Big data
límites en el análisis debido a la gran cantidad de datos en
Un sistema de representación creado por IBM que muestra ma-
crodatos que consisten en las ediciones de Wikipedia realizadas
por el bot Pearle, mostrando su visualización más racional al ser
acompañada de colores y posiciones en su representación.
Big data, macrodatos,[1] datos masivos, inteligen-
cia de datos o datos a gran escala es un con-
cepto que hace referencia a conjuntos de datos tan
grandes que aplicaciones informáticas tradicionales del
procesamiento de datos no son suficientes para tratar con
ellos y a los procedimientos usados para encontrar patro-
nes repetitivos dentro de esos datos. En los textos cien-
tíficos en español con frecuencia se usa directamente el
término en inglés big data, tal como aparece en el ensayo
de Viktor Schönberger: La revolución de los datos masi-
vos.[2]
La disciplina dedicada a los datos masivos se enmarca en
el sector de las tecnologías de la información y la comu-
nicación. Esta disciplina se ocupa de todas las activida-
des relacionadas con los sistemas que manipulan grandes
conjuntos de datos. Las dificultades más habituales vin-
culadas a la gestión de estas cantidades de datos se cen-
tran en la recolección y el almacenamiento,[3] búsqueda,
compartición, análisis,[4] y visualización. La tendencia a
manipular enormes cantidades de datos se debe a la nece-
sidad en muchos casos de incluir dicha información para
la creación de informes estadísticos y modelos predicti-
vos utilizados en diversas materias, como los análisis de
negocio, publicitarios, los datos de enfermedades infec-
ciosas, el espionaje y seguimiento a la población o la lu-
cha contra el crimen organizado.[5]
El límite superior de procesamiento ha ido creciendo a
lo largo de los años. De esta forma, los límites fijados
en 2008 rondaban el orden de petabytes a zettabytes de
datos.[6] Los científicos con cierta regularidad encuentran
1
ciertas áreas, tales como la meteorología, la genómica,[7]
la conectómica, las complejas simulaciones de procesos
físicos[8] y las investigaciones relacionadas con los pro-
cesos biológicos y ambientales,[9] Las limitaciones tam-
bién afectan a los motores de búsqueda en internet, a los
sistemas finanzas y a la informática de negocios. Los da-
ta sets crecen en volumen debido en parte a la recolec-
ción masiva de información procedente de los sensores
inalámbricos y los dispositivos móviles (por ejemplo las
VANET), del constante crecimiento de los históricos de
aplicaciones (por ejemplo de los logs), cámaras (sistemas
de teledetección), micrófonos, lectores de identificación
por radiofrecuencia.[10][11] La capacidad tecnológica per
cápita a nivel mundial para almacenar datos se dobla
aproximadamente cada cuarenta meses desde los años
ochenta.[12] Se estima que en 2012 cada día fueron crea-
dos cerca de 2.5 trillones de bytes de datos (del inglés
quintillion, 2.5×1018 ).[13]
1 Definición
Big data o macrodatos es un término que hace referencia
a una cantidad de datos tal que supera la capacidad del
software convencional para ser capturados, administra-
dos y procesados en un tiempo razonable. El volumen de
los datos masivos crece constantemente. En 2012 se es-
timaba su tamaño de entre una docena de terabytes hasta
varios petabytes de datos en un único conjunto de datos.
En la metodología MIKE2.0 dedicada a investigar temas
relacionados con la gestión de información, definen big
data[14] en términos de permutaciones útiles, compleji-
dad y dificultad para borrar registros individuales.
Se ha definido también como datos lo suficientemente
masivos, como para poner de relieve cuestiones y preocu-
paciones en torno a a la efectividad del anonimato desde
una perspectiva más práctica que teórica.[15]
En 2001, en un informe de investigación que se funda-
mentaba en congresos y presentaciones relacionadas,[16]
la META Group (ahora Gartner) definía el crecimiento
constante de datos como una oportunidad y un reto para
investigar en el volumen, la velocidad y la variedad. Gart-
ner continúa usando datos masivos como referencia.[17]
Además, grandes proveedores del mercado de datos ma-
sivos están desarrollando soluciones para atender las de-
mandas más críticas de cómo procesar tal cantidad de da-
tos, como MapR y Cloudera.
2 2 TECNOLOGÍA
2 Tecnología
Existen muchísimas herramientas para tratar con big da-
ta. Algunos ejemplos incluyen Hadoop, NoSQL, Cassan-
dra, Inteligencia empresarial, Aprendizaje automático y
MapReduce. Estas herramientas tratan con algunos de los
tres tipos de big data:[18]
• Datos estructurados: datos que tienen bien defini-
dos su longitud y su formato, como las fechas, los
números o las cadenas de caracteres. Se almacenan
en tablas. Un ejemplo son las bases de datos relacio-
nales y las hojas de cálculo.
