ESCENARIOS BIG DATA

La mayoría de las personas puede identificar escenarios de Big

Data relacionados con el mundo web e Internet, que incluyen, el
análisis de registros web y datos de flujos de clics, la
comprensión de los patrones de compra y las afinidades de los
productos que se pueden determinar a partir de
ellos. Igualmente, todos reconocemos escenarios Big Data en
los datos de las redes sociales; por ejemplo, los mensajes de
estado en redes sociales son un gran recurso para comprender
las preferencias y hábitos de los minoristas, y el tipo de normas
sociales que pueden ser muy instructivas para las compañías
que ofrecen productos en el mercado. No sería muy complejo
identificar que las torres de telefonía móvil producen todo tipo
de datos sobre las llamadas que conectan; ocurre lo mismo con
los dispositivos que pasan cerca de las torres, que registran el
tiempo y la intensidad de la señal, así como las plataformas, los
números de teléfono y los nombres de las marcas de esos
dispositivos. Hay otros escenarios Big Data, que quizás, cueste
más trabajo identificar, por ejemplo, los escenarios de la cadena
de suministro, que producen toneladas de datos resumidos en
las etiquetas de productos y la cantidad de scanners que las
leen en diferentes instalaciones de esta cadena de
suministro. La tecnología Big Data se puede usar para detectar y
prevenir actividades delictivas y fraudes. Otro escenario muy
importante es su empleo para diseñar y modificar las
estrategias de inversión que se basan en todos estos datos. En
cuanto al uso en temas de sanidad, la utilidad es
extraordinaria, ya sea, utilizando Big Data en el lado
operativo de la atención médica, ayudando a los hospitales a
funcionar de manera más eficiente para que comprendan la
mejor manera de distribuir servicios, atención, procedimientos y
camas disponibles; y también, Big Data se puede utilizar en el
laboratorio de investigación para ayudar a comprender la
información genómica para descubrir y curar enfermedades. En
procesos productivos, puede usarse Big Data para leer los
datos que provienen de sensores a lo largo de la cadena de
producción, para controlar el proceso o para construir modelos
predictivos que ayuden a las empresas a comprender el
resultado alcanzado. Además, el uso de tecnologías Big
Data puede posibilitar a las empresas de fabricación sustituir
equipos antiguos por equipos nuevos y evitar tiempos de
inactividad costosos debido a roturas inesperadas. Hay una
gran cantidad de escenarios en los que Big Data puede
influir en cómo funcionan los negocios y cómo funciona la
sociedad.

Antecedentes del big data

Para entender el Big Data, hay que entender de dónde
viene. Todo empieza con la analítica de datos aplicada a los
negocios, popularmente conocida como disciplina de Business
Intelligence o inteligencia de negocios. Este término se remonta
a 1958, cuando el investigador Hans Peter Luhn, de IBM,
empieza a hablar del valor de los datos y de la importancia de
estos para optimizar procesos organizativos. A pesar de que
nace en 1958, no será hasta 19 cuando realmente se empieza a
hablar de Business Intelligence tal y como se conoce el día de
hoy. Howard Dresner, uno de los gurús de este
sector, consolidó el término cuando empezó a referirse a
él como el conjunto de sistemas de software que apoyan a a la
toma de decisiones de negocio, basados en la recogida de
análisis de hechos o datos. Como vemos, Big Data no es algo
que sea realmente nuevo. Lo que cambió a finales de los años a
mantener y analizar el enorme recurso que, en materia de
datos, tenía a su disposición. La necesidad de las tecnologías
Big Data surge con la evolución y popularización del World
Wide Web. A medida que iba avanzando e incrementándose el
uso de Internet, y el almacenamiento de datos, en Data Centers,
en nube, las empresas tecnológicas comenzaron a enfrentarse a
todos estos retos y a la necesidad de emplear Big Data; ya que
las condiciones y características de los datos hacen imposible el
tratamiento de datos a través de sistemas transaccionales
convensionales.

