Bigdata está se tornando cada vez mais um desafio para as grandes corporações. O termo "Grandes Dados" é uma metáfora para uma montanha de dados sem valor, na qual o conhecimento deve ser procurado. Bigdata mining descreve métodos estatísticos usados para pesquisar tendências, conexões cruzadas e novos dados. Dados é pesquisada em dados em massa. Não é possível o processamento manual de tais enormes conjuntos de dados, razão pela qual têm de ser utilizados métodos assistidos por computador. Estes métodos também podem ser usados para quantidades menores de dados. A mineração de dados geralmente se refere apenas à etapa de análise dentro do processo.
Mineração de Dados e Grandes Dados
Com a mineração de dados, quantidades consideráveis de dados podem ser examinadas por programas assistidos por computador. O termo data mining é um pouco enganador, uma vez que não se trata de gerar dados, mas de extrair conhecimento dos dados. O termo tornou-se popular principalmente porque é curto e preciso. Em geral, a mineração de dados pode ser descrita como um processo no qual o conhecimento é extraído que antes era desconhecido e é considerado potencialmente útil. Bigdata é usado para descrever quantidades de dados que são demasiado complexos ou grandes ou simplesmente mudam muito rapidamente. A entrada ou processamento manual com métodos clássicos é, portanto, impossível. Os grandes dados recolhidos para serem utilizados na extracção de dados podem provir de todas as fontes possíveis. Estes vão desde a comunicação electrónica das empresas e autoridades até aos registos dos sistemas de monitorização. O desejo de analisar os grandes dados para utilizar os conhecimentos adquiridos entra muitas vezes em conflito com os direitos pessoais de outras pessoas, e é por isso que é aconselhável proteger-se antecipadamente.
Data Mining e Grandes Dados: Métodos Convencionais
A extracção de dados de Grandes Dados envolve a análise de selecções e recolhas de dados. Os conjuntos de dados incompletos são removidos e importantes fontes ou valores comparativos são adicionados. Os dados são então pesquisados por padrões de comportamento específicos e os resultados obtidos são apresentados. Estes são examinados e avaliados por especialistas para que se possa decidir se o objectivo pretendido pode ser alcançado. O conhecimento adquirido é alimentado em investigações renovadas ou usado como parâmetro de comparação para que os resultados da próxima pesquisa sejam ainda mais precisos. Enquanto a mineração de dados em Bigdata era usada principalmente em TI em tempos anteriores, mais e mais empresas estão se interessando pelos métodos usados e pelo considerável potencial de Bigdata. No sector financeiro, a extracção de dados é utilizada para a detecção de fraudes e verificação de facturas. Na pontuação de crédito, Bigdata é usado para calcular quão alta é a probabilidade de inadimplência. Em Marketing O Data Mining é utilizado para calcular o comportamento de compra dos clientes e em que medidas de publicidade os clientes potenciais estão interessados. Nas lojas online, os carrinhos de compras são analisados e depois os preços e a colocação dos produtos são alterados. Além disso, grupos-alvo para campanhas publicitárias podem ser pesquisados e o perfil dos clientes pode ser examinado. Na Internet, a Bigdata Mining é utilizada para detectar ataques, recomendar serviços e analisar redes sociais. Outras áreas de aplicação são, por exemplo, a medicina, a bibliometria e a enfermagem.
Coisas a saber sobre Bigdata e Data Mining
Bigdata ou data mining pode ser considerada uma disciplina que é neutra a nível científico. Na mineração de dados, os dados de todas as fontes concebíveis podem ser analisados. No entanto, assim que os dados se referem a uma pessoa, podem surgir rapidamente conflitos morais e legais. Na sua maioria não se referem à análise dos dados, mas apenas ao processo de extracção. Dados que não tenham sido suficientemente anonimizados podem, em determinadas circunstâncias, ser atribuídos a indivíduos específicos. Ao realizar a prospecção de dados de Bigdata, portanto, deve-se ter sempre o cuidado de garantir que os dados sejam anonimizados de tal forma que não se possam tirar conclusões sobre indivíduos ou grupos de indivíduos. Para além dos conflitos jurídicos, é de salientar que são levantadas questões morais. É questionável se os computadores devem ser autorizados a dividir as pessoas em "categorias" ou "classes". Na mineração de dados, por exemplo, as pessoas são retratadas como confiáveis ou não confiáveis. Em geral, deve-se notar que o processo em si é extremamente neutro em termos de valor e anónimo. O procedimento não conhece as consequências e probabilidades do cálculo. No entanto, assim que as pessoas são confrontadas com os dados em termos reais, por exemplo pela Schufa, isso pode causar reacções alienadas, ofendidas ou surpreendidas. No motor de busca gigante Google, em Google Analytics Dados sobre os grupos-alvo dos operadores do site fornecidos.
Oportunidades e perspectivas futuras
No mundo globalizado, a mineração de dados da Big Data está se tornando cada vez mais relevante. No passado, as empresas americanas eram capazes de determinar se os seus clientes estavam grávidas ou não com base no seu comportamento de compra. Com base nestes resultados, foram enviados cupões de compras e dicas de compras de uma forma direccionada, o que aumentou as vendas. Devido à natureza das compras foi possível até mesmo prever a data de nascimento, embora não ao dia. O Data Mining da Big Data é de grande importância para as empresas de hoje. Através de mineração de dados direcionada da Big Data, é possível obter insights significativos sobre usuários e clientes potenciais. A mineração de dados acaba por levar a maiores vendas e lucros e, portanto, se tornará ainda mais importante no futuro. Não é de admirar: no mundo globalizado e tecnicamente conhecedor, a recolha de dados é agora normal e tornar-se-á ainda mais importante num futuro próximo.
