Arquitectura del Big

Data y la Analítica
Especialización en Inteligencia de Negocios
Facultad de Ingeniería y Ciencias Ambientales
Fundación Universitaria Católica del Norte

www.ucn.edu.co
 Módulo 1:

comprende la manera en que el

Big Data y la Analítica extienden
la arquitectura de información
tradicional y diferencia las
capacidades que soporta el Big Criterios de desempeño
Data y la Analítica.
» Caracteriza los componentes de la arquitectura Big Data
y Analítica.

» Entiende las capacidades que cubren los componentes

de la arquitectura Big Data y Analítica

» Reconoce la manera como los componentes del Big Data

y la Analítica extiende la Arquitectura de Información
tradicional

» Diferencia los componentes del Big Data y la Analítica de

los de la Inteligencia de Negocios
Tema 1: ¿Qué es Big Data?
Big Data es un campo orientado al análisis, procesamiento
y almacenamiento de grandes colecciones de datos que,
con frecuencia, provienen de distintas fuentes, las cuales
requieren las organizaciones para ayudar en la toma de
decisiones gerenciales. Por lo anterior, se hace de suma
importancia conocer los siguientes elementos básicos:
1.1 ¿Qué es Big Data?
La tendencia en el avance de la tecnología ha abierto las
puertas hacia un nuevo enfoque de entendimiento y toma
de decisiones, la cual es utilizada para describir enormes
cantidades de datos (estructurados, no estructurados y
semi estructurados) que tomaría demasiado tiempo y sería
muy costoso cargarlos a un base de datos relacional para
su análisis. De tal manera que, el concepto de Big Data
aplica para toda aquella información que no puede ser
procesada o analizada utilizando procesos o herramientas
tradicionales. Sin embargo, Big Data no se refiere a alguna
cantidad en específico.
A manera de referencia, analicemos primeramente en
términos de bytes:
1 Gigabyte = 1,000,000,000 bytes
1 Terabyte = 1,000,000,000,000 bytes
1 Petabyte = 1,000,000,000,000,000 bytes
1 Exabyte = 1,000,000,000,000,000,000 bytes
Además del gran volumen de información, esta existe en
una gran variedad de datos que pueden ser representados
de diversas maneras en todo el mundo, por ejemplo de
dispositivos móviles, audio, video, sistemas GPS,
incontables sensores digitales en equipos industriales,
automóviles, medidores eléctricos, veletas, anemómetros,
etc., los cuales pueden medir y comunicar el
posicionamiento, movimiento, vibración, temperatura,
humedad y hasta los cambios químicos que sufre el aire,
de tal forma que las aplicaciones que analizan estos datos
requieren que la velocidad de respuesta sea lo demasiado
rápida para lograr obtener la información correcta en el
momento preciso. Estas son las características principales
de una oportunidad para Big Data.
Se debe proseguir con las siguientes lecturas las cuales
profundizaran los conceptos básicos de que es Big Data y
como ha sido su evolución en el paso del tiempo:
¿Qué es realmente big data? (Capitulo IV, páginas 55 a la
61)
https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=56&docID=5214309&tm=1521422859211
López, Murphy, Juan José, and Gonzalo Zarza. La ingeniería
del big data: cómo trabajar con datos, Editorial UOC, 2017.
ProQuest Ebook Central
Evolución del big data (Capitulo 4.3, páginas 63 a la 71)
https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=64&docID=5214309&tm=1521423445786
López, Murphy, Juan José, and Gonzalo Zarza. La ingeniería
del big data: cómo trabajar con datos, Editorial UOC, 2017.
ProQuest Ebook Central
1.2 Características de Big Data
IBM DeveloperWorkhttps: www.ibm.com/developerworks/ssa/local/im/que-es-big-data/
Kyocera, https://smarterworkspaces.kyocera.es/blog/diferencia-datos-estructurados-no-estructurados/
1.2.2 Datos No Estructurados: Los datos no estructurados,
generalmente son datos binarios que no tienen estructura
interna identificable. Es un conglomerado masivo y
desorganizado de varios objetos que no tienen valor hasta
que se identifican y almacenan de manera organizada.
Una vez que se organizan, los elementos que conforman su
contenido pueden ser buscados y categorizados (al menos
hasta cierto punto) para obtener información. El 80 % de la
información relevante para un negocio se origina en forma
no estructurada, principalmente en formato texto. Por
ejemplo, aunque la mayoría de herramientas de minería de
datos no son capaces de analizar la información contenida
en los mensajes de correo electrónico (por muy
organizados que estén), es posible que recopilar y
clasificar los datos contenidos en ellos nos pueda mostrar
información relevante para nuestra organización. Se trata
de un ejemplo que ilustra la importancia y la envergadura
que pueden llegar a tener los datos no estructurados.
1.2.3 Datos Semiestructurados: Los datos semiestructurados
tienen un nivel definido de estructura y consistencia, pero
no son relacionales. En su mayoría se encuentran en
formatos textuales, como archivos XML o JSON y
generalmente, su procesamiento es más sencillo que el de
los datos sin estructurar.
Se debe proseguir con la siguiente lectura, la cual amplia y
explica de una forma más concreta los diferentes tipos de
datos usados en los entornos de Big Data:
Análisis de grandes volúmenes de datos en organizaciones
(Capitulo 1 Tipo de Datos)
https://books.google.es/books?id=1GywDAAAQBAJ&lpg=PT6
&ots=_WP5Q-_gYP&dq=%22caracter%C3%ADsticas%20de%2
0big%20data%22&lr&hl=es&pg=PT21#v=onepage&q=%22car
acter%C3%ADsticas%20de%20big%20data%22&f=false
Luis Joyanes Aguilar, Alfaomega Grupo Editor, 13/04/2016
Imagen tomada de Microsoft,
https://news.microsoft.com/es-xl/features/los-datos-producen-conocimiento-util-para-las-empresas/
1.3 Cuando usar Big Data
La tecnología de Big Data está siendo ampliamente usado
por las empresas de todo el mundo ya que es incalculable
la cantidad de datos que pueden tener a disposición y
sobre las cuales pueden tomar decisiones estratégicas que
les permita mejorar la estrategia del negocio.
Entre otras razones, cuando las empresas están abordando
un proyecto de Biga Data, suelen tener en cuenta los
siguientes criterios:
» Intentan llevar a cabo mejores análisis
» Se dan cuenta de que pueden envolver sus productos
con una capa de servicios
» Quieren realizar sus actividades mejor, más rápido y con
menos gastos
» Se dan cuenta de que el Big Data es fundamental para
todas las unidades de negocio
» Saben que deben aprender a manejar el Big Data antes
de que sea demasiado tarde.

