UNISAL. Inteligência Coletiva e o Big Data: Tecnologia e Tendências. Nivaldo T. Marcusso

Transcrição

1 1

2 Inteligência Coletiva e o Big Data: Tecnologia e Tendências II Jornada do Conhecimento Pós-Graduação Data: 22/08/2013 Prof. Nivaldo Tadeu Marcusso 2

3 Prof. Nivaldo Tadeu Marcusso 48 anos, formado em Engenharia Eletrônica, MBA em Conhecimento, Tecnologia e Inovação pela FIA/USP e Pós-MBA em Gestão avançada pela FIA / USP, Membro da Wharton Fellows. Certificação Executiva em Estratégia e Inovação pela MIT Sloan e Especialização em: Gestão Estratégica de TI (SUIT) pela Universidade de Stanford, Estratégia e Serviços de TI (DIS) pela Universidade de Harvard, Gestão Internacional pela Universidade Euromed de Marseille/FEA-USP e Gestão de Conhecimento pela Universidade de Lyon e FEA/USP. Professor de Pós-Graduação Lato Sensu (cursos MBA) em Estratégia, Inovação, Gestão do Conhecimento, Tecnologia da Informação e Educação a distância pela, USP, FIA, FIAP, FATEC e e palestrante em conferências nacionais e internacionais de TI, Inovação, Tecnologia Educacional e Educação à distância. Eleito em 2010, 2009, 2008, 2007, CIO do ano no segmento de educação no Brasil, pela HITEC, revista Computerworld e 1º lugar entre os CIOs, das 100+ Empresas Inovadoras em TI na categoria de serviços diversos, pela revista Information Week. Experiência de negociação e liderança no desenvolvimento de parcerias internacionais com empresas e Universidades, para a transferência de tecnologias aplicadas a educação e banking, tendo visitado mais de 15 países nos últimos 13 anos, como os EUA, China, Inglaterra, França, Alemanha, Irlanda, Tunísia, Espanha, Chile entre outros. Membro de Comunidades, Associações e Sociedades focadas em gestão da tecnologia, da estratégia, da inovação e da educação a distância, como o ISPIM (Noruega), IBGC, Praxis (Brasil), ABED (Brasil), e- learning Brasil, Educause (EUA), FIRST (EUA) e BDRA (Inglaterra). Co-autor e coordenador da coleção Tecnologia e Educação, com os livros eletrônicos (ebooks): Tecnologia e Aprendizagem e a Tecnologia transformando a Educação. Experiência de mais de 25 anos na gestão da TI, planejamento estratégico, Inovação, RH, Finanças em empresas como Digilab, Fundação Bradesco, Bradesco, Anhembi / Laureate. Atualmente além de Professor da USP, FIA, FIAP, FIPE, e FATEC é consultor da FIA e Sócio- Diretor da MARCX (Tecnologia Educacional, EAD e Infraestrutura de TI). 3

4 Contato Fone: Linkedin: Delta Model Praxis Tecnologia Educacional Social Media: Banking, Education and Marketing Coursera Brasil Blog: Twitter: twitter.com/nmarc Facebook: nmarcusso Slideshare: 4

5 AGENDA 1. Inteligência Coletiva 2. Crowdsourcing 3. Mídias Sociais 4. Big Data 5

6 Bibliografia e referências Bibliografia essencial e referências dos temas de open innovation, crowdsourcing, mídias sociais, empreendedorismo digital, empresas 2.0, gamificação e modelagem de negócios. 6

7 Inteligência coletiva - Autores de referência 7

8 Marvin Minsk 8

9 Pierre Lévy 9

10 Thomas Malone 10

11 Alph Bingham Alph Bingham - InnoCentive Founder 11

12 Ducan J. Watts 12

13 Clay Shirky Here Comes Everybody: The Power of Organizing Without Organization 13

14 Chris Anderson 14

15 Andrew McAFEE Enterprise 2.0: New Collaborative Tools for Your Organization s Toughest Challenges 15

16 Jeanne C. Meister 16

17 Inteligência Analítica de Big Data 17

18 Inteligência... Mídias Sociais Web 1.0 Web 3.0 Web

19 O impacto da evolução tecnológica 19

20 Ecossistema das quatro telas 20

21 O Ecossistema das quatro telas.. PC smartphone tablet smart TV Mac computers iphone ipad Apple TV Chrome browser Android Android tablets Google TV Windows, Office Windows Phone Windows 8 Xbox 21

22 Web 2.0 e a Inteligência Coletiva 22

23 Inteligência Coletiva Inteligência coletiva é uma inteligência distribuída por toda parte, incessantemente valorizada, coordenada em tempo real, que resulta em uma mobilização efetiva das competências. Não se trata, aí, de fundir as inteligências individuais em uma espécie de magma indistinto, mas sim, de um processo de crescimento, de diferenciação e de retomada recíproca das singularidades. Pierry Lévi Não é um conceito exclusivamente cognitivo; inteligência deve ser compreendida, aqui, como na expressão trabalhar em comum acordo ou no sentido de entendimento com o inimigo. 23

