Big data: tendências e oportunidades - Palestrante: Alexandre G. Evsukoff

513 views
384 views

Published on

Rio Info 2013
Tecnologias Inovadoras
17 de setembro - 14h às 18h
Big data: tendências e oportunidades
Palestrante: Alexandre G. Evsukoff

Published in: Technology
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
513
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
16
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Big data: tendências e oportunidades - Palestrante: Alexandre G. Evsukoff

  1. 1. Big Data: Tendências e Oportunidades Alexandre G. Evsukoff alexandre.evsukoff@fgv.br
  2. 2. Google Trends Acessado em 17/09/2013 http://www.google.com/trends/
  3. 3. Hype Cycle for Emerging Technologies 2013 http://www.gartner.com/newsroom/id/2575515
  4. 4. http://www.slideshare.net/ofermend/data-science-with-hadoop-a-primer-24112930
  5. 5. http://www.hedonometer.org/index.html
  6. 6. Mitchell L, Frank MR, Harris KD, Dodds PS, et al. (2013) The Geography of Happiness: Connecting Twitter Sentiment and Expression, Demographics, and Objective Characteristics of Place. PLoS ONE 8(5): e64417. doi:10.1371/journal.pone.0064417 http://www.plosone.org/article/info:doi/10.1371/journal.pone.0064417
  7. 7. http://newsroom.fb.com/Trends/701/2013-NCAA-College-Football-Season-Kicks-Off-on-Facebook
  8. 8. http://www.websci11.org/fileadmin/websci/Papers/92_paper.pdf
  9. 9. http://www3.weforum.org/docs/WEF_TC_MFS_BigDataBigImpact_Briefing_2012.pdf
  10. 10. http://www.mckinsey.com/insights/americas/us_game_changers
  11. 11. http://www.mckinsey.com/insights/americas/us_game_changers
  12. 12. http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation
  13. 13. FGV Big Data Analytics  Gestão e Qualidade de Dados  Qualidade de Dados  Gestão baseada em Dados  Direito e Privacidade de Dados  Análise e Modelagem de Dados  Estatística  Mineração de Dados  Mineração de Textos  Análise de redes sociais  In-database anaytics  Escalabilidade  Hadoop/Map reduce  NoSQL
  14. 14. Padrões de Mobilidade Humana na Região Metropolitana do RJ Apoio: Instituições:
  15. 15. “Call detail records” (CDRs) OPERATOR A OPERATOR B OPERATOR A DATABASE NETWORK A NETWORK B OPERATOR B DATABASE http://en.wikipedia.org/wiki/Call_detail_record
  16. 16. Área de estudo  Os registros são do DDD 21, que corresponde aproximadamente à Região Metropolitana do Rio de Janeiro. http://pt.wikipedia.org/wiki/Regi%C3%A3o_Metropolitana_do_Rio_de_Janeiro
  17. 17. A base de dados Apenas chamadas realizadas
  18. 18. Atividade diária (seg-sex) 0 1,000,000 2,000,000 3,000,000 4,000,000 5,000,000 6,000,000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Horas Númerodechamadas
  19. 19. 6:00 Concentração de usuários
  20. 20. 12:00 Concentração de usuários
  21. 21. 18:00 Concentração de usuários
  22. 22. 24:00 Concentração de usuários
  23. 23. Equipe  Alexandre G. Evsukoff (Coppe/EMAp)  Nelson F. F. Ebecken (Coppe)  Moacyr Alvim (EMAp)  Antonio C. S. Branco (EMAp)  Júlio Cesar Chaves (EMAp)  Carlos André R. Pinheiro (KU Lueven)  Nuno Crokidakis (PUC-Rio)  Marta Gonzalez (MIT)  Serdar Colak (MIT)

×