Categorias
Uncategorized

Como incorporar dados na estratégia de negócios com segurança

No sistema corporativo baseado em dados o Spark se tornou um nome popular que é fácil de usar, oferece velocidade e versatilidade. Os dados podem ser entendidos em alta velocidade, permitindo tomar decisões mais rápidas.

O Big Data tem um enorme benefício com o processamento de dados mais rápido do Spark. Este agrupamento de grandes conjuntos de dados funciona com uma estrutura em código aberto que ajuda na análise. Os códigos são feitos no Scala o que tornou possível e mais fácil o processamento dos dados que dá um certo impulso às fontes de dados. Inclui bancos de dados NoSQL, Hadoop Distributed File System e armazenamentos de dados relacionais Apache Hive.

Segurança Holística

A empresa costuma trabalhar da maneira tradicional que adotou várias maneiras de manter as soluções de segurança. Além disso, a infraestrutura de dados permite que as empresas trabalhem de maneira holística e segura que cobre o ciclo de vida do big data em um espectro completo. Isso inclui processamento de arquivo, gerenciamento de código, clusters de big data, implementações de aplicativos, fluxo de trabalho de trabalho, relatórios e painel.

Isso permite que as empresas se concentrem na plataforma de dados in-time que fornece uma forma modificada de segurança ao sistema. Além disso, a empresa tem a capacidade de resolver muitas facetas, incluindo controle de acesso baseado em função, gerenciamento de identidade, padrões de conformidade e governança de dados. Isso ajuda o DBES a obter uma plataforma de dados de maneira nativa.

  • Gerenciamento Integrado de Identidades – A integração é feita de maneira contínua com recursos que fornecem uma forma autenticada aos provedores por meio do Active Directory e SAML 2.0.
  • Criptografia – oferece um modo de criptografia forte no período de descanso. Além disso, os melhores padrões da classe são oferecidos no modo de vôo que inclui o sistema de gerenciamento de chaves AWS para armazenamento de chaves e SSL.
  • Governança de Dados – A capacidade de auditar e monitorar as ações é uma garantia nesta modalidade, o que significa que toda a infraestrutura de dados dos aspectos da empresa é coberta pelo sistema.
  • Controle de acesso baseado em função – o acesso de gerenciamento é habilitado no grão fino que ajuda os componentes do negócio. Isso inclui a infraestrutura de dados de uma empresa, incluindo clusters, arquivos, código, painel, implantações de aplicativos, relatórios, etc.
  • Padrões de Conformidade – Soma os padrões de conformidade de segurança com o auxílio do Databricks que trabalha o aspecto FedRAMP com altos padrões para superar seu cenário de trabalho. Além disso, as estratégias DBES são optadas para tornar as coisas mais fáceis e eficazes. Esses são os principais aspectos de segurança holísticos cobertos no modo DBES que cobre todo o ciclo de vida do Big Data.
  • Apache Spark e Big Data – Está havendo uma mudança nas tendências com o envolvimento do Big Data com o Apache Spark. Ele não apenas influenciou a segurança geral, mas tende a percorrer um longo caminho. Isso inclui:
  • Poder computacional – O poder de computação agora é adotado em vez de caixas de armazenamento. A grande organização era extremamente dependente do armazenamento de dados trabalhando com o Hadoop nos mecanismos de armazenamento distribuído. No entanto, as empresas agora estão focadas em Big Data, por enquanto, com análise de dados e derivação de dados em insights acionáveis. A RAM ou poder de processamento é usado para a análise de dados para obtê-los do armazenamento de dados como uma fonte. Isso é feito com a carga de dados em grande escala na memória que é processada com a evolução da computação em um sistema mais inteligente. Surgiu como um grande investimento no Spark com diferentes setores, incluindo farmacêutico, manufatura, serviços financeiros, etc.
  • BigDL – O aprendizado profundo e o processamento do Spark Data foram mantidos separados devido aos esforços colocados nos modelos de aprendizado profundo para a computação em um ambiente otimizado. Leva muito tempo e esforços para trabalhar com a estrutura de big data que é famosa pelo aprendizado profundo na forma de BigDL. É a biblioteca de aprendizado profundo distribuída que ajuda na contribuição da comunidade de código aberto para adicionar aprendizado profundo e big data juntos. Isso ajuda a oferecer a biblioteca de aprendizado com aprendizado profundo e processamento de dados com a ajuda do Spark Apache. Isso aumenta a capacidade de manter as coisas em um determinado fluxo para garantir que nada seja esquecido do fluxo e dos casos de uso.

