Big Data e Inteligência Geográfica:

Transcrição

1 Big Data e Inteligência Geográfica: Mitos e Verdades Eduardo de Rezende Francisco Professor FGV e ESPM Sócio-Fundador GisBI Chief Knowledge Officer Meia Bandeirada erfrancisco@gmail.com Webinar MundoGEO: Big Data e Inteligência Geográfica: Mitos e Verdades 08/Dez/2014

2 Homenagem Geovane Cayres Magalhães Engenheiro Civil pela Universidade Federal da Bahia (1971) Mestrado em Informática na PUC-Rio (1976) Doutorado em Ciência da Computação pela Universidade de Toronto, Canadá (1981) Fundador e Presidente da GITA Brasil Professor da UNICAMP Trabalhou muitos anos na Fundação CPqD, desenvolvendo trabalhos em âmbito de grandes volumes de dados de telecomunicações

3 Antecedentes Facilitadores

4 Apresentação Professor do NDE do Curso de Sistemas de Informação em Comunicação e Gestão da ESPM e do Departamento de Informática e Métodos Quantitativos da FGV-EAESP. Ministra disciplinas ligadas a Geoinformação, Business Analytics, Big Data e Estatística Espacial. Bacharel em Ciência da Computação pelo IME-USP e Mestre e Doutor em Administração de Empresas pela FGV-EAESP. É pesquisador visitante do Spatial Information Research Centre da University of Otago, na Nova Zelândia. É CKO (Chief Knowledge Officer) da startup Meia Bandeirada e sócio-fundador do GisBI, grupo de estudos e fomento das Geotecnologias e Business Intelligence. Atua no mercado de GIS, Geomarketing e Business Intelligence desde Foi gerente de tecnologia do projeto GIS e de Planejamento de Mercado e responsável pelo desenvolvimento de Estratégias de Marketing e Planejamento de Pesquisas de Mercado na AES Eletropaulo durante 13 anos. Participa como palestrante em diversos eventos de Geomarketing, BI, GIS e Utilities. É colunista da revista InfoGEO, e consultor em Estatística Espacial e Modelos Preditivos para Crédito e Real Estate.

5 Big Data e Inteligência Geográfica Disciplinas em diferentes Cursos (Graduação, Especialização, Mestrado) Inteligência Analítica Ferramentas Quantitativas para Geomarketing e Geoinformação Inteligência Geográfica para Gestão Territorial Business Analytics para Tomada de Decisão Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

6 Big Data e Inteligência Geográfica Trilhas de Big Data e Digital Business Intelligence em dois grandes Cursos Mestrado Profissional em Comportamento do Consumidor Graduação em Sistemas de Informação em Comunicação e Gestão Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

7 Envolvente Carga horária 24% acima da exigida pelo MEC Curso Integral nos 2 primeiros anos 75% do curso com aulas práticas em laboratórios Flexível Disciplinas eletivas em 3 trilhas: Gestão de Games Desenvolvimento de APPs web e mobile Digital Business Intelligence Adaptável Aulas se iniciam às 09h20 Inovador Ambiente de aulas diferenciado Laboratórios padrão Scale-up Profissional Mentoring com profissionais do mercado desde o 2º semestre Preparação para Certificações Técnicas Parcerias com grandes empresas de tecnologia (IBM, PlayStation, HP, OLX, Ydigital Media) Sistemas de Informação em Comunicação e Gestão Graduação Bacharelado 4 anos

8

9 BIG DATA BIG DATA is like TEENAGE SEX Everyone talks about it, Nobody really knows how to do it, Everyone thinks everyone else is doing it, So everyone claims they are doing it. Dan Ariely Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

10 BIG DATA Uma jogada de marketing? Big Data é apenas mais uma jogada de marketing. Propagado pelas empresas de tecnologia e de consultoria de sistemas como a Gartner, o termo Big Data permanece mal definido. Isso é intencional e lhes possibilita divulgar o que elas desejam pois seus mercados não sabem exatamente o que significa Big Data... De um modo geral, as empresas de tecnologia usam o termo Big Data para se referir a grandes volumes de dados advindos de novas fontes. Esse fato, entretanto, não é novidade. Desde o advento dos computadores, a cada ano mais dados são acumulados e novas fontes surgem... Fonte: Stephen Few Visual Business Intelligence, em 31/Out/2013 Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