Se debe proseguir con la siguiente lectura la cual enmarca
unas condiciones y unos criterios básicos para tener en
cuenta en el momento de abordar un proyecto de Big Data:
El Gran Cuaderno del Big Data. Una guía práctica para
emprender su primer proyecto de Big Data. (Páginas 5 a la
10)
Descargar el libro gratuitamente de:
https://www.informatica.com/co/lp/the-big-big-data-workb
ook_2730.html
Imagen tomada de Microsoft,
https://news.microsoft.com/es-xl/features/los-datos-producen-conocimiento-util-para-las-empresas/
Material de estudio
En las siguientes Bibliografías, se podrá profundizar todos
los aspectos relacionados con que es Big Data, sus
conceptos básicos, la evolución que ha tenido y el futuro
que le espera, sus principales características y los tipos de
datos requeridos en sus soluciones.
Igualmente, se presenta una guía para ayudar a emprender
el primer proyecto de Big Data y un video del cómo sacar el
mejor partido a la información.
Universidad de Alicante,
https://www.doeua.es/el-big-data-es-fundamental-para-p
oder-sobrevivir-en-el-mundo-de-la-empresa-miguel-bullo
n-master-en-direccion-y-gestion-de-empresas-universidad
-de-alicante/
¿Qué es realmente big data?
López, Murphy, Juan José, and Gonzalo Zarza. La ingeniería
del big data: cómo trabajar con datos, Editorial UOC, 2017.
ProQuest Ebook Central
https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=56&docID=5214309&tm=1521422859211
Capitulo IV, página 55
Evolución del big data
López, Murphy, Juan José, and Gonzalo Zarza. La ingeniería
del big data: cómo trabajar con datos, Editorial UOC, 2017.
ProQuest Ebook Central
https://ebookcentral.proquest.com/lib/univucnsp/reader.ac
tion?ppg=64&docID=5214309&tm=1521423445786
Tipo de Datos (Capitulo 1)
Big Data: Análisis de grandes volúmenes de datos en
organizaciones
Luis Joyanes Aguilar; Alfaomega Grupo Editor, 13/04/2016
https://books.google.es/books?id=1GywDAAAQBAJ&lpg=PT6
&ots=_WP5Q-_gYP&dq=%22caracter%C3%ADsticas%20de%2
0big%20data%22&lr&hl=es&pg=PT21#v=onepage&q=%22car
acter%C3%ADsticas%20de%20big%20data%22&f=false
Introducción: Big Data Pasado, presente y futuro (Pag. 48 a la
51)
Mario Tascón, Fundación Telefónica
https://telos.fundaciontelefonica.com/docs/2013/11/11/1140
0001_4_4_0.pdf#page=48
El Gran Cuaderno del Big Data
Una guía práctica para emprender su primer proyecto de Big
Data.
https://www.informatica.com/co/lp/the-big-big-data-workb
ook_2730.html
Big Data o cómo sacar el mejor partido a la información IBM
https://www.youtube.com/watch?v=KG0FriQHk2Q

