Big Data e as Tecnologias Móveis

14 de julho de 2014
O Big Data é muitas vezes definido por conjuntos de dados que atendem a três atributos: volume, variedade e velocidade. Mas Kipp Jones, vice-presidente de produto da Skyhook, empresa especializada em aplicativos de geolocalização, acredita que existe um quarto atributo: valor. Para que os dados sejam significativos, eles precisam ser capturados e armazenados de maneira eficiente. Para isso, alguém precisa gerenciar os dados, analisá-los e extrair algo deles. Conjuntos de dados desorganizados não possuem valor agregado algum. Ferramentas como o Tableau Software te ajudam a organizar as informações e visualizá-las de forma que seja possível compreendê-las, e ele também te ajuda a trabalhar com informações geradas por aparelhos móveis.


Estes dados são particularmente adequados para os estudos de Big Data atualmente. Grandes volumes de dados móveis são gerados pela utilização crescente de smartphones pelos consumidores e por aplicativos e outros serviços que trabalham em segundo plano. A diferença entre estes dados e os da Internet tradicional é que os consumidores estão produzindo mais dados móveis, já que mudamos nosso comportamento para os canais digitais, deixando assim um rastro de dados que documenta movimentos e ações. Mesmo quando os smartphones não estão sendo utilizados, estão criando dados.

 

Os dados de localização são um componente essencial para o Big Data móvel – talvez seja o principal tipo de informação que diferencia dados móveis daqueles obtidos pela web tradicional. Espera-se que os dados de localização ajudem a transformar a indústria da publicidade móvel, pois eles fornecem aos anunciantes a capacidade de entregar em tempo real publicidade segmentada por regiões, e isso representa uma evolução potencialmente importante do mercado publicitário.

 

Imagine que você é dono de uma loja em um shopping. Com o Big data, utilizando dados de localização, você pode enviar ofertas exclusivas ou cupons de desconto para o consumidor no momento em que ele está no shopping, por exemplo.

 

O Big Data pode ser utilizado para uma variedade de propósitos, e uma delas é a otimização e personalização de serviços móveis. Desenvolvedores de aplicativos, por exemplo, podem usar a análise de dados para melhorar seus produtos. Podem comparar seus números de retenção de usuários com todos os outros aplicativos disponíveis no mercado dentro e fora de sua categoria, para entender melhor o comportamento do consumidor e o que pode ser feito para conquistar e reter mais usuários.


As tecnologias móveis são uma realidade e evoluem a cada dia que passa. Não deixe de tirar proveito delas!

 

*Update: Alguns dados interessantes (Via Baynote):

 

63% dos consumidores usam seus smartphones para fazer buscas em sites antes de uma decisão de compra

 

Nos Estados Unidos, 39% das transações de compra online são feitas em dispositivos móveis.

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.