FUNDAMENTOS DEL BIG DATA

Qué significa big data o Macro Datos

Cada vez es más normal recibir un correo electrónico o un mensaje en el que se
usa la expresión Big Data, y cada vez es más difícil poder asistir a una
reunión sin saber lo que significa. La expresión se ha vuelto algo corriente en el
lenguaje empresarial y todo el mundo da por hecho que sabemos lo que
es. Pero ¿qué es realmente el Big Data? El primer paso es definir qué es el Big
Data y cuál es el uso que se da al término en la actualidad. Podríamos decir que
Big Data tiene 3 V necesarias a las que después se pueden añadir otras. La
primera V es el "Volumen". Cuando hablamos de Big Data nos estamos
refiriendo a datos masivos, macrodatos, inteligencia de datos o datos a gran
escala. Aunque Big Data es la fórmula más generalizada y conocida. Por lo
tanto, estamos hablando de una gran cantidad de datos que pueden ser
analizados para aportar información y valor a nuestra organización. La existencia
de datos para mejorar una estrategia o estructura no es nada nuevo, pero es
verdad que las nuevas tecnologías nos permiten analizar grandes cantidades de
datos, que hace unas décadas hubieran sido imposibles de recopilar y
entender. Es por ello que hoy, cuando hablamos de análisis de datos, casi
siempre hacemos referencia al Big Data, los macrodatos, y nunca pensamos en
sets o conjuntos de datos manejables de forma manual. La segunda V es la
"Variedad". Aunque los datos se analizan usando tecnología avanzada, no
necesariamente han sido generados en espacios altamente digitalizados. Los
datos estadísticos recogidos por un gobierno, pese a que muchos se recopilen a
través de encuestas, también serían considerados Big Data. En parte, que a día
de hoy existan tantos datos, es gracias y por culpa de la tecnología. Todas
nuestras actividades generan una gran cantidad de datos. Además, el boom
demográfico y de conectividad hace que cada vez haya más gente generando
datos y por lo tanto, haya menos tiempo para analizarlos. Por ejemplo, en el
momento en el que realizamos una compra online, registramos, la hora de
entrada a la página web, el tiempo que estamos navegando entre productos, los
productos que consultamos y cuáles acabamos comprando. Otro ejemplo sería
en el caso del doctor. Un médico podría almacenar el número de veces que le
visitamos cada año, los síntomas que solemos presentar, las épocas del año en
las que le visitamos más y en las que le visitamos menos. Y así, saber más de
nosotros o llegar incluso a predecir cuándo le volveremos a visitar la siguiente
vez. La tercera V es la "Velocidad". Todos estos datos que vamos dejando sin
darnos cuenta forman las estructuras Big Data, que después las empresas
analizarán para entender mejor nuestro comportamiento como
consumidores. Que las empresas los puedan recoger, recibir y analizar rápido es
clave en las estrategias Big Data. Pese a que se trata de una ciencia
relativamente nueva, el valor que puede llegar a aportar a las organizaciones es
incalculable, y por ello, es imprescindible que se entienda como una
sección necesaria y transversal dentro de toda empresa.  Las aplicaciones del Big
Data, además, también son útiles en temas relacionados con la política y la
investigación científica. Aunque los avances en Big Data están siendo muy
rápidos, todavía queda mucho camino por recorrer y muchas mejoras por
hacer, así que el factor humano sigue siendo muy necesario en los procesos de
análisis de datos y la definición de estrategias. Después de este curso
entenderás perfectamente los usos que se haga al Big Data en esos correos
electrónicos que recibes con textos relativos a estas tecnologías o los
comentarios hechos en las reuniones de equipo o de empresa.