Características de Big Data (Capitulo 2)

Big Data: Análisis de grandes volúmenes de datos en

organizaciones; Luis Joyanes Aguilar
Alfaomega Grupo Editor, 13/04/2016

https://books.google.es/books?id=1GywDAAAQBAJ&lpg=PT6
&ots=_WP5Q-_gYP&dq=%22caracter%C3%ADsticas%20de%2
0big%20data%22&lr&hl=es&pg=PT45#v=onepage&q=%22car
acter%C3%ADsticas%20de%20big%20data%22&f=false
Tema 2: Arquitectura de Big Data

Teniendo en cuenta las características de los datos en los

entornos Big Data, la arquitectura de Big Data debe poder
considerar e integrar todas las nuevas tecnologías y
herramientas tecnológicas que se presentan para
almacenar, procesar y analizar la información, por tal
motivo se hace indispensable abordar los conceptos de las
5V:

2.1 Volumen de Datos:

Los datos cada vez se generan de una forma más amplia

debido a la cantidad de dispositivos que generan
información. No solo las organizaciones están cada vez
más produciendo datos útiles, sino que los seres humanos
contamos con los medios y las tecnologías necesarias para
ayudar a este crecimiento imparable y exponencial de
información. Hoy en día, contamos por ejemplo con las
redes sociales, las cuales permiten no solo crear
información en formato de texto, sino que además permite
una amplia variedad de tipos de archivos como mensajes
de voz, fotografías y videos; por si fuera poco, el IoT
(Internet de las cosas) ha permitido que no solo por medio
de un computador podamos generan información; los
teléfonos inteligentes, los televisores, relojes y hasta los
electrodomésticos están conectados a internet generando
información.
Por lo anterior, una solución de Big Data debe ser capaz de
almacenar y tener a disposición toda esta cantidad de
información.
Imagen tomada de IBM,
www.ibmbigdatahub.com/blog/how-does-big-data-make-w
orld-go-round
2.2 Velocidad de Datos
Los datos en Big Data son recibidos a una gran velocidad,
ya que al generarse de tan variadas fuentes y de forma tan
masiva, se requiere que la estructura del entorno de Big
Data sea capaz de acumular toda esta información en
periodos de tiempo cortos. Desde el punto de vista
empresarial, la velocidad de los datos se traduce en la
cantidad de tiempo necesaria para que los datos sean
procesados una vez que llegan a la empresa. En la
actualidad, son generados cada minuto: 452.000 tuits, 4.1
millones de video en YouTube, 156 millones de correos
electrónicos son enviados.

