BD Business 1.1 - Introducción A Big Data

BIG DATA for
BUSINESS
1.INTRODUCCIÓN
& NEGOCIO
1.1. Introducción a
Big Data
Conecta
Empleo
Contenido desarrollado por
Synergic Partners
PROGRAMA
1. INTRODUCCIÓN A BIG DATA

2. ORGANIZACIONES DATA-DRIVEN
3. APLICACIÓN DEL BIG DATA I
4. APLICACIÓN DEL BIG DATA II
5. NEW TRENDS IN DATA y BIG DATA & MARKETING
Contenido desarrollado por Synergic Partners

1.1 Introducción a Big Data

1.1. INTRODUCCIÓN AL BIG DATA
Transformación Digital
Cosas que hacíamos antes en un viaje… que ya no hacemos!

1.1 INTRODUCCIÓN AL BIG DATA
...que están transformando la vida de las personas
España es el país más conectado de Europa
19% 81%
de los usuarios utiliza 5 o + de los españoles que se
dispositivos conectados conectan a la web lo hacen a
(solo por detrás de EEUU) través del móvil
España es el 5º país del mundo en mcommerce

Compramos 3 veces más
6/10 x3 desde apps que desde
Compran vía móvil navegadores móviles
“Siempre conectados” Los millenials son heavyusers de los

Internet of PEOPLE dispositivos móviles
Digitalización de la Mira el móvil en
los 5 primeros
vida de las personas minutos tras 3/10 70%
levantarse, y lo Prefiere perder la
usa mientras cartera antes que
está en el baño el móvil

Internet of Things (IoT)
Cada vez es mayor el número conexiones m2m
5 mil millo. 18% 26 mil millo.

Al conectar los
objetos sus
capacidades se
2014 2024 multiplican
Abaratamiento de costes de sensorización y computación
<50 Conectar un objeto

22$ 1,4$ cents. a Internet vía
sensores cada vez
1992 2014 2024 cuesta menos
Internet of THINGS
Las organizaciones apuestan por IoT Digitalización de los
de las empresas objetos físicos
han crecido las
95% apostarán por el IoT
en un plazo máximo
de tres años
60% inversiones en IoT
desde el 2012


1. INTRODUCCIÓN AL BIG DATA
DATOS
ANALÍTICA
TECNOLOGÍA

Evolución analítica empresarial
TECNOLOGÍA Distribuido
Inicialmente existía un Sistema Monolítico:

● Una única máquina
● Esa máquina individual procesaba la información
● Limitación de cantidad de datos a procesar
Monolítico ● Limitación de velocidad de dicho procesamiento
Sistemas Distribuidos
son efectivos, pero no
Ante esas limitaciones surgen los Sistemas Distribuidos:
siempre eficientes…
● Un conjunto unificado de máquinas
● Permite procesar grandes cantidades de datos
● Limitación de velocidad porque la programación era muy costosa
Sistema
Distribuido
● Fallo de una máquina podría generar pérdida de información

TECNOLOGÍA Distribuido
S S
Sistema M
Distribuido
Sistema S S
Big Data
Para corregir esas limitaciones existentes surgen los Sistemas Big Data:
● Cambios de la distribución de los elementos físicos: un ordenador maestro gestiona el resto de

ordenadores que son los trabajadores, procurando que la información a procesar esté bien repartida
entre los mismos (cada “worker” trabaja en los datos que tiene almacenados en su propio disco duro)
● Implementación de una capa de software: se encarga de la gestión del grupo de ordenadores y

abstrae al usuario

TIPOS DE DATOS
en la analítica tradicional
Datos Tendencias
operacionales de mercado
Información
demográfica del cliente

TIPOS DE DATOS
Datos • Datos con un formato de dato establecido
y estructura.
Datos Estructurados • Ejemplo: Datos transaccionales.
operacionales
Datos • Datos de texto con un patrón reconocible, el
cual es apto para ser parseado (troceado).
Información Semi-Estructurados • Ejemplo: Archivos XML que son definidos por

un esquema XSD
demográfica del
• Datos de texto con un patrón de datos difícil de
cliente Datos identificar. Pueden ser formateados con
esfuerzo, tiempo y herramientas específicas.
Quasi-Estructurados • Ejemplo: Registros de eventos o acciones en
una web, logs.
Tendencias
• Datos que no tienen ninguna coherencia ni
de mercado Datos No patrón y usualmente están almacenados
en distintos tipos de archivos
Estructurados • Ejemplo: Archivos de texto, PDFs,
Imágenes, Videos..
TRADICIONALMENTE
ACTUALIDAD

EJEMPLOS TIPOS DE DATOS

Datos Estructurados Datos Semi-Estructurados
Datos No Estructurados

¿QUÉ TIPOS DE DATOS SON?