Qué favorece al big data

Hasta hace muy poco, las tecnologías de análisis de datos y
mercados se centraban mucho más en dispositivos
caros, almacenamiento en red y otras tecnologías a las que las
organizaciones más pequeñas no tenían acceso. La tecnología
Big Data, en su mayor parte, es compatible con hardware
básico, servidores baratos y discos baratos. En la actualidad, las
unidades de disco se han vuelto mucho más densas y
baratas, lo que ha favorecido el abaratamiento de costes de
almacenamiento. No solo es más barato analizar los datos, sino
que también es más barato almacenarlos. Esta disminución del
coste tiene una gran importancia para procesos y proyectos de
Aprendizaje automático o Machine Learning y Aprendizaje
profundo o Deep Learning, ya que necesitan mayor capacidad
de computo. Estas contribuciones tecnológicas a menos coste
van a continuar impulsando nuevas tecnologías como
Blockchain. Podemos resumir, entonces, que hay dos factores
fundamentales que favorecen el Big Data, que son: Mayor
ancho de banda y abaratamiento de las mismas y Mayor
capacidad de almacenamiento a menos coste. Otro factor a
tener en cuenta es que la integración de la economía general de
muchas empresas basadas en la web ha creado grandes
productores y consumidores de datos. Las empresas basadas en
la web están produciendo todo tipo de datos y, además, son
más capaces de actuar y cambiar en función de lo que los datos
les dicen, porque gran parte de su infraestructura se basa, de
hecho, en software, en lugar de planta física e infraestructura
física. Tener Internet, y cada vez más conectividad a menos
coste, ha supuesto una revolución en los datos. El
almacenamiento en la nube es otro aspecto que favorece el
empleo de tecnologías Big Data. La existencia de un
almacenamiento en la nube no es algo tan reciente como
podemos pensar; antes se almacenaban los datos en Data
Centers, que estaban comunicados por líneas dedicadas. Los
Data Centers de hoy siguen almacenando los datos con una
conexión diferente, utilizando tecnologías altamente probadas
de interconexión. El aporte real del almacenamiento en la nube
es que todo el mundo puede acceder desde cualquier
sitio, porque es Internet, y es totalmente universal, pero sigue
siendo, desde el punto de vista conceptual, lo mismo: un Data
Center. El almacenamiento de datos en la nube tiene mucho
que ver con Big Data. La transformación ocurre en tiempo
real, la capacidad de respuesta es inmediata, las
comunicaciones facilitan que cada vez se pueda disponer de
más datos. Por ejemplo, Alexa es un servicio de voz alojado en
la nube que responde de forma inmediata a preguntas con alta
precisión, tratando datos muy voluminosos, estructurados o
no, empleando para ellos tecnologías de inteligencia artificial y
aprendizaje de máquinas sobre tratamiento de Big
Data. Muchas de estas tecnologías Big Data utilizan software de
código abierto, lo que es muy favorecedor, ya que además de
ser más barato, tiende a crear comunidades. En el caso de Big
Data, se han creado comunidades que son muy entusiastas, y
eso también impulsa el desarrollo.

Datos grandes vs. datos pequeños

Durante la gestión empresarial y de negocio, vivimos entre
procesos que son de Bid data y los que no lo son. A
continuación, veremos cómo se pueden diferenciar en casos de
Definición de objetivos, Ubicación, Preparación de
datos, Estructura de datos y Contenidos, Longevidad y
Análisis. Definición de objetivos. Mientras los datos no Big data,
generalmente se recopilan para un objetivo específico y
concreto, Big data puede tener un objetivo en mente cuando
comienza el proyecto, luego las cosas pueden evolucionar o
tomar direcciones inesperadas, por lo que va a depender
incluso de lo que vayamos descubriendo por el
camino. Ubicación. Los datos no Big data suelen estar en un
solo lugar, y casi siempre en un solo archivo de
computadora. Big data puede estar en múltiples archivos, en
múltiples servidores, en computadoras, en diferentes
ubicaciones geográficas. Preparación de datos. El usuario final
suele preparar los datos no Big data para sus propios fines, pero
con Big data los datos los prepara un grupo de personas, los
analiza un segundo grupo de personas y luego los utiliza un
tercer grupo de personas, y estas personas tienen diferentes
propósitos y pueden tener diferentes disciplinas. Estructura de
datos y el contenido. Los datos no Big data, generalmente,
están altamente estructurados, como una hoja de cálculo de
Excel, con tablas de filas y columnas. Big data puede ser
desestructurado, puede tener muchos formatos en archivos
involucrados en distintas disciplinas y puede vincularse a otros
recursos. Longevidad. Los datos no Big data, generalmente, se
guardan durante un período específico de tiempo después de
que finaliza el proyecto, porque hay un punto final claro. Con
Big data los datos pueden pasarse de un proyecto a
otro, reutilizarse para aprovechar el coste de obtención y
tratamiento. Pueden complementarse entre proyectos como
datos contextuales de cosas que ocurrieron en otros
tiempos, agregarse o vincularse con archivos diferentes. Por lo
tanto, tiene una vida útil mucho más larga e incierta en
comparación con un pequeño conjunto de datos. Análisis. Con
datos no Big data, generalmente, es posible analizar todos los
datos a la vez en un solo procedimiento desde un único archivo
de computadora. Sin embargo, con Big data, debido a su
tamaño y distribución, en archivos y servidores diferentes es
posible que tenga que pasar por la extracción, revisión,
reducción, normalización, transformación y otros pasos para
descartar la totalidad y tratar con una parte de los datos.