A ERA DO BIG DATA: COMO VOCÊ E A SUA EMPRESA ESTÃO ENCARANDO ESSAS MUDANÇAS?

Infnet -  Agosto, 2018

Novas (mas nem tanto) tecnologias; Iot; Industrie 4.0; Ambidexterity; CDO; Advanced Analytics; casos de sucesso

Our goal!!!!

Nosso objetivo é discutir a velocidade com que as coisas estão mudando e abordar os temas: big data, data science e business analytics.

[tempo estimado: 60 minutos]

Inteligência Artificial

"I am telling you, the world's first trillionaires are going to come from somebody who masters AI and all its derivatives and applies it in ways we never thought of,“

"Whatever you are studying right now if you are not getting up to speed on deep learning, neural networks, etc., you lose,"

"We are going through the process where software will automate software, automation will automate automation."

Mark Cubarn

Redes Neurais Artificiais

Self driving trucks

Life insurance business + IoT

Como funciona:

1. Cliente acumula pontos no Vitality

2. Ganha um Vitality status (Gold, Silver, etc)

3. Aproveita os prêmios

Sensory
Devices

Network /
Connectivity

Internet
of
Things

Data Analytics
Architecture

Improved
Decision
Power

A Internet of Things conecta bilhões de sensores e dispositivos como objetos de consumo diário e equipamentos industriais em rede

A quantidade crescente de dados produzidos por esses sensores e dispositivos conectados são, portanto, adquiridos, registrados e armazenados em redes

Internet of Things ajuda conectar o mundo físico para a Internet

A arquitetura de Data Analytics fornecerá análise em tempo real de armazenamento e transmissão de dados de sensores

A análise de dados de entradas em rede é então utilizada para uma melhor tomada de decisão, maior eficiência, novos serviços ou segmentação de clientes

Indústria 4.0

Background

Primeira máquina têxtil 1784

Primeira Revolução Industrial

Através da introdução de instalações de produção mecânica com o auxílio de vapor d'água

Segunda linha de montagem Abatedouros de Cincinneti, 1870

Segunda Revolução Industrial

Através da introdução de uma divisão do trabalho e produção em massa com o auxílio da energia elétrica.

Primeiro controlador lógico programável (CLP), Modicon 084, 1969

Terceira Revolução Industrial

Através do uso de eletrônica e sistemas de TI que automatizam ainda mais a produção

Quarta Revolução Industrial

Através do uso de sistemas ciber-físicos

Tempo

Final do século XVIII

Início do século XX

Início dos anos 1970

Hoje

1ª Revolução Industrial:

• Teve início na segunda metade do séc. XVIII na Inglaterra.
• Chegou ao Brasil apenas em meados de 1910, devido à Primeira Guerra Mundial.

2ª Revolução Industrial:

• Ocorreu no último terço do séc. XIX nos EUA.
• Só chegou ao Brasil na década de 1940 com Vargas.

3ª Revolução Industrial:

• Iniciou-se no início dos anos 1970 no Japão e outros países industrializados da Ásia.
• Chegou ao Brasil apenas em meados das décadas 1980-90.

Seria a Indústria 4.0 a oportunidade para o Brasil finalmente estar up to date com o que está sendo desenvolvido na indústria internacional?

