Conociendo a Big Data

Conociendo a Big Data

1. Definiciones

   • ZDNet.com
     • Información imposible de procesar
       • procesos tradicionales
   • Thinkupapp
     • cantidad masiva de datos acumulada en el tiempo
       • difícil análisis con herramientas comunes
   • E. Dans
     • análisis y tratamiento de gigantesco repositorios de datos
       • no es posible
         • base de datos convencionales
         • analítica tradicional

2. Dimensiones

   • Volúmen
     • aumento significativo de datos
       • terabytes
       • petabytes
       • exabytes
   • Velocidad
     • rapidez con que se crean los datos
       • aumentan los productos de desarrollo de software
         • Foros
         • Redes sociales
         • Páginas web
   • Variedad
     • muchas formas de presentar los datos
       • Datos estructurados
       • Datos no estructurados
         • Generan desde
           • Archivos de búsqueda
           • Págunas web
           • Correos electrónicos
           • Productos de sensores

3. Análisis de datos

   • Objetivo
     • Examinar grandes cantidades de datos con una variedad de clases
   • Fin
     • Descubrir información relevante y útil
       • Mejores decisiones
       • Ventaja competitiva
   • Tecnologías de base de datos
     • Apache Hadoop
       • Marco de software de código abierto
         • aplicaciones intensivas de datos
         • Disponible: licencia Apache 2.0
           • Características
             • Diseñado: clusters robustos
             • Supera situaciones fácilmente
             • Escalable
             • Simple
       • Almacenamiento de datos
         • Estructurados
         • Semi-estructurados
         • No estructurados
     • NoSQL
       • Creado por Carlo Strozzi
       • Características
         • Estructura distribuida
         • Obtener datos con mayor velocidad
         • No tienen esquema
         • No usa SQL
         • No permiten joins
         • Escalabilidad de forma horizontal
       • Ejemplo
         • Voldemort
           • Creada por Linkedln
             • Solucionar problemas de escalabilidad
               • base de datos relacionales
           • Características
             • Datos almacenados: clave-valor (Camargo-Vega et al.2015)
             • Ambiente distribuido
             • Replicación automática de datos
         • HBase
           • De tipo: código abierto
             • Características
               • Almacena datos de forma clavevalor
               • Almacena y recupera datos de forma aleatoria
         • Riak
           • Almacena información: clave-valor y de ambiente distribuido
           • Característica
             • Tolerante a fallos
               • Eliminar errores y fallos antes de ocurrir
             • Utiliza JSON

4. Modelo de datos

   • Estructurados
     • De mayor facilidad para acceder, tienen estructura bien especificada
       • Estáticos
         • array
         • cadena de caracteres
         • registros
       • Dinámicos
         • listas
         • pilas
         • árboles
         • archivos
   • No estructurados
     • No pueden ser normalizados
     • No tienen tipos definidos
     • No están organizados bajo patrón
     • No son organizados de manera relacional
   • Semiestructurados
     • No tienen formato definido
       • pero, tienen etiquetas
         • separar un dato de otro
     • Un dato se lee con un conjunto de reglas
       • nivel de complejidad

5. Inconvenientes del Análisis de Big Data

   • 46%
     • falta de personal y habilidades de recurso humano
   • 33%
     • Dificultad en la arquitectura de un sistema
   • 22%
     • Problemas con el Big Data utilizable para usuarios finales
   • 38%
     • Falta de patrocinio
   • 28%
     • Deficiencia de argumento empresarial
   • 32%
     • carencia de análisis de datos
   • 23%
     • Problemas de escabilidad
   • 22%
     • Rápidez en consultas
   • 21%
     • Dificultad para datos rápidamente

Bilder und Dateien der Mindmap