Datos Datos Datos No
Datos Estructurados
Semi-Estructurados Quasi-Estructurados Estructurados

BBDD SQL
Relacional
Las bases de datos SQL o relacionales se caracterizan
por estar formadas por tablas.
Cada una de las tablas contiene una o varias columnas del mismo o
distintos tipos que permiten almacenar la información en filas.
Cada una de las tablas se puede relacionar con ninguna o con varias
tablas para formar el modelo relacional que soporta de manera lógica la
realidad del negocio.
Cada columna es un campo o atributo
Cada fila es un registro o tupla

BBDD DATOS NOSQL
Las bases de datos NoSQL o no relacionales

abarcan a todos los tipos de bases de datos que no
son SQL.
Documentales
Todas tienen la filosofía de un esquema flexible, que
permite adaptarlas de una manera rápida a cambios
Grafos
en las necesidades del negocio.
Clave-Valor Entre las más extendidas destacan las siguientes:

• Clave-Valor: Formadas por una tabla con una columna que
es la clave y otra en la que se almacena toda la información.
• Documentales: Los datos se almacenan en documentos con
estructura (XML, JSON, etc).
• Grafos: La red de grafos está formada por nodos y
relaciones que almacenan la información.

ANALÍTICA TRADICIONAL
(BUSINESS INTELLIGENCE)
Permite conseguir los objetivos empresariales a nivel productos/servicios a partir de un análisis de datos.
Operaciones Analítica
DWH
FOCO DE ANÁLISIS: Informes, KPIs, tendencias

ANÁLISIS: Retrospectivo y Descriptivo
PROCESO DE ANÁLISIS: Comparativo

EJEMPLO ANALÍTICA TRADICIONAL (BUSINESS INTELLIGENCE)

LIMITACIONES BUSINESS INTELLIGENCE

● Procesamientos lentos: procesar cantidades
TECNOLOGÍA
● Uso de datos internos (y a veces enriquecidos

requiere de procesos muy pesados y lentos
con estudios de mercados muy genéricos).
DATOS
● Alto riesgo en posible fallo de las máquinas:
● Falta de capacidad para almacenar todos los
el fallo de una máquina puede generar una
datos
pérdida de la información en caso de que no se
gestione correctamente. ● Infra-explotación de los datos disponibles
(debido a las limitaciones en términos de
● Almacenamiento centralizado de los datos:
procesamiento y tiempo).
único punto de acceso.
ANALÍTICA
● Silos de información, falta de compartición de
●
la información
Análisis por áreas, no globales.
Conclusión:
● Analítica de hechos pasados, no predictivo. Con el BI no basta…

BIG DATA
Nuevas interacciones
Nuevos tipos de datos
Nuevas tecnologías
Nuevos productos y servicios
Nuevos comportamientos
Nuevas oportunidades
Nuevos modelos de negocio

Cambio de paradigma
¿Qué es Big Data?

Big Data es un concepto que hace referencia a un conjunto de procesos,
tecnologías y modelos basados en el almacenamiento masivo de datos,
procesamiento y transformación de los mismos en conocimiento, para
analizar lo que sucederá en un mundo complejo y con muchas interacciones.

Las V’s del Big Data y la Ciencia del Dato
Volumen Velocidad
Crecimiento a gran escala de los Nuevas necesidades, nuevos
datos... tiempos de respuesta….
Variedad Veracidad
Nuevos orígenes de información, Confianza y certeza en los datos y
nuevos formatos…. las decisiones…..
Valor
Volumen ¿Cómo está creciendo el

volumen de datos a nivel
Crecimiento a gran escala de
los datos...
mundial?
2009 0,8 Zb
2010 1 Zb
2011 1,8 Zb
2018 estimado 35 Zb
2025 estimado 163 Zb

Volumen
¿A qué se debe este
crecimiento?
los datos...
Datos Estructurados Datos No Estructurados

Volumen
crecimiento?
los datos...
¿De qué tipo de datos está

compuesto el gran volumen de
datos actuales?

