{"id":40,"date":"2016-05-18T00:50:52","date_gmt":"2016-05-18T05:20:52","guid":{"rendered":"http:\/\/gabrielguzman.com.ve\/blog\/?p=40"},"modified":"2016-05-18T00:50:52","modified_gmt":"2016-05-18T05:20:52","slug":"big-data","status":"publish","type":"post","link":"https:\/\/gabrielguzman.com\/blog\/big-data\/","title":{"rendered":"Big Data"},"content":{"rendered":"

Cuando hablamos de Big Data<\/em>, hacemos referencia al almacenamiento de grandes cantidades de datos y a los procedimientos usados para encontrar patrones repetitivos dentro de dichos datos. Si bien esta t\u00e9cnica tambi\u00e9n es llamada \u00abdatos a gran escala\u00bb, en los textos cient\u00edficos en espa\u00f1ol con frecuencia se usa directamente el t\u00e9rmino en ingl\u00e9s Big Data<\/i>, tal como aparece en el ensayo seminal de Viktor Sch\u00f6nberger Big data: La revoluci\u00f3n de los datos masivos<\/i>.1<\/a><\/sup><\/p>\n

Ya en el a\u00f1o 2001, el analista de la industria Doug Laney articulaba la definici\u00f3n principal manejada actualmente, interpretando la Big Data<\/em> como\u00a0 tres grandes V: volumen, velocidad y variedad.2<\/a><\/sup><\/p>\n

Volumen:<\/strong> Muchos factores contribuyen al aumento de volumen de datos: datos basados en transacciones, almacenados a trav\u00e9s de los a\u00f1os; datos no estructurados que fluyen desde los medios y las redes sociales; mayor cantidad de datos capturados por sensores y comunicaciones m\u00e1quina a m\u00e1quina, etc. En el pasado, el volumen excesivo de datos era un problema de almacenamiento; sin embargo, con la disminuci\u00f3n de los costos de almacenamiento, surgen otros problemas, incluyendo la forma de determinar la pertinencia dentro de grandes vol\u00famenes de datos y c\u00f3mo usar la anal\u00edtica para crear valor a partir de los datos pertinentes.<\/p>\n

Velocidad:<\/strong> Los datos se transmiten a una velocidad sin precedentes y deben ser tratados de manera oportuna. Las etiquetas RFID, sensores y contadores inteligentes est\u00e1n impulsando la necesidad de tratar con r\u00e1fagas de datos en tiempo casi real. Reaccionar con la suficiente rapidez para hacer frente a la velocidad de datos es un reto para la mayor\u00eda de las organizaciones.<\/p>\n

Variedad: <\/strong>Al d\u00eda de hoy, los datos viene en todo tipo de formatos: datos num\u00e9ricos estructurados en bases de datos tradicionales; informaci\u00f3n generada desde las aplicaciones de l\u00ednea de negocio, documentos de texto no estructurados, correo electr\u00f3nico, v\u00eddeo, audio,\u00a0 transacciones financieras, etc. Gestionar y fusionar\u00a0 las diferentes variedades de datos es algo con lo que muchas organizaciones luchan todav\u00eda.<\/p>\n

\u00bfPor qu\u00e9 debe importarnos la Big Data<\/em>?<\/h3>\n

El verdadero problema no est\u00e1 en poseer grandes cantidades de datos, es lo que se hace con los datos lo que cuenta. La visi\u00f3n que se tiene es que las organizaciones ser\u00e1n capaces de tomar datos de cualquier fuente, aprovechar los datos relevantes y analizarlos para encontrar respuestas que permitan: 1) la reducci\u00f3n de costes, 2) las reducciones de tiempo, 3) desarrollo de nuevos productos y ofertas optimizadas, y 4) que la toma de decisiones de negocio sea m\u00e1s inteligente. Por ejemplo, mediante la combinaci\u00f3n de Big Data<\/em> y an\u00e1lisis de alta potencia, ser\u00eda posible:<\/p>\n