Webinar Big Data e Inteligencia Geografica PDF

Big Data e
Inteligência
Geográfica:
Mitos e Verdades
Eduardo de Rezende Francisco
Professor – FGV e ESPM
Sócio-Fundador – GisBI
Chief Knowledge Officer – Meia Bandeirada
erfrancisco@gmail.com
Webinar MundoGEO: Big Data e Inteligência Geográfica: Mitos e Verdades

08/Dez/2014
Homenagem
• Engenheiro Civil pela Universidade

Federal da Bahia (1971)
• Mestrado em Informática na PUC-Rio
(1976)
• Doutorado em Ciência da
Computação pela Universidade de
Toronto, Canadá (1981)
• Fundador e Presidente da GITA Brasil
• Professor da UNICAMP
• Trabalhou muitos anos na Fundação
CPqD, desenvolvendo trabalhos em
âmbito de grandes volumes de dados
de telecomunicações
Geovane Cayres Magalhães
Antecedentes Facilitadores
Apresentação
Professor do NDE do Curso de Sistemas de Informação em

Comunicação e Gestão da ESPM e do Departamento de Informática
e Métodos Quantitativos da FGV-EAESP. Ministra disciplinas ligadas
a Geoinformação, Business Analytics, Big Data e Estatística Espacial.
Bacharel em Ciência da Computação pelo IME-USP e Mestre e
Doutor em Administração de Empresas pela FGV-EAESP. É
pesquisador visitante do Spatial Information Research Centre da
University of Otago, na Nova Zelândia.
É CKO (Chief Knowledge Officer) da startup Meia Bandeirada e
sócio-fundador do GisBI, grupo de estudos e fomento das
Geotecnologias e Business Intelligence.
Atua no mercado de GIS, Geomarketing e Business
Intelligence desde 1994. Foi gerente de tecnologia do
projeto GIS e de Planejamento de Mercado e responsável
pelo desenvolvimento de Estratégias de Marketing e
Planejamento de Pesquisas de Mercado na AES
Eletropaulo durante 13 anos. Participa como palestrante
em diversos eventos de Geomarketing, BI, GIS e Utilities.
É colunista da revista InfoGEO, e consultor em Estatística
Espacial e Modelos Preditivos para Crédito e Real Estate.
Big Data e Inteligência Geográfica
Disciplinas em diferentes Cursos

(Graduação, Especialização, Mestrado)
 Inteligência Analítica
 Ferramentas Quantitativas para
Geomarketing e Geoinformação
 Inteligência Geográfica para Gestão
Territorial
 Business Analytics para Tomada de
Decisão
Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

08/Dez/2014 erfrancisco@gmail.com
Big Data e Inteligência Geográfica
Trilhas de Big Data e Digital Business

Intelligence em dois grandes Cursos
 Mestrado Profissional em
Comportamento do Consumidor
 Graduação em
Sistemas de Informação em
Comunicação e Gestão

Sistemas de Informação
em Comunicação e Gestão
Graduação – Bacharelado – 4 anos
Envolvente
Carga horária 24% acima da exigida pelo MEC
Curso Integral nos 2 primeiros anos
75% do curso com aulas práticas em
laboratórios
Flexível
Disciplinas eletivas em 3 trilhas:
 Gestão de Games
 Desenvolvimento de APPs web e mobile
 Digital Business Intelligence
Adaptável
Aulas se iniciam às 09h20
Inovador
Ambiente de aulas diferenciado
Laboratórios padrão Scale-up
Profissional
Mentoring com profissionais do mercado desde
o 2º semestre
Preparação para Certificações Técnicas
Parcerias com grandes empresas de tecnologia
(IBM, PlayStation, HP, OLX, Ydigital Media)
BIG DATA
BIG DATA is like

TEENAGE SEX
 Everyone talks about it,
 Nobody really knows how to do it,
 Everyone thinks everyone else is doing it,
 So everyone claims they are doing it.
Dan Ariely
BIG DATA
Uma “jogada” de marketing?
“ • Big Data é apenas mais uma “jogada” de marketing .

