BIG DATA Y EL DIA A DIA

QUE TAL, UN GUSTO

EN ESTE VIDEO

LES PRESENTARE LO QUE ES LA BIG DATA Y COMO FUNCIONA AL DIA DE HOY

¿Y TU?

HISTORIA:

El término "big data" se refiere a los datos que son tan grandes, rápidos o complejos que es difícil o imposible procesarlos con los métodos tradicionales. El acto de acceder y almacenar grandes cantidades de información para la analítica ha existido desde hace mucho tiempo. Pero el concepto de big data cobró impulso a principios de la década de 2000 cuando el analista de la industria, Doug Laney, articuló la definición actual de grandes datos como las tres V: Volumen: Las organizaciones recopilan datos de diversas fuentes, como transacciones comerciales, dispositivos inteligentes (IO), equipo industrial, vídeos, medios sociales y más.

En el pasado, su almacenamiento habría sido un problema pero el almacenamiento más barato en plataformas como los data lakes y el Hadoop han aliviado la carga.Velocidad: Con el crecimiento del Internet de las Cosas, los datos llegan a las empresas a una velocidad sin precedentes y deben ser manejados de manera oportuna. Las etiquetas RFID, los sensores y los medidores inteligentes están impulsando la necesidad de manejar estos torrentes de datos en tiempo casi real. Variedad : Los datos se presentan en todo tipo de formatos: desde datos numéricos estructurados en bases de datos tradicionales hasta documentos de texto no estructurados, correos electrónicos, vídeos, audios, datos de teletipo y transacciones financieras.

Big Data nos referimos a conjuntos de datos o combinaciones de conjuntos de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales, tales como bases de datos relacionales y estadísticas convencionales o paquetes de visualización, dentro del tiempo necesario para que sean útiles.

Aunque el tamaño utilizado para determinar si un conjunto de datos determinado se considera Big Data no está firmemente definido y sigue cambiando con el tiempo, la mayoría de los analistas y profesionales actualmente se refieren a conjuntos de datos que van desde 30-50 Terabytes a varios Petabytes. La naturaleza compleja del Big Data se debe principalmente a la naturaleza no estructurada de gran parte de los datos generados por las tecnologías modernas, como los web logs, la identificación por radiofrecuencia (RFID), los sensores incorporados en dispositivos, la maquinaria, los vehículos, las búsquedas en Internet, las redes sociales como Facebook, computadoras portátiles, teléfonos inteligentes y otros teléfonos móviles, dispositivos GPS y registros de centros de llamadas.

Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que tenían. En otras palabras, proporciona un punto de referencia. Con una cantidad tan grande de información, los datos pueden ser moldeados o probados de cualquier manera que la empresa considere adecuada. Al hacerlo, las organizaciones son capaces de identificar los problemas de una forma más comprensible. La recopilación de grandes cantidades de datos y la búsqueda de tendencias dentro de los datos permiten que las empresas se muevan mucho más rápidamente, sin problemas y de manera eficiente. También les permite eliminar las áreas problemáticas antes de que los problemas acaben con sus beneficios o su reputación.

¿Por qué el Big Data es importante para las empresas?Cualquier dispositivo que sea capaz de almacenar y procesar información es una fuente generadora de datos. Lo que hay que hacer es organizarlos para que se conviertan en información útil para las empresas. De forma resumida, el tipo de contenido que resulta interesante analizar es: Contenido web obtenido de las redes sociales. M2M, el contenido que permite conectarse a otros dispositivos. Registros de facturas y detalles de llamadas. Información biométrica, como huellas digitales o reconocimiento facial. Información como correos electrónicos, notas de voz y llamadas telefónicas. Es decir, independientemente de la forma en la que se clasifiquen, podemos encontrar datos en todas partes. En nuestros teléfonos móviles, tarjetas de crédito, aplicaciones de software, vehículos, registros, páginas web, etc

Info

Info

Info

EJEMPLOS

TURISMO

AGRICULTURA Y GANADERIA

CIUDADES INTELIGENTES

¿COMO FUNCIONA?

Antes de que las empresas puedan poner a trabajar el big data, deben considerar cómo fluyen entre una multitud de lugares, fuentes, sistemas, propietarios y usuarios. Hay cinco pasos clave para hacerse cargo de este gran "centro de datos" que incluye datos tradicionales y estructurados junto con datos no estructurados y semiestructurados:

1) Establezca una estrategia de big data A un alto nivel, una estrategia de big data es un plan diseñado para ayudarle a supervisar y mejorar la forma en que adquiere, almacena, gestiona, comparte y utiliza los datos dentro y fuera de su organización. Una estrategia de big data establece el escenario para el éxito del negocio en medio de una abundancia de datos. Cuando se desarrolla una estrategia, es importante considerar las metas e iniciativas de negocios y tecnología existentes y futuras. Esto exige tratar los grandes datos como cualquier otro activo empresarial valioso, en lugar de considerarlos sólo como un subproducto de las aplicaciones.

