Quiz
Big Data Exam 1
This quiz has question types that open in the usual player.
Questions in this quiz (52)
1Qué es BIg Data?
- ABig Data es un campo orientado al análisis, procesamiento y almacenamiento de grandes colecciones de datos que, con frecuencia, provienen de distintas fuentes. Por lo general, se requieren soluciones y prácticas de Big Data cuando la tecnología tradicional de análisis, procesamiento y almacenamiento de datos no es suficiente
- BBig Data es una arquitectura orientada al análisis, procesamiento y almacenamiento de grandes colecciones de datos que, con frecuencia, provienen de distintas fuentes. Por lo general, se requieren soluciones y prácticas de Big Data cuando la tecnología tradicional de análisis, procesamiento y almacenamiento de datos no es suficiente
- CBig Data es un almacenamiento de grandes colecciones de datos que, con frecuencia, provienen de distintas fuentes. Por lo general, se requiere cuando la tecnología tradicional de análisis, procesamiento y almacenamiento de datos es suficiente
- DBig Data es un almacenamiento de grandes archivos. Por lo general, se requiere cuando no se tiene espacio suficiente
2Las cualidades que diferencian los datos procesados por medio de soluciones de Big Data son:
- ALas cinco B
- BLas cinco C
- CLas cinco V
- DLas cinco Z
3Un _________________________ es un conjunto de datos relacionados, en el cual todos los miembros del grupo poseen el mismo conjunto de atributos.
- AAnálisis de datos
- BDataset
- CIndicador
- DAnalitico
4El objetivo de _________________________ es respaldar la toma de decisiones al establecer patrones y relaciones en los datos que son analizados.
- AAnalitica
- BAnálisis de datos
- CInteligencia de negocios
- DKPI
5_________________________ se enfoca en filtrar grandes cantidades de datos sin _________________________, con el fin de extraer información significativa que pueda ser útil para enriquecer los datos empresariales actuales.
- AAnalitica - estructurar
- BAnalisis de datos - procesar
- CKPI - estructurar
- DBig Data - procesar
6El proceso de la Inteligencia de negocios (BI) puede aplicar _________________________ a grandes cantidades de datos.
- AAnalitica
- BAnálisis de datos
- CDatasets
- DIndicadores
7A medida que las empresas en crecimiento recopilan y almacenan cada vez más datos, buscando posibles nuevos conocimientos y ventajas competitivas, aumenta la necesidad de contar con técnicas y tecnologías que permitan la extracción de información y conocimientos significativos.
- AAnalítica y ciencia de datos
- BDigitalización
- CSocial media
- DCloud Computing
8por ejemplo, cuando las personas realizan búsquedas o completan encuestas. La recopilación de datos secundarios puede ser importante para las empresas, ya que la extracción de este tipo de datos posibilita el mercadeo personalizado, las recomendaciones automatizadas y el desarrollo de características optimizadas de productos.
- ADigitalización
- BTecnología
- CSocial media
- DCloud Computing
9un cambio que ha obligado a las empresas a tener en cuenta en su planeación estratégica la retroalimentación que los clientes hacen de sus ofertas.
- ASocial media
- BComunidades
- CCloud Computing
- DAnalítica
10Las empresas tienen la oportunidad de mejorar la infraestructura y la capacidad de almacenamiento y procesamiento que proporcionan estos entornos, con el fin de crear soluciones de Big Data de gran escala que pueden ejecutar grandes tareas de procesamiento.
- ACloud Computing
- BSocial Media
- CDigitalización
- DAnalitica
11siempre es alimentado con datos de múltiples sistemas de OLTP por medio de trabajos regulares de procesamiento por lotes (Batch Processing).
- AOLTP
- BOLAP
- CETL
- DData Warehouse
12es un sistema de software que procesa los datos orientados a las transacciones. El término “transacción online” se refiere a la finalización de una actividad en tiempo real y no mediante el procesamiento por lotes (Batch Processing).
- AOLTP
- BOLAP
- CETL
- DData Warehouse
13es un proceso mediante el cual los datos son cargados desde un sistema origen hacia un sistema destino. El sistema origen puede ser una base de datos, un archivo plano o una aplicación. De igual forma, el sistema destino puede ser una base de datos o cualquier otro sistema de información.