Big Data en el mundo de la empresa

Una de las aplicaciones más importantes del Big Data  es en el mundo de la
empresa. Como parte de su estrategia de innovación digital, algunas
empresas están incorporando el Big Data; otras, sin embargo, lo están haciendo
sin darse cuenta. Aún así, hay muchas que todavía no han optado o no se han
atrevido a empezar a aplicarlo. Esto las pone en una situación de desventaja
competitiva y veremos por qué. Nuestro primer paso será entender el
significado de Big Data dentro del mundo empresarial, como parte de la cuarta
revolución industrial, para entender qué implicaciones tiene formar parte o
no. La "Cuarta revolución industrial" o "Revolución 4.0", significa la llegada de
fábricas inteligentes con tecnologías automatizadas que permiten agilizar los
procesos utilizando el Big Data u otros avances digitales. Esta revolución, como
todas las anteriores, cambiará el mundo del empleo y permitirá que las
empresas que la entiendan generen más valor añadido y que las que no lo
entiendan se vean destinadas a desaparecer, por no haber conseguido tanta
eficiencia en los recursos. El Big Data en las empresas se rige por las tres Vs:
volumen de datos, recopilación y variedad en el tipo de datos y velocidad en el
análisis. Las empresas que consigan trabajar con esas 3 Vs habrán conseguido
implementar una estrategia Big Data exitosa. En primer lugar, hablemos de la
"Variedad" de los datos. Dentro de nuestra organización puede haber datos
estructurados y sin estructurar. Los datos estructurados son aquellos que ya han
sido clasificados en base al estándar de la empresa para poder ser utilizados en
cualquier momento y en base a nuestras necesidades. Los datos no
estructurados son de los que dispone la mayoría de empresas y que a veces no
son utilizados. Se trata de todos esos datos a los que no se depara atención o
no se recogen, y podrían ser facturas y tickets, e-mails y llamadas, incluso, notas
y observaciones en los formularios de los pedidos. Es importante que
consigamos que la mayoría de datos que tenemos pasen a ser datos
estructurados, analizando aquellos de los que podemos disponer como
organización, para decidir cuáles nos pueden ser más útiles. La otra V es el
"Volumen". Grandes cantidades de datos nos permitirán analizar mejor el
contexto de nuestra empresa, incluso conocer mejor nuestra actividad. La
tecnología de la que dispongamos tiene que ser capaz de analizar grandes
volúmenes, para que la cantidad no sea un obstáculo, sino una
ventaja. Finalmente, hablamos de "Velocidad". En un mercado cambiante
constantemente, la velocidad de recogida es importante, pero todavía, es más
importante la velocidad de análisis. Si, por ejemplo, estamos registrando el
número de clientes en un restaurante a determinada hora y vemos que suele
haber más clientes cuando juega X equipo, y que estos consumen X menú, no
podemos esperar a que acabe la liga para tener los resultados de esos datos, ya
que habríamos perdido diferentes oportunidades a lo largo del período. El
análisis de todos estos datos permitirá que nuestra organización
mejore, conociendo lo que ha ocurrido, a un nivel de detalle que se escapa a
simple vista. Un ejemplo claro es el de los equipos comerciales. El análisis de los
tiempos de gestión por cliente, según, si el cliente es de un sector u otro, o
incluso, de una parte del mundo u otra,  permite que se vayan mejorando los
procesos y seamos más conscientes del resultado de determinadas acciones o
las expectativas que poner en ellas. La aplicación de la tecnología Big Data
tendrá que depender, siempre, de la situación en la que se encuentra la
empresa y los recursos, tanto económicos como humanos, de los que
dispone. Aún así, todas las empresas pueden empezar a emplear
estrategias relacionadas con el análisis de datos, que más adelante pueden ser
escalables a otros volúmenes. Piensa en tu organización; cómo crees que te
podría ayudar empezar mañana mismo una estrategia Big Data.

