Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumen
Big Data abre la posibilidad de hacer grandes avances en muchas disciplinas cientficas,
aportes a la innovacin y mejoras de productividad y competitividad. Sin embargo, hay que
tener en cuenta que los desafos que se presentan con Big Data, no slo estn referidos al
volumen de datos, sino tambin a su heterogeneidad, al carcter poco estructurado de los
mismos, a los aspectos de privacidad, a los problemas de procesamiento y la visualizacin,
entre otros. En trminos esquemticos, la problemtica Big Data puede dividirse entre los
desafos tecnolgicos de infraestructura y servicios (software y hardware) por un lado, y la
dimensin del anlisis de Grandes Datos por el otro. Asimismo, junto a los problemas de
infraestructura y de servicios (tanto de hardware y software), el aprovechamiento de Big Data
para el desarrollo social y econmico requiere un enfoque multidisciplinario y el diseo de
polticas estratgicas.
Palabras Claves: Big Data, TIC, desarrollo, sectores productivos
Introduccin
Big Data surge como una nueva fase del paradigma intensivo en informacin y comunicacin
que abarca no slo su dimensin tecnolgica, sino tambin una dimensin social, econmica,
poltica y cultural. Por lo tanto, una comprensin holstica sobre el tema requiere un abordaje
multidisciplinario. Al igual que con el surgimiento de las Tecnologas de la Informacin y
Comunicacin (TIC), existe una discusin acerca de si nos encontramos frente a un cambio de
paradigma tecnolgico, una nueva revolucin industrial-tecnolgica o si Big Data no ha hecho
ms que intensificar la competencia en mercados ya existentes, sin mostrar un impacto en las
mejoras de la productividad general. Los autores que tienen una visin optimista, sostienen
que Big Data estara provocando cambios en la organizacin del trabajo con mejoras en la
toma de decisiones y el acceso a los mercados. Estos cambios daran lugar a una reduccin en
las brechas de productividad a partir de una mayor competitividad de las unidades productivas
con un impacto positivo sobre la calidad de vida de las personas (McKinsey, 2011; Brynjolfsson,
Hitt, y Kim, 2011; UNGPulse, 2012; Chen y Chun-Yang, 2014). La viabilidad de este proceso est
sujeta a los cambios comunicacionales e informacionales que promueve la digitalizacin, la
convergencia tecnolgica e Internet a distintos niveles: a nivel operativo se trata del acceso
remoto y en tiempo real a la informacin para la toma de decisiones, permitiendo un
desanclaje territorial; los cambios estructurales tienen que ver con la mayor y mejor
accesibilidad comunicacional (conectividad); mientras que nuevos niveles de propagacin
permiten variaciones en la escala comunicacional (Forte et al., 2012). En la Figura N 1
presentamos un esquema del mecanismo de transmisin entre el cambio comunicacional y el
aumento de la productividad. Existe por lo tanto una oportunidad para crear un sendero de
desarrollo virtuoso que permita reducir las brechas de productividad con los pases
desarrollados, a partir el diseo de polticas efectivas orientadas a sectores de alto contenido
tecnolgico e informacional, conjuntamente con el fortalecimiento de organismos pblicos de
2
ciencia y tecnologa. Sin embargo, como veremos a lo largo del trabajo, Big Data no es de por s
una panacea, ya que requiere importantes desafos para pases en desarrollo.
En las ltimas dcadas Argentina ha desarrollado el sector de Servicios de Informtica e
Informacin posicionndolo entre los ms dinmicos de la regin. Por lo tanto, existen
capacidades tcnicas reales y potenciales que permitiran aprovechar este avance
informacional-tecnolgico a los fines del crecimiento y desarrollo socioeconmico del pas.
Entre 2003 y 2010 el sector de Servicios de Informtica e Informacin ha mostrado
incrementos significativos en el empleo, las ventas y las exportaciones, aunque en el marco de
una gran heterogeneidad (Barletta et al., 2013). Segn la CESSI (2014) entre 2003 y 2012 la
facturacin del mercado TIC en Argentina creci al 19,8% anual en promedio (un 19% anual
promedio entre 2010 y 2012, luego de la cada de 2009). Dadas estas caractersticas, Argentina
cuenta con la oportunidad de crear una plataforma para una industria de Big Data,
promoviendo polticas convergentes hacia un uso intensivo de datos digitales y TIC.
Estructura
Propagacin
Organ. del
Trabajo
Toma
Decisiones
Digitalizacin,
Convergencia,
Internet
Aumento
Productividad
Operatividad
Acceso
Mercados
Sin embargo, de acuerdo a los resultados de la Encuesta Big Data 2014, el mercado de este
sector en Argentina muestra una demanda escasa y de baja complejidad, explicado en parte
por la falta de conocimiento sobre el tema, problemas institucionales y limitaciones en la
infraestructura. Simultneamente, las instituciones cientficas muestran una desconexin
entre la produccin acadmica y los desarrollos de las empresas locales. En ese marco, el
objetivo del presente documento es discutir el rol del Sector Pblico en el desarrollo de nuevos
sectores de alta tecnologa en pases en desarrollo, tomando la situacin actual de Big Data en
Argentina. Frente a este desafo surgen las siguientes preguntas: se encuentra el pas en
condiciones de aprovechar los beneficios que promete esta nueva fase de sociedades basadas
en el conocimiento?; si el anlisis de grandes datos requiere de una base tecnolgicocomunicacional: est el pas en condiciones de dar respuesta a esta exigencia?; cmo
impacta el escaso desarrollo local de infraestructura de alta complejidad para el desarrollo de
Big Data?
En ese marco, el objetivo del presente documento es establecer un marco terico-conceptual
para desarrollar la discusin sobre los potenciales beneficios de Big Data en Argentina. En
consecuencia, interesa alcanzar una definicin tcnica de lo que se suele denominar como Big
Data para delimitar su alcance. Adicionalmente, se avanzar sobre la conceptualizacin del
anlisis de Big Data como forma ineludible de obtener un valor de los mismos y se har un
relevamiento de algunas de las aplicaciones sociales y econmicas que se vienen
desarrollando. En la primera seccin se discute la dimensin epistemolgica del fenmeno Big
Data (Big Data: Nuevo Paradigma o Nueva Fase del Paradigma Intensivo en Informacin y
Comunicacin?). En la segunda seccin proponemos una definicin de Big Data partiendo de
los puntos comunes que existen en la literatura (Definicin de Big Data y aspectos tcnicos) y
presentamos el esquema conceptual de lo que se entiende por Anlisis de Datos. Luego,
presentamos algunas de las aplicaciones en la seccin Big Data: aplicaciones sociales y
econmicas. Oportunidades para el desarrollo. Finalmente discutimos las principales
conclusiones.