sharing economy

Computação cognitiva

Nowcasting

web-scraping

computação quântica

Internet of Things

self-driving trucks

inteligência artificial

data economy

robots

BIG DATA

Data science

Blockchain

deep learning

IoT

machine learning

statistics

Computação cognitiva

Computação cognitiva

Computação cognitiva

Computação cognitiva

Computação cognitiva

Computação cognitiva

Internet of Things

Internet of Things

Internet of Things

Internet of Things

Internet of Things

statistics

statistics

statistics

statistics

statistics

statistics

sharing economy

sharing economy

sharing economy

Nowcasting

Nowcasting

Nowcasting

Nowcasting

Nowcasting

Nowcasting

Nowcasting

robots

robots

robots

robots

robots

robots

robots

robots

Blockchain

Blockchain

Blockchain

Blockchain

Blockchain

Blockchain

IoT

IoT

IoT

IoT

IoT

IoT

IoT

IoT

data economy

data economy

data economy

data economy

data economy

data economy

data economy

self-driving trucks

self-driving trucks

self-driving trucks

self-driving trucks

self-driving trucks

self-driving trucks

self-driving trucks

inteligência artificial

inteligência artificial

inteligência artificial

inteligência artificial

inteligência artificial

inteligência artificial

inteligência artificial

inteligência artificial

IoT

machine learning

machine learning

machine learning

machine learning

machine learning

machine learning

machine learning

computação quântica

computação quântica

computação quântica

computação quântica

computação quântica

computação quântica

deep learning

deep learning

deep learning

deep learning

Bit coin

Bit coin

Bit coin

Bit coin

Bit coin

Bit coin

Bit coin

Bit coin

Bit coin

cloud computing

cloud computing

cloud computing

cloud computing

cloud computing

cloud computing

web-scraping

web-scraping

web-scraping

web-scraping

web-scraping

Data science

Data science

Data science

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

Muitos fatos disruptivos estão acontecendo

? Perguntas

Quem irá mudar o paradigma de precificação da indústria de seguros, criando produtos mais acessíveis e universais?

Como as empresas estão pensando sobre sua logística para os próximos 10 anos?

Como serão as novas plantas de produção?

Minha empresa irá sobreviver a essa revolução digital?

Quais são as chances de eu ter o mesmo emprego daqui a 10 anos?

Como será nossa iteração com a máquina? E as vendas? [Amazon]

Qual é o insumo que está relacionado com tudo isso que falamos até agora?

DADOS

Foram produzidos mais dados nos últimos dois anos que em toda a história da humanidade

The world’s most valuable resource is no longer oil, but data

Fonte: The Economist ( http://econ.st/2pjSWDL)

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

BIG DATA

Mas, o que é Big Data?

“Nós estamos testemunhando um movimento que irá transformar completamente qualquer negócio e a sociedade. O nome que nós damos a esse movimento é Big Data e irá mudar tudo , a maneira que banco e varejistas operam, a forma que tratamos o câncer e protegemos o mundo contra o terrorismo. Não importa qual o trabalho que você está fazendo ou a indústria que você trabalha, Big Data irá transformá-lo”

Bernard Marr, 2016.

“Big Data”, pode ser entendido em termos de 3 dimensões complementares:

1

Novos paradigmas de obtenção de informações;

2

Algoritmos estatísticos concebidos em torno dos problemas de classificação, previsão e descobrimento de padrões, denominados de forma geral como algoritmos de “aprendizagem estatística” ou “aprendizado de máquina”;

3

Novas estratégias computacionais.

Qual o real ritmo da mudança?

“The world is changing faster than we can accept change.”

Bob Caspe (2015)

Quanto tempo esses aparelhos/apps levaram para alcançar 50 milhões de usuários?

Enquete

Porque o problema de grande parte das empresas é justamente o fato de elas não conseguirem acompanhar a velocidade da mudança!

Por que estamos falando sobre tudo isso?
Por que isso importa pra você?

Tamanho e sucesso no passado não garantem resultado futuro!

Foram listadas entre as 500 maiores do mundo da Fortune.

Foram listadas entre as 500 maiores do mundo da Fortune.

500

500

As 500 maiores (1994 e 2004)

As 500 maiores (1955 e 2015)

153

Faliram ou foram adquiridas

130

Operaram mudanças significativas na estratégia de negócio

57

Continuam na lista

1994

2004

1955

2015

No passado...

No séc XVIII, Thomas Edson enfraqueceu o mercado de Lampião...

Em 1908 Henry Ford enfraqueceu os cocheiros...

Nos anos 1930 a TV enfraqueceu o rádio...

Hoje

Uber vs Táxi

WhatsApp & Telecom

Netflix vs TV 

"40% dos negócios vão falir em 10 anos"

John Chambers, CEO da Cisco por 20 anos

Para ele, isso vai fazer a economia dar uma reviravolta gigantesca: empresas acomodadas e sem inovação vão falir, dando espaço para novas empresas alinhadas com as inovações tomarão seus lugares – tendência que já está ocorrendo com milhares de startups de tecnologia.

“40% das empresas no Reino Unido não vão existir mais substancialmente nos próximos 10 anos, o mesmo com os Estados Unidos”, disse.

Serão 50 bilhões de aparelhos conectados na Internet das Coisas em 2020 e 500 bilhões em 2030; isso vai mudar o mundo.

Qual será sua estratégia para não acabar do lado errado desses 40%?
Quais são os caminhos possíveis?

Ambidexterity 

Ambidexterity 

4 ingredientes (necessários, mas não suficientes) para ter sucesso

Estratégia clara que justifique a necessidade de ser ambidestro [exploitation and exploration]

Suporte e comprometimento dos C-levels

Arquitetura Ambidestra

Identidade comum: visão, valores e cultura

Emprego e a Nova Revolução Tecnológica

Em 2025, as máquinas inteligentes irão substituir 1 em cada 3 empregos

Emprego e a Nova Revolução Tecnológica

Em 2013, Carl Benedikt Frey e Michael A. Osborne, professores da Universidade de Oxford, publicaram um relatório chamado "O Futuro do Emprego: quão suscetíveis são os trabalhos à informatização?". 

