AULA 4

BIG DATA

Prof. Douglas Eduardo Basso

TEMA 1 – GOVERNANÇA DE DADOS

Ativo é o conjunto de bens de uma pessoa física ou jurídica. Os

equipamentos de uma indústria são exemplos de ativos. Empresas de modo geral
protegem seus ativos: fazem seguros contra roubos, instalam câmeras de
segurança, contratam engenheiros de produção para aperfeiçoar o uso de
equipamentos, entre outros.
O dado sempre foi também um ativo organizacional, por isso, o valor do
dado vem se tornando ainda maior. Se existe uma preocupação com ativos
materiais, naturalmente a empresa deve ter procedimentos de governança
também sobre seus dados. Uma governança de dados vai reduzir riscos, proteger
a reputação da empresa e de seus colaboradores, atender a questões
regulatórias, melhorar a gestão e consequentemente melhorar o negócio (Amaral,
2016).

1.1 Qualidade de dados

O fato de haver mais dados e em maior volume disponíveis para as

organizações não significa que estes sejam dados de qualidade. Uma das
promessas do Big Data é que os requisitos de qualidade e estrutura de dados
serão menores do que no data warehouse tradicional.
A qualidade dos dados, ou melhor, a falta de qualidade causa prejuízos em
todas as áreas: medicina, aeronáutica, indústria, comércio, serviços, em virtude
de decisões erradas, perda de oportunidades, prejuízos financeiros, perda de
clientes e problemas de produção (Amaral, 2016).

1.2 Análise de dados para auditorias

As auditorias internas e externas sempre tiveram uma relação estreita com

análise de dados. O processo clássico de auditoria envolve inspecionar
documentos. Por questões de tempo e custos, a inspeção de todos os
documentos é inviável, então, utiliza-se um processo de amostragem, que dá a
todos os documentos a mesma chance se serem auditados.
Por outro lado, a análise de dados permite que 100% dos eventos sejam
inspecionados, de forma mais rápida, segura e com menor custo. Um fato
relevante para as auditorias é que se estima, em média, que 5% do faturamento
das empresas sejam perdidos com fraudes. Os dados permitem que cada vez
2
mais eventos auditáveis estejam disponíveis na forma de dados digitais,
aumentando cada vez mais o escopo de eventos auditáveis com o auxílio da
tecnologia da informação (Amaral, 2016).

1.3 Segurança e privacidade

A era da informação traz consigo uma série de preocupações relacionadas

à segurança e à privacidade. Vazamento de arquivos, fotos, vídeos, casos de
espionagem internacional, crimes desvendados em redes sociais, aplicativos de
encontros causando separações e divórcios.
Com um mundo cada vez mais digital, estamos deixando nossos rastros
digitais. Isso nem sempre é opcional. Devemos ter muita preocupação com sigilo
e segurança de nossos dados, para ficar menos vulnerável, entretanto, nossos
rastros na internet sempre ficam registrados: sites de compra, como usamos
nosso telefone celular, utilização de cartões de crédito, os sensores que temos no
carro, no celular, entre outros.
Quando utilizamos redes sociais, sites e algumas aplicações que de
alguma forma disponibilizam nossos dados, ocorrem os chamados vazamentos
de informações pela ação de hackers, empresas que coletam dados para
marketing, processos de mineração de dados.
O direito à privacidade está vinculado a políticas de privacidade e
legislações ainda arcaicas. O fato é que as mudanças sociais e culturais causadas
pela internet ocorrem de forma muito mais rápida do que a sociedade, as
empresas e a própria legislação conseguem se adequar. A sociedade já sofreu
mudanças nessa era, porém, é só o começo. Nós, usuários, ainda não sabemos
até que ponto nossa privacidade está sendo invadida, se existem leis para nos
proteger dessa provável invasão, ou ainda, aonde isso pode chegar. O fato é que
a privacidade é, acima de tudo, um direito; não se trata apenas de ter o que
esconder ou ser um criminoso (Amaral, 2016).

