CT05 Casos de uso do conjunto tecnológico de Big Data

A categoria CT05 - Casos de uso do conjunto tecnológico de Big Data foi formada pelas unidades de significado indicadas na Figura 24 e busca demonstrar alguns casos descritos pelos entrevistados em que o Big Data foi utilizado e que tiveram como processo central o ciclo da Inteligência Competitiva.

Figura 24: Unidades de Significado da CT05 - Casos de uso do conjunto tecnológico de Big Data

Fonte: Dados da Pesquisa, obtidos com ATLAS-ti, 2018.

O entrevistado E1 descreveu um projeto investigativo que foi realizado para entender um distúrbio no crescimento de arvores que são utilizadas no processo de produção de celulose em sua organização.

Com a utilização dos métodos e ferramentas de Big Data, foram desenvolvidos alguns fluxos de dados e algoritmos estatísticos voltados para o estudo fisiológico das florestas que fazem parte do processo produtivo da empresa e, com isso, a intenção era compreender a origem do distúrbio nas árvores. Esse foi o primeiro projeto de Big Data na organização e entregou um resultado satisfatório. A análise dos dados permitiu identificar a origem do problema e, assim, inferir a tomada de ações preventivas, eliminando esse mesmo tipo de distúrbio nas novas árvores que são cultivadas.

E1: “[...] foi feito um estudo fisiológico, o fenômeno que ocorria em algumas partes das nossas florestas, que você via que a nossa árvore estava crescendo com um distúrbio que afetava a produção de celulose. Então fomos estudar o que poderia estar gerando aquele tipo de distúrbio utilizando Big Data. Esse projeto entregou um baita resultado. Não temos mais esse tipo de distúrbio, as novas árvores que têm nascido, não possuem esse tipo de problema pelas ações resultantes desse estudo”

O entrevistado E3 descreveu a utilização das tecnologias que compõem o ecossistema de Big Data para processar dados de geolocalização e perfil dos clientes de telefonia móvel, que, por sua vez, são associados aos dados do público-alvo definido por anunciantes. Dessa maneira, os usuários recebem, em seus dispositivos móveis, ofertas de produtos ou serviços com base em sua geolocalização e perfil.

Esse novo produto gerou uma nova fonte de renda antes não explorada por falta de capacidade computacional para processar em tempo real o grande volume de dados necessários para obter tais resultados.

E3: [...] o Anúncio baseado em geolocalização, no começo chamávamos de smart-

steps, então, por exemplo: Um cliente está passando por perto de uma loja de um de

nossos anunciantes e os anúncios desse anunciante têm aderência com o perfil desse cliente que nós já mapeamos anteriormente, esse cliente pode receber um punch em seu celular com o Anúncio bem assertivo. Isso nos trouxe uma nova fonte de renda na época”.

O entrevistado E4 descreveu um projeto que tinha por objetivo principal fazer uma análise de falhas em processos que poderiam acarretar em perdas financeiras, dado o grande volume de transações diárias que sua empresa executa. Esse grande volume de transações gera um grande volume de dados a serem analisados.

Durante o processamento e análise dos dados, foi descoberto que 0,3% das operações que eram negadas nas máquinas de processamento de cartões geravam um grande custo para sua organização. Esse projeto se aprofundou para entender as causas dessas falhas que geravam esse custo e descobriram que parte dessas falhas poderiam ser prevenidas por meio de ações preventivas.

E4: [...] realizamos algumas análises dos dados estruturados e semiestruturados dos logs das maquinas e descobrimos que 0,3% das transações eram negadas, isso gerava o custo de alguns milhões de reais por ano. Realizamos mais análises e descobrimos que esses erros eram simples e aconteciam no momento da transação do cliente. A transação havia sido negada ou por falha de conexão ou simplesmente pelo tipo de cartão ou bandeira, por exemplo um vale-refeição não habilitado no equipamento. Conseguimos tomar ações de prevenção, e economia foi gigantesca, na casa dos milhões por ano”.

Com base na análise das categorias, foi elaborado o Quadro 11 que indica qual objetivo específico corresponde a qual categoria.

Quadro 11: Objetivos específicos e Categorias

Objetivos Específicos Categoria

01) Avaliar as possíveis relações entre as dimensões do

Big Data com as etapas do Ciclo da Inteligência

Competitiva.

CT01 - As principais dimensões do Big Data nas Etapas da Inteligência Competitiva.

02) Verificar se existe relação entre o ciclo da Inteligência Competitiva e o fluxo de dados do Big

Data.

CT03 - Relações entre o ciclo da Inteligência Competitiva e o fluxo de dados do Big Data. 03) Identificar os Resultados dos projetos de Big Data

relatados do uso do Big Data na Inteligência Competitiva.

CT05 - Casos de uso do conjunto tecnológico de

Big Data.

04) Identificar as tecnologias envolvidas no cenário de exponencial crescimento da volumetria de dados (Big

Data) na Inteligência Competitiva.

CT02 - Conjunto tecnológico de Big Data nas empresas.

Categoria Emergente CT04 - Engajamento das empresas na adoção de

Big Data.

Fonte: Elaborado pelo autor, 2018.

Ao final da análise e da interpretação dos resultados, elaborou-se um esquema com a finalidade de relacionar as cinco categorias formadas na pesquisa.

Na Figura 25, apresenta-se o relacionamento entre essas categorias.

Para facilitar o entendimento, foram utilizadas setas com pontas triangulares e arredondadas: as com pontas triangulares representam a relação de causa e efeito (dependência) entre as categorias que estão interligadas; as com pontas arredondadas representam apenas uma relação temporal.

Vale ressaltar que o esquema proposto na Figura 25 representa uma possibilidade de relação, e que essa relação pode vir a ser testada e contestada em futuras pesquisas.

Figura 25: Relação das Categorias

Fonte: Elaborado pelo autor, 2018.

A Figura 25 indica que o engajamento das empresas na adoção do Big Data faz com que as organizações busquem maneiras eficientes para coletar, armazenar, processar e analisar volumes massivos de dados com diferentes estruturas, formatos e origens em alta velocidade.

As empresas que implementaram o conjunto tecnológico (CT02), caracterizado como Big Data, apresentam possibilidade de que os resultados obtidos (CT05), por meio do conjunto tecnológico, gere mais engajamento sobre esse tipo de tecnologia (CT04) e esse engajamento, por sua vez, gere mais casos de uso e resultados (CT05). Assim, esses resultados dependem do conjunto tecnológico do Big Data (CT02).

Dessa forma, o conjunto tecnológico não depende das outras categorias, entretanto, todas as outras categorias dependem diretamente do conjunto tecnológico. As principais dimensões do Big Data, nas etapas da Inteligência Competitiva (CT01), são dependentes tanto do conjunto tecnológico (CT02) quanto dos casos de uso (CT05).

A relação entre o ciclo da Inteligência Competitiva e o fluxo de dados do Big Data (CT03) depende diretamente do conjunto tecnológico (CT02), porém há apenas uma dependência temporal do engajamento das empresas na adoção de Big Data(CT04), visto que há iniciativas de Big Data que não necessariamente precisam do ciclo da Inteligência Competitiva. Para tanto, um exemplo seria o simples armazenamento de dados que tende a ter um custo mais baixo com a utilização desse tipo de conjunto tecnológico.