TEORIA DE LA BIG DATA PRINCIPIOS

¿Qué es el Big Data?

Big Data es un conjunto de datos que son demasiado grandes, demasiado complejos o que
cambian con demasiada rapidez como para ser analizados con método manuales o
tradicionales de procesamiento de datos. Actualmente el término Big Data está sujeto a
cambios continuos, también se denomina a menudo como Big Data el complejo de
tecnologías que se utilizan para la recolección y análisis de estos conjuntos de datos. Los
datos recogidos pueden provenir de casi cualquier fuente: desde cualquier tipo de
comunicación electrónica, pasando por datos almacenados por administraciones y llegando
hasta registros de diferentes sistemas de monitoreo. Big Data por lo tanto puede cubrir
áreas que antes se consideraban privadas. El deseo de la industria y de ciertas autoridades
de tener el máximo acceso posible a estos datos, para poder analizar mejor y utilizar los
conocimientos adquiridos, entra cada vez más en conflicto con los derechos personales del
individuo.

Definición

Al ser un término relativamente nuevo y en constante cambio Big Data puede

encajar en distintas definiciones. Hay 3 aspectos que en mayor o menor medida
aparecen en cada una de las definiciones existentes:

 Volumen
 Velocidad
 Variedad

La definición más adecuada al tener en cuenta estos aspectos con los que se
relaciona Big Data en la actualidad es la siguiente:

[blockquote_dd style=’style3′ quote_mark=’0′ delimiter=’ ‘]Big Data son datos que

superan la capacidad de procesamiento de los sistemas de bases de datos
convencionales. Los datos son demasiado grandes, se mueven demasiado
rápido o no se ajusta a las restricciones de las bases de datos tradicionales. Para
poder analizar o evaluar estos datos se debe elegir un camino alternativo para
procesarlos.[/blockquote_dd]

¿Qué valor tiene?

El valor de Big Data para una organización se divide en dos categorías: uso analítico y
apoyo en la creación de nuevos productos. El análisis de Big Data puede revelar
información previamente oculta por el alto coste de procesar los datos como, por ejemplo,
la presión de grupo entre los clientes, revelada por el análisis de las transacciones de los
compradores y de los datos sociales y geográficos. Ser capaz de procesar cada elemento
en un tiempo razonable elimina la problemática de realizar un muestreo y promueve un
enfoque de investigación enfocado a los datos, en contraste con la naturaleza estática de
ejecutar informes predeterminados.