UNIVERSIDADE NACHINGWEA

TRABALHO DE PESQUISA
DISCIPLINA: INFORMÁTICA

TEMA: Big Data

TURMA:

Discente:

Rogério Davaide Novele. J

Willy Tomas Cossa

Docente:

Omar Muando

Maputo, Março, 2025

 UNIVERSIDADE NACHINGWEA

Discente:

Rogério Davaide Novele. J

TEMA: Big Data

Trabalho 1 de pesquisa para ser
apresentado na disciplina de.
Informática

Docente:

Omar Muando
Indice

Índice
.....................................................................................................................................................1
Introdução....................................................................................................................................2
Objetivo........................................................................................................................................3
Definição......................................................................................................................................4
Maneiras de aplicar o Big Data na sua empresa:..........................................................................7
Como trabalhar com Big Data:.....................................................................................................8
Big data no dia a dia.....................................................................................................................9
Processo de análise de Big Data.................................................................................................10
CONCLUSÃO...............................................................................................................................13
REFERÊNCIAS BIBLIOGRÁFICAS..................................................................................................14
Introdução
Big Data refere-se ao grande volume de dados, estruturados ou não, que são gerados em
alta velocidade, de diversas fontes, como redes sociais, dispositivos móveis, sensores e
transações comerciais. Este conceito abrange não apenas o volume de dados, mas
também a variedade e a velocidade com que esses dados são gerados e analisados.

Page | 2
UNA
Objetivo
O objetivo deste trabalho é explorar o conceito de Big Data, sua importância no
contexto atual e como ele pode ser utilizado para melhorar a tomada de decisões e gerar
vantagens competitivas para as empresas e organizações..

Objetivo específico:

 Analisar os principais componentes do Big Data, como volume, variedade,

velocidade e veracidade.
 Investigar como as empresas utilizam Big Data para otimizar processos e tomar
decisões baseadas em dados.
 Examinar os desafios e as oportunidades do uso de Big Data em diferentes
setores, como saúde, finanças e varejo.
 Discutir as implicações éticas e de privacidade relacionadas ao uso de grandes
volumes de dados.

Page | 3
UNA
Definição
Big Data é o termo usado para descrever grandes volumes de dados, que são gerados de
maneira rápida e em grande variedade. Esses dados são tão extensos e complexos que
não podem ser processados com ferramentas tradicionais de bancos de dados. Big Data
envolve o uso de tecnologias avançadas para coletar, armazenar, processar e analisar
esses dados a fim de extrair insights úteis e tomar decisões mais informadas. O termo
também abrange as tecnologias e métodos utilizados para coletar, armazenar, processar
e analisar esses dados.

Funções do Big Data

 Análise preditiva: Usar os dados para prever tendências e comportamentos

futuros, como prever a demanda de um produto ou identificar fraudes
financeiras.
 Aprimoramento de processos: Melhorar processos empresariais, otimizar a
logística e aumentar a eficiência operacional.
 Tomada de decisões informadas: Ajudar empresas a tomar decisões mais
embasadas, com base na análise de grandes volumes de dados.
 Personalização: Melhorar a experiência do usuário, oferecendo produtos,
conteúdos ou anúncios personalizados com base nos dados coletados.
 Detecção de padrões: Identificar comportamentos, tendências ou anomalias em
grandes volumes de dados, como padrões de consumo ou falhas em sistemas.

3. Características do Big Data

1. Volume: Refere-se à enorme quantidade de dados gerados todos os dias, desde

transações até interações em redes sociais.

2. Velocidade: A rapidez com que os dados são gerados e precisam ser processados.
Por exemplo, dados de redes sociais ou de sensores em tempo real.

Page | 4
UNA
3. Variedade: A diversidade dos tipos de dados, incluindo dados estruturados (como
planilhas), semi-estruturados (como e-mails) e não estruturados (como vídeos e
imagens).

4. Veracidade: A qualidade e confiabilidade dos dados. Com o grande volume de

dados, é importante garantir que as informações analisadas sejam precisas e
representativas.

5. Valor: A importância de extrair valor dos dados. O Big Data só é útil se for possível
identificar insights valiosos para a tomada de decisões.

Tipos de Big Data

1. Estruturados: Dados organizados em tabelas ou bancos de dados relacionais (ex.:

planilhas de Excel, dados financeiros).

2. Não estruturados: Dados que não possuem um formato específico ou organizado,

como e-mails, postagens em redes sociais e vídeos.

3. Semi-estruturados: Dados que têm alguma organização, mas não são totalmente
estruturados, como arquivos XML ou JSON.

Exemplos de Big Data

Redes sociais: Dados gerados a partir de interações de usuários em plataformas como

Facebook, Instagram e Twitter.