• Datos no estructurados: datos en el formato tal y
como fueron recolectados, carecen de un formato
específico. No se pueden almacenar dentro de una
tabla ya que no se puede desgranar su información
a tipos básicos de datos. Algunos ejemplos son los
PDF, documentos multimedia, correos electrónicos
o documentos de texto.
• Datos semiestructurados: datos que no se limitan
a campos determinados, pero que contiene marca-
dores para separar los diferentes elementos. Es una
información poco regular como para ser gestionada
de una forma estándar. Estos datos poseen sus pro-
pios metadatos semiestructurados[19] que describen
los objetos y las relaciones entre ellos, y pueden aca-
bar siendo aceptados por convención. Un ejemplo es
el HTML, el XML o el JSON.
2.1 Captura
¿De dónde provienen todos estos datos? Los fabrica-
mos directa e indirectamente segundo tras segundo. Un
iPhone hoy en día tiene más capacidad de cómputo que
la NASA cuando el hombre llegó a la luna[20] por lo que
la cantidad de datos generados por persona y en unidad
de tiempo es muy grande. Catalogamos la procedencia de
los datos según las siguientes categorías:[21]
• Generados por las personas: el hecho de enviar
correos electrónicos o mensajes por WhatsApp, pu-
blicar un estado en Facebook, tuitear contenidos
o responder a una encuesta por la calle son cosas
que hacemos a diario y que crean nuevos datos y
metadatos que pueden ser analizados. Se estima que
cada minuto al día se envían más de 200 millones
de correos electrónicos, se comparten más de 700
000 piezas de contenido en Facebook, se realizan
dos millones de búsquedas en Google o se editan 48
horas de vídeo en YouTube.[22] Por otro lado, las
trazas de utilización en un sistema ERP, incluir re-
gistros en una base de datos o introducir información
en una hoja de cálculo son otras formas de generar
estos datos.
• Transacciones de datos: la facturación, las llama-
das o las transacción entre cuentas generan infor-
mación que tratada pueden ser datos relevantes. Un
ejemplo más claro lo encontraremos en las transac-
ciones bancarias: lo que el usuario conoce como un
ingreso de X euros, la computación lo interpreta-
rá como una acción llevada a cabo en una fecha y
momento determinado, en un lugar concreto, entre
unos usuarios registrados, y más metadatos.
• Marketing electrónico y web: se generan una gran
cantidad de datos cuando se navega por internet.
Con la web 2.0 se ha roto el paradigma webmaster-
contenido-lector y los mismos usuarios se convier-
ten en creadores de contenido gracias a su interac-
ción con el sitio. Existen muchas herramientas de
seguimiento utilizadas en su mayoría con fines de
marketing y análisis de negocio. Los movimientos
de ratón quedan grabados en mapas de calor y queda
registro de cuánto pasamos en cada página y cuándo
las visitamos.
• Máquina a máquina (machine to machine,
M2M): son las tecnologías que comparten datos con
dispositivos: medidores, sensores de temperatura,
de luz, de altura, de presión, de sonido… que trans-
forman las magnitudes físicas o químicas y las con-
vierten en datos. Existen desde hace décadas, pero
la llegada de las comunicaciones inalámbricas (Wi-
Fi, Bluetooth, RFID…) ha revolucionado el mundo
de los sensores. Algunos ejemplos son los GPS en
la automoción o los sensores de signos vitales en la
medicina.
• Biométrica: son el conjunto de datos que pro-
vienen de la seguridad, defensa y servicios de
inteligencia.[23] Son cantidades de datos generados
por lectores biométricos como escáneres de retina,
escáneres de huellas digitales, o lectores de cadenas
de ADN. El propósito de estos datos es proporcionar
mecanismos de seguridad y suelen estar custodia-
das por los ministerios de defensa y departamentos
de inteligencia. Un ejemplo de aplicación es el cru-
ce de ADN entre una muestra de un crimen y una
muestra en nuestra base de datos.
2.2 Transformación
Una vez encontradas las fuentes de los datos necesarios,
muy posiblemente dispongamos de un sinfín de tablas de
origen sin estar relacionadas. El siguiente objetivo consta
en hacer que los datos se recojan en un mismo lugar y
darles un formato.
Aquí entran en juego las plataformas extraer, transformar
y cargar (ETL). Su propósito es extraer los datos de las
diferentes fuentes y sistemas, para después hacer trans-
formaciones (conversiones de datos, limpieza de datos su-
cios, cambios de formato…) y finalmente cargar los datos
2.4 Análisis de datos
en la base de datos o almacén de datos especificada.[24] de datos, agruparlos o reducirlos y cargarlos en otra co-
Un ejemplo de plataforma ETL es el Pentaho Data Inte- lección, y a Hadoop que es una tecnología de Apache di-
gration, más concretamente su aplicación Spoon. señada para almacenar y procesar grandes cantidades de
datos.