• Propagado pelas empresas de tecnologia e de consultoria de
sistemas como a Gartner, o termo Big Data permanece mal
definido.
• Isso é intencional e lhes possibilita divulgar o que elas desejam pois
seus mercados não sabem exatamente o que significa Big Data...
• De um modo geral, as empresas de tecnologia usam o termo Big
Data para se referir a grandes volumes de dados advindos de
novas fontes.
• Esse fato, entretanto, não é novidade. Desde o advento dos
computadores, a cada ano mais dados são acumulados e novas
fontes surgem...
”
Fonte: Stephen Few – Visual Business Intelligence, em 31/Out/2013

BIG DATA – “Definição”
“Big Data” são dados cuja escala, distribuição, diversidade

e/ou velocidade de criação requer o uso de novas tecnologias de armazenamento e análise
para permitir a captura do valor inserido nos mesmos (EMC, 2013)
1. Volume de dados
Bilhões de linhas x bilhões de colunas
Aumento de 44x de 2009 a 2020 (0,9ZB a 35ZB)
2. Complexidade de Processamento
Estruturas de dados em constante mudança
Necessidade de analisar tais dados em tempo real
3. Estruturas de dados
Grande variedade (80-90% não estruturada) a ser analisada
Estas características tornam necessário o uso de sistemas de computação paralela e paralela massiva
(MPP, massively parallel processing)
4. Exemplos
Sistemas: Netflix, Amazon, Waze, controle estrutural, análise de streamings
Tipos de dados: financeiros, texto, multimedia, mapeamentos genéticos, dados geográficos, etc.

08/Dez/2014 erfrancisco@gmail.com 11
Os 5 Vs
Velocidade
BIG DATA:
Expansão em ritmo crescente
em três frentes
(os 3 primeiros Vs)
Volume
MB GB TB PB
audio
Veracidade
+
Valor
Variedade
Características do Big Data: Estruturas de Dados
O Crescimento dos Dados Não Estruturados
• Dados de um tipo, formato ou estrutura definidos

Estruturados • Exemplo: Dados transacionais e OLAP
Aumento da Estruturação
• Dados de texto com uma padronização

Semi- evidente permitindo a separação
Estruturados • Exemplo: Arquivos XML que sejam auto

descritivos e definidos por um esquema XML
• Dados de texto com formatos variáveis,

80 a 90%
dos dados
“Quase” os quais podem ser formatados através
de força bruta, ferramental e tempo
Estruturados • Exemplo: Dados de clickstream da web
que possam conter inconsistências de
valores e formatos
• Dados sem estrutura definida e
que são armazenados em
diferentes formatos de arquivo.
Não Estruturados
• Exemplo: Documentos de
texto, PDFs, imagens e vídeo
Fonte: EMC. Big Data & Business Analytics. 2013 13

Características do Big Data: Estruturas de Dados
O Crescimento dos Dados Não Estruturados
Os dados podem estar misturados
DBs relacionais podem armazenar logs de

Estruturados chamada de um call center, com horários de
chamada, máquina, configs e problema
Aumento da Estruturação
escolhidos em menus de múltipla escolha.
Semi- Além destes existirão dados não ou

Estruturados semi estruturados oriundos de
formulários, soluções e até gravações
de atendimento.
“Quase” As informações mais relevantes

Estruturados estarão escondidas nesta faixa de
dados
Só recentemente foram
desenvolvidas técnicas
Não Estruturados para análise de dados
nesta faixa

Repositórios de Dados – A Perspectiva do Analista
Ilhas de Dados Data Warehouses Analytic Sandbox

“Spreadmarts”
Centralização de dados em Dados são coletados de múltiplas
Data marts isolados um local especialmente fontes através de múltiplas
preparado para tal. tecnologias para análise.
• Planilhas e DBs de baixo • Suporta BI mas restringe • Permite análises de alta perform.
volume para controle local. análises não padronizadas. utilizando processamento in-DB
• Extrações de dados são • Dependente de TI & DBAs para • Reduz os custos associados com a
dependentes dos analistas. acesso aos dados e mudanças replicação nos dados em sistemas
de estrutura. “sombra”
• Os analistas gastam muito • “Propriedade dos Analistas” ao
tempo extraindo os dados de invés de “Propriedade dos DBAs”
múltiplas fontes.

