Transforme Dados em Vantagem Competitiva

Wiseminer Informática LTDA
Todos os Direitos Reservados
The Data Intelligence Software
Connect - Build - Create
Leonardo Couto
Diretor Comercial
leo.couto@wiseminer.com
+55 21 9 7295 1422

Big Data Bang e os desafios da gestão de dados e da
informação
6 Milhões
de 'page views' por
minuto no Facebook
1.300
novos usuários de aparelhos
móveis por minuto
Cada minuto gera
US$2,8M
de vendas globais online
(Est. 2014)
20
novas vítimas de roubo de
identidade por minuto
80%
dos dados do mundo estão
desestruturados
1 em 2
Líderes de Negócios não tem o
acesso aos dados que eles
realmente precisam
54%
Das companhias usam softwares de
inteligência de dados para ganhar
vantagem competitiva
83%
dos CIO’s citam BI e Analytics
como parte do seu plano
visionário

Gartner : “Tecnologias analíticas avançadas são
prioridade”
"Embora as tecnologias analíticas básicas forneçam um resumo
geral dos dados, as tecnologias analíticas avançadas entregam
informações mais profundas de conhecimento dos dados e dados
granulares” - Alexander Linden, Diretor de Pesquisas do Gartner
A recompensa da tomada de decisão com base em dados pode
ser um impulsionador poderoso para os resultados das
empresas.
Fonte: http://cio.com.br/tecnologia/2014/10/29/tecnologias-analiticas-avancadas-sao-prioridade-afirma-gartner/
Líderes de TI e de negócios devem aumentar seus esforços para
que empresas passem do uso tradicional de BI, que aborda
análises descritivas (o que aconteceu), para analíticas avançadas,
que complementam com as respostas "por que", "o que vai
acontecer" e "como vamos cuidar disso".
BI
Tradicional
Data
Intelligence

O uso de soluções de analítica avançada e Big Data
contra fraudes ainda é baixo
Estudos mostram que as empresas globais podem perder até 5% das receitas com
fraudes. Mas o uso do Big Data e da a mineração dos dados podem ser poderosas
ferramentas no combate à fraude.
Fonte: "Big risks require big data thinking - Global Forensic Data Analytics Survey 2014", da
Ernest & Young.
O estudo ouviu profissionais de alta
gerência de 466 empresas, de diferentes
porte e segmentos econômicos, em 11
países, 40 deles no Brasil. Do total de
entrevistados, 72% (75% no Brasil)
acreditam que as emergentes ferramentas
de Big Data podem desempenhar um papel
fundamental na prevenção e detecção de
fraudes. No entanto, apenas 7% dos
entrevistados conhece aplicações
específicas de Big Data para este fim e
apenas 2% dos entrevistados (5% no
Brasil) já fez uso de recursos de Big Data
integrados ao FDA (Forensic Data
Analytics).
O maior desafio das
empresas é ter acesso às
ferramentas de análise
adequadas e as pessoas
com o conhecimento
necessário para o uso
delas. Outros desafios
notáveis incluem "a
melhoria da qualidade dos
processo de análise" e "a
combinação de várias
fontes de dados".
O uso de tecnologia analítica avançada, e em tempo real, dos dados à disposição
das empresas teria um impacto direto na eficácia de como elas poderiam
sintetizar e interpretar os riscos de fraude e corrupção em tempo hábil para
mitigá-los.

