BIG DATA

BIG DATA

1. ·

   • Big data son datos que contienen una mayor variedad y que se presentan en volúmenes crecientes y a una velocidad superior. Esto se conoce como "las tres V".
     • Descubrir patrones escondidos, correlaciones desconocidas, tendencias de mercado, preferencias de clientes o usuarios y, en general, descubrir información adicional que puede resultar muy útil para un negocio u organización.
       • Está formado por conjuntos de datos de mayor tamaño y más complejos, especialmente procedentes de nuevas fuentes de datos.
         • Características
           • Se pueden clasificar en cuatro magnitudes, más conocidas como las cuatro V del Big Data
             • Se pueden añadir tres más, como pueden ser la de Viabilidad y Visualización
               • Volumen se refiere a la cantidad de datos que son generados cada segundo, minuto y días en el entorno.
                 • Velocidad se refiere a los datos en movimiento por las constantes interconexiones realizadas.
                   • Variedad de los datos se refiere a las formas, tipos y fuentes en las que se registran los datos.
                     • Veracidad de los datos se refiere al grado de fiabilidad de la información recibida.
                       • Viabilidad se trata de la capacidad que tienen las compañías en generar un uso eficaz del gran volumen de datos que manejan.
                         • Visualización de los datos se refiere al modo en el que los datos son presentados.
                           • Valor de los datos se obtiene de datos que se transforman en información
         • Tipos de datos
           • Se dividen en 3
             • Datos estructurados
               • Un formato fijo y a menudo son numéricos
                 • Datos No estructurados
                   • Datos desorganizados y sin un formato predeterminado
                     • Datos Semiestructurados
                       • Las dos formas anteriores
         • Funcionamiento
           • Tres acciones claves
             • Administrar los datos por medio del almacenamiento.
               • Integrar los datos, pasando por la incorporación, procesamiento y aseguramiento de estos.
                 • Analizar de acuerdo a cuanto se analizan y se utilizan los datos para que sea rentable.
         • Áreas de aplicación
           • Negocios: el análisis de datos ayuda a las industrias a redefinirse y a sumar valor a la oferta de productos que ofrecen.
             • Educación: el aprovechamiento de los datos en el área educativa permite personalizar el proceso de aprendizaje de los alumnos en los centros de educación gracias al análisis de la información generada por ellos.
               • Política: Cada vez son más los partidos políticos que se lanzan a invertir dinero en potenciar este análisis de datos.
                 • Ciencia e investigación: los motores de búsqueda con algoritmos de inteligencia artificial mejoran la búsqueda y selección de datos científicos.
                   • Comunicaciones: algunas compañías telefónicas utilizan los datos generados por sus clientes para hacer campañas y promocionar paquetes especiales para los usuarios, ofreciéndoles un servicio específico según sus necesidades.
                     • Deporte: el Big Data en este sector da la oportunidad de mejorar la toma de decisiones por parte de los entrenadores y deportistas correspondientes en tiempo real.
         • Big Data Hadoop
           • Un framework opensource para almacenar datos y ejecutar aplicaciones en clusters de hardware básicos.
             • Proporciona un almacenamiento masivo para cualquier tipo de datos.
               • Un enorme poder de procesamiento.
                 • La capacidad de manejar tareas o trabajos prácticamente ilimitados.
         • Hive Big Data
           • Una infraestructura que se basa en el data warehousing para Hadoop.
             • Ofrece un exhaustivo resumen de análisis, datos y consultas.
               • Presenta un acceso muy parecido a SQL con los datos estructurados.
         • Data Warehouse vs Big Data
           • Big Data es el conjunto de gran volumen, variedad, complejidad y velocidad de datos. Este tipo de tecnología permite analizar los datos en tiempo real para la toma de decisiones.
             • Data Warehose almacena datos consolidados de distintas fuentes o sistemas de una empresa. Trata de conseguir y tener todos los datos juntos para después dividirlos y hacer un posterior análisis
         • Beneficios
           • Es un conjunto de tecnologías muy ágiles y flexibles.
             • Es escalable por lo que, si se tiene más datos, se pueden poner más máquinas e incluir nuevas analíticas y más información.
               • Es rápido y económico respecto a la infraestructura de almacenamiento.
                 • La mayoría de aplicaciones pertenecen a la comunidad Open Source, software de código abierto o que forma parte del dominio público.
         • Historia
           • En las décadas de los 60' y los 70' se empezó a utilizar los grandes centros de datos
             • El término se comienza a utilizar de forma generalizada a finales de los años 90
               • El boom llega con los avances experimentados en campos como internet, dispositivos móviles y conexión.
                 • Alrededor de 2005, la gente empezó a darse cuenta de la cantidad de datos que generaban los usuarios a través de Facebook, YouTube y otros servicios online.
                   • Ese mismo año, se desarrollaría Hadoop
             • 1965. Se proyecta el primer data center en Estados Unidos
         • Principales usos
           • Múltiples herramientas para trabajar el Big Data como, por ejemplo, Hadoop, Spark, BBDD NoSQL, etc.
             • Predicción. Big Data ofrece la posibilidad de predecir acciones y comportamientos a partir del análisis de datos históricos que muestran las tendencias seguidas en cierto periodo.
               • Optimización de la cadena de subministro. Big Data ha contribuido a manera provocando grandes transformaciones en la gestión empresarial y permitiendo grandes optimizaciones gracias al uso de datos cada vez más exactos.
                 • Intercambio de datos. El análisis de estos datos pueden ayudar a las empresas en la toma decisiones estratégicas para mejorar el negocio y su posicionamiento dentro del mercado.
         • Procedencia de datos
           • Múltiples fuentes
             • Producidos por personas.
               • Entre máquinas.
                 • Biométricas.
                   • Marketing web.
                     • Transacciones de datos.
         • Desafíos
           • Muchas fuentes y tipos de datos. Con tantas fuentes, tipos de datos y estructuras complejas, la dificultad de integración de datos aumenta.
             • Volumen de datos. Es difícil recolectar, limpiar, integrar y obtener datos de alta calidad de forma rápida. Se necesita mucho tiempo para transformar los tipos no estructurados en tipos estructurados y procesar esos datos.
               • No existen estándares de calidad de datos unificados
                 • Los datos cambian rápidamente y eso hace que tengan una validez muy corta.
         • Prácticas recomendadas
           • Alinear big data con objetivos empresariales específicos
             • Mitigue la escasez de habilidades con estándares y gobierno,
               • Optimizar la transferencia de conocimientos con un centro de excelencia.
                 • La principal ventaja reside en alinear los datos estructurados y no estructurados
                   • Planificar el laboratorio de hallazgos en pro del rendimiento,
                     • Alineación con el modelo operativo en la nube.

Images and files in the map