Ambientação e Ferramentas
Laboratório
RStudio
16
Job offers in data science
17
Job offers in data science
18
Profiles of the most popular data
scientists on LinkedIn
Skill Percent
Data Mining 24,3%
Machine Learning 14,5%
Analytics 13,6%
Big Data 10,5%
Predictive Analytics 6,5%
Data Analysis 5,8%
Predictive Modeling 4,7%
Hadoop 2,8%
Text Mining 2,8%
Statistics 2,6%
Natural Language Processing 2,3%
Start-Ups 2,0%
Algorithms 1,6%
Distributed Systems 1,3%
Map Reduce 1,1%
Data Warehousing 1,0%
Business Intelligence 0,8%
SQL 0,6%
R 0,6%
Scalability 0,5%
Fonte: Granville, 2013 19

Fonte:
http://cdn.visualnews.com/wp-
Total Estimado: Crescimento da Internet: content/uploads/2012/06/DOMO-Data-in-One-Minute-
600x953.jpg
2,1 bilhão de pessoas 2010 para 2011:  6,59%

Constatações ...
 Produtos e soluções resultantes dos desenvolvimentos

tecnológicos incorporam-se na vida das pessoas
 Na vida profissional, no entanto, paradigmas
mais tradicionais de decisão ainda persistem
 O mercado é carente de soluções ágeis, baseadas em informações,
que possibilitem a gestão de riscos e a melhoria de desempenho dos negócios
e instituições
 Dado  Informação  Conhecimento , mas na prática:
 Mais de 90% dos executivos acreditam que conhecimento pode
ser melhor aproveitado
 Apenas 1% dos dados corporativos é usado efetivamente para
análise nas grandes corporações
 Cerca de 90% das estratégias corporativas fracassam
 Gaps: Visão estratégica integrada, mapeamento de conhecimento, compreensão de valor,
cultura de planejamento
 Não há como se planejar o futuro com ferramentas do passado

... e Oportunidades
 Inteligência Geográfica pode ser uma Alternativa
Aproximadamente 70 a 80% das informações relevantes nos

processos decisórios têm caracterização espacial (Gartner Group, 2004)
 A geografia é o que possibilita a integração de dados, informações, processos,

inclusive “Big Data”
 Essa integração induz uma visão sistêmica (integrada, ampla, abrangente, holística)
da maioria das questões necessárias às tomadas de decisão
Geomarketing e GIS: Suporte à Operação

 Descrição, Expansão, Segmentação e Otimização do Território de Atuação
Estatística Espacial: Geoinformação em Modelos Preditivos

 Incorporação da Influência Geográfica nos Modelos de Predição
de Renda e de Risco de Crédito
 Aprimoramento do poder de explicação dos Modelos Preditivos

Impacto Econômico
dos Serviços
Geográficos
Inteligência de Negócios
Eduardo de Rezende Francisco – José Luiz Kugler
terra
Início é um recurso finito
adensamento urbano 24
movimenta o
mercado e suas dinâmicas
25
o Início
interesse e o valor atribuído são
impactados por diversos elementos…
acessibilidade
26
transporte público tráfego
opções restrições
27
eventos impactantes
28
feiras
Início livres
29
Início
deficiências da infraestrutura
30
Metrô
acesso a escolas, lazer
31
iluminação estacionamento poluição
pública
telecomunicações
energia
comércio
e serviços
segurança
água
esgoto
32
como levar em conta
todos esses aspectos?
O que é comum a todos
eles?
como enfrentar os riscos
e melhorar o
desempenho? 33
Inteligência geográfica
Políticos Legais Jurídicos
Impactos potenciais advindos de uso e ocupação do solo titularidades e direitos
programas de governo legislações complementares contenciosos reais e potenciais
Ambientais Sociais Climático e Meteorológicos

legislação e impactos sobre e pelo legislação e impactos sobre e pelo condições climáticas
meio ambiente ecossistema social riscos naturais
Mercadológicos Físicos Técnico -Tecnológicos

demanda e concorrência
condições físicas, topográficas e condições e limitações de
real e potencial
geológicas locais e do entorno tecnologias, métodos e processos
ococrrências impactantes
Logísticos Cronológicos Operacionais

