UNIVERSIDAD AUTNOMA DEL ESTADO DE MXICO

CENTRO UNIVERSITARIO UAEM ATLACOMULCO

LICENCIATURA EN INFORMATICA ADMINISTRATIVA

MAPA

BIG DATA


PROFESOR:


CARLOS TLLEZ CALDERN


PRESENTA:

DANIEL MONROY VALDEZ

LIA I9


AGOSTO 2014



Big data
ByVangieBeal
Big data is a buzzword, or catch-phrase, used to describe a massivevolume of
bothstructured and unstructured data thatis so largethatit'sdifficult to
processusingtraditionaldatabase and software techniques. In
mostenterprisescenariosthe data
istoobigoritmovestoofastoritexceedscurrentprocessingcapacity. Big data has
thepotential to helpcompaniesimproveoperations and makefaster, more
intelligentdecisions.
Is Big Data a Volumeor a Technology?
Whilethetermmayseem to referencethevolume of data, thatisn'talwaysthe case.
Thetermbig data, especiallywhenusedbyvendors, mayrefer to thetechnology
(whichincludestools and processes) thatanorganizationrequires to
handlethelargeamounts of data and storagefacilities. Thetermbig data isbelieved to
haveoriginatedwith Web searchcompanieswhoneeded to
queryverylargedistributedaggregations of loosely-structured data.
AnExample of Big Data
Anexample of big data might be petabytes (1,024 terabytes) or exabytes (1,024
petabytes) of data consisting of billions to trillions of records of millions of people
allfromdifferentsources (e.g. Web, sales, customercontact center, social media,
mobile data and so on). The data istypicallylooselystructured data
thatisoftenincomplete and inaccessible.
Big Data and Types of Business Datasets
Whendealingwithlargerdatasets, organizationsfacedifficulties in beingable to
create, manipulate, and managebig data. Big data isparticularly a problem in
businessanalyticsbecause standard tools and procedures are notdesigned to
search and analyzemassivedatasets.
As researchfromWebopediaparentcompanyQuinStreetdemonstrates, big data
initiatives are poisedforexplosivegrowth. QuinStreetsurveyed 540
enterprisedecision-makersinvolved in big data and foundthedatasets of interest to
manybusinessestodayincludetraditionalstructureddatabases of inventories, orders,
and customerinformation, as well as unstructured data fromthe Web, social
networkingsites, and intelligentdevices.
This data, whencaptured, formatted, manipulated, stored, and analyzed can help a
company to gainusefulinsight to increaserevenues, getorretaincustomers, and
improveoperations.Big data mayalso be calledenterprisebig data.
Big data analytics
Big data analyticsrefers to theprocess of collecting, organizing and analyzinglarge
sets of data ("big data") to discoverpatterns and otherusefulinformation.
Notonlywillbig data analyticshelpyou to
understandtheinformationcontainedwithinthe data, butitwillalsohelpidentifythe data
thatismostimportant to thebusiness and futurebusinessdecisions. Big data
analystsbasicallywanttheknowledgethat comes fromanalyzingthe data.
TheBenefits of Big Data Analytics
Enterprises are increasinglylooking to findactionableinsightsintotheir data. Manybig
data projectsoriginatefromtheneed to answerspecificbusinessquestions.
Withtherightbig data analyticsplatforms in place, anenterprise can boost sales,
increaseefficiency, and improveoperations, customerservice and riskmanagement.
Webopediaparentcompany, QuinStreet, surveyed 540 enterprisedecision-
makersinvolved in big data purchases to learnwhichbusinessareascompanies plan
to use Big Data analytics to improveoperations. Abouthalf of
allrespondentssaidtheywereapplyingbig data analytics to
improvecustomerretention, helpwithproductdevelopment and gain a
competitiveadvantage.
Formostorganizations, big data analysisis a challenge. Considerthesheervolume of
data and themanydifferentformats of the data (bothstructured and unstructured
data) collectedacrosstheentireorganization and themanydifferentwaysdifferenttypes
of data can be combined, contrasted and analyzed to findpatterns and
otherusefulinformation.
Thefirstchallengeis in breakingdown data silos to accessall data