Não há dúvida de que os dados com o Spark atraíram muita atenção. Até mesmo as empresas de desenvolvimento Java estão adotando o conceito de crescimento com seu avanço e permitindo que as empresas obtenham o melhor conjunto de dados preditivo e sofisticado.

A organização agora trabalha com um cluster de dados e os cientistas de dados podem facilmente brincar com seu avanço para garantir uma iteração e prototipagem rápidas. Isso dá à governança de dados e à segurança um backset que não é benéfico para o estudo.

Portanto, a implantação é feita em big data para obter uma visão e implementar proteções para garantir que os dados estejam fluindo de maneira segura. Isso ajuda as empresas a trabalhar com diferentes componentes e arquitetura de dados tradicional.

Categorias
Uncategorized

RELACIONAMENTO COM O CLIENTE SOCIAL USANDO À TECNOLOGIAS WEB 4.0 E BIG DATA.

O surgimento das tecnologias Web 4.0 e Big Data permitiu a criação de uma nova estratégia de relacionamento com o cliente baseada na interatividade e colaboração denominada Social Customer Relationship Management (Social CRM). Isso aumenta o envolvimento e a satisfação do cliente. A implementação do Social CRM é uma tarefa complexa que envolve diversos aspectos organizacionais, humanos e tecnológicos. No entanto, faltam metodologias para auxiliar as empresas nesses processos. Este artigo apresenta uma metodologia inovadora que ajuda as empresas a implementar o Social CRM, levando em consideração diferentes aspectos, como a estratégia do cliente social, o sistema de medição de desempenho do Social CRM, os processos de negócios do Social CRM ou o sistema informático do Social CRM. A metodologia foi aplicada a uma empresa para validar e refinar.

A visão que as empresas têm de um cliente evoluiu dramaticamente com o aumento da concorrência, globalização do mercado e avanços tecnológicos. Antes do século XX, as empresas focavam apenas na produção. Durante a primeira metade do século XX, porém, as empresas começaram a competir para persuadir os clientes a comprar seus produtos. Mais tarde, na segunda metade do mesmo século, as empresas perceberam que não precisavam vender aos clientes o que fabricavam, mas fazer o que era exigido nos setores de mercado. No início do século XXI, iniciou-se uma fase em que a orientação comercial predominante focava na gestão do relacionamento com o cliente (CRM), onde cada cliente era tratado de forma individual e única, dependendo de suas preferências.

A essência do CRM é mudar a estratégia das organizações, passar de uma estratégia focada no produto para uma focada no cliente. O objetivo é criar valor para os clientes, entender suas necessidades e oferecer serviços de valor agregado. Isso aumenta o valor da empresa e permite que ela obtenha uma vantagem estratégica sobre os concorrentes, pois os clientes ficam mais satisfeitos e, portanto, é mais fácil retê-los. O CRM foi conceitualizado a partir de cinco pontos de vista diferentes: (1)Processo, (2)Estratégia, (3)Filosofia, (4)Capacidade e/ou (5)Ferramentas tecnológicas. Portanto, não há uma definição acordada de CRM. CRM é uma integração de tecnologias e processos de negócios usados ​​para satisfazer as necessidades de um cliente durante qualquer interação. Mais especificamente, o CRM envolve aquisição, análise e uso do conhecimento sobre os clientes para vender mais bens ou serviços e fazê-lo de forma mais eficiente.

Neste contexto, o surgimento das tecnologias Web 4.0 permitiu a evolução do CRM, que se baseia em uma estratégia focada na transação do cliente, para o Social CRM, que se baseia em uma estratégia focada na criação de engajamento entre o cliente e a empresa (oferta novos pontos de contato entre os dois, não apenas com o vendedor, e construção de vínculos mais fortes do cliente com a empresa). Ainda assim, o Social CRM não substitui o CRM, mas o complementa. O engajamento do cliente por meio de tecnologias Web 4.0 só é possível quando já existe uma gestão de cliente por meio de CRM. O que o Social CRM adiciona são recursos sociais, funções, processos e diferentes formas de interação entre a empresa e seus clientes, fornecedores e parceiros.

