Sistema de Informação Estudo de Caso

Será que o Big Data traz grandes recompensas?

Atualmente, as empresas estão lidando com uma avalanche de dados oriundos de mídias sociais, pesquisa e sensores, bem como de fontes tradicionais. Em 2012, foi gerado um número estimado de 988 exabytes de informações digitais, equivalente a duas pilhas de livros colocadas a partir do sol até Plutão. Dar sentido ao "big data" tornou-se um dos principais desafios para as empresas de todas as formas e tamanhos, mas também representa novas oportunidades. Como as empresas atuais estão tirando proveito do "big data"?

Agências policiais estaduais e federais dos Estados Unidos estão analisando o big data para descobrir padrões ocultos na atividade criminal, como as correlações entre tempo, oportunidade e organizações, ou relações não óbvias (ver Capítulo 4) entre os indivíduos e as organizações criminosas que seriam difíceis de detectar em conjuntos menores de dados. Novas ferramentas permitem que as agências analisem os dados de uma grande variedade de fontes, incluindo a Internet, e apliquem analítica de negócios para prever padrões de criminalidade futura.

Em Nova York, o data warehouse Real Time Crime Center contém milhares de dados sobre os crimes e os criminosos da cidade. A IBM e o Departamento de Polícia de Nova Iorque (New York Police Department - NYPD) trabalharam em conjunto para criar o data warehouse, que contém dados referentes a mais de 120 milhões de queixas de crime, 31 milhões de registros de crimes nacionais e 33 bilhões de registros públicos. Os recursos de pesquisa do sistema permitem que o NYPD obtenha informações rapidamente de qualquer uma dessas fontes de dados. As informações sobre os criminosos, como a foto de um suspeito juntamente com detalhes de delitos cometidos no passado ou endereços com mapas, podem ser visualizadas em segundos em uma parede de vídeo ou retransmitidas imediatamente para os oficiais em uma cena de crime.

Outras organizações estão usando os dados para adotar a computação verde ou, no caso da Vestas, para reforçar ainda mais sua opção pela computação verde. Sediada na Dinamarca, a Vestas é a maior empresa de energia eólica do mundo, com mais de 43 mil turbinas eólicas em 66 países. Os dados de localização são importantes para a Vestas conseguir posicionar com precisão as suas turbinas a fim de otimizar a geração de energia eólica. Áreas sem vento suficiente não gerarão a energia necessária, mas áreas com vento demais podem danificar as turbinas. A Vestas apoia-se em dados baseados em localização para determinar os melhores pontos para instalar suas turbinas.

Para coletar dados sobre futuros locais em potencial para instalação de turbinas, a biblioteca eólica (conjunto de informações sobre o vento) da Vestas combina dados oriundos de sistemas globais de condições meteorológicas com os dados de turbinas existentes. A biblioteca eólica anterior fornecia informações em um padrão de grade, sendo que cada grade media 27 por 27 quilômetros. Os engenheiros da Vestas foram capazes de melhorar a resolução para aproximadamente 10 por 10 metros para estabelecer o padrão exato do fluxo de vento em um determinado local. Para aumentar ainda mais a precisão de seus modelos de posicionamento de turbinas, a Vestas precisava diminuir ainda mais a área da grade, e isso exigia dez vezes mais dados do que o sistema anterior fornecia e uma plataforma mais poderosa de gestão de dados.

A empresa implementou como solução o software InfoSphereBigInsights da IBM, sendo executado em um servidor IBM System x iDataPlex de alto desempenho. (InfoSphereBigInsights é um conjunto de ferramentas de software para análise e visualização de "big data" e é baseado no Apache Hadoop.) Usando essas tecnologias, a Vestas aumentou o tamanho de sua biblioteca eólica e é capaz de gerenciar e analisar dados de localização e das condições climáticas com modelos que são muito mais poderosos e precisos.

A biblioteca eólica da Vestas armazena atualmente 2,8 petabytes de dados e inclui aproximadamente 178 parâmetros, como pressão barométrica, umidade, direção do vento, temperatura, velocidade do vento e outros dados históricos da empresa. A Vestas planeja adicionar métricas globais de desmatamento, imagens obtidas por satélites, dados geoespaciais e dados sobre as fases da lua e as marés.

A empresa pode agora reduzir a resolução de suas grades de dados sobre o vento em quase 90%, até uma área de três por três quilômetros. Esse recurso permite que a Vestas preveja em 15 minutos, e não em três semanas, a colocação ideal de turbinas, economizando um mês do tempo de determinação do local de instalação de uma turbina e possibilitando que seus clientes alcancem muito mais rapidamente um retorno sobre o investimento.

A AutoZone usa big data para ajudá-la a ajustar níveis de estoques e preços do produto em algumas de suas 5 mil lojas. Um cliente andando em uma loja da AutoZone em Waco, no Texas, por exemplo, pode encontrar uma oferta de amortecedor Gabriel que não encontraria na maioria das outras lojas da AutoZone. A loja da Autozone em Mulberry, Flórida, pode apresentar uma oferta especial em um defletor de insetos. Para direcionar essas ofertas no nível local, a varejista de autopeças analisa informações adquiridas a partir de uma variedade de bancos de dados, tais como os tipos de carros dirigidos por pessoas que vivem nos arredores de seus pontos de venda. O software da NuoDB, que utiliza um modelo de serviços em nuvem, possibilita aumentar rapidamente a quantidade dos dados analisados, sem interromper o funcionamento do sistema ou mudar uma linha de código.

As empresas também estão utilizando as soluções de big data para analisar o sentimento do consumidor. A Hertz, grande empresa no setor de locação de veículos, por exemplo, reúne dados de pesquisas na Web, mensagens de e-mails, mensagens de texto, padrões de tráfego do site e dados gerados em todas as suas 8.300 locadoras em 146 países. A empresa agora armazena todos os dados de forma centralizada, em vez de armazená-los em cada filial, reduzindo o tempo gasto no processamento de dados e melhorando o tempo de resposta da empresa no retorno ao cliente e nas mudanças no sentimento. Analisando os dados gerados a partir de múltiplas fontes, por exemplo, a Hertz foi capaz de determinar que estavam ocorrendo atrasos nos retornos da Filadélfia durante períodos específicos do dia. Depois de investigar essa anomalia, a empresa foi capaz de ajustar rapidamente o número de funcionários em seu escritório da Filadélfia durante os horários de pico, garantindo que um gerente estaria presente para resolver quaisquer problemas. Isso melhorou o desempenho da Hertz e aumentou a satisfação dos clientes.

Há