2.3 Almacenamiento NoSQL
El término NoSQL se refiere a Not Only SQL y son sis-
temas de almacenamiento que no cumplen con el esque-
ma entidad-relación.[25] Proveen un sistema de almace-
namiento mucho más flexible y concurrente y permiten
manipular grandes cantidades de información de manera
mucho más rápida que las bases de datos relacionales.
Distinguimos cuatro grandes grupos de bases de datos
NoSQL:
• Almacenamiento clave-valor (key-value): los da-
tos se almacenan de forma similar a los mapas o
diccionarios de datos, donde se accede al dato a par-
tir de una clave única.[26] Los valores (datos) son ais-
lados e independientes entre ellos, y no son interpre-
tados por el sistema. Pueden ser variables simples
como enteros o caracteres, u objetos. Por otro lado,
este sistema de almacenamiento carece de una es-
tructura de datos clara y establecida, por lo que no
requiere un formateo de los datos muy estricto.[27]
Son útiles para operaciones simples basadas en las claves.
Un ejemplo es el aumento de velocidad de carga de un si-
tio web que pueden utilizar diferentes perfiles de usuario,
teniendo mapeados los archivos que hay que incluir se-
gún el id de usuario y que han sido calculados con ante-
rioridad. Apache Cassandra es la tecnología de almace-
namiento clave-valor más reconocida por los usuarios.[28]
• Almacenamiento documental: las bases de datos
documentales guardan un gran parecido con las ba-
ses de datos Clave-Valor, diferenciándose en el da-
to que guardan. Si en la anterior no requería una
estructura de datos concreta, en este caso guarda-
mos datos semiestructurados.[28] Estos datos pasan
a llamarse documentos, y pueden estar formateados
en XML, JSON, Binary JSON o el que acepte la 2.4
misma base de datos.
Todos los documentos tienen una clave única
con la que puede ser accedido e identificado
explícitamente. Estos documentos no son opa-
cos al sistema, por lo que pueden ser interpreta-
dos y lanzar queries sobre ellos.[26] Un ejemplo
que aclare cómo se usa lo encontramos en un
blog: se almacena el autor, la fecha, el título, el
resumen y el contenido del post.
CouchDB o MongoDB[28] son quizá las más conocidas.
Hay que hacer mención especial a MapReduce, una tec-
nología de Google inicialmente diseñada para su algorit-
mo PageRank, que permite seleccionar un subconjunto
3
• Almacenamiento en grafo: las bases de datos en
grafo rompen con la idea de tablas y se basan en la
teoría de grafos, donde se establece que la informa-
ción son los nodos y las relaciones entre la infor-
mación son las aristas,[28] algo similar en el modelo
relacional. Su mayor uso se contempla en casos de
relacionar grandes cantidades de datos que pueden
ser muy variables. Por ejemplo, los nodos pueden
contener objetos, variables y atributos diferentes en
unos y los otros. Las operaciones de join se sustitu-
yen por recorridos a través del grafo, y se guarda una
lista de adyacencias entre los nodos.[26] Encontra-
mos un ejemplo en las redes sociales: en Facebook
cada nodo se considera un usuario, que puede te-
ner aristas de amistad con otros usuarios, o aristas
de publicación con nodos de contenidos. Soluciones
como Neo4J y GraphDB[28] son las más conocidas
dentro de las bases de datos en grafo.
• Almacenamiento orientado a columnas: por úl-
timo, el almacenamiento Column-Oriented es pa-
recido al Documental. Su modelo de datos es de-
finido como “un mapa de datos multidimensional
poco denso, distribuido y persistente”.[26] Se orien-
ta a almacenar datos con tendencia a escalar hori-
zontalmente, por lo que permite guardar diferentes
atributos y objetos bajo una misma clave. A dife-
rencia del documental y el clave-valor, en este caso
se pueden almacenar varios atributos y objetos, pero
no serán interpretables directamente por el sistema.
Permite agrupar columnas en familias y guardar la
información cronológicamente, mejorando el rendi-
miento. Esta tecnología se acostumbra a usar en ca-
sos con 100 o más atributos por clave.[28] Su pre-
cursor es BigTable de Google, pero han aparecido
nuevas soluciones como HBase o HyperTable.
Análisis de datos
Teniendo los datos necesarios almacenados según di-
ferentes tecnologías de almacenamiento, nos daremos
cuenta que necesitaremos diferentes técnicas de análisis
de datos como las siguientes:
• Asociación: permite encontrar relaciones entre di-
ferentes variables.[29] Bajo la premisa de causalidad,
se pretende encontrar una predicción en el compor-
tamiento de otras variables. Estas relaciones pueden
ser los sistemas de ventas cruzadas en los comercios
electrónicos.