O cliente social é o cliente que faz uso de software social, que se movimenta em um cenário caracterizado pela conectividade permanente, a mobilidade, a multicanalidade e o avanço da Internet das Coisas. A publicação de opiniões na Internet permite aos clientes compartilharem seus pontos de vista sobre um produto ou serviço. As empresas participam da rede social de usuários que se conectam ao seu publico-alvo. Isso facilita a oportunidade de obter insights relevantes para os negócios a partir dos dados acessíveis a partir da comunicação entre os usuários. Essas declarações boca a boca eletrônicas são muito importantes para as organizações, pois são uma forma de (1)saber como os clientes percebem seus produtos e/ou serviços, (2)intensificar o relacionamento e (3)alinhar o negócio com as necessidades do consumidor. Esse cenário é um novo modelo de interação entre as pessoas, que está sendo transferido viralmente para o relacionamento entre cliente e empresa. Ao contrário de outras revoluções tecnológicas, essa mudança na forma como se relacionam não está sendo liderada pelas empresas, mas pelos clientes e sua expectativa de que as empresas com as quais se relacionam operem uma mudança significativa em seus modelos de acesso e se comportem de acordo com esta nova realidade social. Este modelo representa uma oportunidade de negócio para as empresas na gestão de clientes. Enquanto espaço de trabalho, representa um desafio para as empresas, pois é necessário gerir tanto a informação humana, que se caracteriza por ser complexa, não estruturada, ubíqua, multiformato e multicanal, como também a informação tradicional todas essas coisas hoje com uma visão mais delicada com as novas politicas da LGPD.

Além disso, o Social CRM se beneficia do Big Data porque facilita uma tomada de decisão mais precisa e uma distribuição mais eficiente de conhecimento entre os clientes sociais e a empresa. A tecnologia de Big Data pode ser usada para muitas finalidades no Social CRM. Algumas delas incluem: (1)Recomendação comercial , sugerindo o produto ou serviço com maior probabilidade de sucesso para cada cliente; (2)Inteligência competitiva , mostrando em tempo real informações automatizadas e customizadas para a situação criada pelo cliente, permitindo assim à empresa manter um diálogo contextualizado e obter informações em tempo real necessárias para a tomada de decisões adequadas; (3)Recuperação de dívidas de clientes de fontes de informação públicas; (4)Categorização e roteamento automatizado das interações do cliente em qualquer canal; (5)Modelos preditivos de tendência (compra, abandono, falta de pagamento, etc.) e agrupamento de clientes; e (6)visão 360 ° do cliente , mostrando as informações relevantes do cliente realizadas por meio de qualquer canal e formato.

A quantidade de informações abertas disponíveis online de fontes e domínios heterogêneos está crescendo muito rapidamente e constitui um importante corpo de conhecimento para apoiar o Social CRM. Essas fontes de dados podem revelar oportunidades de negócios significativas e vantagens competitivas para aqueles que são capazes de compreender e alavancar seu valor. Eles podem inferir informações valiosas como suporte para a tomada de decisões relacionadas ao cliente. Portanto, as tecnologias de Big Data e Web 4.0 podem transformar o Social CRM de uma ferramenta inevitável para manter / ganhar o novo segmento de “clientes sociais” em uma oportunidade de negócio e uma vantagem competitiva.

