Big data e ciência de dados: complementariedade conceitual no processo de tomada de decisão

Sandro Rautenberg; Paulo Ricardo Viviurka do Carmo

doi:10.36311/1981-1640.2019.v13n1.06.p56

Autores

Sandro Rautenberg Universidade Estadual do Centro-Oeste https://orcid.org/0000-0002-2375-9365
Paulo Ricardo Viviurka do Carmo Universidade Estadual do Centro-Oeste https://orcid.org/0000-0002-8550-4368

DOI:

https://doi.org/10.36311/1981-1640.2019.v13n1.06.p56

Palavras-chave:

Big Data, Ciência de Dados, Processo de Tomada de Decisão, Tarefas Intensivas em Conhecimento

Resumo

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.

Downloads

Não há dados estatísticos.

Métricas

Carregando Métricas ...

Referências

Abraham, Ajith; Guo, He; Liu, Hongbo (2006). Swarm Intelligence: Foundations, Perspectives and Applications. // Nedjah, Nadia, Mourelle, Luiza de M. (eds). Swarm Intelligent Systems. Hei-delberg: Springer, 2006. 3-25.
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.