Joel Waldfogel, de la Universidad de Minnesota, considera que las oportunidades de negocio que Big
Data ha generado no son ms que el canibalismo de los negocios que ya existan offline. (NY Times,
2013; La Nacin, 2013)
2
3
6
9
12
15
18
1 Exabyte = 10 Petabytes = 10 Terabytes = 10 Gigabytes = 10 Megabytes = 10 Kilobytes = 10
bytes
La Ley de Moore establece que el nmero de transistores por procesador se duplica cada 18 meses
(hecho que se ha registrado en los ltimos 35 aos aproximadamente); la Ley de Gilder plantea que el
ancho de banda se triplica cada ao; y, finalmente, la Ley de Metcalfe dice que el valor de una red es
igual al cuadrado de los usuarios. Para una discusin sobre la ley de Metcalfe, ver Krugman (2014).
4
En Francia el costo de acceso a Internet cay de USD 75 por conexiones dial-up por mes en 1995 a USD
33 por conexiones de banda ancha (1.000 veces ms veloz), por mes.
5
Tasa de crecimiento anual compuesta.
6
Entre septiembre de 2001 y octubre de 2007, el costo por genoma cay a un promedio anual del 21%;
mientras que entre junio 2008 y julio de 2014 lo hizo al 44% promedio anual.
(Fuente: www.genome.gov/sequencingcosts/).
Perodos
Primera
Segunda
Tercera
Cuarta
Perodo
1959-1973
1973-1995
1995-2000
2000-2006
Crecimiento
Contribucin Part. De IT
Anual de
IT
en Product.
Product. USA
2,82%
1,49%
2,70%
2,50%
0,30%
0,65%
1,59%
0,96%
11%
44%
59%
38%
Vale destacar que las ganancias en productividad que puedan lograrse con Big Data dependen
de las inversiones en tecnologas de la informacin (capacidad de almacenamiento y
procesamiento) y de la innovacin en la organizacin del trabajo que incorpore las nuevas
herramientas. Segn Barrantes et al. (2013), Big Data es una de las tres trayectorias7 en las que
se desarrolla la explosin en la generacin de datos que protagonizamos por el aumento del
uso de la tecnologa en la vida cotidiana, cuyo aprovechamiento descansa y depende de la
instalacin de infraestructura de redes de alta velocidad.
En la direccin de McKinsey (2011), UN Global Pulse, una divisin de Naciones Unidas para
impulsar innovaciones en la velocidad de recoleccin y anlisis de datos vigente desde 2009,
sugiere que nos encontramos frente a una Revolucin Industrial de los Datos precedida
desde el comienzo del nuevo siglo por las innovaciones tecnolgicas y los dispositivos digitales.
Este perodo estara caracterizado por un incremento exponencial en la cantidad y diversidad
de datos digitales disponibles en tiempo real, producto de un mayor uso de equipos
tecnolgicos de mayor capacidad en la vida diaria, permitiendo alcanzar un mayor
conocimiento del comportamiento humano (UN Global Pulse 2012). Segn las estimaciones
que utilizan, la cantidad de datos digitales disponibles a nivel mundial pasaron de 150 exabytes
en 2005 a 1.200 en 2010, esto es un crecimiento de 8 veces, proyectndose un crecimiento del
40% por ao, es decir 40 veces el crecimiento de la poblacin mundial. Por lo tanto, no slo se
estara duplicando la cantidad de informacin digital acumulada cada 20 meses,
reproduciendo una dinmica similar a la de la Ley de Moore, sino que tambin dichos datos se
estaran haciendo cada vez ms jvenes en trminos relativos, al haber una mayor
disponibilidad en tiempo real. Asimismo, desde una perspectiva acrtica sobre la naturaleza de
las crisis internacionales, el documento sugiere que Big Data es una oportunidad,
particularmente para los pases en desarrollo, para evitar o moderar el impacto de los shocks
financieros o climticos y reducir el impacto de la volatilidad de los mercados a partir de la
disponibilidad de datos en tiempo real que habiliten a dar respuestas con mayor anticipacin.
Sin embargo, analizando el crecimiento econmico y la productividad de EEUU entre 18912013 (ver Grfico N 1), Gordon (2014) observa que, luego de alcanzar un mximo en el
perodo 1996-2000, la cada en el crecimiento del producto, la productividad y el empleo para
el perodo 2004-2013, contradice la prediccin de los tecno-optimistas de una aceleracin
7
Las otras dos son la difusin de la banda ancha y la computacin en la nube. Dado el alcance del
presente documento, nos ocuparemos slo de Big Data, sin por ello considerar a estas dos de menor
importancia.
2,54
2,36
2,18
2,13
1,95
1,38
1,5
%
1,33
0,76
0,57
0,5
0
-0,5
-0,24
-0,36
-0,56
-1
1891-1972
1972-1996
Y/N
1996-2004
Y/H
2004-2013
H/N
Fuente: Gordon (2014). Y/N expresa el PIB per capita; Y/H es la relacin entre PIB y Horas
Trabajadas o productividad por hora-hombre; H/N es la relacin entre Horas Trabajadas y
Poblacin, capturando el empleo
En cuanto al mercado de Big Data, Kelly (2014) sostiene que en 2012 las ventas de hardware,
software y servicios profesionales vinculados a Big Data crecieron un 59% respecto a 2011,
ascendiendo a 11,59 mil millones de dlares de acuerdo a un relevamiento realizado sobre
ms de 60 grandes empresas. Para 2013 se espera un crecimiento del negocio en un 61%
anual, alcanzando los 18,1 mil millones de dlares. En el Grfico N 2 vemos que servicios
profesionales es la categora que mayores ingresos concentr. En este estudio, se observa que
IBM registr ingresos por 1,25 mil millones de dlares, de los cules el 50% se generaron por
servicios profesionales; mientras que HP, la segunda firma en importancia, gener 0,66 mil
millones de dlares, siendo el 38% servicios profesionales8.