• Minería de datos (data mining): tiene como obje-
tivo encontrar comportamientos predictivos. Englo-
4 3 UTILIDAD

ba el conjunto de técnicas que combina métodos es- diferentes análisis sobre nuestros datos, y son un mate-
tadísticos y de aprendizaje automático con almace- rial atractivo, entretenido y simplificado para audiencias
namiento en bases de datos.[30] Está estrechamente masivas.[34]
relacionada con los modelos utilizados para descu-
brir patrones en grandes cantidades de datos.

• Agrupación (clustering): el análisis de clústeres

3 Utilidad
es un tipo de minería de datos que divide gran-
des grupos de individuos en grupos más peque- Este conjunto de tecnologías se puede usar en una gran
ños de los cuales no conocíamos su parecido an- variedad de ámbitos, como los siguientes.
tes del análisis.[30] El propósito es encontrar simi-
litudes entre estos grupos, y el descubrimiento de
nuevos conociendo cuáles son las cualidades que lo
3.1 Empresarial
definen. Es una metodología apropiada para encon-
Redes sociales
trar relaciones entre resultados y hacer una evalua-
ción preliminar de la estructura de los datos anali-Cada vez más los internautas tienden a subir a las redes so-
zados. Existen diferentes técnicas y algoritmos de ciales toda su actividad y la de sus conocidos. Las empre-
clusterización.[31] sas utilizan esta información para cruzar los datos de los
candidatos a un trabajo. Oracle ha desarrollado una he-
• Análisis de texto (text analytics): gran parte de los rramienta llamada Taleo Social Sourcing,[35] la cual está
datos generados por las personas son textos, como integrada con las API de Facebook, Twitter y LinkedIn.
e-mails, búsquedas web o contenidos. Esta metodo- Gracias a su uso, los departamentos de recursos humanos
logía permite extraer información de estos datos y pueden ver, entrando la identidad del candidato, su per-
así modelar temas y asuntos o predecir palabras.[32] fil social y profesional en cuestión de segundos. Por otro
lado, les permite crear una lista de posibles candidatos
según el perfil profesional necesario, y así pasar a ofrecer
2.5 Visualización de datos el puesto de trabajo a un público mucho más objetivo.
Por otro lado, Gate Gourmet —una compañía de cáte-
rin para aerolíneas— experimentaba una tasa de aban-
dono del 50 % de sus trabajadores asignados al aeropuerto
de Chicago, y sospecharon que el problema existía en el
tiempo dedicado al viaje. Para demostrarlo, hicieron aná-
lisis juntando varios data sets de sus sistemas internos y
de otros externos como datos demográficos, datos de trá-
fico y datos de uso de redes sociales. Los resultados que
obtuvieron fueron patrones que relacionaban muy con-
sistentemente la alta tasa de abandono con la distancia
del lugar de trabajo a casa y la accesibilidad al transporte
Esto es una infografía público.[36]
Consumo
Tal y como el Instituto Nacional de Estadística dice en Amazon es líder en ventas cruzadas. El éxito se basa en la
sus tutoriales, “una imagen vale más que mil palabras, o minería de datos masiva basando los patrones de compra
que mil datos”. Nuestra mente agradecerá mucho más la de un usuario cruzados con los datos de compra de otro,
visualización amigable de unos resultados estadísticos en creando así anuncios personalizados y boletines electróni-
gráficos o mapas que no en tablas con números y con- cos que incluyen justo aquello que el usuario quiere en ese
clusiones. En los macrodatos se llega un paso más allá: instante.[37] También hay casos sin conexión de aplicacio-
parafraseando a Edward Tufte, uno de los expertos en nes de macrodatos. Los teléfonos móviles envían peticio-
visualización de datos más reconocidos a nivel mundial nes de escucha WiFi a todos los puntos de acceso que se
“El mundo es complejo, dinámico, multidimensional, el cruzan. Algunas compañías han decidido hacer un trazo
papel es estático y plano. ¿Cómo vamos a representar la de estas peticiones con su localización y dirección MAC
rica experiencia visual del mundo en la mera planicie?”. para saber qué dispositivo hace cuál ruta dentro de un re-
Mondrian[33] es una plataforma que permite visualizar la cinto. No hay que asustarse ya que con la dirección MAC
información a través de los análisis llevados a cabo sobre no pueden invadir la intimidad.[38] Las grandes superfi-
los datos que disponemos. Con esta plataforma se inten- cies aprovechan estos datos para sacar información como
ta llegar a un público más concreto, y una utilidad más contabilizar cuánto tiempo pasan los clientes en su inte-
acotada como un Cuadro de Mando Integral de una orga- rior, qué rutas siguen, dónde permanecen más tiempo (ya
nización. Por otro lado, las infografías se han vuelto un sea escogiendo un producto o el tiempo de espera en caja)
fenómeno viral, donde se recogen los resultados de los o cuál es la frecuencia de visita.