Esto no es big data

En los últimos años han aparecido muchas palabras que parecen significar Big
Data, pero que aún estando relacionadas con el sector, no significan
exactamente eso. Vamos a aprender qué términos son los principales y qué
significan realmente. Las principales son: inteligencia artificial y machine
learning o aprendizaje automático La primera es "inteligencia artificial", a la que
a menudo nos referimos como IA o AI, por sus siglas en inglés, Artificial
intelligence. Hablar de inteligencia artificial y Big Data en la misma frase, se ha
vuelto algo muy normal, pero no significan lo mismo. La inteligencia artificial no
necesariamente se aplica a procesos Big Data, aunque juega un papel muy
importante en él. La inteligencia artificial es una de las grandes revoluciones de
las últimas décadas. En general, la inteligencia artificial aprende de los
inputs generados por los humanos que la crean, para así, ser capaz de resolver
casos basándose en el aprendizaje que se le ha programado anteriormente. Este
aprendizaje se lleva a cabo mediante la introducción de algoritmos, que
ayudarán a la máquina a tomar ciertas decisiones. Estos algoritmos le dicen a
nuestra máquina que si sucede A y después sucede B, la respuesta debería ser
C. La inteligencia artificial es lo que permite, por ejemplo, que al insertar una
base de datos, recibamos una predicción sobre las ventas en los próximos tres
años, sin tener que ser nosotros los que hagamos esta operación una y otra
vez. Hablamos de inteligencia artificial cuando hablamos de máquinas que son
capaces de entender lo que pasa a su alrededor, para así, agilizar procesos, que
antes hubieran hecho humanos. Aunque el desarrollo de la inteligencia
artificial todavía está en un punto que podemos considerar inicial, y hay quien ni
siquiera habla de inteligencia artificial, podemos decir que su papel es muy
importante en el Big Data, al permitir analizar grandes cantidades de datos. En
segundo lugar está el Machine learning, que es un tipo de inteligencia artificial
avanzada. Con el Machine learning, la máquina, no solo ejecuta a partir de los
modelos que le explicamos, sino que es capaz de ir más allá y generar un
aprendizaje propio. Un ejemplo práctico para entender la diferencia entre estas
tres sería el análisis de opiniones en redes sociales. Los datos recogidos, es
decir, todos los comentarios publicados en diferentes plataformas, formarían lo
que llamamos el Big Data. Una vez recogidos, la inteligencia artificial se
encargaría de clasificarlos según nuestros parámetros. Por ejemplo, todos
aquellos mensajes en los que aparece la palabra "mal" o "malo", se clasificarían
como negativos. El uso de Machine learning haría que la máquina, interpretara
también, que los mensajes en los que aparece la palabra "maldad" o
"maldades", sean elementos negativos. Al entender que si los términos "mal" y
"malo" lo son, sus variaciones también deberían serlo. Como hemos visto, el Big
Data es una cosa, y la inteligencia artificial y el Machine learning son otra. Que
aunque muchas veces los usamos juntos para trabajar, cada uno por separado
tiene sus aplicaciones distintas.