Condições e limitações de recursos
condições e limitações condições e limitações de recursos e
materiais e humanos,
de tempos e prazos capacitações locais para a operação
acessos e movimentações
Econômicos Estratégicos Financeiros e Tributários

condições de investimento,
conjunturas locais, regionais e condições e limitações relativas aos
financiamento, custeios, tributos,
globais empreendedores
riscos e retornos
O “Início”
Londres, 1854,
Grave Epidemia de
Cólera
Dr. John Snow mapeia a

localização dos doentes e
dos poços (principal fonte
de água dos habitantes)

Powered by
CASE: Gestão da Carteira de Clientes

 11 Vendedores (Agentes) na Cidade de São Paulo
 A partir da Informação de Endereço
Address matching
 11 Agentes geocodificados
 1 por distrito
 1.100 Propostas (clientes)

 A partir do CEP
Geographic matching
 Cada proposta é ligada

a um Agente
 Gráfico Spider
Muitos clientes
associados a agentes
Processo Geográfico
de Alocação
mais
associa distantes
cada proposta ao
(muitas
Agente maislinhas
próximoque
se cruzam no
 Propósito: OTIMIZAÇÃO
diagrama spider)
Powered by

 Área de Serviço
 Círculos com raio fixo centrado nos Agentes
(Buffer)
 p.e., 1000 m
 500 a 3500 m
 Service Area baseada na

Malha de Ruas
 1000 m
 500 a 3500 m
Baseado na Natureza
do Trajeto
(a pé, de carro, etc) e
na Malha de Ruas
(trechos de
logradouros,
conversões, paradas)
Powered by

(Buffer)
 p.e., 1000 m
 500 a 3500 m

Malha de Ruas
 1000 m
 500 a 3500 m
 Área de Cobertura
 Polígonos de Thiessen
e Voronoi
 Associa cada ponto do
espaço geográfico ao
Agente mais próximo
 Densidade de
Propostas
Powered by

(Buffer)
 p.e., 1000 m
 500 a 3500 m

Malha de Ruas
 1000 m
 500 a 3500 m
 Área de Cobertura
 Polígonos de Thiessen
e Voronoi
 Associa cada ponto do
espaço geográfico ao
Agente mais próximo
 Densidade de
Propostas
Evolução
GPS
Apps
geográficos
smart
phones
SIME LBSs
2000 2004 2007 2010 2013...

80’s 90’s
60’s 70’s
50’s

Evolução
Mudança de Paradigma 1
• Aplicações Monolíticas se dividiram em Servidores de Dados
Geográficos e Aplicações Geográficas (Fornecedores de
Serviços Geográficos)
• Aplicações Temporais – “Time-based GIS”
• Interoperabilidade, Disponibilidade
– Consórcio OpenGIS – Padronização
– APIs abertas (J2EE, .NET, XML, ASP, CORBA, ...)
• Diferencial Competitivo
– Serviços de Análise e Visualização Espacial
como WebServices - “GeoServices”
• Cultura do GIT – Geographic Information Technology
– GIS Corporativo x GIS Departamental
• Popularização da Tecnologia: Dados e Serviços Livres
• Disponibilidade de Dados Geográficos em plataforma
Web-based (Google Earth, Microsoft Virtual Earth, ESRI ArcGIS Explorer)
• Serviços de localização, Geocodificação e Roteamento
disponíveis, inclusive em dispositivos móveis

Evolução
• Cloud GIS consolidado, para dados públicos e privados
• Avalanche de Apps com natureza geográfica
• Proliferação de Dispositivos e Sensores georreferenciados
• Valor no Uso da Informação Geográfica, e não na Posse
• Bases Sistemáticas como commodities
• Necessidade de Integração entre GIS e BI
• Pré-processamento ou on-the-fly ?
• Geo Big Data
2 Desafios
Técnico-
Informacional
Cultural

