BIG Date

Esse tal de Big Data....

__________________________________________________________________··.

1

__________________________________________________________________________________

E esse tal de Big Data ?

Hoje todas as pessoas que converso e que sabem que atuamos com Business Intelligence na Cetax Consultoria, me perguntam:

E esse Big Data hein Marco? Eu vi até na Veja... está todo mundo falando disso.

“Vi que o Cientista de Dados é a profissão do futuro”, “Eu quero ser Cientista de Dados”.

Sempre penso muito antes de responder qualquer questão que foi colocada a mim, por isso vamos falar um pouco sobre tudo que cerca o assunto antes de grandes definições.

Para quem nunca viu, abaixo está uma pesquisa feita no Google Trends (www.google.com/trends).

O termo é pesquisado nos EUA desde sempre, mas em 2011 houve uma explosão de pesquisas tanto aqui, quanto lá na terra do Tio Sam.

Aqui no Brasil vemos um crescimento constante a partir de 2012 e um pico em Maio/2013, exatamente quando a Veja publicou uma matéria sobre Big Data, não concordo com tudo que estava escrito na matéria, mas isso fica para um post a parte.

Publicação da Veja com Big Data na capa

Esse tal de Big Data....

__________________________________________________________________··.

2

__________________________________________________________________________________

Outro gráfico interessante que coloquei abaixo é uma comparação entre as pesquisas sobre Big Data x Business Intelligence, essa pesquisa é Global. Podemos ver que o termo “Business Intelligence” reinou absoluto até o começo desse ano, onde o “Big Data” ultrapassou o termo.

No gráfico abaixo uma comparação entre data warehouse x business Intelligence x big data.

Em 2006, “Business Intelligence” passou “Data Warehouse” e em 2013, “Big Data” passou “Business Intelligence”.

Esse tal de Big Data....

__________________________________________________________________··.

3

__________________________________________________________________________________

1) Big Data = Grandes Dados ou Grandes Volumes de Dados ?

Alguns DBAs e programadores que conheço migraram seus currículos instantaneamente de “Especialistas em Bancos de Dados” para “Especialistas em Big Data” afinal de contas trabalhavam com bancos de dados de alguns Terabytes (TBs) e teoricamente isso é Big Data.

Na verdade não é simplesmente o volume de dados que define o Big Data, o conceito é calcado em um pilar de 3 itens, algumas pessoas falam em 4, mas vamos aos 3 principais:

Volume – Volume dos Dados: Passamos a falar muito rápido de Gigabytes para Terabytes e agora estamos falando de Petabytes e outros volumes que não vou saber colocar aqui de cabeça para vocês.

Hoje são contabilizados em média 12 Terabytes de Tweets diariamente, em 2012 foram gerados cerca de 2.834 Exabytes (que são milhões de Gigabytes) a previsão é que em 2020 se gerem anualmente 40.026 Exabytes de informações.

Velocity – Velocidade: Hoje para alguns negócios, 1 minuto pode ser muito tempo, detecção de fraudes, liberações de pagamentos, análises de dados médicos ou qualquer outra informação sensível a tempo.

A maior parte dos projetos de DW/BI (Data Warehouse e Business Intelligence) ainda tem latência em D-1, ou seja, carregamos o dia anterior. Ainda acreditamos que essa solução se aplique a muitos negócios, porém, para algumas análises, quanto mais próximo do tempo real, maior pode ser o incremento de negócio.

Variety – Variedade: Big Data também poderia ser considerado como Any Data (qualquer dado), hoje temos capacidade de capturar e analisar dados estruturados e não estruturados, texto, sensores, navegação Web, áudio, vídeo, arquivos de logs, catracas, centrais de ar condicionado, entre outros.

Esse tal de Big Data....

__________________________________________________________________··.

4

__________________________________________________________________________________

Uma nova série de ferramentas está se tornando parte dos projetos, são as ferramentas de machine data, dados de máquina, quase qualquer aparelho eletrônico hoje em dia tem uma estrutura de dados ou programação, o ponto é que nem todos podem ser acessados (ainda..).

2) Qual o volume de dados gerado diariamente ?

O Facebook armazena, acessa e analisa mais de 50 petabytes de informações geradas pelos usuários, a cada mês são gerados mais de 700 milhões de minutos por mês.

A cada minuto são feitos uploads de 48 horas de vídeos no Youtube, ou seja, nunca ninguém conseguirá assistir todos os vídeos do Youtube.

Diariamente mais de 500 milhões de mensagens são enviadas pelo Twitter, com uma média de 5700 TPS (Twittes per Second ou Mensagens por Segundo), o recorde é de 143.199 TPS.

O Google processa diariamente mais de 3 bilhões de pesquisas em todo o mundo, sendo desse total 15% totalmente inéditas. Seu "motor" de pesquisa rastreia 20 bilhões de sites diariamente, armazenando 100 petabytes de informação.

Sem contar todas as informações que as companhias geram diariamente, sejam elas estruturadas ou não.

3) O que são informações estruturas e não estruturadas ?

Consideramos:

 Informações estruturadas