Volumen
crecimiento?
los datos...
90%
90%
Volumen
¿Cómo damos respuesta a este
crecimiento?
los datos...

Volumen
Data Warehouse
vs
los datos... Data Lake
● Un Data Lake es un repositorio de almacenamiento que contiene gran cantidad de datos

en bruto (estructurados, semi-estructurados y desestructurados) mientras que el Data
Warehouse solo recoge datos procesados y/ó estructurados. Es decir, en el DW
encontramos datos a los que ya se les ha definido un uso concreto, mientras que en los DL
se cargan todos los datos sin excepción.
● Los usuarios de un DW son profesionales dedicados a los negocios, mientras que en el DL
están más enfocados a data scientist, etc.

Variedad
¿Los tipos de datos que
Nuevos orígenes de debemos tratar ha cambiado?
información, nuevos
formatos….
● Diferentes formatos, tipos y estructuras

● Texto, números, imágenes, audio, video, secuencias,
series temporales, datos de redes sociales, etc.
● Datos estáticos vs datos en tiempo real
● Una sencilla aplicación puede generar y almacenar
muchos tipos diferentes de datos

Velocidad
¿Seguimos consumiendo la
Nuevas necesidades, nuevos información de la misma
tiempos de respuesta….
manera ?
Los datos se generan muy rápido y necesitan ser procesados a una gran velocidad
Tipos de procesamiento de la información:

● Procesamiento Batch: los datos se van acumulando y procesando periódicamente, requiere
de una arquitectura escalable y con gran capacidad de almacenamiento
● Procesamiento Streaming: los datos se procesan de forma inmediata y requieren una
arquitectura de baja latencia
● Procesamiento híbrido: Batch + Streaming, han de cumplir una arquitectura con capacidad
para ambos procesos.
Velocidad
Nuevas necesidades, nuevos

tiempos de respuesta….

Veracidad
¿Podemos confiar en los
Confianza y certeza en los datos?
datos y las decisiones…..
Autenticidad Disponibilidad
Origen y Responsabilidad
Confianza
reputación

Valor
“ Es importante que los datos aporten un conocimiento que permita

sacar provecho de los mismos, ya sean beneficios, ventajas
competitivas, mayor eficiencia operativa... etc.

Real Time
Mejor conectividad De estrategias
permite que reactivas a predictivas
aplicaciones basadas
en Real Time sean Business Intelligence ha
posibles. sido capaz de analizar qué
ha pasado, mientras que la
analítica avanzada nos
permite predecir que va a
pasar.
Datafication
La digitalización genera Democratización
enormes cantidades de datos.
Del control de los datos al
Procesar tal cantidad de datos
Open Data. El acceso a la
era posible con los sistemas
información es mucho
distribuidos, pero no era
más sencillo que antes.
accesible para todo el mundo.

Business Intelligence & Big Data
Business Intelligence:
Enfoque analítico referido a todos los datos
acumulados (presente, pasado) con
datos estructurados y que permiten
responder a preguntas objetivas sobre
como es el estado actual o pasado.
Big Data:
Aporta nuevas herramientas para trabajar
que permiten otras escalas de volumen,
velocidad y flexibilidad para adaptarse a las
nuevas tecnologías de datos. Se enfoca en
hacer predicciones, modelos, previsiones
etc. para un futuro a partir del análisis del
pasado.
Business Intelligence y Big Data NO son excluyentes. Ambas forman

parte del mismo ecosistema de soluciones analíticas, por lo que pueden
complementarse e integrarse

Resumen:
BUSINESS INTELLIGENCE BIG DATA
FOCO Informes, KPIs, tendencias Patrones, correlaciones, modelos
PROCESO Estático, comparativo Exploración, experimentación, visualización
Planificado, estructurados, ‘On the fly’, según necesidad, no