Desafio Técnico - Informacional
Volume de Dados ainda é um problema

para as plataformas GIS pré-existentes
• Imagens de Satélite, Fotos Aéreas, Drones

• Dados geolocalizados de diversas naturezas:
• Dados de Governos (municipal, estadual, federal)
• Dados Sócio-Econômico-Demográficos (IBGE, SEADE,
IPEA – Census Data) – Brasil e outros países
• Dados Abertos (http://dados.gov.br)
• Open StreetMaps
• MAP-D
• Dados cadastrais das empresas
• Transações do ERP ou CRM das empresas
• Dados de Sensores (clima, trânsito, movimento)
• Mobile locations
Fonte:
SACRAMENTO, 2013; FRANCISCO, 2013

Desafio Técnico - Informacional
Modelagem Informacional requer adaptações
• Cuidado com os Spatial Data Warehouses que estão por aí!!!

• Modelos: Multi-Dimensional X Objeto-Relacional
• Utilização de Chaves (Pointers) para Objetos Espaciais em estruturas de
cubos multi-dimensionais
• Visualização em mapa de Elementos agregados ou detalhados (drill-down,
drill-up) extraídos de DWs de ERPs, CRMs, etc
• Interface ≠ Integração
• Estruturas geográficas menos complexas já em ambiente de alta disponibilidade
(Hadoop, etc)
ID de Objeto
ID de Célula
GISG I+S (Data

DW Server) GIS + BI Data Warehouse

Algumas Soluções Interessantes
O padrão do trânsito – Marginal Pinheiros
Fonte: MapLink, 2013 – Webinar Aplicações de Big Data para Análises do Trânsito

O padrão do trânsito – Origem e Destino
Fonte: MapLink, 2013 – Webinar Aplicações de Big Data para Análises do Trânsito

Map-D – TweetMap (www.map-d.com)

Estatística Espacial e Geoestatística
Descreve e modela distribuições espaciais, padrões espaciais,
Incorpora o espaço (área, comprimento, proximidade, orientação

e/ou relacionamentos espaciais) diretamente em seus modelos
estatísticos
Central Feature
De muitas formas,
a Estatística Espacial estende
o que nossos olhos e mentes Mean Center
fazem intituivamente
para avaliar padrões,
tendências e
relações espaciais.

Algumas Questões da Estatística Espacial
 Das observações de minha amostra, qual ocupa

a posição central no espaço? Existe alguma
tendência geográfica?
Central Feature
Mean Center
Algumas Questões da Estatística Espacial
 Existe alguma influência geográfica no

comportamento das minhas variáveis? Existe
alguma associação (correlação) com o espaço
geográfico?
High Poverty
High Poverty
Surrounded by
Low poverty
Low poverty
Surrounded
Low Poverty by High
Poverty
Uso Potencial
• Epidemiologia
• Como modelar a propagação de uma doença contagiosa?
• Criminologia
• Como identificar locais de alta incidência?
• Setor Imobiliário
• Como prever os preços dos imóveis?
• Banking
• Como prever renda e propensão a default com fatores locais?
• Aprendizagem Organizacional e Difusão em Rede

• Como modelar a adoção de uma inovação?
• Marketing/Comportamento do Consumidor
• Como a comunicação boca-a-boca se dissemina?

Microcredit Score e Indicadores

Sócio-Econômicos baseados em Energia Elétrica

• Development of an Indicator of Propensity to Energy

Commercial Losses using Geospatial Statistical Techniques
and Socio-Economic Data: the Case of AES Eletropaulo
FRANCISCO, E., FAGUNDES, E., PONCHIO, M., ZAMBALDI, F. - EnANPAD 2009
• Uso de técnicas geoespaciais para a concepção e operacionalização de

um indicador de propensão a fraude, e análise (através de GWR) da
associação entre esse indicador e a satisfação dos clientes

Análise Geográfica + Análise de Redes
EAESP-FGV
USP
UFRGS
Rede de Afiliação do Acervo da RAE-eletrônica – Construção da Triangulated Irregular Network