Conceito de Data Intelligence
Data intelligence é um conceito diferente, que está relacionado a forma e método de interação com o dado bruto, que
acontece de uma forma rica e semântica, e que vai muito além de extrair e capturar o dado, para transformá-lo em
informação de valor real para os clientes.
Um conceito mais acadêmico pode ser encontrado no site Techopedia:
"Data intelligence é a análise de vários formatos de dados, de uma maneira que possibilita as empresas expandirem seus
produtos, serviços ou investimentos. Data Intelligence também pode se referir ao uso e análise dos dados internos da empresa
para avaliar suas operações internas e tomar melhores decisões no futuro. Business Intelligence, Data Mining, Online Analytics e
Processamento de Eventos são todos tipos de análise de dados que as companhias utilizam em um processo de Data
Intelligence.
Data intelligence pode ser confundido com o tradicional conceito de Business Intelligence, embora existam similaridades entre
esses dois conceitos, há também diferenças importantes. Data Intelligence se concentra na análise dos dados para enriquecer o
processo decisório e a estratégia de negócios, por outro lado, trata-se também de entender e avaliar, através da análise, um
processo de negócio e os dados associados a esse processo. Já Business Intelligence tradicional envolve a organização, em vez
de apenas recolher os dados para torná-lo útil e aplicável às práticas do negócio." - Cory Jansen, Techopedia.
Em um breve resumo, Data Intelligence é a evolução do BI, temperado com ‘data science’, análise preditiva, um modelo
avançado de modelagem de dados e entidades e um modelo relacional (link analysis), elevando o sistema de suporte a
decisão a um nível que um BI tradicional não conseguirá executar.

Wiseminer Data Intelligence
O Wiseminer Data Intelligence é um software revolucionário que combina avançados conceitos e
tecnologias de Data Extraction, Transformation and Load (ETL), Business Intelligence (BI), Data
Mining, Analytics e Data Visualization em uma única ferramenta, totalmente integrada.
Utilizando os componentes de Extração e criação do fluxo de dados; Modelagem de relacionamento
de dados e entidades (Link Analysis); Criação das regras de negócios e cálculos de risco e pontuação
(Scoring); e a Automação de tarefas e rotinas de processamento, os analistas podem usar o engine de
análise de dados para testar cenários e modelos preditivos, criar alertas e ações automatizadas para
detecção e prevenção de desvios, fraudes e anomalias de processos, e através do componente de
Visualização, o usuário final, ou os gestores da empresa podem rapidamente analisar a informação e
tomar uma decisão de negócios com maior agilidade e assertividade.
Tudo isso através de uma interface amigável, flexível e customizada, uma ferramenta “end-to-end”,
com uma implementação simples e rápida, sem estourar orçamento e entregue dentro do prazo,
maximizando o retorno sobre investimento para o cliente.

Os quatro pilares para o sucesso de um projeto de
Inteligência de Dados
Pessoas Conhecimento Dados Tecnologia
Criar valor a partir de dados requer uma
série de talentos, desde a integração e a
preparação dos dados até arquitetar
ambientes de bancos de dados
especializados em computação, data
mining e algoritmos inteligentes. “Extrair
valor dos dados não é uma tarefa trivial”,
afirma Linden. “Um dos elementos-chave
de qualquer programa do tipo ‘decifrar
os dados’ são as pessoas, que devem ter
as habilidades e capacidades corretas”
“O conhecimento deve ser aperfeiçoado,
desafiado, e constantemente aumentado,
ou ele simplesmente desaparecerá” - Peter
Drucker.
No entanto, para aperfeiçoar e aumentar
o conhecimento e criar ‘insights’, as
soluções de Inteligência de Dados
devem ser construídas em cima de
requerimentos claros e objetivos das
Áreas de Negócios, e que vão gerar uma
vantagem competitiva para a empresa.
Volume: qual é o tamanho da base de
dados que será analisada?
Velocidade: qual a velocidade com que
esses dados são gerados ou
atualizados?
Variedade: em quais formatos esses
dados estão disponívels (relacionados,
tabulados, arquivos texto, planilhas)?
Veracidade: Esse dado é real e a fonte é
confiável? Estou seguro que esse dado
pode ser utilizado para a inteligência de
negócios da empresa.
Valor: qual é o real valor de negócios que
os dados analisados vão trazer para os
negócios da empresa?
A ferramenta analítica para um projeto de
Inteligência de Dados deve ser:
Flexível e dinâmica, para melhorar, alterar
ou criar rapidamente os modelos
analíticos e de regra de negócios.
Confiável e segura, para dar confiança aos
gestores durante o processo de tomada de
decisão.
Fácil de implementar, usar e com custo
acessível, uma rápida implementação,
uma interface amigável e o baixo custo
aceleram o retorno sobre investimento do
projeto.
Mantenha distância das soluções
altamente complexas e que demandam
implementações de longo prazo.
Pense simples e mantenha simples.

