Big Data

Big Data

1. Descreve um grande volume de velocidade, complexidade e dados variáveis que necessita de técnicas e tecnologias avançadas para analise da informação.

   • Dados Semi-estruturados
     • Não segue um padrão rigoroso. XML, uma linguagem textual para troca na web, é um exemplo tipico de dados semi-estruturados.
   • Dados não estruturados
     • Dados sem organização estrutural exigida na analise da maquina. Exemplo: textos, vídeos, áudios e imagens.
   • Dados estruturados
     • Dados encontrados em planilhas ou banco de dados relacional.
   • Velocidade
     • O sistema tradicional de gestão de dados não tem capacidade para lidar com o enorme feed de dados, então habilitam empresas para criar inteligências que analisam o alto volume de dados
   • Complexidade
     • Big data é gerada através de uma infinidade de fontes e é preciso conectar, combinar e limpar dados que são recebidos de diversas fontes diferentes.

2. Big data analytics

   • Big data analytics pode ser entendida como um sub-processo no processo geral de extração de insights da big data.
     • Text Analytics
       • Tecnicas que extraem informação de um dado textual. Exemplo: emails, blogs, fóruns, notícias e etc.
     • Audio Analytics
       • Extrai informação de dados não estruturados. Quando aplicado a linguagem falada humana, a analise de áudio também se refere como analise da fala.
     • Video Analytics
       • Técnicas para monitorar, analisar e extrair informações significativas de plataformas de vídeos.
     • Social Midia Analytics
       • Analise estruturada e não estruturada de dados dos canais de midia social.