3.3 Investigación 5

Macrodatos e intimidad ordenadores instalados en los estadios, que registran los

La cantidad de datos creados anualmente es de 2.8 movimientos de los jugadores a razón de 25 registros por
zettabytes en 2012, de los cuales el 75 % son generados segundo, y luego envían los datos a una central donde ha-
por los individuos según su uso de la red ya sea bajarse un cen un análisis masivo de los datos. La información que
archivo, conectar el GPS o enviar un correo electrónico. se devuelve como resultado incluye una reproducción del
Se calcula que un oficinista medio genera 1.8 terabytes al partido en dos dimensiones, los datos técnicos y estadís-
año por lo que son unos 5 GB al día de información.[39] ticas, y un resumen de los datos físicos de cada jugador,
permitiendo seleccionar varias dimensiones y visualiza-
Aquí entran en juego las empresas llamadas corredores de ciones diferentes de datos.[46]
datos. Acxiom es una de ellas, y posee unas 1.500 trazas Aficionado
de datos de más de 500 millones de usuarios de internet.
Todos estos datos son transformados y cruzados para in- Aplicaciones como Runtastic, Garmin o Nike+ proveen
cluir al usuario analizado en uno de los 70 segmentos de de resultados big data al usuario. Este último —Nike+—
usuarios, llamado PersonicX.[40] Descrito como un “resu- va un paso más allá a nivel de organización, ya que fa-
men de indicadores de estilo de vida, intereses y activi- brican un producto básico para sus usuarios: las zapati-
dades”, esta correduría de datos basa su clusterización en llas. Los 7 millones de usuarios generan una gran canti-
los acontecimientos vitales y es capaz de predecir más de dad de datos para medir el rendimiento y su mejora, por
3 000 reacciones ante estímulos de estos clientes. En un lo que la empresa genera unos clústeres con los patrones
primer momento captaba la información de los hechos de comportamiento de sus usuarios. Uno de sus objetivos
reales y no virtuales de los usuarios.[41] En febrero de pues, es controlar el tiempo de vida de sus zapatillas en-
2013, Facebook acordó la cesión de la información per- contrando fórmulas para mejorar la calidad. Por último,
sonal de sus usuarios con Acxiom y otros corredores de aumenta la competitividad entre sus usuarios con el uso
datos haciendo cruzar las actividades de la vida off-line de la gamificación: establece que comunidades de usua-
con las actividades en línea [30]. rios lleguen a metas y consigan objetivos conjuntamente
con el uso de la aplicación, motivando e inspirando a los
A nivel usuario, nos encontramos con Google Location corredores para usar su aplicación y a más largo plazo,
History: un servicio de Google que registra las ubicacio- sus productos deportivos.
nes en las cuales ha estado un usuario que lleva el móvil
encima, y con el servicio de localización activado (que
por defecto lo está en los terminales con Android). Al
acceder a él muestra un mapa con las rutas que ha se-
3.3 Investigación
guido el usuario, con la hora de llegada y salida de cada
ubicación.[42] Gracias a esta utilidad se crean algoritmos Salud y medicina
de recomendaciones de amigos en redes sociales y ubica- Hacia mediados 2009, el mundo experimentó una pande-
ciones a visitar basados en el historial de ubicaciones del mia de gripe A, llamada gripe porcina o H1N1. El web-
usuario.[43] site Google Flu Trends fue capaz de predecirla gracias a
Por último, Google pagó 3.200 millones de dólares por los resultados de las búsquedas. Flu Trends usa los datos
Nest, una empresa de detectores de humo.[44] Ahora de las búsquedas de los usuarios que contienen “síntomas
Google ha abierto Nest Labs, donde se pretende desarro- parecidos a la enfermedad de la gripe” (Influenza-Like Ill-
llar sensores para convertir la casa en una Smart home. ness Symptoms) y los agrupa según ubicación y fecha, y
Incluir estos sensores permitirá saber por ejemplo cuán- es capaz de predecir la actividad de la gripe hasta con dos
do hay alguien o no en casa gracias a su interacción con semanas de antelación más que los sistemas tradicionales.
los wearables, a qué temperatura está el ambiente o de- Más concretamente en Nueva Zelanda[47] cruzaron los
tectar si hay algún peligro dentro como fuego.[45] datos de las tendencias de gripe de Google con datos exis-
tentes de los sistemas de salud nacionales, y comproba-
ron que estaban alineados. Los gráficos mostraron una
3.2 Deportes correlación con las búsquedas de síntomas relacionados
con la gripe y la extensión de la pandemia en el país.