Para qué se usa el big data

El Big Data tiene, actualmente, muchas aplicaciones y conocerlas nos ayudará a
definir la estrategia que nos interesa, sabiendo cuáles son las posibilidades. Las
aplicaciones del Big Data evolucionan según las necesidades de la sociedad y
las organizaciones, pero también, la creatividad de las personas  que ponen
estas estrategias en práctica. Vamos a empezar a trabajar con algunas de las
principales aplicaciones. Esto debería permitirnos pensar en cómo aplicarlas en
nuestra organización o pensar en nuevas aplicaciones. Resumiendo lo
aprendido hasta ahora. El Big Data nos permite recoger y analizar grandes
cantidades de datos, para tener más y mejor información sobre nuestra
audiencia, consumidores o público objetivo. Todos estos datos no se pueden
aplicar de una forma general y obtener conclusiones, sin tener en cuenta un
parámetro muy importante, que pone en perspectiva, tanto la
información como las propias conclusiones, "el tiempo". Ese gran volumen de
información recogida se marca en un punto determinado del tiempo, por lo que
con los datos, un punto determinado en el tiempo y un buen análisis, podemos
entender el pasado, el presente o el futuro. Para entender el pasado a través del
Big Data necesitaremos recoger todos aquellos datos que podamos y establecer
relaciones entre ellos, aunque, a primera vista, no nos pueda parecer útil. Al
hacer esto, se podrán entender relaciones y causalidades que en un principio no
parecían estar ahí. Un ejemplo, sería recoger datos sobre las ventas de pizza
durante un año y los partidos de fútbol oficiales. Al recogerlos, podremos
observar que siempre que hubo un partido de fútbol se vendieron más
pizzas. Una segunda aplicación nos sirve para entender "el presente". Los
avances tecnológicos nos permiten recoger y analizar cada vez, mayores
cantidades de datos en tiempo real; lo que a su vez, nos permite activar
procesos de mejora antes de que sea demasiado tarde. Así, a tiempo real,
estamos viendo las consecuencias de nuestras decisiones o cómo está
funcionando una estrategia. Volviendo al ejemplo de la pizza, podemos ver en
tiempo real cuál es el ingrediente que más se está pidiendo durante el
partido, para así decidir si podemos seguir ofreciendo ciertas pizzas o ya
no, antes de tener que decirle a un cliente que ya ha pedido, que no va a poder
recibir su pizza. Finalmente, la tercera aplicación, sería la de predecir "el
futuro", o al menos poder disponer de una previsión más o menos certera sobre
lo que podría ocurrir. Como en todos los análisis sobre procesos
históricos, saber lo que pasó en el pasado nos puede ayudar a entender lo que
pasará en el futuro. Esto significa que si durante tres años vemos que hubo más
afluencia de clientes en las noches en las que jugaban determinados
equipos, sabremos que para los próximos años tendremos que ampliar la
plantilla y el stock cuando se vuelvan a repetir esos partidos. E incluso,
sabremos la cantidad de personas necesarias a contratar, en qué puestos e
incluso en qué horarios. Ahora deberías pensar sobre tu organización y qué te
gustaría saber del pasado, el presente y el futuro, usando Big Data y por qué, es
decir, en qué te ayudaría toda esa información.

El big data en Marketing

Uno de los departamentos de la empresa que más se puede beneficiar  del Big
Data y sus avances, es el departamento de marketing. En el marketing
tradicional había pocas formas de saber más sobre el consumidor al que uno se
estaba dirigiendo. Las principales formas eran a través de encuestas directas o
mediante datos sobre las ventas, que se limitaban a saber si se habían vendido
más o menos unidades de un producto concreto. El principal emisor de la
información era la empresa que vendía el producto, que se dirigía a sus
potenciales clientes a través de anuncios o catálogos que daban mucha
información, pero recogían muy poca. Los avances tecnológicos y los nuevos
canales a través de los que se comunican las empresas con sus
clientes, especialmente Internet, han permitido que recojamos grandes
cantidades de datos, que nos permiten mejorar las estrategias de marketing. En
los últimos años ha crecido la cantidad de información que recibimos y las
fuentes a través de la cual la recibimos, lo que nos permite contrastar, comparar
y complementar los datos de los que disponemos. Todos estos datos nos
servirán para hacer un producto mejor. Conociendo ya nuestra audiencia, e
incluso, ofreciendo de una forma mejor el mismo producto. El Big Data, a
menudo, se define usando la letra V. Y en este caso, hay tres que deberíamos
destacar: volumen, velocidad y veracidad. Hablamos de volumen, porque
podemos recoger muchos datos sobre muchos temas diferentes de todos
nuestros clientes. Hablamos de velocidad, porque los datos se pueden recoger,
analizar y poner en práctica en tiempo real. Finalmente, hablamos de veracidad,
porque, a diferencia de las encuestas, en las que las personas pueden ser
inducidas, indirectamente, a cierto tipo de respuestas; la recogida de datos
actual se hace de forma natural, y especialmente, a través de acciones reales
que ya han realizado. Todos estos datos son los que permiten analizar el
comportamiento del usuario o consumidor, tanto a nivel individual como a nivel
agregado, es decir, analizando una media para conocer el tipo de
consumidor. Una vez conocido el comportamiento, se puede ir más allá, y
segmentar los consumidores para mejorar la estrategia. Un ejemplo de esto,
sería un banco que recoge los datos de las transacciones hechas por sus clientes
utilizando la tarjeta de débito. Si se segmenta por edad, se puede observar qué
grupos de edad son más propensos a utilizar la tarjeta en determinados días y
momentos, o incluso, en qué tipo de comercios suelen gastar. Esto nos
permitirá ver, por ejemplo, que los jóvenes utilizan más la tarjeta los fines de
semana en actividades de ocio, mientras que los adultos la utilizan entre
semana en restauración. A la hora de hacer promociones, por lo tanto,
usaremos estos datos para afinar las estrategias. Por ejemplo, ofreciendo
descuentos a los jóvenes para que utilicen su tarjeta en restaurantes, entre
semana, o captando nuevos jóvenes a través de mensajes enfocados a través
del ocio en fines de semana. Para ejecutar todo esto, es importante que los
equipos tengan el tiempo necesario para analizar los datos con detenimiento y
ponerlos en el centro de la estrategia, construyendo a partir de ellos y la
información que proporcionan, 

