Big Data

Todos formamos parte de ese hiper-crecimiento de los datos.

Nos encontramos en todas partes con este término, revistas, periódicos, reportajes y programas y debido al gran avance que existe hoy por hoy en las tecnologías de la información y las comunicaciones, las organizaciones se han tenido que enfrentar a nuevos desafíos que les permitan analizar, descubrir y entender más allá de lo que sus herramientas tradicionales reportan sobre su información, al mismo tiempo que durante los últimos años el gran crecimiento de las aplicaciones disponibles en internet (geo-referenciada, redes sociales, entre otros...) han sido parte importante en las decisiones de negocio de las empresas. El presente artículo tiene como propósito introducir al lector en el concepto de Big Data y describir algunas características de los componentes principales que constituyen una solución de este tipo y que seguiremos escuchándola por todas partes.

¿A qué llamamos Big Data?

En el siglo 21 recibimos el Big Data es un término común bajo el que se agrupan toda clase de técnicas de tratamiento de grandes volúmenes de datos, fuera de los análisis y herramientas clásicas. Este concepto engloba muchas ideas y aproximaciones, pero todas con un objetivo común: extraer información de valor de los datos, de forma que pueda ser de ayuda para las decisiones y procesos de negocio.

El concepto de Big Data se encuentra muchas veces hermanado con otros términos como Data Science, Analytics o Data Mining, que expresan igualmente el objetivo de extraer valor de los datos. Es también conocida la definición de Big Data como las tres V, que representan el gran volumen de datos que debe ser capaz de tratar, la velocidad con la que puede procesar esos datos, y la variedad de formas que pueden tomar los mismos. En ocasiones se hace énfasis en el objetivo del Big Data añadiendo una cuarta V, la del valor que se obtiene por la información extraída de los datos.

Todo proyecto centrado en Big Data se basa en tres capas tecnológicas:

§  Almacenamiento

Los recursos hardware y software permiten el almacenamiento distribuido y redundante de los datos, facilitando su acceso y disponibilidad, y evitando los silos de datos. Responden a dónde tener los datos.

§  Procesamiento

Las herramientas de procesamiento de los datos dan la base tecnológica para operar con grandes volúmenes de información batch o flujos rápidos de datos en tiempo real. Responden a cómo trabajar con los datos.

§  Análisis

Por último, los algoritmos y métodos realizan el análisis de los datos, produciendo información de valor para el negocio. Responden a qué hacer con los datos. El núcleo, experiencia y trayectoria del IIC en estos 25 años ha girado en torno a la capa de análisis de datos. Haciendo uso de las tecnologías de almacenamiento y procesamiento existentes, nuestra apuesta de valor es el desarrollo de algoritmos y técnicas de análisis a medida, de modo que conformen soluciones de Big Data altamente adaptadas a la problemática de cada cliente.

Nuestra capacidad de acompañar al cliente durante el desarrollo de una solución personalizada es nuestro factor distintivo frente a los habituales productos cerrados de analítica de datos.

¿Cómo funciona?

Las soluciones basadas en Big Data tienen como objetivo extraer información de valor mediante el análisis de grandes conjuntos de datos. Este análisis se fundamenta en técnicas matemáticas, generalmente basadas en la estadística, y que provienen de campos diversos como la minería de datos, el aprendizaje automático, el análisis de series temporales o la investigación operacional.

Mediante estas técnicas pueden explotarse datos de cualquier naturaleza: bases de datos, registros numéricos, texto libre, actividad en una red social, audios, imágenes, vídeos… Mediante los tratamientos adecuados, cualquier tipo de datos es susceptible de ser analizado. Escenarios donde haya diversidad de datos en diferentes formatos también podrán tratarse mediante estrategias de integración de la información, enriqueciendo así la solución. Según el nivel de valor de la información obtenida pueden distinguirse tres clases de analítica:

Analítica descriptiva

Consiste en almacenar y realizar agregaciones de datos históricos, visualizándolos de forma que puedan ayudar a la comprensión del estado actual y pasado del negocio. La analítica descriptiva nos cuenta cómo ha funcionado nuestro negocio hasta la fecha.

Analítica predictiva

Se construye sobre la analítica descriptiva y usa modelos estadísticos avanzados para añadir a nuestra base de información datos que no conocemos. Esto se traduce en técnicas como la predicción de valores futuros en series históricas de precios y demandas, pero también la clasificación automática de textos u operaciones, o la segmentación de clientes. De esta forma la analítica predictiva nos dice cómo va a funcionar nuestro negocio.

Analítica prescriptiva

Supone el nivel más alto de analítica y explota los niveles anteriores junto con estrategias de optimización operativa para indicarnos qué acciones de negocio proporcionarán los mejores resultados. Mediante la analítica prescriptiva podemos obtener recomendaciones automatizadas sobre el momento idóneo para ejecutar pedidos, mantenimientos, u otras operaciones cuantificables del negocio. Con la analítica prescriptiva podemos saber qué debemos hacer para optimizar nuestro negocio.

Fuente:

https://www.ibm.com/developerworks/ssa/local/im/que-es-big-data/

http://www.afiescueladefinanzas.es/

http://www.iic.uam.es/big-data/

Hasta la próxima entrega amig@s.

Cordial saludo,

Elvin Mendoza