anorganizationstores in different places and often in differentsystems. A secondbig
data challengeis in creatingplatformsthat can pull in unstructured data as easily as
structured data. Thismassivevolume of data istypically so largethatit'sdifficult to
processusingtraditionaldatabase and software methods.
Big Data Requires High-Performance Analytics
To analyzesuch a largevolume of data, big data
analyticsistypicallyperformedusingspecialized software tools and
applicationsforpredictiveanalytics, data mining, textmining, forecasting and data
optimization. Collectivelytheseprocesses are separatebuthighlyintegratedfunctions
of high-performance analytics. Usingbig data tools and software
enablesanorganization to processextremelylargevolumes of data that a business
has collected to determine which data isrelevant and can be analyzed to drive
betterbusinessdecisions in thefuture.
Examples of How Big Data AnalyticsisUsedToday
As technology to break down data silos and analyze data improves, business can
be transformed in allsorts of ways. According to Datamation, today'sadvances in
analyzing Big Data allowresearchers to decode human DNA in minutes,
predictwhereterrorists plan to attack, determine which gene ismostlylikely to be
responsibleforcertaindiseases and, of course, whichadsyou are mostlikely to
respond to on Facebook. Thebusiness cases forleveraging Big Data are
compelling. Forinstance, Netflixmineditssubscriber data to
puttheessentialingredientstogetherforitsrecent hit House of Cards, and subscriber
data alsopromptedthecompany to bringArrestedDevelopment back fromthedead.
Anotherexample comes fromone of thebiggestmobilecarriers in theworld. France's
Orange launchedits Data forDevelopmentprojectbyreleasingsubscriber data
forcustomers in theIvoryCoast. The 2.5 billion records,
whichweremadeanonymous, includeddetailsoncalls and
textmessagesexchangedbetween 5 millionusers. Researchersaccessedthe data
and sent Orange proposalsforhowthe data couldserve as
thefoundationfordevelopmentprojects to improvepublichealth and safety.
Proposedprojectsincludedonethatshowedhow to improvepublic safety by tracking
cellphone data to mapwherepeoplewentafteremergencies; anothershowedhow to
use cellular data fordiseasecontainment.
The pace of data creationwillsurelyincrease, especially as machine-to-machine
communicationsgetscheaper and more common. Thinkabouthowmuch data all of
those sensor networks, burglaralarms and vehicletelematicssystemswillcreate.
According to IBM, every single daywecreate 2.5 quintillion bytes of data. IBM
arguesthattheexponentialgrowth of data meansthat 90 percent of the data
thatexists in theworldtoday has beencreated in thelasttwoyears. "This data comes
fromeverywhere: sensorsused to gatherclimateinformation, posts to social media
sites, digital pictures and videos, e-commercetransaction records, and cellphone
GPS coordinates, to name a few."
Of course, it'simportant to rememberthat in early human history, anything as
ephemeral as a tweet justwouldnothavebeenrecorded, so thesecomparisons can
only be taken so far. To putthe data explosion in context, considerthis. Every
minute of everydaywecreate
More than 204 million email messages
Over 2 million Google searchqueries
48 hours of new YouTube videos
684,000 bits of contentsharedon Facebook
More than 100,000 tweets
$272,000 spenton e-commerce
3,600 new photossharedon Instagram
Nearly 350 new WordPress blog posts
Traduccin
Big Data
Por Vangie Beal
Big data es una palabra de moda, o frase usada para describir un volumen masivo
de datos tanto estructurados como no estructurados que es tan grande que es
difcil de procesar utilizando tcnicas de bases de datos y de software
tradicionales. En la mayora de escenarios empresariales los datos son demasiado
grandes o se mueve demasiado rpido o se excede la capacidad de
procesamiento actual. Big Data (grandes datos) tiene el potencial de ayudar a las
empresas a mejorar sus operaciones y a tomar decisiones ms rpidas e
inteligentemente.
