UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS ECONÓMICAS

ESCUELA DE CONTABILIDAD Y FINANZAS

EXPERIENCIA CURRICULAR:
SISTEMAS DE INFORMACIÓN GERENCIAL

DOCENTE
DR. MIRANDA ROBLES, JUAN CARLOS
INTEGRANTES

Chilcón Sánchez Bryan Anthony

Murga Siccha Erik
Rebaza Navarro Esteban Alejandro
Rojas Alva Jezer Jordan
Vergara Paredes Danny José Aron
CICLO Y GRUPO:

VI - "7"
TRUJILLO
2022
ÍNDICE
1 INTRODUCCIÓN

DEFINICIÓN
2

LAS 5 DIMENSIONES (CINCO

3 V) DEL BIG DATA

HISTORIA DEL BG DATA

4

OTROS CASOS DE USO

5 INESPERADOS DEL BIG

DATA

CASOS DE USO DEL BG DATA

6
ÍNDICE
FUNCIONAMIENTO DEL BIG

7 DATA

CONCLUSIONES
8

9 REFERENCIAS

BIBLIOGRAFICAS
 INTRODUCCIÓN

En un mundo interconectado donde la información se ha convertido en la materia

prima de la comunicación y también de la educación, la expansión de las redes
sociales, así como de los grandes canales, autopistas y “almacenes” digitales está
cambiando la fisonomía de las propias producciones y significados humanos en la
era digital. Un tiempo impregnado de enorme complejidad e incluso perplejidad por
la velocidad e inmediatez de los cambios que acontecen de forma acelerada donde
se generan, crean, construyen y reconstruyen datos, informaciones y
conocimientos (García-Aretio, 2017).
Todas las personas son creadoras de datos susceptibles de ser compartidos y las
propias redes sociales funcionan como telarañas de información diversa que
contribuye a complejizar aún más la sociedad del conocimiento en la que vivimos y
habitamos como seres históricos, sociales y emocionales en múltiples dimensiones
y entornos. Dicho esto, no se puede negar que el entorno o esfera virtual se ha
constituido en un eje fundamental que está transformando las relaciones
interpersonales, la construcción del conocimiento científico, el desarrollo
tecnológico y el propio devenir de las identidades personales y sociales en un
mundo completamente digitalizado.
La digitalización de todos los procesos y fenómenos humanos es una creciente
oportunidad para el aprendizaje y la mejora del bienestar y calidad de vida de los
seres humanos. Obviamente esta afirmación se sitúa en un enfoque social y
pedagógico de inclusión, esto es, concibiendo que las innovaciones tecnológicas y
el desarrollo digital debe estar al servicio de la humanidad y no viceversa.
En el ámbito formativo, se puede identificar un buen número de oportunidades y
características propias del Big Data, pero resulta necesario ir clarificando
conceptos e ideas para arrojar luz en la posibilidad de desarrollar innovaciones e
investigaciones educativas en el mundo digital (Zapato-Ros, 2015).
Es así que el presente informe tiene por finalidad darnos a conocer acerca de lo
que es Big data, la acumulación de datos y la capacidad de la gestión de grandes
cantidades de datos. Esperando que sea de su agrado y fácil entendimiento.

LOS AUTORES
1
Definición:

Acumulación de datos masivos generados, creados y recreados en diversas

instancias sociales, culturales, tecnológicas y educativas, cuya potencialidad
pedagógica resulta ingente en términos de socialización y personalización del
aprendizaje.

Concepto:

Big data es un gran volumen de información de diferentes fuentes, no cuenta una

sola fuente por más grande que sean estas fuentes, viene de diferentes fuentes,
con diferentes estructuras a una velocidad tan rápida de cambios, es decir, de
nuevos datos que van llegando como una gran avalancha datos que no paran de
llegar y al no parar de llegar y de moverse estos datos hace casi imposible de
procesar y analizar con los sistemas de computo tradicionales.

Terminología:

• Datos no estructurados: Son aquellos que no tienen una estructura definida,

sin embargo, siguen siendo datos. Por ejemplo: cuando envías un correo
importante, son datos no estructurados.

• Datos estructurados: Son aquellos datos que se diseñan. Por ejemplo: Una hoja
de calculo con el nombre de clientes y proveedores.

• Base de datos: Conjunto organizado de información de datos estructurados.

Existen los motores de baje de datos, que es software, que permite almacenar,
procesar, y extraer información de estas bases de datos.

• On premise (on prem): Se usa para referirse a las empresas que guardan sus
datos o infraestructura en local, es decir, en sus propias oficinas.

• Cloud Computing: Es un conjunto de servicios de computo gigante. Escalable.

