big data: descoberta de conhecimento em ambientes de big data e computação na nuvem - josé...

9
Descoberta em Big Data Propensão em Escala Dinâmica

Upload: rio-info

Post on 15-Dec-2014

28 views

Category:

Technology


4 download

DESCRIPTION

Palestra sobre Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem apresentada por José Sampaio durante o Rio Info 2014

TRANSCRIPT

Page 1: Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem - José Sampaio

Descoberta em Big Data

Propensão em Escala Dinâmica

Page 2: Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem - José Sampaio

- Quality of Experience : base de conhecimento com interpretação automática do feedback dos Clientes em geral, em tempo real (Voice of the Customer)

- Fast Data: Segmentação por indicadores em tempo real, e Decisões Dinâmicas com base em regras de negócios;

- Operational Intelligence: revisão dos fluxos, e análise preditiva e de propensões;

- Social Multichannel Contact Center: Cruzamento entre Dados não estruturados obtidos dos canais convencionais (Facebook, Twitter, SMS, e-mail, Web Chat, web sites , blogs (Reclame Aqui, SPC, Procon, TJ, etc)

• Imprevisibilidade de Respostas• Volatilidade do Perfil de Consumo• Aumento descontrolado de Demanda• Necessidade de Solução para contornar

Redução de Demanda (!)• Ferramentas Tecnológicas que priorizam

apenas conversão de Dados em Informação• Baixa qualificação das equipes de

atendimento• Baixa ou Nenhuma Identificação de Grupos

ou Domicílios ou Vínculos entre Consumidores (Relação de Influência)

• Alto provisionamento financeiro por causa de Liabilities “descontrolados”

• Baixa ou Nenhuma Qualificação de Propensões e Ações Preditivas

• Baixo índice de FCR (First Call Resolution)• Alto TMA (Tempo Médio de atendimento)• Baixo índice de Customer Satisfaction• Quantidade Exponencial de Clientes com

Pouca Demanda ou Tíquete Baixo (alta relação de custo / benefício de negócios)

Desafios Corriqueiros Proposição Tradicionalista

2

Page 3: Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem - José Sampaio

3

Quem é este Cliente?

Page 4: Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem - José Sampaio

4

9.400“José Carlos Sampaio Junior”

45% de Similaridade

de Caso / Problema

70% de Similaridade

de Caso / Problema

Valor doProduto igual

10%

Varredura em 9.400 links

QUAL É O CONTEÚDO DE

CADA UM?

