BIG DATA • DATA SCIENCE • DATA ANALYTICS
Qual é a diferença entre big data, data science, e data analytics?
A quantidade de conteúdo na internet sobre esses assuntos é gigante, e desanimaria qualquer um a parar para ler sobre tudo.
Mas não fique triste com essa avalanche de conteúdo, nem com esses nomes difíceis. Para facilitar o seu trabalho e proporcionar um conhecimento importante, criamos esse post que levará menos de 5 minutos de leitura para entender.
Continue lendo e entenda a diferença entre big data, data science e data analytics.
O que é big data?
Big data, em tradução livre, pode ser lido como mega dados. Ou seja, são grandes quantidades de informações sobre algum fato do mundo real.
O estudo sobre big data iniciou com a grande quantidade de dados gerada pelo mundo. Isso, entre outras coisas, nos tirou da era do terabyte, e nos levou para a era do petabyte.
Esses dados são tão gigantes que muitos aplicativos não lidam com eles em um tempo aceitável.
Entre os tipos de dados existem:
- Social data (dados sociais): dados extraídos principalmente de redes sociais para identificar comportamentos de públicos específicos. Muito utilizados em campanhas de marketing;
- Enterprise data (dados empresariais): extração de dados de RH, vendas, logística e outros setores. Servem para as empresas analisarem desperdício ou onde devem investir seus recursos;
- Personal data (dados pessoais): dados extraídos de smartphones e outros aparelhos inteligentes. Ajuda as empresas a personalizar sua relação com os clientes.
Big data é definido pelos 5V’s:
- Volume: grande quantidade de dados;
- Variedade: fontes de dados variadas;
- Velocidade: processamento ágil para gerar as informações necessárias;
- Veracidade: o quanto a informação é verdadeira;
- Valor: utilidade dos dados gerados.
Existem vários exemplos de sucesso do big data. Por exemplo, após analisar dados de rotas dos seus motoristas, a empresa de logística UPS proibiu que eles virassem à esquerda. Esse comportamento:
- Economizou cerca de 38 milhões de litros de combustível por ano;
- Diminuiu o dióxido de carbono em 20 mil toneladas; e
- Auxiliou na entrega de 350 mil pacotes a mais.
Netflix e a Spotify utilizam big data para definir as preferências dos seus usuários e oferecer conteúdos específicos para seus gostos.
Siga a WK nas Redes Sociais
O que é data science?
Data science pode ser encarada como a versão mais recente do business intelligence (BI).
É a captura, transformação, geração e análise de grandes quantidade de dados. Essas informações necessitam de contextualização e suas interpretações precisam gerar insights relevantes.
O data science está relacionado com tecnologias como big data e machine learning, além de áreas como:
- Computação;
- Banco de dados;
- Estatística;
- Matemática;
- Engenharia;
- Economia;
- Análise de agrupamentos (cluster analysis).
Empresas de e-commerce de viagens como Booking, Trivago e Expedia utilizam data science para melhorar os resultados em seus motores de busca.
Nesse caso, os resultados obtidos não se limitam a passagens e hospedagens, mas sugerem também serviços complementares como passeios e experiências para curtir no seu destino de viagem.
• Significado de CEO, CIO, CTO: Nunca mais confunda
• 7 Podcasts sobre empreendedorismo e carreira na TI
• Como evoluir na carreira trabalhando na área de Segurança da Informação
O que é data analytics?
O data analytics é a transformação de grande quantidade de dados, para que eles façam sentido e se possa fazer uma análise racional deles.
Ao analisar esses dados, deve ser possível resolver algum problema real. Ou seja, existe um propósito em analisar esses dados.
Basicamente, o data analytics é quando se busca responder perguntas/dúvidas com base em dados.
Esse estudo possui grande importância em áreas como:
- Ciências;
- Estudos sociais; e
- Negócios.
O Shelter EAS é um famoso software capaz de analisar uma grande quantidade de dados identificando padrões, divergências e outras regras.
Então…
Conclusão: Qual a diferença entre big data, data science e data analytics?
Big data, ou mega dados, é uma grande quantidade de informações.
Data science é responsável por capturar, transformar e gerar esses dados.
E por fim, o data analytics finaliza esse trabalho com uma análise e geração de insights para resolução de problemas.
Obrigado pela sua leitura.
Inscreva-se para receber os post’s direto em seu e-mail:
[mc4wp_form id=”5625″]
Não se preocupe com spam, também odeio eles.
Se futuramente não quiser mais receber, é só clicar em um link que aparece em todos os e-mail’s que não vamos mais enviar.
Um grande abraço.
Veja nossos últimos post’s que você pode gostar:
- Mulheres que fizeram e fazem história na Ciência brasileira
- Bate-papo com Daiane dos Santos: Pódio, Representatividade e Inspiração
- Profissionais +50: quem usa o tempo e a experiência a seu favor
- Questionário Social: como fazer um Processo Seletivo Inclusivo?
- 7 Figuras LGBTQIAP+ importantes para o mundo da tecnologia
Você quer ajudar um amigo a dar um up na carreira e ainda ser recompensado?
Então conheça nosso programa Indicação Premiada.