Profesional Los países con sistemas de predicción poco desarrollados
En un ámbito donde se mueve tanto dinero, suelen utili- pueden beneficiarse de una predicción fiable y pública pa-
zar las nuevas tecnologías antes que los usuarios de base. ra abastecer a su población de las medidas de seguridad
Nos encontramos por ejemplo que el análisis de los parti- oportunas.
dos constituye una parte fundamental en el entrenamiento Defensa y seguridad
de los profesionales, y la toma de decisiones de los entre- Para incrementar la seguridad frente a los ataques de las
nadores. propias organizaciones, ya sean empresas en el entorno
Amisco[46] es un sistema aplicado por los más importan- económico o los propios ministerios de defensa en el en-
tes equipos de las ligas Española, Francesa, Alemana e torno de ciberataques, se contempla la utilidad de las tec-
Inglesa desde el 2001. Consta de 8 cámaras y diversos nologías de big data en escenarios como la vigilancia y se-
6 5
guridad de fronteras, lucha contra el terrorismo y crimen
organizado, contra el fraude, planes de seguridad ciuda-
dana o planeamiento táctico de misiones e inteligencia
militar.[48]
Caso específico del proyecto Aloja
Una de las máquinas del Marenostrum, Supercomputador del
BSC
El proyecto Aloja[49] ha sido iniciado por una apuesta
en común del Barcelona Supercomputing Center (BSC)
y Microsoft Research. El objetivo de este proyecto de
big data quiere “conseguir una optimización automática
en despliegues de Hadoop en diferentes infraestructuras”.
[40]
Caso específico de sostenibilidad
Conservation International es una organización con el
propósito de concienciar a la sociedad de cuidar el en-
torno de una manera responsable y sostenible. Con la ayu-
da de la plataforma Vertica Analytics de HP, han situado
1.000 cámaras a lo largo de 16 bosques en 4 continentes. [12] “The World’s Technological Capacity to Store, Communi-
Estas cámaras incorporan unos sensores, y a modo de cá-
mara oculta graban el comportamiento de la fauna. Con
estas imágenes y los datos de los sensores (precipitacio-
nes, temperatura, humedad, solar…) consiguen informa-
ción sobre cómo el cambio climático o el desgaste de la [13] http://www-01.ibm.com/software/data/bigdata/
tierra afecta en su comportamiento y desarrollo.[50]
4 Véase también
• ciencias de la computación
• Medios sociales
• Internet de las cosas
5 Referencias
[1] «macrodatos e inteligencia de datos, alternativas a big da-
ta». Consultado el 11 de abril de 2017.
REFERENCIAS
[2] «"Los datos masivos (o big data) son el nuevo oro"». el-
diario.es. Consultado el 2017-05-23.
[3] Kusnetzky, Dan. What is “Big Data?". ZDNet. http://
blogs.zdnet.com/virtualization/?p=1708
[4] Vance, Ashley. Start-Up Goes After Big Data With
Hadoop Helper. New York Times Blog. 22 de abril
de 2010. http://bits.blogs.nytimes.com/2010/04/22/
start-up-goes-after-big-data-with-hadoop-helper/?dbk
[5] Cukier, K. (25 February 2010). Data, data everyw-
here. The Economist. http://www.economist.com/
specialreports/displaystory.cfm?story_id=15557443
[6] Horowitz, Mark. Visualizing Big Data: Bar Charts for
Words. Wired Magazine. Vol 16 (7). 23 June 2008.
http://www.wired.com/science/discoveries/magazine/
16-07/pb_visualizing#ixzz0llT2DN5j. Volu 16(7)
[7] Community cleverness required. Nature, 455(7209),
1. 2008. http://www.nature.com/nature/journal/v455/
n7209/full/455001a.html
[8] Sandia sees data management challenges spiral. HPC Pro-
jects. 4 August 2009. http://www.hpcprojects.com/news/
news_story.php?news_id=922
[9] Reichman,O.J., Jones, M.B., and Schildhauer, M.P. 2011.
Challenges and Opportunities of Open Data in Eco-
logy. Science 331(6018): 703-705.DOI:10.1126/science.
1197962
[10] Hellerstein, Joe. Parallel Programming in
the Age of Big Data. Gigaom Blog. 9 No-
vember 2008. http://gigaom.com/2008/11/09/
mapreduce-leads-the-way-for-parallel-programming/
[11] Segaran, Toby and Hammerbacher, Jeff. Beautiful Data.
