big Data
A fim de melhorar os processos industriais, utilizar o Big Data se mostra como um caminho cheio de pontos positivos. Contudo, para que sua aplicação aconteça com sucesso, é preciso juntar um time de pessoas responsáveis pela ferramenta a ser utilizada.
Este time será extremamente estratégico, e deverá ter o conhecimento e expertise para definir quais informações, em qual formato, são importantes para o negócio.
Isso é preciso porque não é possível avaliar todos os dados gerados em um ambiente complexo como uma indústria. É preciso definir um projeto com caminhos para que esta informação chegue ao seu destino final (relatórios e decisões) de forma satisfatória.
3. Aceitação dos colaboradores
O ser humano tem uma tendência de manter-se confortável e dentro da sua zona de conforto. Ao começar um projeto novo, que de forma natural gerará mudanças na forma como todos trabalham e vivem suas rotinas de trabalho, é possível que gestores precisem dedicar mais tempo aos treinamentos e capacitações.
Assim, todos os usuários dos novos sistemas e formas de coleta de dados ficam cientes das suas responsabilidades e para que vejam os lados positivos desta mudança.
4. Mão de obra qualificada
Quando uma nova ferramenta ou processo começa a ser utilizado, é essencial que os operadores e colaboradores mais operacionais tenham completo conhecimento e habilidade de buscar melhores soluções sempre.
Essa não é uma tarefa fácil, pois muitas vezes esses colaboradores se tratam de muitas pessoas, e realizar treinamentos para garantir um conhecimento homogêneo é um grande desafio. Profissionais com conhecimento em análises estatísticas, arquitetura de dados e design, por exemplo, são escassos no mercado.
Porém, é preciso organizar e investir na capacitação dos profissionais para que além de aceitarem o novo formato de trabalho do Big Data, possam também contribuir de forma ativa neste processo.
Os 5 Vs do big data
O Big Data atua a partir de alguns pilares importantes, que ajudam a entender a sua importância em qualquer processo produtivo.
1. Volume
Como já mencionado, o Big Data lida com um alto volume de dados, para que insights e posicionamentos sejam tomados baseados em muitas informações de diferentes fontes. Ao realizar uma boa análise das informações coletadas, possuir um alto volume é uma grande vantagem.
2. Velocidade
Como todo o sistema se torna acelerado com a utilização do Big Data, as tomadas de decisão realizadas também precisam ser.
3. Variedade
Durante este artigo mencionamos diferentes fontes de dados que podem existir; além disso estes podem ser apresentados em vários formatos. Imagine toda uma indústria que produz um produto a ser comercializado em supermercados. Os dados gerados nessa cadeia terão origem nas máquinas da produção, transações financeiras, vendas, repercussão em redes sociais, entre tantos outros.
4. Veracidade
Este é um pilar essencial do Big Data, pois em casos onde os dados gerados não são verdadeiros, ou não demonstram realmente a realidade daquela indústria, todo o sistema perde credibilidade. Por isso, um bom planejamento e design de como as informações serão utilizadas é muito importante.
5. Valor
Para finalizar, um pilar que é bastante polêmico em qualquer projeto de inovação. Para poder avaliar o valor do Big Data, é preciso entender que se trata de um investimento, portanto as formas de mensuração de sucesso devem levar isto em conta. O potencial de uma indústria inteligente que aplica Big Data para análise de dados é muito grande, e o custo x benefício precisa ser bem pensado.
Benefícios e vantagens de utilizar big data em indústrias
Utilizar o Big Data em indústrias permite realizar a transformação de diversos dados únicos em conhecimento que pode ser utilizado para melhorar processos, e consequentemente produtos e serviços.
Uma grande vantagem de aplicar o Big Data no chão de fábrica e em toda a cadeia de produção é ter o poder de identificar erros de planejamento. Junto a isso, os gestores de indústrias conseguem avaliar os resultados do presente, e ainda fazer projeções muito mais assertivas para o futuro.
Dentre os benefícios de utilizar o Big Data nas indústrias, destacamos 6 abaixo:
1. Velocidade para entrega de informação
Com integração de sistemas e IoT, grandes massas de dados são coletadas. E ao utilizar da tecnologia do Big Data, a velocidade que estas informações podem ser acessadas e utilizadas é muito maior.
2. Monitoramento de equipamentos em tempo real
Ao receber informações constantes dos equipamentos utilizados na produção, é possível identificar cenários que resultem em paradas de produção. Assim, depois de definidos estes cenários, se torna praticamente automática uma intervenção preventiva, e não corretiva.
3. Identificação de gargalos no processo produtivo
Ao mesmo tempo que informações sobre equipamentos são coletados, os produtos finais podem ser rastreados até o consumidor final. Isso permite uma análise completa do processo produtivo, independente da etapa em que se encontra. E com estes dados em mãos, é muito mais fácil realizar intervenções certeiras para melhorar a qualidade do sistema como um todo.
