Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/15111
Autoria: | Canito, João Miguel Ferreira |
Orientação: | Moro, Sérgio Rita, Paulo |
Data: | 7-Nov-2017 |
Título próprio: | Categorização e classificação de notícias de big data em tecnologias segundo o Quadrante Mágico de Gartner |
Referência bibliográfica: | CANITO, João Miguel Ferreira - Categorização e classificação de notícias de big data em tecnologias segundo o Quadrante Mágico de Gartner [Em linha]. Lisboa: ISCTE-IUL, 2017. Dissertação de mestrado. [Consult. Dia Mês Ano] Disponível em www:<http://hdl.handle.net/10071/15111>. |
Palavras-chave: | Informática aplicada à gestão Processamento de dados Recolha de dados Categorização Text mining Sistemas de apoio à decisão Análise da informação Big data news Gartner magic quadrant Big data technologies Text mining Topic Model |
Resumo: | O desenvolvimento das tecnologias nos últimos anos levou a um aumento
contínuo de dados e sua acumulação a uma velocidade incalculável. Todos estes fatores
acima mencionados levaram à banalização de um novo conceito: Big Data.
Neste estudo foram extraídas 11 505 notícias sobre Big Data do Google News e
foram aplicadas técnicas de Text Mining de forma a obter conhecimento relevante e uma
categorização noticiosa, através de Latent Dirichlet Allocation. São abordadas as
Tecnologias Big Data relativamente aos Quadrantes de Gartner de forma a perceber o
tipo de Tecnologias em que as empresas de um Quadrante específico investem. Desta
forma, este estudo tem uma contribuição interessante para a literatura, pois fornece
resultados concretos sobre o comportamento do mercado, provenientes de dados
factuais.
Este estudo comprova a força das empresas integrantes do Quadrante de Gartner
leaders, revelando que estas são cada vez mais líderes de mercado, apresentando uma
solução muito completa e diversificada de Tecnologias Big Data. É também
demonstrado que as empresas que integram o Quadrante de Gartner challengers não
demonstram entendimento sobre a direção em que o mercado se desloca e que uma
empresa que pertença ao Quadrante de Gartner visionaries, caso aposte fortemente na
Tecnologia Big Data stream analytics terá a sua posição alterada no Quadrante de
Gartner, aproximando-se cada vez mais do Quadrante leaders e, ao mesmo tempo, do
Quadrante niche players. The development of technologies in recent years has led to a continuous increase in data, and its accumulation at an incalculable speed. All these factors mentioned above have led to the trivialization of a new concept: Big Data. In this study 11505 Google News Big Data news were extracted and Text Mining techniques were applied to obtain relevant knowledge and a news categorization through the Latent Dirichlet Allocation algorithm. Big Data Technologies are approached relatively to the Gartner Quadrants in order to perceive the type of Technologies wherein companies of a specific Quadrant invest. Thus, this study has an interesting contribution to the literature, since it provides concrete results on the market behavior, coming from factual data. This study proves the strength of the Gartner leaders quadrant, revealing that they are increasingly market leaders, presenting a very complete and diverse Big Data Technology solution. It is also demonstrated that the companies in the challengers Gartner Quadrant do not demonstrate understanding of the direction the market is moving and that a company belonging to the visionaries Gartner Quadrant betting strong on Big Data stream analytics technology will have is position modified in the Gartner Quadrant, increasingly approaching the Leaders Quadrant and, at the same time, the niche players Quadrant. |
Designação do grau: | Mestrado em Informática e Gestão |
Arbitragem científica: | yes |
Acesso: | Acesso Aberto |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação - João Canito_Nº 60665_MIGB1.pdf | 1,9 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.