1.4 Projetos de dados

Os projetos de dados podem envolver uma série de tecnologias, recursos

humanos formados por equipe multidisciplinares e requisitos de infraestrutura de
TI. Um projeto de dados como qualquer outro requer uma boa gerência que inclua
uma boa gestão dos envolvidos e partes interessadas, escopo do projeto, custo,

3
orçamento. Os projetos de dados englobam: banco de dados, data warehouses,
desenvolvimento de modelos, extração, transformação e produção de
informações, inteligência de negócios, integração de aplicativos e envolvimento
de vários tipos de tecnologia.
Como qualquer outro projeto, uma das etapas mais importantes é a análise
e gestão de riscos. Existem alguns riscos comuns como:

 Qualidade dos dados: fazer um processo e higienização dos dados, isso é

feito através de algoritmos, software e ferramentas de mercado
especializadas, porém em algumas situações é necessário intervenção
humana.
 Tecnologia inadequada: algumas tecnologias ainda não estão devidamente
testadas e consolidadas, falta de mão de obra qualificada, suporte técnico
não disponível, recursos limitados, arquiteturas e sistemas operacionais
com pouca portabilidade.
 Recursos humanos: a disponibilidade de especialistas de negócios ao
longo dos projetos é muito importante, em algumas situações esses
profissionais estão envolvidos com outras atividades dentro da organização
e a indisponibilidade de profissionais qualificados pode ser um risco muito
grande.
 Viabilidade técnica: fazer um estudo de viabilidade não é muito simples,
existem vários fatores, acessibilidade de dados, uso de tecnologia obsoleta,
dados com criptografia, volume de dados inadequado, problemas de
infraestrutura, extração, transformação, análise e entrega de dados.

TEMA 2 – INFRAESTRUTURA DE TECNOLOGIA

O Big Data tem chamado muito a atenção pelo aumento dos volumes de
dados. Há uma década não imaginávamos que teríamos discos rígidos com
terabytes dentro de nossas residências.
As tecnologias que sustentam Big Data poder ser analisadas sob duas
óticas: as envolvidas com Analytics, tecnologias como Hadoop e MapReduce
como nomes principais da infraestrutura que armazenam e processam petabytes
de dados. Nesse aspecto, temos também os bancos de dados NoSQL. O Big Data
é a simples constatação prática de que o imenso volume de dados gerados a cada
dia excede a capacidade das tecnologias atuais de os tratarem adequadamente.

4
A TI deve planejar sua arquitetura tecnológica para suportar essa demanda, seja
em equipamentos próprios, ou, cada vez mais provável, seja em ambiente de
computação nuvem (Taurion, 2013).
Nesse contexto de infraestrutura, é importante entender os diversos
formatos, padrões de dados, sistemas e arquitetura, ter disponível tecnologias que
possam coletar dados de diversas fontes, mídias, câmeras, vídeos e sensores,
com o uso cada vez maior de celulares, dispositivos móveis, mídias sociais e até
mesmo a internet das coisas, o volume de dados gerados irá crescer de forma
exponencial.

2.1 Tecnologias Big Data

O Big Data é mais que apenas um grande volume de dados não

estruturados. Ele também inclui as tecnologias que possibilitam seu
processamento e análise. As tecnologias específicas de Big Data têm a
capacidade de analisar conteúdo de texto, vídeo e áudio. No contexto de Big Data
de fluxo rápido, tecnologias como o aprendizado de máquina possibilitam a rápida
criação de modelos estatísticos que se encaixam aos dados, os otimizam e os
preveem (Davenport, 2014).
Davenport apresenta uma visão geral das tecnologias de Big Data:

a) Hadoop: software de código aberto para o processamento de Big Data em

uma série de servidores paralelos;
b) Map Reduce: um framework (conjunto de ferramentas) arquitetônico no
qual o Hadoop se baseia;
c) Linguagens de Script: linguagens de programação adequadas à Big Data
(por exemplo Python, Pig e Hive);
d) Aprendizado de máquina: software para identificar rapidamente o modelo
mais adequado ao conjunto de dados;
e) Visual Analytics: apresentação dos resultados analíticos em formatos
visuais ou gráficos;
f) Processamento de linguagem natural (PLN): software para análise de texto
– frequências, sentido, entre outros;
g) In-memory Analytics: processamento de Big Data na memória do
computador para obter maior velocidade.

5
 O Big Data é uma nova tendência de negócio que apresenta um impacto
potencial sobre os investimentos de TI, é uma ameaça as grandes empresas que
utilizam tecnologia legadas, o modo de armazenamento, processamento e análise
que os dados recebem hoje. A infraestrutura de hardware e software estão
sofrendo fortes transformações com o desenvolvimento do Big Data, a aplicação
dessas tecnologias está sendo feitas de várias maneiras diferentes.

