Está en la página 1de 4

Big Data

Por Vangie Beal

Big data es una palabra de moda, o coger-frase usada para describir un volumen masivo de tanto estructurada como no estructurada de datos que es tan grande que es difícil de procesar utilizando bases de datos y tradicionales técnicas de software. En la mayoría de escenarios empresariales los datos es demasiado grande o se mueve demasiado rápido o se excede la capacidad de procesamiento actual. Grandes datos tiene el potencial de ayudar a las empresas a mejorar las operaciones y tomar decisiones más rápidas, más inteligentes. Es Big Data de un volumen o una tecnología? Mientras que el término puede parecer para hacer referencia al volumen de datos, que no siempre esel caso. El término grandes de datos, especialmente cuando se utilicen los proveedores, pueden referirse a la tecnología (que incluye herramientas y procesos) que una organización necesita para manejar las grandes cantidades de datos e instalaciones de almacenamiento. Se cree que el Big Data término que se originó con la búsqueda en la Web empresas que necesitaban consultar muy grandedistribuido aggregat de ionesvagamente- struct datos ureD. Un ejemplo de Big Data Un ejemplo de grandatos podrían ser petabytes (1024 terabyt en) o exabytes (1.024 petabytes) dede datos que consta 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 comunicación social, datos móviles y así sucesivamente). Los datos se típicamente poco estructurada de datos que esmenudo incompletos e inaccesibles. Big Data y tipos de conjuntos de datos de negocio Cuando se trata de grandes conjuntos de datos, las organizaciones se enfrentan a dificultades para poder crear, manipular y gestionar grandes volúmenes de datos. Big Data es un problema particularmente en análisis de negocios, porque las herramientas y los procedimientos estándar no están diseñados parabuscar y analizar conjuntos de datos masivos. Como la investigación de la compañía matriz Webopedia QuinStreet demuestra, iniciativas de grandes datos están preparadas para un crecimiento explosivo. QuinStreet encuestó a 540 empresas que toman las decisiones involucradas en grandes datos y encontró a los conjuntos de datos de interés para muchas empresas hoy en día incluyen tradicionales estructuradas las bases de datos de los inventarios, pedidos y la información del cliente, así como datos no estructurados de la Web, los sitios de redes sociales y dispositivos inteligentes . Estos datos, cuando fue capturado, formateado, manipula, almacena, analiza y puede ayudar a una empresa a obtener información útil para aumentar los ingresos, obtener o retener a los clientes, y mejorar las operaciones. Grandes datos también pueden ser llamados de la empresa de datos grandes. analítica de grandes datos analítica de grandes datos se refiere al proceso de recolección, organización y análisis de grandes conjuntos de datos ("big data") para descubrir patrones y otra información útil. No sólo habrá análisis de datos grandes ayudará a entender elinformati sobre contenida dentro de los datos, pero sino que también ayudará identificar los datos que es más importante para el negocio y las decisiones futuras del negocio. Los analistas de datos Big básicamente quieren que el conocimiento que proviene de analizar los datos. Los beneficios de Big DataAnalytics empresas

