Big Data

Presentado por:

José María Camelo Mercado

Ruthder Alfonso Cantillo Montero
Samuel Alfonso López Julio
Jesús Daniel Reyes Medina

Universidad del Norte

Ingeniería de Sistemas y Computación
Estructura de Datos II
Barranquilla
2019

Tabla de Contenidos
Introducción Error! Bookmark not defined.

Objetivo general 2

Objetivos específicos Error! Bookmark not defined.

Contexto teórico 2

Conclusiones 4

Bibliografía Error! Bookmark not defined.

Introducción
En el mundo empresarial cada vez se manejan más grandes volúmenes de datos. Por
esta razón, los programas tradicionales se van quedando obsoletos y la información

1
mencionada es desaprovechada debido a la falta de gestión de la misma. Sin embargo, en la
actualidad existe una solución para estas problemáticas llamada Big Data. Ésta consiste en
utilizar conjuntos de datos más pequeños y fusionarlos en archivos individuales creando así
una única base de datos masiva para representar todos los campos de datos asociados. Esta base
de datos masiva está disponible casi en tiempo real porque las frecuencias de actualización son
más frecuentes que en varias bases de datos.

Objetivos

Objetivo general
Presentar el funcionamiento de la solución actual a problemas de manejo de datos conocida
como Big Data por medio de conceptos y ejemplos de uso para dar a conocer su utilidad y de
qué manera ayuda a las empresas o entidades que la usan.

Objetivos específicos
● Dar a conocer el método que usa la herramienta Big Data para la gestión de grandes
cantidades de datos.
● Explicar detalladamente cada una de las ventajas que brinda el uso de Big Data.
● Presentar situaciones puntuales en las cuales el uso de Big Data facilita el
procedimiento a realizar.

Contexto teórico
La estructura de datos subyacente abarca desde números, texto y hasta otros formatos
de archivo y campo. Las aplicaciones incluirán transacciones financieras, comunicaciones
(incluidas redes inalámbricas), teledetección (incluidos registros de software) y cualquiera de
los numerosos dispositivos de recopilación de datos, incluidos teléfonos celulares,
computadoras portátiles, computadoras y sensores de varios tipos.
La demanda de almacenamiento fue creada por una explosión de las muchas formas
nuevas de recopilar y analizar datos, así como por la proliferación de dispositivos de detección
integrados en máquinas, infraestructura y otros objetos de los que se toma información. Los
requisitos de almacenamiento del tamaño del archivo de datos van aumentando por ejemplo,
antes de 1990 vivíamos en un mundo de kilobytes (kB) y megabytes (MB); estos archivos eran
relativamente pequeños. Luego, nos mudamos rápidamente a un mundo de gigabytes (GB) y
terabytes (TB). Durante el período comprendido entre 2000 y 2010 las necesidades de
almacenamiento aumentaron a petabytes y exabytes.
Las estructuras de Big Data no siempre son numéricas. Ahora incluyen texto, video,
voz y otros formatos. Estos tipos de datos dispares ahora buscan patrones para crear
información y modelos. La búsqueda y el análisis en estos entornos requieren nuevas
herramientas y métodos.
Además del tamaño y la estructura de datos, los análisis son más complejos. Se produjo
una evolución de los métodos analíticos para utilizar formatos de datos estructurados,

2
semiestructurados y no estructurados. Históricamente, los cinturones Lean Six Sigma
analizaron sólo los formatos de datos estructurados que se encuentran en Excel y tablas
similares. Ocasionalmente, había requisitos para la transformación de formatos semi-
estructurados a estructurados. El análisis de campos de datos es un ejemplo común. La figura
8.25 describe esta evolución en relación con el tamaño de una base de datos y el formato
analítico generalizado.
Teniendo en cuenta esto se puede determinar que Big Data es una herramienta con tres
características fundamentales que son:
● Volumen: Grandes volúmenes de datos a partir de TeraBytes o incluso PetaBytes.
● Variedad: El concepto de Big Data también suele venir acompañado de diversos tipos
de fuentes de datos, ya sean estructurados o no estructurados.
● Velocidad: La frecuencia de las actualizaciones de estas grandes bases de datos
también es un punto muy a tener en cuenta. Por esto, su procesamiento y posterior
análisis también han de realizarse prácticamente en tiempo real para poder mejorar la
toma de decisiones en base a la información generada.

Hablando de su funcionalidad, Big Data puede ser una herramienta muy útil dentro de los
diferentes ámbitos de la sociedad y su funcionamiento puede ser muy maleables. Un ejemplo
de esto se realiza en el uso académico, donde se pueden centrar en el aspecto institucional
(Academic Analytics) relevando y desarrollando modelos que permitirán por medio del Big
Data optimizar la deserción en el ámbito universitario así como también realizar un
seguimiento más exhaustivo de los alumnos. Se puede utilizar la información disponible (redes
sociales, sistemas educativos, webs institucionales, etc) con el objetivo de generar e
implementar modelos que permitan cumplir con nuestros objetivos.
Academic Analytics es un tipo de análisis de datos que se está aplicando actualmente en el
ámbito educativo.
También abordaremos las problemáticas éticas que acompañan el desarrollo de dichos
avances tecnológicos para el ámbito académico, la privacidad y la manipulación de datos
sensibles ponen en evidencia los riesgos de tales prácticas.

3
figura 8.25.

Conclusiones
Big Data se puede definir como un conjuntos de datos o combinaciones de conjuntos
de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento
(velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y
herramientas convencionales. El uso de Big Data puede ser una herramienta para muchos
ámbitos de la sociedad, como en el universitario o en el empresarial. Para concluir, podemos
decir que Big Data es una manera en la que se manejan los datos hoy y en el futuro. Por lo
tanto, es importante que nosotros como ingenieros de sistemas ocupemos este tema,
aprendiendo el funcionamiento de la solución actual a problemas de manejo de datos conocida
como Big Data, también las ventajas que este nos provee y los métodos que esta solución usa
para tener un correcto manejo de grandes cantidades de datos a los que nos enfrentemos en
nuestra vida laboral.

4
Bibliografía

James William Martin. Lean Six Sigma para la gestión de la cadena de suministro: un proceso
de solución de 10 pasos, segunda edición. Análisis de causa raíz utilizando herramientas
Six Sigma (con métodos de investigación de operaciones), capítulo (McGraw-Hill
Education: Nueva York, Chicago, San Francisco, Atenas, Londres, Madrid, Ciudad de
México, Milán, Nueva Delhi, Singapur, Sydney, Toronto, 2014).
https://ezproxy.uninorte.edu.co:2607/content/book/9780071793056/chapter/chapter8

Camargo-Vega, J., Camargo-Ortega, J., & Joyanes-Aguilar, L. (2015). Conociendo big

Data/Knowing the big Data/Conhecendo big data. Revista Facultad De Ingenieria,
24(38), 63-77. Recuperado de
https://ezproxy.uninorte.edu.co:2167/docview/1865436958?accountid=41515

Bollatti, Rodolfo . (2013). BigData en la educación. 27/10/2019, de Red de Universidades con

Carreras en Informática (RedUNCI) Sitio web:
http://sedici.unlp.edu.ar/handle/10915/27460