Software
19%
Servicios
44%
Hardware
37%
Si bien el mercado est dominado por grandes firmas como IBM, HP, Teradata y Dell9, es
probable que las innovaciones sean impulsadas por pequeas empresas dedicadas
exclusivamente a Big Data, las cuales se vuelven objetivos de adquisicin de las grandes
compaas. Segn la European Commision (2013) esto obligar a estas PyMEs a elegir entre los
siguientes modelos de negocio: i) concesin de licencias del software que desarrollen; ii) oferta
de servicios profesionales; iii) venta de sus productos; iv) su adquisicin por parte de una
empresa ms grande.
De acuerdo a Kelly (2014) las firmas IBM, HP, Teradata y Dell concentran el 24% de los ingresos
generados por actividades vinculadas a Big Data.
Sin embargo, las autoras destacan que posiciones extremas obscurecen la discusin sobre los
cambios vertiginosos que este nuevo fenmeno est protagonizando en un contexto de
incertidumbre: las decisiones que se tomen en el surgimiento de esta etapa, condicionarn su
desarrollo futuro. Considerando la creciente capacidad de recoleccin de datos y de algoritmos
capaces de determinar patrones de comportamiento humano, es necesario discutir qu
sistemas estn motorizando estas prcticas y cules los regulan. En este trabajo, el fenmeno
Big Data adopta una jerarqua semejante al Fordismo: este nuevo fenmeno emerge como un
sistema de conocimiento que est cambiando incluso los mismos objetos de conocimiento10, la
epistemologa y la tica, planteando una transformacin de la teora y el aprendizaje a partir
de nuevas herramientas. En la misma lnea de Manovich (2011), las autoras plantean que la
disponibilidad de grandes cantidades de datos, renueva la discusin sobre objetividad y
subjetividad del mtodo cientfico, particularmente en las ciencias sociales y las humanidades.
La cantidad de datos por s mismos no otorgan objetividad absoluta, ya que los mismos estn
sujetos a interpretacin, de la misma manera que el objeto observado y las decisiones de
investigacin se basan en la subjetividad del investigador: Big Data no se explica por s solo y
los mtodos de interpretacin estn sujetos a debates filosficos11. Esto es as, aun sin
considerar los errores que puedan tener los datos masivos, la dificultad de interpretacin
que se genera por fuentes desconocidas, la (poca) representatividad del conjunto de datos
elegido o la descontextualizacin de los mismos, por mencionar algunos temas. Una mayor
cantidad no necesariamente significan mayor calidad, es decir, no quedan exentos de la
necesidad de mecanismos de validacin de los resultados. El aspecto tico abordado en el
documento tiene que ver con la disponibilidad y el uso de los datos de las personas. Que la
informacin est disponible o parezca pblica, no significa que no deban resguardarse los
derechos de las personas: estar en pblico (ej: estar en un parque), no es lo mismo que la
exposicin pblica (ej: reclamar activamente atencin). Finalmente, las autoras tambin
destacan el problema de la desigualdad en cuanto al limitado acceso a Big Data y la brecha
digital, abordando asimismo la discusin sobre la apropiacin de los datos por parte de las
empresas y la problemtica de las dimensiones pblica y privada.
Bollier (2010) aborda la discusin metodolgica sobre cmo deberan ser elaboradas las
teoras en la Era Big Data y la importancia de la interpretacin de las correlaciones y
predicciones que se realizan a partir del procesamiento de los datos masivos. Hace cinco aos
Google Flu Trends sorprendi con la aparente posibilidad de predecir epidemias en forma
rpida, precisa, econmica y sin teora. De hecho, el estudio ni siquiera planteaba una
hiptesis (Wired 2008). Sin embargo, cuatro aos ms tarde las predicciones del modelo libre
de teora de Google Trends, mostr grandes fallas de prediccin: el problema fue que Google
no analiz cules eran los factores que vinculaban los trminos de bsquedas con la
10
Chen y Chun-Yang (2014) plantean que el fenmeno Big Data, que da lugar a la Ciencia de Datos, se
presenta como un cuarto paradigma cientfico debido a los cambios que las crecientes aplicaciones
intensivas en datos estn provocando en la ciencia. Los otros tres paradigmas habran sido la Ciencia
Emprica (explicacin de la naturaleza basada en experiencia emprica), Ciencia Terica (Leyes de
Newton y Kepler) y la Ciencia Computacional (simulacin cientfica).
11
En trminos ms generales, la realidad no se explica por s sola y por lo tanto un empirismo radical
no es sostenible ya que forma parte de un sistema. De esta manera, un dato ya es una construccin
sobre aquello que es observable, es decir no existe un dato crudo absolutamente puro y objetivo (Forte,
1999).
11
12
En los pases en desarrollo el problema con las TIC es que la demanda es poco sofisticada y por lo
tanto se limita la emergencia de una oferta de mayor complejidad. Buena parte de las soluciones suelen
ser de tipo incorporado que se generan en pases desarrollados.
12
De acuerdo a estos enfoques, ms all de la escala de los Grandes Datos, la clave del nuevo
paradigma es el anlisis sistemtico de datos masivos, previo a y para una mejor toma de
decisiones. Este proceso podra ser entendido como un paso natural en la evolucin de la Era
de la Informacin o Sociedades de la Informacin (en trminos de Bell, Castells, etc.) hacia
las Sociedades del Conocimiento: basadas en la infraestructura digital que permite un vasto
incremento de la informacin, el desafo actual consistira en convertir la informacin digital
en conocimiento para la toma de decisiones inteligente. (Hilbert 2013)13.