O software social (que consiste nas aplicações criadas com tecnologias Web 4.0 para fins sociais) permite o desenvolvimento de novas ferramentas de comunicação que permitem a criação de uma vantagem competitiva nas organizações. Na mídia social (que é o conjunto de aplicativos de software social), os usuários podem encontrar não apenas informações, mas são contribuidores ativos e podem expressar livremente seus comentários, opiniões e emoções  Portanto, as mídias sociais incentivam a criação, o compartilhamento e a troca de dados. há uma grande variedade de tipos de aplicativos de software social, como Redes Sociais (que permitem que o capital social seja gerenciado de forma mais eficiente), Blogs (para se comunicar com outras pessoas de forma mais eficaz), Wikis e Bookmarking social (para melhorar uso de inteligência coletiva), chats em grupo, mashups, compartilhamento multimídia, RSS, folksonomia ou podcasts. Essas tecnologias são abertas e são projetadas para incentivar a colaboração, bem como para facilitar a interação social e o compartilhamento de conhecimento.

O CRM pode tirar proveito das mídias sociais, cujas propriedades e características relacionais são particularmente adequadas às interações com o cliente. O CRM social pode ser definido como uma filosofia e uma estratégia de negócios, apoiada por uma plataforma de tecnologia, regras de negócios, processos e características sociais, projetada para envolver o cliente em uma conversa colaborativa a fim de fornecer valor mutuamente benéfico em um negócio confiável e transparente. É a resposta da empresa à propriedade da conversa por parte do cliente. Esta definição inclui o princípio central do envolvimento do cliente, que faltava nos modelos de CRM anteriores, e as tecnologias de mídia social facilitam esse envolvimento do cliente.

Portanto, para que um sistema de CRM Social funcione, deve haver uma mudança cultural e comportamental importante tanto na empresa quanto nos clientes, pois eles devem mudar a forma como interagem. Contribuição, compartilhamento, colaboração, dinamismo e confiança bidirecional entre a empresa e os clientes tornam-se aspectos fundamentais no Social CRM Surgindo assim o conceito de cliente social, que pode ser definido como um novo tipo de cliente que utiliza software social para pesquisar, comparar e trocar opiniões sobre produtos e serviços oferecidos por uma empresa, e que espera que as empresas não estejam apenas presentes nesse software social, mas também para responder a perguntas e participar. Este cliente adquire conhecimento sobre novos produtos e serviços através dos canais e redes sociais, prefere uma conversa com a marca em questão do que apenas uma forma de enviar mensagens e ao mesmo tempo aguardar uma resposta, e quer que a empresa ouça e resolver seus problemas rapidamente.

O cliente social cria um novo modelo de negócio, denominado social business, que pode ajudar as empresas a aumentar a sua rentabilidade porque permite obter uma série de benefícios qualitativos e quantitativos. Os qualitativos incluem: um melhor entendimento e interpretação do mercado, interagindo com os clientes em tempo real; beneficiar-se do boca a boca; envolver e engajar o cliente em todas as etapas de desenvolvimento do produto ou serviço oferecido pela empresa (projeto, produção, teste, etc.); melhorando a experiência geral do cliente e o valor da vida útil; melhoria de produtos e serviços ou construção de confiança. Alguns dos benefícios quantitativos mais significativos que podem ser alcançados com o uso do Social CRM são: aumento das vendas; diminuição dos custos de serviço; redução ou substituição de custos diretos de impressão e publicidade online; redução dos custos diretos de tempo da equipe; aumento da receita direta de associações, registros e publicidade, exposições e patrocínio.

No entanto, este novo modelo de negócio apresenta vários riscos para as empresas. Boas e más notícias se espalham rapidamente; o software social não é bem controlado ou censurado, então qualquer pessoa pode publicar qualquer coisa boa ou ruim sobre a empresa ou seus produtos ou serviços; e problemas relativos à privacidade e segurança dos dados, pois o usuário é obrigado a compartilhar pelo menos alguns dados pessoais, ai voltamos a regrinha da LGPD.

Além disso, o Social CRM se beneficia do Big Data, que se baseia na capacidade atual de ter uma grande quantidade de dados e tirar conclusões sobre todos os tipos de processos e interações empresa-cliente. O mundo digital, a mobilidade e a conectividade permanente mudaram completamente esses processos e interações nas últimas duas décadas. Além disso, os avanços em infraestrutura, técnicas de armazenamento e processamento de dados permitem que esses enormes volumes de dados de clientes estruturados e não estruturados sejam analisados ​​de maneira muito rápida e eficiente, e com um custo aceitável para a maioria das organizações. Devido à quantidade e complexidade desses dados, é difícil processá-los com ferramentas tradicionais, por isso o uso da tecnologia de Big Data é essencial para aproveitar este tipo de dados.