DATOS
crece lentamente estructurados, crece por segundos
ANÁLISIS Retrospectivo, descriptivo Predictivo, prescriptivo

ARQUITECTURA Centralizada Distribuida
Cuestiones a las que dan respuesta

Descriptivo: Comportamental: Predicción:
¿QUIÉN? ¿QUÉ? ¿QUÉ HARÁN?
Actitudinal: Interacción:
¿POR QUÉ? ¿CÓMO?
Ejemplo
¿Qué productos descubrió Walmart que estaban entre los

más vendidos cuando se aproximaba un huracán?
o Cerveza o Pop-tarts (barritas dulces para el desayuno)
o Linternas y velas o Suministros de primeros auxilios
o Agua embotellada o Baterías y generadores
TODOS !!
• La cerveza era el producto que más aumentaba
sus ventas
• La venta de pop-tarts se multiplica por 7

Aspectos legales y éticos a tener en cuenta
Es completamente imprescindible cumplir la legalidad en

torno a los datos puesto que es una información muy sensible

VS
TECNOLOGÍA LEGISLACIÓN

¿Qué es la protección de datos (LOPD)?

Es un derecho fundamental de todas las personas que se traduce
en la potestad de control sobre el uso que se hace de sus datos
personales.
Este control permite evitar que, a través del tratamiento de nuestros
datos, se pueda llegar a disponer de información sobre nosotros
que afecte a nuestra intimidad y demás derechos fundamentales y
libertades públicas.
artículo 18 Constitución Española
Esta Ley estuvo vigente en España hasta el 25 de

Mayo de 2018, desde ese momento aplicó el RGPD

Pero, ¿qué son los datos de carácter personal?
Cualquier información que identifique o permita identificar a

personas físicas: información alfanumércia, alfabética, gráfica,
fotográfica, acústica o de cualquier otro tipo:
● Nombre ● Nº Tlf
● Dirección ● Información médica
● DNI ● Nº Cuenta bancaria
● Religión ● IP
● Afiliación sindical ● Estado Civil
● Partido político ● Imagen
¡ ANONIMIZACIÓN !
Reglamento General de Protección de Datos (RGPD)
Objetivos del nuevo reglamento europeo:
- Devolver a los ciudadanos el control sobre sus datos personales en un mundo

dominado por los teléfonos inteligentes y las redes sociales y donde la banca por
Internet y el comercio online están a la orden del día.
- Mejorar la seguridad en cuanto a la legislación para las empresas que operan

dentro de la Unión Europea, con el fin de impulsar la innovación y el desarrollo futuro
del mercado único digital, y también se aplicará a las empresas fuera de Europa que se
dirijan a los consumidores de la Unión Europea.
Entrada en vigor definitivo el 25 de Mayo de 2018

Principales diferencias entre la LOPD y la RGPD
LOPD RGPD
1. Protege a ciudadanos españoles 1. Protege a ciudadanos europeos
2. Datos especialmente protegidos 2. Dos nuevas categorías de datos

especiales: genéticos y biométricos
3. Documentar los procesos de tratamiento 3. Inscripción de los ficheros ante el RGPD

de datos ante la AEPD
4. No es obligatorio comunicar brechas de 4. Notificar cualquier infracción o hackeo

seguridad (máximo en 72 horas)

DERECHOS DE LOS USUARIOS
LOPD RGPD
1. Derecho de información en la recogida 1. Derecho a la información en la recogida
de datos de forma expresa, precisa e de datos además de forma concisa,
inequívoca transparente, inteligible y de fácil acceso,
con un lenguaje claro y sencillo
2. Derechos ARCO: Acceso, Rectificación,

Cancelación y Oposición 2. Se refuerzan e introducen nuevos
derechos: Al olvido, limitación del
tratamiento, portabilidad de datos...

