Big Data

1 © SUMMA Universit y
 Big Data

Índice

1 Introducción ............................................................................................................................................................ 3
2 ¿Qué es BIG DATA? Las 4 V’s ....................................................................................................................... 4
3 Tipo de Datos de BIG DATA ......................................................................................................................... 6
4 ¿Quién Utiliza BIG DATA y que Conexiones Tiene con los Sistemas Informáticos? ... 8
5 Big Data y la Cadena de Suministro ........................................................................................................ 9
6 Ejemplo Aplicado a la Logística ................................................................................................................ 11
7 Conclusiones ........................................................................................................................................................ 11
8 Referencias Bibliográficas ............................................................................................................................ 12

02 SUMMA University®
Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

Objetivos
 Objetivo 1: Entender el concepto de Big Data

 Objetivo 2: Comprender que la cadena de suministro maneja grandes cantidades

de información y que un enfoque “Big Data” mejoraría la eficiencia de la cadena si
somos capaces de identificar esas áreas de mejora y aplicar acciones concretas.

 Objetivo 3: Identificar las principales barreras existentes a la hora de aplicar estas

técnicas de Big Data.

1 Introducción

Con el uso intensivo de internet, la proliferación del uso de los sistemas de información y
redes sociales se considera que en los últimos 10 años se ha generado más información
que en toda la historia de la humanidad. Esto ha implicado que la capacidad tecnológica de
almacenamiento de datos se haya duplicado cada 40 meses desde los años 80,
evidenciándose un crecimiento exponencial en el manejo de información.

Con esta cantidad ingente de datos y la posibilidad de explotarlos, la dificultad surge para
encontrarlos, almacenarlos, analizarlos y poder extraer reportes y conclusiones de estos.

El BIG DATA representa una oportunidad de incluir en el proceso de toma de decisiones de

una organización variables que hasta ahora no eran consideradas ni analizadas por los
sistemas de información con los que la organización trabaja.

La cadena de suministro de una empresa genera ingente información, y no toda ella está
gestionada por los sistemas de información de la empresa. Así, por ejemplo, los algoritmos
de previsión de la demanda usan un histórico para hacer las previsiones, sin embargo, esto
no incluye las acciones de marketing para estimular la demanda y mucho menos los
resultados que están teniendo. Sin embargo, sería posible conocer la existencia de estas
campañas y también los datos sobre el resultado que están teniendo… tal vez en “tweeter”
escuchando a los consumidores sobre su impresión del producto o si ven problemas de
abastecimiento.

03 SUMMA University®
Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

2 ¿Qué es BIG DATA? Las 4 V’s

BIG DATA es la tendencia en el avance de la tecnología según la cual ya estamos

generando a partir de los diversos sistemas informáticos con lo que trabajamos una
cantidad ingente de información. Nos referimos con Big Data a un nuevo enfoque de
tratamiento de estos datos que existen de forma que nos sirvan para gestionar nuestra
organización y para la toma de decisiones.

BIG DATA es por tanto un concepto y no una herramienta. Es la realidad de que existe
inmensa información y que es posible gestionarla, pero no con las herramientas
tradicionales:

La información se está generando (y creciendo de forma exponencial) desde cada vez más
fuentes y más dispositivos. Gran parte de la información que se genera no está estructurada,
ya que se genera en foros, social media, páginas de internet… La información por tanto no
está almacenada en “tablas” de bases de datos que serían fáciles de gestionar, sino que son
datos aislados con fotos, comentarios, textos, tablas de datos… en un formato propio cada
uno de ellos.

Con esta realidad, y con la gran velocidad con la que se genera la información, no es
posible tratarla con las herramientas tradicionales (bases de datos).

Se plantea por tanto el reto para las organizaciones de utilizar esta ingente masa de
información que es accesible para mejorar los procesos de valor internos, es decir, “trabajar
en BIG DATA” con enfoques a tecnologías nuevas e innovadoras para extraer esa
pequeñísima parte de la información que existe y que es útil a la compañía.

04 SUMMA University®
Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

Las 4 V de BIG DATA

Los sistemas que trabajan BIG DATA lo que pretenden es solucionar problemas que con
sistemas tradicionales no podríamos. Y esto no es posible debido a lo que conocemos
como las 4 V’s:

Volumen Veracidad

Velocida Variedad
d

1ª V: Volumen

Cuando tenemos un gran volumen de datos y no podemos procesarlos tendremos

que recurrir a tecnologías BIG DATA.

2ª V: Velocidad

Tenemos una interconexión de dispositivos móviles y no móviles que generan

información a una velocidad enorme (procesos machine to machine, algoritmos que
interactúan en los sistemas de Trading,etc).