Big Data é uma tecnologia com capacidade real de transformar aspectos muito significativos da gestão do relacionamento com o cliente, proporcionando às empresas uma vantagem competitiva sobre seus concorrentes. A tecnologia de Big Data permite que o conhecimento seja extraído das informações do cliente e convertido, de forma eficaz, segura e escalável, em valor real de negócios. A partir da informação do cliente e por meio do Big Data, uma empresa é capaz de revelar conhecimentos ocultos do cliente, transformando-o em oportunidades de maximizar o valor comercial de cada cliente, de agir preventivamente, de melhorar a satisfação do cliente, de identificar novas oportunidades ou de prever sua tendência e perfil de intenção.

Conclusão

As organizações devem estar cientes da mudança que está ocorrendo no uso de dados e devem se preparar ativamente para participar dela. Entre as medidas a serem tomadas, três são absolutamente críticas: Tratar a informação e os dados como um ativo corporativo no mesmo nível dos recursos humanos e financeiros; A empresa deve ser capaz de gerar e compartilhar conhecimento a partir dos dados; e Projetar e implementar uma infraestrutura de tecnologia que possibilite enfrentar os desafios e oportunidades apresentados por disruptores tecnológicos, como Segurança, Nuvem, Mobilidade e Big Data.

Existem várias propostas para investigações futuras. O futuro das tecnologias de Big Data e Web 4.0 está passando por uma expansão geral para todos os setores, para ser aplicado a todos os processos de negócios e aspectos das organizações. Por meio de análises de Big Data e tecnologias Web 4.0, a empresa pode não apenas monitorar de forma rápida e confiável a aceitação de seus produtos e / ou serviços no mercado, mas também permitir que eles entendam seu ambiente de negócios, bem como encontrar e fortalecer vantagens competitivas. Portanto, novas metodologias, semelhantes à metodologia SOCIAL CRM, são necessárias para apoiar a adoção e implementação de tecnologias de Big Data e Web 4.0 em outras áreas da empresa, como estratégia da empresa, gestão da cadeia de suprimentos, design de produto e assim por diante.

Categorias
Uncategorized

Tecnologias emergentes de ti: big data verde com alto desempenho e baixo custo

Nos últimos anos, várias tecnologias de TI se integraram perfeitamente ao estilo de vida das pessoas, facilitando tarefas do dia-a-dia, como comunicações sociais, monitoramento de cuidados de saúde e gestão ambiental. O paradigma “Computação Verde” na perspectiva das tecnologias emergentes de TI e sua iniciativa verde. Computação em nuvem, análise de big data baseadas em software como tecnologias emergentes de TI.

A Computação Verde é um paradigma de computação onde: a eficiência dos recursos de TI são maximizadas, recursos (em particular, energia) são reutilizados sempre que possível, produtos sustentáveis e práticas de fabricação são adotados e iniciativas verdes em outras indústrias são apoiadas por meio de ferramentas de monitoramento e gestão. A eficiência dos recursos tem duplo contexto para desempenho e energia. Vários recursos e seus backups alternativos são utilizados para uma computação eficiente de alto desempenho. Em contrapartida, as práticas de eficiência energética envolvem redução de recursos e computação proporcional à energia.

O reuso energético em sistemas de computação deriva das interações cibernéticas dos recursos de TI e do resfriamento de centros de TI em larga escala. Da mesma forma, a sustentabilidade na computação é alcançada pela utilização de recursos de energia renovável, limitando a footprint de carbono das operações de TI. As práticas de fabricação que aumentam o reutilização de componentes de computação fora de exposição e limitam o lixo eletrônico também contribuem para os esforços de sustentabilidade. Além das abordagens autoconscientes para a computação verde, as tecnologias de TI são utilizadas como uma plataforma para promover os esforços de greening e sustentabilidade de outras indústrias por meio do monitoramento ambiental e da conscientização social.