Transações financeiras: Informações sobre compras, vendas e transferências

bancárias.

Sensores de dispositivos inteligentes: Dados gerados por dispositivos conectados à

Internet das Coisas (IoT), como carros, wearables e eletrodomésticos.

Saúde: Dados de registros médicos eletrônicos, exames, dispositivos de monitoramento

de saúde e pesquisas científicas.

E-commerce: Informações sobre os comportamentos de compra dos usuários, histórico

de navegação e preferências de produtos.

Page | 5
UNA
Tecnologias e Ferramentas de Big Data

Diversas tecnologias são utilizadas para gerenciar e analisar Big Data

Hadoop: Um framework que permite o processamento de grandes conjuntos de dados

em clusters de computadores.

Spark: Uma plataforma de processamento de dados em tempo real que é mais rápida
que o Hadoop em muitos casos.

NoSQL Databases: Bancos de dados que não utilizam o modelo relacional tradicional,
como MongoDB e Cassandra, são projetados para lidar com grandes volumes de dados
não estruturados.

Aplicações de Big Data

Big Data tem uma ampla gama de aplicações em diferentes setores:

Marketing: Análise de comportamento do consumidor para personalização de

campanhas.

Saúde: Análise de dados de pacientes para melhorar diagnósticos e tratamentos.

Finanças: Detecção de fraudes e análise de risco em tempo real.

Ciência: Processamento de grandes volumes de dados experimentais para descobertas

científicas.

Desafios do Big Data

Apesar de suas vantagens, o Big Data também apresenta desafios, como:

Privacidade e Segurança: A coleta e o armazenamento de grandes volumes de dados

levantam preocupações sobre a privacidade dos indivíduos.

Qualidade dos Dados: Garantir que os dados sejam precisos e relevantes é

fundamental para a eficácia da análise.

Page | 6
UNA
Integração de Dados: Combinar dados de diferentes fontes pode ser complicado e
requer soluções robustas.

Futuro do Big Data

Com o avanço da tecnologia, especialmente em áreas como inteligência artificial (IA) e

aprendizado de máquina (ML), a importância do Big Data só tende a crescer. Espera-se
que haja mais automação na coleta e análise de dados, melhorando a tomada de decisões
em tempo real e tornando as empresas mais ágeis.

Maneiras de aplicar o Big Data na sua empresa:

1. Coleta de Dados

Fontes de Dados: Recolher dados de diversas fontes, como redes sociais, transações de
clientes, dados operacionais, dispositivos IoT, entre outros.

Integração: Unificar os dados de diferentes sistemas e fontes para criar uma visão mais
completa.

2. Armazenamento de Dados

Data Lakes: Usar repositórios como Data Lakes para armazenar grandes volumes de
dados não estruturados ou semi-estruturados.

Data Warehouses: Armazenar dados organizados e estruturados para facilitar consultas

rápidas e análises.

3. Análise de Dados

Análise Preditiva: Utilizar algoritmos de aprendizado de máquina para prever

tendências futuras, como comportamento do cliente, demanda de produtos, etc.

Análise de Sentimentos: Analisar dados de redes sociais ou feedback dos clientes para
entender a percepção do público sobre a empresa.

Análise Descritiva: Relatórios e dashboards para entender o que aconteceu, como

vendas passadas, performance de marketing, etc.

4. Inteligência Artificial e Machine Learning

Automação de Processos: Aplicar IA para automatizar tarefas repetitivas ou para

analisar dados em tempo real.

Page | 7
UNA
Personalização: Usar IA para personalizar recomendações de produtos ou serviços para
os clientes, melhorando a experiência do usuário.

Como trabalhar com Big Data:

1. Conhecimentos e Habilidades Técnicas

Análise de Dados: Conhecimento sobre como interpretar e analisar grandes volumes de
dados para gerar insights.

Estatística e Matemática: As habilidades estatísticas são essenciais para entender os

dados, realizar testes de hipóteses e modelagem preditiva.

Programação:

Linguagens como Python, R, SQL e Scala são essenciais para processar e analisar
dados.

Java e C++ também são úteis, especialmente quando se trabalha com grandes volumes
de dados em tempo real ou sistemas distribuídos.

3. Infraestrutura e Ambiente de Trabalho

Computação em Nuvem: Plataformas como AWS, Google Cloud ou Azure são

fundamentais para lidar com grandes volumes de dados, oferecendo serviços escaláveis
e de armazenamento.

Cluster de Computação: Para processar dados em larga escala, é necessário trabalhar

com clusters de máquinas (como os oferecidos pelo Hadoop e Spark).

