Vous êtes sur la page 1sur 10

Universidad Autnoma del Estado de Mxico

Centro Universitario UAEM


Licenciatura en Informtica Administrativa
Temas Selectos del Tratamiento de la Informacin
Ruben Hernndez Mendoza

Big data

By Vangie Beal Big data is a buzzword, or catch-phrase, used to describe a massive
volume of both structured and unstructured data that is so large that it's difficult to
process using traditional database and software techniques. In most enterprise
scenarios the data is too big or it moves too fast or it exceeds current processing
capacity. Big data has the potential to help companies improve operations and make
faster, more intelligent decisions. Is Big Data a Volume or a Technology? While the term
may seem to reference the volume of data, that isn't always the case. The term big
data, especially when used by vendors, may refer to the technology (which includes
tools and processes) that an organization requires to handle the large amounts of data and
storage facilities. The term big data is believed to have originated with Web search companies
who needed to query very large distributed aggregations of loosely-structured data. An
Example of Big Data An example of big data might be petabytes (1,024 terabytes) or
exabytes (1,024 petabytes) of data consisting of billions to trillions of records of
millions of people

all from different sources (e.g. Web, sales, customer contact center, social media, mobile
data and so on). The data is typically loosely structured data that is often incomplete
and inaccessible. Big Data and Types of Business Datasets When dealing with larger
datasets, organizations face difficulties in being able to create, manipulate, and
manage big data. Big data is particularly a problem in business analytics because
standard tools and procedures are not designed to search and analyze massive
datasets. As research from Webopedia parent company QuinStreet demonstrates, big data
initiatives are poised for explosive growth. QuinStreet surveyed 540 enterprise 1ecisin-makers
involved in big data and found the datasets of interest to many businesses today include traditional
structured databases of inventories, orders, and customer information, as well as unstructured
data from the Web, social networking sites, and intelligent devices. This data, when captured,
formatted, manipulated, stored, and analyzed can help a company to gain useful insight
to increase revenues, get or retain customers, and improve operations. Big data may also be
called enterprise big data. Big data analytics Big data analytics refers to the process of
collecting, organizing and analyzing large sets of data (big data) to discover patterns
and other useful information. Not only will big data analytics help you to understand the
information contained within the data, but it will also help identify the data

that is most important to the business and future business decisions. Big data
analysts basically want the knowledge that comes from analyzing the data. The Benefits of
Big Data Analytics Enterprises are increasingly looking to find actionable insights
into their data. Many big data projects originate from the need to answer specific business
questions. With the right big data analytics platforms in place, an enterprise can boost
sales, increase efficiency, and improve operations, customer service and risk management.
Webopedia parent company, QuinStreet, surveyed 540 enterprise 2ecisin-makers
involved in big data purchases to learn which business areas companies plan to use Big Data
analytics to improve operations. About half of all respondents said they were applying
big data analytics to improve customer retention, help with product development and gain a
competitive advantage. For most organizations, big data analysis is a challenge.
Consider the sheer volume of data and the many different formats of the data (both
structured and unstructured data) collected across the entire organization and the many different
ways different types of data can be combined, contrasted and analyzed to find patterns and
other useful information. The first challenge is in breaking down data silos to access
all data an organization stores in different places and often in different systems. A
second big data challenge is in creating platforms that can pull in unstructured data
as easily as structured data. This massive volume of data is typically so large that
its difficult to process using traditional database and software methods. Big Data
Requires High-Performance Analytics To analyze such a large volume of data, big data
analytics is typically performed using specialized software tools and applications for
predictive analytics, data mining, text mining, forecasting and data optimization. Collectively these
processes are separate but highly integrated functions of high-performance analytics. Using
big data tools and software enables an organization to process extremely large volumes
of data that a business has collected to determine which data is relevant and can be analyzed to
drive better business decisions in the future. Examples of How Big Data Analytics is Used
Today As technology to break down data silos and analyze data improves, business
can be transformed in all sorts of ways. According to Datamation, todays advances
in analyzing Big Data allow researchers to decode human DNA in minutes, predict where
terrorists plan to attack, determine which gene is mostly likely to be responsible for certain
diseases and, of course, which ads you are most likely to respond to on Facebook. The
business cases for leveraging Big Data are compelling. For instance, Netflix mined its subscriber
data to put the essential ingredients together for its

