LUIS EDUARDO VILLAGRAN MONTELONGO IEVND903

Universidad Tecnológica de León

INGENIERIA EN ENTORNOS VIRTUALES Y NEGOCIOS DIGITALES

MATERIA:
ANALÍTICA DE DATOS PARA NEGOCIOS DIGITALES
ALUMNO:
LUIS EDUARDO VILLAGRÁN MONTELONGO
MATRÍCULA:
18002476
GRUPO:
IEVND903
CATEDRÁTICO:
JUAN ANTONIO LEÓN LÓPEZ
LEÓN, GTO. MÉXICO
LUIS EDUARDO VILLAGRAN MONTELONGO IEVND903

DATIFICACIÓN

La “datificación” es el proceso mediante el cual se plasma un fenómeno (incluso un

estado de ánimo) en un formato cuantificado para su tabulación y análisis. Es decir, todo
aquello que se no tiene un valor cuantitativo y que tenga desorden en su comprensión de
información puede ser analizado de manera que esta evoluciona o transforma a datos
útiles.
Algunas personas como Bernard Marr, que denomina este proceso como la forma útil de
obtener datos y procesarlos para su análisis y considera que hay muchas formas de
aprovecharlas.
La forma más clara de mencionar ejemplos es las redes sociales y como estas desde el
desorden de contenido entre videos, fotos y publicaciones los transforman para
clasificarlas cuantitativamente para un uso en particular que se les quiera dar.

DATOS EN ORGANIZACIONES Y EMPRESAS

Las empresas tienen en su poder muchas cosas entre ellas datos que pueden manipular
de maneras diferentes, datos en los que proceden dentro de la empresa, es decir un
conjunto de datos que la misma empresa genera en sus mismos empleados, lo que
consume, sus fallos y aciertos dentro de su negocio.
Por otro lado, existe información donde estos pueden venir de otras fuentes como
encuestas, análisis de mercado, tipo de consumo del público o más cosas que no tengan
que ver con la empresa y su negocio.
Pues, estas tienen nombres y pueden definirse como datos externos o internos.
Básicamente la forma en la que las empresas pueden referirse a los tipos de datos
estructurados, no estructurados o semiestructurados en conjunto.

DATOS INTERNOS

Los datos internos representan todo aquello a lo que la empresa tiene o podría tener
acceso en la actualidad, incluyendo los datos personales o privados que recoge la
empresa y pertenecen a ésta, cuyo acceso está controlado por los miembros de la propia
empresa. (Marr 2015: 55)
Algunos ejemplos citados por Marr son:
- Comentarios de los clientes.
- Datos de ventas.
- Datos de las encuestas a los empleados o los clientes.
LUIS EDUARDO VILLAGRAN MONTELONGO IEVND903

- Datos en video de circuitos cerrados de televisión.

- Datos transaccionales.
- Datos de registros de los clientes.
- Datos de control de existencias.
- Datos de RR. HH

DATOS EXTERNOS

En este punto, los datos pueden variar de muchísimas formas y venir de cualquier lugar
en las que la empresa puede reunir, los datos pueden tener carácter público o privado,
pero sin dudar alguna es información que debe ser útil para su recaudación, algún interés
en el que alguna organización quiera esos datos puede variar, desde mejorar un servicio,
crear un nuevo producto, hasta la creación de mercadotecnia o de procesos de ahorro
dentro de sus instalaciones. Todo puede ser útil dependiendo para lo que se desee.
Algunos ejemplos de datos externos citados por Marr (2015: 56) son:
- Datos meteorológicos.
- Datos oficiales como los censales.
- Datos de Twitter.
- Datos de perfiles en redes sociales.
- Google Trends o Google Maps.
- Datos de Facebook, Instagram, Pinterest, Amazon, Microsoft, otras
- aplicaciones de Google

ARQUITECTURA BIG DATA

Sabemos que el análisis de algo en general necesita de planteamiento y fases en las que
puedan obtener un desarrollo eficiente y eficaz sobre el objetivo que se desea. Bueno, en
esta ocasión no es diferente, la manera en la que se hace todo el proceso hasta la
conclusión de los análisis de datos ocupa una infraestructura en las que se pueden crear
miles para cualquier caso. En esa ocasión, se marcan 4 etapas que se deben al menos
considerar para el procesamiento de la Big Data:
- Recolección (ingesta) de datos.
- Almacenamiento.
- Análisis de datos.
- Visualización de datos (resultados)
Pero antes de poder procesar con las etapas es necesario la identificación de fuentes de
datos que son:
- Identificar las fuentes internas y externas.
LUIS EDUARDO VILLAGRAN MONTELONGO IEVND903

- Calcular la cantidad de datos detectada (a ingerir) de cada fuente de datos.

- Identificar los mecanismos de obtención de datos (push o pull).
- Determinar el tipo de fuente de datos (archivos, bases de datos, datos
- web…).
- Determinar el tipo de datos: estructurados, no estructurados o
- Semiestructurados

RECOLECCIÓN DE DATOS

Una etapa de interés sobre el proceso de la Data, los números del público son enormes,
dispersos y difíciles de analizar a primera vista, pero se puede recoger estas y realizar
diversas actividades en las que pueden trabajar junto a herramientas de estudio,
softwares y demás para su proceso rápido.
Existen dos métodos de recolección de datos que se utilizarán según los
casos:
- Por lotes (batch). Se conecta cada cierto tiempo a las fuentes de información
(sistemas de archivos o bases de datos).

