Big Data

 

Definición de Big Data en detalle

Big Data es el océano de información en el que nadamos a diario –vastos zettabytes de datos que fluyen desde nuestras computadoras, dispositivos móviles y sensores de máquinas–. Las organizaciones usan estos datos para tomar decisiones; mejorar procesos y políticas; y crear productos, servicios y experiencias centrados en el cliente. Big Data se llama "grande" no solo por su volumen, sino también por la variedad y complejidad de su naturaleza. Normalmente, supera la capacidad de las bases de datos tradicionales para capturar, gestionar y procesar datos. Y Big Data puede provenir de cualquier lugar o cosa en el mundo que sea posible monitorear digitalmente. Satélites meteorológicos, dispositivos de internet de las cosas (IoT), cámaras de tránsito y tendencias en redes sociales son solo algunas de las fuentes de datos que se extraen y analizan para hacer que las empresas sean más resilientes y competitivas.

La importancia de las analíticas de Big Data

El verdadero valor de Big Data se mide por el grado en que usted puede analizar y comprender los datos. La inteligencia artificial (IA), el machine learning y las tecnologías modernas para base de datos permiten la visualización y análisis de Big Data para brindar información estratégica accionable –en tiempo real–. Las analíticas de Big Data ayudan a las empresas a poner sus datos a trabajar para hacer realidad nuevas oportunidades y construir modelos de negocio. Como dijo acertadamente Geoffrey Moore, autor y analista de gestión, “sin analíticas de Big Data, las empresas son ciegas y sordas, entran a la web como animales distraídos a una autopista”.

Evolución de Big Data

Por inconcebible que parezca hoy, la computadora guía del Apolo llevó la primera nave espacial a la luna con menos de 80 kilobytes de memoria. Desde entonces, la tecnología informática ha crecido a un ritmo exponencial –y la generación de datos junto con ella–. De hecho, la capacidad tecnológica mundial para almacenar datos se ha duplicado cada tres años aproximadamente desde la década de 1980. Hace poco más de 50 años, cuando despegó el Apolo 11, la cantidad de datos digitales generados en todo el mundo hubiera cabido en una laptop promedio. En 2020, Statista estima que se crearon o replicaron 64,2ZB y que "la cantidad de datos digitales creados durante los próximos cinco años será más del doble de los creados desde la llegada del almacenamiento digital".


Datos de redes sociales

Como su nombre lo indica, estos datos se generan mediante comentarios, posteos, imágenes y, cada vez más, videos en las redes sociales. Y con la creciente ubicuidad global de las redes celulares 4G y 5G, se estimaba que en el mundo el número de personas que ven regularmente contenido de video en sus smartphones alcanzara los 2720 millones para el 2023. Aunque las tendencias en redes sociales y su uso tienden a cambiar de manera rápida e impredecible, lo que no cambia es su crecimiento constante como generadoras de datos digitales.

Datos de máquinas

Los dispositivos y máquinas de IoT están equipados con sensores y tienen la capacidad de enviar y recibir datos digitales. Los sensores de IoT ayudan a las empresas a recopilar y procesar datos provenientes de dispositivos, vehículos y equipamiento de toda la empresa. Globalmente, el número de cosas que generan datos está creciendo rápido –desde sensores de clima y tránsito hasta vigilancia de seguridad–. IDC estima que para el 2025 habrá más de 40.000 millones de dispositivos de IoT en el mundo, que generarán casi la mitad del total global de datos digitales.

Datos transaccionales

Estos datos están entre los que tienen el movimiento y crecimiento más rápidos del mundo. Por ejemplo, un gran minorista internacional es conocido por procesar más de un millón de transacciones por hora con los clientes. Y si a eso se le suman todas las transacciones bancarias y de compra del mundo, se obtiene una imagen del asombroso volumen de datos que se generan. Además, los datos transaccionales se componen cada vez más de datos semiestructurados que incluyen cosas tales como imágenes y comentarios, lo cual complejiza su gestión y procesamiento.

Comentarios

Publicar un comentario

Entradas populares de este blog

Minería de datos educativos y análisis del aprendizaje

La minería de datos educativos (EDM, Educational Data Mining) y la analítica del aprendizaje (LA, Learning Analytics) son técnicas que utilizan el análisis de datos para mejorar los procesos educativos. Para ello extrae patrones y tendencias del rendimiento, el comportamiento y las interacciones de los estudiantes. Estas disciplinas optimizan los procesos de aprendizaje, identifican a los estudiantes con sus dificultades y logran personalizar las experiencias de aprendizaje. Su integración promete revolucionar la educación y fomentar el éxito de los estudiantes en la era digital. Líneas de investigación actuales en DaSCI: Portabilidad de modelos predictivos. En la minería de datos educativos, un reto clave es garantizar la portabilidad de los modelos predictivos a través de diferentes cursos. Actualmente, la excesiva dependencia de atributos de bajo nivel durante el entrenamiento limita la adaptabilidad de los modelos. Para abordar este problema, estamos desarrollando y utilizando acti...
Leer más

BIG DATA

  El crecimiento en el volumen de datos generados por diferentes sistemas y actividades cotidianas en la sociedad ha forjado la necesidad de modificar, optimizar y generar métodos y modelos de almacenamiento y tratamiento de datos que suplan las falencias que presentan las bases de datos y los sistemas de gestión de datos tradicionales. Respondiendo a esto aparece Big Data, término que incluye diferentes tecnologías asociadas a la administración de grandes volúmenes de datos provenientes de diferentes fuentes y que se generan con rapidez [1]. A pesar de que el término Big Data se asocia principalmente con cantidades de datos exorbitantes, se debe dejar de lado esta percepción, pues Big Data no va dirigido solo a gran tamaño, sino que abarca tanto volumen como variedad de datos y velocidad de acceso y procesamiento. En la actualidad se ha pasado de la transacción a la interacción, con el propósito de obtener el mejor provecho de la información que se genera minuto a minuto[2]. Con e...
Leer más

Proceso de la Minería de datos educativa

Imagen
  1. Extracción de datos: Consiste en la selección y recuperación de datos del entorno educativo, priorizando fuentes digitales como sistemas de información o entornos virtuales de aprendizaje. Los datos incluyen interacción, uso de sistemas, información de cursos, datos académicos, encuestas socioeconómicas y antecedentes escolares. 2. Preprocesamiento: Se limpian datos (eliminando datos redundantes, incorrectos o faltantes), se mezclan fuentes y se convierten valores para una gestión estandarizada y homogénea. Es crucial excluir atributos irrelevantes y el resultado es un conjunto de datos listo para el análisis. 3. Aplicación de métodos de MDE: Se seleccionan y aplican técnicas acordes a los objetivos, como clasificación/predicción para identificar riesgo académico. Se pueden seleccionar atributos relevantes y ajustar parámetros de algoritmos para refinar la precisión de los modelos. 4. Interpretación de resultados: Se muestran los patrones, relaciones o tendencias descubiertos ...
Leer más