recent hit House of Cards, and subscriber data also prompted the company to bring
Arrested Development back from the dead. Another example comes from one of the biggest
mobile carriers in the world. Frances Orange launched its Data for Development project by
releasing subscriber data for customers in the Ivory Coast. The 2.5 billion records, which
were made anonymous, included details on calls and text messages exchanged
between 5 million users. Researchers accessed the data and sent Orange proposals for how the
data could serve as the foundation for development projects to improve public health and safety.
Proposed projects included one that showed how to improve public safety by tracking cell phone
data to map where people went after emergencies; another showed how to use cellular data
for disease containment. The pace of data creation will surely increase, especially
as machine-to-machine communications gets cheaper and more common. Think about
how much data all of those sensor networks, burglar alarms and vehicle telematics systems
will create. According to IBM, every single day we create 2.5 quintillion bytes of data.
IBM argues that the exponential growth of data means that 90 percent of the data that exists in
the world today has been created in the last two years. This data comes from everywhere:
sensors used to gather climate information, posts to social media sites, digital pictures
and videos, e-commerce transaction records, and cell phone GPS coordinates, to name a
few. Of course, its important to remember that in early human history, anything as ephemeral as
a tweet just would not have been recorded, so these comparisons can only be taken
so far. To put the data explosion in context, consider this. Every minute of every day we create
More than 204 million email messages Over 2 million Google search queries 48 hours of
new YouTube videos 684,000 bits of content shared on Facebook More than 100,000 tweets
$272,000 spent on e-commerce 3,600 new photos shared on Instagram Nearly 350 new
WordPress blog posts.
Big Data
Por Vangie Beal
Big data es una palabra de moda, o eslogan usada para describir un volumen
masivo de datos tanto estructurados como no estructurados que es tan grande que
es difcil de procesar utilizando tcnicas de bases de datos y de software
tradicionales. En la mayora de escenarios empresariales los datos son demasiado
grandes o se mueve demasiado rpido o se excede la capacidad de procesamiento
actual. Data Big tiene el potencial de ayudar a las empresas a mejorar sus
operaciones y tomar decisiones ms rpidas e inteligentes. Es Big Data un
volumen o una tecnologa? Mientras que el trmino puede parecer para hacer
referencia al volumen de datos, que no siempre es el caso. El trmino big data,
especialmente cuando lo utilicen los proveedores, pueden referirse a la tecnologa
(que incluye herramientas y procesos) que una organizacin necesita para manejar
las grandes cantidades de datos e instalaciones de almacenamiento. Se cree que
el Big Data trmino que se origin con las empresas de bsqueda Web que
necesitaban consultar muy grandes agregaciones distribuidas de datos
estructurados dbilmente-. Un ejemplo de Big Data, podra ser petabytes (1024
terabytes) o exabytes (1.024 petabytes) de datos que constan de miles de millones
a miles de millones de registros de millones de personas, todos de diferentes
fuentes (por ejemplo, Web, ventas, centros de contacto de clientes, medios de
comunicacin social, datos mviles y as sucesivamente). Los datos son
normalmente muy poco estructurados que a menudo la informacin es incompleta
e inaccesible. Los datos y algunos tipos de conjuntos de datos utilizados en las
grandes empresas cuando usan este tipo volmenes grandes, las organizaciones
se enfrentan a dificultades en la capacidad de crear, manipular y gestionar grandes
cantidades de datos ya que no est diseadas para buscar y analizar conjuntos de
datos masivos. Como la investigacin de la compaa matriz Webopedia QuinStreet
demuestra, iniciativas y estn preparados para un crecimiento explosivo de grandes
datos. QuinStreet encuest a 540 empresas que toman las decisiones involucradas
en grandes extensiones de datos y encontr que los conjuntos de datos de inters
para muchas empresas hoy en da incluyen las bases de datos tradicionales
estructurados de inventarios, pedidos y la informacin del cliente, as como datos
no estructurados de la Web, los sitios de redes sociales y dispositivos inteligentes.
Estos datos fueron capturados, formateados, manipulados, almacenados,
analizados, puede ayudar a una empresa para obtener informacin til para
aumentar los ingresos, obtener o retener a los clientes, y mejorar las operaciones.
Big Datos tambin pueden ser llamados grandes datos de la empresa. Anlisis de
datos grandes analtica de grandes datos se refiere al proceso de recoleccin,
organizacin y anlisis de grandes conjuntos de datos ("big data") para descubrir
patrones y otra informacin til. No slo habr anlisis de datos grandes ayudar a
entender la informacin contenida en los datos, sino que tambin ayudar a
identificar los datos que son ms importante para el negocio y las decisiones futuras
del negocio. Los beneficios de analizar los grandes datos de las empresas buscan
encontrar informacin procesable en sus muchos datos. Muchos proyectos de data
big se originan en la necesidad de responder a las preguntas especficas del
negocio. Con las grandes plataformas de anlisis de los datos correctos, una
empresa puede impulsar las ventas, aumentar la eficiencia y mejorar las
operaciones, servicio al cliente y la gestin de riesgos. Empresa matriz Webopedia,
QuinStreet, encuest a 540 empresas ECISIN los involucrados responsables en
las compras de grandes datos para saber qu reas de negocio la empresa planean