Por lo tanto, aceptando la posicin que plantea estar en presencia de un cambio
paradigmtico en la forma de generar la informacin y transformarla en conocimiento, no
debemos dejar de mencionar algunos aspectos estructurales de la creacin y apropiacin de
valor a partir de la informacin. Por un lado, es necesario destacar que la informacin mientras
ms se sociabiliza, ms se valoriza, esto es, mientras haya ms personas trabajando con un
determinado conjunto de datos, mejores y ms resultados se pueden obtener. Sin embargo,
esta proposicin entra en contradiccin con la lgica de acumulacin vigente, caracterizada
por una frgil inclinacin a la libre difusin de la informacin y el conocimiento. Los datos, la
informacin, el conocimiento son activos sociales que no se agotan con el uso y, salvo por el
soporte fsico que necesiten para estar disponibles, tampoco son exclusivos por lo que lo nico
que puede imponer una limitacin en la difusin de estos son los medios sobre los que se
diseminan (i.e. soporte tecnolgico). Quien accede a controlar los medios, puede controlar los
contenidos. En el caso particular de Big Data es importante sealar que quien genera el dato
no necesariamente es quien lo almacena: el 70% del total de los datos mundiales est
almacenado en Norteamrica y Europa, lo que se expresa como brecha digital o
informacional14. Manovich (2011) sugiere que este nuevo fenmeno crea una nueva divisin
de clases o data-clases en la sociedad: i) aquellos quienes generan los datos: la mayora de la
poblacin; ii) aquellos que tienen los medios para recolectarla: muy pocos; iii) aquellos que
tienen la capacidad para analizarla: un sector an menor de la sociedad. Existen por lo tanto
jerarquas y relaciones de poder, debido a que quienes poseen los medios para captar los
datos, tienen el poder para apropiarse de la renta generada. boyd y Crawford (2012), aceptan
esta divisin en data-clases y agregan la distincin Big Data ricos - Big Data pobres al interior
de los sectores que acceden de una u otra forma a los datos masivos (ej: Universidades).
En principio, una alternativa es hacer pblicos los datos pero esto abre al menos otros dos
planteos: i) Cmo hacer pblicos los datos que se relevan de forma privada?; ii) Quin
recopila los datos? La recopilacin y limpieza de los datos es parte del proceso de anlisis
donde la objetividad del dato en bruto ya se pierde y queda condicionada por la forma en
que se recopila y selecciona y, por lo tanto, a los intereses de quien realiza esta tarea, lo cual
no necesariamente est ajustado a la poltica de desarrollo adoptada por el pas o la regin. Al
respecto UN Global Pulse (2012) plantea entre los desafos para el desarrollo, dimensiones
tales como: i) la privacidad: implicancias conceptuales, legales y tecnolgicas; ii) el acceso y
disponibilidad: la reticencia de las empresas privadas y otras instituciones para compartir datos
13
Los autores que menciona Hiberlt (2013a) forman parte de un debate acerca de la caracterizacin y
denominacin de las distintas Eras o Sociedades, que no ser abordado en el presente trabajo. Sin
embargo, vale destacar que, si bien se menciona el paso hacia un nuevo tipo de sociedad, no
consideramos que dicho trnsito sea automtico, sino que un proceso path dependence es necesario.
14
Para una discusin vigente en Amrica Latina ver AmbitoOnLine (2014)
13
sobre clientes, usuarios, operaciones, etc.; iii) anlisis: a la pregunta qu est sugiriendo el
dato?, debemos agregar el desafo de obtener el dato correcto, darle sentido y detectar las
anomalas. Los desafos aqu planteados estn sujetos a todo tipo de subjetividad. Un caso
importante y estratgico para los pases en desarrollo es el de los recursos naturales, donde la
tecnologa para la explotacin suele estar en manos privadas (nacional o extranjera) y por lo
tanto el uso monoplico de la informacin puede dar lugar a la apropiacin privada de rentas
informacionales.
14
Es decir, Big Data son datos que exceden la capacidad de procesamiento de los sistemas de
base de datos convencionales, caracterizados por un gran volumen, por la gran velocidad a que
se transmiten y por no ajustarse a las restricciones de las bases de datos convencionales. La
definicin de Big Data aceptada al momento se basa en las caractersticas y limitaciones que
este nuevo paradigma tecnolgico informacional impone sobre las capacidades tcnicas y
cognitivas actuales. Crear valor a partir de los Grandes Datos exige cambios en la forma de
procesar los datos, de pensar y de plantear los problemas.
Recopilacin /
Captura de Datos
Variedad
(Heterogeneidad)
Limpieza de
Datos
Volumen (Escala)
Integracin /
Agregacin
Velocidad
(Timeliness)
Anlisis /
Modelizacin
Privacidad
Interpretacin
Interpretacin /
Disponibilidad
3V
Sistema Global
Kong, Oyster en Londres, SUBE en Argentina, etc.); i.d) geolocalizacin a travs de smartphones y
tracking vehicular (ej: GPS); i.e) video vigilancia (ej: cmaras en espacios pblicos y privados); i.f)
informacin financiera (ej: consumo tarjeta de crdito, pago electrnico, etc.); i.g) conservacin de
registros electrnicos (ej: nube digital para almacenar informacin).
18
Otras consideraciones sobre el esquema de Big Data incorpora el uso de las herramientas vigentes
Map Reduce, SQL, NoSQL, etc. Ver Tekiner y Keane (2013)
15
Tcnicas
Tecnologas
Visualizacin
A/B Testing
Association rule learning
Data Mining
Algoritmos genticos
Redes neuronales
Cassandra
Cloud computing
Extraer, transformar y cargar
Hadoop
SQL
NoSQL
Tag clouds
Conversation clouds
Grficos de clusters
Flujos histricos
Flujos de informacin espacial
19
http://strata.oreilly.com/2012/01/what-is-big-data.html
La Ciencia de Datos aparece como una nueva profesin vinculada a las ciencias matemticas,
estadsticas y computacionales, con perfil analtico y capacidad de un abordaje multidisciplinario de los
problemas: http://tecno.americaeconomia.com/noticias/el-cientifico-de-datos-una-nueva-y-necesariaprofesion
21
Para un detalle de las tcnicas, tecnologas y herramientas de visualizacin de Big Data vigentes,
consultar McKinsey (2011, Captulo 2, p. 27-36). Ver Apndice.
20
16
para el desarrollo.
En este apartado se relevan en forma an preliminar los sectores que, de acuerdo a la
literatura, muestran experiencias en el uso de Big Data.
3.1 Salud
McKinsey (2011 y 2013) han estudiado el potencial impacto de Big Data en el incremento de la
productividad del sector salud en EEUU. Este sector fue elegido por: i) participacin en el PIB
de EEUU (17% - 2010); ii) la necesidad del sector de aumentar la productividad: en la ltima
dcada, el gasto en salud creca al 5% anual y en 2007 el gasto per cpita ajustado por poder
adquisitivo era un 30% superior al promedio de los pases de la OECD, sin mostrar mejores
resultados en los cuidados de la salud; iii) las partes involucradas: industria farmacutica y de
productos mdicos, proveedores y pacientes.
Considerando las inversiones necesarias en tecnologa, personal capacitado, cuidado de la
privacidad y con los incentivos adecuados, el estudio estimaba que las ganancias potenciales
con Big Data en diez aos ascenderan a 300 mil millones de dlares anuales, explicndose dos
tercios de dicho valor por reducciones en los gastos de atencin de la salud. Esto es un 8% del
nivel de gasto estimado en salud para 2010. Las estimaciones conservadoras de productividad
sugieren una mejora del 0,7% anual a partir de la reduccin de costos por tratamientos
(drogas) poco efectivos, reduccin de efectos adversos provocados por tratamientos,
reduccin de errores mdicos y criterios sesgados hacia intervenciones poco efectivas,
deteccin de patrones en las patologas, monitoreo remoto de los pacientes y sistemas
personalizados. Los principales desafos son: i) la digitalizacin de gran parte de la
documentacin (i.e. historias clnicas) y la manipulacin de imgenes; ii) la privacidad; iii) la
compartimentacin de la informacin entre las empresas y organismos pblicos; iv) personal
capacitado.
Por otro lado, el trabajo menciona algunas aplicaciones de Big Data en la salud en EEUU, UK e
Italia que mostraron buenos resultados, principalmente vinculados al efecto adverso y
efectividad de medicamentos y tratamientos.
El uso de Big Data puede mejorar el monitoreo de la salud pblica y la capacidad de respuesta,
a partir de una base de datos de pacientes y tratamientos que permita una coordinada y
temprana deteccin de enfermedades infecciosas, como as tambin reducir los tiempos de
investigacin. Wired (2010) muestra los resultados de una investigacin sobre el mal de
Parkinson alcanzados por el Modelo Tradicional de investigacin del National Institute of
Health y el modelo empleado por la organizacin Parkinsons Genetic Iniative. El primer
modelo sigue el esquema tradicional: i) planteo de hiptesis; ii) estudios; iii) recoleccin de
resultados; iv) anlisis; v) elaboracin del documento; vi) presentacin del documento en The
New England Journal of Medicine; vii) aceptacin del documento; viii) publicacin. El otro
modelo: i) preparacin de la herramienta: i.e. encuesta; ii) reclutamiento de pacientes; iii)
recoleccin de resultados; iv) anlisis; v) presentacin de resultados en el encuentro de la
Royal Society of Medicine en Londres, esperando publicar un documento ms tarde. Lo
17
interesante es que ambos estudios llegaron prcticamente a los mismos resultados, aunque al
tradicional le llev seis aos y al segundo slo 8 meses.
Hilbert (2013a) cita un estudio de caso en EEUU sobre atencin mdica de lesiones de cadera y
de antebrazo cuyas conclusiones permiten identificar cuatro tipos de variaciones en el
tratamiento y afeccin de determinadas patologas: i) patrn geogrfico-ambiental; ii) errores
mdicos; iii) criterios sesgados: i.e. necesidad de ciruga; iv) sobre utilizacin y sobre oferta de
intervenciones y gastos en algunas regiones por abundancia.
Harding y Lovenheim (2014) estudian el rol de los precios en el patrn de consumo y nutricin
en EEUU entre 2000-2007, combinando tcnicas de demanda estructural con el enfoque de Big
Data22. Esto les permite caracterizar las decisiones de consumo e investigar el efecto de
diferentes impuestos a los alimentos para mejorar el impacto nutricional del consumo
alimenticio y prevenir problemas de obesidad. La conclusin es que el impacto de una poltica
impositiva sobre los componentes nutricionales es ms efectivo sobre el consumo alimenticio
saludable, que la aplicacin de impuestos sobre los productos.
22
Segn los autores, el enfoque Big Data que utilizan se basa en la vinculacin conjunta de varias bases
de datos grandes para proporcionar una visin global de consumo, precios, caractersticas nutricionales
de los alimentos comprados y el entorno que se realiz la compra.
18
Hilbert (2013a) menciona aplicaciones con referencias geogrficas (GPS) para la administracin
del trnsito til para el transporte pblico, polica, bomberos, planificacin urbana, etc. En
Estocolmo, taxis y camiones provistos con GPS envan informacin cada 30 y 60 segundos,
ofreciendo un panorama del trnsito en tiempo real que, sumado a los datos histricos y
climticos, permite elaborar proyecciones sobre las condiciones del trnsito (ver Biem et al.
2010). Tambin este tipo de relevamiento sirve para hacer un mapeo del delito como ya fue
aplicado en Chicago. En este documento se halla tambin una discusin sobre el potencial
aprovechamiento de los datos por el sector pblico y sobre el resguardo de la privacidad.
suministro; iii) Eficiencia en la produccin a partir de tcnicas de simulacin, sensores, etc.; iv)
Estrategias de comercializacin y servicios post-venta.
3.5 Transporte
Li, Hongfei, et al. (2014) utilizan grandes volmenes de datos histricos, que pueden ser
recolectados en tiempo real por sensores, para aumentar la velocidad de la red ferroviaria y
dar respuesta al aumento de la demanda del servicio. Combinando datos histricos con datos
de fallas, de mantenimiento y climticos, buscan elaborar modelos para predecir fallas (ej:
descarrilamiento) en el servicio como forma de aumentar la velocidad de la red. Para ello
utilizan tcnicas de aprendizaje automtico (machine learning) que les permite disear un
sistema de alarma para responder ante la probabilidad de fallas, ganando en seguridad y
mejorando los tiempos del servicio.
Otras de las aplicaciones ms difundidas y con mayor potencial de Big Data es en la
optimizacin del transporte en sentido amplio, esto es, desde transporte pblico urbano hasta
aerocomercial. De acuerdo a un relevamiento realizado por European Commission (2013), en
Francia ya se ha implementado el uso de Big Data proporcionando herramientas de anlisis en
tiempo real para minimizar los costos operativos asociados con el mantenimiento no
programados de las aeronaves.
Conclusin
Big Data surge como una nueva fase del paradigma intensivo en comunicacin e informacin
surgido a partir de la revolucin tecnolgica iniciada en la dcada del 70. En este sentido, si
bien ofrece oportunidades para alcanzar tanto mejoras en competitividad y productividad
como en opciones para la mejora en la calidad de vida con potenciales beneficios para los
pases en desarrollo, se requieren importantes desarrollos en el rea de TIC. Si bien Big Data
abre oportunidades, el anlisis de datos masivos para la toma de decisiones inteligentes pone
de manifiesto la necesidad de generar capacidades para superar la brecha digital.