1st Edition. O'Reilly Media. Pg 257.
cate, and Compute Information”, Martin Hilbert and Pris-
cila López (2011), Science (journal), 332(6025), 60-65;
free access to the article through here: martinhilbert.net/
WorldInfoCapacity.html
[14] Big Data Definition
[15] > Douglas Patterson (2012), Big Ethics for Big Data
[16] Douglas, Laney. «3D Data Management: Controlling Data
Volume, Velocity and Variety». Gartner. Consultado el 6
de febrero de 2001.
[17] Beyer, Mark. «Gartner Says Solving 'Big Data' Challen-
ge Involves More Than Just Managing Volumes of Data».
Gartner. Consultado el 13 de julio de 2011.
[18] Purcell, Bernice (2013). «The emergence of Big Data
technology and Analytics». Holy Family University.
[19] Lopez García, David (2012-2013). Analysis of the possi-
bilities of use of Big Data in organizations. Consultado el
18 de octubre de 2014.

[20] Paniagua, Soraya (Junio - septiembre 2013). «A world of
sensors, from Data to Big Data». Revista Telos.
[21] “Conceptos básicos de Big Data”, TRC Informática SL,
2013.
[22] Paniagua, Soraya (junio-septiembre 2013). «A world of
sensors, from Data to Big Data». Revista Telos.
[23] Kohlwey, Edmund; Sussman, Abel; Trost, Jason; Maurer,
Amber (2011). «Leveraging the Cloud for Big Data Bio-
metrics». IEEE World Congress on Services.
[24] Tomsen, Christian; Pedersen, Torben Bach (2009).
«pygrametl: A Powerful Programming Framework for
Extract–Transform–Load Programmers». 1DB Technical
Report; No. 25, Department of Computer Science, Aalborg
University.
[25] Martín, Adriana; Chávez, Susana; Rodríguez, Nelson R.;
Valenzuela, Adriana; Murazzo, Maria A. (2013). «Bases
de datos NoSql en cloud computing». WICC. Consultado
el 18 de octubre de 2014.
[26] Hecht, Robin; Jablonski, Stefan (2011). «NoSQL Evalua-
tion, a use case oriented survey». International Conference
on Cloud and Service Computing.
[27] Seeger, Marc (21 de septiembre de 2009). Key-Value sto-
res: a practical overview. Consultado el 1 de enero de
2015.
[28] Bianchi Widder, Maria Belén (septiembre de 2012). «Els
beneficis de l’ús de tecnologies NoSQL». UPCommons.
Consultado el 1 de enero de 2015.
[29] Vila, M Amparo; Sanchez, Daniel; Escobar, Luis (2004).
«Relaciones Causales en Reglas de Asociación». XII Con-
greso Español sobre tecnologías y lógica Fuzzy.
[30] Manyika, James; Chui, Michael; Brown, Brad; Bughin,
Jacques; Dobbs, Richard; Roxburgh, Charles; Byers, An-
gela Hung (Mayo de 2011). «Big data: The next frontier
for innovation, competition, and productivity». McKinsey.
Consultado el 1 de enero de 2015.
[31] Jain, A.K.; Murty, M.N.; Flynn, P.J. (septiembre de
1999). «Data Clustering: A Review». ACM Computing
Surveys 31 (3). Consultado el 1 de enero de 2015.
[32] Maltby, Dylan (9 de octubre de 2011). «Big Data Analy-
tics». ASIST 2011 (New Orleans).
[33] Theus, Martin (2003). «Interactive Data Visualization
using Mondrian». Journal of Statistical Software.
[34] Albarracín, Pablo (12 de agosto de 2013). «Visualización
avanzada de datos: La belleza del Big Data». Revista Amé-
rica Economía Tecno. Archivado desde el original el 26 de
noviembre de 2015. Consultado el 18 de octubre de 2014.
[35] Social Recruiting Automation with Oracle Taleo Social
Sourcing Cloud Service. 2013.
[36] Bernstein, David (2014). «How Big Data is taking recrui-
ters from “I Think” to “I Know."».
7
[37] McAfee, Andrew; Brynjolfsson, Eric (October 2012).
«Big Data: The Management Revolution». Harvard Bu-
siness Review.
[38] López Revilla, Juan Carlos (14 de noviembre de 2013).
«Las compañías de «WiFi tracking» en tiendas quieren
que sepas lo que está pasando». Mobile World Capital.
[39] Tucker, Patric (16 de mayo de 2013). «¿Han hecho los
grandes volúmenes de datos que el anonimato sea impo-
sible?». MIT Technology Review.
[40] PersonicX Cluster Perspectives. 2010.
[41] McManus, John (2013). «Street Wiser». American Demo-
graphics.
[42] Sevilla, Fernando (27 de enero de 2013). El Historial de
Ubicaciones de Android, ¿qué sabe Google de tu posición?.
[43] Zheng, Yu; Zhang, Lizhu; Zhengxin, Ma; Xie, Xing;
Ma, Wei-Ying (5 de febrero de 2011). «Recommending
Friends and locations based on individual location his-
tory.». ACM Transactions on the Web 5 (1).