2) Conozca las fuentes del big data El streaming de datos proviene del Internet de las Cosas (IoT) y otros dispositivos conectados que fluyen a los sistemas de TI desde los vestidos, los coches inteligentes, los dispositivos médicos, los equipos industriales y más. Puede analizar este big data a medida que llegan, decidiendo qué datos guardar o no guardar, y cuáles necesitan un análisis más profundo. Los datos de los medios sociales provienen de interacciones en Facebook, YouTube, Instagram, etc. Esto incluye big data en forma de imágenes, vídeos, voz, texto y sonido, útiles para la comercialización, las ventas y las funciones de apoyo. Estos datos suelen estar en formas no estructuradas o semiestructuradas, por lo que plantean un desafío único para el consumo y el análisis. Los datos disponibles públicamente provienen de cantidades masivas de fuentes de datos abiertos como el data.gov del gobierno de los Estados Unidos, el World Factbook de la CIA o el Open Data Portal de la Unión Europea. Otros big data puede provenir de data lakes, fuentes de datos en la nube, proveedores y clientes.

3) Acceda, gestione y almacene big data Los sistemas informáticos modernos proporcionan la velocidad, la potencia y la flexibilidad necesarias para acceder rápidamente a cantidades masivas y tipos de big data. Además de un acceso confiable, las empresas también necesitan métodos para integrar los datos, asegurar la calidad de los mismos, proporcionar un gobierno y un almacenamiento de datos, y preparar los datos para el análisis. Algunos datos pueden almacenarse en data warehouse tradicional, pero también hay opciones flexibles y de bajo costo para almacenar y manejar big data a través de soluciones de nube, lagos de datos y Hadoop.

4) Analice el big data Con tecnologías de alto rendimiento como la computación en red o analítica en memoria, las organizaciones pueden optar por utilizar todos sus big data para análisis. Otro enfoque es determinar por adelantado qué datos son relevantes antes de analizarlos. De cualquier manera, el análisis de big data es cómo las empresas obtienen valor e información a partir de los datos. Cada vez más, el big data alimenta los esfuerzos analíticos avanzados de hoy en día, como la inteligencia artificial.

DECISIONES INFORMADAS Y ESTRATEGICAS.

El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y utilizarlos para identificar nuevas oportunidades. Eso, a su vez, conduce a movimientos de negocios más inteligentes, operaciones más eficientes, mayores ganancias y clientes más felices. Las empresas con más éxito con Big Data consiguen valor de las siguientes formas: Reducción de coste. Las grandes tecnologías de datos, como Hadoop y el análisis basado en la nube, aportan importantes ventajas en términos de costes cuando se trata de almacenar grandes cantidades de datos, además de identificar maneras más eficientes de hacer negocios. Más rápido, mejor toma de decisiones. Con la velocidad de Hadoop y la analítica en memoria, combinada con la capacidad de analizar nuevas fuentes de datos, las empresas pueden analizar la información inmediatamente y tomar decisiones basadas en lo que han aprendido. Nuevos productos y servicios. Con la capacidad de medir las necesidades de los clientes y la satisfacción a través de análisis viene el poder de dar a los clientes lo que quieren. Con la analítica de Big Data, más empresas están creando nuevos productos para satisfacer las necesidades de los clientes

¿INTELIGENCIA ARTIFICIAL EN CONJUNTO CON LA BIG DATA?

La Inteligencia Artificial para el Big Data, a menudo llamada IA en el Big Data o IA para la Analítica de Datos, es la fusión de dos tecnologías de vanguardia: big data e inteligencia artificial. Implica el uso de algoritmos impulsados por la IA y técnicas de aprendizaje automático para analizar, interpretar y obtener ideas prácticas a partir de conjuntos de datos grandes y complejos. El objetivo principal de la IA en el Big Data es automatizar y mejorar el proceso de análisis de datos, haciéndolo más rápido, preciso y escalable. En su núcleo, la IA para el Big Data aprovecha modelos de machine learning que pueden reconocer patrones, hacer predicciones y mejorar continuamente su rendimiento con una intervención humana mínima. Estos modelos se entrenan con conjuntos de datos, lo que les permite identificar tendencias, anomalías y correlaciones que podrían ser imposibles o extremadamente lentas de descubrir para los humanos. De esta manera, la IA para el Big Data permite a las organizaciones convertir datos crudos en activos estratégicos, impulsando la toma de decisiones informada y obteniendo una ventaja competitiva en sus respectivas industrias.

¿COMO TRABAJAN JUNTOS?

