
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Fernandes, Adriana Sbicca, 1969- | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Sociais Aplicadas. Curso de Graduação em Ciências Econômicas | - |
| Autor(es): dc.creator | Lobo, Rodrigo Maciel, 1989- | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T11:50:11Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T11:50:11Z | - |
| Data de envio: dc.date.issued | 2024-11-03 | - |
| Data de envio: dc.date.issued | 2024-11-03 | - |
| Data de envio: dc.date.issued | 2017 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/55951 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/55951 | - |
| Descrição: dc.description | Orientador : Adriana Sbicca | - |
| Descrição: dc.description | Monografia (graduação) - Universidade Federal do Paraná, Setor de Ciências Sociais Aplicadas, Curso de Ciências Econômicas. | - |
| Descrição: dc.description | Inclui referências | - |
| Descrição: dc.description | Resumo : 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. | - |
| Formato: dc.format | 1 recurso online : PDF. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Palavras-chave: dc.subject | Mineração de dados (Computação) | - |
| Palavras-chave: dc.subject | Previsão | - |
| Palavras-chave: dc.subject | Estatistica - Análise | - |
| Título: dc.title | O uso de grande volume e variedade de informações - Big Data | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: