ANALISIS DE BIG DATA

ANALISIS DE BIG DATA

1. Un volumen muy alto de datos semi-estructurados y no estructurados

   • Que
     • Requieren análisis mucho más rápidos
       • El desafío es gestionar y organizar eficientemente los datos
         • Se requiere más investigación para estandarizar, asegurar y mejorar aplicaciones de big data en distintos campos.

2. Aplicaciones del BiG DATA

   • • Análisis de datos en redes sociales
     • Se registra la actividad diaria de los usuarios, desde mostrar interés en productos (Facebook) hasta expresar opiniones o quejas (Twitter).
       • Estos datos en tiempo real permiten a las empresas ajustar sus productos según la opinión del mercado y de los clientes
   • • Análisis financiero
     • Se utiliza para predecir tendencias del mercado bursátil y apoyar la toma de decisiones
   • • Agricultura:
     • Los centros biotecnológicos usan datos de sensores para aumentar la productividad agrícola, simulando las reacciones de las plantas a distintas condiciones ambientales y seleccionando cultivos adecuados

3. Retos del BIG DATA

   • 1. Almacenamiento
     • o El volumen de datos crece exponencialmente, llegando a exabytes
   • 2. Visualización de datos
     • o Mostrar los datos eficazmente requiere considerar el tipo de datos y las necesidades del usuario
   • 3. Reducción de redundancia y compresión de datos
     • o Mucha información duplicada en los datos,
   • 4. Gestión del ciclo de vida de los datos
     • o La generación de datos es muy rápida y supera la capacidad de almacenamiento actual
   • 5. Análisis
     • Requiere muchos recursos y tiempo.
   • 6. Confidencialidad de la información
     • o Mantener la privacidad y seguridad es un desafío debido a la necesidad de usar herramientas y expertos externos
   • 7. Gestión energética
     • Conlleva mayor consumo energético
   • 8. Escalabilidad
     • o Los sistemas deben soportar conjuntos de datos cada vez mayores y más complejos
   • 9. Colaboración
     • o Se necesita una arquitectura de red que permita a especialistas de diferentes áreas compartir y analizar datos

4. Herramientas y tecnologías

   • • Herramientas de análisis
     • Hadoop, Hive, Pig, Platform y Rapidminer
   • • Tecnologías de almacenamiento
     • HBase, SkyTree y Bases de datos NoSQL
   • Herramientas de visualización de datos
     • Tableau, Infogram, ChartBlocks y Tangle
   • • Computación en la nube
     • • Internet de las cosas (IoT)

Images and files in the map