2.2 Camadas Big Data

De acordo com Davenport, tendo em vista os acontecimentos e todas as

tendências tecnológicas estratégicas, o Big Data traz consigo uma gama de
funcionalidades bem especializadas que o difere dos sistemas legados. O Big
Data é formado por diversos componentes que podem ser classificados em
camadas empilhadas (stack) de tecnologia, cada camada do empilhamento
trabalha em conjunto, tudo é ajustado para que desde do armazenamento,
incluindo o processamento até a camada de aplicação trabalham em alto
desempenho:

 Armazenamento: a capacidade de armazenar grandes e diversas

quantidade de dados em discos rígidos está ficando cada vez mais barata,
as tecnologias de disco têm evoluído muito e estão mais eficientes. O
armazenamento é feito utilizando um grupo de discos e conectados a
servidores num regime de comodities. Hoje as soluções de armazenamento
estão mais acessíveis, são escaláveis e são alternativas para arquivamento
e a recuperação rápida de grandes volumes de dados.
 Infraestrutura de plataforma: Big Data é um conjunto de funcionalidades, as
plataformas geralmente oferecem uma base, que é um mecanismo-chave
para a execução do Big Data, destaque para o Hadoop, um projeto de
código aberto que vem sendo adotado como plataforma de processamento
para o Big Data. Com os efeitos da adoção e ascensão dessas novas
plataformas, houve uma mudança de paradigmas em relação as soluções
de análise de dados, com o Hadoop é possível concatenar cargas de
trabalho complexas e fazer transformações de grandes volumes de dados
não estruturados em dados estruturados para possíveis análises.
 Dados: existe um leque muito grande de aplicações para utilizados de
diversos tipos de dados, seja na medicina (genoma humano), na

6
 engenharia (sensores em poços de petróleo), no comércio eletrônico
(localização e pesquisa de produtos), nas mídias sociais, entre outros. A
camada de dados mostra que esses dados são um grande ativo, sendo
justificada a sua gestão, auditoria e governança. Existe uma preocupação
muito grande com a qualidade dos dados, a integração, as atualizações,
segurança e privacidade dos dados na adoção do Big Data, outro ponto de
atenção se refere à propriedade dos dados e às responsabilidades pela
gestão continuada, ou seja, são desafios referentes à governança do Big
Data.
 Código de aplicação: a codificação utilizada na manipulação dos dados é
bem variável, o Hadoop utiliza um framework (conjunto de ferramentas) de
processamento, que chamamos de MapReduce, o Big Data não é só
distribuir dados entres discos de armazenamento; é necessário elaborar e
manipular uma série de instruções computacionais complexas a esses
dados. As instruções do MapReduce podem ser processadas em paralelo
aos vários nós componentes da plataforma de Big Data, disponibilizam
novas estruturas de dados e vários conjuntos de respostas. O Apache Pig
e o Hive são linguagens de código aberto que utilizam scripts (programa
que automatiza a execução de tarefas) dentro da plataforma Hadoop. Outra
linguagem que também aparece para manipulação de scripts é o Python.
 Visão de negócios: essa camada prepara o Big Data para possíveis
análises posteriores. Em algumas aplicações de Big Data, é necessária
uma estrutura de dados intermediária como modelos estatísticos, tabelas
relacionais, cubos de dados, entre outras estruturas. Modelos SQL são
muito utilizados por ser uma ferramenta tradicional de consulta. Essa visão
de negócios tem o objetivo de adaptar o Big Data às necessidades e às
ferramentas das empresas, aproveitando o conhecimento que já existe
dentro das organizações.
 Aplicações: a última camada de aplicação apresenta os resultados do
processamento do Big Data aos usuários do negócio ou para sistemas que
utilizem os resultados do Big Data para a tomada de decisões automáticas.
Nessa camada, a apresentação dos dados é muito importante. A
preferência é sempre por ferramentas gráficas e intuitivas, planilhas pouco
práticas usadas antigamente não são recomendadas.