11 Big Data são dados cuja escala, distribuição, diversidade e/ou velocidade de criação requer o uso de novas tecnologias de armazenamento e análise para permitir a captura do valor inserido nos mesmos (EMC, 2013) 1. Volume de dados Bilhões de linhas x bilhões de colunas Aumento de 44x de 2009 a 2020 (0,9ZB a 35ZB) 2. Complexidade de Processamento Estruturas de dados em constante mudança Necessidade de analisar tais dados em tempo real BIG DATA Definição 3. Estruturas de dados Grande variedade (80-90% não estruturada) a ser analisada Estas características tornam necessário o uso de sistemas de computação paralela e paralela massiva (MPP, massively parallel processing) 4. Exemplos Sistemas: Netflix, Amazon, Waze, controle estrutural, análise de streamings Tipos de dados: financeiros, texto, multimedia, mapeamentos genéticos, dados geográficos, etc. Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com 11

12 Os 5 Vs Velocidade BIG DATA: Expansão em ritmo crescente em três frentes (os 3 primeiros Vs) MB GB TB PB Volume + audio Veracidade + Valor Variedade Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

13 Aumento da Estruturação Características do Big Data: Estruturas de Dados O Crescimento dos Dados Não Estruturados Estruturados Dados de um tipo, formato ou estrutura definidos Exemplo: Dados transacionais e OLAP 80 a 90% dos dados Semi- Estruturados Quase Estruturados Não Estruturados Dados de texto com uma padronização evidente permitindo a separação Exemplo: Arquivos XML que sejam auto descritivos e definidos por um esquema XML Dados de texto com formatos variáveis, os quais podem ser formatados através de força bruta, ferramental e tempo Exemplo: Dados de clickstream da web que possam conter inconsistências de valores e formatos Dados sem estrutura definida e que são armazenados em diferentes formatos de arquivo. Exemplo: Documentos de texto, PDFs, imagens e vídeo Fonte: EMC. Big Data & Business Analytics

14 Aumento da Estruturação Características do Big Data: Estruturas de Dados O Crescimento dos Dados Não Estruturados Os dados podem estar misturados Estruturados DBs relacionais podem armazenar logs de chamada de um call center, com horários de chamada, máquina, configs e problema escolhidos em menus de múltipla escolha. Semi- Estruturados Quase Estruturados Não Estruturados Além destes existirão dados não ou semi estruturados oriundos de formulários, soluções e até gravações de atendimento. As informações mais relevantes estarão escondidas nesta faixa de dados Só recentemente foram desenvolvidas técnicas para análise de dados nesta faixa Fonte: EMC. Big Data & Business Analytics

15 Repositórios de Dados A Perspectiva do Analista Ilhas de Dados Spreadmarts Data marts isolados Data Warehouses Centralização de dados em um local especialmente preparado para tal. Analytic Sandbox Dados são coletados de múltiplas fontes através de múltiplas tecnologias para análise. Planilhas e DBs de baixo volume para controle local. Extrações de dados são dependentes dos analistas. Suporta BI mas restringe análises não padronizadas. Dependente de TI & DBAs para acesso aos dados e mudanças de estrutura. Os analistas gastam muito tempo extraindo os dados de múltiplas fontes. Permite análises de alta perform. utilizando processamento in-db Reduz os custos associados com a replicação nos dados em sistemas sombra Propriedade dos Analistas ao invés de Propriedade dos DBAs Fonte: EMC. Big Data & Business Analytics

16 Ambientação e Ferramentas Laboratório RStudio 16

17 Job offers in data science 17

18 Job offers in data science 18

19 Profiles of the most popular data scientists on LinkedIn Skill Percent Data Mining 24,3% Machine Learning 14,5% Analytics 13,6% Big Data 10,5% Predictive Analytics 6,5% Data Analysis 5,8% Predictive Modeling 4,7% Hadoop 2,8% Text Mining 2,8% Statistics 2,6% Natural Language Processing 2,3% Start-Ups 2,0% Algorithms 1,6% Distributed Systems 1,3% Map Reduce 1,1% Data Warehousing 1,0% Business Intelligence 0,8% SQL 0,6% R 0,6% Scalability 0,5% Fonte: Granville,

