¿Qué es?

¿Qué es?

1. Big data está formado por conjuntos de datos de mayor tamaño y más complejos, especialmente procedentes de nuevas fuentes de datos. Estos conjuntos de datos son tan voluminosos que el software de procesamiento de datos convencional sencillamente no puede gestionarlos. Sin embargo, estos volúmenes masivos de datos pueden utilizarse para abordar problemas empresariales que antes no hubiera sido posible solucionar.

2. ¿Por qué es importante el big data?

   • El objetivo de aprovechar el big data es poder ofrecer información inmediata que le permita mejorar su negocio. El big data le permite reducir costos, ser más eficiente y descubrir nuevas formas de impulsar los beneficios y obtener nuevos clientes.
     • El big data en el núcleo de la transformación digital:
       • Las fuentes de datos no estructurados y su tipología son múltiples: actividad web, objetos conectados, hábitos de consumo, CRM, etc. Las estrategias de marketing digital permiten que las empresas exploten la información con fines de análisis para aprovechar todo el potencial de estos datos brutos.
         • Inteligencia artificial y big data:
           • La inteligencia artificial (IA), al igual que sucede con la inteligencia humana, se alimenta de información. Cuanto mayor sea la cantidad de datos disponibles para su aprendizaje, mayor será la eficacia de la IA en teoría. Para poder sacar el máximo partido a esta información, los algoritmos de la máquina necesitan acceder a grandes conjuntos de datos procedentes de diferentes fuentes.

3. ¿Cómo funciona big data?

   • El big data le aporta nuevas perspectivas que abren paso a nuevas oportunidades y modelos de negocio. Iniciarse en ello requiere de tres acciones clave:
     • 1. Integre El big data concentra datos de numerosas fuentes y aplicaciones distintas. Los mecanismos de integración de datos convencionales, como extracción, transformación y carga (ETL), generalmente no están a la altura de dicha tarea. Analizar conjuntos de big data de uno o más terabytes, o incluso petabytes, de tamaño requiere de nuevas estrategias y tecnologías.
       • 2. Gestione El big data requiere almacenamiento. Su solución de almacenamiento puede residir en la nube, on premises o en ambos. Puede almacenar sus datos de cualquier forma que desee e incorporar los requisitos de procesamiento de su preferencia y los motores de procesamiento necesarios a dichos conjuntos de datos on-demand.
       • 3. Analice La inversión en big data se rentabiliza en cuanto se analizan y utilizan los datos. Adquiera una nueva claridad con un análisis visual de sus diversos conjuntos de datos. Continúe explorando los datos para realizar nuevos descubrimientos. Comparta sus hallazgos con otras personas. Construya modelos de datos con aprendizaje automático e inteligencia artificial. Ponga sus datos a trabajar.

4. Las "tres V" de big data:

   • Volumen: La cantidad de datos importa. Con big data, tendrá que procesar grandes volúmenes de datos no estructurados de baja densidad. Puede tratarse de datos de valor desconocido, como feeds de datos de Twitter, secuencias de clics en una página web o aplicación móvil, o equipos con sensores. Para algunas organizaciones, esto puede suponer decenas de terabytes de datos. Para otras, incluso cientos de petabytes.
     • Velocidad: La velocidad es el ritmo al que se reciben los datos y (posiblemente) al que se aplica alguna acción. La mayor velocidad de los datos normalmente se transmite directamente a la memoria, en vez de escribirse en un disco. Algunos productos inteligentes habilitados para Internet funcionan en tiempo real o prácticamente en tiempo real y requieren una evaluación y actuación en tiempo real.
       • Variedad: La variedad hace referencia a los diversos tipos de datos disponibles. Los tipos de datos convencionales eran estructurados y podían organizarse perfectamente en una base de datos relacional. Con el auge del big data, los datos se presentan en nuevos tipos de datos no estructurados. Los tipos de datos no estructurados y semiestructurados, como el texto, audio o vídeo, requieren un preprocesamiento adicional para poder entender su significado y admitir metadatos.