2.3 Variedad de Datos
La variedad de los datos se refiere a los múltiples formatos y
tipos de datos que deben ser compatibles con las soluciones
de Big Data, como datos estructurados, semiestructurados y
sin estructurar. La variedad de datos presenta desafíos para
las empresas en términos de integración, transformación,
procesamiento y almacenamiento de los datos. Una solución
de Big Data debe ser capaz de tomar almacenar y procesar
cualquier tipo de información sin importar el formato de
origen de la misma
2.4 Veracidad de Datos
La veracidad de los datos hace referencia a calidad de los
datos que son ingresados a la solución de Big Data. En
otras palabras, de nada sirve tener un gran volumen de
información, con datos variados y procesados a gran
velocidad, si estos no tienen ningún valor, bien sea por que
son falsos o porque tienen demasiado ruido. En Big Data,
se debe procurar por adquirir información de forma
controlada de modo se pueda garantizar la veracidad de la
misma
2.5 Valor de los Datos
En concordancia con la veracidad de los datos, el Valor
hace referencia a la utilidad que los datos tienen para una
empresa en la medida en que, entre más alta sea la
fidelidad de los datos, mayor será el valor de la misma. El
valor también depende de qué tanto tiempo consuma el
procesamiento de los datos, ya que el valor y el tiempo de
procesamiento son inversamente proporcionales.
Se debe proseguir con las siguientes lecturas, las cuales
profundizan los conceptos de las cinco V de Big de Data
(volumen, velocidad, variedad, veracidad y valor),
igualmente presenta ejemplos de las mismas:
La ingeniería del Big Data: cómo trabajar con datos (4.2
Atributos del big data, Paginas 61 a la 63)
https://ebookcentral.proquest.com/lib/univucnsp/reader
.action?ppg=61&docID=5214309&tm=1521423240392
López, Murphy, Juan José, and Gonzalo Zarza., Editorial
UOC, 2017.
Arquitectura referencial de Big Data para la gestión de
las telecomunicaciones (Las V de Big Data)
https://scielo.conicyt.cl/scielo.php?pid=S0718-3305201700
0400566&script=sci_arttext
Lieter Plasencia Moreno, Caridad Anías Calderón; Revista
chilena de ingeniería
Material de estudio
En las siguientes Bibliografías, se podrá profundizar
todos los aspectos relacionados con la arquitectura de
Big Data y sus diferentes atributos.
Igualmente, se presenta la ampliación de los conceptos
de las cinco V de Big Data (volumen, velocidad, variedad,
veracidad y valor). Así mismo, se presenta una evolución
de la misma con el nuevo concepto de las siete V.
Arquitectura referencial de Big Data para la gestión de las
telecomunicaciones (Las V de Big Data)
Lieter Plasencia Moreno, Caridad Anías Calderón
Revista chilena de ingeniería
https://scielo.conicyt.cl/scielo.php?pid=S0718-33052017000
400566&script=sci_arttext
Atributos del big data
López, Murphy, Juan José, and Gonzalo Zarza. La ingeniería
del big data: cómo trabajar con datos, Editorial UOC, 2017.
https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=61&docID=5214309&tm=1521423240392
Arquitectura de Big Data
Big Data: Análisis de grandes volúmenes de datos en
organizaciones
Luis Joyanes Aguilar
Alfaomega Grupo Editor, 13/04/2016
https://books.google.es/books?id=1GywDAAAQBAJ&lpg=PT6
&ots=_WP5Q-1dYP&dq=%22arquitectura%20de%20Big%20D
ata%22&lr&hl=es&pg=PT15#v=onepage&q=%22arquitectura
%20de%20Big%20Data%22&f=false
Big Data (Arquitectura)
Synapsis
https://www.youtube.com/watch?v=mqMFMgVnRO8&t=117s
 Big Data: Volumen, Variabilidad y Velocidad
Microsoft Latinoamérica
https://www.youtube.com/watch?v=xRWnhHFCQxg 3.2 Protección de los Datos