Teamwork
Negócios + TI
Forme uma equipe multi-disciplinar
Ter uma clara visão e conhecimento da
sua indústria e do mercado
Fornecer feedback consistentes e
constantes para a área de TI
Identificar e validar quais os dados são
realmente importantes para formar a
base de inteligência de negócios
Ter uma boa dose de bom senso. Reunir
dados desnecessários pode levar a
decisões equivocadas
Um único software de integração e
inteligência analítica de dados
Selecionar as variáveis e os modelos de
análise
Realizar as análises preliminares e
construir os modelos de análise
Inserir os dados e rodar os modelos de
inteligência de análise de dados
Testar e validar o modelo
Área de Negócios
Revisar, atualizar e criar novas análises
de acordo com as necessidades da área
de negócios
Tecnologia da Informação

Wiseminer ‘all-in-one’ Data Intelligence Software
Business
Intelligence
Enhanced Complex
Worksheet with Macro
Self Service BI
Desktop BI
Data Mining
Tools
Complex Data
Extraction Queries
Data
Intelligence

Tecnologia Convergente e Inovadora
RAW DATA
DATA MINING (ETL)
ANALYTICS ENGINE
DECISION SUPPORT
PREDICTIVE ANALYTICS
VISUALIZATION
The ‘all-in-one’ Data Software
Connect - Build - Create

Posicionamento do Wiseminer @ Data Apps
The Big Data Landscape

Visão conceitual do Wiseminer
O Wiseminer é o software ideal para consolidar dados de diferentes formatos, bases e fontes para criar uma
base de inteligência de negócios para suportar o processo de decisão nas empresas.
Data
Intelligence
T
A
B
Análise de Rede Neural

Componentes do software
Integração de
Dados
Exploração de
Dados
Transformação e
Enriquecimento
Visualização e
Dashboards
Classificação e
Scoring
Geração de
Histórico
Automação de
Tarefas
Gerência e
Evolução

Integração de dados
O primeiro passo para a montagem,
modelagem, de uma base de
inteligência de negócios é a carga e a
consolidação dos dados coletados de
diversas bases de dados da própria
empresa, do mercado, de redes sociais,
índices econômicos e quaisquer outras
fontes legalmente disponíveis e que
sejam relevantes para a área de
negócios da empresa.
No Wiseminer isto é feito de forma
muito simples e eficiente através de
uma interface intuitiva e flexível. As
entradas dos dados são definidas,
manipuladas e combinadas através do
componente de Fluxo de Dados.

Exploração
Pela interface de exploração é
possível estudar, pesquisar e
visualizar os relacionamentos
existentes entre as
informações. Um diagrama
interativo baseado em ícones,
símbolos e cores permite a
realização de sofisticadas
análises.

Transformação e enriquecimento
Modelo - Entidades
Usuário
Compra
CPF
Produto
Endereço CEP
Telefone
Endereço
IP
Cartão de
Crédito
Usuários
Compras
Dados Externos

Transformação e enriquecimento
Modelo - Entidades
Campos
Relacionados
● Indicadores
● Estatísticas
● Agregações
Usuário
Compra
CPF
Produto
Endereço CEP
Telefone
Endereço
IP
Cartão de
Crédito
Quantos Usuários
utilizaram o
mesmo IP?
Quantos Usuários
forneceram o
mesmo Telefone?
Valor total de
compras?

A Visualização dos dados é feita através de uma
interface Web totalmente dinâmica que pode ser
customizada em tempo real pelo usuário.
Gráficos, estatísticas e tabelas podem ser
configuradas e apresentadas com as informações
da base de inteligência. Telas web específicas
para cada informação podem ser facilmente
definidas, com recursos avançados como regras
de estilos, que permitem customizar a cor e
formato de exibição de cada parte da tela de
acordo com os valores dos campos.
Diferentes usuários podem ter acesso a
informações distintas de maneira simultânea,
permitindo assim a distribuição dos dados para
diversas áreas da empresa com total segurança.
Visualização