3 inserções

20 Páginas

Page 5: Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem - José Sampaio

Fluidez do Conhecimento

5

Page 6: Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem - José Sampaio

PROCESSO0000039-23.2011.8.19.0061CLASSEAPELACAODATA DE JULGAMENTO19/11/2013ORGAO JULGADORPRIMEIRA CAMARA CRIMINALRELATORDES. MARCUS HENRIQUE PINTO BASILIOEMENTA EMENTA: PENAL - PROCESSO PENAL - NULIDADE - FALTA DE FUNDAMENTAÇÃO - FUNDAMENTAÇÃ SUFICIENTETRÁFICO DE DROGAS - ABSOLVIÇÃO - PROVA - DEPOIMENTO DOS POLICIAS - VALIDADE - CONDENAÇÃO - PENA - REDUTOR DO §3° DO ARTIGO 44 DA LEI 11.343/06 - NÃO INCIDÊNCIA Não se questiona que toda decisão judicial deve ser fundamenta sob pena de nulidade, tratando-se de preceito constitucional ditado no artigo 93, IX, da CF. No caso concreto, a juíza de piso justificou a razão de não ter aplicado o redutor requerido pela defesa, inclusive citando decisão da Câmara neste sentido. Nulidade inexistente. Não mais se controverte que o depoimento de policial é válido como qualquer outro. Na verdade, não é razoável que o Estado pague mensalmente aos policiais para que guarneçam a ordem publica e, depois, quando os chama para que prestem contas do trabalho realizado, não venha a lhes dar crédito. Matéria já pacificada nos Tribunais, sendo objeto do verbete da súmula 70 do STJ. O juiz não está vinculado a qualquer tipo de prova, devendo decidir de acordo com o seu livre convencimento motivado. Nesta linha, não se controvertendo que nos crimes de tráfico de entorpecentes a prova, em regra, se baseia no que foi dito pelos policiais, deve o juiz valorar o que foi por eles dito, confrontando com outros elementos de prova, inclusive eventual peça técnica, nunca desconsiderando a regra da razoabilidade. No presente caso, sem qualquer contradição de valor, informaram os policiais que estavam fazendo uma incursão no bairro do Purys, quando se aproximaram do local descrito na denuncia e viram o réu entregar algo para Erasmo, tendo a dupla se livrado de algo quando da aproximação dos milicianos, ficando indicado o ato de mercancia. A Lei 11343/06 nitidamente determinou o tratamento diferenciado entre o traficante profissional e o episódico, aquele de primeira viagem, que não se dedica a tal atividade ilícita, estando envolvido ocasionalmente naquele nefando comércio. Por opção política respeitável, quis beneficiar o chamado traficante virgem. Penso não bastar à primariedade e os bons antecedentes para a aplicação do redutor respectivo. Exige-se mais para que tal norma não seja considerada inconstitucional por falta de proteção, porquanto, na verdade, a nova lei aumentou à pena mínima do tráfico, não sendo lógico que viesse em seguida a reduzi-la por ser o réu primário e de bons antecedentes. Tal condição pessoal do acusado não autoriza a redução da pena para abaixo do mínimo previsto em nenhuma outra infração. Não é razoável a sua aplicação como redutor de pena unicamente no crime de tráfico que é reconhecido pela carta magna como de extrema gravidade, sendo assemelhado aos hediondos. O que é fato é que tais circunstâncias o Juiz observa no calibre da pena, sempre observados os limites legais. Desta forma, a meu sentir, somente o traficante episódico, acidental, de primeira viagem, virgem, faz jus ao benefício, por ter sido vontade do legislador diferenciá-lo do traficante "normal". Com esta diferenciação, tendo criado a lei 11343/06 uma nova espécie de traficante, se justifica a aplicação da causa de redução de pena aos condenados anteriormente à edição da nova lei, inclusive devendo a redução incidir sobre a pena prevista na lei anterior. Antes inexistia legalmente a figura do traficante ocasional. Provada tal qualidade, ainda que já tenha decisão definitiva com base na lei anterior, o condenado faz jus à redução respectiva, certo que o relator adota o entendimento de ser possível a combinação de leis, posição que não tem sido admitida pelo STJ. No caso concreto, as circunstâncias da prisão e o que foi dito pelos policiais acercado envolvimento anterior do acusado com o tráfico da localidade, indicam que ele não se encaixa naquela figura do traficante ocasional que a lei quis beneficiar.

6

Texto NÃO ESTRUTURADO da Internet

Entrada de Texto Livre no Atendimento

(NÃO ESTRUTURADO)

Dados ESTRUTURADOS em Sistemas Internos

Base de Conhecimento sendo Processada em Tempo Real

Ou Seja

6

Page 7: Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem - José Sampaio

Sistema >>>• Documento de 10 páginas = 100kbytes.• Uma busca simples no Google sobre meu NOME traz ao menos 2.500 documentos• Cada documento válido retornado tem 100kbytes (2.500 x 100k) = 250 Mbytes por pesquisa

Portanto, cada Cliente exige uma pesquisa a 2.500 documentos, ou 250Mbytes de dados

• Central de 100 posições com TMA de 3 minutos e ociosidade de 3%• Dia de 8 horas, tem 19 atendimentos por posição, por hora. Total de 1.900 atendimentos por

HORA• 1 Atendimento consome 250Mbytes em pesquisa, i.e. total de 475 Gbytes por hora

(130Mbytes por seg)

Humano >>>Considerando que um ser humano consegue processar um documento de 10 páginas a cada 15 minutos .

Portanto, para um total de 1.900 Clientes/hora, são necessários 19 Milhões de analistas.

POR ISSO É MAIS BARATO USAR UM SISTEMA !!!! >>> BIG DATA

Cenário de Análise Contratual

9

Page 8: Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem - José Sampaio

As revoluções da humanidade sempre foram marcadas por processos de automação.

Tudo em larga escala.

Agricola – ferramentas para produção de alimentosIndustrial – automação da produção de produtosTransportes – automação da movimentação de pessoas

As máquinas passaram a ser empregadas para substituir pessoas

Cada vez mais precisa-se de máquinas que façam Análise de Sentimento, em larga escala

Quantidade de Pessoas x Volume de Informação

(Software + Processadores Automáticos) x Posicionamento Empresarial

Regras de Negócios x Informações “escondidas” em montanhas de dados

Montanhas de Textos x Percepções

BIG DATA é a nova revolução, informacional

Fechamento

10

Page 9: Big data: Descoberta de conhecimento em ambientes de big data e computação na nuvem - José Sampaio

Descoberta em Big Data

Dinâmica de Propensão em Escala

[email protected]