Las 7 V del Big Data Cuidar la información, y más aquella con la que se trabaja
Instituto de Ingeniería del Conocimiento en los proyectos con gran cantidad de datos, pasa por
https://www.youtube.com/watch?v=S81frJYbjcE implementar estrategias para proteger la confidencialidad,
integridad y disponibilidad de dicha información. Es
indudable que las empresas necesitan regulaciones claras
Tema 3: Seguridad de Big Data orientadas a proteger la información, no solo para ellos
mismo, sino de cara al usuario dueño y generador de la
misma. En Colombia, el estado ha promulgado la Ley 1581
de 2012, donde estableció los fundamentos para el
Big Data, por su estructura y por su capacidad de extraer y
tratamiento de datos personales, puntualmente, el articulo
almacenar grandes cantidad de información (Volumen)
cuarto de dicha ley en su G habla de los principios de
plantea un reto muy importante y es el de cómo proteger
seguridad y como “se deberá manejar con las medidas
la información almacenada, por tal motivo es de relevancia
técnicas, humanas y administrativas que sean necesarias
analizar los conceptos de:
para otorgar seguridad a los registros evitando su
adulteración, pérdida, consulta, uso o acceso no autorizado
3.1 Seguridad de Big Data
o fraudulento”
Como es sabido, una solución Big Data debe tener la
3.3 Privacidad de los Datos
capacidad de almacenar una gran cantidad de información
y procesarla en forma muy rápida; pero igualmente, se
Las empresas utilizan el Big Data para estudiar el perfil y
debe tener claridad en que toda esa información debe ser
las necesidades de sus clientes respecto a los productos
protegida de modo que no sea usada para fines diferentes
y/o servicios que ellas ofrecen, extrayendo información
a las cuales fue adquirida. Asegurar la máxima protección
sobre las personas de modo que llega a determinar
de los datos es un elemento básico en cualquier proyecto
conductas o hábitos, o incluso a predecir situaciones
Big Data, pues cualquier tipo infiltración se puede traducir
económicas, de salud, de alimentación, etc. El tratamiento
no solo en perdida de información confidencial; sino
de esta información debe ser seria, segura y responsable,
además, en una pérdida de credibilidad para la empresa
ya que el uso inadecuado de esta información puede
que ha sufrido el ataque. Las empresas deben invertir en
producir que dichos datos terminen siendo utilizados por
seguridad de datos en función de lo valiosos, sensibles o
terceros violando la intimidad de las personas.
críticos que sean los datos: valiosos porque constituyan un
importante activo de la empresa, sensibles según el acceso
que a ellos se tenga; y críticos porque resulten
indispensables para la operativa de la empresa.

Se debe proseguir con las siguientes lecturas y el siguiente
video en las cuales se profundiza los conceptos seguridad
informática y la seguridad en los entornos de Big Data.
Igualmente, se presentan los conceptos de privacidad y
protección de datos:
Análisis y propuesta de arquitectura para garantizar
seguridad en entornos Big Data (Capitulo 2.2 Seguridad
Informática y Capitulo 3.1 Análisis de tecnología de
seguridad para entornos Big Data, páginas 26 a la 56)
https://repositorio.uam.es/bitstream/handle/10486/681157
/Santander_Adrado_Ivan_tfm.pdf?sequence=1&isAllowed=y
Universidad Autónoma de Madrid. UNAM, México 2014
Big data, privacidad y protección de datos (2.5 Fases en las
que se desarrolla el Big Data, páginas 55 a la 59)
https://www.agpd.es/portalwebAGPD/canaldocumentacion
