BIG DATA

BIG DATA

1. Antecedentes

   • El Termino Big Data se comienza a utilizar a finales de los años 90 y se fortalece con la masificación del internet y el uso de dispositivos móviles
   • 1800 AC : Se comienzan a recopilar y almacenar datos haciendo uso de palos y muescas en huesos
   • 2400 AC: En Babilonia se comienza a emplear el ábaco, así mismo surgen las bibliotecas.
   • 1663: primer análisis estadístico conocido, John Graunt teoriza un sistema de alerta para la peste en Europa. 1792: La palabra Estadística se acuña en Alemania. 1865: Aparece el termino Business Intelligence.
   • 1944: Fremont Rider, intenta conocer la cantidad de información que se crea. 1958: Hans Peter Luhn primeras definiciones de BI. 1962: primer paso para el reconocimiento de voz en formato digital.
   • 1989: Se popularizan las herramientas de BI par uso comercial. 1991: Nace Internet. 1993: Se funda QlikTech (data discovery). 1996: almacenamiento digital abarata costos. 1997: Sistema de busqueda Google.
   • 48 AC: En la invasión a Alejandría por parte de los romanos se quema la mayor colección de conocimiento de la humanidad hasta ese momento, alojada en su biblioteca. Siglo II AC: En Grecia se desarrolla la primera computadora mécanica "Anticera" (mecanismo análogo de bronce)
   • 1880: Herman Hollerith desarrolla una máquina tabuladora. 1926: Nikola Tesla predice la tecnologia inalámbrica. 1928: Fritz Pfleumer patenta el primer sistema de almacenamiento magnético.
   • 1965: Primer datacenter en USA. 1970: primer modelo relacional de base de datos OLAP. 1976: Surgen los MRP.
   • 1999: Témino Big Data. 2001: 3V del Big Data. 2005: web 2.0 - hadoop. 2010: genración exponencial de datos. 2014: los dispositivos móviles superan a ordenadores. 2016: Boom del Bigdata, Machie Learning IoT. 2017: Usabilidad de los datos.

2. Terminología

   • ACID: Atomicidad, Consistencia, Aislamiento y Durabilidad
   • Algoritmo: Secuencia lógica finita con instrucciones para el análisis de datos
   • Análisis de Sentimiento: método lingüístico que permite extraer información subjetiva del contenido digital
   • Análisis Predictivo: Determinar la probabilidad asociada a un evento futuro
   • Analítica Empresarial: métodos y técnicas que se utilizan para recopilar, analizar e investigar la información en una organización
   • Analytics: Captura, procesamiento y análisis de información para convertirlos en Insigths
   • BD Cassandra: Permite procesar grandes volúmenes de datos distribuidos
   • BI: método para transformar y analizar información estratégica para el negocio
   • Bigtop : Esfuerzo para crear un proceso formal y mejorar Hadoop en su conjunto
   • Bigtable: Sistema de Base de datos distribuido GFS
   • BSON: Formato de almacenamiento de datos en MongoDB
   • Dark Data: Datos desconocidos que pueden perderse
   • Data Lake: Almacenamiento de datos en su estado natural
   • Data Science: Generación de conocimeinto a partir de los datos
   • Deep Learning: Técnica de machine learning basado en arquitecturas neuronales
   • Dirty data: Registros que no se han limpiado
   • Exabyte: Unidad de datos equivalente a 10 ´18 bytes
   • Fast Data: Datos que pierden valor a lo largo del tiempo
   • Geomarketing: Análisis de conjuntos de datos demográficos, económicos y geográficos.

3. Conceptos

   • Es un conjunto de técnicas para la Recolección, Procesamiento y Análisis de grandes volúmenes de datos
   • La Revolución 4.0 es el futuro, la cual modificará todos los ámbitos de la vida humana
   • Big data es información, convertida en ventaja competitiva
     • Gestión de los datos generados por la empresa
     • Mejorar y agiliza la toma de decisiones
     • Beneficios financieros
   • Permite: Personalización, indivisualización e incorporación de datos
   • Mejorar la capacidad predictiva, mejorar el conocimiento del mercado e implementar propuestas.
   • Permite mejorar la oferta de productos y la experiencia del cliente
   • Conlleva a un cambio cultural y organizativo en las empresas
   • Pasos para abordar el BIG DATA
     • Recursos Disponibles
     • Identificar las necesidades de los clientes
     • Mejorar la seguridad en el flujo de información de la empresa
     • Combinar datos de sistemas con datos empresariales.
     • Modernizar sistemas de almacenamiento de datos

4. En la Empresa

   • Procesamiento de grandes volúmenes en tiempo real
   • Análitica de datos estructurados y no estructurados
   • Contrucción de Modelos de Negocio Apoyados en la Inteligencia Artificíal
   • Incorporación de nuevas tecnologías para el apoyo en la toma de decisiones transformado información en conocimiento