• Data warehouse: Gran almacén de datos.

• Machine learning: Aprendizaje automático. Significa que los computadores

sean capaces de aprender a través de patrones y poder detectar nuevos
patrones y hacer predicciones. Es como tener asistente.

2
Organización de las fuentes de datos: ETL

Extracción: Es cuando capturamos los datos de diferentes fuentes y los

centralizamos.

Transformación: Cuando estandarizamos los datos.

Load: Carga de la información.

Ciclo de vida de los datos:

Captura: Capturamos los datos provenientes de diferentes fuentes.

Almacenamiento

Procesamiento y análisis

Exploración y visualización

2. LAS 5 DIMENSIONES (CINCO V) DEL BIG DATA :

Uno de los mayores avances en la tecnología ha sido el Big Data como fuente para
recopilar grandes cantidades de datos sobre las personas y sus organizaciones.
Sin embargo, no todos los tipos de información son iguales y se trabajan de la
misma forma. Para ello, existe una clasificación taxonómica conocida como las 5
vs del Big Data que permiten simplificar el proceso de comprensión de los mismos
y su valor empresarial. Veamos en qué consiste cada uno de estos aspectos:

2.1 Volumen :

Las empresas amasan grandes volúmenes de datos, desde terabytes hasta

petabytes. Por ejemplo, solo Twitter genera más de 9 terabytes (TB) de datos
cada día. Facebook, 10 TB y algunas empresas generan terabytes de datos cada
hora de cada día del año. Para algunas organizaciones, esto puede suponer
decenas de terabytes de datos. Para otras, incluso cientos de petabytes.
Sin embargo, al día de hoy, gracias al Big Data se puede manejar zettabytes. Esto
se debe, básicamente a que, las organizaciones se enfrentan a volúmenes masivos
de datos y el Internet ha crecido tanto que ya no se puede contar en Gigabytes, ni
en Terabytes. Ni siquiera en Petabytes. Incluso los Exabytes se quedan cortos
para medir el tamaño de Internet.

3
Podemos mencionar, que la tecnología existe, y las empresas que no conocen
como gestionar estos datos, con la plataforma tecnológica adecuada para
analizar casi todos los datos (o al menos la mayoría de ellos) lograrán el objetivo
de comprender mejor sus negocios, sus clientes y el marketplace. De acuerdo a
esto, IBM plantea que el volumen de datos disponible en las organizaciones hoy en
día está en asenso mientras que el porcentaje de datos que se analiza está en
disminución.

2.2 Velocidad:

La importancia del aumento creciente de los flujos de datos en las organizaciones

junto con la frecuencia de las actualizaciones de las grandes bases de datos son
características importantes a tener en cuenta. Su procesamiento y posterior
análisis, normalmente han de hacerse en tiempo real para mejorar la toma de
decisiones sobre la base de la información generada. Por ejemplo, imaginemos los
millones de escrutinios de los datos de un banco con el objetivo de detectar un
fraude potencial o el análisis de millones de llamadas telefónicas para tratar de
predecir el comportamiento de los clientes y evitar que se cambien de compañía.
La mayor velocidad de los datos normalmente se transmite directamente a la
memoria, en vez de escribirse en un disco, debido a la velocidad a la cual fluyen los
datos.

2.3 Variedad:

Si algo caracteriza al Big Data es las distintas tipologías y estructuras de los

datos procediendo de fuentes muy diversas. Es frecuente dividir las categorías de
datos en dos grandes tipos: estructurados (datos tradicionales), no
estructurados y semi estructurados (datos Big Data).
Los primeros se almacenan en bases de datos relacionales donde su longitud,
denominación y formato han sido predefinidos. Ejemplos: Hojas de cálculo, ERP,
CRM, etc. Los no estructurados, apuntan a no tener estructura alguna
predefinida y lo encontramos en imágenes, vídeos, archivos logs, audios,
mensajería instantánea como WhatsApp, etc.
Los semiestructurados señalan a documentos con lenguaje HTML, XML o SGML es
decir: “no tienen estructura fija pero contienen etiquetas y otros marcadores que
ayudan a su comprensión”.

4
En las dos últimas fuentes de datos cuando se analizan juntas se requieren un
procesamiento adicional para poder obtener significado y habilitar los metadatos.
Es por ello, que el éxito de una organización dependerá de su capacidad para
resaltar el conocimiento de los diferentes tipos de datos disponibles en ella. Deben
ser capaces de analizar datos tanto relacionales como no relacionales: texto,
datos de sensores, audio, video, transaccionales.

