“Big Data Analytics”, como muitos conhecem, é uma das nossas favoritas tecnologias! É a fusão de ferramentas de Big Data e de Análise Estatística, gerando análises preditivas.
Uma montanha de dados sendo analisada rapidamente, permitindo a um analista observar cuidadosamente as informações tratadas e os relatórios gerados para, então, gerar os insights criativos que apenas a mente humana pode ter e transformá-la em estratégia!
Talvez tenhamos começado empolgados demais. Então, dando um passinho para trás… Você ouviu falar do livro “In God we trust.
All others must bring DATA” de Adam Breckler? Ou leu o livro Moneyball, que trata sobre o famoso coach/manager do Oakland Athletics, time de baseball estadunidense? Ou então assistiu ao filme The Imitation Game, que retrata como os britânicos, liderados por Alan Turing, conseguiram a façanha de quebrar o “inquebrável” código Enigma? Não, não estamos fugindo do assunto do artigo.
Breve retrospectiva
Um rápido parênteses antes de iniciarmos efetivamente a falar sobre Big Data: é demasiado relevante frisar que os insights (humanos) continuam a ser valiosos, mas as organizações não podem simplesmente planejar porque um(a) líder “acha” algo, quando os dados demonstram algo completamente oposto.
Posto isso, o termo Big Data é relativamente novo, cunhado no fim do Século XX. O conceito do mesmo é bastante simples (não estamos mencionando que é fácil executá-lo!): analisar um enorme volume de dados para identificar padrões e tendências.
Apesar do termo possuir um pouco mais de duas décadas, a ideia é bastante antiga. Segundo informações disponíveis no Wikipedia, em 1663, o pesquisador John Graunt utilizou volumes expressivos de dados e de diferentes fontes para entender melhor sobre a peste bubônica que devastou a Europa.
Durante o Século XX, a utilização de grandes bancos de dados (não nos esqueçamos que “dados” não é apenas o que é gerado em computadores, tablets, celulares e quando a Internet é acessada) foi se tornando cada vez mais comum, a ponto dos EUA, em 1952, criar a Agência Nacional de Segurança (NSA, sigla em inglês) justamente para processar dados relativos à inteligência (na época, relacionados à Guerra Fria).
Definindo melhor o que é o Big Data
Em 2016, uma pesquisa estimou que o mundo gera em torno de 2.5 quintilhões de bytes diariamente. Em um número mais “tangível”? Aproximadamente, 1.000.000.000.00 de gigabytes.
Tudo bem, isso é exagero quando pensamos no mundo. Mas imagine quantos bytes a organização na qual você trabalha gera diariamente. Ela consegue efetivamente utilizar qual porcentagem dos dados que ela produz?
O Big Data é exatamente sobre isso. É tratar uma coleção de informações, sejam elas de fontes tradicionais ou digitais, internos ou externos, que estejam em diferentes bancos de dados, que possam ser acessados e estejam interligados, de alguma maneira, entre si.
Os dados podem ser estruturados ou não-estruturados. Os estruturados são facilmente colocados em tabelas. Os não-estruturados, teoricamente, seriam apenas analisados por humanos, como textos e imagens. É necessária “ajuda especializada” para interpretá-los.
Ferramentas tradicionais de análise de dados
Desenvolvidas apenas para dados estruturados são incapazes de analisar os não-estruturados:
Game changers: Cloud e Internet das Coisas (IoT)
A história do Big Data começa a ganhar novos contornos com o Cloud Computing. Por quê? Pela simples razão de que, através do Cloud, é possível armazenar mais e mais dados sem afetar o desempenho das máquinas (a chamada escalabilidade) e, além disso, interconectar esses bancos de dados na nuvem a uma velocidade alucinante.
Com a invenção e o amadurecimento do Cloud Computing, a capacidade de processamentos de ferramentas Big Data deu um salto absurdo.
Devido ao espaço do artigo, não será possível abordar efetivamente sobre o IoT (se você não conhece, aconselhamos a ler um pouquinho sobre essa tecnologia que faz parte da Revolução Industrial 4.0). Mas, basicamente, a Internet das Coisas tem aumentado de maneira brutal a quantidade de dados produzidos e capturados.
Essencialmente, esses dados são não-estruturados e não conseguem ser armazenados e processados por bancos de dados tradicionais.
Logística e comércio exterior – Big Data aplicado na prática
Um exemplo bastante conhecido de aplicação de ferramentas do Big Data é o da UPS. Após analisar as rotas dos motoristas, simplesmente, a empresa proibiu que os mesmos virassem à esquerda. Resultado? Em um ano, economia de 38 milhões de litros de combustível, com 350 mil pacotes adicionais entregues. Provavelmente, a equipe que propôs isso, se não estivesse munido de dados, seria taxada de louca.
Ferramentas de Big Data aplicadas à logística e ao comércio exterior
Daremos alguns exemplos gerais de algumas áreas que visualizamos a aplicação do mesmo:
- Plataformas de comércio eletrônico: imaginem a integração, na mesma plataforma, de compradores e vendedores internacionais, em que o próprio sistema faça a sugestão de com quem fazer negócios, sem precisar fazer aquele “garimpo” para o desenvolvimento de fornecedores. Obviamente, seria necessário que a plataforma avaliasse uma série de requisitos, de ambos os lados, para que pudesse fazer sugestões mais confiável. Isso seria “bastante semelhante” com o que o Netflix faz com todos nós ao sugerir filmes e séries.
- Canal vermelho (não precisa arrepiar com essas duas palavras, viu!). Abertura do contêiner. Você consegue imaginar o próprio sistema inteligente da Receita Federal, da Anvisa, do Vigiagro liberando essa carga ao vê-la, sem a necessidade de um fiscal realmente avaliar as imagens (lembremos do projeto CONFERE que foi implementado em Santos)? Ao alinhar Visão Computacional, Aprendizado de Máquina e Big Data, essa solução se torna perfeitamente plausível.
- Torres de controle logística. Uma carga sai para um trânsito aduaneiro. O dispositivo de rastreamento da carga (IoT!) transfere dados sobre a carga e a rota a cada 15 segundos. Em determinado momento, o sistema interpreta que algo está bastante fora do comum e existe alta probabilidade de uma falha grave na segurança. O sistema emite um alerta para agentes públicos e privados próximos ao local e deixa em alerta a Receita Federal, visto que a empresa é Operadora Econômico Autorizado. Esse processamento gigantesco de dados, analisando o padrão das viagens anteriores e mais variáveis, apenas é possível com o Big Data.
Uma pesquisa da KPMG mostrou que 99% dos entrevistados acreditam no Big Data como importante para a tomada de decisão. Atualmente, a palavra “análise” causa tremores na maior parte dos profissionais da nossa área. As ferramentas de análises baseadas em Big Data vêm justamente para ajudar o analista a ser efetivamente um analista!
Esperamos que mais e mais ferramentas possam ser desenvolvidas para tornar a logística internacional e as transações de comércio exterior mais simples, previsíveis e prazerosas de serem realizadas!