24 Inteligência Coletiva Associa o saber à capacidade de responder perguntas sobre alguma coisa. Em tais termos, a percepção do saber passa a ser algo bastante relativo, pois uma pessoa capaz de fazer perguntas superficiais avaliará o saber de alguém de forma diferente de outra pessoa que tenha indagações mais profundas sobre o tema. Isso remete à questão da autoridade de fonte, tão cara à Teoria da Comunicação, e que acaba afetando as emoções ligadas àquela percepção. Importante notar que não fugiria à lógica de Minsky ampliar a definição na forma saber é a capacidade de responder perguntas sobre e/ou fazer alguma coisa. Marvin Minsk 24

25 Centro de Inteligência Coletiva MIT CIC Tema central de pesquisa é entender como as pessoas e os computadores podem conectar-se de tal maneira que - coletivamente - eles hajam de forma mais inteligente do que qualquer indivíduo, grupo ou computador o tenha feito antes. Thomas Malone 25

26 Exemplos atuais de inteligência coletiva e-bay Google Wikipédia Digg YouTube Bolsas de Previsão Linkedin Twitter Slideshare... 26

27 Educação 3.0 Cloud School / MOOCs Escola Escola Escola Escola Escola Alunos Alunos Alunos Alunos Coursera.org, Edx.org e Udacity.com. 27

28 Open Innovation é: Open Innovation A prática de busca de ideias, conceitos ou talentos com pessoas ou organizações externas. Contribuidores em Open Innovation incluem funcionários, clientes, parceiros de negócios, comunidades e especialistas e o coletivo. Open Innovation pode impulsionar o desempenho em todo o processo de inovação da ideação até o desenvolvimento do produto ou serviço. 28

29 Open Innovation As aplicações sociais que suportam a Open Innovation Fonte: Gartner

30 Crowdsourcing O crowdsourcing é um modelo de produção que utiliza a inteligência e os conhecimentos coletivos e voluntários espalhados pela internet para resolver problemas, criar conteúdo e soluções ou desenvolver novas tecnologias. O crowdsourcing possui mão-de-obra barata, pessoas no diaa-dia usam seus momentos ociosos para criar a colaboração. É uma nova e crescente ferramenta para a inovação. Utilizado adequadamente, pode gerar ideias novas, reduzir o tempo de investigação e de desenvolvimento dos projectos, diminuir nos custos, para além de criar uma relação directa e até uma ligação sentimental com os clientes.dois bons exemplos de produtos obtidos através do sistema são os sistema operacional Linux e o navegador Firefox, que foram criados por um exército de voluntários ao redor do mundo. 30

31 Crowdsourcing O modelo FLIRT de Crowdsourcing (Sami Viitamäki), a colaboração coletiva com o cliente, é formado por Criadores, Críticos, Conectores, Multidão, que vêem o fenômeno a partir de uma perspectiva da empresa em considerar a colaboração intensa com clientes coletivamente e identificar os diferentes atores, bem como o papel no processo de criação. O modelo é representado por um anel que mostra a ação desejada na comunidade. 31

32 Crowdsourcing Iniciativas de Crowdsourcing: Goldcorp é uma mineradora com 50 anos localizada em Red Lake Ontario Em 1999 o CEO Mc Ewen mandou os geólogos da empresa a liberar as informações geológicas para o público A competição Goldcorp Challange ofereceu US$575K para qualquer pessoa que encontrasse ouro com as informações da empresa. Participaram da competição pessoas de 50 países Resultados: 110 sites foram identificados, sendo 50% novos e 80% produziram ouro 8 milhões de onças em ouro foram encontradas O valor da empresa saiu de US$ 110 milhões para US$ 9 bilhões Eles não encorajavam a colaboração! 32

33 Innocentive /challenge/browse?clear=true 33

34 Crowdsourcing Arquitetura e Soluções 34

35 Plataformas de Crowdsourcing 35

36 Crowdsourcing no Brasil 36

37 Crowdsourcing Nacional- Itsnoom 37

38 Crowdfunding 38

39 Crowdfunding 39

40 Casos de Crowdsourcing 40

41 Mídias Sociais 41

42 Inteligência Coletiva e as Mídias Sociais 42

43 Mídias Sociais As Mídias Sociais são classificadas em (1) Redes Sociais: Produtos para gerenciamento de perfis sociais como o Orkut, Facebook, LinkedIn and Friendster. Também faz parte desse grupo as tecnologias de análise de redes sociais (SNA), que utilizam algoritmos para entender e utilizar as relações humanas para descoberta de pessoas, relacionamentos e conhecimentos. (2) Colaboração Social: Engloba tecnologias como, wikis, blogs, instant messaging, collaborative office e crowdsourcing. (3) Publicação Social: Inclui tecnologias que auxiliam as comunidades no compartilhamento de conteúdos individuais para um repositório de conteúdo coletivo. Exs.: YouTube e Flikr. (4) Feedback Social: Receber feedback e opinião de uma comunidade sobre um determinado item. Inclui social rating, social commentary, social tagging e social bookmarking. Exs.: YouTube, Flickr, Digg, Del.icio.us e Amazon review. 43