Papers interessantes
 Geographic Patterns in Customer Service and
Satisfaction: An Empirical Investigation
 MITTAL, V. KAMAKURA, W. & GOVIND, R.
 Journal of Marketing, 2004
 Uso do GWR para explorar aspectos locais da

satisfação de clientes com os serviços de
concessionárias de veículos nos EUA
55
 Lealdade do Consumidor e Programas de Fidelidade:
uma análise topográfica do campo de conhecimento à luz da
bibliometria, estatística espacial e redes sociais
 ROCHA, V. M., PONCHIO, M., FRANCISCO, E.
 EnANPAD 2013
 Uso de técnicas integradas de Bibliometria, Análise de

Redes e Análise Geográfica para mapear o campo de
conhecimento de Lealdade do Consumidor e Programas
de Fidelidade.
56
 RAE-eletrônica: Exploração do Acervo à Luz da Bibliometria,
Geoanálise e Redes Sociais
 FRANCISCO, E.
 RAE – Revista de Administração de Empresas da FGV-EAESP,
vol. 51, nº 3 – mai-jun 2011
 Uso de técnicas integradas de Bibliometria, Análise de

Redes e Análise Geográfica para explorar o acervo
completo da RAE-eletrônica, composto de 240 artigos
em 18 edições (2002 a 2010).
57
Outras
- SpaceCurve
- ESRI Hadoop framework
- Location Tech: GeoMesa
- goGeo
- ...

Mapeando as “Intenções Geográficas”
1ª Lei da Geografia (1970):

Tudo está relacionado com tudo, mas as coisas
mais próximas estão mais relacionadas entre si
do que as coisas mais distantes
Waldo Tobler, professor emérito do

Depto. Geografia da Universidade da Califórnia

Mobile Geomarketing
Mobile Geomarketing
* Supondo trajeto ótimo entre Origem e Destino

Distribuição Origens Corridas (R$)
Distribuição Destinos Corridas (R$)
Mobile Geomarketing
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
\
Mobile Geomarketing
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
\
Desafio Cultural nas Organizações
Modelos Mentais
INFORMAÇÕES DECISÃO

OS DESAFIOS DOS ADMINISTRATORES E EXECUTIVOS

no acompanhamento dos dados de mercado e nos
processos de decisão
Business Intelligence
O BI que os software oferecem:
 Dados operacionais
 Simulações
 Cruzamentos
 Processamentos
complexos
 Decisões sem
sensibilidade

Modelos Mentais
Cultura Geográfica é um gap para os Modelos Mentais
Paradigma Empresarial tradicional:

Qual a melhor solução de BI/Big Data para minha empresa?
Perspectiva
Limitadora. GIS não
estende modelo
mental empresarial,
apenas aprimora
leque de ferramentas
analíticas
Fonte: Adaptado de KUGLER, 2013

Novo Paradigma:
Quais são as questões de negócios que preciso responder
através das ferramentas de BI/Big Data?
Dimensão geográfica
aplicada em todos os
níveis, inclusive como
parte da
compreensão do
negócio
Fonte: Adaptado de KUGLER, 2013

OS DESAFIOS DOS ADMINISTRATORES E EXECUTIVOS

no acompanhamento dos dados de mercado e nos
processos de decisão
Geospatial Business Intelligence / Geo Big Data
 Dados, Simulações e Cruzamentos

 Referências externas e parametrizações
 Dados estruturados e não estruturados
 Visão multidisciplinar
 Seleção de dados e informações relevantes
 Análise, monitoramento, previsão
 Decisões com visão holística

Why Leaders Should Learn

Geography
Anne-Laure Freant

Bons Sinais

Bons Sinais
Época Negócios, Outubro 2013

Bons Projetos!!