están cada vez más buscando para encontrar información procesable en sus datos. Muchos de datos grandes proyectos se originan en la necesidad de responder a las preguntas específicas del negocio. Con los grandes datos correctos plataformas de análisis en el lugar, una empresa puede impulsar las ventas, aumentar la eficiencia y mejorar las operaciones, servicio al cliente y la gestión de riesgos. Webopedia empresa matriz, QuinStreet, encuestó a 540 empresas de toma de hacer rs involucrados engrandes compras de datos para saber qué áreas de negocio empresas planean utilizar la analítica Big Data para mejorar las operaciones. Aproximadamente la mitad de todos los encuestados dijeron que estaban aplicando analítica de grandes datos para mejorar la retención de clientes, ayudar con el desarrollo de productos y obtener una ventaja competitiva. Para la mayoría de las organizaciones, el análisis de datos grandes esun reto. Considere el enorme volumen dedatos y los diferentes formatos de los datos (estructurados y datos no estructurados) recogidos a través de la totalidad de la organización y las diferentes maneras diferentes tipos de datos se pueden combinar, contrastados y analizados para encontrar patrones y Other información útil. El primer desafío es romper los silos de datos para tener acceso a todos los datos de una organización tiendas en diferentes lugares y, a menudo endiferentes sistemas. Un segundo big datadesafío es en la creación plataformas que pueden tirar en los datos no estructurados con tanta facilidad como los datos estructurados. Este enorme volumen de datos es normalmente tan grande que es difícilproceso utilizando métodos de base de datos y de software tradicionales. Big Data Analytics Requiere de Alto Rendimiento Para analizar un gran volumen de datos como, análisis de datos grandes se realiza normalmente utilizando especializados herramientas de software y aplicaciones para el análisis predictivo, minería de datos, minería de texto, la predicción y la optimización de datos . En conjunto, estos procesos son funciones separadas pero altamente integradas de alto realizar análisis ANCE. Utilizando datos grandeherramientas y software permite a una organización para procesar extremadamente grandes volúmenes de datos que un negocio ha reunido para determinar qué datos son relevantes y pueden ser analizados para tomar mejores decisiones de negocio en el futuro. Ejemplos de cómo Big Data Analytics esUsado Hoy Como la tecnología para rompersilos de datos y analizar los datos de mejora, las empresas pueden ser transformado en todo tipo de formas. Según Datamation, los avances en el análisis de Big Data de hoy permiten a los investigadores a descifrar el ADN humano en cuestión de minutos, predicen que los terroristas planean atacar, determinan qué gen es sobre todo probable que sea responsable de ciertas enfermedades y, por supuesto , los anuncios que usted es más probable que responder a en Facebook. Los casos de negocio para aprovechar los grandes datos son convincentes. Por ejemplo, Netflix extraen sus datos de suscriptor de poner los ingredientes esenciales juntos por su reciente éxito Castillo de naipes, y los datos de abonado también impulsaron a la empresa a llevar Arrestado Desarrollo de entre los muertos. Otro ejemplo proviene de una de las mayores compañías de telefonía móvil en el mundo. Orange de Francia puso en marcha su proyecto de datos para el Desarrollo por la liberación de los datos de abonado para los clientes en el Ivory Coast. Los 2,5 mil millones de registros, que se hicieron en el anonimato, incluidos detalles sobre las llamadas y texto mensajes intercambiados entre los 5 millones de usuarios. Los investigadores

acceder a los datos y se envían Orange propuestas de cómo los datos pueden servir de base para los proyectos de desarrollo para mejorar la salud y la seguridad pública. Los proyectos propuestos incluyen uno que mostró cómo mejorar público de seguridad mediante el seguimiento de los datos del teléfono celular para mapear donde la gente iba tras una emergencia; otra mostró cómo utilizardatos celulares para la contención de la enfermedad. El ritmo de creación de datos seguramente aumentarán, sobre todo porque las comunicaciones de máquina a máquina se vuelve más barato y más común. Piense en la cantidad de datos todos de esas redes de sensores, antirrobo y alarmas de vehículoTelemat sistemas ICScrear. Según IBM, cada día 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 existe en el mundo de hoy ha sido creado en los últimos dos años. "Estos datos vienen de todas partes: sensores utilizados para recopilar información sobre el clima, los mensajes a sitios de medios sociales, fotos y videos digitales, comercio electrónico los registros de transacciones y las coordenadas GPS del teléfono celular, para nombrar unos pocos. " Por supuesto, es importante recordar que en la historia humana temprana, algo tan efímero como un pío simplemente no habría sidoregistran, por lo que estas comparaciones sólo se pueden tomar hasta el momento. Para poner la explosión de datos en contexto, considere esto. Cada minuto de cada día creamos más de 204millones de mensajes de correo electrónico Más de 2 millones Google consultas de búsqueda de 48 horas de nuevo los vídeos de YouTube 684.000 bits de contenido compartido en Facebook Más de 100.000 tweets de 272.000 dólares gastados en el comercio electrónico 3600 nuevas fotos compartidas en Instagram Casi 350 nuevo blog de ??WordPress mensajes.