Por lo tanto, la materializacin de los potenciales beneficios para pases en desarrollo, requiere
la elaboracin de polticas activas y especficas que tengan en cuenta la generacin y
apropiacin de rentas informacionales, el manejo de la privacidad en cuanto a datos
personales, el desarrollo de capacidades para la creacin de valor y la difusin de la
informacin y el conocimiento para contribuir a la reduccin de desigualdades
socioeconmicas.
Si bien necesitaremos profundizar en los sectores de aplicacin de Big Data en Argentina, a
continuacin suministramos una lista preliminar con potenciales reas de aplicacin:
1. Agropecuario: los avances tecnolgicos y cientficos del sector lo convierten en una
potencial rea de aplicacin. De hecho, la Fundacin Sadosky y AACREA estn
desarrollando actividades conjuntamente. Sin embargo, no hay que descartar las brechas
de productividad que existen con el resto de los sectores, quines se apropian de la renta
informacional y la sustentabilidad del modelo de negocio que se aplica al sector;
2. Biotecnologa: El potencial de Big Data en el rea de la salud es alentador. Argentina tiene
desarrollos e investigacin en secuenciacin genmica, medicina personalizada,
bioinformtica, etc. El INQUIMAE de la Facultad de Ciencias Exactas y Naturales de la UBA,
ha realizado estudios y aplicaciones al respecto: los sectores de implementacin pueden
ser agropecuario (medicina veterinaria, genoma de especies), salud (medicina
personalizada), seguridad (perfil gentico), biotecnologa de combustibles;
3. Clima: dada las herramientas satelitales del pas y las capacidades desarrolladas por
ARSAT, se podran obtener datos para combinarlos con el sistema de transporte y logstica,
prevencin de desastres naturales, planificacin urbana, agricultura, etc.;
21
4. Deporte: existe actualmente el anlisis de datos masivos aplicados al deporte tales como
en ftbol, tenis, atletas en general, etc. Con el impulso que ha recibido el deporte
argentino en los ltimos aos, esta podra ser una oportunidad para vincular a los equipos
de alto rendimiento nacionales con proyectos Big Data (La Nacin 2014.b).
5. Energa: particularmente en lo que refiere a energa elctrica, existe un relevamiento de
CAMESA en tiempo real sobre consumo que podra servir para determinar patrones de
comportamiento y predecir problemas en el sistema;
6. Entretenimiento: Redes sociales, juegos, aplicaciones mviles;
7. Nanotecnologa: Dado el desarrollo del rea en el pas, se podra aplicar para la
administracin y almacenamiento de datos, dando solucin a las limitaciones del ancho de
banda. Desde el Ministerio de Ciencia, Tecnologa e Innovacin se estn otorgando
subsidios para proyectos de nanotecnologa que incluyan nanomateriales,
nanointermediarios y nanosensores.
8. Salud: el avance en la digitalizacin de historias clnicas e imgenes ofrece una
oportunidad para lograr reducciones de costos, deteccin de irregularidades y eficiencia
en los tratamientos mdicos. Hay que tener en cuenta que con sector salud nos
referimos a un amplio espectro que involucra no slo a los prestadores mdicos, sino
tambin la industria farmacutica y de insumos de salud, sindicatos, obras sociales, etc;
9. Software y servicios informticos: se desarrollan motores de bsqueda; se realizan
desarrollo de herramientas para la bsqueda de informacin basada en contextos
temticos; tambin se investiga en software de datamining genmico y farmacutico.
10. Subsidios: estrechamente vinculado al transporte, se cuenta con informacin de la tarjeta
SUBE que junto a otras bases de datos permitira una mejor asignacin de los subsidios;
11. Transporte: a partir de herramientas geo-referenciales se pueden realizar modelos de
administracin del trnsito, transporte pblico y planificacin urbana. Tambin se pueden
realizar aplicaciones dinmicas continuas de informacin del transporte pblico tales como
la deteccin de problemas, frecuencia y patrones de uso del servicio por parte de los
pasajeros (Tarjeta SUBE);
Es importante tener en cuenta que las aplicaciones de Big Data no se darn de forma
automtica. Su implementacin no slo est sujeta a la disponibilidad de trabajadores
calificados o la previa inversin en TIC, sino tambin a las barreras que puedan imponer el
contexto institucional, poltico y cultural particular de los sectores, como as tambin los
intereses econmicos de los actores involucrados. Asimismo, un tema central en la aplicacin
de polticas exitosas ser el tratamiento de la privacidad de los datos de las personas para que
no haya un dao en la integridad de las mismas y un descrdito de la herramienta que
obstaculice un mejor aprovechamiento de sus beneficios. En este marco, Argentina ha
desarrollado capacidades tcnicas y potencialidades que permitiran aprovechar este avance
informacional-tecnolgico en la contribucin para generar un sendero de desarrollo
econmico y social virtuoso.
22
A/B testing: un grupo de control es comparado con una variedad de grupos de testeos
para determinar cul es el mejor procedimiento para alcanzar un objetivo particular. Big
Data permite realizar varios testeos asegurando grupos suficientemente grandes.
Association rule learning: conjunto de tcnicas para descubrir relaciones entre variables
en grandes bases de datos
Data mining: tcnicas para extraer patrones de grandes bases de datos, combinando
mtodos estadsticos y machine learning. Estas tcnicas incluyen association rule learning,
cluster analysis, classification y regresin.
Genetic algorithms: tcnica de optimizacin inspirada en procesos de evolucin natural
(supervivencia del ms apto). Usualmente son caracterizados como algoritmos
evolutivos.
Machine Learning: vinculado al diseo y desarrollo de algoritmos que permiten a las
computadoras desarrollar comportamientos basados en datos empricos. NLP (Natural
language processing), es un ejemplo de machine learning.
Redes Neuronales: modelos computacionales inspirados en la estructura de redes
neuronales biolgicas (ej: clulas y conexiones dentro del cerebro), para buscar patrones
en el set de datos y optimizacin.
Tecnologas
23
La mayor cantidad de definiciones fueron obtenidas de McKinsey (2011). Tambin puede consultarse
Chen, et al. (2014).
23
Extract, transform, and load (ETL): herramientas de software utilizadas para extraer datos
de fuentes externas, transformarlas para satisfacer las necesidades operativas, y cargarlos
en una base de datos.
