Big Data

Big Data

1. Que es

   • Se basa en el análisis de un gran volumen de conjuntos de datos. Para realizarlo se recolecta, trata y analiza grandes volúmenes de información. No obstante, se necesitan fórmulas de procesamiento potentes y rápidas.

2. Origen

   • Alan Turing, padre de la computación, soñaba en los años 30 con una máquina que realizara tareas y pasara a otras de forma autónoma. Durante la II Guerra Mundial, el científico lideró un equipo de inteligencia en Bletchley Park. Su objetivo era descifrar Enigma, una de las máquinas de cifrado que empleaba el ejército nazi. Este trabajo permitió acortar entre 2 y 4 años la Gran Guerra. Es así cómo a Alan Turing se le considera como pionero de lo que hoy conocemos como ‘Big Data’.
   • El concepto cobró impulso a principios de la década del 2000 cuando el analista de la industria Doug Laney articuló la definición ahora muy popular del big data como las tres Vs:

3. Caracteristicas

   • Volumen
     • nuevos datos se generan constantemente. Además, como las fuentes son diversas, el volumen de datos tiende a ser inmenso.
       • Nuevas tecnologías (como Hadoop) han aligerado la tareas
   • Variedad
     • Debido a la naturaleza unificadora del Big Data, se debe gestionar la información que llega de fuentes muy diferentes. Esto supone que, incluso siendo datos estructurados, tal estructura sea diferente en cada fuente, lo que supone un nuevo reto a solventar para la empresa.
   • Veracidad
     • El Big Data debe alimentarse con datos relevantes y verdaderos. No podremos realizar analíticas útiles si muchos de los datos entrantes provienen de fuentes falsas o con errores en su información.
   • Valor
     • Debido a la inmensa cantidad de datos que se debe procesar, se ha de tener especial cuidado en la elección de los datos que realmente son importantes para la empresa y sus futuras operaciones.
   • Velocidad
     • Los datos se transmiten a una velocidad sin precedentes y se deben distribuir de manera oportuna. Etiquetas FID, sensores y la medición inteligente crean la necesidad de distribuir torrentes de datos casi en tiempo real.

4. Desarrollos Tecnológicos

   • Evolución de la analítica aumentada
     • veremos la aparición de conocimientos o cambios más importantes que servirán a los negocios a optimizar la toma de decisiones.
       • reduce la dependencia de los expertos en análisis, ciencia de datos y aprendizaje automático
   • Aprendizaje Automático
     • Machine Learning nos referimos a la capacidad de los algoritmos de aprender y mejorar sus acciones de forma autónoma, esto es que cuanto más ejecutemos el algoritmo mejor cumplirá sus objetivos.
   • Las nubes híbridas subirán como la espuma
     • herramienta que permite a las compañías almacenar datos de forma segura.
       • La ventajas de las nubes híbridas es que puedes transferirse de un lado a otro entre las nubes locales (privadas) y las nubes de IaaaS (públicas), lo que permite mayor flexibilidad.

5. Enfoque en La medicina

   • DataDonors
     • Está financiada por una fundación sin ánimo de lucro,The WikiLife Foundation, y destila lo mejor de la nueva cultura digital: es un proyecto colaborativo y democrático. Cualquiera puede acceder y compartir esa información -de forma absolutamente anónima- y ponerla a disposición de todo el mundo (investigadores, laboratorios, médicos) en cualquier punto. Esto permitirá hacer evaluaciones mucho más precisas de cada dolencia y buscar, también en conjunto, posibles soluciones
     • Permitirá hacer evaluaciones mucho más precisas de cada dolencia y buscar, también en conjunto, posibles soluciones. Porque, como afirma Gueron, “No hay una ecuación para todos. Somos todos distintos.
   • Sistemas LIS
     • Almacenan gran catidad de Datos que pueden ser compartidos y analizados por el sistema el cual pordra Graficar los Resultados

6. Tipos de Datos

   • Datos estructurados
     • Son los datos que forman parte de una estructura predefinida.
       • Ejemplos encontramos una hoja de Excel o una base de datos SQL.
         • Estos datos son fácilmente catalogables, y pueden ser utilizados para posteriores análisis y predicciones fiables
   • Datos no estructurados
     • Son aquellos datos que no tienen ni forman parte de una estructura definida.
       • Ejemplos encontramos el cuerpo de un email, una conversación por skype, datos escritos en un fichero word, o incluso bases de datos NoSQL.
         • Estos datos contienen mucha información valiosa, pero al no estar bien estructurada y catalogada, su uso resulta complicado a la hora de crear informes y realizar análisis.

7. Quién utiliza el big data

   • Bancos
     • Con grandes cantidades de información proveniente de fuentes incontables, los bancos enfrentan la labor de hallar formas nuevas e innovadoras de manipular el big data.
   • Educación
     • Mediante el análisis del big data, pueden identificar estudiantes en riesgo, asegurarse de que los estudiantes tengan un progreso adecuado y pueden implementar un mejor sistema para la evaluación y soporte de maestros y directores.
   • Gobierno
     • pueden aprovechar y aplicar la analítica al big data, ganan terreno importante cuando se trata de gestionar servicios públicos, operar dependencias, solucionar las congestiones de tráfico o prevenir la actividad criminal. P
   • Atención a la salud
     • Cuando el big data se utiliza de manera eficiente, los proveedores de atención a la salud pueden descubrir insights ocultos que mejoran la atención a los pacientes.
   • Manufactura
     • Equipados con insights que el big data puede proveer, los fabricantes pueden elevar la calidad y la producción y al mismo tiempo minimizar el desperdicio – procesos que son clave en el mercado altamente competitivo de la actualidad.