20 Total Estimado: 2,1 bilhão de pessoas Crescimento da Internet: 2010 para 2011: 6,59% Fonte: content/uploads/2012/06/domo-data-in-one-minute- 600x953.jpg Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

21 Constatações... Produtos e soluções resultantes dos desenvolvimentos tecnológicos incorporam-se na vida das pessoas Na vida profissional, no entanto, paradigmas mais tradicionais de decisão ainda persistem O mercado é carente de soluções ágeis, baseadas em informações, que possibilitem a gestão de riscos e a melhoria de desempenho dos negócios e instituições Dado Informação Conhecimento, mas na prática: Mais de 90% dos executivos acreditam que conhecimento pode ser melhor aproveitado Apenas 1% dos dados corporativos é usado efetivamente para análise nas grandes corporações Cerca de 90% das estratégias corporativas fracassam Gaps: Visão estratégica integrada, mapeamento de conhecimento, compreensão de valor, cultura de planejamento Não há como se planejar o futuro com ferramentas do passado Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

22 ... e Oportunidades Inteligência Geográfica pode ser uma Alternativa Aproximadamente 70 a 80% das informações relevantes nos processos decisórios têm caracterização espacial (Gartner Group, 2004) A geografia é o que possibilita a integração de dados, informações, processos, inclusive Big Data Essa integração induz uma visão sistêmica (integrada, ampla, abrangente, holística) da maioria das questões necessárias às tomadas de decisão Geomarketing e GIS: Suporte à Operação Descrição, Expansão, Segmentação e Otimização do Território de Atuação Estatística Espacial: Geoinformação em Modelos Preditivos Incorporação da Influência Geográfica nos Modelos de Predição de Renda e de Risco de Crédito Aprimoramento do poder de explicação dos Modelos Preditivos Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

23 Impacto Econômico dos Serviços Geográficos Inteligência de Negócios Eduardo de Rezende Francisco José Luiz Kugler

24 Início terra é um recurso finito adensamento urbano24

25 movimenta o mercado e suas dinâmicas 25

26 o Início interesse e o valor atribuído são impactados por diversos elementos acessibilidade 26

27 transporte público tráfego opções restrições 27

28 eventos impactantes 28

29 feiras Início livres 29

30 Início deficiências da infraestrutura 30

31 Metrô acesso a escolas, lazer 31

32 iluminação pública estacionamento poluição telecomunicações energia comércio e serviços água segurança esgoto 32

33 como levar em conta todos esses aspectos? O que é comum a todos eles? como enfrentar os riscos e melhorar o desempenho? 33

34 Inteligência geográfica Políticos Impactos potenciais advindos de programas de governo Legais uso e ocupação do solo legislações complementares Jurídicos titularidades e direitos contenciosos reais e potenciais Ambientais legislação e impactos sobre e pelo meio ambiente Sociais legislação e impactos sobre e pelo ecossistema social Climático e Meteorológicos condições climáticas riscos naturais Mercadológicos demanda e concorrência real e potencial ococrrências impactantes Logísticos Condições e limitações de recursos materiais e humanos, acessos e movimentações Econômicos conjunturas locais, regionais e globais Físicos condições físicas, topográficas e geológicas locais e do entorno Cronológicos condições e limitações de tempos e prazos Estratégicos condições e limitações relativas aos empreendedores Técnico -Tecnológicos condições e limitações de tecnologias, métodos e processos Operacionais condições e limitações de recursos e capacitações locais para a operação Financeiros e Tributários condições de investimento, financiamento, custeios, tributos, riscos e retornos

35 O Início Londres, 1854, Grave Epidemia de Cólera Dr. John Snow mapeia a localização dos doentes e dos poços (principal fonte de água dos habitantes) Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

36 CASE: Gestão da Carteira de Clientes 11 Vendedores (Agentes) na Cidade de São Paulo A partir da Informação de Endereço Address matching Powered by 11 Agentes geocodificados 1 por distrito Propostas (clientes) A partir do CEP Geographic matching Cada proposta é ligada a um Agente Gráfico Spider Muitos clientes associados Processo Geográfico a agentes de Alocação associa mais cada distantes proposta ao (muitas Agente mais linhas próximoque se Propósito: cruzam OTIMIZAÇÃO no diagrama spider)