• Recopilación de datos: El Big data abarca la recopilación de grandes cantidades de datos estructurados y no estructurados de diversas fuentes, incluyendo sensores, redes sociales, interacciones con los clientes y más. Estos datos forman la base para las aplicaciones de IA.
• Almacenamiento y procesamiento de datos: Las tecnologías de Big Data, como Hadoop y Spark, facilitan el almacenamiento y procesamiento de conjuntos de datos masivos. Esta infraestructura garantiza que los datos sean accesibles y estén disponibles para los algoritmos de IA.
• Preprocesamiento de datos: Antes de que la IA pueda analizar los datos, a menudo requiere un preprocesamiento. Este paso implica la limpieza, transformación y estructuración de los datos para que sean adecuados para los modelos de aprendizaje automático.
• Modelado de IA: Luego se aplican algoritmos de aprendizaje automático, un subconjunto de la IA, a los datos preparados. Estos algoritmos pueden incluir aprendizaje supervisado para la predicción, aprendizaje no supervisado para el reconocimiento de patrones y aprendizaje por refuerzo para la toma de decisiones.

DESAFIOS A LOS QUE SE ENFRENTA.

1. Muchas fuentes y tipos de datos.Con tantas fuentes, tipos de datos y estructuras complejas, la dificultad de integración de datos aumenta. 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. Datos experimentales.

2. Tremendo volumen de datos Como ya hemos visto, el volumen de datos es enorme, y eso complica la ejecución de un proceso de calidad de datos dentro de un tiempo razonable. Es difícil recolectar, limpiar, integrar y obtener datos de alta calidad de forma rápida. Se necesita mucho tiempo para transformar los tipos no estructurados en tipos estructurados y procesar esos datos.

BENEFICIOS

• Los negocios pueden utilizar la inteligencia exterior mientras toman decisiones.

El acceso a datos sociales desde los motores de búsqueda y sitios como Facebook y Twitter están permitiendo a las organizaciones afinar sus estrategias de negocio.

• Mejor servicio al cliente

Los nuevos sistemas diseñados con las tecnologías de datos masivos están reemplazando los sistemas tradicionales de retroalimentación de clientes. En estos nuevos sistemas, se está empleando el big data y tecnologías de procesamiento de lenguaje natural para leer y evaluar las respuestas de los consumidores.

• Identificación temprana del riesgo a los productos o servicios, de ser el caso

• Mejor eficiencia operacional

Las tecnologías del big data pueden emplearse para crear una zona de preparación o zona de aterrizaje para los nuevos datos antes de identificar qué datos se deben mover al almacén de datos. Además, la integración de tecnologías del big data con el almacén de datos permite que una organización descargue los datos a los que se accede con poca frecuencia.

CONCLUSIONES

En la sociedad actual, familiarizarse con el Big Data es crucial porque nos permite entender mejor el mundo que nos rodea y tomar decisiones más informadas y eficaces. Con la capacidad de procesar y analizar grandes volúmenes de datos, podemos descubrir patrones ocultos, prever tendencias futuras y resolver problemas complejos en áreas tan diversas como la salud, el medio ambiente, la economía y más. Además, el conocimiento de cómo funciona el Big Data y sus implicaciones éticas y sociales nos capacita para participar de manera crítica en debates sobre privacidad, seguridad de datos y regulación. En resumen, la familiarización con el Big Data no solo potencia nuestra capacidad individual y colectiva para innovar y progresar, sino que también nos prepara mejor para los desafíos y oportunidades del mundo moderno y futuro.

GRACIAS POR SU ATENCIÓN

BIG DATA

¿QUE APORTA A LA GANADERIA Y AGRICULTURA

El Big Data, en colaboración con otras tecnologías como la IA o el Internet de las Cosas (IoT), son los pilares para acometer la transformación digital en la ganadería y la agricultura gracias a los datos recogidos en el campo y las posteriores recomendaciones en función de esta información recopilada. Y es que este potencial tecnológico puede servir para incrementar las capacidades de toda la cadena de valor, con la productividad, la eficiencia y la mejora de los procesos en la toma de decisiones como rasgos principales. Con el campo conectado o Smart Agro se pueden desplegar casos de uso específicos y permitir que los datos recopilados se actualicen con mayor frecuencia, acortando de este modo los ciclos de planificación y mejora.

¿Qué aporta esta tecnología al turismo?

Perfil del turista. Se puede conocer con mayor grado de detalle el perfil de los visitantes y su comportamiento en las geografías analizadas. Optimización. Disponer de información detallada de las personas que visitan las zonas analizadas permite optimizar la gestión de los recursos en función de los datos recogidos. Informes de resultados. Las herramientas de visualización de datos los presentan de manera sencilla para que cualquier empresa o administración sea capaz de entenderlos y procesarlos según la información necesaria, como volumen de turistas, espacios más visitados, horarios de mayor afluencia o procedencia geográfica.

CIUDADES INTELIGENTES

El proceso por el que las ciudades se están convirtiendo en ciudades inteligentes hace imprescindible la implantación de tecnologías como Big Data, IoT, IA o blockchain. Hacer las ciudades más habitables es algo de especial relevancia en un mundo en el que, según estimaciones de la ONU, el 70% de la población vivirá en entornos urbanos en el año 2050. Por ello, la transformación digital hacia desarrollos sostenibles que mejoren la calidad de vida mediante una gestión más eficiente de los recursos disponibles resulta indispensable.