El big data en logística

Cuando hablamos de Big Data y sus aplicaciones dentro de una empresa,  uno
de los grandes olvidados suele ser la logística. Las mejoras en las cadenas de
suministro, que pueden tener lugar, gracias a la optimización de procesos
utilizando el Big Data, pueden ayudar a reducir los costes
considerablemente, aumentando, por lo tanto, los beneficios de una
organización. En este caso, las tres uves del Big Data que tendremos que tener
en cuenta son: variedad, veracidad y volumen. La variedad de datos que
podemos recoger y las relaciones que podamos establecer entre ellos, nos
darán mucha información sobre cómo podemos mejorar la cadena. Por
ejemplo, imagina que mi transportista empieza su turno a las 4 de la
madrugada. Yo pensé que llegaría a su destino a las 8 y haría la entrega. Aún
así, cada día, está llegando a las 7 de la mañana, cuando la fábrica todavía no ha
abierto. Si observo que esto se repite unas cuantas veces, podré cambiar su
ruta para que haga otras entregas antes, o incluso cambiar su turno de
trabajo para evitar esa hora que pierde esperando. La veracidad de los datos, al
tomar la mayoría de ellos, a través de trabajo real, nos permitirá hacer un
cálculo basado en la observación empírica y no solo en
predicciones. Finalmente, el volumen, permitirá que tengamos los suficientes
datos para que nuestras decisiones estén basadas en un número razonable de
observaciones, y no las hagamos sesgadas tomando solo algunos casos como
referencia. Recoger y almacenar datos para tomar decisiones de una forma
efectiva es uno de los grandes retos a la hora de incorporar el Big Data en
logística. La cadena de suministro genera una serie de datos de forma
natural, que a menudo, nos olvidamos de recoger y tener en cuenta. Estos datos
pueden ser internos o externos. Hablamos de "datos internos" cuando nos
referimos a aquellos que nosotros hemos generado. Tiempos de almacenaje,
tiempos de entrega, cantidades entregadas, cantidades transportadas por
viaje, etcétera. En cambio, estamos hablando de "datos externos" cuando nos
referimos a aquellos datos que podemos saber incluso antes de empezar la
actividad. Se trataría, por ejemplo, del número de atascos en una carretera
determinada, el tipo de vehículo que dura más o los patrones de conducción de
potenciales empleados, dependiendo, por ejemplo, de su tiempo de
experiencia. Todo esto nos permitirá identificar los factores positivos y
negativos en cada paso de la cadena de suministro y podremos ver
rápidamente dónde está nuestro bottleneck o cuello de botella, es decir, la fase
de la cadena en la que estamos perdiendo más eficiencia. Esta fase podría ser, el
tipo de ruta que estamos realizando o cómo hemos distribuido el envío de los
paquetes. Por otro lado, también podremos anticiparnos a las necesidades y
demandas del mercado, evitando rupturas de stock, que pueden resultar en
clientes descontentos con nuestro servicio o en compras que no llegamos a
generar. Todo esto cobra sentido, especialmente, cuando conseguimos cruzar
los datos con otros departamentos, por ejemplo, ventas o marketing; y las
tareas se coordinan para llegar al máximo de eficiencia. Uno de los mayores
beneficios del Big Data en logística, por lo tanto, es la reducción de costes
directos 