Hasta ahora, podemos mencionar que, los riesgos por la no adopción de las
tendencias de Big Data son grandes, ya que:

La voluminosa cantidad de información puede llevar a una confusión que

impida ver las oportunidades y amenazas dentro de nuestro negocio y fuera
de él y perder así competitividad.

La velocidad y flujo constante de datos en tiempo real puede afectar a las

ventas y a la atención al cliente.

La variedad y complejidad de datos y fuentes puede llevar a la vulneración de

determinadas normativas de seguridad y privacidad de datos.

2.4 Veracidad:

El Big Data hay que controlar necesariamente la integridad de los datos, ya que
de esto dependerá del acierto de las decisiones. Una de las dimensiones más
importantes también del Big Data señala a la fiabilidad de la información recogida
eliminando cualquiera inexactitud o incertidumbre en la recopilación de los
mismos, vinculándose este punto con el tratamiento de los datos o limpieza de los
mismos.

El establecimiento de la veracidad o fiabilidad de Big Data supone un gran reto a

medida que la variedad y las fuentes de datos crecen.

5
2.5 Valor
Convertir la información en conocimiento debe ser el propósito de cualquier
estrategia de Big Data y las organizaciones estudian obtener información o
utilizar los datos de una manera rentable y a la vez eficiente, que les permitan
tomar decisiones acertadas.
Tener datos es fácil, lo complicado y el factor verdaderamente diferencial es el
uso que se da de estos para comprender, por ejemplo, el comportamiento de los
clientes o alcanzar niveles óptimos en competitividad.
En definitiva, de acuerdo a estas cinco dimensiones del Big Data podemos
mencionar que se trata de conjunto de tecnologías y procesos que están
permitiendo capturar y almacenar cantidades inteligentes de datos de diversos
orígenes y tipologías

6
3. HISTORIA DEL BIG DATA

El término Big Data es relativamente nuevo, todas sus características y utilidades

están relacionadas directamente al desarrollo de las ciencias de la computación.
Para hablar de cuál es el origen del Big Data debemos, en primer lugar, hablar del
análisis estadístico, y de cómo cambió con la llegada de parte de los desarrollos
tecnológicos que conocemos hoy día.

Anteriormente, la recolección, almacenamiento y análisis de datos, se hacía de

forma manual.

Los datos eran recopilados a través de encuestas o cuestionarios, almacenados

en grandes archivadores metálicos, y analizados según las hipótesis de los
investigadores que se limitaban a hacer preguntas relacionadas con su trabajo.

Con el desarrollo de la World Wide Web, en 1989, las cosas cambiaron, y con las
características del Big Data la recolección de datos fue posible en una escala
hasta entonces desconocida.

El volumen de los datos a los que se empezó a tener acceso desde el origen del Big
Data fue enorme, lo que permitió que los análisis estadísticos ya no se realizarán
sobre pequeñas muestras, sino sobre poblaciones enteras.

Alrededor de 2005, la gente empezó a darse cuenta de la cantidad de datos que

generaban los usuarios a través de Facebook, YouTube y otros servicios online.
Ese mismo año, se desarrollaría Hadoop, un marco de código abierto creado
específicamente para almacenar y analizar grandes conjuntos de datos.

El desarrollo de marcos de código abierto tales como Hadoop (y, más

recientemente, Spark) sería esencial para el crecimiento del big data, pues estos
hacían que el big data resultase más fácil de usar y más barato de almacenar. En
los años transcurridos desde entonces, el volumen de big data se ha disparado.
Los usuarios continúan generando enormes cantidades de datos.

Con la llegada del Internet de las cosas, hay un mayor número de objetos y
dispositivos conectados a Internet que generan datos sobre patrones de uso de
los clientes y el rendimiento de los productos.

7
Aunque el big data ha llegado lejos, su utilidad no ha hecho más que empezar. El
Cloud Computing ha ampliado aún más las posibilidades del big data. La nube
ofrece una escalabilidad realmente elástica, donde los desarrolladores pueden
simplemente agilizar las bases de datos de gráficos se vuelven cada vez más
importantes, ya que pueden mostrar enormes cantidades de datos de forma que
su análisis sea rápido e integral.

4. CASOS DE USO DE BIG DATA

Desarrollo de productos :
Grandes empresas tales como Netflix y Procter & Gamble utilizan big data para
predecir las necesidades de los clientes. Construyen modelos predictivos para
nuevos productos y servicios clasificando atributos clave de productos pasados ​y
actuales y modelando la relación entre esos atributos y el éxito comercial del
producto.