[44] «Por qué quiere Google a Nest, una empresa de detectores
de humo.». ABC. 15 de enero de 2014.
[45] Olson, Parmy (24 de junio de 2014). «Google’s Nest Mo-
ves To Become Master Of The Smart Home, By Talking
To Other Devices». Forbes.
[46] Reilly, Thomas; Korkusuz, Feza (2009). Science and Foot-
ball VI. The proceedings of the Sixth World Congress on
Science and Football. p. 209. ISBN 0-203-89368-9.
[47] Wilson, N; Mason, M; Tobias, M; Peacey, M; Huang, Q S;
Baker, M (Eurosurveillance Edition 2009). «Interpreting
“Google Flu Trends” data for pandemic H1N1 influenza:
The New Zealand Experience». Eurosurveillance Edition
2009. 14 / Issue 44 (4).
[48] Carrillo Ruiz, Jose Antonio; Marco de Lucas, Jesus E.;
Cases Vega, Fernando; Dueñas Lopez, Juan Carlos; Cris-
tino Fernandez, Jose; Gonzalez Muñoz de Morales, Gui-
llermo; Pereda Laredo, Luis Fernando (Marzo de 2013).
«Big Data en los entornos de Defensa y Seguridad». Ins-
tituto Español de Estudios Estratégicos.
[49] «El BSC y Microsoft Research Center optimizarán Big
Data con el proyecto Aloja». Computing. 31 de julio de
2014. Consultado el 1 de enero de 2015.
[50] How Big Data Is Helping to Save the Planet.. 15 de sep-
tiembre de 2014.
6 Enlaces externos
• Big Data ofrecido por las grandes empresas (SAP,
Oracle, Microsoft y otros)
• Las principales aplicaciones del Big Data
• Historia cronológica del Big Data. Una línea del
tiempo visual con los principales hitos de la histo-
ria del almacenamiento de la información.
8 7 ORIGEN DEL TEXTO Y LAS IMÁGENES, COLABORADORES Y LICENCIAS

7 Origen del texto y las imágenes, colaboradores y licencias

7.1 Texto
• Big data Fuente: https://es.wikipedia.org/wiki/Big_data?oldid=99394203 Colaboradores: Sabbut, Geom, RichardWeiss, Petronas, Jesu-
ja, Tamorlan, CEM-bot, Gejotape, Davius, Fixertool, Cinevoro, Technopat, Efmpacheco, Alberthoven, Pascow, UA31, Walterfarah, Ar-
juno3, Koko10ar, AttoBot, Stm17, Xqbot, Jkbw, Dan6hell66, FrescoBot, AnselmiJuan, Aguzanotti, PatruBOT, EmausBot, ZéroBot, Grilli-
tus, Khiari, MerlIwBot, KLBot2, Jaluj, Invadibot, Kyuutukanao, Vichock, Elvisor, YFdyh-bot, Rauletemunoz, Addbot, CamaradelaFuen-
te, Tininmartinez, Kadeeirene, Jarould, Crystallizedcarbon, BenjaBot, Josedarocha, Rubesan, Totecasanovas, Ablazquezg, Mercedes Gpe
Contreras, Pinilla2, Gabriel.valencia33, MasterFantasy, Melkart4k, Lectorenespañol, Egtgomez, Paquito123456789, MomijiRoBot, Julia
Lecha, Gjavier, Andrea.castanar y Anónimos: 78

7.2 Imágenes
• Archivo:Bsc-nvidia-gpu.jpg Fuente: https://upload.wikimedia.org/wikipedia/commons/f/fc/Bsc-nvidia-gpu.jpg Licencia: FAL Colabo-
radores: http://www.bsc.es/plantillaA.php?cat_id=44 Artista original: Barcelona Supercomputing Center
• Archivo:Commons-emblem-issue.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/b/bc/Commons-emblem-issue.svg
Licencia: GPL Colaboradores: File:Gnome-emblem-important.svg Artista original: GNOME icon artists and User:ViperSnake151
• Archivo:Infografia_NucleoLinux.png Fuente: https://upload.wikimedia.org/wikipedia/commons/e/ec/Infografia_NucleoLinux.png Li-
cencia: CC BY 4.0 Colaboradores: www.cidetys.org.pa Artista original: Mónica Mora
• Archivo:Viegas-UserActivityonWikipedia.gif Fuente: https://upload.wikimedia.org/wikipedia/commons/6/69/
Viegas-UserActivityonWikipedia.gif Licencia: CC BY 2.0 Colaboradores: User activity on Wikipedia Artista original: Fernanda
B. Viégas

7.3 Licencia del contenido

• Creative Commons Attribution-Share Alike 3.0