37 CASE: Gestão da Carteira de Clientes Powered by Área de Serviço Círculos com raio fixo centrado nos Agentes (Buffer) p.e., 1000 m 500 a 3500 m Service Area baseada na Malha de Ruas 1000 m 500 a 3500 m Baseado na Natureza do Trajeto (a pé, de carro, etc) e na Malha de Ruas (trechos de logradouros, conversões, paradas)

38 CASE: Gestão da Carteira de Clientes Powered by Área de Serviço Círculos com raio fixo centrado nos Agentes (Buffer) p.e., 1000 m 500 a 3500 m Service Area baseada na Malha de Ruas 1000 m 500 a 3500 m Área de Cobertura Polígonos de Thiessen e Voronoi Associa cada ponto do espaço geográfico ao Agente mais próximo Densidade de Propostas

39 CASE: Gestão da Carteira de Clientes Powered by Área de Serviço Círculos com raio fixo centrado nos Agentes (Buffer) p.e., 1000 m 500 a 3500 m Service Area baseada na Malha de Ruas 1000 m 500 a 3500 m Área de Cobertura Polígonos de Thiessen e Voronoi Associa cada ponto do espaço geográfico ao Agente mais próximo Densidade de Propostas

40 Evolução GPS Apps geográficos smart phones SIME LBSs 50 s 60 s 70 s 80 s 90 s Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

41 Evolução Mudança de Paradigma 1 Aplicações Monolíticas se dividiram em Servidores de Dados Geográficos e Aplicações Geográficas (Fornecedores de Serviços Geográficos) Aplicações Temporais Time-based GIS Interoperabilidade, Disponibilidade Consórcio OpenGIS Padronização APIs abertas (J2EE,.NET, XML, ASP, CORBA,...) Diferencial Competitivo Serviços de Análise e Visualização Espacial como WebServices - GeoServices Cultura do GIT Geographic Information Technology GIS Corporativo x GIS Departamental Mudança de Paradigma 2 Popularização da Tecnologia: Dados e Serviços Livres Disponibilidade de Dados Geográficos em plataforma Web-based (Google Earth, Microsoft Virtual Earth, ESRI ArcGIS Explorer) Serviços de localização, Geocodificação e Roteamento disponíveis, inclusive em dispositivos móveis Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

42 Evolução Mudança de Paradigma 3 Cloud GIS consolidado, para dados públicos e privados Avalanche de Apps com natureza geográfica Proliferação de Dispositivos e Sensores georreferenciados Valor no Uso da Informação Geográfica, e não na Posse Bases Sistemáticas como commodities Necessidade de Integração entre GIS e BI Pré-processamento ou on-the-fly? Geo Big Data 2 Desafios Técnico- Informacional Cultural Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

43 Desafio Técnico - Informacional Volume de Dados ainda é um problema para as plataformas GIS pré-existentes Imagens de Satélite, Fotos Aéreas, Drones Dados geolocalizados de diversas naturezas: Dados de Governos (municipal, estadual, federal) Dados Sócio-Econômico-Demográficos (IBGE, SEADE, IPEA Census Data) Brasil e outros países Dados Abertos ( Open StreetMaps MAP-D Dados cadastrais das empresas Transações do ERP ou CRM das empresas Dados de Sensores (clima, trânsito, movimento) Mobile locations Fonte: SACRAMENTO, 2013; FRANCISCO, 2013 Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

44 Desafio Técnico - Informacional Modelagem Informacional requer adaptações Cuidado com os Spatial Data Warehouses que estão por aí!!! Modelos: Multi-Dimensional X Objeto-Relacional Utilização de Chaves (Pointers) para Objetos Espaciais em estruturas de cubos multi-dimensionais Visualização em mapa de Elementos agregados ou detalhados (drill-down, drill-up) extraídos de DWs de ERPs, CRMs, etc Interface Integração Estruturas geográficas menos complexas já em ambiente de alta disponibilidade (Hadoop, etc) ID de Objeto GIS + DW G I S (Data Server) ID de Célula GIS + BI Data Warehouse Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

45 Algumas Soluções Interessantes O padrão do trânsito Marginal Pinheiros Fonte: MapLink, 2013 Webinar Aplicações de Big Data para Análises do Trânsito Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

