¿cuáles son las tecnologías de big data?

Uso de los grandes datos

El tamaño y el número de conjuntos de datos disponibles han crecido rápidamente a medida que los datos son recogidos por dispositivos como los móviles, los baratos y numerosos dispositivos de detección de información del Internet de las cosas, los aéreos (teledetección), los registros de software, las cámaras, los micrófonos, los lectores de identificación por radiofrecuencia (RFID) y las redes de sensores inalámbricos. [8][9] La capacidad tecnológica per cápita del mundo para almacenar información se ha duplicado aproximadamente cada 40 meses desde la década de 1980;[10] en 2012 [actualización], cada día se generaban 2,5 exabytes (2,5×260 bytes) de datos[11] Según la predicción de un informe de IDC, se preveía que el volumen mundial de datos crecería exponencialmente de 4,4 zettabytes a 44 zettabytes entre 2013 y 2020. Para 2025, IDC predice que habrá 163 zettabytes de datos[12]. Una cuestión para las grandes empresas es determinar quién debe ser el propietario de las iniciativas de big data que afectan a toda la organización[13].

Los sistemas de gestión de bases de datos relacionales y los paquetes de software estadístico de escritorio utilizados para visualizar los datos suelen tener dificultades para procesar y analizar los big data. El procesamiento y análisis de big data puede requerir «software masivamente paralelo que se ejecuta en decenas, cientos o incluso miles de servidores»[14] Lo que se califica como «big data» varía en función de las capacidades de quienes lo analizan y de sus herramientas. Además, la ampliación de las capacidades hace de los big data un objetivo móvil. «Para algunas organizaciones, enfrentarse a cientos de gigabytes de datos por primera vez puede provocar la necesidad de reconsiderar las opciones de gestión de datos. Para otras, pueden ser necesarias decenas o cientos de terabytes antes de que el tamaño de los datos se convierta en una consideración significativa»[15].

Ejemplos de big data

El big data es un campo que trata las formas de analizar, extraer sistemáticamente información o tratar de otra manera conjuntos de datos que son demasiado grandes o complejos para ser tratados por el software de aplicación de procesamiento de datos tradicional. Los datos con muchos casos (filas) ofrecen una mayor potencia estadística, mientras que los datos con mayor complejidad (más atributos o columnas) pueden dar lugar a una mayor tasa de falsos descubrimientos. Los retos de los big data incluyen la captura de datos, el almacenamiento de datos, el análisis de datos, la búsqueda, el intercambio, la transferencia, la visualización, la consulta, la actualización, la privacidad de la información y la fuente de datos.

No estructurados – Cualquier dato con forma o estructura desconocida se clasifica como datos no estructurados. Además de su enorme tamaño, los datos no estructurados plantean múltiples retos en cuanto a su procesamiento para obtener valor de ellos.

El volumen se refiere a las inimaginables cantidades de información que se generan cada segundo en las redes sociales, los teléfonos móviles, los coches, las tarjetas de crédito, los sensores M2M, las imágenes, los vídeos y demás. Actualmente utilizamos sistemas distribuidos, para almacenar los datos en varias ubicaciones y reunidos por un marco de software como Hadoop.

Qué es el big data

En pocas palabras, los big data son conjuntos de datos más grandes y complejos, especialmente los procedentes de nuevas fuentes de datos. Estos conjuntos de datos son tan voluminosos que el software tradicional de procesamiento de datos no puede gestionarlos. Pero estos volúmenes masivos de datos pueden utilizarse para resolver problemas de negocio que antes no habrían podido abordarse.

La velocidad es la rapidez con la que se reciben los datos y (quizás) se actúa sobre ellos. Normalmente, la mayor velocidad de los datos se transmite directamente a la memoria en lugar de escribirse en el disco. Algunos productos inteligentes con acceso a Internet operan en tiempo real o casi en tiempo real y requerirán una evaluación y acción en tiempo real.

La variedad se refiere a los muchos tipos de datos disponibles. Los tipos de datos tradicionales estaban estructurados y encajaban 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 el texto, el audio y el vídeo, requieren un preprocesamiento adicional para derivar el significado y soportar los metadatos.

En los últimos años han surgido otras dos V: valor y veracidad. Los datos tienen un valor intrínseco. Pero no sirven de nada hasta que se descubre ese valor. Igualmente importante es saber hasta qué punto los datos son veraces y hasta qué punto se puede confiar en ellos.

Análisis de grandes datos

El procesamiento tradicional de datos no puede procesar datos que son enormes y complejos. Por ello, utilizamos los big data para analizar, extraer información y comprender mejor los datos. Para los big data tenemos en cuenta el volumen, la velocidad, la variedad, la veracidad y el valor. Un ejemplo de big data son los datos de las personas generados a través de las redes sociales. El big data ayuda a analizar los patrones de los datos para poder entender fácilmente el comportamiento de las personas y las empresas. Esto ayuda a un procesamiento eficiente y, por tanto, a la satisfacción del cliente. Los datos involucrados en el big data pueden ser estructurados o no estructurados, naturales o procesados, o relacionados con el tiempo.

Es la ciencia de hacer que los ordenadores aprendan cosas por sí mismos. En el aprendizaje automático, se espera que un ordenador utilice algoritmos y modelos estadísticos para realizar tareas específicas sin ninguna instrucción explícita. Las aplicaciones de aprendizaje automático proporcionan resultados basados en la experiencia pasada. Por ejemplo, hoy en día, hay algunas aplicaciones para móviles que te darán un resumen de tus finanzas, facturas, te recordarán los pagos de tus facturas y también pueden darte sugerencias para optar por algunos planes de ahorro. Estas funciones se realizan leyendo tus correos electrónicos y mensajes de texto.