Infoxicação, a intoxicação por excesso informação

O termo ‚Äúinfoxica√ß√£o‚ÄĚ come√ßou a ser popular com o f√≠sico espanhol Alfons Cornell√° que classificou, na d√©cada de 90, como o excesso de informa√ß√£o. Ele previu que nos pr√≥ximos anos ter√≠amos muito mais dados do que poder√≠amos absorver e em uma velocidade superior √†quela que t√≠nhamos at√© antes do advento da internet.

Em 2021, os n√ļmeros confirmam o que foi citado por Cornella. Mais de 2,2 milh√Ķes de terabytes de novos dados s√£o gerados todos os dias no mundo, que incluem imagens, GIFS, v√≠deos, textos, s√©ries, publica√ß√Ķes nas diversas redes sociais, an√ļncios, e-mails, em uma lista diversa e praticamente infinita – todos em alta velocidade. Cornell√° fala da infoxica√ß√£o decorrente como um fator do risco: lidar dados e de tantas fontes ao mesmo tempo pode gerar ansiedade e estresse. Em alguns casos, o excesso tamb√©m pode gerar Burnout, que √© a exaust√£o da mente, ao ponto que n√£o consegue mais produzir com excel√™ncia e tem dificuldade em absorver novas informa√ß√Ķes, gerando irrita√ß√£o, tristeza e at√© depress√£o, entre outros sintomas.

O filtro do que vemos, lemos e ouvimos na internet, especialmente as redes sociais, se torna necess√°rio para evitar levar o nosso corpo ao excesso de informa√ß√£o. A rede pode ser um meio positivo para estudos e divers√£o se for utilizada com limites, escolhendo o que e quando se ver. Limitar os hor√°rios das telas, intercalar momentos sem celular ou monitores e tentar atividades que n√£o envolvam a tecnologia s√£o alguns exemplos de a√ß√Ķes que auxiliam a n√£o exaurir. Outras a√ß√Ķes s√£o de excluir e diminuir, como deixar de acompanhar pessoas, marcas e comunidades que n√£o tragam efeito positivo. E o refor√ßo no que importa, para possuir mais tempo para ler, refor√ßar os locais na internet que possuam maior fonte de bem-estar. Afinal, o tempo que possu√≠mos √© limitado e explorar espa√ßos positivos para cada um √© uma boa forma de us√°-la.

Data Strategy | Data Mining

* Este artigo faz parte de uma série de conceitos sobre dados.

Data Mining ou “minera√ß√£o de dados”

Ap√≥s a primeira parte da coleta e armazenamento dos dados, √© o momento de olhar para o que foi coletado e definir o que ir√° ou n√£o entrar na pesquisa e/ou na apresenta√ß√£o. O processo de obter os dados e “miner√°-los” √© comumente chamado de¬†Data mining¬†e seu sentido original refere-se √† forma de coleta de grandes dados, que passam pela extra√ß√£o, armazenamento, an√°lise e estat√≠stica.

An√°lise quantitativa

√Č durante o processo de¬†Data Mining que¬†ocorre a¬†an√°lise quantitativa. Este processo pode ser dividido em dois tipos. Um √© a observa√ß√£o do “discret data”, com pequenas segmenta√ß√Ķes, cujo resultado √© mais especializado; ¬†o outro tipo √©¬†“continuous data”, cuja an√°lise √© cont√≠nua¬†e¬†os dados analisados tornam-se informa√ß√£o acion√°vel. ¬†√Č o momento de observar cada n√ļmero, relevar a sua import√Ęncia e come√ßar, de fato, a analisar.

O Data Mining √© fundamental pois atua no processo quantitativo que vai gerar conhecimento, a chamada an√°lise quantitativa: interpreta√ß√Ķes e novos caminhos a partir de um aglomerado de n√ļmeros.

A partir da√≠ os dados¬†“saem para o mundo”. E √© a√≠ que entra a ¬†performance e o planejamento, o monitoramento e a mensura√ß√£o; o entendimento da organiza√ß√£o de grafos (social network analysis); regras e responsabilidades e, ao final, os relat√≥rios de performance.

Por √ļltimo, e talvez o maior desafio na produ√ß√£o da an√°lise dos dados, est√° gerar a intelig√™ncia, ou o¬†Business Intelligence. Ele √© composto dos¬†goals x objetivos.

 

Aplicação de Data Mining ou mineração de dados

Durante a aplica√ß√£o de Data Mining, nem todos os dados coletados podem ganhar uma utiliza√ß√£o, mas ainda assim fazem parte da pesquisa e s√£o relevantes. Sua aplica√ß√£o imediata n√£o √© o fator mais importante para deletar. Considerando que nem sempre os meios de obter as¬†informa√ß√Ķes s√£o baratos e muito menos r√°pidos, isso toma ainda mais import√Ęncia. Durante a an√°lise √© comum que queiramos nos livrar de abas do Excel ou algum dado extra. Mas…

“Os dados armazenados s√£o como as roupas em um arm√°rio; mesmo que n√£o acessemos em dois anos, ainda n√£o devemos jog√°-los fora – e assim vale a pena lembrar durante formula√ß√£o uma estrat√©gia de dados”.¬†(Mike Schiff)