‘’Año del Fortalecimiento de la Soberanía Nacional’’

Universidad Nacional Mayor de San Marcos

Facultad de Ingeniería de Sistemas e Informática

Escuela Profesional de Ingeniería de sistemas

CURSO
BIG DATA

PROFESOR
JAVIER ELMER CABRERA DIAZ

SECCIÓN
G2
ALUMNO
LUYO MORENO, GIANLUIGUI (21200128)

LIMA-PERÚ

2023
 Tarea académica:
En un proyecto de Big Data ¿Qué datos aportan valor al negocio?

Los datos que aportan valor al negocio son aquellos que respaldan los objetivos estratégicos,
mejoran la toma de decisiones y permiten la optimización de procesos. Es importante realizar
un análisis detallado de las necesidades y objetivos del negocio antes de iniciar un proyecto de
Big Data para determinar qué datos son los más valiosos en ese contexto específico.

Características de Big Data

Eres un consultor de Big Data en la empresa y el director, te pide que le especifiques que
ventaja obtiene aplicando este tipo de tecnología si tenemos en cuenta la velocidad de los
datos ¿Qué responderías?

La velocidad de los datos es una ventaja crítica que el Big Data ofrece a las empresas. Permite
la toma de decisiones más rápida, la optimización de operaciones y la personalización en
tiempo real, lo que puede traducirse en una ventaja competitiva y un mejor rendimiento
empresarial

En una empresa de productos electrónicos, se está analizando la implementación de tecnología

Big Data. ¿Cuáles son las principales ventajas que se obtendrían?

La implementación de tecnología Big Data en una empresa de productos electrónicos puede

tener un impacto significativo en la eficiencia operativa, la calidad del producto y la satisfacción
del cliente, lo que puede traducirse en un aumento de la competitividad y el éxito en el
mercado.

¿Qué solicitudes se pueden resolver utilizando Data Mining?

1. Segmentación de clientes: Data Mining permite identificar grupos de clientes con

características similares, lo que ayuda en la personalización de estrategias de marketing
y enfoques de ventas.

2. Detección de fraudes: Se pueden detectar patrones inusuales en las transacciones

financieras o de tarjetas de crédito que podrían indicar actividad fraudulenta.

3. Predicción de demanda: Data Mining se utiliza para prever la demanda de productos o

servicios en función de datos históricos, lo que ayuda en la gestión de inventario y la
planificación de la producción.

4. Recomendaciones de productos: Plataformas de comercio electrónico utilizan Data

Mining para recomendar productos a los usuarios basados en sus historiales de compra
y navegación.

5. Análisis de sentimiento: Data Mining en el procesamiento de lenguaje natural se usa

para analizar opiniones y sentimientos en redes sociales y comentarios de productos.

6. Diagnóstico médico: Ayuda a identificar patrones en datos médicos para el diagnóstico

de enfermedades y la predicción de resultados médicos.

7. Optimización de procesos industriales: Data Mining se usa para mejorar la eficiencia

de procesos manufactureros y reducir defectos de producción.
 8. Detección de patrones de criminalidad: Se utiliza en aplicaciones de seguridad pública
para identificar patrones de delincuencia y asignar recursos de manera eficiente.

9. Análisis de textos legales: Permite buscar y clasificar documentos legales y

jurisprudencia de manera más eficiente.

10. Personalización de contenido: Se utiliza para personalizar contenido en plataformas de

medios y sitios web, mejorando la experiencia del usuario.

¿Qué motivó a que Big Data se convierta en una tendencia en la actualidad?

La tendencia actual hacia el Big Data se debe a la combinación de una mayor disponibilidad de
datos, avances tecnológicos, competencia empresarial y la necesidad de tomar decisiones más
informadas en un mundo cada vez más digitalizado. El Big Data ofrece oportunidades
significativas para la innovación y la mejora en diversas áreas.

Estas a cargo de un proceso ETL para carga de datos en la laguna de datos, ahora, ¿Cuáles son
los objetivos que deberás tener en cuenta en la fase de transformación de datos?

El objetivo principal de la fase de transformación de datos en un proceso ETL es preparar los

datos de manera que estén limpios, estructurados y listos para su posterior análisis o uso en la
laguna de datos. Esto garantiza que los datos sean confiables y útiles para la toma de
decisiones y el análisis de negocios.

¿Cuál es el objetivo general de la Inteligencia de Negocios o Business Intelligence?

La Inteligencia de Negocios tiene como objetivo principal mejorar la capacidad de una

organización para recopilar, analizar y utilizar datos para tomar decisiones más acertadas,
optimizar el rendimiento empresarial y mantenerse competitiva en un entorno empresarial en
constante cambio.

Respecto a la característica VERACIDAD en Big Data ¿A que hace referencia?

La veracidad es esencial porque, sin datos veraces y confiables, cualquier análisis o proyecto de
Big Data corre el riesgo de ser poco confiable y potencialmente perjudicial para la toma de
decisiones empresariales. Por lo tanto, las organizaciones deben invertir en la garantía de la
calidad de los datos y establecer prácticas sólidas de gestión de datos para garantizar la
veracidad de su información en proyectos de Big Data.

Una compañía de transporte contrata los servicios de un Administrador de datos; quien dice
que para asegurar la buena calidad en los datos deben cumplir con ciertas características.
¿Cuáles son?

Estas características, casi siempre se denominan las "Cinco C" de la calidad de los datos, y son
las siguientes:

1. Corrección: Los datos deben ser precisos y libres de errores. Esto implica que los
valores de los datos deben reflejar con exactitud la realidad que representan. Los
errores en los datos pueden llevar a decisiones incorrectas y a problemas operativos.

2. Consistencia: Los datos deben ser coherentes en su estructura y formato en todas las
fuentes y sistemas de la organización. La falta de consistencia puede dificultar la
integración de datos y la generación de informes precisos.
 3. Completitud: Los datos deben estar completos y no deben faltar valores importantes.
La falta de datos esenciales puede llevar a lagunas en la información y decisiones
basadas en información parcial.

4. Conformidad: Los datos deben cumplir con las reglas de negocio y los estándares de la
organización. Esto garantiza que los datos sean relevantes y útiles para los objetivos
comerciales y que se respeten las políticas y regulaciones aplicables.

5. Confianza: Los datos deben ser confiables y verificables. Los usuarios deben poder
confiar en la precisión de los datos y saber de dónde provienen. La trazabilidad y la
documentación adecuada son importantes para la confianza en los datos.

¿Qué tipo de datos nos provee un archivo de Word para su aplicación en Big Data?

Un archivo de Microsoft Word, por lo general, contiene datos principalmente en forma de

texto, y estos pueden ser útiles en aplicaciones de Big Data en diversas formas. Su contenido
puede ser valioso para aplicaciones de Big Data cuando se trata de análisis de texto, minería de
datos, extracción de información y otras tareas relacionadas con el procesamiento de
información no estructurada.

¿Cuál es el objetivo de la fase de transformación de los datos en los ETL?

La fase de transformación de datos en un proceso ETL tiene como objetivo fundamental

garantizar que los datos sean de alta calidad, estén estructurados correctamente y sean
adecuados para su posterior análisis y uso en la aplicación final. Esto contribuye a la toma de
decisiones informadas y al éxito de los proyectos de análisis de datos y Business Intelligence.