Containers e Orquestração: Ferramentas como Docker e Kubernetes são usadas para

facilitar o deploy e escalabilidade das aplicações de Big Data.

Page | 8
UNA
Big data no dia a dia
O Big Data está na mente de todos há algum tempo. Oferecemos suporte total à análise
de Big Data e fornecemos soluções modernas para armazenar grandes quantidades de
dados estruturados e não estruturados em grande escala. Nossa solução se integra
perfeitamente em um ambiente heterogêneo com muitas tecnologias diferentes de
maneira escalável e confiável. Integrando várias fontes de dados para criar valor
adicional.

A integração é a chave para o sucesso e somos o parceiro certo para tirar o melhor
proveito de seus dados.

Page | 9
UNA
Processo de análise de Big Data
A maneira como nossos cientistas de dados lidam com a análise de Big Data é a
seguinte:

1. COLETAR DADOS: Descubra onde os dados são armazenados em sua

empresa e que tipo de dados são.

2. LIMPE E INTEGRE: No estágio de Engenharia de Dados, precisamos

preparar todos os dados encontrados do estágio um para análise posterior. As
etapas um e dois levam cerca de 80% do tempo e esforço, pois isso precisa ser
feito com muita precisão e fidelidade. Até esta fase, a maior parte do trabalho já
está concluída.

3. MODELAGEM E ANÁLISE: Agora a verdadeira matemática pode ser feita.

Algoritmos precisam ser desenvolvidos e modelos podem ser construídos com
base em dados estruturados.

4. DESENVOLVIMENTO DE NEGÓCIOS: Com base nos insights obtidos com

a análise de big data, sua empresa melhorará muito rapidamente.

Análise de Big Data

O primeiro passo para o sucesso é estabelecer uma plataforma eficiente para análise de
Big Data. No passado, muitas empresas decidiram usar o Hadoop, que é uma plataforma
para lidar com dados não estruturados. No entanto, o PostgreSQL oferece tipos de dados
especiais, como JSON e muito mais para lidar com dados não estruturados. Analisar

Page | 10
UNA
grandes quantidades de dados em SQL é, em muitos casos, mais fácil e muito mais
rápido do que com tecnologias concorrentes.

O PostgreSQL oferece SQL moderno para extrair informações valiosas de dados

estruturados e não estruturados. Nossos serviços incluem:

 Aprendizado de máquina

 Mineração de dados

 Serviços de previsão

 Detecção de anomalias

Ciência de dados: dando significado aos dados

Os dados são o ouro do futuro e nada comprova mais esse fato do que o
desenvolvimento das avaliações das empresas ao longo do tempo:

Page | 11
UNA
Embora as empresas petrolíferas já tenham sido os jogadores dominantes na liga das
empresas valiosas, o quadro mudou completamente. Hoje em dia, as empresas que
processam dados estão na liderança.

O que isso significa para o seu negócio? Isso significa que a importância dos dados não
pode ser exagerada. Nossa tecnologia pode ajudá-lo a expandir seus negócios.

Suas vantagens:

 Colete informações da maneira mais eficiente possível

 Armazene dados com segurança

 Melhore a segurança e proteja os ativos

 Aproveite ao máximo seus dados

 Desenvolver novos modelos de negócios

 Maximize a receita

Nossa equipe de ciência de dados garantirá que cada bit de dados seja transformado em
um ativo produtivo, fazendo com que sua empresa prospere. Integre suas fontes de
dados, faça pleno uso da tecnologia de Big Data e use tecnologias que façam sentido
para seu caso de uso específico – não importa se é negociação Forex, direção autônoma
ou análise preditiva para ensaios clínicos.

Page | 12
UNA
CONCLUSÃO
Big Data é uma área crucial que permite a empresas e governos tomar decisões mais
informadas, desenvolver novos produtos e serviços, e até melhorar a eficiência
operacional. Seu impacto está sendo cada vez mais sentido em todos os setores da
sociedade, e a habilidade de lidar com Big Data tornou-se um diferencial competitivo
importante no mundo moderno.

Page | 13
UNA
REFERÊNCIAS BIBLIOGRÁFICAS
Mayer-Schönberger, Viktor, & Cukier, Kenneth. (2013). Big Data: A Revolution That
Will Transform How We Live, Work, and Think.
Leskovec, Jure, Rajaraman, Anand, & Ullman, Jeffrey D. (2014). Mining of Massive
Datasets. Cambridge University Press.

White, Tom. (2015). Hadoop: The Definitive Guide. O'Reilly Media.

Page | 14
UNA