Experiencia del cliente :

El big data le permite recopilar datos de redes sociales, visitas a páginas web,
registros de llamadas y otras fuentes para mejorar la experiencia de interacción,
así como maximizar el valor ofrecido. Empiece a formular ofertas personalizadas,
reducir las tasas de abandono de los clientes y gestionar las incidencias de
manera proactiva.

Fraude y conformidad:
En lo que a seguridad se refiere, no se enfrenta a simples piratas informáticos
deshonestos, sino a equipos completos de expertos. Los contextos de seguridad
y requisitos de conformidad están en constante evolución. El big data le ayuda a
identificar patrones en los datos que pueden ser indicativos de fraude, al tiempo
que concentra grandes volúmenes de información para agilizar la generación de
informes normativos.

Aprendizaje automático:
El aprendizaje automático es un tema candente en la actualidad. Los datos,
concretamente big data, es uno de los motivos de que así sea. Ahora, en lugar de
programarse, las máquinas pueden aprender. Esto es posible gracias a la
disponibilidad de big data para crear modelos de machine learning.

Eficiencia operativa:
En esta área el big data tiene un mayor impacto. El big data le permite analizar y
evaluar la producción, la opinión de los clientes, las devoluciones y otros factores
para reducir las situaciones de falta de stock y anticipar la demanda futura. El big
data también puede utilizarse para mejorar la toma de decisiones en función de la
demanda de mercado en cada momento.

8
Impulse la innovación:
Big data puede brindarle ayuda para innovar mediante el estudio de las
interdependencias entre seres humanos, instituciones, entidades y procesos, y,
posteriormente, mediante la determinación de nuevas formas de usar dicha
información. Utiliza las perspectivas que te ofrecen los datos para mejorar tus
decisiones financieras y consideraciones de planificación. Estudie las tendencias y
lo que desean los clientes para ofrecer nuevos productos y servicios. Implante
políticas de precios dinámicas. Las posibilidades son infinitas.

OTROS CASOS DE USO INESPERADOS DEL BIG DATA

Descubrir tu herencia genética:

Gracias a la web ancestry.com y el Big Data, puedes conocer información de tu

linaje. Ellos se encargan de mandar kits a tu casa para recopilar muestras de ADN
y construir parte de tu genoma. Este lo puedes descargar además de recibir
actualizaciones cada vez que se descubra algo nuevo relacionado con tus genes.
Los usos de estos datos cara a la investigación médica y biológica son inmensos,
aparte de ser muy interesante saber de dónde vienes

Escribir guiones de cine y hacer castings:

Este es algo más conocido, porque el de Netflix es el caso de uso por excelencia.
Pero va mucho más allá de hacer series de televisión, los estudios de Hollywood y
hasta empresas de publicidad utilizan esta tecnología para hacer sus contenidos
más efectivos. Y es que determinar qué tipo de historias quieren ver los usuarios,
cómo deben estar dirigidas y qué actores son los mejores para esos papeles te
ayuda a conseguir un éxito seguro.

Evitar colas en museos y atracciones:

Con infinidad de datos como el tiempo medio de permanencia en los museos, las
horas de más afluencia y cruzándose con otros como la información
meteorológica o los calendarios festivos, se puede aprovechar el Big Data para
crear sistemas de reserva que ahorren a los usuarios las tan odiadas colas. La
Galería de los Uffizi de Florencia ya lo ha puesto en marcha y muchos otros están
en proceso de implantar estos sistemas

9
CASOS DE USO DE BIG DATA

Amazon
En el primero de los casos de uso en Big Data hablaremos de Amazon, que
comenzó como una plataforma de venta de libros estándar; es decir, tenía
personas que aconsejaban a los compradores sobre los libros que debían adquirir
en función de sus gustos o necesidades. Aunque funcionaba bien, la siguiente idea
fue personalizar mejor las recomendaciones, añadiendo entradas de datos como
las compras que el cliente había realizado anteriormente o consultas sobre otros
libros que el usuario estaba haciendo en la web.
Este conjunto de datos es masivo y lo va siendo incluso más conforme se tiene
éxito en las ventas y se van introduciendo nuevos tipos de productos. Gracias a la
inteligencia artificial y a la cantidad de datos que se pueden manejar por medio del
machine learning, todos sabemos hoy en día qué es la plataforma de venta por
internet de Amazon, la diversidad de productos que ofrece y el volumen de
ventas que genera.