44 O ecossistema das mídias sociais 44

45 Caso Dell de Mídias Sociais 45

48 Big Data 48

49 O que é Big DATA? Frequentemente gerado de forma automática por máquinas. Tipicamente uma nova fonte de dados Muitas fontes de Big Data não foram projetadas para serem amigáveis, tanto para o acesso como manipulação Um risco é que a empresa pode ficar sobrecarregada com as informações e não saber como aproveitá-la com um valor para os negócios Outro risco é a escalada de Big Data antes da empresa saber o que fazer com os dados Os especialistas de BIG Datas dedicam 95% do seu tempo preparando as fontes de dados e somente 5% fazendo profundas análises dos dados A grande mudança com o Big Data pode não ser as soluções analíticas e sim os processo de ETL (extração, Transformação e Carga). 49

50 O que é Big Data Tecnologias big data descrevem a nova geração de tecnologias e arquiteturas, projetadas para extrair o valor econômico de grandes e variados volumes de dados, pela possibilidade da captura, descoberta e/ou análise. " Big data é dado que excede a capacidade de processamento dos sistemas de banco de dados convencionais. Os dados são muito grandes, movem-se rapidamente ou não se ajustam as estrutura de dados convencionais. Para ganhar valor através desses dados é necessário escolher uma forma alternativa de processá-los. " Grupo de dados onde o tamanho está além da capacidade das ferramentas típicas de software em capturar, armazenar, gerenciar e analisar. todas as definições tem algo em comum: novas tecnologias são necessárias para o big data... 50

51 Big Data Evolução da Unidade de Dados 1024 desses... Igual a 1 desses Comentários Kilobytes Megabyte CD com 600 Megabytes Megabyte Gigabyte Dados de 3 metros de livros Gigabyte Terabyte 10 Terabytes contém a biblioteca do Congresso dos EUA Terabyte Petabyte 20 milhões de armários de quatro portas de dados Patabyte Exabyte 5 Exabytes contém todas as palavras faladas pelos seres humanos Exabyte Zettabyte 11 bilhões de anos para fazer o download de 1 Zetttabyte da internet, utilizando banda larga Zettabyte YottaByte Atual totalidade de dados na Internet Fonte:Taming The Big Data Tidal Wave: Finding Opportunities in Huge Data Streams with Advanced Analytics Bill Franks 51

52 O que é Big DATA? 52

53 Big Data Crescimento Exponencial de dados 53

54 Big Data Crescimento Exponencial de dados Seis bilhões de mensagens por dia Dois pentabytes (com compressão) online Seis pentabytes com replicação 250 TB/mês de crescimento Infraestrutura HBASE 54

55 Big Data Crescimento Exponencial... 55

56 Big Data Crescimento Exponencial... Big Data captura de valor US$ 300 Bilhões anuais de potencial de valor para o sistema de saúde americano, mais que o dobro gasto no sistema de saúde espanhol 250 Bilhões anuais de potencial de valor para o setor público europeu, mais do que o PIB da Grécia US$ 600 Bilhões anuais de potencial para o mercado de sobras de mercadorias (Surplus), através da utilização de dados de posicionamento globais. 60% de potencial de crescimento da margem operacional do varejo com o Big Data De a novas posições para especialistas em analíticos (Big Data) Mais de 1,5 milhão de executivos necessitarão utilizar plenamente o potencial do Big Data no EUA. 56

57 Big Data Volume: escala Velocidade: taxa de mudança de dados x janela de tomada de decisão Variedade: Diferentes formatos e fontes Variabilidade: Amplitude de interpretação Profundidade de análise Contextual: Variabilidade dinâmica Recomendação Conectividade 57

58 Principais domínios do Big Data Tempo real: transacional, online, streaming, baixa latência de dados Analítico: Dados agregados em tempo real ou outras fontes; muitas vezes de natureza batch Busca: Suportando dados, tanto internos como externos, utilizada para localizar as informações e/ou objetos desejados (produtos, documentos etc). 58

59 Cinco motivos para o Big Data 59

60 Características do Big Data Características que definem um Big Data: Velocidade: Inclui a velocidade que os dados chegam e o número de eventos/elementos que são armazenados Variedade: Envolve dados estruturados, semiestruturados e não estruturados Volume: Pode variar de terabytes a pentabytes de dados Complexidade: Tipicamente dificuldade de distribuição de dados (multi-datacenters, cloud etc) e gerenciamento e monitoramento do tráfego de dados (ETLs, migrações etc,). Fonte: Gartner 60

61 Big Data e os reservatórios de Cloud 61

62 Tendências de IC e Big Data 62

63 Big Data Landscape 63

64 Técnicas de Visualização de Dados Fluxo Histórico 64

65 Técnicas de Visualização de Dados Diagrama de Cluster 65

66 Técnicas de Visualização de Dados Fluxo espacial de informação 66