/publicaciones/common/premios_2015/Big_Data_Privacida
d_y_proteccion_de_datos.pdf
Gil, Elena. Accesit 2015
Vivir en un mar de datos: Big Data, privacidad y seguridad
https://www.youtube.com/watch?v=zQqc05EqrjM
Fundación Telefónica Madrid
Material de estudio
En las siguientes Bibliografías, se podrá profundizar todos
los aspectos relacionados con la seguridad de la
información y la seguridad en los entornos de Big Data.
Así mismo, se presenta una documentación referente a la
privacidad y la protección de los datos y un video referente
a Big Data, privacidad y seguridad.
El reto de la seguridad en Big Data
Congreso Seguridad en Computo. UNAM, México 2014
https://congreso.seguridad.unam.mx/2014/sites/default/fil
es/08-espinosa-el_reto_de_seguridad_en_big_data-csc201
4.pdf
Análisis y propuesta de arquitectura para garantizar
seguridad en entornos Big Data
Universidad Autónoma de Madrid. UNAM, México 2014
https://repositorio.uam.es/bitstream/handle/10486/681157
/Santander_Adrado_Ivan_tfm.pdf?sequence=1&isAllowed=y
Big data, privacidad y protección de datos
Gil, Elena. Accesit 2015
https://www.agpd.es/portalwebAGPD/canaldocumentacion
/publicaciones/common/premios_2015/Big_Data_Privacida
d_y_proteccion_de_datos.pdf
Vivir en un mar de datos: Big Data, privacidad y seguridad
Fundación Telefónica Madrid
https://www.youtube.com/watch?v=zQqc05EqrjM
Tema 4: Big Data, Analítica e
Inteligencia de Negocios
Big Data, analítica e inteligencia de negocios, comparten
muchas similitudes, pero igualmente contienen aspectos
que los diferencian; por ende, es muy importante entender
estos términos y la relación que guardan entre ellos. Por lo
anterior, se abordan los siguientes conceptos
4.1 Inteligencia de Negocios (Business Intelligence)
El Data Warehouse Institute, define la Inteligencia de
Negocios como la combinación de tecnología, herramientas
y procesos que permiten transformar los datos
almacenados en información, esta información en
conocimiento y este conocimiento dirigido a un plan o una
estrategia de negocio. La inteligencia de negocios debe ser
parte de la estrategia empresarial, esta le permite
optimizar la utilización de recursos, monitorear el
cumplimiento de los objetivos de la empresa y la
capacidad de tomar buenas decisiones para así obtener
mejores resultados.
La Inteligencia de Negocios (Business Intelligence) es el
conjunto de metodologías, aplicaciones, prácticas y
capacidades enfocadas a la creación y administración de
información que permite tomar mejores decisiones a los
usuarios de una organización. (Caralt, 2010) Según Luis
Méndez Del Río, la Inteligencia de Negocios (Business
Intelligence) es un conjunto de herramientas y aplicaciones
para la ayuda a la toma de decisiones que posibilitan
acceso interactivo, análisis y manipulación de información
corporativa de misión crítica. Estas aplicaciones
contribuyen a un conocimiento valioso sobre la
información operativa identificando problemas y
oportunidades de negocio. Con estas, los usuarios son
capaces de tener acceso a grandes volúmenes de
información para establecer y analizar relaciones y
comprender tendencias que posteriormente soportarán
decisiones de negocios.
En términos genéricos, la Inteligencia de negocios nos
ofrece diversos beneficios entre los cuales están:
» Ayuda a incrementar la eficiencia
» Obtener respuestas rápidas a las preguntas que surgen
del negocio
» Analiza el comportamiento del consumidor
» Permite tener mejor control sobre las áreas funcionales
de la empresa