Descrição do problema

O crescimento industrial global teve dois efeitos exigentes no meio ambiente humano. Primeiro, os recursos energéticos naturais estão sendo consumidos em um ritmo acelerado. Operações eficientes e recursos energéticos alternativos são buscados para reduzir a taxa atual de esgotamento dos recursos energéticos naturais. Em segundo lugar, o crescimento industrial global resultou no aumento das emissões de carbono. As emissões de carbono, conhecidas como Gases de Efeito Estufa (GEE) em geral, levam a taxas mais altas de doenças, aquecimento global e esgotamento da camada de ozônio.

A Tecnologia da Informação (TI) é uma indústria global emergente e uma tecnologia de suporte para muitas empresas. Buscamos informações a taxas crescentes e em múltiplas formas para facilitar nosso estilo de vida. A indústria de TI, ou computação em geral, contribui tanto para o alto consumo de energia quanto para as emissões de carbono. Portanto, as tecnologias emergentes de TI, as práticas existentes e os algoritmos precisam ser redefinidos para operações eficientes em termos de energia, proporcionais e sustentáveis. Além disso, as tecnologias de TI têm a responsabilidade de limitar o consumo de energia e a footprint de carbono de outras indústrias e organizações, ao mesmo tempo em que facilitam as práticas ambientais verdes em suas operações diárias.

Objetivo Geral

O big data introduz a era dos dados com novos desafios, como a escala de petabyte estruturados e conjuntos de dados não estruturados que estão crescendo a uma taxa exponencial e têm formatos heterogêneos. A rápida recuperação de dados e a precisão da pesquisa de um pool de big data são os principais desafios para maximizar o valor para a tomada de decisões em análise de big data. Os sistemas tradicionais de gerenciamento de dados não têm a capacidade de lidar com os requisitos de armazenamento e análise de big data e, portanto, a tecnologia NoSQL está contribuindo para fornecer soluções adequadas para recuperação oportuna de dados e processamento eficiente de dados. O processo de greening é crucial para o big data, pois a análise sobre o tamanho tremendo dos conjuntos de dados requer alto poder de computação, espaço de armazenamento escalável e eficiente, alta disponibilidade de memória principal e mídia de comunicação rápida em servidores de nuvem físicos ou corporativos locais. Consequentemente, a análise de big data verde requer eficiência na utilização de recursos, consumo de energia e escalabilidade de infraestrutura.

Os procedimentos de análise de big data podem contribuir para preservar o uso de recursos de processamento e armazenamento, escalabilidade de sistemas e melhoria da produtividade. Os requisitos de análise de big data, como alta disponibilidade, confiabilidade e consistência, são significativos no desenvolvimento de infraestruturas tecnológicas. No entanto, a preservação de energia e a otimização de recursos são os aspectos da computação verde e das análises que não têm sido relatadas na literatura com tanta frequência como as convencionais. A computação em nuvem é revelada como uma tecnologia de análise de big data que oferece terceirização de recursos para evitar ocupação física e, portanto, vários usuários com diferentes requisitos de análise podem utilizar recursos remotamente acessíveis. Espera-se que o avanço na computação em nuvem para análise de big data leve à baixa dependência do uso de computadores pessoais na nova era da computação. Juntamente com a preservação de recursos, a computação em nuvem também oferece menor consumo de energia para a execução de procedimentos computacionais elevados em big data. A computação em nuvem tem grande importância como sendo uma plataforma altamente disponível para análise de big data que permite a minimização na utilização de recursos e consumo de energia.

Há um avanço visível na tecnologia atual para a análise de big data verde. Por exemplo, GreenPlum e GreenHadoop são propostos em análise de big data para computação verde. GreenPlum é um data warehouse de código aberto, licenciado pela Apache Inc., que oferece análises rápidas em dados em escala de petabyte com processamento eficiente de consulta via processamento e otimização paralelas. A otimização de consulta baseada em custos introduzida pelo GreenPlum garante altas análises em conjuntos de dados de grande volume com eficiência de uso. O GreenHadoop, por outro lado, traz a ideia de fontes de energia renovável para equilibrar a oferta e a demanda de fontes de energia associadas à análise de big data. A estrutura greenhadoop usa uma matriz solar fotovoltaica e recursos de energia da rede elétrica. A estrutura greenHadoop para análise verde alcança o consumo maximizado de energia, estimando a energia solar disponível e programando os empregos da MapReduce em conformidade. O GreenPlum oferece suporte aos modos de processamento em lote e interativos. No entanto, o GreenHadoop alcança estimativas de energia em tempo real com base na carga de trabalho anterior do data center.