Big Data es un volumen o una tecnologa? Mientras que el trmino puede
parecer para hacer referencia al volumen de datos, que no siempre es el caso. El
trmino Big Data,especialmente cuando se utilizan los proveedores, pueden
referirse a la tecnologa (que incluye herramientas y procesos) que una
organizacin necesita para manejar las grandes cantidades de datos e
instalaciones de almacenamiento. Se cree que el Big Data trmino que se origin
con las empresas de bsqueda Web que necesitaban consultar muy grandes
agregaciones distribuidas de datos estructurados dbilmente-. Un ejemplo de Big
Data.
Un ejemplo delBig Data podra ser petabytes (1024 terabytes) o hexabytes (1.024
petabytes) de datos que constan de miles de millones a miles de millones de
registros de millones de personas, todos de diferentes fuentes (por ejemplo, Web,
de ventas, centros de contacto de clientes, medios de comunicacin social, datos
mviles y as sucesivamente). Los datos son normalmente poco estructurados de
datos que a menudo es incompleta e inaccesible. Datos y tipos de conjuntos de
datos de negocios, cuando se ocupan grandes conjuntos de datos, las
organizaciones se enfrentan a dificultades en la capacidad de crear, manipular y
gestionar grandes volmenes de datos. Big Data es un problema particularmente
en anlisis de negocios porque las herramientas y procedimientos estndar no
estn diseados para buscar y analizar conjuntos de datos masivos. Como la
investigacin de la compaa matriz Webopedia QuinStreet demuestra, iniciativas
de grandes datos que estn preparados para un crecimiento explosivo. QuinStreet
encuest a 540 empresas que toman las decisiones involucradas en grandes
volmenes de datos y encontr a los conjuntos de datos de inters para muchas
empresas hoy en da incluyen las bases de datos tradicionales estructurados de
inventarios, pedidos y la informacin del cliente, as como datos no estructurados
de la Web, los sitios de redes sociales y dispositivos inteligentes.
Estos datos, cuando son capturados, formateados, manipulados, almacenados y
analizados, pueden ayudar a una empresa para obtener informacin til para
aumentar los ingresos, obtener o retener a los clientes, y mejorar las operaciones.
Big Data tambin puede ser llamado por la empresa de datos grandes. Anlisis de
datos grandes, analtica de Big Data, se refiere al proceso de recoleccin,
organizacin y anlisis de grandes conjuntos de datos ("big data") para descubrir
patrones y otra informacin til. No slo habr anlisis de Big Data ayudar a
entender la informacin contenida en los datos, sino que tambin ayudar a
identificar los datosque son ms importantes para el negocio y las decisiones
futuras del negocio. Los analistas de Big Data bsicamente quieren que el
conocimiento que proviene de analizar los datos. Los beneficios del anlisis de Big
Data. Las empresas estn cada vez ms buscando para encontrar informacin
procesable en sus datos. Muchos proyectos de Big Data se originan en la
necesidad de responder a las preguntas especficas del negocio. Con las grandes
plataformas de anlisis de los datos correctos en el lugar, una empresa puede
impulsar las ventas, aumentar la eficiencia, mejorar las operaciones, servir al
cliente y gestionar riesgos. Empresa matriz Webopedia, QuinStreet, encuest a
540 empresas que toman las decisiones que participan en las compras de Big
Data, para saber qu reas de negocio de las empresas planean utilizar el
anlisis de Big Data para mejorar las operaciones. Aproximadamente la mitad de
todos los encuestados dijeron que estaban aplicando el anlisis de Big Data para
mejorar la retencin de clientes, ayudar con el desarrollo de productos y obtener
una ventaja competitiva.
El primer desafo es romper los silos de datos para tener acceso a todos los datos
de un depsito de las organizaciones en diferentes lugares y, a menudo en
diferentes sistemas. Un segundo desafo de Big Data es en la creacin de
plataformas que pueden tirar los datos no estructurados con tanta facilidad como
