BIG DATA

BIG DATA

1. Importancia

   • Datos se generan con velocidad
   • Datos se generan con variedad

2. Estado

   • La información es poder, y Big Data, si se gestiona correctamente, puede proporcionar una cantidad de conocimiento…
   • Dimensiones de Big Data
     • Volúmen
       • Aumento de datos
     • Variedad
       • Distintas formas de representar datos
     • Velocidad
       • Rapidez con que se crean los datos
   • Análisis
     • Tiene el objetivo de examinar grandes cantidades de datos con una variedad de clases
       • Con el fin de descubrir información que sea relevante y útil para la empresa, para que esta tome sus mejores decisiones
         • NoSQL
         • Hadoop
         • MapReduce

3. Tecnología

   • Componentes básicos son el hardware y software
     • Apache Hadoop es una biblioteca que permite precesamienti de conjunto de datos
       • Características
         • Diseñado para ejecutarse en grupos grandes
         • Robusto
         • Escalable
         • Simple
       • Métodos
         • Hadoop Distributed File System
           • Nodo principal (NameNode)
           • Nodos esclavos (DataNodes)
         • Hadoop MapReduce
           • Un esclavo, TaskTracker
           • Nodo principal: JobTracker

4. Bases de datos NoSQL

   • Voldemort
     • Los datos los almacena en forma de clave-valor; es de ambiente distribuido, los datos se replican automáticamente en los diferentes nodos o servidores.
   • Cassandra
     • Es una base de datos distribuida, y almacena los datos en forma de clavevalor; fue desarrollada en java
   • Google BigTable
     • Puede almacenar hasta tres copias de la información. Maneja dos servidores diferentes: uno llamado Master, , y otro llamado Chunk Server,
   • HBase
     • Almacena los datos de forma clavevalor; también almacena y recupera los datos de forma aleatoria.
   • Riak
     • Almacena la información en forma de clave-valor y es de ambiente distribuido, presenta la característica de que es tolerante a fallos.
   • CouchDB
     • Presenta una característica importante: se puede instalar desde un datacenter hasta un Smartphone, y se puede ejecutar en un celular Android, en un MacBook.
   • MongoDB
     • Es una base de datos con el perfil NoSQL orientada a documentos, bajo la filosofía de código abierto
   • BaseX
     • Es una base de datos de tipo documental, la cual permite almacenar, recuperar y gestionar datos de documentos; es de la clase de bases de datos NoSQL
   • DynamoDB
     • Guarda muy fácil y económicamente cualquier cantidad de información

5. Modelos de datos

   • Datos estructurados
     • Son aquellos de mayor facilidad para acceder, pues tienen una estructura bien especificada
       • Estáticos
       • Dinámicos
   • Datos semiestructurados
     • Estos datos no tienen un formato definido, lo que tienen son etiquetas que facilitan separar un dato de otro
       • Datos irregulares
       • Presentar datos incompletos
       • Los componentes pueden cambiar de tipo
       • Pueden aparecer datos nuevos cuya estructura nada tiene que ver con la ya existente
   • Datos no estructurados
     • Son aquellos que no pueden ser normalizados, no tienen tipos definidos ni están organizados bajo algún patrón

6. Tecnología de análisis de datos

   • HDinsight
     • Es un producto Microsoft, basado en Hadoop, permite gestionar datos estructurados y no estructurados de cualquier tamaño.
   • Oracle Big Data Appliance
     • Es un software desarrollado por la empresa Oracle, que combina hardware con software optimizado, ofreciendo una solución completa y fácil de implementar.
   • Sap Hana
     • Es una herramienta para el análisis de Big Data, la cual se compone de hardware y software.
   • Infosphere Information Server
     • Plataforma de integración de datos, producto desarrollado por IBM; permite limpiar y transformar datos.
   • System PureData
     • Es una herramienta de IBM; permite realizar análisis de Big Data en menos tiempo que otras herramientas de análisis.
   • ThinkUp
     • Es un potente motor de análisis de datos que permite extraer información de Twitter, Facebook y Google.
   • Textalytics
     • Es un software desarrollado por Daedalus , dedicado al análisis de texto; extrae con facilidad significado de lo escrito en medios sociales y todo tipo de documento.
   • Biginsights Infosphere
     • Es una plataforma desarrollada por IBM para Hadoop, buscando suplir las necesidades de las empresas.
   • Infosphere Streams
     • Es una plataforma desarrollada por IBM, que permite el análisis de datos en milisegundos .
   • BigQuery
     • Es un servicio web que permite hacer un análisis interactivo de enormes conjuntos de datos.

7. Beneficios

   • las empresas pueden ofrecer mejores productos, desarrollar excelentes relaciones con sus clientes, además, se transforman en más ágiles y competitivas
     • Determinar los problemas y cómo los datos pueden ayudar
     • Establecer expectativas razonables, es decir, definir metas alcanzables
     • Cuando se inicia un proyecto de Big Data es necesario trabajar en paralelo con el sistema que hoy está funcionando
     • Es importante mantener el objetivo de Big Data en mente; esto porque el proceso es pesado y porque no es tedioso
     • Entender el negocio y los datos
     • Al tratar de implementar un proyecto de Big Data se debe ser flexible con la metodología y las herramientas

8. Concepto

   • Es un conjunto de herramientas que permiten a una organización crear, manipular y administrar grandes conjuntos de datos e instalaciones de almacenamiento.
   • Es un tratamiento y análisis de enormes repositorios de datos, tan desproporcionadamente grandes.
   • Técnicas y tecnologías que hacen que sea económico hacer frente a los datos a una escala extrema

Images and files in the map