3ª V: Variedad.

Hoy en día el tipo de los datos para tratar que nos encontramos es muy variado.
Tenemos datos geoespaciales, datos en tres dimensiones, audio, video, texto
desestructurado, datos que vienen de redes sociales de interacciones de usuarios…

05 SUMMA University®
Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

4ª V: Veracidad

Los datos que se traten en un proyecto BIG DATA deben resultar significativos y
directamente relacionados con el tema que quieren tratar. Los datos deben por tanto
responder a la pregunta: ¿Son datos correctos y precisos para el uso previsto? Es
importante tener en cuenta la volatilidad de los datos. Se refiere el tiempo en que los
datos guardados son válidos y el tiempo que deben permanecer almacenados.

Hablaríamos como objetivo final de un proyecto BIG DATA de una 5ª V, el Valor: del gran
volumen de datos del que hemos partido, que se han generado con una velocidad enorme
y con una variedad de formatos muy grande, que además hemos sido capaces de extraer
los datos que nos han resultado relevantes y hemos sido capaces de mantener una
depuración de los mismos solucionando la volatilidad de estos, no sirve si no conseguimos
el objetivo de extraer VALOR del ellos. El dato en sí mismo no es valor:

“El valor se obtiene de datos que se transforman en información; ésta a su vez se transforma
en conocimiento y este en acción o decisión”

3 Tipo de Datos de BIG DATA

Existe una gran variedad de tipos de datos a analizar, como ya hemos visto en el punto
anterior en la definición de la 3ª V: Variedad.

Se puede clasificar los tipos de datos según las siguientes categorías:

Datos generados por las personas: En esta categoría entrarían los datos enviados a redes
sociales (Twitter, Facebook, Linkedin, Instagram…) así como la información de clicks sobre
vínculos y elementos de Internet, búsquedas (Google, etc) y datos escritos en páginas web
(páginas imágenes enlaces…).

Transacciones de Datos: Facturación, transacciones entre cuentas bancarias, pagos con

tarjeta, registros de comunicaciones (llamadas, mensajería…) se generan de forma constante
y de ellas podemos extraer información de valor.

Machine To Machine (MTM): Se trata de comunicaciones entre máquinas aplicando

tecnologías de intercambio de datos:

 Lecturas RFID
 Sensores de temperatura, luz, altura, presión, sonido…
 Posicionamiento GPS
 Etc.

06 SUMMA University®
Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

Biométrica: Son datos generados por lectores biométricos como escáneres de retina,
huellas digitales o lectores de cadenas ADN. Estos datos están custodiados por los
ministerios de defensa y departamentos de inteligencia y el propósito es proporcionar
mecanismos de seguridad

Fuente: http://www.bit.es/knowledge-center/tipos-de-datos-en-big-data/

En relación a la estructuración tenemos dos tipos:

 Datos estructurados: Datos con formato definido que se almacenan en tablas. Son
datos estructurados las fechas, los números o cadenas de caracteres.

 Datos no estructurados: Datos que carecen de un formato específico. No se pueden

almacenar en una tabla ya que no podemos extraer de su información tipos básicos
de datos. Algunos ejemplos son archivos pdf, documentos multimedia, e-mails, etc.

07 SUMMA University®
Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

Fuente: http://www.bit.es/knowledge-center/tipos-de-datos-en-big-data/

4 ¿Quién Utiliza BIG DATA y que Conexiones Tiene con los

Sistemas Informáticos?

En las empresas que utilizan BIG DATA existe una coexistencia de bases de datos
tradicionales y estrategias de utilización de datos en el concepto BIG DATA que hemos
definido. La estrategia de implementación pasa por el “cloud”, pero también lo la integración
de datos de los sistemas informáticos con los que está integrada la empresa.

La estructura es por tanto la de una coexistencia entre BIG DATA y Bases de Datos
Tradicionales:

08 SUMMA University®
Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

Fuente: http://www.germanbacca.com/wp-content/uploads/2013/11/rra81.jpg

En este caso Hadoop es una plataforma de código abierto que se utiliza para almacenar,
procesar y analizar grandes volúmenes de datos.

Hemos comentado que BIG DATA es adecuada en la gestión de datos masivos, por
ejemplo, con origen de interacciones de clientes, para la toma de decisiones de la empresa.
Es cierto también que se puede usar en áreas de análisis más tradicionales (política de
precios, cadena de suministro, …); en este caso BIG DATA aporta los datos externos precisos
para mejorar el análisis con datos también con origen los sistemas de información de la
empresa.