- AOLTP
- BData Mart
- CETL
- DData Warehouse
14es un repositorio central a nivel empresarial que contiene datos históricos y actuales. Son usadas considerablemente por la Inteligencia de negocios (BI) para realizar distintas consultas analíticas, y por lo general tienen interfaces con el sistema de OLAP para tener compatibilidad de consulta analítica
- AOLTP
- BOLAP
- CETL
- DData Warehouse
15un subconjunto de datos almacenados en una bodega de datos digital (Data Warehouse) que, por lo general, pertenece a un departamento, división o línea de negocio específica.
- AOLTP
- BOLAP
- CData Mart
- DData Warehouse
16Es para el almacenamiento y procesamiento de datos a gran escala que técnicamente es ejecutado en hardware básico.
- AHadoop
- BData smart
- CData Warehouse
- DOLTP
17Implica demandas específicas de almacenamiento y procesamiento, al igual que procesos de gestión y acceso.
- AVolumen
- BVelocidad
- CVariedad
- DVeracidad
- EValor
18Se traduce en la cantidad de tiempo necesaria para que los datos sean procesados una vez que llegan a la empresa. Lidiar con el veloz flujo de entrada de datos requiere que la empresa diseñe soluciones altamente flexibles y disponibles de procesamiento, que cuenten con la correspondiente capacidad de almacenamiento de datos.
- AVolumen
- BVelocidad
- CVariedad
- DVeracidad
- EValor
19Se refiere a los múltiples formatos y tipos de datos que deben ser compatibles con las soluciones de Big Data, como datos estructurados, semiestructurados y sin estructurar
- AVolumen
- BVelocidad
- CVariedad
- DVeracidad
- EValor
20Se refiere a la calidad o fidelidad de los datos. Dentro de los entornos Big Data, existen datos que pueden ser significativos o que simplemente ocupan espacio.
- AVolumen
- BVelocidad
- CVariedad
- DVeracidad
- EValor
21Se define como la utilidad que los datos tienen para una empresa. La característica está directamente relacionada con la característica de veracidad, en la medida en que, entre más alta sea la fidelidad de los datos, mayor será
- AVolumen
- BVelocidad
- CVariedad
- DVeracidad
- EValor
22Son almacenados en bases de datos relacionales, y con frecuencia son generados por aplicaciones empresariales personalizadas, los sistemas de Planificación de Recursos Empresariales (ERP) y los sistemas de Relación con los Clientes (CRM).
- AEstructurados
- BSin estructurar
- CSemiestructurados
- DMetadata
23Se encuentran en forma textual o binaria. Algunos ejemplos son archivos de imágenes, audio y video. Técnicamente, los archivos de texto y binarios tienen una estructura que está definida por el formato del archivo en sí.
- AEstructurados
- BSin estructurar
- CSemiestructurados
- DMetadata
24Tienen un nivel definido de estructura y consistencia, pero no son relacionales. En su mayoría se encuentran en formatos textuales, como archivos XML o JSON, y generalmente, su procesamiento es más sencillo que el de los datos sin estructurar.
- AEstructurados
- BSin estructurar
- CSemiestructurados
- DMetadata
25Proporcionan información sobre las características y la estructura de un dataset. En su mayoría, este tipo de datos son generados por máquinas y anexados automáticamente a los datos. Son esenciales para el procesamiento, almacenamiento y análisis de Big Data.
- AEstructurados
- BSin estructurar
- CSemiestructurados
- DMetadata
26Una _________________________ puede contener bases de datos analíticas que pueden mejorar los tiempos de respuesta de las consultas.
- AData Warehouse
- BOLTP
- COLAP
- DMetadata
27_________________________ es un proceso utilizado para cargar los datos desde un sistema origen hasta un sistema destino, y es la principal operación utilizada para enviar datos a las bodegas de datos digitales (Data Warehouse).
- AOLTP
- BOLAP
- CETL
- DHadoop
28Las cinco principales características de Big Data que la diferencian de los datos tradicionales son volumen, [blank_start]velocidad[blank_end], [blank_start]_________________________[blank_end], [blank_start]_________________________[blank_end] y [blank_start]_________________________[blank_end].
