Вы находитесь на странице: 1из 5

Saiba qual o atual estgio de evoluo do Big Data

Cezar Taurion
Faz mais ou menos um ano que publiquei meu livro sobre Big data. De l
para c apresentei dezenas de palestras, participei de varias reunies com CIOs
e executivos de negcios para debater o tema, me envolvi em projetos e creio
que j seja possvel delinear um quadro do que evoluiu neste perodo.
Indiscutivelmente que existe um vis bastante positivo quanto ao tema, com
muitos executivos associando o termo Big data com novas oportunidades de
negcio. O interesse crescente, mas ainda, em termos prticos, pouca coisa
realmente est acontecendo.
O que j podemos identificar? Primeiro que ainda existem diferentes
estgios de compreenso do que Big Data. Grosso modo cerca de 1/3 das
empresas ainda no est pensando em Big data, 1/3 esto planejando algo em
breve e 1/3 esto fazendo alguma coisa, mas na maioria das vezes projetos
POC- Proof of concept. Em operao contnua conta-se nos dedosMas este
contexto nos mostra um quadro evolutivo. Depois de estudar e entender o
assunto (estgio 1), passa-se a planejar algo (estgio 2), faz-se um projeto
piloto (estgio 3), com investimentos pequenos, geralmente de forma bem
informal, mais para provar as idias, e finalmente, a deciso de investir mais
formal, intensa e continuamente (estgio 4). E adiciono um quinto estgio de
maturidade que a continuidade do Big data na empresa, agora j com
preocupaes mais definidas de governana, como ter uma poltica de
privacidade, de tica (que dados posso e devo usar) e tendo a figura do CDO
(Chief Data Officer) diretamente ligado ao executivo chefe, ou seja, ao CEO.
Alguns setores se entusiasmam mais com Big data, como varejo, financeiro,
seguros, sade e transporte. A razo simples: eles identificam mais
rapidamente a proposta de valor para aplicar os conceitos de Big data, que

variam desde melhoria do combate a fraudes (finanas e seguros) e melhor


engajamento com clientes (varejo e transporte) uma maior eficincia na
prestao de servios, como no setor de sade. A maioria das experincias
ainda esto, o que perfeitamente normal, na escala da inovao incremental,
que melhorar uma atividade j existente, como relacionamento com clientes
(melhorado a capacidade de entende-los) ou aumentar a eficcia do combate
fraudes. Creio que nos prximos anos veremos Big data sendo usado realmente
de forma inovadora e disruptiva, criando novos negcios e servios. um
estgio mais maduro, quando a organizao entende que seus dados tem valor
monetrio e alm de serem usados internamente, podem gerar receita com a
venda de informaes analticas.
O caminho a ser trilhado pedregoso. No existem ainda best practices e
sim muita experimentao. Os prprios fornecedores de tecnologia ainda esto
imaturos quanto ao uso de suas tecnologias. Alis, muitos deles compraram
dezenas de empresas para ampliarem seu portflio de ofertas, mas suas
equipes de vendas e suporte tcnico ainda no esto plenamente habilitadas
para trabalhar com todo este aparato tecnolgico.
Os desafios para entrar no mundo Big data extrapolam a tecnologia. Esta
no barreira. As tecnologias existem e a dificuldade escolher quaisOs
desafios esto na identificao clara de uma proposta de valor para investir em
Big data, na definio de uma estratgia do que fazer aps o POC e
principalmente nas questes de governana (segurana, privacidade, tica e
qualidade dos dados a serem usados).
Mas observo tambm que alguns mitos esto sendo quebrados. O primeiro
que as tecnologias para trabalhar com dados no estruturados no vo
substituir as que trabalham com dados estruturados. Sero complementares.
Pensava-se h algum tempo atrs que tecnologias como Hadoop e Mongo DB
acabariam com os bancos de dados relacionais. Vo atuar em conjunto, cada
um com sua especificidade. Alis, hoje a maioria dos dados analisados em