A Figura abaixo mostra um processo de análise de big data verde onde os recursos de armazenamento e processamento residem em nuvens e podem ser solicitados sob demanda. A tecnologia de computação em nuvem fornece a base para a análise de big data verde como a utilização ideal de recursos com consumo de energia reduzido. Atualmente, as principais fontes de big data e consumidores são redes sociais, saúde, indústrias, comércio e empresas. Os dados dessas fontes e consumidores são extensivamente escaláveis e trazem requisitos críticos de análise para a tomada de decisões oportunas. Essa carga de armazenamento e processamento de big data são tratadas eficientemente por data centers e processadores residentes na nuvem, o que garante análises verdes. O conceito de reciclagem está declarado em que sugere que a tecnologia de energia renovável será uma escolha preferencial de investimento na busca de recursos energéticos. A tecnologia de energia renovável está emergindo com custo reduzido de adaptação, hospedagem verde eficiente e aumento das demandas de renovabilidade que visam alcançar a redução da descarga de carbono, custos de energia mais baixos e estáveis e acesso a fontes de energia confiáveis. 64% da indústria de TI está cumprindo suas metas de economia de energia usando tecnologia de energia renovável.

A análise de big data verde é significativa na otimização do consumo de energia e na re-usabilidade das fontes disponíveis para atender aos extensos requisitos de análise de big data. A computação verde é análoga à química verde e permite a minimização de uso para enormes recursos de computação e armazenamento exigidos pelo big data. A computação verde alinha as tecnologias de análise de big data com o conceito de sustentabilidade, ou seja, redução, reutilização e reciclagem. Pesquisadores sugerem que a indústria de tecnologia parece mais preocupada com a eficiência da análise do que com a sustentabilidade ambiental e a complexidade computacional. No entanto, a implementação de análises verdes sobre big data certamente resulta em redução do uso da memória e custo computacional.

Desafios  da big data verde com alto desempenho e baixo custo

As práticas de computação verde enfatizam a implementação de tecnologias verdes em nível industrial e organizacional. O custo da energia por unidade aumentará significativamente devido a uma diminuição considerável dos recursos energéticos globais. Como resultado, tornou-se necessário que os setores público e governamental proponham e pratiquem estratégias e planos de última geração para a computação verde. As práticas de computação verde de última geração consideram a implementação de equipamentos de TI amigáveis à energia, protocolos leves de consumo de recursos e o descarte de resíduos eletrônicos. As práticas de computação verde enfatizam o desvio dos recursos de TI quando não utilizados por um longo período de tempo.

As práticas de computação verde também programam recursos de TI em estados de baixa potência do sistema e ociosos. O modo de execução em standby é aplicado para economizar energia se o estado de potência de execução for inferior a um limiar. A gestão dos recursos de TI do envelhecimento é outra questão importante na computação verde. Dispositivos de hardware mais antigos aumentaram o consumo de energia e exigem substituições e descartes de recursos. Por isso, a prática da reciclagem precisa ser aplicada ao envelhecimento dos recursos de TI. Da mesma forma, as práticas que limitam a utilização de impressões em papel devem ser aplicadas a nível organizacional.

A estimativa e o cálculo do consumo de energia para análise de big data é desafiador. Altas e rápidas demandas analíticas de big data só são satisfeitas quando uma estimativa eficiente está disponível. Da mesma forma, para o GreenHadoop, é desafiador estimar os requisitos de energia e tempo para um trabalho baseado no qual as decisões de agendamento são tomadas. A estimativa também é significativa em tecnologia de energia renovável e, portanto, requer um amplo trabalho da academia e da indústria. Aumentar continuamente o volume de big data requer incremento escalável nos recursos e custos analíticos disponíveis. No entanto, o conceito de computação verde sugere sustentabilidade dos recursos energéticos e de processamento. Consequentemente, a tecnologia de análise de big data com impacto minimizado no meio ambiente é altamente desejável.