Arquitectura de Inteligencia de Negocios
Se debe proseguir con la siguiente lectura, la cual amplía
los conceptos relacionados a la inteligencia de negocios:
Inteligencia de Negocios (Capitulo 5, páginas 105 a la 116)
https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=120&docID=3227679&tm=1521476798411
Business Intelligence (BI)/Inteligencia de negocios
Rodríguez, Parrilla, José Miguel. Cómo hacer inteligente su
negocio: business intelligence a su alcance, Grupo Editorial
Patria, 2014. ProQuest Ebook Central
4.2 Relación de Big Data con la Inteligencia de Negocios
La Inteligencia de negocios y Big Data tienen muchas cosas
en común, de hecho, se puede pensar que Big Data es la
siguiente evolución en la historia de la arquitectura de la
inteligencia de negocios.
Big Data está basada en la Inteligencia de negocios
tradicional, en la medida en que debe obtener datos de
alguna fuente confiable (al interior de la empresa por
ejemplo), limpiarlos y consolidarlos en la bodega de datos
digital que soporte un gran Volumen (en Inteligencia de
Negocios sería un Data Warehouse) para ayudar a tomar
decisiones estratégicas del negocio.
La principal diferencia radica en que los análisis de la
Inteligencia de Negocios generalmente se enfocan en
procesos individuales de la empresa, mientras los análisis
de Big Data se enfocan simultáneamente en múltiples
procesos de negocio, esto permite hallar patrones y
correlaciones dentro y fuera de toda la empresa, lo que
permite tomar decisiones basado en información más
amplia.
Otra diferencia marcada entre Big Data y la Inteligencia de
Negocios, es que esta última requiere de datos
estructurados para llevar a cabo el análisis de la
información; en cambio, una solución de Big Data debe ser
capaz de almacenar y procesar datos estructurados,
semiestructurados y sin estructurar en su bodega de datos
digital.
Igualmente, Big Data y la Inteligencia de negocios pueden
compartir su arquitectura, de modo tal que cuando un Data
Warehouse tradicional de la arquitectura de Inteligencia de
Negocios se acopla con las nuevas tecnologías de Big Data,
el resultado es una bodega de datos digital híbrida que
actúa como un depósito uniforme y central de datos
estructurados, semiestructurados y sin estructurar, que
puede suministrarles todos los datos necesarios a las
herramientas de Inteligencia de negocios y a Big Data.
Se debe proseguir con la siguiente lectura en la se
profundiza la relación entre la Analítica de Negocios y el
Big Data:
Analítica de inteligencia de negocios de big data
https://www.ibm.com/developerworks/ssa/library/ba-big-
data-bi/index.html
IBM - developerWorks®
4.3 Analítica
La Analítica en Big Data es el proceso de examinar grandes
cantidades de datos estructurados, no estructurados y
semiestructurados, para descubrir patrones ocultos,
correlaciones desconocidas y otra información útil. Dicha
información ayuda a la estrategia de la compañía para
tomar mejores decisiones y proporcionar ventajas
competitivas a través del conocimiento de sus clientes.
El objetivo principal de la Analítica de Big Data es ayudar a
las empresas a tomar mejores decisiones de negocios, al
permitir que los ingenieros de datos (o científicos de
datos) analicen grandes volúmenes de datos
transaccionales en tiempos muy rápidos, de modo que
generen información útil para que la alta gerencia pueda
tomar decisiones más acertadamente.
Hoy en día se pueden evidenciar 4 tipos de Analítica (los
cuales serán profundizados más adelante)
» Analítica descriptiva
» Analítica diagnóstica
» Analítica predictiva
» Analítica prescriptiva
Dentro de las principales ventajas que ofrece la analítica
de Big Data se encuentran:
» Optimizar las operaciones del negocio
» Dar respuestas rápidas
» Mejorar la calidad de los servicios
» Estrategias de marketing relevantes y personalizadas
» Entrega de nuevos servicios que antes eran imposibles
Se debe proseguir con el siguiente video en el cual se
marca la diferencia entre business intelligence y business
analytics:
¿Cuál es la diferencia entre business intelligence y
business analytics?
https://www.youtube.com/watch?v=shXqcaKMkSI
SAS Colombia
Material de estudio
En las siguientes Bibliografías, se podrá profundizar todos
los aspectos relacionados con la inteligencia de negocios,
la analítica y su relación con los entornos de Big Data.
Inteligencia de Negocios (Capitulo 5)
Business Intelligence (BI)/Inteligencia de negocios
Rodríguez, Parrilla, José Miguel. Cómo hacer inteligente su
negocio: business intelligence a su alcance, Grupo Editorial
Patria, 2014. ProQuest Ebook Central
https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=120&docID=3227679&tm=1521476798411
Big Data y Business Intelligence
Universidad Politécnica de Madrid
https://www.youtube.com/watch?v=YdqpwpVNXTo
Analítica de inteligencia de negocios de big data
IBM - developerWorks®
https://www.ibm.com/developerworks/ssa/library/ba-big-
