Big data e ciência de dados
complementariedade conceitual no processo de tomada de decisão
DOI:
https://doi.org/10.36311/1981-1640.2019.v13n1.06.p56Palabras clave:
Big Data, Ciência de Dados, Processo de Tomada de Decisão, Tarefas Intensivas em ConhecimentoResumen
Atualmente, produz-se volumosas bases de dados para os mais variados domínios, devido à evolução e ao uso massivo das Tecnologias de Informação e Comunicação. Neste contexto, desenvolver instrumentos voltados para extrair informações a partir do Big Data, fomentando o conhecimento no Processo de Tomada de Decisão, desperta a atenção das organizações. Na evolução dados ? informação ? conhecimento, requer-se a sinergia de competências de especialistas ao fomentar uma nova área de atuação, a Ciência de Dados. Como atribuições da área estão: obter dados originados de fontes heterogêneas e distribuídas na web; formalizar o tratamento dos dados e metadados; e arquitetar a exploração dos dados e metadados para produzir informação relevante no Processo de Tomada de Decisão. Considerando essas assertivas, o objetivo deste artigo é evidenciar a diferença e a complementariedade dos conceitos Big Data e Ciência de Dados. Como resultado, pontua-se que o Big Data é um termo intrínseco à infraestrutura do hardware e de serviços computacionais em nuvem necessários para o armazenamento, processamento e a distribuição de recursos. Em relação à Ciência de Dados, este é conexo à camada dos softwares para transformação dados em informação, subsidiando os tomadores de decisão em suas Tarefas Intensivas em Conhecimento.
Descargas
Referencias
Akhtat,Syed Muhammad Fahad (2018). Big Data Architect’s Hand-book. Birmingham: Pack Publishing, 2018.
Blum, Avrim; Hopcroft, John; Kannan, Ravi (2018). FoundationsofDataScience(2018). https://www.cs.cornell.edu/jeh/book.pdf(2018-07-26).
Bugnion, Pascal; Manivannan, Arun; Nicolas, Patrick R. (2017). Scala: Guide for Data Science Professionals. Birmingham: Packt Publishing, 2017.
Conamay, Drew (2010). The data science venn diagram (2010). http://drewconway.com/zia/2013/3/26/the-data-science-venn-diagram(2018-07-27).
Digital Curation Centre (2018). The DCC Curation Lifecycle Model (2018). http://www.dcc.ac.uk/sites/default/files/documents/publications/DCCLifecycle.pdf (2018-07-25).
Economist, The (2017). Theworld’smostvaluableresourceisnolongeroil, butdata (2017). https://www.economist.com/leaders/2017/05/06/the-worlds-most-valuable-resource-is-no-longer-oil-but-data (2018-07-28).Eiica (2019). X Encontro Internacional de Informação, Conhecimento e Ação. Marília, 2018. http://enancib.marilia.unesp.br/index.php/EIICA/XEIICA. (2019-02-27).
Gartner(2018a). What is Big Data? –Gartner IT Glossary–Big Data (2018a). http://www.gartner.com/it-glossary/big-data(2018-07-28).
Gartner (2018b). Data Scientist –Gartner IT Glossary(2018c). https://www.gartner.com/it-glossary/data-scientist (2018-07-28).
Grady, Nancy; Chang, Wo (2015). NIST Big Data Interoperability Framework: Volume 1, Definitions (2015). https://nvlpubs.nist.gov/nistpubs/SpecialPublications/NIST.SP.1500-1.pdf(2018-07-28).
Laney, Doug (2001). 3D Data Management: Controlling Data Vol-ume, Velocity, and Variety (2001). https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf(2018-07-25).
Manyika, James; Chui, Michael; Brown, Brad; Bughin, Jacques; Dobbs, Richard; Roxburgh, Charles Byers, Angela Hung (2011). Big data: The next frontier for innovation, competition, and productivity (2011). https://bigdatawg.nist.gov/pdf/MGI_big_data_full_report.pdf(2018-07-28).
Mishra, Sanjay; Chang, Wo (2015). NIST Big Data Interoperability Framework: Volume 5, Security and Privacy (2015). https://nvlpubs.nist.gov/nistpubs/SpecialPublications/NIST.SP.1500-5.pdf(2018-07-28).
Munakata, Toshinori (2008). Fundamentals of the New Artificial Intelligence: Neural, Evolutionary, Fuzzy and More. Heidelberg: Springer, 2008.
National Science Foundation(2005). Long-Lived Digital Data Collections: Enabling Research and Education in the 21st Century (2005). https://www.nsf.gov/pubs/2005/nsb0540/nsb0540.pdf(2018-07-28).
Provost, Foster; Fawcett, Tom (2013). Data Science and its Relationship to Big Data and Data-Driven Decision Making. // Big Data, 1:1 (March2013) 51-59.
Rautenberg, Sandro; Carmo, Paulo Ricardo Viviurka do(2018). Big Data e Ciência de Dados: Complementariedade Conceitual no Processo de Tomada de Decisão. //Encontro Internacional de Informação, Conhecimento e Ação, Marília. Caderno de Resumos. Marília: Unesp, 10, 1, 2018, p.219-221.
Roy, Arnab; Underwood, Mark; Chang, Wo (2015). NIST Big Data Interoperability Framework: Volume 4, Security and Privacy (2015) https://nvlpubs.nist.gov/nistpubs/SpecialPublications/NIST.SP.1500-4.pdf(2018-07-28).
Schreiber, Guss et al (2000). Knowledge Engineering and Management: the Com-monKADS Methodology. Cambridge: The MIT Press, 2000.Swan, Alma; Brown, Sheridan(2008). The Skills, Role and Career Structure of Data Scientists and Curators: an Assessment of Current Practice and Future Needs (2008). http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.147.8960&rep=rep1&type=pdf(2008-07-28).
Tarasewich, Peter; Mcmullen, Patrick R (2002). Swarm Intelligence: power in numbers. // Communications of the ACM 45:8 (August 2002) 62-66. Van Der Aalst, Wil (2014). Data Scientist: The Engineer of the Future. //Mertins, Kai; Bénaben, Frédérick; Poler, Raul; Bourrières Jean-Paul (eds.) (2014).Proceedings of the Interoperability of Enterprises Systems and Applications Conference (I-ESA’2014): Albi, France. Mar. 24-28, 2014. Heidelberg: Springer.
Descargas
Publicado
Número
Sección
Licencia
Al someter un artículo, los autores conservan los derechos de autor del artículo, otorgando todos los derechos para el Brazilian Journal of Information Science: research trends para publicar el texto.
El(los) autor(es) acuerdan que el artículo, si se acepta editorialmente para su publicación, tendrá licencia bajo Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) (http://creativecommons.org/licenses/by-sa /4.0).
Los lectores/usuarios son libres para:
- Compartir - copiar y redistribuir el material en cualquier medio o formato.
- Adaptar - remezclar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente.
El licenciante no puede revocar estas libertades mientras siga los términos de la licencia. Bajo los siguientes términos:
- Atribución: debe otorgar el crédito apropiado, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de manera razonable, pero de ninguna manera que sugiera que el licenciante lo respalda en su uso.
Compartir igual: si remezcla, transforma o desarrolla el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que la licencia permita.
Avisos:
- No tiene que cumplir con la licencia para elementos del material de dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
- No se otorgan garantías. Es posible que la licencia no le otorgue todos los permisos necesarios para su uso previsto. Por ejemplo, otros derechos como publicidad, privacidad o derechos morales pueden limitar la forma en que usa el material.
Creative Commons Attribution-ShareAlike 4.0 International License