Hadoop: Estructura de software de cdigo abierto para el procesamiento de grandes bases
de datos en sistemas distribuidos. Su desarrollo fue inspirado por Googles MapReduce y
Google File System, desarrollado originalmente por en Yahoo! Y actualmente administrado
como proyecto de Apache Software Foundation.
HBase: Base de datos abierta, distribuida y no relacionada, modelada en Googles Big
Table. Orginalmente desarrollada por Powerset, actualmente es administrada por Apache
Software foundation como parte de Hadoop.
MapReduce: modelo de programacin inspirado por Google para procesamiento de
grandes bases de datos en sistemas distribuidos. Fue implementado tambin por Hadoop.
SQL: (structured query language o lenguaje de consulta estructurado), lenguaje de
computacin designado para administrar base de datos relacionales, permitiendo
especificar distintos tipos de operaciones.
Visualizacin
Las herramientas de visualizacin permiten comunicar, entender y mejorar el anlisis de los
resultados obtenidos a partir de Big Data, en forma eficiente.
Tag Cloud: o nube de texto ponderada, donde las palabras utilizadas ms frecuentemente
aparecen en forma ms grande que las menos frecuentes.
Clustergram: tcnica de visualizacin utilizada para mostrar cmo miembros de una base
de datos se asignan a un cluster a medida que el nmero de clusters se incrementa.
History Flow: tcnica de visualizacin que grafica la evolucin de un documento a medida
que este es editado por mltiples autores contribuyentes.
Spatial information flow: muestra cmo fluyen los datos en forma espacial, es decir, de
una regin, pas, ciudad, etc. a otra.
Referencias Bibliogrficas
AmbitoOnLine (2014). GLASER: Necesitamos una internet menos dependiente de EEUU Diario mbito
Financiero, versin on line, Buenos Aires. Abril 2014.
Disponible: http://www.ambito.com/diario/noticia.asp?id=735458
Armah, N. A. (2013). Big Data Analysis: The Next Frontier. Bank of Canada Review, 2013 (Summer), p. 32-39.
Disponible: http://www.bankofcanada.ca/wp-content/uploads/2013/08/boc-review-summer13-armah.pdf
Barletta, Pereira, Robert y Yoguel (2013), Argentina: Dinmica reciente del sector de software y servicios
informticos, Revista CEPAL N 110. Agosto 2013.
Disponible: http://www.cepal.cl/publicaciones/xml/2/49262/BandaAnchaenAL.pdf.pdf
Barrantes, Roxana, Valeria Jordn, and Fernando Rojas. "La evolucin del paradigma digital en Amrica
Latina." Banda ancha en Amrica Latina: ms all de la conectividad (2013).
Biem, et. al. (2010) Real-Time Traffic Information Management using Stream Computing IBM TJ Watson
Research Center, NY, USA. 2010
24
Bollier, D. (2010). The promise and peril of Big data. Washington D.C.: The Aspin Institute.
Disponible:
http://www.aspeninstitute.org/sites/default/files/content/docs/pubs/The_Promise_and_Peril_of_Big_Data.pd
f
Brynjolfsson, Erik and Hitt, Lorin M. and Kim, Heekyung Hellen (2011). Strength in Numbers: How Does DataDriven Decision making Affect Firm Performance? Abril 2011.
Disponible: http://ssrn.com/abstract=1819486 or http://dx.doi.org/10.2139/ssrn.1819486
Carvalho, et al.. (2014). A Smart Platform for Precision Agriculture. Cisco White Paper, 2014.
CESSI (2014). Reporte semestral sobre el Sector de Software y Servicios Informticos de la Repblica
Argentina. Observatorio Permanente de la Industria del Software y Servicios Informticos de la Repblica,
Cmara de Empresas de Software y Servicios Informticos. Agosto 2014.
Disponible: http://www.cessi.org.ar/opssi
Chen, C. L., y Chun-Yang Zhang (2014). "Data-Intensive Applications, Challenges, Techniques and Technologies:
A Survey on Big Data." Information Sciences. 2014.
Choi, Dae Won. Banda ancha y poltica industrial: la experiencia coreana. En: Banda ancha en Amrica Latina:
ms all de la conectividad. Santiago: CEPAL, 2013.
Disponible: http://www.cepal.cl/publicaciones/xml/2/49262/BandaAnchaenAL.pdf.pdf
Chou, J. S., & Telaga, A. S. (2014). Real-time detection of anomalous power consumption. Renewable and
Sustainable Energy Reviews, 33, 400-411. 2014
CNN Money (2013). Big Data could generate millions of new Jobs. Mayo 2013.
Disponible: http://management.fortune.cnn.com/2013/05/21/big-data-jobs-2/?
Cumbley, Richard y Peter Church (2013). "Is Big Data creepy?". Computer Law & Security Review 29.5: 601609. Londres 2013
danah boyd & Kate Crawford (2012). Critical questions for Big Data. Information, Communication & Society,
15:5, 662-679, DOI:10.1080/1369118X.2012.678878
Disponible: http://dx.doi.org/10.1080/1369118X.2012.678878
European Commission (2013). Big Data. Analytics & Decision Making. Business Innovation Observatory.
Septiembre 2013.
Forte, Miguel ngel (1999). Modernidad: Tiempo, forma y sentido. Buenos Aires 1999.
Disponible: http://www.modernidadforte.8m.com/
Forte, M. ., Pignuoli Ocampo, S., Calise, S., Palacios, M., & Zitello, M. (2012). Las TIC como problemtica de la
teora sociolgica. Una problematizacin terica de la comunicacin digitalizada desde la teora general de
sistemas sociales autorreferenciales y autopoiticos. Revista de la Carrera de Sociologa. Entramados y
Perspectivas, (2), 205-226.
Disponible:
http://publicaciones.sociales.uba.ar/index.php/entramadosyperspectivas/article/download/137/121
FT Magazine (2014). Big data: are we making a big mistake? Financial Times Magazine. Marzo 2014.
Disponible: http://www.ft.com/cms/s/2/21a6e7d8-b479-11e3-a09a-00144feabdc0.html#axzz2zdXz8WBN
Gartner (2011). Gartner Says Solving 'Big Data' Challenge Involves More Than Just Managing Volumes of
Data. Junio 2011
Disponible: http://www.gartner.com/newsroom/id/1731916
25
Gordon, R. J. (2014). The Demise of US Economic Growth: Restatement, Rebuttal, and Reflections. (No.
w19895). National Bureau of Economic Research. Febrero 2014.