- Tiempo real (streaming). Este tipo de recolección de información trata

directamente con la fuente de información de manera continua y en forma que la
información se obtiene en tiempo real, cada vez que se necesita.
Los sistemas de información actuales, y sobre todo, los específicos de tratamiento de Big
Data, pueden obtener la información de las dos formas anteriores.

ALMACENAMIENTO DE DATOS

Los sistemas de almacenamiento tradicionales que ya se conocían bien están quedando

desactualizadas a la hora de obtener datos, estos sistemas ya sabemos que se presentan
como datos relacionales por lo que su estructura es algo estricta a la hora de almacenar
información.
Esta y demás puntos es la razón por la que se necesitan nuevas formas de almacenar
datos en las que puedan manejar muchos tipos de documentos en las que no solo son
diferentes entre sí, sino que su tamaño aumenta cada vez más.
LUIS EDUARDO VILLAGRAN MONTELONGO IEVND903

Y no solo queda ahí, a pesar de los tipos de datos y sus volúmenes también tienen que
ser mas eficientes a la hora de obtenerlos, procesarlos y guardarlos. Ser más eficiente y
eficaz en estos campos se ha vuelto el centro de competitividad entre las empresas.
Los sistemas de almacenamiento de Big Data más utilizados son: Hadoop y Spark –
sistema por excelencia de archivos distribuidos -, bases de datos NoSQL (MongoDB,
Hbase, Cassandra…) y las bases de datos en memoria (SAP Hana)

PROCESAMIENTO Y ANÁLISIS DE DATOS.

Procesamiento o análisis de los datos puede ser la etapa más importante sobre lo que
se quiere lograr con los datos y su valor en cuanto a la información obtenida. Es una
etapa en la que debería ser capaz de procesar los datos tanto tradicionales o no
tradicionales, transformarlos a alguna forma que le convenga a la empresa.
El procesamiento en tiempo real implica la ejecución de las transformaciones de datos
cuando éstos se recogen; las tecnologías más utilizadas son Spark, además de los
competidores de Hadoop.
Puede convertirse en un paso lento y tedioso, pero al principio lo que su peligro puede
ser el tiempo en el que se le invierte, pero justamente por este ultimo es lo que hace valer
la pena, se puede transformar en un proceso muy eficiente a largo plazo para el
desarrollo de la empresa y que no se limita a que constantemente sea mejorado por el
tiempo que sea necesario.

VISUALIZACIÓN DE LOS DATOS

El resultado del análisis provoca el visualizar y concluir lo que se logró, sus puntos de
mejora no solo de los datos recopilados, sino del tema o el objetivo al que se quería
lograr.
Es una capa de muestra en la que el producto o servicio puede ser visto de manera
calificativa para su mejora o en cambio mantener ciertos puntos en las que la empresa
pueda considerar.
Las herramientas de visualización permiten a los usuarios finales hacer búsquedas y
acceder a la información rápidamente, en algunos casos en tiempo real, de modo que
los usuarios puedan tener el control de la información en el mismo momento en que se
produce.
Al final, el proceso que se tienen es simplemente ver los puntos a mejorar, los que se
tiene que mantener y otros que definitivamente tiene que eliminar. Las herramientas
pueden ser gráficos, mapas, cartogramas, tablas, infografías, nubes de palabras etc.
LUIS EDUARDO VILLAGRAN MONTELONGO IEVND903

CONCLUSION

Todo el proceso que se obtuvo de esta información es para aclarar que existen estas
etapas en las que nos podemos basar; su eficacia y eficiencia dentro del desarrollo de la
analítica de datos es sumamente importante y puede tener un impacto sobre la
competitividad que se tienen entre empresas, el marketing, las mejoras dentro y fuera
de la empresa y la reducción de costos siempre serán objetivos aun que algo generales
pero que siempre serán un punto a favor para ellos.
La forma de obtener estos datos es sencilla, la saturación de información es gratificante
a la hora de investigar, sin embargo, el procesar que información es útil es el verdadero
problema en la que la actualidad se vive en las empresas. Por lo que tener en cuenta
estos aspectos al reunir los datos es fundamental, independientemente de su volumen o
forma, será útil para el análisis del objetivo deseado.
Su almacenamiento tiene que ver con lo que se recolecto, pero no depende de la
estructura o forma que tienen, si bien, la forma tradicional es la que sigue dominando en
el mercado, esta claro que esto va a cambiar en unos años y que, a consecuencia, la
evolución de las tradicionales y no tradicionales provocara una fusión interesante en la
que fotos, videos, documentos, presentaciones etcétera, serán una forma de base de
datos en muchas empresas no necesariamente tecnológicas.
Para su análisis esta presente que lo que hoy en día vende no es el volumen de datos no
el tipo de estos sino todo depende que datos quieres proporcionar y a quien le servirán,
un ejemplo claro es comprar un producto que utilizaste, si bien es un producto reutilizable
y ya no lo ocupas más puedes vendérselo a alguien quien sí. Ese análisis no solo te puede
servir a ti sino a muchas empresas que necesitan esa información para su mejora
continua dentro y fuera de su empresa.