Trabajando con modelos de Datos

Trabajando con modelos de Datos

1. Datos estructurados

   • son aquellos datos que tienen bien definido su longitud y su formato.
     • Los podemos obtener de:
       • Datos generados por maquinas
         • Datos procedentes de sensores
         • Web Log Data
         • Datos procedentes de puntos de venta
       • Datos generados por personas
         • Son variados, pasan desde los registros de una contabilidad en un ERP pasando por el hecho de cumplimentar un formulario en una web o incluso nuestros movimientos en uno de esos juegos on-line que ahora nos encontramos en Facebook

2. Datos no estructurados

   • carecen de un formato específico
     • Son generados por:
       • Datos generados por máquinas y computadoras.
         • Imágenes de satélites.
         • Datos científicos: gráficos sísmicos, atmosféricos, etc..
         • Fotografía y vídeo: por ejemplo cámaras de vigilancia
         • Datos recopilados de sónar y radar’(posicionamiento smarthphone)
       • Datos generados por personas
         • Textos incluidos dentro de los sistemas de información internos de las organizaciones
         • Datos provenientes de redes sociales
         • Datos provenientes de nuestros dispositivos móviles
         • Contenido de sitios web

3. Semi-Estructurados

   • son una mezcla de los estructurados y no estructurados, es decir, estos datos siguen una especie de estructura implícita, pero no tan regular como para poder ser gestionada y automatizada como la información estructurada.

4. Tecnologías de análisis de datos

   • BigQuery
     • BigQuery es un servicio que presta Google con el fin de almacenar y consultar grandes datos no estructurados
   • ThinkUp
     • ThinkUp es un potente motor de análisis de datos que permite extraer información de Twitter, Facebook y Google+
   • Infosphere Streams
     • Streams analiza y transforma datos en memoria y en tiempo real, no como sucede con otras aplicaciones, que Conociendo Big Data primero gestionan, almacenan y por último analizan los datos. Con Streams, los datos se analizan directamente, es decir, en tiempo real, lo cual permite obtener resultados más rápidamente
   • Biginsights Infosphere
     • Es una plataforma desarrollada por IBM para Hadoop, buscando suplir las necesidades de las empresas, lo cual se puede lograr facilitando el trabajo de los analistas de sistemas, sin volverlos programadores en una herramienta de difícil manejo. Otra forma es facilitar la consulta de los datos almacenados.
   • System PureData
     • es una herramienta de IBM; permite realizar análisis de Big Data en menos tiempo que otras herramientas de análisis; la velocidad de lectura de datos promedia los 128 gigabytes por segundo; fue diseñado para manejar más de 1000 consultas simultáneamente
   • Infosphere Information Server
     • Es una plataforma de integración de datos, producto desarrollado por IBM; permite limpiar y transformar datos, para luego entregar información confiable a la empresa o negocio.
   • Sap Hana
     • es una herramienta para el análisis de Big Data, la cual se compone de hardware y software, con gran velocidad de procesamiento de datos y en los tiempos de respuesta cuando de consultas se trata; lo anterior debido a que para el procesamiento de datos usa tecnología in-memory
   • 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 para la organización de Big Data.
   • HDinsight
     • Es un producto Microsoft, basado en Hadoop, permite gestionar datos estructurados y no estructurados de cualquier tamaño, que se pueden llegar a combinar perfectamente con herramientas de Inteligencia de Negocios de Microsoft, fortaleciendo de esta forma los servicios a usuarios y público en general con ayuda de software como Office y SharePoint
   • Textalytics
     • es un software dedicado al análisis de texto; extrae con facilidad significado de lo escrito en medios sociales y todo tipo de documentos. Dichos datos se transforman en modelos estructurados para poder ser procesados y gestionados con facilidad.