O uso de grande volume e variedade de informações - Big Data

Detalhes bibliográficos
Autor(a) principal: Lobo, Rodrigo Maciel, 1989-
Data de Publicação: 2017
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/55951
Resumo: Orientador : Adriana Sbicca
id UFPR_34e1250194d5a6c8952fd401e1298f7a
oai_identifier_str oai:acervodigital.ufpr.br:1884/55951
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Lobo, Rodrigo Maciel, 1989-Universidade Federal do Paraná. Setor de Ciências Sociais Aplicadas. Curso de Graduação em Ciências EconômicasFernandes, Adriana Sbicca, 1969-2022-05-10T18:10:35Z2022-05-10T18:10:35Z2017https://hdl.handle.net/1884/55951Orientador : Adriana SbiccaMonografia (graduação) - Universidade Federal do Paraná, Setor de Ciências Sociais Aplicadas, Curso de Ciências Econômicas.Inclui referênciasResumo : O grande volume de dados gerado por usuários tem se tornado um obstáculo, pois os paradigmas tradicionais de armazenamento e processamento não são mais adequados. Uma nova linha de modelos computacionais, algoritmos e componentes vem surgindo para atender esta necessidade. Transações econômicas estão, atualmente, dependentes de alguma forma de computação que consiga capturar dados das transações para que sejam manipulados e analisados. A estatística convencional e técnicas econométricas, como a regressão, funcionam muito bem, e com a chegada do que denominamos como a era do Big Data, na qual há desafios de analisar grandes quantidades de dados de forma rápida, estas técnicas podem ter seu potencial amplificado a partir de novas ferramentas que permitem a leitura de grandes bases de dados. A partir disto, é possível identificar como os conceitos dados ao Big Data permitem novas possibilidades, antes limitadas em função de peças de hardware para armazenamento de dados, abrangência da internet móvel, ferramentas analíticas para grandes conjuntos de dados, e como estes têm fornecido verdadeiros insights à chamada Business Intelligence (BI), uma economia de negócios ampliada a partir da gerência dos dados. Neste trabalho serão apresentadas e exploradas estruturas que fundamentam o tema de Big Data. Serão ilustrados três estudos de caso utilizando-se da mineração de dados para a análise preditiva. O primeiro caso busca exemplificar uma forma de explorar os dados a partir de técnicas estatísticas, no caso a classificação, como forma de identificar possíveis novos clientes para adesão ao cartão fidelidade de uma empresa de comércio varejista realizando a análise de dados históricos com características de clientes que já aderiram. O segundo caso demonstra a utilização de dados históricos do Poduto Interno Bruto (PIB) do Brasil com o intuito de demonstrar tecnicamente o desenvolvimento de uma análise preditiva a partir do uso da regressão com o suporte de ferramentas para uso de Big Data. O terceiro caso busca, de forma hipotética, exemplificar uma das aplicações mais realizadas quando tratamos de Big Data, unir duas (ou mais) fontes de dados distintas com o intuito de prevenir o vírus Zika em determinada região aliado à informação de nível de faixa de renda que o mesmo pode estar se proliferando. Isto será feito utilizando a captura de dados da internet em tempo real e dados do setor censitário disponibilizados pelo IBGE, alinhando estes dois conjuntos de dados para transformá-los em uma ação de análise preditiva.1 recurso online : PDF.application/pdfDisponível em formato digital.Mineração de dados (Computação)PrevisãoEstatistica - AnáliseO uso de grande volume e variedade de informações - Big Datainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALRodrigo Maciel Lobo.pdfapplication/pdf1946139https://acervodigital.ufpr.br/bitstream/1884/55951/1/Rodrigo%20Maciel%20Lobo.pdff05c92ce09dbe4f478403b5126ce646fMD51open access1884/559512022-05-10 15:10:35.448open accessoai:acervodigital.ufpr.br:1884/55951Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082022-05-10T18:10:35Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv O uso de grande volume e variedade de informações - Big Data
title O uso de grande volume e variedade de informações - Big Data
spellingShingle O uso de grande volume e variedade de informações - Big Data
Lobo, Rodrigo Maciel, 1989-
Mineração de dados (Computação)
Previsão
Estatistica - Análise
title_short O uso de grande volume e variedade de informações - Big Data
title_full O uso de grande volume e variedade de informações - Big Data
title_fullStr O uso de grande volume e variedade de informações - Big Data
title_full_unstemmed O uso de grande volume e variedade de informações - Big Data
title_sort O uso de grande volume e variedade de informações - Big Data
author Lobo, Rodrigo Maciel, 1989-
author_facet Lobo, Rodrigo Maciel, 1989-
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Sociais Aplicadas. Curso de Graduação em Ciências Econômicas
dc.contributor.author.fl_str_mv Lobo, Rodrigo Maciel, 1989-
dc.contributor.advisor1.fl_str_mv Fernandes, Adriana Sbicca, 1969-
contributor_str_mv Fernandes, Adriana Sbicca, 1969-
dc.subject.por.fl_str_mv Mineração de dados (Computação)
Previsão
Estatistica - Análise
topic Mineração de dados (Computação)
Previsão
Estatistica - Análise
description Orientador : Adriana Sbicca
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2022-05-10T18:10:35Z
dc.date.available.fl_str_mv 2022-05-10T18:10:35Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/55951
url https://hdl.handle.net/1884/55951
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/55951/1/Rodrigo%20Maciel%20Lobo.pdf
bitstream.checksum.fl_str_mv f05c92ce09dbe4f478403b5126ce646f
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860219253293056

Registros relacionados