Com base no relacionamento entre as informações
carregadas é possível enriquecer os dados com novos
campos calculados pelo Wiseminer.
Campos Relacionados permitem calcular indicadores,
sumarizações e agregações entre entidades de um
modelo, de forma simples e incremental. Ou seja, a
qualquer momento novos campos relacionados podem
ser adicionados conforme a necessidade.
Pontuadores definem regras que dão origem a uma
pontuação, que pode ter diferentes significados
dependendo do negócio. Por exemplo ela pode
representar o risco de um novo cliente. O valor deste
risco pode então ser usado para a tomada de decisão
sobre o crédito a ser concedido ao novo cliente.
Scoring

Pontuadores (score) baseado em regras de
negócios e modelos preditivos
Pontuadores
Regras
Múltiplas regras definidas pelo analista se
somam para formar a pontuação final
Podem representar:
Risco
Confiança
Qualidade
Classificação
Etc…
Funcionamento:
Preditivo
Rede neural e árvore de decisão treinados
com base em fotografias

Geração de histórico - Fotografias
Informação Informação' Informação'' Informação''' Informação''''
Fotografia
1
Fotografia
2
Fotografia
3
Fotografia
4

Todas as operações realizadas
com o Wiseminer, desde a carga
de dados até a execução dos
pontuadores são tarefas que
podem ser sequenciadas,
agendadas e gerenciadas. Desta
forma, um modelo inicial de
análise de dados pode ir
evoluindo e se tornar uma
solução completa e
automatizada de inteligência de
dados, acessível por várias
áreas da empresa.
Automação

Com a base de inteligência já enriquecida é
possível criar tarefas de monitoramento, que
serão executadas periodicamente com o
objetivo de detectar anomalias e riscos. Ações
automáticas poderão ser disparadas, através da
integração com outros sistemas, ou equipes de
análise poderão trabalhar com os dados.
Detecção de Anomalias e Monitoramento

Gerência e evolução
A gerência unificada da solução
completa facilita a investigação
de problemas e a evolução
constante do modelo de
inteligência.
Novos requisitos de negócio
podem ser atendidos
rapidamente.

A tecnologia analítica avançada aplicada a análise de
risco e crédito
Cliente Vendedor
Data Intelligence
Provedor de Informações
Comerciais (Bureaus)
Dados Econômicos e
Financeiros (Mercado)
Histórico do Cliente com a
Empresa (CRM)
Integração com Redes
Sociais *
* Integração com Redes Sociais
limitada a disponibilização de
APIs
Modelo Analítico de Dados
Relacionados
Score de Crédito Baseado
em Conhecimento e Regras
de Negócios
Detecção e Prevenção de
Operações Fraudulentas

Problemas das ferramentas tradicionais
Pouca
Flexibilidade
Bancos de dados pouco flexíveis com layouts específicos pré-definidos para cargas das
informações a serem trabalhadas.
Alto
Custo
Projetos internos de longa duração que estouram o budget, pois demandam muita
necessidade de integração com legado e desenvolvimento customizado, e que não entregam
o retorno de investimento esperado em função do dinamismo do negócio.
Usabilidade
Complexa
Ferramentas pouco amigáveis, sendo necessário profissionais de alta gabaritagem técnica e
estatística para operá-las.
Desenvolvimento de sistemas caseiros, baseados em bancos de dados replicados, planilhas,
com pouca segurança, pouco confiáveis e que exigem muitos processos manuais, causando
o atraso na entrega de resultados, reduzindo o tempo de reação dos gestores, atrasando a
tomada de decisão de negócios e reduzindo a competitividade da empresa.
Solução
Comum

Diferenciais do Wiseminer
Flexibilidade
● Orientado ao Analista de Negócios e a necessidade de cada área de
negócio.
● Uma modelagem de dados e entidades, incremental e dinâmica.
● Alterações em tempo real, sem necessidade de desenvolvimento.
End-to-end
● Carga e manipulação de diferentes bases e formatos de arquivo.
● Visualização customizada para cada Analista de Negócios.
● Automação de tarefas periódicas, de acordo com a necessidade
do Analista.
● Monitoramento e detecção de desvios, fraude e anomalias.
Redução de
Custo
● Dispensa projetos caros e complexos de integração com
sistemas legados.
● Redução de desenvolvimento de sistemas caseiros, maior
controle, segurança e otimização dos recursos.
● Rápida implementação, on-time, on-budget e de fácil utilização.

