Big Data - Eda Ortiz by Eda Martínez

¿Qué es Big Data?

edaortiz6_ — 2025-07-15 02:09:01 UTC

Cuando hablamos de Big Data nos referimos a conjuntos de datos o combinaciones de conjuntos de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales, tales como bases de datos relacionales y estadísticas convencionales o paquetes de visualización, dentro del tiempo necesario para que sean útiles.

Aunque el tamaño utilizado para determinar si un conjunto de datos determinado se considera Big Data no está firmemente definido y sigue cambiando con el tiempo, la mayoría de los analistas y profesionales actualmente se refieren a conjuntos de datos que van desde 30-50 Terabytes a varios Petabytes.

¿Por qué el Big Data es tan importante?

edaortiz6_ — 2025-07-15 02:12:30 UTC

Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que tenían. En otras palabras, proporciona un punto de referencia. Con una cantidad tan grande de información, los datos pueden ser moldeados o probados de cualquier manera que la empresa considere adecuada. Al hacerlo, las organizaciones son capaces de identificar los problemas de una forma más comprensible.

La recopilación de grandes cantidades de datos y la búsqueda de tendencias dentro de los datos permiten que las empresas se muevan mucho más rápidamente, sin problemas y de manera eficiente. También les permite eliminar las áreas problemáticas antes de que los problemas acaben con sus beneficios o su reputación.

El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y utilizarlos para identificar nuevas oportunidades. Eso, a su vez, conduce a movimientos de negocios más inteligentes, operaciones más eficientes, mayores ganancias y clientes más felices.

¿Cuáles son las cinco “V” del Big Data?

edaortiz6_ — 2025-07-15 02:13:48 UTC

Volumen. La cantidad de datos importa. Con el big data, se deben procesar grandes volúmenes de datos no estructurados de baja densidad. Estos pueden ser datos de valor desconocido, como los feeds de datos de X (anteriormente Twitter), los flujos de clics en una página web o una aplicación móvil, o equipos con sensores. Para algunas organizaciones, esto podría representar decenas de terabytes de datos. Para otras, cientos de petabytes.
Velocidad. La velocidad es la rapidez con la que se reciben los datos y (quizás) se procesan. Normalmente, la velocidad máxima de los datos fluye directamente a la memoria, en lugar de escribirse en el disco. Algunos productos inteligentes con conexión a internet funcionan en tiempo real o casi en tiempo real, por lo que requieren evaluación y acción en tiempo real.
Variedad. La variedad se refiere a la gran variedad de tipos de datos disponibles. Los tipos de datos tradicionales estaban estructurados y se integraban perfectamente en una base de datos relacional . Con el auge del big data, los datos se presentan en nuevos tipos de datos no estructurados. Los tipos de datos no estructurados y semiestructurados, como texto, audio y vídeo, requieren un preprocesamiento adicional para obtener significado y admitir metadatos.
Veracidad. ¿Cuán veraces son sus datos y en qué medida puede confiar en ellos? La idea de la veracidad de los datos está ligada a otros conceptos funcionales, como la calidad y la integridad de los datos. En última instancia, todos estos se superponen y gestionan la organización hacia un repositorio de datos que proporciona datos de alta calidad, precisos y confiables para impulsar la comprensión y la toma de decisiones.
Valor. Los datos tienen un valor intrínseco en los negocios. Pero no sirven de nada hasta que se descubre ese valor. Dado que el big data recopila información amplia y profunda, en algún lugar dentro de toda esa información se encuentran perspectivas que pueden beneficiar a su organización. Este valor puede ser interno, como procesos operativos que podrían optimizarse, o externo, como sugerencias de perfiles de clientes que pueden maximizar la interacción.

Casos de uso de Big Data

edaortiz6_ — 2025-07-15 02:14:34 UTC

1. Comercio minorista y electrónico. Empresas como Netflix y Procter & Gamble utilizan el big data para anticipar la demanda de los clientes. Crean modelos predictivos para nuevos productos y servicios clasificando los atributos clave de productos o servicios pasados y actuales, y modelando la relación entre dichos atributos y el éxito comercial de las ofertas. Además, P&G utiliza datos y análisis de grupos focales, redes sociales, mercados de prueba y lanzamientos iniciales en tiendas para planificar, producir y lanzar nuevos productos.

2. Atención médica. El sector sanitario puede combinar numerosas fuentes de datos internas, como historiales médicos electrónicos, dispositivos portátiles para pacientes y datos de personal, y externas, incluyendo historiales de seguros y estudios de enfermedades, para optimizar la experiencia tanto de los proveedores como de los pacientes. Internamente, los horarios de personal, las cadenas de suministro y la gestión de las instalaciones pueden optimizarse con la información proporcionada por los equipos operativos. Para los pacientes, su atención inmediata y a largo plazo puede cambiar gracias a que los datos lo impulsan todo, como las recomendaciones personalizadas y las exploraciones predictivas.

3. Servicios financieros. En materia de seguridad, no se trata solo de unos pocos atacantes maliciosos, sino de equipos completos de expertos. Los entornos de seguridad y los requisitos de cumplimiento normativo evolucionan constantemente. El big data ayuda a identificar patrones en los datos que indican fraude y a recopilar grandes volúmenes de información para agilizar la elaboración de informes regulatorios.

4. Fabricación. Los factores que predicen fallas mecánicas pueden estar profundamente arraigados en datos estructurados (como el año, la marca y el modelo del equipo), así como en datos no estructurados que abarcan millones de entradas de registro, datos de sensores, mensajes de error y lecturas de temperatura del motor. Al analizar estas indicaciones de posibles problemas antes de que ocurran, las organizaciones pueden implementar el mantenimiento de forma más rentable y maximizar el tiempo de funcionamiento de las piezas y los equipos.

5. Gobierno y servicios públicos. Las oficinas gubernamentales pueden recopilar datos de diversas fuentes, como registros del DMV, datos de tráfico, datos de policía y bomberos, registros de escuelas públicas, etc. Esto puede impulsar la eficiencia de diversas maneras, como la detección de tendencias de conducción para optimizar la gestión de intersecciones y la asignación de recursos en las escuelas. Los gobiernos también pueden publicar los datos, lo que permite una mayor transparencia y fomenta la confianza pública.