OBLIGACIONES Y PROCESOS
LOPD RGPD
1. Se pueden recopilar todos los datos 1. Minimización de datos. Los datos
que el usuario “permita” personales les serán pertinentes y limitados
a lo necesario en relación con los fines para
los que son tratados
2. Pueden almacenarse y tratar los datos a
perpetuidad
2. Tratamiento de los datos durante no más
tiempo del necesario para los fines del
3. No es obligatorio evaluar el riesgo de tratamiento de los datos personales
seguridad de los datos y su sensibilidad
3. Es obligatorio hacer un análisis del
riesgo y sensibilidad

OBLIGACIONES Y PROCESOS
LOPD RGPD
4. Sólo ciertos datos sensibles 4. Todos los datos deben protegerse

deben ser protegidos con medidas de con medidas técnicas u organizativas
seguridad especiales adecuadas al riesgo de su tratamiento
5. Sólo debe notificarse la existencia 5. En determinados supuestos se ha

de ficheros de datos privados y sus de llevar un registro interno de
modificaciones a la AEPD actividades de tratamiento
6. El consentimiento de los usuarios 6. El consentimiento de los usuarios

puede ser tácito o por omisión debe ser mediante una declaración o
una clara acción afirmativa

SANCIONES
LOPD RGPD
Entre 900€ y Hasta 20 MM de €
600.000€ o
4% de la facturación
global anual

Principio de Finalidad de los datos

Los datos deben recogerse para una finalidad concreto, y las finalidades debe ser
determinadas, explícitas y legítimas para las que se hayan obtenido
Los datos de carácter personal objeto de tratamiento no podrán usarse para finalidades
incompatibles con aquellas para las que los datos hubieran sido recogidos.
- No se pueden recoger y almacenar datos que no sean necesarios para la finalidad

previamente establecida
- El juicio de necesidad incluye los criterios de idoneidad y proporcionalidad
Los datos de carácter personal sólo se podrán recoger para su tratamiento, así como
someterlos a dicho tratamiento, cuando sean adecuados, pertinentes y no excesivos.

Los datos de carácter personal sólo se podrán recoger para su

tratamiento, así como someterlos a dicho tratamiento, cuando
sean adecuados, pertinentes y no excesivos.
→ Los datos deben ser recogidos para una FINALIDAD concreta

Principio del Consentimiento

Se requiere el consentimiento inequívoco del afectado:
● Tácito
● Expreso
● Por escrito
Excepciones:
● Administraciones públicas
● La finalidad sea proteger un interés vital del interesado (datos médicos)
● Los datos vengan de fuentes accesibles al público

DEBATE
El Derecho al Olvido
Derecho que tiene el titular de un dato personal a borrar, bloquear o suprimir esa
información personal, que de alguna manera afecta el libre desarrollo de alguno de sus
derechos fundamentales, como el derecho a la intimidad, al honor y a la propia imagen, o
que podría considerarse como información obsoleta, pues carece de sentido que se tenga
acceso a ella después de mucho tiempo y ya no sirve a los fines para los que fue recabada y
publicada.
Se considera información obsoleta una vez que han prescrito los antecedentes penales
desde el cumplimiento de dicha pena:
Penas leves 6 meses
Penas menos graves que no 2 años

exceden de 12 meses
Delitos imprudentes 2 años
Resto de penas menos graves 3 años
Penas graves 5 años

Fuente: Abanlex


Debate:
COMETÍ UN DELITO EN EL PASADO Y
QUIERO REHACER MI VIDA

DILEMA MORAL
Ante una situación de riesgo de atropello de peatones ¿el coche

debe salvar la vida de los pasajeros o la de los peatones?

¿Qué es Data Science?

Data Science es un campo multidisciplinar que combina
“ principios, procesos, y técnicas que permiten entender

fenómenos mediante el análisis automatizado de
grandes volúmenes de datos, con el fin último de extraer
información (insights) y conocimiento de valor.

Diferencias con otras disciplinas
“ Estadística, es el análisis, interpretación y

presentación de hechos basados en números y datos.
Data Science ofrece una visión holística de la explotación de los datos; es decir, además de
construir modelos analíticos a partir de un conjunto de datos y explicar la relación que existen
entre las variables del modelo, se ocupa de todas las etapas dentro del ciclo de vida del dato.
Esto es, la recolección, limpieza, y transformación de los datos, construcción de modelos
analíticos, y la interpretación de los resultados y presentación de las conclusiones obtenidas en
un formato comprensible y adecuado para su divulgación a otras áreas del negocio.