Arquitetura
Wiseminer Service
ModeloModeloModelo
Entidades
Fotografias
Conexões
Tarefas
Trabalhos
Task Manager
Analytics Engine
Database
Apache Tomcat
Wiseminer Web
Java Web Start
Wiseminer Studio
- Exploração
- Administração
- Analista (usuário)
- Modelagem
- Exploração de
Relacionamentos
- Consultor Sênior
Files

Plataformas Suportadas
IBM
z/Linux
IBM IFL (Integrated Facility for Linux)
SuSE Linux Enterprise Server 11
Java 7
PostgreSQL 8.4
Processadores Intel / AMD
Windows Server 2003 / 2008 / Linux
Java 7
SQL Server / PostgreSQL
IBM Power 7 / 7+ / 8
Red Hat Enterprise Linux 6
Java 7
PostgreSQL 9.2
Plataformas suportadas pelo Wiseminer v4
Cloud & Hosting Services:
AWS, Google, Softlayer, TIVIT, Locaweb … escolha o seu
provedor ...

Detecção e Prevenção da Fraude e Garantia da
Receita
● Sistema de detecção em tempo real;
● Criação de uma base histórica de fraudadores
(black list) e bons clientes (white list);
● Reduz as perdas financeiras melhorando o
EBITDA da empresa;
● Clientes de Telefonia, Seguros, Serviços
Financeiros, e-Commerce, TV Paga, Varejo,
Operadoras de Cartão de Crédito e Serviços
em geral.
Compliance e Auditoria Contínua
● Geração de bases consolidadas para análise e
geração em tempo real de relatórios para
agências reguladoras (ex. Susep, Coaf, Bacen,
Aneel, Anatel e outras);
● Detecção e alertas de desvios de processo
para Auditoria;
● Compliance e batimento de dados (ex.
Interconexão, Cobilling e Roaming em
Telefonia);
● Automatização e monitoramento constante e
em tempo real dos processos de Compliance
e Auditoria.
Outros Casos de Uso para o Wiseminer
Análise de Risco e Scoring (Rede Neural)
● Cálculo e pontuação para a concessão de
risco de uma operação (ex. concessão de
crédito, apólice de seguro, operação
financeira)
● Cálculo de risco e índice de falhas
● Bancos de Varejo, Investimento e Crédito
Consignado;
● Vendas no E-Commerce, Varejo e Atacado
Segurança da Informação
● Análise de logs
● Gerenciamento de pontos de controle
Customer Intelligence
● Visão consolidada
● Classificação
● Cobrança
● Retenção
● Campanhas de Marketing
● Integração com Redes Sociais
● Monitoração de Eventos e Páginas Próprias
e de Concorrentes
● SAC 2.0
Segurança Pública
● Monitoração de Protestos
● Árvore de Relacionamento
● Monitoração de Grupos e perfis em Redes
Sociais
● Classificação e Pontuação de Risco por
Perfil ou Grupo
● Integração com Twitter e Monitoração de
Mobilidade
● Análise de Regressão Histórica
● Investigação Forense
Saúde Pública
● Mapeamento de Epidemias e Endemias
● Análise de Regressão Histórica
● Investigação Forense
● Árvore de Relacionamento e
Classificação de Risco
● Integração com Twitter
● Análise de Mobilidade
● Disparo de Alertas via SMS e outros
meios

Versões e Escalabilidade do Wiseminer
Volume de
Dados
Memória GB
16GB
Enterprise - Até 512GB
32GB
64GB
128GB
Cessão de Direito de Uso do Software
(Licença) e suporte remoto em horário
comercial com usuários concorrentes e
registratos ilimitados
Limitado a 1 socket por servidor
virtual ou físico e até 16GB RAM
Flexível. Licenciado de
acordo com Memória
e Volume de Dados.

Perguntas

Transforme Dados em Vantagem Competitiva

Mais conteúdo relacionado

Mais procurados (17)

Semelhante a Transforme Dados em Vantagem Competitiva (20)

Mais de Leonardo Couto (13)

Último (15)

Transforme Dados em Vantagem Competitiva