Uma nuvem gigantesca de 12 terabytes que é gerada pelos feeds do Twitter todos os dias; cinco milhões de transações globais de ações por segundo e mais e mais vídeos, fotos e outros tipos de dados não estruturados. Esses fatos falam sozinhos em alto e bom som: a tendência do Big Data está ganhando corpo e forma.

E não se trata de apenas controlar a massa de dados, mas também de lidar com sua velocidade e variedade. Se as empresas controlam esses três fatores, ter expertise interno em analytics é crucial para encontrar as chaves corretas para entender o cenário, ou seja, reconhecer os padrões, pontos importantes e contextos no meio do caldeirão de dados.

A boa notícia é que há empresas que já decifraram com sucesso o código do Big Data e que estão domando a explosão de dados. Uma delas é a rede de lojas Macy’s. Com receita de quase 30 bilhões de dólares e uma rede de 800 lojas, a Macy’s é considerada a maior operadora de lojas nos Estados Unidos. A empresa, com 180 mil funcionários, consegue gerir uma análise diária de preços de seus dez mil artigos à venda em apenas duas horas.

É um feito impressionante, uma vez que a Macy’s lida com alta volatilidade de preços dentro do seu ambiente. Isso quer dizer que sempre que um competidor em qualquer ponto do país entre Nova Iorque e Los Angeles entrar com uma redução agressiva de preço, a Macy’s segue o mesmo movimento. Se não existe nenhum competidor no mercado, os preços permanecem sem mudar.

O cruzamento de localidades e itens gera cerca de 270 milhões de preços diferentes distribuídos entre produtos e seus locais de vendas. O fato de que a análise de preços é possível em tempo recorde – impensável antes do analytics do Big Data – é uma coisa que o CIO da Macy’s, credita ao fato de ter migrado de sua infraestrutura local para uma solução de software em cloud provida pelo SAS e ao uso da tecnologia in-memory para processamento de dados. Dessa forma, a Macy’s pode ajustar seus preços várias vezes no mesmo dia para reagir melhor contra a concorrência local.

O conceito de sucesso de Big Data para o United Overseas Bank (UOB) em Cingapura é também gerado por uma solução de análise de alta performance provida pelo SAS e combinada com tecnologia in-memory. Aqui, a análise de grandes volumes de dados tem contribuição significativa para o crescimento de 45% do preço das ações do UOB nos anos recentes, porque essa grande instituição financeira da Ásia é mestre em gestão de risco.

Os detalhes: no UOB, os riscos estão divididos entre 45 mil diferentes instrumentos financeiros e são ajustados usando mais de 100 mil parâmetros de mercado, como preços, datas de fechamento e datas de vencimentos. O cálculo dos riscos gerais envolve cerca de 8,8 bilhões de valores individuais altamente complexos. No entanto, para examinar os efeitos do mercado nos riscos totais do banco, a TI vinha consumindo 18 horas, tornando praticamente inviável uma reação imediata a um cenário de risco antecipado.

Graças à análise de Big Data, os especialistas do UOB conseguiram ter sucesso na redução do tempo de cálculo dos riscos para apenas alguns minutos e conseguem levar em conta parâmetros de mudança rápida para análises complexas praticamente em tempo real.

Portanto, ao invés de ser percebida como uma coisa irritante que tinha de ser feita por imposição das autoridades, o UOB pode hoje usar esse recurso para atender as operações de negócios e testar, por exemplo, estratégias de negociação antes e decidir qual delas terá melhor efeito no mercado com muito mais rapidez.

* Zero Distance é um blog e repositório de conteúdo sobre tecnologia e relacionamento com clientes no Século 21 mantido pela Computerworld em parceria com a T-Systems.

CADASTRE-SE no Blog Televendas & Cobrança e receba semanalmente por e-mail nosso Newsletter com os principais artigos, vagas, notícias do mercado, além de concorrer a prêmios mensais.