Big Data Analytics
Big Data O conceito de Big Data tem cerca de 70 anos, porém o termo em si é mais recente: pouco mais de 15 anos. O termo, inicialmente, referia-se à impossibilidade de armazenamento de dados tão grandes, por não haver tecnologia suficiente na época. Em 2001, o sentido do termo recebeu um significado oficial: passou a ser usado para se referir à imensa quantidade de dados que surgia rapidamente. (definição de Gartner, na época Meta Group)
Big Data Os 4 V s
Big Data Os 4 V s Volume: Big Data implica em grandes quantidades de dados. Até pouco tempo atrás, 1 terabyte era considerado além das expectativas de armazenamento; porém hoje já se fala em peta, exa, zetta, yotta e brontobytes. Velocidade: A rapidez com que as informações surgem tem sido cada vez maior. Redes sociais, vídeos, documentos, e-mails, notícias, etc., tudo gera dados. E estes dados vem se multiplicando em ritmo intenso, segundo a segundo.
Big Data Os 4 V s Variedade: Os dados não correspondem apenas a um tipo de informação. Toda e qualquer área gera dados continuamente. Saúde, tecnologia, entretenimento, finanças, etc. Tudo gera dados. Veracidade: Não é qualquer dado que vem a ser útil para a tomada de decisões, e nem todo dado vem a ser verdadeiro. Dentro do Big Data, são utilizadas as informações com procedência confiável e confirmável.
Big Data Analytics Big data apresenta uma situação de informação, ou seja, um problema. Porém não a solução. É aí que entra sua análise, ou analytics. A solução do Big Data é analisar os dados, selecionar tudo aquilo que tiver utilidade e trabalhar tais dados para auxiliar na tomada de decisões. Existem diferentes formas de se lidar com os diversos tipos de dados.
Big Data Analytics Tratamento baseado em cálculos matemáticos e estatísticos que têm grande dependência do resultado que se deseja alcançar. Análise Semân,ca: análise de postagens, comentários, dados de redes sociais. Não inteiramente sa5sfatória, nem muito veloz. Análise Predi,va: previsão do comportamento de um produto ou serviço de acordo com suas caracterís5cas (histórico atual, indicadores- chave). Análise de Cluster: separação de elementos em grupos de acordo com o padrão de comportamento.
Big Data Analytics Conjunto de teorias, metodologias e tecnologias que conectam os dados brutos aos usuários da informação da forma que precisam. BI Clássico: elaboração de gráficos, dados Csicos de fácil compreensão. ( Data Visualiza,on ) BI em Memória: modelo que vem ganhando espaço; dados digitais, mais ágil e eficiente que o anterior. Self- Service BI : os usuários dos dados dependem menos de terceiros para obtenção de respostas. Data Discovery : ambiente de navegação ampla e ágil onde qualquer um pode perguntar o que deseja saber e alterar as visões variando parâmetros.
Case: Grande Seguradora
Case: Grande Seguradora A seguradora precisava aumentar o controle na análise dos sinistros e reduzir o risco de pagamentos indevidos. Qual o preço esperado para um sinistro?
Case: Grande Seguradora Gestão de Risco de Sinistro Conceito de valor esperado preço do sinistro. Conceito de desvio sobre valor esperado. Categorias de desvio. Ações por categoria de desvio workflow. Indicadores de gestão. Alçadas de decisão.... Sinalização de alerta por categoria de desvio. Visualização de distribuição de preços por dimensões oficina, região, modelo, auditadas... Drill down de desvios. Status de desvios no workflow. Relatório execugvo posição atual e evolução de indicadores de gestão.... RoGnas pré definidas.
Melhoria de Eficiência Operacional da área de Sinistros: Modelagem estatística de sinistros. Automatização de processamento. Situação atual Transformação de Processo Solução alvo Shotgun Pistola automática
Refinamento de Escopo e Hipótese de Risco Avaliação de Base de Dados Conclusões sobre perfil de dados Modelagem de processamento estass5co Refinamento de modelagem Hipóteses de Polí5ca de Risco Workshop e definição de Polí5ca Painel de Controle Execu5vo e Operacional Modelo de alimentação automá5ca Integração interna e externa A BRQ desenvolveu uma metodologia em sua linha de consultoria Analytics juntamente com um especialista em matemática aplicada, Dr. Prandini, para aprimorar o processo de decisão apoiado no conhecimento de negócio da equipe da seguradora. A análise é realizada com algoritmos estatísticos que, baseados em um histórico de dados, avaliam se os valores das propostas estão dentro da média e identificam as variáveis em cada situação que poderão ser pagas.
Flexibilidade e Agilidade para o seu negócio Superando suas expectativas