46 O padrão do trânsito Origem e Destino Algumas Soluções Interessantes Fonte: MapLink, 2013 Webinar Aplicações de Big Data para Análises do Trânsito Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

47 Algumas Soluções Interessantes Map-D TweetMap ( Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

48 Estatística Espacial e Geoestatística Descreve e modela distribuições espaciais, padrões espaciais, Incorpora o espaço (área, comprimento, proximidade, orientação e/ou relacionamentos espaciais) diretamente em seus modelos estatísticos De muitas formas, a Estatística Espacial estende o que nossos olhos e mentes fazem intituivamente para avaliar padrões, tendências e relações espaciais. Central Feature Mean Center Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

49 Algumas Questões da Estatística Espacial Das observações de minha amostra, qual ocupa a posição central no espaço? Existe alguma tendência geográfica? Central Feature Mean Center

50 Algumas Questões da Estatística Espacial Existe alguma influência geográfica no comportamento das minhas variáveis? Existe alguma associação (correlação) com o espaço geográfico? High Poverty High Poverty Surrounded by Low poverty Low Poverty Low poverty Surrounded by High Poverty

51 Uso Potencial Epidemiologia Como modelar a propagação de uma doença contagiosa? Criminologia Como identificar locais de alta incidência? Setor Imobiliário Como prever os preços dos imóveis? Banking Como prever renda e propensão a default com fatores locais? Aprendizagem Organizacional e Difusão em Rede Como modelar a adoção de uma inovação? Marketing/Comportamento do Consumidor Como a comunicação boca-a-boca se dissemina? Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

52 Algumas Soluções Interessantes Microcredit Score e Indicadores Sócio-Econômicos baseados em Energia Elétrica Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

53 Development of an Indicator of Propensity to Energy Commercial Losses using Geospatial Statistical Techniques and Socio-Economic Data: the Case of AES Eletropaulo FRANCISCO, E., FAGUNDES, E., PONCHIO, M., ZAMBALDI, F. - EnANPAD 2009 Algumas Soluções Interessantes Uso de técnicas geoespaciais para a concepção e operacionalização de um indicador de propensão a fraude, e análise (através de GWR) da associação entre esse indicador e a satisfação dos clientes Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

54 Análise Geográfica + Análise de Redes USP EAESP-FGV UFRGS Rede de Afiliação do Acervo da RAE-eletrônica Construção da Triangulated Irregular Network

55 Papers interessantes Geographic Patterns in Customer Service and Satisfaction: An Empirical Investigation MITTAL, V. KAMAKURA, W. & GOVIND, R. Journal of Marketing, 2004 Uso do GWR para explorar aspectos locais da satisfação de clientes com os serviços de concessionárias de veículos nos EUA 55

56 Papers interessantes Lealdade do Consumidor e Programas de Fidelidade: uma análise topográfica do campo de conhecimento à luz da bibliometria, estatística espacial e redes sociais ROCHA, V. M., PONCHIO, M., FRANCISCO, E. EnANPAD 2013 Uso de técnicas integradas de Bibliometria, Análise de Redes e Análise Geográfica para mapear o campo de conhecimento de Lealdade do Consumidor e Programas de Fidelidade. 56

57 Papers interessantes RAE-eletrônica: Exploração do Acervo à Luz da Bibliometria, Geoanálise e Redes Sociais FRANCISCO, E. RAE Revista de Administração de Empresas da FGV-EAESP, vol. 51, nº 3 mai-jun 2011 Uso de técnicas integradas de Bibliometria, Análise de Redes e Análise Geográfica para explorar o acervo completo da RAE-eletrônica, composto de 240 artigos em 18 edições (2002 a 2010). 57

58 Algumas Soluções Interessantes Outras - SpaceCurve - ESRI Hadoop framework - Location Tech: GeoMesa - gogeo -... Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

59 Mapeando as Intenções Geográficas 1ª Lei da Geografia (1970): Tudo está relacionado com tudo, mas as coisas mais próximas estão mais relacionadas entre si do que as coisas mais distantes Waldo Tobler, professor emérito do Depto. Geografia da Universidade da Califórnia Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