7
TEMA 3 – BANCO DE DADOS CASSANDRA

Os bancos de dados NoSQL (não relacionais) trouxeram uma mudança de

paradigmas na sua utilização. A maioria dos bancos de dados utilizados hoje é
composta de banco de dados relacionais. É importante mostrar as características
dos bancos de dados NoSQL, por mais que haja poucas comparações entre os
modelos de banco de dados, os bancos de dados NoSQL foram criados para
atender a outros cenários de gerencia de dados. O banco de dados Apache
Cassandra é utilizado pela Amazon, mas foi criado originalmente pelo Facebook.

3.1 Banco de dados Apache Cassandra

Cassandra é uma das implementações NoSQL do que podemos chamar

família de colunas, que suporta o modelo de dados Big Table e possui muito
pontos da arquitetura introduzida pelo Amazon DynamoDB, um serviço de banco
de dados em nuvem compatível com armazenamento de documentos e baseado
em chave-valor (Machado, 2018).
Para Machado, algumas características do Cassandra são:

a) Alta escalabilidade e alta disponibilidade, pois permite adicionar novos

elementos ao cluster, de forma rápida e sem colocar em risco o
desempenho do sistema, já que existem sistemas operando em produção
com a utilização do Cassandra e outros elementos do sistema distribuído
(cluster), sem um ponto único de falha;
b) Implementa o conceito de família de colunas NoSQL;
c) Seus modelos de dados são facilmente alterados, sendo muito flexível;
d) Rendimento de gravação muito alto e bom rendimento de leitura;
e) Linguagem de consulta semelhante a SQL e suporte para procura por
índices secundários;
f) Escalabilidade linear, podendo ser aumentada com a adição de novos nós;
g) Consistência ajustável e suporte para replicação, podendo estar em vários
data centers.

8
3.2 Cassandra e sua estrutura

Dentro de sua estrutura, o banco de dados Cassandra possui um modelo

de dados formado por: linhas, colunas, família de colunas e keyspace. Vamos
entender cada componente:

a) Coluna: unidade básica do modelo de dados do Cassandra, contém um

nome, um valor e um registro de data e hora, podemos ignorar esses
registros e é possível representar uma coluna como um par de nome e valor
(por exemplo, author=”Uninter”);
b) Linha: é uma coleção de colunas rotuladas por um nome.

O banco de dados Cassandra consiste em muitos nós de armazenamento,

cada um deles é armazenado em cada linha. Em cada linha, Cassandra sempre
armazena as colunas classificadas por seus nomes. Tendo em vista essa ordem
de classificação, o banco de dados Cassandra tem suporte a consulta de fatias,
das quais, dada uma linha, os utilizadores podem recuperar um subconjunto de
suas colunas que estejam em determinado intervalo de nomes de coluna.
Podemos considerar que uma família de colunas é como uma tabela no modelo
relacional (Machado, 2018).

c) Keyspace: é um grupo de várias famílias de colunas agrupadas, é uma

espécie de agrupamento lógico de famílias de colunas que apresenta um
escopo isolado para nomes.

A Figura 1 apresenta a estrutura de um banco de dados NoSQL:

9
Figura 1 – Estrutura de Banco de Dados NoSQL

Fonte: Machado, 2018.

3.3 Modelo de dados Cassandra

No modelo de dados do Cassandra, os dados são hospedados em um

espaço bidirecional em cada família de colunas. Para a recuperação dos dados,
os utilizadores necessitam de duas chaves: nome da linha e nome da coluna.
Nesse contexto, os modelos do Cassandra e o modelo de banco de dados
relacionais são parecidos, embora existam algumas diferenças.
No armazenamento de dados no Cassandra, as colunas são classificadas
em concordância com seus nomes, isso favorece a procura de dados em uma
coluna utilizando as consultas de fatias. A busca por dados em uma linha é mais
difícil, as linhas do Cassandra podem possuir muitas colunas, essa variação do
número de colunas ocorre, bem diferente do modelo de dados relacionais, que
apresentam poucas colunas. Os esquemas de dados no Cassandra podem ser
ajustados para as consultas específicas exigidas pelos aplicativos.

10
TEMA 4 – CONSULTAS E OPERAÇÕES DO BANCO DE DADOS CASSANDRA

Tendo em vista que o Cassandra faz o armazenamento das colunas

classificadas por seus nomes, as consultas de fatia são notadamente rápidas.
Destacamos que a classificação de todos os detalhes de um item de dados
em uma única linha e o uso de classificações de ordem são as ideias mais
importantes por trás do design de dados do Cassandra. Os usuários podem usar
as ordens de classificação do armazenamento de dados e criar índices, ao anexar
registros de data e hora como chaves de coluna, os resultados das pesquisas
teriam a mesma ordem e isso acaba gerando um ID de coluna exclusivo
(Machado, 2018).

