ESTUDO DE FERRAMENTAS DE BIG DATA PARA DEFINIÇÃO DE INDICADORES EM TOMADA DE DECISÃO

Conteúdo do artigo principal

Lincon Neves
Evandro de Araújo Jardini

Resumo

O volume de dados que chega às organizações por meio do uso da internet está em constante crescimento. Atualmente, esses dados são coletados em canais, que variam desde cliques em propagandas, até as redes sociais, promovendo uma variedade muito maior de informação disponível. As tecnologias criadas para analisar e extrair informações desses dados são conhecidas como tecnologias de big data e, normalmente, possuem o objetivo de auxiliar nas tomadas de decisões de uma organização, seja reduzindo custos ou encontrando tendências e preferências para produtos e serviços por meio da mineração de dados. O big data exige novas formas de processamento e armazenamento para o seu real proveito, resultando, assim, na criação de diversas aplicações voltadas à manipulação de grandes coleções de dados. O presente trabalho visa a analisar ferramentas de processamento de big data objetivando estudos sobre os resultados apresentados por elas, encontrando indicadores úteis para as tomadas de decisões e recomendações. Para isso, foram estudadas as ferramentas Hadoop e Big data e desenvolveu-se uma aplicação capaz de gerar recomendações de filmes, livros e músicas de acordo com o histórico de opiniões de usuários armazenados em banco de dados.

Detalhes do artigo

Seção
EXATAS E TECNOLÓGICAS
Biografia do Autor

Evandro de Araújo Jardini

Possui graduação em Tecnologia Em Processamento de Dados pelo Centro Estadual de Educação Tecnológica Paula Souza (1996), mestrado em Ciências da Computação pela Universidade de São Paulo (2000) e doutorado em Engenharia Elétrica pela Universidade de São Paulo (2007). Atualmente é professor com dedicação exclusiva do Instituto Federal de Educação, Ciência e Tecnologia de São Paulo campus Votuporanga e coordenador de área de informática. 

Referências

AIELO, Rafael. Big data não se aplica apenas a grandes empresas. 2015. Disponível em: <http://convergecom.com.br/tiinside/services/15/09/2015/big-

data-nao-se-aplica-apenas-a-grandes-empresas/>. Acesso em 31 out. 2016.

ALVES, Atos Ramos. Infraestrutura Big data com OpenSource. Rio de Janeiro: Ciência Moderna, 2015.

DISNER, Daniel da Silva. Mineração de dados para obtenção de

conhecimento em Big data. 2014. 41 f. TCC (Graduação) - Curso de Sistemas de Informação, Centro Universitário Eurípides de Marília, Marília, 2014.

FONTE, Flávio. O que é o Hadoop? 2013. Disponível em:

<http://bigdatabrazil.blogspot.com.br/2013/06/o-que-e-o-hadoop.html>. Acesso em: 10 nov. 2015.

HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data Mining: concepts and techniques. 3. ed. Waltham: Morgan Kaufmann, 2012.

HARVARD BUSINESS REVIEW. Big data: the future of information and business. 2013. Disponível em: <https://hbr.org/resources/pdfs/comm

/experian/hbr_serasa_experian_report.pdf>. Acesso em: 07 nov. 2015.

HP. Soluções de Big data. 2015. Disponível em <http://www8.hp.com/br/pt/business-solutions/big-data.html>. Acesso em 31 out. 2016.

MAYER-SCHÖNBERGER, Viktor; CUKIER, Kenneth. Big data: como extrair volume, variedade, velocidade e valor da avalanche de informação cotidiana. Rio de Janeiro: Elsevier Editora Ltda., 2013

PEREIRA, Adriano. Mineração de dados distribuída e escalável usando Apache Mahout. 2010. 59 f. TCC (Graduação) - Curso de Ciência da Computação, Universidade Federal de Santa Maria, Santa Maria, 2010.

PINA, Antonio Carlos. Introdução ao BigData para IT pros: parte 2. 2016. Disponível em: <https://www.linkedin.com/pulse/introdução-ao-bigdata-para-

pros-parte-2-antonio-carlos-pina>. Acesso em: 31 jun. 2016.

TREE INTELLIGENCE. Big data: vale a pena criar uma equipe? 2014. Disponível em <http://treeintelligence.com/big-data-vale-a-pena-criar-uma-equipe/> Acesso em 31 out. 2016.