data-bi/index.html
Analítica y Big Data: un par indisoluble
FORBES - Mexico
https://www.forbes.com.mx/analitica-y-big-data-un-par-in
disoluble/
¿Cuál es la diferencia entre business intelligence y
business analytics?
SAS Colombia
https://www.youtube.com/watch?v=shXqcaKMkSI
bibliografía
En esta sección se recopilan todas las Bibliografías
requeridas para el desarrollo de la unidad:
¿Qué es realmente big data?
López, Murphy, Juan José, and Gonzalo Zarza. La ingeniería
del big data: cómo trabajar con datos, Editorial UOC, 2017.
ProQuest Ebook Central
https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=56&docID=5214309&tm=1521422859211
Capitulo IV, página 55
Evolución del big data
López, Murphy, Juan José, and Gonzalo Zarza. La ingeniería
del big data: cómo trabajar con datos, Editorial UOC, 2017.
ProQuest Ebook Central
https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=64&docID=5214309&tm=1521423445786
Tipo de Datos (Capitulo 1)
Big Data: Análisis de grandes volúmenes de datos en
organizaciones
Luis Joyanes Aguilar; Alfaomega Grupo Editor, 13/04/2016
https://books.google.es/books?id=1GywDAAAQBAJ&lpg=PT6
&ots=_WP5Q-_gYP&dq=%22caracter%C3%ADsticas%20de%2
0big%20data%22&lr&hl=es&pg=PT21#v=onepage&q=%22car
acter%C3%ADsticas%20de%20big%20data%22&f=false
Características de Big Data (Capitulo 2)
Big Data: Análisis de grandes volúmenes de datos en
organizaciones; Luis Joyanes Aguilar
Alfaomega Grupo Editor, 13/04/2016
https://books.google.es/books?id=1GywDAAAQBAJ&lpg=PT6
&ots=_WP5Q-_gYP&dq=%22caracter%C3%ADsticas%20de%2
0big%20data%22&lr&hl=es&pg=PT45#v=onepage&q=%22ca
racter%C3%ADsticas%20de%20big%20data%22&f=false
Introducción: Big Data Pasado, presente y futuro
Mario Tascón, Fundación Telefónica
https://telos.fundaciontelefonica.com/docs/2013/11/11/114
00001_4_4_0.pdf#page=48
El Gran Cuaderno del Big Data
Una guía práctica para emprender su primer proyecto de
Big Data.
https://www.informatica.com/co/lp/the-big-big-data-work
book_2730.html
Big Data o cómo sacar el mejor partido a la información
IBM
https://www.youtube.com/watch?v=KG0FriQHk2Q
Arquitectura referencial de Big Data para la gestión de las
telecomunicaciones (Las V de Big Data)
Lieter Plasencia Moreno, Caridad Anías Calderón
Revista chilena de ingeniería
https://scielo.conicyt.cl/scielo.php?pid=S0718-33052017000
400566&script=sci_arttext
Atributos del big data
López, Murphy, Juan José, and Gonzalo Zarza. La ingeniería
del big data: cómo trabajar con datos, Editorial UOC, 2017.
https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=61&docID=5214309&tm=1521423240392
Arquitectura de Big Data
Big Data: Análisis de grandes volúmenes de datos en
organizaciones
Luis Joyanes Aguilar
Alfaomega Grupo Editor, 13/04/2016
https://books.google.es/books?id=1GywDAAAQBAJ&lpg=PT6
&ots=_WP5Q-1dYP&dq=%22arquitectura%20de%20Big%20D
ata%22&lr&hl=es&pg=PT15#v=onepage&q=%22arquitectura
%20de%20Big%20Data%22&f=false
Big Data (Arquitectura)
Synapsis
https://www.youtube.com/watch?v=mqMFMgVnRO8&t=117s
Big Data: Volumen, Variabilidad y Velocidad
Microsoft Latinoamérica
https://www.youtube.com/watch?v=xRWnhHFCQxg
Las 7 V del Big Data
Instituto de Ingeniería del Conocimiento
https://www.youtube.com/watch?v=S81frJYbjcE
El reto de la seguridad en Big Data
Congreso Seguridad en Computo. UNAM, México 2014
https://congreso.seguridad.unam.mx/2014/sites/default/fil
es/08-espinosa-el_reto_de_seguridad_en_big_data-csc201
4.pdf
Análisis y propuesta de arquitectura para garantizar
seguridad en entornos Big Data
Universidad Autónoma de Madrid. UNAM, México 2014
https://repositorio.uam.es/bitstream/handle/10486/681157
/Santander_Adrado_Ivan_tfm.pdf?sequence=1&isAllowed=y
Big data, privacidad y protección de datos
Gil, Elena. Accesit 2015
https://www.agpd.es/portalwebAGPD/canaldocumentacion
/publicaciones/common/premios_2015/Big_Data_Privacida
d_y_proteccion_de_datos.pdf
Vivir en un mar de datos: Big Data, privacidad y seguridad ¿Cuál es la diferencia entre business intelligence y
Fundación Telefónica Madrid business analytics?
SAS Colombia
https://www.youtube.com/watch?v=zQqc05EqrjM
https://www.youtube.com/watch?v=shXqcaKMkSI
Inteligencia de Negocios (Capitulo 5)
Business Intelligence (BI)/Inteligencia de negocios
Rodríguez, Parrilla, José Miguel. Cómo hacer inteligente su
negocio: business intelligence a su alcance, Grupo Editorial
Patria, 2014. ProQuest Ebook Central

https://ebookcentral.proquest.com/lib/univucnsp/reader.a
ction?ppg=120&docID=3227679&tm=1521476798411

Big Data y Business Intelligence

Universidad Politécnica de Madrid

https://www.youtube.com/watch?v=YdqpwpVNXTo

Analítica de inteligencia de negocios de big data

IBM - developerWorks®

https://www.ibm.com/developerworks/ssa/library/ba-big-
data-bi/index.html

Analítica y Big Data: un par indisoluble

FORBES - Mexico

https://www.forbes.com.mx/analitica-y-big-data-un-par-in
disoluble/