4.1 Chaves do Cassandra são imutáveis

No banco de dados Cassandra, não existem chaves estrangeiras, dessa

forma, o Cassandra não faz a gerência e consistência de dados para os
utilizadores, estes também não podem fazer a alteração de chaves, todavia a
aplicação que for utilizar o banco de dados deve tratar e lidar com a consistência
de dados. É recomendável a utilização das chaves geradas (surrogate keys),
gerenciadas como uma de suas propriedades.

4.2 Chaves do Cassandra devem ser exclusivas

As chaves dentro do Cassandra devem ser exclusivas. Cada chave (seja

de linha ou coluna) devem ser utilizadas de forma exclusiva no escopo de dados,
se em existirem casos em que a mesma chave seja utilizada duas vezes,
provavelmente os dados serão sobrescritos dentro do banco de dados. Para
Machado, existem duas soluções para esse problema:

a) Em primeiro lugar, uma solução é usar uma chave composta, em outras

palavras, criar uma chave combinando vários campos. Essa solução é
usada frequentemente com chaves de linha.
b) Em segundo lugar, como solução, nos casos em que há o risco de uma
mesma chave ocorrer duas vezes, podemos incluir na chave um valor
aleatório qualquer ou um registro de data e hora.

11
 Para evitar que duas entradas tenham o mesmo nome de coluna por
apresentarem a mesma classificação, o registro de data e hora é incluído após o
nome (Machado, 2018).

4.3 Operações com falhas

O Cassandra suporta operações idempotentes, a idempotência é uma

propriedade em que as operações podem ser utilizadas várias vezes sem que os
valores resultantes dessas operações se alterem após uma utilização inicial.
Quando a operação atinge seu objetivo, tudo fica certo, quando a operação falha
o utilizador pode tentar novamente, todavia se a operação falhar novamente é
possível que isso cause algum dano ao banco de dados. Esse tipo de problema
precisa ser ajustado pelos desenvolvedores dos aplicativos.

4.4 Seleções de dados

Uma característica do Cassandra é que ele não possui a seleção e procura

de dados integrada, tem suporte a índices secundários, gerados automaticamente
pelo sistema, entretanto com funcionalidades limitadas, falhas com os índices
secundários fazem os utilizadores ter que aprender mais sobre o modelo de dados
e desenvolver seus índices secundários com parâmetros de fatias e ordem de
classificação.
Para Machado, existem três áreas com complexidade associada à criação
de métodos de procura:

a) Para a criação dos métodos de procura customizados, os desenvolvedores

precisam entender de índices e detalhes sobre armazenamento em um
grau maior, assim, o Cassandra requer desenvolvedores mais qualificados.
b) As ordens de classificação são pontos complicados. Existem dois tipos de
ordem de classificação: na primeira, as colunas são classificadas por nome;
na segunda, as ordens de classificação de linha funcionam somente se um
particionador que preserva a ordem de utilização.
c) A inserção de novas consultas geralmente demanda mais alterações nos
índices e na codificação. Diferente dos modelos relacionais, os
desenvolvedores precisam analisar em detalhes as consultas antes de
iniciar o armazenamento dos dados.

12
TEMA 5 – TEXT MINING

Hoje, o mundo está orientado a dados e informações, com a revolução

digital por meio das mídias sociais, a mobilidade, a computação em nuvem e o
Big Data, as chamadas ondas tecnológicas têm contribuído para que o volume de
dados na internet cresça de uma maneira exponencial, entretanto, é necessário
entender a quantidade de dados e à qualidade de informação.
A extração de informações da internet, bem como sua orientação e
análises, é um grande desafio. Os processos de mineração de texto (text mining),
por meio de dados estruturados ou não estruturados, de associações, padrões,
alterações e anomalias que impulsionam a produção do conhecimento. O
processo de mineração de dados vai ser indispensável.

