Big Data: A solução é a engenhosidade

5 de novembro de 2013
Segundo uma publicação recente na revista HSM Management, desenhar algoritmos para tomadas de decisões com um número impensável de informações é uma grande necessidade atualmente. “Big data” é um termo que representa uma enorme quantidade de dados e um grande problema para o mundo dos negócios, pois a tomada de decisão exige uma análise de informações confiáveis e disponíveis no tempo certo.


A capacidade de armazenamento de dados dobra a cada 18 meses ou dois anos, o que não é necessariamente uma solução para o problema dos grandes dados, pois isso faz com que existam mais dados relevantes a serem analisados e menos informações úteis.


A grande questão é como transformar dados em informações úteis. O desenvolvimento do mundo representa grandes oportunidades para as empresas, mas para aproveitar isso e vencer a concorrência é necessário prever as preferências, gostos e padrões comportamentais específicos de um grupo novo, grande e diversificado de usuários principais.


Com a internet, cada pessoa passou a representar um hub que conecta pessoas, ideias, produtos, tecnologias, filosofias, comportamentos e modos de ser. São 7 bilhões de pessoas no mundo, cada uma em constante geração de dados. O estilo de vida, humores e fisiologias podem gerar dados que nos ajudam a prever comportamentos. O problema, agora, consiste em como explorar tal quantidade de informação.


A revista exemplifica o problema da grande quantidade de dados com o seguinte caso: imagine como seria analisar o padrão de relações gerado por conexões no LinkedIn para prever quem será apresentado por quem, ou o padrão de decisões de compra na Amazon das pessoas conectadas entre si pelo Facebook para prever quem são os principais influenciadores. Para solucionar essas questões há a necessidade de uma enorme quantidade de operações e não apenas uma grande capacidade de armazenamento de dados.


Ainda que o mundo dobre sua capacidade de processamento de dados a cada 24 meses, a inteligência não é suficiente para lidar com problemas que crescem mais rápido do que essa capacidade.


Isso demonstra que a necessidade atual não é a de realizar muitas operações em um curto espaço de tempo, mas sim da engenhosidade de encontrar e implantar o melhor método de soluções de problemas.


Engenhosidade é a capacidade de conceber um modo pelo qual as operações sejam sequenciadas. Trata-se de desenhar os algoritmos (sequências definidas de instruções) e a heurística (procedimento simplificador que substitui problemas mais complexos por outros de mais fácil resolução, a fim de encontrar soluções viáveis, mesmo que imperfeitas) para solucionar os grandes problemas com os grandes volumes de dados. A engenhosidade dá forma ao problema, mas também encontra formas de solucioná-lo.


A ideia básica por trás de um algoritmo de ranqueamento de páginas do Google, por exemplo, é a engenhosidade: o procedimento calcula um peso aproximado de cada página, a partir de um número relativo de links que chegam e saem – o que estimula o comportamento do usuário de navega na web -, e mede a probabilidade do usuário ficar entediado e sair da página. O algoritmo, então, constrói uma grande matriz altamente dispersa, que um banco de mainframes de 1999 pode facilmente inverter para oferecer a atualização diária da importância de cada página na web. O Google possui a patente de todos os elementos dessa engenhosidade, trazendo soluções para os problemas que os grandes volumes de dados exigem: transformar dados relevantes (comportamento do usuário e hyperlinks de cogitação) em informação útil (uma classificação de cada página) e de modo eficiente (pode-se processar essa métrica em menos de um dia).


Nossa capacidade média de solucionar problemas dobra a cada seis meses. Podemos solucionar, com a tecnologia existente, problemas maiores do que o nosso nível de capacidade de processamento individual proporcionaria, pois nós também estamos em busca de novas formas de soluções de problemas.


Ainda segundo a HSM Management, é necessário então que certas capacidades sejam cultivadas em prol da engenhosidade:


Modelagem: Entender o processamento que produz grandes dados para saber lidar com os mesmos é essencial. Sem o modelo do processo subjacente que gera os dados, não há como saber o que realmente é relevante. Porém, é necessário mais do que modelos para o fenômeno de base, também são necessários modelos para os problemas que os grandes dados alimentam.


Codificação: Grande parcela dos graduados em administração desconhece as grandes massas de dados porque residem em um domínio difícil de acessar, codificadas por protocolos e linguagens estranhas.


Percepção: A informação é construída e é necessário percebê-la. A ciência da mensuração transforma qualidade em quantidade, ou seja, representa intuições, sentimentos e percepções em dados observáveis e mensuráveis. Porém, essa ciência ainda está em sua infância. A maior oportunidade para startups de internet está na construção de negócios que explorem e deem sentido aos terabytes de dados gerados por usuários do LinkeddIn, Facebook etc. Os novos mestres em Big Data serão os mestres da engenhosidade cultivada.


O software Tableau tem como diferenciais visualizações sofisticadas, relatórios e painéis com interface intuitiva de arrastar e soltar, com a qual é possível ver a mudança no momento em que elas acontecem. Qualquer um que saiba trabalhar com o Excel pode aprender a usá-lo rapidamente. Esse avançado software de business intelligence permite que todos na sua organização analisem e compreendam seus dados entre 10 a 100 vezes mais rápido do que qualquer outra solução. O download da versão trial do Tableau pode ser realizada gratuitamente no nosso site: Download do Tableau Desktop.

Compartilhe

Por Bruno Araujo • 22 de outubro de 2026
Como a integração entre dados estruturados, conhecimento corporativo e inteligência artificial amplia o acesso à informação e apoia decisões em diferentes áreas da empresa.
Por Bruno Araujo • 22 de outubro de 2026
Como a integração de dados, a visão Customer 360 e a inteligência artificial ajudam empresas a conhecer melhor seus clientes e a transformar informações dispersas em decisões de negócio.
Por Bruno Araujo • 22 de outubro de 2026
Entenda como as duas plataformas trabalham com engenharia de dados, analytics, governança e inteligência artificial, e quais critérios considerar antes de investir em uma arquitetura de dados. A escolha de uma plataforma de dados influencia diretamente como uma empresa organiza suas informações, desenvolve soluções analíticas, controla custos e prepara sua estrutura tecnológica para novas demandas de negócio. Nesse cenário, Databricks e Snowflake aparecem frequentemente entre as alternativas avaliadas por organizações que precisam modernizar seus ambientes de dados. Ambas oferecem recursos para processamento, análise, governança e inteligência artificial, mas possuem características arquiteturais e abordagens de desenvolvimento que merecem atenção. A comparação entre Databricks e Snowflake envolve muito mais do que funcionalidades disponíveis em cada plataforma. Uma organização que pretende modernizar seu data warehouse tem prioridades diferentes de outra que precisa integrar dados de múltiplas fontes, processar eventos em tempo real ou desenvolver aplicações de machine learning e IA generativa. Entender essas diferenças ajuda a construir uma arquitetura coerente com os requisitos técnicos, o investimento disponível e os objetivos de crescimento da empresa.