1. Transacción de datos
1.1. Definición: conjunto de órdenes en bases de datos que forman una unidad de trabajo indivisible (ACID: atomicidad, consistencia, aislamiento, durabilidad).
1.2. Tipos de transacciones
1.2.1. Distribuidas (varias bases).
1.2.2. Compensatorias (revertir efectos).
1.2.3. Heterogéneas (en distintos entornos).
1.2.4. Batch (por lotes).
1.2.5. En línea (tiempo real).
1.2.6. En línea con retraso.
1.3. Transacciones entre organizaciones
1.3.1. Procesamiento de ventas, inventarios, nóminas, cuentas por pagar y cobrar.
1.3.2. Sistemas de Procesamiento de Transacciones (TPS): pedidos, facturación, control de inventario.
1.3.3. Objetivos: eficiencia, exactitud, integridad de datos, mejor servicio, lealtad del cliente y ventaja competitiva.
2. Fuentes de Big Data
2.1. Definición: grandes volúmenes de datos con variedad, velocidad y volumen (las 3 V).
2.2. Tipos de fuentes
2.2.1. Bases de datos relacionales y no relacionales.
2.2.2. IoT (Internet de las Cosas).
2.2.3. CMS (WordPress, Prestashop).
2.2.4. ERP (sistemas de gestión empresarial).
2.2.5. CRM (gestión de clientes).
2.2.6. APIs de datos (ej. bancos).
2.2.7. Redes sociales.
2.3. Selección de fuentes
2.3.1. Según necesidades de información.
2.3.2. Fuentes primarias (información original) y secundarias (referencias).
3. Pensamiento computacional
3.1. Esquema del pensamiento computacional
3.1.1. Resolver problemas como un científico informático.
3.1.2. Formular problemas → soluciones con algoritmos.
3.1.2.1. Persistencia ante problemas difíciles.
3.1.3. Reconocer aspectos de la informática en el entorno.
3.2. Usos del pensamiento computacional
3.2.1. Confianza y tolerancia a la ambigüedad.
3.2.2. Capacidad de ordenar problemas no estructurados.
3.2.3. Trabajo en equipo y comunicación.
3.2.4. Herramientas: programación, robótica, actividades “desenchufadas” (juegos, puzles, Lego).
3.3. Metodología del pensamiento computacional
3.3.1. Conceptos computacionales: secuencias, ciclos, condicionales, operadores.
3.3.2. Prácticas computacionales: iteración, ensayo y error, depuración.
3.3.3. Perspectivas computacionales: preguntar, conectar, expresar.
3.3.4. Etapas: abstracción → automatización → análisis.
4. Tipos de datos
4.1. Estructurados
4.1.1. Tablas, bases de datos, Excel, encuestas, formularios.
4.1.2. Organizados en filas y columnas (SQL).
4.1.3. Fáciles de gestionar.
4.2. Semiestructurados
4.2.1. Nivel medio de organización.
4.2.2. Ejemplos: correos electrónicos, XML, archivos comprimidos.
4.2.3. Contienen metadatos y etiquetas.
4.3. No estructurados
4.3.1. 80% de los datos en organizaciones.
4.3.2. Ejemplos: documentos, imágenes, videos, redes sociales, audios.
4.3.3. Difíciles de gestionar, requieren análisis avanzado.