1. El nuevo contexto del negocio
1.1. La digitalización ha transformado las operaciones empresariales, impulsada por factores como la democratización de internet, las redes sociales, los dispositivos inteligentes y el Internet de las Cosas (IoT). Estos elementos han generado un entorno competitivo donde el análisis de datos es crucial.
1.1.1. Que ha cambiado desde el punto de vista del negocio
1.1.1.1. La tecnología de la información ha ganado protagonismo en las organizaciones, automatizando procesos y apoyando diversas áreas, desde finanzas hasta marketing. La transformación digital se ha acelerado debido a la expansión de internet, las redes sociales, los dispositivos inteligentes y el IoT, creando un entorno empresarial dinámico y competitivo.
1.1.2. La naturaleza del dato
1.1.2.1. Los datos han evolucionado en tres dimensiones clave:
1.1.2.1.1. Volumen: Incremento significativo en la cantidad de datos generados.
1.1.2.1.2. Velocidad: Rapidez con la que se generan y procesan los datos.
1.1.2.1.3. Variedad: Diversidad de formatos y fuentes de datos, incluyendo estructurados y no estructurados.
1.1.2.2. Estas características, conocidas como las "3 V" del big data, presentan desafíos y oportunidades para las organizaciones.
1.1.3. Limitaciones del data warehouse
1.1.3.1. Los sistemas tradicionales de data warehouse enfrentan dificultades para manejar las nuevas demandas impuestas por el big data. Entre las principales limitaciones se encuentran:
1.1.3.1.1. Escalabilidad: Dificultad para adaptarse al creciente volumen de datos sin incurrir en costos prohibitivos.
1.1.3.1.2. Flexibilidad: Incapacidad para procesar eficientemente datos no estructurados o semiestructurados
1.1.3.1.3. Velocidad de procesamiento: Retos para manejar y analizar datos en tiempo real o con latencias mínimas.
1.1.3.2. Estas restricciones han motivado la adopción de nuevas arquitecturas y tecnologías diseñadas específicamente para abordar las necesidades del big data.
2. ¿Qué es big data?
2.1. Definicion
2.1.1. El big data se define como el conjunto de estrategias, tecnologías y sistemas utilizados para almacenar, procesar, analizar y visualizar grandes volúmenes de datos complejos. Su objetivo principal es extraer valor y conocimiento de estos datos para apoyar la toma de decisiones y generar ventajas competitivas.
2.2. Tipos de big data
2.2.1. Según el Instituto Nacional de Estándares y Tecnología (NIST), el big data puede clasificarse en tres categorías principales:
2.2.1.1. Tipo 1: Requiere estructuras de datos no relacionales para análisis de negocio, debido a la naturaleza no estructurada de los datos.
2.2.1.2. Tipo 2: Necesita estrategias de escalabilidad horizontal para manejar el crecimiento en volumen o velocidad de los datos, permitiendo distribuir la carga entre múltiples servidores.
2.2.1.3. Tipo 3: Combina la necesidad de estructuras de datos no relacionales con la escalabilidad horizontal, siendo el enfoque más común en implementaciones de big data.
2.3. ¿Cuándo es necesario big data?
2.3.1. Toma de decisiones: Mejora la precisión y rapidez en la toma de decisiones al proporcionar análisis detallados y en tiempo real.
2.3.2. Operaciones e inteligencia operacional: Optimiza procesos operativos mediante el monitoreo constante y el análisis predictivo.
2.3.3. Validación de hipótesis y resolución de problemas: Facilita la experimentación y el análisis de grandes conjuntos de datos para probar teorías y solucionar desafíos complejos.
2.3.4. Desarrollo de productos y servicios basados en datos: Permite la creación de ofertas personalizadas y adaptadas a las necesidades específicas de los clientes.
2.3.5. Comercio de datos: Genera nuevas fuentes de ingresos mediante la venta o intercambio de datos valiosos con otras organizaciones.