Diferencias con otras disciplinas
Data mining es el proceso de extraer patrones ocultos y
“ desconocidos a partir de un conjunto de datos crudos, con

el objetivo de transformar grandes cantidades de datos en
información útil.
Ambos términos se refieren al proceso de transformar grandes volúmenes de datos

en conocimiento; sin embargo, data science se entiende como un conjunto de
principios fundamentales que sirven de guía para la extracción de conocimiento,
mientras data mining se refiere a las tecnologías que incorporan estos principios.

Características de un Data Science

Características de un Data Science

PROGRAMA
1. INTRODUCCIÓN A BIG DATA

2. ORGANIZACIONES DATA-DRIVEN
3. APLICACIÓN DEL BIG DATA I
4. APLICACIÓN DEL BIG DATA II
5. NEW TRENDS IN DATA y BIG DATA & MARKETING

Tareas para el TEC (Trabajo en casa)
Realizar el tipo test disponible en la plataforma
Participación en el foro


BD Business 1.1 - Introducción A Big Data

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

BD Business 1.1 - Introducción A Big Data

Cargado por

Copyright:

Formatos disponibles

BIG DATA for

1. INTRODUCCIÓN A BIG DATA

Contenido desarrollado por Synergic Partners

Contenido desarrollado por Synergic Partners

Contenido desarrollado por Synergic Partners

España es el 5º país del mundo en mcommerce

“Siempre conectados” Los millenials son heavyusers de los

Contenido desarrollado por Synergic Partners

5 mil millo. 18% 26 mil millo.

Abaratamiento de costes de sensorización y computación

<50 Conectar un objeto

Contenido desarrollado por Synergic Partners

Contenido desarrollado por Synergic Partners

Contenido desarrollado por Synergic Partners

Inicialmente existía un Sistema Monolítico:

Contenido desarrollado por Synergic Partners

● Cambios de la distribución de los elementos físicos: un ordenador maestro gestiona el resto de

● Implementación de una capa de software: se encarga de la gestión del grupo de ordenadores y

Contenido desarrollado por Synergic Partners

Contenido desarrollado por Synergic Partners

Información Semi-Estructurados • Ejemplo: Archivos XML que son definidos por

Contenido desarrollado por Synergic Partners

EJEMPLOS TIPOS DE DATOS

Contenido desarrollado por Synergic Partners

¿QUÉ TIPOS DE DATOS SON?

Contenido desarrollado por Synergic Partners

Cada columna es un campo o atributo

Cada fila es un registro o tupla

Contenido desarrollado por Synergic Partners

BBDD DATOS NOSQL

Las bases de datos NoSQL o no relacionales

Clave-Valor Entre las más extendidas destacan las siguientes:

Contenido desarrollado por Synergic Partners

FOCO DE ANÁLISIS: Informes, KPIs, tendencias

Contenido desarrollado por Synergic Partners

EJEMPLO ANALÍTICA TRADICIONAL (BUSINESS INTELLIGENCE)

Contenido desarrollado por Synergic Partners

LIMITACIONES BUSINESS INTELLIGENCE

● Uso de datos internos (y a veces enriquecidos

● Silos de información, falta de compartición de

Contenido desarrollado por Synergic Partners

Contenido desarrollado por Synergic Partners

¿Qué es Big Data?

Contenido desarrollado por Synergic Partners

Volumen ¿Cómo está creciendo el

Contenido desarrollado por Synergic Partners

Datos Estructurados Datos No Estructurados

Contenido desarrollado por Synergic Partners

Datos Estructurados Datos No Estructurados

¿De qué tipo de datos está

Contenido desarrollado por Synergic Partners

Datos Estructurados Datos No Estructurados

Contenido desarrollado por Synergic Partners

● Un Data Lake es un repositorio de almacenamiento que contiene gran cantidad de datos

Contenido desarrollado por Synergic Partners

● Diferentes formatos, tipos y estructuras

Contenido desarrollado por Synergic Partners

Tipos de procesamiento de la información:

Nuevas necesidades, nuevos

Contenido desarrollado por Synergic Partners

Contenido desarrollado por Synergic Partners

“ Es importante que los datos aporten un conocimiento que permita

Contenido desarrollado por Synergic Partners