Big Data

1. ¿QUE ES BIG DATA?

1.1. Los macrodatos, también llamados datos masivos, inteligencia de datos, datos a gran escala o big data es un término que hace referencia al concepto relativo a conjuntos de datos tan grandes y complejos como para que hagan falta aplicaciones informáticas no tradicionales de procesamiento de datos para tratarlos adecuadamente.

2. Después de identificar todas las fuentes potenciales de datos, considere las decisiones que necesitará tomar una vez que comience a sacar provecho de la información. Éstas incluyen:

2.1. Cómo almacenarlos y gestionarlos,Qué tantos analizar,Cómo utilizar los insights que usted descubre

2.1.1. Cuantos más conocimientos tenga, mayor confianza tendrá al tomar decisiones de negocios. La decisión inteligente es contar con una estrategia cuando tenga abundancia de información en mano.

2.1.1.1. El paso final para lograr que el big data trabaje para su empresa consiste en investigar las tecnologías que le ayudarán a sacar el mayor provecho del big data y del análisis del mismo. Considere: • Espacio de almacenaje abundante y económico. • Procesadores más rápidos. • Plataformas distribuidas de big data de fuente abierta asequibles, como Hadoop. • Procesamiento paralelo, agrupación en clústeres, MPP, virtualización, grandes entornos de red, alta conectividad y resultados sólidos. • Computación en la nube y otras disposiciones flexibles de distribución de recursos.

3. Existen muchísimas herramientas para el manejo de big data. Algunos ejemplos incluyen Hadoop, NoSQL, Cassandra, inteligencia empresarial, aprendizaje automático y MapReduce. Estas herramientas tratan con algunos de los tres tipos de big data:

3.1. Datos no estructurados: .

3.1.1. Datos semiestructurados: datos que no se limitan a campos determinados, pero que contiene marcadores para separar los diferentes elementos. Es una información poco regular como para ser gestionada de una forma estándar. Estos datos poseen sus propios metadatos semiestructuradosque describen los objetos y las relaciones entre ellos, y pueden acabar siendo aceptados por convención. Como ejemplos tenemos los archivos tipo hojas de cálculo, HTML, XML o JSON

3.1.1.1. Datos estructurados: datos que tienen bien definidos su longitud y su formato, como las fechas, los números o las cadenas de caracteres. Se almacenan en tablas. Un ejemplo son las bases de datos relacionales y los almacenes de datos.

3.2. datos en el formato tal y como fueron recolectados, carecen de un formato específico. No se pueden almacenar dentro de una tabla ya que no se puede desgranar su información a tipos básicos de datos. Algunos ejemplos son los PDF, documentos multimedia, correos electrónicos o documentos de texto

4. Historia del big data y consideraciones actuales

4.1. Aunque el término “big data” es relativamente nuevo, la acción de recopilar y almacenar grandes cantidades de información para su posterior análisis se viene realizando desde hace muchos años. El concepto cobró impulso a principios de la década del 2000 cuando el analista de la industria Doug Laney articuló la definición ahora muy popular del big data como las tres Vs: Volumen,Velocidad,Variedad,etc.

5. La importancia del big data no gira en torno a cuántos datos tiene usted, sino qué hace con ellos. Puede tomar datos de cualquier fuente y analizarlos para hallar respuestas que hagan posibles Cuando se combina el big data con analítica poderosa, se pueden realizar tareas relacionadas con negocios, tales como:

5.1. 1) reducciones de costos

5.2. 2) reducciones de tiempo, 3) desarrollo de nuevos productos y soluciones optimizadas, y 4) toma de decisiones inteligente.