5 Big Data y la Cadena de Suministro

La cadena de suministro de una empresa está gestionada por sistemas de información que
generan un volumen importante de información. Normalmente estos sistemas de
información tienen un alto grado de interconexión compartiendo información. Sin embargo,
existe un volumen ingente de datos que se generan en la cadena que permitirían una mejor
gestión de la misma y, por tanto, situarían a la compañía que los explote en clara ventaja
competitiva.

En la actualidad esta capacidad latente de las empresas está todavía por explotar, pero es
evidente que la utilización de BIG DATA va a reinventar el modelo de cadena de suministro.

La aplicación más evidente es la utilización de los datos aportados por la cadena de

suministro como herramienta predictiva en los procesos de planificación. El efecto del mejor
conocimiento del comportamiento de la demanda afecta a dos puntos:

 Reducción de los stocks en la cadena. Menor coste de posesión de stock.

 Mejores tasas de utilización de la cadena: Menor coste en transporte, etc.

Los mecanismos de la gestión de la demanda tienen como objetivo asegurar la cadena de

suministro de una determinada organización con los menores costes posibles y
manteniendo niveles de servicio adecuados. Para conseguir la mejora basada en los dos
puntos citados se pueden apoyar en BIG DATA para recoger datos como:

 Información generada en las bases de datos transaccionales de las empresas, así

como datos sobre compras realizadas por el cliente (programas de fidelización,
cuentas de usuario…).

09 SUMMA University®
Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

 Recomendaciones y efectos en el abastecimiento de productos en los lineales de las

tiendas o indicaciones sobre experiencias de compra en e-commerce.

 Existencia de campañas especiales y comportamiento de las mismas en tiempo real.

 Geolocalización de la flota de camiones.

 Hábitos de consumo E-commerce.

 Datos sobre las rutas de distribución, contemplando la frecuencia, utilización de la

cadena y eficiencia en entrega (recorrido, tiempo).

 Localizar puntos de conflicto en la operación de la última milla, como pueden ser

problemas de tráfico en la ruta, estado de entregas fallidas,…

 Etc.

Hoy en día BIG DATA se puede considerar sólo una “tendencia” en la gestión de la cadena
de suministro de una empresa, sin embargo, aún hay un gran número de organizaciones
que gestionan su cadena no de forma agregada, y no utilizan la gran cantidad de datos que
existen en los diversos eslabones que afectan sin duda al resto de eslabones.

La utilización de BIG DATA significaría un cambio en la gestión de la cadena desde un

modelo reactivo (gestión de las variaciones del flujo de la cadena tras su aparición) a un
modelo predictivo (preparo los entornos de gestión de la cadena para acometer variaciones
de flujo previstas).

010 SUMMA University®

Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

La utilización de BIG DATA cambia por tanto la gestión de la cadena hacia un modelo
predictivo, que optimiza las redes, mejora la agilidad y la capacidad de respuesta, por tanto,
tiene un enfoque a la mejora de servicio y reducción del coste de las operaciones en la
cadena de suministro.

6 Ejemplo Aplicado a la Logística

Una empresa pionera en el ámbito de BIG DATA es la compañía de comercio

electrónico AMAZON.

AMAZON basándose en el histórico de compras de cada uno de sus clientes, así como
compras realizadas por usuarios de perfil similar, les hacen propuestas de productos
que les podrían interesar. En este proceso, AMAZON conoce el impacto de estas
campañas y hace una “predicción” de los hábitos de consumo de una determinada área
y realizaría envíos de producto a los centros de distribución de su red antes de que el
cliente lo compre. El resultado es que cuando el producto es comprado, sólo tardaría
unas pocas horas en ser servido, mejorando la experiencia de compra del cliente.

El estudio previo de AMAZON permite un dimensionamiento del stock y un

comportamiento de la cadena de forma “predictiva”.

7 Conclusiones

 Hay una tendencia en las compañías punteras de utilización de BIG DATA, entendido
este concepto como la ingente cantidad de datos que se generan en muy diversas
fuentes (internet de las cosas) y que es posible que, con un proceso adecuado de
análisis y selección de datos, esta información seleccionada aporte valor y sitúe a la
organización en una posición de ventaja competitiva.

 En relación a la cadena de suministro, al gestionar una gran cantidad de información,

la utilización de BIG DATA es utilidad en la utilización de la gestión de los datos en un
modelo predictivo de la demanda.

011 SUMMA University®

Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Big Data

8 Referencias Bibliográficas

 Big Data: The Data Velocity Discussion. Clegg Dai

 Small Data. Martin Lindström (2.016)

 http://thinking.netezza.com/blog/big-data-data-velocity-discussion

 https://www.ibm.com/developerworks/ssa/local/im/que-es-big-data/

012 SUMMA University®

Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.