Os autores examinaram como diferentes empregos são suscetíveis a informatização, através da implementação uma nova metodologia para estimar a probabilidade de informatização para mais de 700 ocupações detalhadas.

De acordo as estimativas, cerca de 47% do emprego total dos EUA está em risco. Embora o relatório seja específico para o mercado de trabalho dos EUA, é fácil ver como o estudo pode se aplicar em todo o mundo.

Qual é a chance de um robô tomar o seu emprego?

Você será substituído por um robô?

Ou encontrará novos caminhos?

Emprego e a Nova Revolução Tecnológica

David Autor [MIT]

IA e Humanos são complementares

IA e Humanos são concorrentes

Daniel Susskind [OXF]

Emprego e a Nova Revolução Tecnológica

A Model of Technological Unemployment [Daniel Susskind]

http://merlin.allaboutbirds.org/photo-id/

Universal Basic Income

The answer to automation?

http://eduardosuplicy.com.br/renda-basica-de-cidadania/

Você conhece um CDO?

Chief Data Officer (CDO), é uma categoria relativamente nova de C-Level, responsável pela governança de dados de uma organização.
Essencialmente, é dever do CDO gerenciar a utilização da informação como um ativo, via mineração e processamento de dados, troca de informações e outros meios.

O CDO garante que a importância estratégica dos dados seja devidamente mantida e gerenciada em toda a organização.

Aproveitar os dados como uma vantagem competitiva

Responsabilidades do CDO

Identificar novas oportunidades

Legitimar os dados

Incentivar e inspirar mudança

Você conhece um CDO?

CDO survey 2016 [Gartner]

25% das organizações globais já contrataram um CDO, em 2019, prevê-se que esse número vá para 90%

Aproximadamente 40% dos CDOs participam regularmente dos comitês executivos;

46% estão envolvidos na geração de receitas e 70% estão envolvidos em novas iniciativas e contribuindo para o aumento da competitividade das empresas;

The 2016 Chief Data Officer survey reveals CDOs drive digital business transformation

Ainda cético sobre as transformações que estão ocorrendo?!

"Whom the gods want to destroy, they send forty years of success"

Aristóteles

Cuidado!!!

WINNER

TAKES

ALL

Business Analytics

Estratégia e planejamento

Preparar
os Dados

Explorar e avaliar

Deploy

Medir e
desenvolver

DSML life cycle

Muda a experiência do usuário ou otimiza processos?

Qual é o nível de inovação?

Qual é o grau de maturidade dos dados?

• A maior e mais básica "necessidade" na hierarquia de analytics é a necessidade de uma coleta de dados "sólida" (Monica Rogati, 2017).

• Os dados devem ser tratados como um bem estratégico fundamental, garantindo assim a sua veracidade e a qualidade dos dados torna-se indispensável!

Princípios fundamentais para o sucesso do Analytics:

1

Begin with a strong foundation

2

3

Transforming data into insights

Garbage in, garbage out

4

Learn and optimize

5

AI and machine learning

Cases de sucesso: in-house production

IIE-Br

Firmas

População

Situação Futura

RECESSÃO

Poupança

Investimento de baixo risco

CRESCIMENTO

Contratação

Consumo

Investimento em maquinário

INCERTEZA

Como medir?

Mídia

Mercado

(CBOE,2017)

Expectativas

(Baker et al,2006)

17

número de vezes que a palavra incerteza foi citada

link para a apresentação feita no Banco Central

PIBNOW

T - 2

DIVULGADO

T - 1

REALIZADO, MAS NÃO DIVULGADO

T

EM REALIZAÇÃO

T + 1

 NÃO REALIZADO

backcasting

nowcasting

forecasting

Você está aqui!

Qual é a previsão da produção industrial?

https://nmecsys.shinyapps.io/indprod/

BETS

0.2.1

Brazilian Economic Times Series

O pacote BETS para o R fornece, de maneira descomplicada, as mais relevantes séries temporais econômicas do Brasil e diversas ferramentas para analisá-las. O BETS preenche uma lacuna no processo de obtenção de dados no Brasil, na medida em que unifica os pontos de acesso às inúmeras séries e oferece uma interface bastante simples, flexível e robusta.