Conclusões e Recomendações

A demanda e a integração social das tecnologias de TI estão aumentando rapidamente, aumentando, portanto, o consumo de energia. Com um foco renovado na crise energética global, pesquisadores e profissionais de TI propuseram e implementaram vários algoritmos e protocolos para a operação verde do setor de TI. Esses algoritmos e protocolos implementam mecanismos como estados de ibernação ociosos, tomada de decisões com reconhecimento de energia e agendamento de recursos. No entanto, minimizar o consumo de energia de um sistema afeta significativamente seus parâmetros de desempenho. O nível de otimização de energia para um dispositivo depende muito do caso de uso do aplicativo. Políticas agressivas de minimização de energia afetam a durabilidade do sistema devido à frequente desligar de energia e às rotinas do sistema.

Uma análise geral do estado da arte na computação verde mostra que os algoritmos e protocolos verdes estão atingindo um alto nível de maturidade, e eficiências significativas são possíveis. Em contrapartida, o estudo demonstrou que, no setor de TI, a governança está ficando significativamente para trás e, portanto, a consideração das práticas verdes é uma alta prioridade. Em particular, as práticas de computação verde precisam ser implementadas no nível organizacional para complementar e aplicar as técnicas e tecnologias de otimização subjacentes propostas pelos pesquisadores.

A força das soluções de computação verde reside em sua diversidade, com a consideração de componentes de processador, memória e rede de baixo nível para otimização do sistema, juntamente com heurística gananciosa e evolutiva. No entanto, mais uma vez, isso deve coincidir com estratégias robustas e inteligentes que consideram as compensações globais de energia de desempenho em termos de otimização multiprofissionais. Novas pesquisas são necessárias para analisar o impacto das técnicas de otimização de energia nos parâmetros de desempenho do sistema, como throughput e tempo de resposta. Essa análise de desempenho e da energia do sistema levará a soluções mais afinadas para a computação verde que serão mais aceitáveis para os governadores do setor de TI que priorizam parâmetros de desempenho em vez de energia.

REFERÊNCIAS

ARTIGO IBERDROLA

‘Green data’: A estatística pode ajudar o meio ambiente?: https://www.iberdrola.com/meio-ambiente/big-data-e-meio-ambiente

ARTIGO UOL

Do Google ao Facebook, big data lidera adoção de energia verde: https://economia.uol.com.br/noticias/bloomberg/2018/11/13/do-google-ao-facebook-big-data-lidera-adocao-de-energia-verde.htm

LIVRO O´REILLY

Armazenamento de dados com Greenplum: Open Source Massively Parallel Data Analytics: https://tanzu.vmware.com/content/ebooks/data-warehousing-with-greenplum

BOOKS GOOGLE

Cloud Computing Technologies for Green Enterprises: https://books.google.com.br/books?id=E9k1DwAAQBAJ&pg=PA235&lpg=PA235&dq=Green+Hadoop&source=bl&ots=CulaBLozP&sig=ACfU3U0PCGEW_9uaG9kJ14d5ZLlY44biOQ&hl=ptBR&sa=X&ved=2ahUKEwi6xIWi0IHqAhUwH7kGHXA2AWIQ6AEwEXoECAYQAQ#v=onepage&q=Green%20Hadoop&f=false

BOOKS GOOGLE

Gestão e Processamento de Big Data: https://books.google.com.br/booksid=JVkkDwAAQBAJ&pg=PT653&lpg=PT653&dq=green+hadoop&source=bl&ots=kofVWQKXv&sig=ACfU3U2FbkWR7hwVQYsaBew_4YXkqkMPfg&hl=ptBR&sa=X&ved=2ahUKEwjP8p6yiYLqAhXsLLkGHQhWAkMQ6AEwBHoECAYQAQ#v=onepage&q=green%20hadoop&f=false

ARTIGO RESEARCHGATE

Uma revisão sobre o processamento de big data usando o GreenHadoop:https://www.researchgate.net/publication/330824370_A_Review_on_Big_Data_Processing_using_Green_Hadoop