big data para recursos humanos

Hemos estado trabajando, hasta ahora, bajo la premisa de que,  a la hora de
trabajar con grandes cantidades de datos había que poner estos datos en el
centro. Pero, en el caso de los recursos humanos, hay que pensar de una forma
ligeramente diferente. En este departamento, las personas y sus
capacidades tienen que estar en el centro. Los datos nos ayudarán a colocar
mejor a esas personas dentro de nuestra estructura. Hay diferentes
momentos en los que el departamento de recursos humanos puede tener
dudas o preguntas sobre cómo tomar ciertas decisiones. Cuanto más grande
sea la empresa y más tiempo lleve recogiendo datos, más útil le será el Big Data,
porque podrá comparar con períodos anteriores y establecer patrones de
comportamiento, llegando a prever qué perfiles funcionan mejor en qué
posiciones, más allá de lo académicamente aparente. Para ello, es importante
que los equipos de recursos humanos sean capaces de trabajar con bases de
datos, recoger aquellos que les sean útiles y necesarios y aprender a analizarlos
según las preguntas que tengan. Una de esas preguntas es: ¿Cuándo se debe
contratar? Los datos nos permitirán ver en qué épocas del año o a partir de qué
número de proyectos fueron necesarias nuevas incorporaciones, o aumentó
demasiado el número de horas extras, para, así, prever nuevas
contrataciones. Podremos, por lo tanto, adelantarnos a las necesidades de
nuestra empresa y nuestros equipos. Otra de las grandes preguntas que se
hacen los equipos de recursos humanos es: ¿A quién contratar? A día de hoy,
prácticamente todas las personas vamos dejando una huella digital. Datos sobre
nosotros que generamos cuando tuiteamos, publicamos una fotografía o
compartimos determinados contenidos. Toda esta información servirá para
conocer mejor el candidato que estamos entrevistando y también para poder
compararlo con los equipos que ya tenemos, para saber si podrán encajar
profesionalmente. De esta pregunta se deriva otra, que es: ¿Cómo
contratar? Cuando una persona se inscribe en nuestro proceso de
selección, podemos pedirle que nos suministre una serie de datos, sin llegar a
crear un proceso de selección demasiado largo o que resulte aburrido, pero que
nos facilite la recogida de datos que nos ayuden a conocer mejor el tipo de
talento que estamos atrayendo. Finalmente, toca volver al equipo y hacerse una
pregunta: ¿Son felices mis empleados? ¿Podría hacerlo mejor? ¿Qué papel tiene
cada uno dentro del día a día de la empresa? Todas estas preguntas las
podremos responder utilizando el Big Data. Pero, para ello, tendremos que ser
conscientes de que hay que recoger los datos de forma periódica y poder
establecer tendencias en el tiempo y analizar patrones de mejora o
empeoramiento, sabiendo qué factores pueden haber llevado a esos cambios.

