¿Qué datos utiliza big data?

Las fuentes de datos de big data son muy amplias: Datos de internet y móviles. Datos de Internet de las Cosas. Datos sectoriales recopilados por empresas especializadas.

Tipos de big data

El Big Data se genera a través de muchas de las actividades que realizamos a diario. Por ello, las fuentes de datos son verdaderamente diversas: dispositivos GPS, sensores de reconocimiento facial o emails son solo algunos ejemplos.

Para responderla bien directo al grano, el Big Data consiste en un proceso que analiza e interpreta grandes volúmenes de datos, tanto estructurados como no estructurados. Sirve para que los datos almacenados de forma remota puedan ser utilizados por las empresas como base para su toma de decisiones.

Para gestionar adecuadamente grandes cantidades de datos, las compañías tienen que aplicar las cinco dimensiones que conforman el Big Data: volumen, velocidad, variedad, veracidad y valor.

Ejemplos de big data

En salud pública, mediante la utilización de herramientas de software que planifican citas y exámenes médicos. Las ciudades inteligentes en la cuales la automatización mejora la vida de los ciudadanos.

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.

En entornos Big Data nos movemos del Data Warehouse al Data Lake: De los datos almacenados en un Data Warehouse, que son los que están estructurados y que se utilizan para su análisis y para la generación de informes. Y los Data Lake, que almacena datos de distintas fuentes, multiestructurados.

Las 7 V del Big data: Características más importantes

las diferencia fundamentales entre Big Data y Análisis de Datos está en la naturaleza de los propios datos. Mientras que Big Data sería algo así como una gran biblioteca con toda la información que necesitamos, el análisis de datos sería un libro donde está la solución a un problema concreto.

En UNIR abordamos las tres magnitudes fundamentales en el procesamiento de datos. Las tres V del Big Data se refiere a los siguientes términos: volumen, variedad y velocidad, que son las tres características o magnitudes que lo definen, además de sus principales retos.

Los datos pueden ser generados de forma automática y acumulativa con programas informáticos o ingresados de forma manual. Los datos que se ingresan en una base pueden ser de diversos tipos según la información que se acumule en dicha base.

El Big Data permite a los medidores inteligentes regular autónomamente el consumo de energía para un uso más eficiente. Los medidores inteligentes recopilan datos de sensores repartidos por todo el espacio urbano.

Starbucks

Esta compañía cafetera utiliza el Big Data para determinar el éxito potencial de cada tienda nueva que piensan abrir. Recogen información sobre la ubicación, tráfico, área demográfica y comportamientos del consumidor.

Un ejemplo de big data en una empresa es Amazon, que utiliza, por ejemplo, el Machine Learning para realizar un análisis predictivo de compras. De esta manera, al usuario se le recomiendan productos para comprar según los intereses de compra que ha marcado en la plataforma.

Los datos se pueden registrar y almacenar en tres formas principales: almacenamiento de archivos, almacenamiento de bloques y almacenamiento de objetos.

El volumen, la velocidad, la variedad, la veracidad y el valor de los datos son las cinco claves para convertir el 'big data' en uno de los impulsores de las empresas.

No estructurados: su formato y organización están definidos al igual que su tamaño; son muchos más fáciles de procesar. Estructurados: no están predefinidos en ningún tipo de modelo, no tienen formato definido y son difíciles para el procesamiento. Híbridos: datos de tipo no regulares que tampoco están estandarizados.

A través de los datos que nos proporciona el Big Data, a día de hoy es posible analizar y predecir el comportamiento que un usuario tendrá en la red, conocer qué piensan los clientes sobre una marca o un producto, y cuáles son sus necesidades reales sobre la adquisición de productos o servicios.

Cuando hablamos de Big Data estamos hablando de grandes volúmenes de datos que forman parte del día a día de una empresa. A través de esta gran cantidad de datos se puede obtener información crucial para tomar decisiones y realizar acciones que ayuden a lograr los objetivos estratégicos del negocio.

Los datos son la materia prima de la cual se deriva la información. Cualquier cantidad o hecho, sin analizar, que por sí solos no tienen significado alguno y deben ser presentados en forma utilizable y colocados en un contexto que le de valor. Ejemplos: Edad, número de artículos vendidos, sueldo, etc.

El Siglo XXI

En 2005, Roger Mougalas de O'Reilly Media acuñó el término Big Data por primera vez, solo un año después de que crearan el término Web 2.0. que se refiere a un gran conjunto de datos que es casi imposible de administrar y procesar con herramientas tradicionales de inteligencia empresarial.

Los datos simples pueden ser enteros, reales, caracteres y booleanos. Dentro de los tipos de datos numéricos encontramos los enteros y los reales. Los enteros son números que no tienen parte decimal y pueden estar precedidos del signo + ó –.

¿Qué problema soluciona? Realizar market research con Big Data permite a las empresas obtener un mayor entendimiento de los consumidores. La misma data generada por los usuarios, por ejemplo en redes sociales, puede ser utilizada para entender patrones, hábitos y necesidades de consumo.

Ejemplos de uso de Data Analytics

IBM se ubica como el líder actual del segmento de inteligencia artificial.

El analista de datos o Data Analyst trabaja con grandes cantidades de datos. Su trabajo consiste en hacerse preguntas de negocio, recopilar datos, identificar información útil de los datos y estructurar sus hallazgos en cuadros de mandos fáciles de leer.