utilizar el anlisis Big Data para mejorar las operaciones. Aproximadamente la mitad
de todos los encuestados dijeron que estaban aplicando anlisis de grandes datos
para mejorar la retencin de clientes, ayudar con el desarrollo de productos y
obtener una ventaja competitiva. Para la mayora de las organizaciones, el anlisis
de grandes datos es un reto. Tenga en cuenta la gran cantidad de datos y los
distintos formatos de los datos (datos estructurados y no estructurados) recogidos
en toda la organizacin y de las diferentes maneras y tipos de datos se pueden
combinar, contrastados y analizados para encontrar patrones y otra informacin til.
El primer desafo es romper los silos de datos para tener acceso a todos los datos
de depsitos de las organizaciones en diferentes lugares y, a menudo en diferentes
sistemas.
Un segundo desafo del Data Big es en la creacin de plataformas que pueden caer
en los datos no estructurados con tanta facilidad como los datos estructurados. Este
volumen masivo de datos suele ser tan grande que es difcil de procesar utilizando
los mtodos de base de datos y de software tradicionales. Big Data Analytics
Requiere de Alto Rendimiento Para analizar un gran volumen de datos se realiza
normalmente utilizando herramientas de software y aplicaciones especializadas
para el anlisis predictivo, minera de datos, minera de texto, la prediccin y la
optimizacin de datos. En conjunto, estos procesos son funciones separadas pero
altamente integradas de anlisis de alto rendimiento. El uso de herramientas de
datos grandes y software permite a una organizacin procesar extremadamente
grandes volmenes de datos que un negocio ha recogido para determinar qu datos
son relevantes y pueden ser analizados para tomar mejores decisiones de negocio
en el futuro. Ejemplos de cmo Big Data Analytics se utiliza hoy como la tecnologa
para romper los silos de datos y anlisis de datos mejora el negocio puede
transformarse en todo tipo de formas. Segn Datamation, los avances en el anlisis
de Big Data de hoy permiten a los investigadores a descifrar el ADN humano en
cuestin de minutos, predicen si los terroristas planean atacar, determinan qu gen
es sobre todo probable que sea responsable de ciertas enfermedades y, por
supuesto, que los anuncios que tienen ms probabilidades de responder a en
Facebook. Los casos de negocio para aprovechar los grandes datos son
convincentes. Por ejemplo, Netflix extrae sus datos de suscriptor de poner los
ingredientes esenciales juntos por su reciente xito Castillo de naipes, y los datos
de abonado tambin impulsaron a la empresa a llevar Arrested Development de
entre los muertos. Otro ejemplo proviene de una de las mayores compaas de
telefona mvil en el mundo. Orange de Francia puso en marcha su proyecto de
datos para el Desarrollo por la liberacin de los datos de abonado para los clientes
en la Costa de Marfil. Los 2,5 mil millones de registros, que se hicieron en el
anonimato, incluidos detalles sobre las llamadas y mensajes de texto
intercambiados entre 5 millones de usuarios. Los investigadores accedieron a los
datos y enviaron propuestas a Orange de cmo los datos pueden servir de base
para los proyectos de desarrollo para mejorar la salud y la seguridad pblica. Los
proyectos propuestos incluyen uno que mostraba la forma de mejorar la seguridad
pblica mediante el seguimiento de los datos del telfono celular para mapear donde
la gente iba tras una emergencia; otra mostr cmo usar los datos celulares para la
contencin de la enfermedad. El ritmo de creacin de datos seguramente
aumentar, sobre todo porque las comunicaciones de mquina a mquina se
vuelven ms barato y ms comn. Piense en la cantidad de datos todas esas redes
de sensores, alarmas antirrobo y los sistemas telemticos vehculo va a crear.
Segn IBM, cada da creamos 2,5 trillones de bytes de datos. IBM sostiene que el
crecimiento exponencial de los datos significa que el 90% de los datos que existe
en el mundo de hoy se ha creado en los ltimos dos aos. "Estos datos vienen de
todas partes: sensores utilizados para recopilar informacin sobre el clima, los
mensajes a sitios de medios sociales, fotos digitales y videos, registros de
transacciones de comercio electrnico, y las coordenadas de GPS del telfono
celular, por nombrar unos pocos." Por supuesto, es importante recordar que en la
historia humana temprana, algo tan efmero como un tweet simplemente no habran
sido registrados, por lo que estas comparaciones slo pueden ser tomadas hasta el
momento. Para poner la explosin de datos en contexto, considere esto.
Cada minuto de cada da creamos ms de 204 millones de mensajes de correo
electrnico, Ms de 2 millones en Google consultas de bsqueda de 48 horas, los
vdeos de YouTube 684.000 bits de contenido compartido, en Facebook Ms de
100.000 tweets de $ 272.000 gastados en el comercio electrnico, 3600 nuevas
fotos compartidas en Instagram y casi 350 entradas del blog nuevo WordPress.








Data Big
Grandes Empresas
Diculatades al crear,
manipular y gestionar
grandes cantidades
de datos
Bases de datos
tradicionales
Datos estructurados
inventarios, pedidos y
la informacin del
cliente
Datos no
estructurados
Web, los sitios de
redes sociales y
dispositivos
inteligentes
Buscan encontrar
informacin
procesable














Data Big
Volumen masivo de
datos
(estructurados y no
estructurados)
Incluye
herramientas y
procesos
Trmino originado
de las empresas de
bsqueda Web
Mejora operaciones
y toma decisiones
rpidas e
inteligentes
Ejemplo:
Petabytes (1024
Terabytes)
o
Exabytes (1.024
petabytes)

Ventajas Data Big
Predice ataques terreristas
Dtermina genes
resonsables de
enfermdedades
Determina que publicidad
puede tener exito
Descifrar el ADN humano

Vous aimerez peut-être aussi