Disponible: http://www.nber.org/papers/w19895.pdf
Harding y Lovenheim (2014), The Effect of Prices on Nutrition: Comparing the Impact of Product- and
Nutrient-Specific Taxes. Diciembre 2014.
Disponible: http://www.stanford.edu/~mch/resources/Harding_Nutritiondemand.pdf
Hilbert (2013a) Big Data for Development: From Information- to Knowledge Societies United Nations ECLAC.
Enero 2013.
Disponible: http://ssrn.com/abstract=2205145
Hilbert (2013b) CEPAL Charlas Sobre Sistemas Complejos Sociales (CCSSCS) [Vdeo].
Disponible: http://www.martinhilbert.net/CCSSCS.html
Kelly, Jeffrey (2014). Big Data Vendor Revenue and Market Forecast Wikibon Article. Febrero 2014
Disponible: http://wikibon.org/wiki/v/Big_Data_Vendor_Revenue_and_Market_Forecast_2012-2017
Krugman, Paul (2014). Networks and Economic History. The New York Times. Noviembre 2014
Disponible: http://nyti.ms/112wYnT
LaNacin (2013). Big Data: una oportunidad o un festival de humo de colores?. Diario La Nacin, Buenos
Aires. Octubre 2013.
Disponible: http://www.lanacion.com.ar/1628427-big-data-una-oportunidad-o-un-festival-de-humo-decolores
LaNacin (2014a). Un aliado tecnolgico para evitar que la comida termine en la basura. Diario La Nacin,
Buenos Aires, Argentina. Marzo 2014.
Disponible: http://www.lanacion.com.ar/1673266-un-aliado-tecnologico-para-evitar-que-la-comida-termineen-la-basura
LaNacin (2014b). Big Data, el as bajo la manga de los equipos de ftbol del futuro. Diario La Nacin, Buenos
Aires, Argentina. Abril 2014
Disponible: http://www.lanacion.com.ar/1682716-big-data-el-as-bajo-la-manga-de-los-equipos-de-futbol-delfuturo
Lazer, D. M., Kennedy, R., King, G., & Vespignani, A. (2014). The parable of Google Flu: Traps in big data
analysis.
Disponible: http://gking.harvard.edu/files/gking/files/0314policyforumff.pdf
Li, H., Parikh, D., He, Q., Qian, B., Li, Z., Fang, D., & Hampapur, A. (2014). Improving rail network velocity: A
machine learning approach to predictive maintenance. Transportation Research Part C: Emerging
Technologies. 2014
Liran Einav y Jonathan Levin (2013), The Data Revolution and Economic Analysis. NBER Innovation Policy and
the Economy Conference. Abril 2013
Manovich, L. (2011). Trending: The Promises and the Challenges of Big Social Data. In M. Gold (Ed.), Debates
in the Digital Humanities (pp. 460476). Minneapolis: The University of Minnesota Press.
Disponible: http://www.manovich.net/DOCS/Manovich_trending_paper.pdf
McKinsey (2011). Big data: The next frontier for innovation, competition, and productivity. McKinsey Global
Institute. Junio 2011.
Disponible:
http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation
26
McKinsey (2013). The big-data revolution in US health care: Accelerating value and innovation. Center for US
Health System Reform Business Technology Office. Enero 2013
Disponible: http://www.mckinsey.com/insights/health_systems_and_services/the_bigdata_revolution_in_us_health_care
NY Times (2013) Is Big Data an Economic Big Dud?. New York Times. Agosto 2013
Disponible: http://www.nytimes.com/2013/08/18/sunday-review/is-big-data-an-economic-bigdud.html?pagewanted=all&_r=0
OECD (2013), Exploring Data-Driven Innovation as a New Source of Growth: Mapping the Policy Issues Raised
by "Big Data", OECD Digital Economy Papers, No. 222, OECD Publishing.
Disponible: http://dx.doi.org/10.1787/5k47zw3fcp43-en
Dumbill, E. (2012). What is big data? An introduction to the big data landscape. OReilly Radar.
Disponible: http://strata.oreilly.com/2012/01/what-is-big-data.html
Peres, W., y Hilbert, M. (2010). Information Societies in Latin America and the Caribbean Development of
Technologies and Technologies for Development. Santiago de Chile: United Nations ECLAC. Diciembre 2010
Disponible: http://www.cepal.org/publicaciones/xml/3/43803/Libro_Cepal_98.pdf
Piketty y Saez (2003). Income Inequality in the United States, 19131998 The Quarterly Journal of Economics.
Febrero 2003
SciDev.Net (2014). Big Data for Development. Big obstacles ahead for big data for development. SciDev.Net,
abril 2014.
Disponible: http://www.scidev.net/global/data/feature/obstacles-big-data-development.html
SDSS-III (2008). Massive Spectroscopic Surveys of the Distant Universe, the Milky Way Galaxy, and Extra-Solar
Planetary Systems Enero 2008.
Disponible: http://www.sdss3.org/collaboration/description.pdf
Tekiner y Keane (2013). Big Data Framework School of Computer Science, The University of Manchester,
Manchester, UK. 2013
UN Global Pulse 2012. Big Data for Development: Challenges & Opportunities United Nations. Mayo 2012.
Disponible: http://unglobalpulse.org/
UNU (United Nations University). (2012). Rainfall Variability, Food Security and Human Mobility: an approach
for generating empirical evidence Bonn: United Nations University Institute for Environment and Human
Security (UNU-EHS). Junio 2012
Disponible en http://www.ehs.unu.edu/file/get/9921.pdf
White Paper (2012): Challenges and Opportunities with Big Data. A community white paper developed by
leading researchers across the United States. Documento creado a partir de conversaciones mantenidas entre
miembros de universidades de EEUU (MIT, UC Berkeley, Standford Univ., etc.) y empresas tecnolgicas lderes
(Yahoo!, Google, Microsoft, IBM, HP). Nov. 2011-Feb. 2012.
Disponible: http://www.cra.org/ccc/files/docs/init/bigdatawhitepaper.pdf
Wired (2008). The End of Theory: The Data Deluge Makes the Scientific Method Obsolete. Wired Magazine.
Junio 2008.
Disponible: http://archive.wired.com/science/discoveries/magazine/16-07/pb_theory
Wired (2010). Sergey Brins Search for a Parkinsons Cure. Wired Magazine. Junio 2010.
Disponible: http://www.wired.com/2010/06/ff_sergeys_search/all/
27