4. Tomada de decisão rápida e correta
Contra dados não tem como discutir. Se na sua frente você estiver vendo dados que demonstram que uma peça ou etapa do processo não está funcionando bem, uma decisão que precisa ser rápida é facilmente tomada. Por isso é essencial que os dados sejam sempre corretos e condizentes com a realidade.
5. Redução de custos
Como consequência de pequenas ações realizadas na indústria, os resultados positivos vão sendo somados e a consequência sempre acaba sendo uma redução de custos. Sejam custos operacionais ou até mesmo de perdas de produção ou reclamações de consumidores.
6. Maior integração entre setores
Com a necessidade de cruzar informações de diferentes fontes, uma consequência natural é uma aproximação dos diferentes setores da indústria. Muito se fala de colaboradores multifuncionais, e que sejam capazes de realizar projetos com pessoas de diferentes áreas da empresa. Com a utilização da indústria 4.0 e os seus pilares, há uma grande oportunidade para desenvolvimento destes profissionais e cada vez mais qualidade em todos os projetos e processos internos.
Aplicação em indústrias
Como você deve estar imaginando, existem muitas possibilidades de aplicar Big Data em diferentes setores (saúde, serviços em geral, governos), incluindo indústrias.
Como o início de uma operação industrial com Big Data é bastante trabalhosa, o foco dos projetos deve ser em opções que agreguem valor ao negócio.
Alguns exemplos de aplicação do Big Data são:
Melhora dos processos de fabricação
A McKinsey and Company possui um case de Big Data na fabricação de produtos farmacêuticos. Uma empresa fabricava vacinas e componentes sanguíneos com variação de rendimento de 50 a 100% com um processo de fabricação idêntico. A partir do Big Data a equipe conseguiu segmentar o processo de fabricação e identificar um processo que afetava o rendimento. Com isso, foi possível aumentar a produção de vacinas em 50%, resultando em economias de US$ 5 a US$ 10 milhões por ano.
Design de produto personalizado
A Tata Consultancy Services possui um caso de uma empresa que tem sua maior receita fabricando produtos sob encomenda. A partir do Big Data, essa empresa analisou comportamentos de clientes e entendeu como entregar as mercadorias de maneira lucrativa. Dessa forma a empresa conseguiu alterar sua forma de fabricação para manufatura enxuta e entender quais produtos eram viáveis para sua produção.
Melhor garantia de qualidade
A Intel, fabricante de processadores, utiliza Big Data no seu chão de fábrica para otimizar o processo de qualidade dos seus produtos finais. Inicialmente eram necessários 19.000 testes para cada chip fabricado!
Ao utilizar o Big Data, a empresa conseguiu reduzir muito o número de testes para garantir qualidade, resultando em uma economia de US$ 3 milhões em custos de fabricação, que quando expandidos para outras linhas pode chegar a US$ 30 milhões.
Gerenciamento de risco da cadeia de suprimentos
Outro exemplo é utilizar o Big Data para avaliar possíveis riscos, como entrega de matérias-primas. A partir da análise de dados é possível entender se existem problemas meteorológicos durante a logística de alguma matéria-prima, sendo possível assim estimar atrasos ou melhor mensuração de prazos de entrega do produto final.
Foco no consumidor
A Coca cola é uma gigante do setor industrial, que utiliza o Big Data para avaliar seus consumidores. Em um determinado país, a empresa colocou no mercado uma máquina de refrigerante que permite realizar misturas de sabores.
Foi assim que a empresa coletou informações preciosas sobre o comportamento dos seus clientes, criando novos sabores como Sprite Cherry e o Sprite Cherry Zero.
Aproximação da indústria com o cliente final
No setor automobilístico existem aplicações interessantes como uma empresa que produz peças e é capaz de avisar ao dono do carro, por meio da IoT e Big Data, que a troca de óleo deve ser realizada, por exemplo.
Isso permite uma aproximação das empresas com as pessoas que estão utilizando seus produtos, de forma colaborativa e melhorando sempre a experiência do consumidor final.
Conclusão
Com a competitividade cada vez mais alta em todos os mercados, nenhuma empresa chegará muito longe operando “às cegas” enquanto suas concorrentes sabem exatamente para onde ir.
Num cenário em que a informação pode ser descrita como uma moeda de enorme valor, o Big Data é um investimento absolutamente necessário. Obter informações, no entanto, é apenas o começo: elas precisam direcionar ações práticas e inovadoras.
Nesse ponto, um software de gestão da inovação, como o AEVO Innovate, será de grande ajuda. Com ele você pode transformar as informações coletadas em projetos bem estruturados, que permitirão explorar as oportunidades identificadas a partir do Big Data.
