1. Usos
1.1. Desarrollo de productos
1.1.1. Construir modelos predictivos para nuevos productos y servicios clasificando atributos clave de productos anteriores y actuales.
1.1.1.1. Después
1.1.1.1.1. Se modela la relación entre dichos atributos y el éxito comercial de las ofertas
1.2. Mantenimiento predictivo
1.2.1. Los factores capaces de predecir fallos mecánicos pueden estar profundamente ocultos entre datos estructurados,
1.2.1.1. Por ejemplo:
1.2.1.1.1. Año del equipo
1.2.1.1.2. Marca de una máquina
1.2.1.1.3. Modelo de una máquina
1.3. Experiencia del cliente
1.3.1. El Big Data permite recopilar datos de varios lugares, tales como:
1.3.1.1. Redes sociales
1.3.1.2. Visitas a páginas web
1.3.1.2.1. Para
1.3.1.3. Registros de llamadas
1.4. Fraude y cumplimiento
1.4.1. El Big Data ayuda a identificar patrones en los datos que pueden ser indicativos de algún fraude, al mismo tiempo que concentra grandes volúmenes de información para agilizar la generación de informes normativos.
1.5. Machine learning
1.5.1. Este uso en particular es un tema muy interesante en la actualidad, pues en lugar de programar una máquina para que realice ciertas actividades, también puede aprender a hacerlas.
1.5.1.1. Esto gracias a la disponibilidad de Big Data para crear modelos de machine learning
1.6. Eficiencia Operativa
1.6.1. En esta área es donde el Big Data tiene un mayor impacto, ya que nos permite en muy poco tiempo realizar las siguientes acciones:
1.6.1.1. Analizar y Evaluar:
1.6.1.1.1. La producción
1.6.1.1.2. La opinión de los clientes
1.6.1.1.3. Las devoluciones
1.6.1.1.4. Distintos factores para reducir las situaciones de falta de stock
1.6.1.2. Anticipar la demanda futura
1.7. Impulse a la innovación
1.7.1. El Big Data puede ayudar a innovar mediante el estudio de las interdependencias entre:
1.7.1.1. Seres humanos
1.7.1.2. Instituciones
1.7.1.2.1. Para después determinar nuevas formas de utilizar dicha información
1.7.1.3. Entidades
1.7.1.4. Procesos
2. Clasificacion de datos
2.1. Estructurados
2.2. Semi estructurados
2.2.1. Que a su vez tienen las siguientes categorías:
2.2.1.1. Categoría 1
2.2.1.1.1. Estos datos son generados por las propias personas
2.2.1.2. Categoría 2
2.2.1.2.1. Son obtenidos a través de transacciones
2.2.1.3. Categoría 3
2.2.1.3.1. Mercadotecnia electrónica y la web
2.2.1.4. Categoría 4
2.2.1.4.1. Estos datos son obtenidos mediante interacciones de máquina - máquina
2.2.1.5. Categoría 5
2.2.1.5.1. En esta categoría se encuentran los datos biométricos. que son generados por lectores especializados para este tipo de datos
2.3. No estructurados
3. Softwares para el Big Data
3.1. Minitab
3.2. Power BI
3.3. Kittle Pentaho
4. Las 7 V's del Big Data
4.1. Velocidad
4.2. Volumen
4.3. Variedad
4.4. Veracidad
4.5. Valor
4.6. Visualización
4.7. Variabilidad
5. Gestión de Información en 4 fases
5.1. Captura de Información
5.2. Almacenamiento
5.3. Tratamiento
5.4. Puesta en Valor
6. Son datos en una cantidad masiva que tienen una gran variedad de formatos y se presentan con volúmenes crecientes a una gran velocidad.
6.1. Para que tenga valor, es necesario dar un formato adecuado
6.1.1. Aquí entran las plataformas ETL, que son
6.1.1.1. Extract
6.1.1.2. Transform
6.1.1.3. Load