Tipos de Datos (Big Data)

Tipos de Datos (Big Data)

1. POR CATEGORÍA:

   • No Estructurados (80%):
     • Características:
       • 1. No tienen campos fijos. 2. Capturados a partir del comportamiento humano. 3. Generados por los usuarios.
         • Audio.
         • Videos.
         • MSM.
         • Fotografías.
         • Correos.
         • Búsquedas en Google.
         • Información biométrica.
         • GPS.
         • Redes Sociales.
   • Estructurados:
     • Características:
       • 1. Tienen un formato definido. 2. Generados por nuestros sistemas en un formato pre definido. 3. Dirigido a ciertas transacciones. Compilados.
         • Bases de datos relacionales.
         • Hojas de cálculo.
         • Archivos ordenados.
   • Semi estructurados:
     • Características:
       • No tienen formatos fijos pero si etiquetas y/o marcadores.
         • XML.
         • HTML.

2. POR ORIGEN: (5 GRUPOS PRINCIPALES)

   • 5. Web y redes Sociales:
     • Información sobre clicks en vínculos y elementos.
     • Búsquedas en Google.
     • RRSS (fuentes de datos de Twitter, publicaciones en Facebook, otras RRSS).
     • Contenido Web (páginas, imágenes, enlaces, etc.)
   • 2. Comunicación entre Máquinas (M2M):
     • Lecturas RFID.
     • Señales GPS.
     • Otros sensores (parquímetros, máquinas expendedoras, cajeros, etc.)
     • Internet de las Cosas (IoT).
     • Chips NFC.
   • 3. Transacciones:
     • Registros de comunicaciones (llamadas, mensajería, VoIP, etc.)
     • Registros de facturación (pagos con tarjeta, pago online, etc.)
   • 4. Generados por personas:
     • Grabaciones a operadores de atención al cliente.
     • E-mail.
     • Registros médicos electrónicos.
   • 1. Biométricos:
     • Reconocimiento facial.
     • Información genética (ADN).

3. Procesos de valor:

   • Analítica predictiva.
   • Analítica prescriptiva.
   • Análisis de datos:
     • 1. Obtención de datos.
     • 2. Preparación de Datos.
     • 3. procesamiento de Datos.
     • 4. Análisis e interpretación de Datos.
   • Analítica descriptiva.

4. Herramientas y valor que aportan:

   • Hadoop:
     • Permite procesar grandes volúmenes de datos en lote usando modelos de programación simples. Es escalable, por lo que puede pasar de operar en un sólo servidor a hacerlo en múltiples.
       • Facebook y New York Times lo emplean.
   • Mongo DB:
     • Base de Datos que maneja data no estructurada:, almacena datos de aplicaciones móviles y de sistemas de gestión de contenidos, entre otros.
       • Bosh y Telefónica Móvil lo emplean.
   • Apache Spark:
     • 100 veces más rápida que Hadoop, Spark analiza datos por lotes y también en tiempo real, y permite la creación de aplicaciones en diferentes lenguajes: Java, Python, R y Scala.
   • ElasticSeacrch:
     • Permite el procesamiento de grandes cantidades de datos y ver la evolución de éstos en tiempo real. Además, proporciona gráficos que ayudan a comprender con más facilidad la información obtenida.
       • Mozilla y Etsy la emplean.
   • Apache Storm:
     • Puede ser usada con cualquier lenguaje de programación. Procesa en tiempo real y de forma sencilla grandes cantidades de datos, el sistema crea topologías de los macrodatos para transformarlos y analizarlos de forma continua mientras flujos de información entran al sistema constantemente.
   • Lenguaje R:
     • R es un entorno y lenguaje de programación enfocado mayormente al análisis estadístico, ya que es muy parecido al lenguaje matemático, aunque también se emplea para el análisis de Big Data. Se usa para estadística y data miners.
   • Phyton:
     • Python cuenta con la ventaja de que sólo hay que tener unos conocimientos mínimos de informática para poder usarla, lo hace que tenga una gran comunidad de usuarios con la opción de crear sus propias librerías. Más lenta que sus competidores.
   • NoSQL_
     • Base de Datos cada vez más usada por ser flexible, escalable, ágil, trabaja datos no estructurados., de alto performance y disponibilidad.
   • Apache Casandra:
     • Cassandra es una base de datos NoSQL desarrollada en un principio por Facebook. Es la mejor opción si lo que se cecesita es escalabilidad y alta disponibilidad sin comprometer el rendimiento.
       • Netflix y Reddit lo emplean.

Images and files in the map