5.1 Metas e objetivos da mineração de texto

A mineração de texto parece um processo simples, entretanto, possui

algumas premissas para que seja um text mining que atinja êxito: as metas e
objetivos devem ser bem definidos, a equipe profissional muito qualificada,
softwares, algoritmos e metodologias devem sem implementadas ao longo de um
projeto de mineração de texto.
Quando utilizamos uma mineração de texto, é importante ter em mente um
problema a ser resolvido, seja uma regra de negócio, uma classificação, valores
numéricos e estatísticos, primordial é traçar metas alcançáveis e apresentar um
modelo que seja possível ser ajustado de forma constante, tudo isso deve estar
bem definido no escopo do projeto de mineração de texto e principalmente dentro
dos prazos e sabendo utilizar os recursos disponíveis.

5.2 Recursos humanos

Uma equipe necessária para projetos de mineração de dados deve ter

conhecimento multidisciplinar, com conhecimentos em várias áreas. Para a
elaboração de modelos eficientes e eficazes, é imprescindível que o
conhecimento seja compartilhado por diversas áreas. Um bom analista de negócio
é importante para orientar as metas e objetivos dos estudos, focando nas
necessidades dos usuários (clientes), um cientista de dados que tenha bons
conhecimentos técnicos e estatísticos que possa analisar, determinar, concatenar
e processar os dados e transformar em informação gerando conhecimento, por
13
fim, o gerente do projeto é responsável por coordenar as atividades e garantir que
os profissionais entreguem um bom resultado seguindo a metodologia proposta.

5.3 Técnicas, sistemas e algoritmos

Para a elaboração e criação de um modelo de dados é necessária ter uma

boa base de dados, com muito histórico e principalmente que tenham os
resultados, ou seja, as respostas que o projeto de mineração de texto procura
encontrar, existem no cenário atual um grande leque de opções para a construção
de modelos preditivos, sejam soluções proprietárias, sejam de código aberto, é
desejável que apresentem facilidade na implementação e desenvolvimento.
Nesse contexto, destaca-se a linguagem R, que traz muita flexibilidade por
se mostrar uma linguagem de programação estatística. Outra ferramenta de
destaque é o Weka, que possui uma coleção de algoritmos prontos como: árvores
de decisão, classificação probabilística bayesiana, aprendizagem de máquina e
métodos de agrupamento, entre outras, são algoritmos que podem trazer bons
resultados aos projetos. Outra solução que merece ser citada é o Orange, feito
sob a linguagem Python, oferecendo interfaces gráficas e possui codificação
aberta.
Dentro da lista de ferramentas proprietárias, que são pagas, temos o
Google Prediction, essa solução acelera o processo de mineração, pois executam
previamente técnicas de filtragem, remoção de caracteres especiais, acentuação,
sintetiza palavras, faz a exclusão de palavras sem relevância, tudo isso incluso de
forma oculta em seus algoritmos. Existem outras ferramentas que merecem
destaque como o IBM Watson, Microsoft Azure ML e Amazon ML, todos com
técnicas de validação para projetos de modelos preditivos.

5.4 Metodologias

Dentro dos projetos de mineração de texto, uma metodologia que se

destaca é a CRISP-DM (Cross Industry Standard for Data Mining). É um guia que
é referência de mercado em mineração de dados, foi elaborado na década de
1990 por vários profissionais da área de TI. A IBM é detentora dos direitos. O guia
apresenta 6 fases que devem fazer parte de qualquer tipo de projeto de mineração
de dados. Existe uma sequência lógica das fases, porém, é possível readequar

14
as etapas. As fases são: entendimento do negócio, entendimento dos dados,
preparação de dados, modelagem, avaliação e entrega de resultados.
Os projetos de mineração textual apresentam algumas vantagens, pois é
possível fazer agrupamentos do texto com facilidade e de forma rápida, bases
estatísticas para análise e comprovação dos processos de mineração. Dessa
forma, é possível utilizar essas informações com uma visualização de dados feita
e fornecer conhecimento e sabedoria para a tomada de decisões.

15
REFERÊNCIAS

AMARAL, F. Introdução a ciência de dados: mineração de dados e Big Data.

Rio de Janeiro: Alta Books, 2016.

DAVENPORT, T. H. Big data no trabalho: derrubando mitos e descobrindo

oportunidades. Tradução de Cristina Yamagami. Rio de Janeiro: Elsevier, 2014.

MACHADO, F. N. R. Big data: o futuro dos dados e aplicações. São Paulo: Érica,
2018.

TAURION, C. Big Data. Rio de Janeiro: Brasport, 2013.

16