Funcionalidades

Gerenciamento de dados

Painéis de sondagem

Relatórios dinâmicos

Funções adicionais

Cases de sucesso: in-house production

Contingenciamento jurídico

Cases de sucesso: in-house production

Excesso de processos contra as distribuidoras

+- 3.000

processos por dia [apenas 1 distribuidora]

Taxa de crescimento 

15%

ao ano

Cases de sucesso: in-house production

Preocupações da diretoria

Imagem da empresa

Excesso de provisionamento

O que fazer?

Qual é a chance da empresa perder um processo amanhã?

Existe alguma ação da empresa que aumenta o número de processos?

Solução

Definir a chance, com uma certa confiança, de a empresa perder um determinado processo.

Tentar entender a relação entre as ações da empresa e o número de processos.

Cases de sucesso: in-house production

Corte e religação: corte da energia dos clientes inadimplentes

1 exemplo

Uma das principais motivações de ingresso de processos jurídicos contra a empresa, tanto da matéria JEC quanto Cível.

+-40.000

cortes e religações realizados por ano

Processos jurídicos

Gastos

Corte e religação não é uma boa ação

Vamos negativar !!!

Economia de R$ milhões ((-)processos, (-) custo com pessoal)

Cases de sucesso: in-house production

Previsões de mercado: 1 ano, 3 anos, 10 anos

Data science advisor

FORECASTING as a SERVICE

Qual é a ideia por trás do
"as a service"?

Tipos de serviços

Fonte: Cloud53

Elasticidade

• Evita queda no site quando o volume de acessos aumenta de forma inesperada;

• Permite que não desperdice dinheiro mantendo servidores muito potentes quando não há tráfego compatível;

• Garante uma economia de tempo com monitoramento e administração de servidores.

Escalabilidade

Característica de um sistema, serviço ou processo de lidar com volumes crescentes de trabalho, mantendo performances satisfatórias mesmo diante de aumentos significativos de demanda.

Um sistema escalável deve estar preparado para suportar aumentos de carga significativos quando os recursos de hardware e software são requeridos.

Dados da empresa

Estudo para definir metodologia

Modelagem

Previsão

Estudo para definir metodologia

Modelagem

Previsão

FaaS

(Forecasting as a Service)

Hoje

Estudo para definir metodologia

Modelagem

Previsão

Hoje

Cliente

MTBr FaaS

Outros

Insumos para previsão

Dados da empresa

Insumos para previsão

Dados da empresa

Insumos para previsão

Nosso produto...

Formação - Big data e data science

• 100 horas -  aulas aos sábados de 8 horas;
• 22/09/2018 - Sábados - 09h00 às 18h00

Ciclo básico de Data Science

• O que é um data        scientist

• R, RStudio

Entendendo

meu problema

• 2 + 2 = 4??

• Modelo Probit

• Condicionalidade

Estatística

• SQL

• Dados estruturados

• Azure

Data Cloud computing

• Hadoop

•  Hive

• Pig

Big Data

• LASSO

• Decision trees

• Classificadores

Machine Learning

• RMarkdown

• Shiny app

• ggplot

Reports e Visualização

Ciclo básico de Data Science

• Mapas

•  Modelos espaciais

Estatística Espacial

• SARIMA

• ADL

• Cointegração

Séries Temporais

• Redes Neurais

• Fuzzy

Inteligência Espacial

Ciclo básico de Data Science

• Twitter

•  Facebook

•  Webscraping

Mídias

Sociais

Business Analytics

• Ótica de negócios

•  Cases Reais de                    Advanced Analytics

Ciclo básico de Data Science

Obrigado!

Quem sou eu...

A Model Thinking Br oferece soluções em Advanced Analytics utilizando suporte estatístico e computacional, machine learning e métodos de otimização. Buscamos atender às demandas de nossos clientes de maneira ótima e fazendo com que as ferramentas desenvolvidas façam parte do cotidiano da empresa.

Fazem parte do nosso portfólio: análises de Churn, Forecasting as a Service, Data Science Lab Management, Human Resources Analytics,  previsões de curto, médio e longo prazos, validação de modelos/algoritmos computacionais, estudo de probabilidades/scores associadas a eventos, auxílio na contratação de cientistas de dados, desenvolvimento de indicadores etc.

Atendemos empresas de pequeno, médio e grande porte fornecendo, além das informações demandadas, plataformas capazes de produzir tais estudos.

Somos pragmáticos e abertos a novas soluções. Começamos por definir as questões certas, para então examiná-las com rigor analítico, como base para criar as respectivas soluções. Nossa equipe, formada por mestres e doutores, possui forte vínculo com a academia, buscando sempre trazer conhecimentos de fronteira para nossos clientes.

Entre em contato conosco: contato@modelthinkingbr.com