A capacidade de processar rapidamente grandes quantidades de dados permite que as organizações tomem decisões mais bem informadas, em um tempo menor, quando comparado aos concorrentes (LAVALLE et al., 2011).
Laney (2001) foi o precursor na definição das características de Big Data ao sugerir que volume, variedade e velocidade (os três V’s) são as dimensões mais desafiantes na gestão de dados (GOES, 2014). A partir desse ponto, pesquisadores definem grandes de dados por esses aspectos são coletivamente chamados 3Vs, 4Vs, 5Vs, 6Vs ou, mais recentemente, como 10Vs. Então, vamos às definições de cada elemento.
(1) Volume: é o tamanho dos dados; determina o seu valor, e o potencial dos dados em questão, e se eles realmente podem ser considerados como Big Data (LANEY, 2001). Refere-se à magnitude dos dados (GANDOMI; HAIDER, 2015). No vocabulário de Big Data, petabytes e exabytes tem substituído terabytes (ABBASI; SARKER; CHIANG, 2016). Cabe lembrar que um petabyte é um quatrilhão de bytes e um exabyte é esse número multiplicado por mil, ou um bilhão de gigabytes (BRETERNITZ; SILVA, 2013). O aspecto “volume” se refere ao fato de que a quantidade de dados disponível em forma digital cresce de maneira exponencial, provenientes não só de sistemas convencionais, mas também de fontes como
Facebook, Twitter, Youtube, RFID, eletrônica embarcada, telefones celulares e
assemelhados, sensores de diversos tipos, etc (BRETERNITZ; SILVA, 2013).
(2) Variedade: as organizações estão lidando com dados estruturados, semiestruturados e não estruturados, a partir de dentro e fora da empresa. A variedade inclui dados transacional-tradicional, textos gerados por usuários, imagens e vídeos, dados de rede social, dados baseados em sensores, Web e clickstreams móveis e dados espaço-temporais (CHEN; CHIANG; STOREY, 2012; MCAFEE; BRYNJOLFSSON, 2012). Randomi e Haider (2015) citam como exemplo, as tecnologias de reconhecimento facial para capacitar os varejistas de tijolo e argamassa para adquirir inteligência sobre o tráfego da loja, a idade ou a composição de gênero de seus clientes, e seus padrões de movimento no interior da loja. Esta informação valiosa é aproveitada nas decisões relacionadas com promoções de produtos, a colocação, e de pessoal. O fluxo de dados oferece uma riqueza de
informações sobre o comportamento do cliente e padrões de navegação para varejistas online (GANDOMI; HAIDER, 2015).
(3) Velocidade: refere-se à velocidade da geração de dados ou o quão rápido os dados são gerados e processados para atender às demandas e aos desafios que temos pela frente no caminho do crescimento e desenvolvimento (LANEY, 2001). A velocidade de criação de dados é uma característica da Big Data. Por exemplo: o
Walmart recolhe mais de 2,5 petabytes de dados da transação do cliente a cada hora.
A velocidade em que dados podem ser capturados e processados, quase em tempo real, confere a uma organização vantagem competitiva (MCAFEE; BRYNJOLFSSON, 2012). Para Gandomi e Haider (2015), velocidade se refere à taxa na qual os dados são gerados e à velocidade a que deve ser analisada e posta em prática. A proliferação de dispositivos digitais, como smartphones e sensores, levou a um percentual sem precedentes de criação de dados, e está dirigindo uma necessidade crescente de análises em tempo real e planejamento baseada em evidências.
(4) Variabilidade: é a característica que representa as mudanças na estrutura dos dados e no modo como os agentes interpretam tais dados. Também definida como “complexidade”, a variabilidade se refere à variação nas taxas de fluxo de dados. A grande velocidade dos dados não é consistente e tem pontos de picos ou vales (máximos e mínimos) periódicos, sazonalmente ou não. A complexidade refere-se ao fato de que grandes dados são gerados através de diversas fontes. Isso impõe um desafio crítico: a necessidade de conectar, combinar, limpar e transformar dados recebidos de diferentes fontes (FAN; BIFET, 2012; GANDOMI; HAIDER, 2015).
(5) Veracidade: a credibilidade e fiabilidade das diferentes fontes de dados variam (ABBASI; SARKER; CHIANG, 2016). O aspecto “veracidade” está relacionado ao fato de que os dados não são “perfeitos”, no sentido de que é preciso considerar o quão bom eles devem ser para que gerem informações úteis, e também os custos para torná-los bons (BRETERNITZ e SILVA, 2013). Por exemplo, os sentimentos dos clientes nas mídias sociais são incertos na natureza, pois implicam julgamento humano. No entanto, eles contêm informações valiosas. Assim, a necessidade de lidar com dados imprecisos e incertos é outra faceta dos grandes dados, que é abordada usando ferramentas e análises desenvolvidas para gerenciamento e mineração de dados incertos (GANDOMI; HAIDER, 2015). A veracidade diz respeito às incertezas, às inconsistências, às incompletudes, às ambiguidades, às irregularidades dos dados (BAYRAK, 2015).
(6) Valor: valor substancial pode ser encontrado em grandes dados, incluindo a melhor compreensão dos seus clientes, a otimização de processos para a melhoria da eficiência e eficácia, isto, é melhorar o desempenho nos negócios. Dados por si só, não geram valor, mas, quando combinados com processos analíticos, podem gerar
insights valiosos para a tomada de decisões e, consequentemente, ações que
agreguem valor comercial ao negócio. Além disso, considera-se que os dados recebidos, na forma original, geralmente têm um valor baixo em relação ao seu volume. No entanto, um valor elevado pode ser obtido por análise de grandes volumes de dados (FAN; BIFET, 2012; GANDOMI; HAIDER, 2015).
A literatura aventa outras características relacionadas ao fenômeno Big Data, tais como (7) Validade, (8) Vulnerabilidade; (9) Volatilidade, e (10) Visualização (FARICAN, 2017). As características 7, 8 e 9, respectivamente, dizem respeito à garantia da qualidade dos dados, às questões de segurança dos dados e à gestão da sua vida útil, isto é, o tempo em que precisam ser mantidos (TAUBE, 2012; BRETERNITZ; SILVA, 2013). Contudo, tais elementos estão diretamente associados ao modo como a organização executa seus processos de governança de dados. A característica 10 “visualização” também possui elementos específicos e relevantes para este estudo, especialmente no que tange às informações de negócio. Portanto, serão considerados como atributos de outros construtos que serão definidos nos próximos subitens.
Destarte, importa revisar-se o conceito de governança e gestão de dados, a fim de verificar de que modo o ambiente corporativo exerce influência sobre a expansão das capacidades, conforme se discorre no subitem a seguir.