los datos estructurados. Este volumen masivo de datos suele ser tan grande que
es difcil de procesar utilizando los mtodos de base de datos y de software
tradicionales. El anlisis de Big Data requiere de alto rendimiento para analizar un
gran volumen de datos como el anlisis de Big Dataque se realiza normalmente
utilizando herramientas de software y aplicaciones especializadas para el anlisis
predictivo, minera de datos, minera de texto, la prediccin y la optimizacin de
datos. En conjunto, estos procesos son funciones separadas pero altamente
integradas de anlisis de alto rendimiento. El uso de herramientas de Big Data y
software permite a una organizacin para procesar extremadamente grandes
volmenes de datos que un negocio ha recogido para determinar qu datos son
relevantes y pueden ser analizados para tomar mejores decisiones de negocio en
el futuro. Ejemplos de cmo el anlisis de Big Data se utiliza hoy.
Como la tecnologa para romper los silos de datos y anlisis de datos, el negocio
puede transformarse en todo tipo de formas segn Datamation, los avances en el
anlisis de Big Data de hoy permiten a los investigadores descifrar el ADN
humano en cuestin de minutos, predicen que los terroristas planean atacar,
determinan qu gen es sobre todo probable que sea responsable de ciertas
enfermedades y, por supuesto, los anuncios que tienen ms probabilidades de
responder en Facebook. Los casos de negocio para aprovechar los Big Data son
convincentes. Por ejemplo, Netflix extrae sus datos de suscriptor para poner los
ingredientes esenciales juntos con sureciente xito Castillo de naipes, y los datos
de abonado tambin impulsaron a la empresa a llevar Arrested Development de
entre los muertos. Otro ejemplo proviene de una de las mayores compaas de
telefona mvil en el mundo, Orange de Francia puso en marcha su proyecto de
datos para el Desarrollo para la liberacin de los datos de abonado de los clientes
en la Costa de Marfil. Los 2,5 mil millones de registros, que se hicieron en el
anonimato, incluidos detalles sobre las llamadas y mensajes de texto
intercambiados entre 5 millones de usuarios. Los investigadores pueden acceder a
los datos y enviar propuestas a Orange de cmo los datos pueden servir de base
para los proyectos de desarrollo para mejorar la salud y la seguridad pblica. Los
proyectos propuestos incluyen uno que mostraba la forma de mejorar la seguridad
pblica mediante el seguimiento de los datos del telfono celular para mapear
donde la gente iba tras una emergencia; otra mostr cmo usar los datos celulares
para la contencin de la enfermedad. El ritmo de creacin de datos seguramente
aumentar, sobre todo porque las comunicaciones de mquina a mquina se
volvern ms baratas y ms comunes. Piense en la cantidad de datos de todas
esas redes de sensores, alarmas antirrobo y los sistemas telemticos vehculo
crear
De a cuerdo con IBM, cada da creamos 2,5 trillones de bytes de datos. IBM
sostiene que el crecimiento exponencial de los datos significa que el 90 por ciento
de los datos que existen en el mundo de hoy se ha creado en los ltimos dos
aos. "Estos datos vienen de todas partes: sensores utilizados para recopilar
informacin sobre el clima, los mensajes a sitios de medios sociales, fotos
digitales y videos, registros de transacciones de comercio electrnico, y las
coordenadas de GPS del telfono celular, para nombrar algunos." Por supuesto,
es importante recordar que en la historia humana temprana, algo tan efmero
como un Tweet, simplemente no habra sido registrado, por lo que estas
comparaciones slo pueden ser tomadas hasta el momento. Para poner la
explosin de datos en contexto, considere esto. Cada minuto de cada da creamos
ms de 204 millones de mensajes de correo electrnico, ms de 2 millones de
consultas Google de bsqueda de 48 horas, los vdeos de YouTube 684.000 bits
de contenido compartido en Facebook, ms de 100.000 tweets de $ 272.000
gastados en el comercio electrnico 3600 nuevas fotos compartidas en Instagram
Casi 350 nuevas entradas del blog WordPress.