Introdução: Retorno de informações extraídas de grandes bases de dados, necessitam de técnicas que se adequem a esse volume de informações para que seja obtido resultados em tempo de serem utilizados. O Big Data, surge no intuito de acelerar o processo de decisão, redução de custo e tempo de processamento, não estando centralizado apenas na quantidade de arquivos, velocidades das análises e suas disponibilidades, mas também com a relação existente entre informações e volumes. Objetivo: Análise de ferramentas existentes que trabalham com grandes bases de dados para a contribuição de melhorias em uma nova implementação, que extraia as informações com um grau maior de qualidade nos resultados, de acordo com dados já pré-carregados em uma estrutura Big Data, auxiliando assim o profissional, cientista de dados, na análise das informações para uma posterior tomada de decisão. Informações estas que estão dispostas em diversos meios e que podem estar em um difícil acesso. Método: Utilizada as ferramentas já existentes no mercado para comparações como o Predixion Software e o SPSS da IBM, que trabalham com grande volume de dados, mas com alguma estruturação nas informações como planilhas, buscando ainda ferramentas que se utilizam de dados semiestruturados ou sem nenhuma estruturação. Uso de linguagem própria para bancos de dados não estruturados, no caso o NoSQL, bem como a inserção em banco de dados Apache Cassandra, utilizando ainda o framework Haddop, para construção e carga do Big Data, este que é baseado nas ontologias já propostas nos trabalhos anteriores. Resultado: Retorno de informações mais qualitativas para visualização do usuário final que é o conhecido cientista de dados, pessoa essa capaz de compreender o retorno dos dados e usa-los corretamente para os seus devidos fins, contribuindo assim para a melhoria de trabalhos anteriores que não possuíam como objetivo final a visualização dos dados, sendo assim utilizada a estrutura já estudada e consolidada para a construção de Big Datas. Conclusão: O trabalho de implementação das melhorias bem como análise do que é utilizado hoje e o que já é existente no mercado tanto para dados estruturados como não estruturados, contribui para a tomada de decisão de profissionais, acrescentando informações com maior qualidade nos dados uma vez que a mesma faz uso de dados extraídos de diversas fontes que estão inseridas em uma nova estruturação contendo já uma primeira análise de relacionamento entre elas devido ao uso de antologias para a construção inicial do Big Data.