projetos Big data so dados estruturados, que simplesmente no eram


analisados adequadamente. Dados no estruturados (vdeos, imagem, textos
como de e-mail ou de plataformas de mdias sociais como Twitter e Facebook)
aparecem, geralmente, em um segundo estgio, quando a empresa j tem
alguma experincia em projetos de Big data. Alis, dados de mdias sociais
interessam mais diretamente a determinados setores como varejo, educao,
telefonia e transporte, que interagem intensamente com numero muito grande
de cliente finais.
Outro mito que comea a ser demolido. Big data no necessariamente um
big volume de dados. A variedade e a velocidade so outras variveis to ou
mais importantes. Lidar com variedade mais difcil de lidar que com volumes
grandes, pois so dados em formatos completamente diferentes uns dos
outros. E velocidade exige da organizao que os processos de negcio
afetados sejam responsivos na velocidade que os dados analisados permitam
tomar alguma ao efetiva.
A falta de expertise outro desafio. De maneira geral as empresas que j
tem atividades de data warehouse e BI tendem a considerar que Big data
apenas uma extenso do que j fazem. No! No BI geralmente coleta-se dados
estruturados de sistemas como ERP, conhece-se bem as demandas e as
perguntas j esto feitas. A atividade sistemticamente analisar os dados e
responder as questes j formuladas, como qual volume de vendas deste ms
comparado com meses anteriores e da extrapolar os crescimentos futuros.
um estilo de anlise dedutivo. J com Big data (volume, variedade e
velocidade) o estilo de anlise tona-se indutivo ou bottom-up por natureza. Isto
significa que analisando-se os dados pode-se derivar insights e concluses que
no estavam previamente formuladas nas questes. um modelo mais
oportunstico, pois nem sempre prev-se o que vai ser intudo da anlise destes
dados. Data scientists vo acabar com os analistas de BI? No meu entender so
expertises complementares, que devem atuar em colaborao. Um analista de
BI pode sim tornar-se um data scientist.

Uma questo que me chamou ateno neste perodo descobrir, em muitas


empresas, quo baixa a qualidade dos seus dados estruturados. Sim, aqueles
dados que esto nos ERPs e outros sistemas internos. um dificultador, pois o
quarto V de Big data, veracidade, significa no apenas identificar que dados
sero relevantes para anlises, mas confiar na qualidade destes dados.
verdade que com grandes volumes de dados a preciso no to importante,
mas a tendncia que eles apontam. A acurcia desta tendncia no
melhorada pela preciso individual de cada dado, mas pela sua densidade (mais
dados e mais variedade, que gera mais variveis, que ajustam o algoritmo).
Mas os dados estruturados, estes sim, deveriam ter uma qualidade maior que a
geralmente encontradafoi realmente uma surpresa!
Em resumo, est claro que Big data no apenas um hype. As coisas
comeam a acontecer e nos prximos anos veremos uma acelerao de
projetos. As organizaes esto aprendendo que seus dados tem valor, no
quando inertes e armazenados em algum lugar, mas quando trazidos vida,
em anlises inteligentes e inovadoras. Big data pode trazer luz novos insights,
antes inalcanveis pelos mtodos tradicionais de BI. Para isso demanda
tambm uma mudana nos seus processos, de forma reagir deslocando-se do
paradigma da simples reao, ao paradigma de predio. Como agir antes que
as coisas aconteam? Exigem processos mais geis e flexveis. Os processos de
negcio esto habilitados para tal? Colocando o conceito de Big data em
prtica, na sua plenitude, temos como resultado um maior valor para o
negcio. Que exatamente o quinto V de Big data!
Cezar Taurion profissional e estudioso de Tecnologia da Informao desde fins da dcada de
70. Com educao formal diversificada, em Economia, mestrado em Cincia da Computao e
MBA em Marketing de Servios, e experincia profissional moldada pela passagem em
empresas de porte mundial, Taurion tem participado ativamente de casos reais das mais
diversas caractersticas e complexidades tanto no Brasil como no exterior, sempre buscando
compreender e avaliar os impactos das inovaes tecnolgicas nas organizaes e em seus
processos de negcio.
Foi diretor de consultoria da PwC e diretor de novas tecnologias/Chief Evangelist da IBM Brasil.
Escreve constantemente sobre tecnologia da informao em sites e publicaes especializadas
como CIO Magazine, Computerwold Brasil e Mundo J , alm de apresentar palestras em eventos
e conferncias de renome. autor de seis livros que abordam assuntos como Open

Source/Software Livre, Grid Computing, Software Embarcado, Cloud Computing, Big data e
Inovao. Foi professor do MBA em gesto estratgica da TI pela FGV-RJ e da cadeira de
Empreendedorismo na Internet pelo NCE/UFRJ

Fonte: http://www.tiespecialistas.com.br/2014/06/saiba-qual-e-o-atual-estagiode-evolucao-big-data/#comment-58652 , 09/06/2014.