- Avelocidad
- Bvariedad
- Cveracidad
- Dvalor
29La característica de valor de Big Data [blank_start]_________________________[blank_end] de qué tanto tiempo consuma el procesamiento de los datos.
- Adepende
30En general, los datos que son procesados por las soluciones de Big Data pueden estar clasificados en los siguientes tipos de datos o formatos: [blank_start]_________________________[blank_end], [blank_start]_________________________[blank_end], [blank_start]_________________________[blank_end] y [blank_start]_________________________[blank_end].
- Aestructurados
- Bsin estructurar
- Csemiestructurados
- Dmetadata
31Esta técnica implica el análisis de un gran número de observaciones de un dataset con base en técnicas estadísticas.
Debido al amplio tamaño de la muestra, los resultados pueden aplicarse de manera general a todo el dataset.- AAnálisis cuantitativo
- BAnálisis cualitativo
- CMinería de datos
- DAnalítica descriptiva
32Los resultados de este análisis no se pueden aplicar de forma general a todo un dataset debido al pequeño tamaño de la muestra. Tampoco pueden ser medidos numéricamente o usados para comparaciones numéricas. Por ejemplo, un análisis de las ventas de conos de helado puede indicar que las cifras de las ventas en mayo no fueron tan altas
comparadas con el mes de junio.- AAnálisis cuantitativo
- BAnálisis cualitativo
- CMineria de datos
- DAnalítica predictiva
33Por lo general se refiere a técnicas automáticas basadas en software que filtran los datasets masivos para identificar patrones y tendencias. Específicamente, implica extraer patrones ocultos o desconocidos en los datos con la intención de identificar patrones antes desconocidos.
- AAnálisis cualitativo
- BAnálisis cuantitativo
- CMineria de datos
- DAnalitica descriptiva
34Proporciona un valor mínimo y requiere un conjunto relativamente básico de habilidades. Se ejecuta mediante reportes o tableros de control (Dashboards) especializados,
- AAnalítica descriptiva
- BAnalítica diagnóstica
- CAnalítica predictiva
- DAnalítica prescriptiva
35Tiene como objetivo determinar la causa de un fenómeno que ocurrió en el pasado, usando preguntas que se enfocan en la razón del evento. Proporciona más valor que la analítica descriptiva, y que requiere un conjunto de habilidades más avanzadas. Normalmente, también requiere recopilar datos a partir de múltiples fuentes y almacenarlos en una estructura que se presta para realizar drill-downs y roll-ups
- AAnalítica descriptiva
- BAnalítica diagnóstica
- CAnalítica predictiva
- DAnalítica prescriptiva
36Se ejecuta en un intento por determinar el resultado de un evento que podría ocurrir en el futuro. Intenta predecir el resultado de un evento. Las predicciones se hacen con base en patrones, tendencias y excepciones encontradas en datos históricos y actuales. Este análisis permite identificar riesgos y oportunidades.
- AAnalítica predictiva
- BAnalítica prescriptiva
- CAnalítica diagnóstica
- DAnalítica descriptiva
37Está basada en los resultados de la analítica predictiva, al indicar acciones que se deberían realizar. Esta analítica se enfoca en qué opción indicada se debe seguir y en por qué y cuándo se debería seguir, con el fin de obtener una ventaja o mitigar un riesgo.
- AAnalítica descriptiva
- BAnalítica diagnóstica
- CAnalítica predictiva
- DAnalítica prescriptiva
38Proceso de enseñar a las computadoras a aprender a partir de datos existentes y a aplicar el conocimiento adquirido para formular predicciones sobre datos desconocidos. Esto implica identificar patrones en los datos de entrenamiento y clasificar datos nuevos y no mostrados con base en patrones conocidos.
- AAprendizaje automático
- BAprendizaje supervisado
- CAprendizaje no supervisado
- DMinería de datos
39Ya se conocen las categorías de los datos. Con base en los datos introducidos, el algoritmo comprende qué datos corresponden a qué categoría. Posteriormente, el algoritmo puede aplicar el comportamiento que aprendió para categorizar los datos desconocidos.
