big data, seu novo paradigma para análise de dados e seus mitos
TRANSCRIPT
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC
www.armazemdedados.rio.rj.gov.br
Big Data, seu novo paradigma para análise de dados e seus mitos
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Alinhando alguns conceitos chaves sobre o valor do dado! “Os dados são hoje elementos essenciais para promover conhecimento,
governança e capital.” Robert Kitchin no livro The Data Revolution (2013)
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Alinhando alguns conceitos chaves sobre o valor do dado! O dado é fruto de nossas mentes e para as nossas mentes;
Quando falamos de dados, falamos de um produto da cognição humana!
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
MITO 1 – Dado retrata a realidade Qualquer dado possui um contexto técnico, social, étnico, cultural,
temporal e espacial que não podem ser desassociados;
O dado não reflete a realidade, mas a crença na verdade;
O dado sempre precisa ser posto em sua perspectiva social, mesmo no caso do Big Data.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Alinhando alguns conceitos chaves sobre o valor do dado! A comunicação do dado é o que estabelece o seu maior valor: quando o
dado chega a outra mente, gerando informação e conhecimento.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Alinhando alguns conceitos chaves sobre o valor do dado! A ferramenta computador expande nossa capacidade de registro, análise,
compartilhamento e visualização de dados;
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Desafio! A “natural” entropia na produção de dados
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Se desorganizado, menos uso!
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Cadê aquele arquivo?
Se mal formatado, menos uso!
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Não consigo usar esse
dado
MITO 2 – Não basta colocar o dado em um site O valor do dado se concretiza quando ele é reutilizado, gerando nova
informação e conhecimento no leitor do dado.
Não basta disponibilizar os dados, é necessário que o dado esteja em um formato apropriado às necessidades do público-alvo. Por exemplo, dados do censo demográfico do IBGE.
Dados são gerados por pessoas e para pessoas...
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Big Data, o que é? Inicialmente designava base de dados massivas – o conceito foi sendo
rediscutido...
O termo se popularizou e surgiram “evangelistas” e céticos sobre os reais potenciais do big data;
Um fato é que coletar, armazenar e analisar um volume inédito de dados fez surgir novos métodos e técnicas;
Cresce também o entendimento que o big data é um novo platô de produtividade, uma nova forma de agregar valor a partir dos dados.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
O volume de dados é sempre grande (terabyte, petabyte)...
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Dados de usuário de smartphone, e-mails, imagens de satélite, conteúdo em mídias sociais...
Exaustividade dos dados! Geralmente não se trabalha com amostras, mas com toda a população de pessoas/objetos/eventos
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Alta resolução (granularidade) e indexável (pode ser rotulado, individualizado)
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
É relacionável para que possa ser associado com outros dados a fins de responder novas questões.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
É dinâmico, a velocidade de atualização é alta. Captura de dados intensos no espaço e tempo.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Possuem estrutura flexível: novos campos podem ser adicionados e a base é escalável.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Variado: combina diferentes tipos de dados (textos, imagens, vídeos, áudios).
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Small Data, o que é? Termo para fazer antagonismo ao big data;
Alguns autores colocam um lado social dizendo que o big data pertence a
“big companies” e o small data é democrático;
Também possui o seu valor, a maioria das bases de dados são small data.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Big Data X Small Data
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Small Data Big Data
Volume Limitado a grande Muito grande
Exaustividade Amostras Toda a população
Resolução e identificação Limitado a grande Grande a muito grande
Velocidade Congelado ou lento Rápido, contínuo
Variedade Limitada a larga Larga
Flexibilidade e escalabilidade
Baixa a mediana Alta
MITO 3 – Big Data é um conceito absoluto O “Big” está nos olhos de quem vê.
Há certas características descritas no quadro anterior que depende do
interesse do analisador. Por exemplo, exaustividade e resolução.
A fronteira entre Small Data e Big Data nem sempre é clara. Por exemplo, dados do censo demográfico.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Análise de Dados Objetivo é gerar novos dados que não eram evidentes a partir da
observação da base de dados original;
O Big Data traz novos paradigmas de análise – até então o foco era analisar bases estáticas, específicas, amostrais e aderentes a hipóteses rígidas (independência, estacionariedade, normalidade...); bases produzidas para responder questões específicas.
Hoje há um conjunto de técnicas desenvolvidas para se trabalhar com Big Data: Machine Learning, Data Mining, entre outros.
A Análise de Dados responde basicamente a 4 questões...
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Descrição: O que e quando algo aconteceu? Com que frequência?
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Explicação: Por que algo acontece? Qual é seu impacto?
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Predição: O que se espera que aconteça depois? O acontece se nós fizermos isso ou aquilo?
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Prescrição: Qual é a melhor resposta ou resultado? Como ele pode ser alcançado?
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Grupos de Técnicas de Análise de Dados Aprendizado de máquina (machine learning) – reconhecimento de
padrões complexos, construção de modelos para explicar e predizer padrões; otimizar respostas. Pode supervisionado ou não supervisionado.
Mineração de dados e reconhecimento de padrões – parte da premissa que toda a base de dados volumosa possui informação não aleatória, válida, descritível e compreensível. Aplica métodos de aprendizado de máquina, estatística, árvores de decisão, processamento de linguagens naturais, entre outros.
Visualização de dados e visual analytics – métodos de apresentação visual (gráficos, diagramas, mapas, ...) para apresentar estruturas e relações da base de dados;
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Grupos de Técnicas de Análise de Dados Análise estatística – estatística descritiva e inferencial buscam a descrição
e explicação de padrões e relações dentro da base de dados; são técnicas mais difundidas entre os analistas.
Simulações – análises que almejam modelos próximos aos processos do mundo real para predição e otimização de sistemas a partir de diferentes cenários.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
MITO 4 - Análises “aperta botão” Análises, modelos, sistemas e afins não capturam a total complexidade do
mundo real. Além disso, os dados também não e sempre possuem um aspecto social.
Mesmo no Big Data, as análises devem ser validadas, criticadas e devem possuir um escopo teórico que guie a sua interpretação.
Um modelo que funcione em um cenário, não necessariamente funcionará em outro.
Cuidado com a abdução (abduction) – inferência para a melhor explicação; premissas não consideradas na conclusão (diferente de dedução ou indução).
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Conclusões A boa compreensão do que o Big Data se trata auxilia na sua melhor
utilização;
O Big Data possui técnicas de análises, processos de captura e de armazenamento especializados, entretanto detém características do Small Data como, por exemplo, seus contextos sociais;
O desafio é organizar e cruzar dados ainda é grande, inclusive na gestão pública;
O principal valor do Big Data pode ser associado a novas capacidade de extrair novos dados para gerar mais conhecimento, governança e capital.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
Dica de bibliografia The Data Revolution – Big Data, Data Infrastructures & Their Consequences Autor: Rob Kitchin | Ano: 2014 Obs: o Centro de Operações da Prefeitura do Rio de Janeiro é citado como exemplo de Big Data na gestão pública. Página 125.
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
PREFEITURA DA CIDADE DO RIO DE JANEIRO | Instituto Pereira Passos | Diretoria de Informações da Cidade . DIC | www.armazemdedados.rio.rj.gov.br
José Augusto Sapienza Ramos
Coordenador Acadêmico do Sistema Labgis – Núcleo de Geotecnologias da UERJ