A historiadora norte-americana Elizabeth Lewisohn Eisenstein publicou, em 1979, um livro chamado “The printing press as an agent of change (ou “A imprensa como agente de transformação”). Nele, a autora aborda como a invenção do alemão Johannes Gutenberg na metade do século XV criou as condições necessárias para disseminação de movimentos como a Renascença e a Revolução Científica - que, juntamente com a Primeira Revolução Industrial, podem ser considerados a origem da sociedade moderna. Segundo Eisenstein, entre 1453 e 1503, foram impressos aproximadamente oito milhões de livros - mais que todo material escrito que foi produzido nos quase cinco mil anos da História da Civilização até então. Em apenas cinquenta anos, o conhecimento disponível no mundo dobrou - e, atualmente, isso acontece a cada 30 meses. Estimativas realizadas pela Dell EMC indicam que em 2020 cada pessoa irá gerar cerca de dois megabytes de informações por segundo.
Um dos principais desafios das técnicas de Big Data é transformar bilhões de dados - armazenados em diversos formatos - em informações que sejam úteis. Geralmente isso é feito através da análise da correlação de milhares de variáveis escolhidas em função da sua relevância percebida para determinado tema, como, por exemplo, segurança pública. Analisando os dados coletados pela polícia e combinando-os com o calendário de eventos da cidade, clima, horários, fluxo de pessoas e tipo de crime é possível obter recomendações que ajudem a prevenir esses crimes. Mais que isso, já estão sendo utilizados sistemas computacionais que avaliam de forma autônoma e com base nos dados históricos se determinado detento deve ou não receber liberdade condicional, qual o valor de uma fiança e até mesmo a duração de uma sentença.
A manutenção da infraestrutura de uma grande cidade também pode se beneficiar do uso inteligente dos dados. Os autores Viktor Mayer-Schonberger e Kenneth Cukier, em seu livro de 2013 “Big Data: The Essential Guide to Work, Life and Learning in the Age of Insight” (ou “Big Data: o guia essencial para trabalho, vida e aprendizado na Era das Verdades Ocultas”) relatam como a concessionária de gás e energia de Nova Iorque, a Consolidated Edison (conhecida como Con Ed), utilizou a tecnologia para reduzir os riscos de explosões em bueiros.
O objetivo da companhia era prever quais os bueiros que iriam apresentar problemas, para que uma ação corretiva pudesse ser tomada. Considerando que Manhattan possui mais de cinquenta mil bueiros e mais de cento e cinquenta mil quilômetros de cabos, determinar exatamente quais devem ser inspecionados prioritariamente é uma tarefa complexa. Os pesquisadores da Universidade de Columbia, liderados por Cynthia Rudin (atualmente professora associada de Ciência da Computação, Engenharia Elétrica e Estatística na Duke University, na Carolina do Norte, EUA), tabularam dados fornecidos pelas equipes de manutenção desde o final do século XIX, correlacionando-os com os incidentes. Utilizando mais de cem variáveis para realizar suas previsões, os testes indicaram que o modelo foi capaz de prever corretamente mais de 40% dos bueiros que apresentariam problemas.
Outro serviço público utilizando o poder das informações disponibilizadas a todo instante por usuários é o Departamento de Educação dos Estados Unidos, que em 2012 publicou o relatório “Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics” (ou “Ampliando o Ensino e o Aprendizado através da Mineração de Dados Educacionais e da Análise do Aprendizado”). Com o aumento da utilização de cursos online, é possível monitorar o comportamento e o desempenho de estudantes, auxiliando seu desenvolvimento e fornecendo elementos para que os provedores dos cursos possam ajustar seus conteúdos.
Mas obviamente não são apenas os serviços normalmente associados com os governos - como segurança, infraestrutura e educação - que podem se beneficiar do uso de Big Data. Semana que vem iremos discutir o uso desta tecnologia por representantes de diversos segmentos de negócios. Até lá.
*Fundador da GRIDS Capital, é Engenheiro de Computação e Mestre em Inteligência Artificial