Área de Concessão da AES Eletropaulo
Plataforma Analítica em Geo-Inteligência Sistêmica - Plano para “Bases do Futuro” conveniada à

78
Fase Prova de Conceito – Dec-14
Perspectivas: Quantidade de Deslocamentos (AES)
Deslocamentos motivados por

Ocorrências de Emergência apenas,
segundo amostra de dados utilizada
no projeto. Dados agrupados por
quadrículas de 1 km2

79
Perspectivas: TML da quadrícula (AES)
TML calculados para os

deslocamentos motivados por
Ocorrências de Emergência apenas,
segundo amostra de dados utilizada
no projeto. Dados agrupados por
quadrículas de 1 km2

80
Perspectivas: Velocidade Deslocamento (GisBI/Here)
Contribuição de cada quadrícula de 1

km2 para o trânsito nos diversos
deslocamentos pela área de
concessão. Dados de trânsito típico
apurados segundo tipologias de
trânsito da Here.

81
Bons Projetos!!

Resumo da Ópera
Conceitos e plataformas
Dados & Informações Monitoramento e controle
Contextualização
espaço-temporal
Coletores, Sensores,
Internet of Things
Armazenamento
Dashboards
BIG
DATA Sistemas de
Monitoramento Interpretação, análise e
técnicas preditivas, geoestatística
Informações para
apoio à decisão
Colaboração Visualização e compreensão

Obrigado!!!
Eduardo de Rezende Francisco

Professor – FGV e ESPM
Sócio-Fundador – GisBI
Chief Knowledge Officer – Meia Bandeirada
erfrancisco@gmail.com
Webinar MundoGEO: Big Data e Inteligência Geográfica: Mitos e Verdades

08/Dez/2014

Webinar Big Data e Inteligencia Geografica PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Webinar Big Data e Inteligencia Geografica PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Big Data e

Webinar MundoGEO: Big Data e Inteligência Geográfica: Mitos e Verdades

• Engenheiro Civil pela Universidade

Professor do NDE do Curso de Sistemas de Informação em

Disciplinas em diferentes Cursos

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

Trilhas de Big Data e Digital Business

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

BIG DATA is like

Uma “jogada” de marketing?

“ • Big Data é apenas mais uma “jogada” de marketing .

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

“Big Data” são dados cuja escala, distribuição, diversidade

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

• Dados de um tipo, formato ou estrutura definidos

• Dados de texto com uma padronização

Estruturados • Exemplo: Arquivos XML que sejam auto

• Dados de texto com formatos variáveis,

Fonte: EMC. Big Data & Business Analytics. 2013 13

Os dados podem estar misturados

DBs relacionais podem armazenar logs de

escolhidos em menus de múltipla escolha.

Semi- Além destes existirão dados não ou

“Quase” As informações mais relevantes

Fonte: EMC. Big Data & Business Analytics. 2013 14

Ilhas de Dados Data Warehouses Analytic Sandbox

Fonte: EMC. Big Data & Business Analytics. 2013 15

Fonte: Granville, 2013 19

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

 Produtos e soluções resultantes dos desenvolvimentos

 Não há como se planejar o futuro com ferramentas do passado

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

 Inteligência Geográfica pode ser uma Alternativa

Aproximadamente 70 a 80% das informações relevantes nos

 A geografia é o que possibilita a integração de dados, informações, processos,

Geomarketing e GIS: Suporte à Operação

Estatística Espacial: Geoinformação em Modelos Preditivos

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

acesso a escolas, lazer

Ambientais Sociais Climático e Meteorológicos

Mercadológicos Físicos Técnico -Tecnológicos

Logísticos Cronológicos Operacionais

Econômicos Estratégicos Financeiros e Tributários

Dr. John Snow mapeia a

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

CASE: Gestão da Carteira de Clientes

 1.100 Propostas (clientes)

 Cada proposta é ligada

CASE: Gestão da Carteira de Clientes

 Service Area baseada na

CASE: Gestão da Carteira de Clientes

 Service Area baseada na

CASE: Gestão da Carteira de Clientes

 Service Area baseada na

2000 2004 2007 2010 2013...

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

Volume de Dados ainda é um problema

• Imagens de Satélite, Fotos Aéreas, Drones

Webinar Big Data e Inteligência Geográfica Eduardo de Rezende Francisco

Modelagem Informacional requer adaptações

• Cuidado com os Spatial Data Warehouses que estão por aí!!!