60 Mobile Geomarketing

61 Mobile Geomarketing * Supondo trajeto ótimo entre Origem e Destino

62 Distribuição Origens Corridas (R$)

63 Distribuição Destinos Corridas (R$)

64 Mobile Geomarketing \\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\ \

65 Mobile Geomarketing \\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\ \

66 Desafio Cultural nas Organizações Modelos Mentais INFORMAÇÕES DECISÃO Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

67 Desafio Cultural nas Organizações OS DESAFIOS DOS ADMINISTRATORES E EXECUTIVOS no acompanhamento dos dados de mercado e nos processos de decisão O BI que os software oferecem: Business Intelligence Dados operacionais Simulações Cruzamentos Processamentos complexos Decisões sem sensibilidade Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

68 Modelos Mentais

69 Cultura Geográfica é um gap para os Modelos Mentais

70 Desafio Cultural nas Organizações Paradigma Empresarial tradicional: Qual a melhor solução de BI/Big Data para minha empresa? Perspectiva Limitadora. GIS não estende modelo mental empresarial, apenas aprimora leque de ferramentas analíticas Fonte: Adaptado de KUGLER, 2013 Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

71 Desafio Cultural nas Organizações Novo Paradigma: Quais são as questões de negócios que preciso responder através das ferramentas de BI/Big Data? Dimensão geográfica aplicada em todos os níveis, inclusive como parte da compreensão do negócio Fonte: Adaptado de KUGLER, 2013 Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

72 Desafio Cultural nas Organizações OS DESAFIOS DOS ADMINISTRATORES E EXECUTIVOS no acompanhamento dos dados de mercado e nos processos de decisão Geospatial Business Intelligence / Geo Big Data Dados, Simulações e Cruzamentos Referências externas e parametrizações Dados estruturados e não estruturados Visão multidisciplinar Seleção de dados e informações relevantes Análise, monitoramento, previsão Decisões com visão holística Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

73 Desafio Cultural nas Organizações Why Leaders Should Learn Geography Anne-Laure Freant Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

74 Bons Sinais Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

75 Bons Sinais Época Negócios, Outubro 2013 Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

76 Bons Projetos!! Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

77 Área de Concessão da AES Eletropaulo Plataforma Analítica em Geo-Inteligência Sistêmica - Plano para Bases do Futuro Fase Prova de Conceito Dec-14 conveniada à 78

78 Perspectivas: Quantidade de Deslocamentos (AES) Deslocamentos motivados por Ocorrências de Emergência apenas, segundo amostra de dados utilizada no projeto. Dados agrupados por quadrículas de 1 km 2 Plataforma Analítica em Geo-Inteligência Sistêmica - Plano para Bases do Futuro Fase Prova de Conceito Dec-14 conveniada à 79

79 Perspectivas: TML da quadrícula (AES) TML calculados para os deslocamentos motivados por Ocorrências de Emergência apenas, segundo amostra de dados utilizada no projeto. Dados agrupados por quadrículas de 1 km 2 Plataforma Analítica em Geo-Inteligência Sistêmica - Plano para Bases do Futuro Fase Prova de Conceito Dec-14 conveniada à 80

80 Perspectivas: Velocidade Deslocamento (GisBI/Here) Contribuição de cada quadrícula de 1 km 2 para o trânsito nos diversos deslocamentos pela área de concessão. Dados de trânsito típico apurados segundo tipologias de trânsito da Here. Plataforma Analítica em Geo-Inteligência Sistêmica - Plano para Bases do Futuro Fase Prova de Conceito Dec-14 conveniada à 81

81 Bons Projetos!! Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

82 Resumo da Ópera Dados & Informações Conceitos e plataformas Monitoramento e controle Coletores, Sensores, Internet of Things Contextualização espaço-temporal Armazenamento Dashboards BIG DATA Sistemas de Monitoramento Interpretação, análise e técnicas preditivas, geoestatística Colaboração Visualização e compreensão Informações para apoio à decisão Webinar Big Data e Inteligência Geográfica 08/Dez/2014 Eduardo de Rezende Francisco erfrancisco@gmail.com

83

84 Obrigado!!! Eduardo de Rezende Francisco Professor FGV e ESPM Sócio-Fundador GisBI Chief Knowledge Officer Meia Bandeirada erfrancisco@gmail.com Webinar MundoGEO: Big Data e Inteligência Geográfica: Mitos e Verdades 08/Dez/2014