- AAprendizaje automatico
- BAprendizaje supervisado
- CAprendizaje no supervizado
- DAprendizaje no automatico
40No se conocen las categorías de los datos y no se envía ningún dato de muestra. En vez de eso, el algoritmo intenta categorizar los datos agrupándolos según atributos similares.
- AAprendizaje no supervisado
- BAprendizaje supervisado
- CAprendizaje automatico
- DAprendizaje no automatico
41La analítica se puede categorizar en cuatro tipos diferentes de acuerdo con el valor de su atributo: [blank_start]descriptiva[blank_end], [blank_start]diagnóstica[blank_end], [blank_start]predictiva[blank_end] y [blank_start]prescriptiva[blank_end].
- Adescriptiva
- Bdiagnostica
- Cpredictiva
- Dprescriptiva
- Ediagnóstica
- Fdescriptiva
- Gpredictiva
- Hprescriptiva
- Ipredictiva
- Jdescriptiva
- Kdiagnostica
- Lprescriptiva
- Mprescriptiva
- Ndescriptiva
- Odiagnostica
- Ppredictiva
42Los resultados de la analítica ______________ se pueden observar por medio de herramientas interactivas de visualización que permiten identificar fácilmente tendencias y patrones.
- Adescriptiva
- Bdiagnostica
- Cpredictiva
- Dprescriptiva
43La analítica [blank_start]prescriptiva[blank_end] tiene más valor para las empresas porque esta técnica recomienda un plan de acción que puede ser seguido.
- Aprescriptiva
- Bdescriptiva
- Cdiagnostica
- Dpredictiva
44Los algoritmos de aprendizaje automático (Machine Learning) se pueden categorizar en aprendizaje [blank_start]supervisado[blank_end] y [blank_start]no supervisado[blank_end].
- Asupervisado
- Bno supervisado
45Está basada en la Inteligencia de negocios (BI) tradicional ejecutando acciones sobre los datos limpiados y consolidados de toda la empresa en la bodega de datos digital (Data Warehouse) y combinándolos con fuentes de datos semiestructurados y sin estructurar. Comprende tanto la analítica predictiva como la prescriptiva para facilitar la comprensión, a nivel empresarial, de la forma en que funciona un negocio.
- AInteligencia de negocios (BI) de Big Data
- BInteligencia de negocios (BI) tradicional
- CTableros de control (Dashboards)
- DReportes especializados
46Es una técnica a través de la cual los resultados de analítica son comunicados gráficamente utilizando gráficos, mapas, grilla de datos, infografías y alertas. Los datos representados gráficamente pueden facilitar el entendimiento de los reportes, la visualización de tendencias y la identificación de patrones.
- AVisualización de datos
- BAgregación
- CFiltrado
- DBI
47Proporcionan una vista holística y resumida de los datos a través de múltiples contextos
- AAgregación
- BDrill-Down
- CFiltrado
- DRoll-Up
- EAnálisis
48Proporcionan una vista detallada de los datos de interés al enfocarse en un subgrupo de datos de la vista resumida
- AAgregacion
- BDrill-Down
- CFiltrado
- DRoll-Up
- EAnálisis
49Se enfocan en un conjunto particular de datos al filtrar los datos que no son de interés inmediato
- AAgregación
- BDrill-Down
- CFiltrado
- DRoll-Up
- EAnálisis
50Agrupan datos en todas las múltiples categorías, para mostrar totales y subtotales
- AAgregación
- BDrill-Down
- CFiltrado
- DRoll-Up
- EAnálisis
51Facilitan la visualización de múltiples resultados al permitir el cambio dinámico de factores relacionados
- AAgregación
- BDrill-Down
- CFiltrado
- DRoll-Up
- EAnálisis
52La Inteligencia de negocios (BI) tradicional utiliza analítica [blank_start]prescriptiva[blank_end] y [blank_start]diagnóstica[blank_end].
- Adescriptiva
- Bdiagnóstica
Information
- Description
- Quiz on Big Data Exam 1, created by Fabian Diaz Gonzalez on 17/08/2017.
- Author
- Fabian Diaz Gonzalez
- Language
- Español
- Views
- 10
- Rating
- No ratings yet Rate this quiz