Tendencias de futuro para el uso de big data

El Big Data ha experimentado un crecimiento impresionante  en los últimos
años, pero todavía queda mucho margen de mejora. El principal punto de
mejora es la alineación entre las universidades y el mercado actual. Todas las
mejoras y las aplicaciones dependen de personas capaces de entender la
complejidad del Big Data y su potencial, para poder poner en marcha
estrategias innovadoras y eficientes. En ese sentido, será necesario que las
universidades formen a jóvenes capaces de incorporarse en un mercado laboral
muy orientado a la decisión basada en datos o data driven. En los próximos
años la reducción de costes, gracias al Big Data y la mejora de la
eficiencia, permitirá que las organizaciones se puedan centrar en otras
actividades. Si hace unos años las empresas tenían que dedicar grandes
recursos a mantener actualizada su base de datos de clientes, a día de hoy,
pueden dedicar esos esfuerzos a pensar en cómo ampliarla. Para que los
avances sean posibles, serán necesarias mejoras en la inteligencia artificial y
mejoras en los algoritmos, de forma que podamos analizar cada vez más datos,
siendo estos datos cada vez más complejos y completos. Al estar todavía, en
una fase relativamente inicial, las relaciones, y por lo tanto, las conclusiones, que
podemos llegar a sacar, todavía son muy básicas. Otro aspecto a tener en
cuenta, será el papel de la sociedad en general en los procesos Big Data. Que
las empresas estén recogiendo tantos datos, hará que muchas personas sientan
que están siendo constantemente vigiladas o se sientan inseguras al no saber
que se está haciendo con sus datos. Por ello, será importante la transparencia
en el Big Data. Para permitir que las personas sean conscientes de qué datos
nos están dando y qué estamos haciendo con ellos, para que puedan tomar
mejor sus propias decisiones. Finalmente, veremos, cada vez más, cómo los
datos se ponen en el centro del diseño de todas las estrategias. De forma, que,
desde el punto de partida, los equipos ya deberán preguntarse: ¿Qué datos voy
a recoger y qué voy a hacer con ellos? Este cambio de mentalidad es quizás uno
de los factores que más nos permitirá avanzar. Piensa en alguien cercano a ti,
que todavía no esté familiarizado con el mundo del Big Data. ¿Crees que
puedes empezar una conversación con esa persona para normalizar cada vez
más este término? Si es así, deberías hacerlo.
TEST DEL CAPITULO 1

Pregunta 1 de 8

¿Cuáles son las tres V del Big Data?


velocidad, volumen y desviación

 volumen, variedad y velocidad

Correcto


volumen, valor y velocidad

volumen, venta y valor
Pregunta 2 de 8

Los datos estructurados son aquellos son aquellos que ya han sido clasificados
en base al estándar de la empresa.


FALSO

 VERDADERO

Correcto

Pregunta 3 de 8

Inteligencia artificial y Machine Learning son lo mismo.

 
VERDADERO

 FALSO

Correcto

Pregunta 4 de 8

El Big Data nos puede ayudar a entender el futuro _____.


analizando a los competidores

 analizando el pasado

Correcto


a través de información gubernamental

modificándolo
Pregunta 5 de 8

El Big data aplicado al marketing nos sirve porque ayuda a _____.


analizar el pasado

definir la campaña

decidir la inversión

 entender mejor al consumidor

Correcto

Pregunta 6 de 8

El Big Data nos puede ayudar a reducir costes optimizando procesos.


 FALSO

 VERDADERO

Correcto

Pregunta 7 de 8

Los datos nos permitirán ver en qué épocas del año o a partir de qué número
de proyectos es mejor contratar.


FALSO

 VERDADERO

Correcto

Pregunta 8 de 8

En el futuro, el Big Data _____.

 estará en el centro de todas las estrategias

Correcto


permitirá que no tengamos que salir de casa para ir a trabajar

se fusionará con el Machine Learning y la inteligencia artificial

será solo para las multinacionales