Casa del libro

El siguiente de los casos de uso en Big Data es el del canal online aplicado al sector
editorial. Casa del Libro es un buen ejemplo de cómo aprovechar la información
derivada del Análisis de la Cesta de la Compra en tiempo real.
Si hacemos la prueba y seleccionamos cualquier libro de toda su oferta, debajo de
la descripción y los detalles del mismo nos encontramos un mensaje del tipo: “los
usuarios que consultaron este libro también vieron…”.
Esto se llama motor de recomendación y su funcionamiento está basado en el
análisis en tiempo real de las visitas de los usuarios a la plataforma online y su
patrón de navegación por la web. Por medio del análisis de datos que hacen los
científicos de datos, se logra que la aplicación del Big Data en este campo sea
posible y se manejen volúmenes de datos recopilados de manera pasiva y activa.

Google y la predicción del virus N1H1

El gobierno de los Estados Unidos recogía datos por todos sus centros de salud, a
partir de casos de enfermos que se atendían, y se procesaban esos datos en
conjunto para tratar de tener prevista la incidencia de esta enfermedad. El
problema era que las predicciones llegaban 2 semanas tarde.
En esta situación, Google recopiló los términos de búsqueda más utilizados en las
zonas y en las épocas pasadas de máxima incidencia de la enfermedad. Entonces,
cuando en el buscador empezaban a introducirse estos términos de forma
insistente en una zona concreta, en tiempo real, Google fue capaz de predecir
dónde se iba a dar un brote de esta enfermedad de forma inmediata, con un
porcentaje de éxito altísimo y en el momento en el que el brote estaba
comenzando.

10
5. FUNCIONAMIENTO DEL BIG DATA

Trabaja con herramientas para procesar tal cantidad de datos que pueden o son
relevantes para la empresa. Harán uso de aplicaciones analíticas, aprendizaje y
también de inteligencia artificial, según como requieran clasificar la información a
procesar y las características de la empresa.

Integración de los datos:

Al originarse demasiada información que se recibe, se debe de contar con

herramientas, como las aplicaciones mencionadas (Analíticas, de aprendizaje e
inteligencia artificial), que ayuden a incorporar, procesar y formatear datos y así
esté disponible y/o lleguen a entenderse por los usuarios y otros profesionales de
la empresa.

Gestión:

La información generada será almacenada, pero debe estar analizada para que
pueda determinarse que información emitir. Sera decisión de la empresa donde se
acumulará la información, pero mayormente se podría almacenar en la nube que
viene siendo popular por su compatibilidad de requisitos tecnológicos actuales, o
en ciertas instalaciones de espacio que decidan y así tener disponible la
información.

Análisis de datos:

Cuando se analiza los datos que se han almacenado, se podrá determinar las
respuestas que estos nos brindan, como los serían las búsquedas de los clientes, o
lo que están buscando de nuestra empresa, sus necesidades.

11
 COCNLUSIONES

Hoy en día los big data juegan un papel muy importante en las empresas que
tienen la necesidad de la información para planear y organizar estrategias de
mercado que impactan en la sociedad generando un valor positivo en los
clientes.Las tecnologías actuales están preparadas para que funcione así y
hay que apostar por ellas, uniéndolas a una nueva forma de hacer márketing.

El Big Data es una nueva tendencia en la gestión de grandes cantidades de

información que son utilizadas por grandes empresas el cual les ayuda a
mejorar las operaciones de datos, optimizar la gestión de la información sobre
tiempo y costo, y lograr mejores resultados en estadísticas para tomar
decisiones informadas.

Big data es una oportunidad de las empresas para adaptarse en la forma de

hacer negocios, la cual implica una transformación completa de las relaciones
de negocios, la forma de gestionar, eficiencia, velocidad, innovación y creación
de valor. Destacando la importancia de captar únicamente aquellos datos que
puedan ser posteriormente transformados en información y conocimiento.

Su funcionamiento dependerá de la clasificación de la información, los

aplicativos que usen para integrar los datos, almacenarlos y así pueda usarse
por parte de los requieran la información, extraída de los datos procesados,
para las decisiones que la empresa requiera.

12
BIBLIOGRAFÍA

Aguilar, L. J. (2016). Big Data, Análisis de grandes volúmenes de datos en

organizaciones. Alfaomega Grupo Editor. https://books.google.es/books?
hl=es&lr=&id=1GywDAAAQBAJ&oi=fnd&pg=PT6&dq=big+data+&ots=_XU4S60b
XR&sig=jcQ-fcuf_jgkEI_CFj6n4CfNIsk#v=onepage&q=big%20data&f=false

BBVA (2017). Las 5 uves del Big Data. https://www.bbva.com/es/las-cinco-

uves-del-big-data/

Duque-Jaramillo, J. C., & Villa-Enciso, E. M. (2016). Big Data: desarrollo, avance

y aplicación en las Organizaciones de la era de la Información (Big Data:
Development, Advancement and Implementation Organizations in Information
Age). Revista Cea, 2(4).

13