ESCUELA PROFESIONAL DE INGENIERIA DE

SISTEMAS E INFORMATICA

Área:
Sistemas Expertos

Docente:
Diana Muñoz

Ciclo:
VI

Integrantes:

Tufinio LLaure Ingrid

Vera Cevero Alexandra

Nvo. Chimbote 2018

 BIG DATA
¿Qué es Big Data?
Cuando hablamos de 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 webs 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.
En la mayoría de los casos, con el fin de utilizar eficazmente el Big Data, debe
combinarse con datos estructurados (normalmente de una base de datos relacional)
de una aplicación comercial más convencional, como un ERP (Enterprise Resource
Planning) o un CRM (Customer Relationship Management).

¿Por qué el Big Data es tan importante?

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.
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.

Características (5 V’ s):
 Volumen
 La cantidad de datos
 Desconocimiento del volumen real
 Incremento del tráfico en internet será exponencial (Era del Zettabyte)

 Velocidad
 Los datos en movimiento
 Obtener la información correcta en el momento preciso

 Volumen
 La cantidad de datos
 Desconocimiento del volumen real
 Incremento del tráfico en internet será exponencial (Era del Zettabyte)

 Veracidad
 Confianza o fiabilidad de los datos
 Evitar sesgos o ruidos
 Limpieza de datos apropiados

 Valor del dato

 Es la importancia que puede tener el dato para la toma de decisiones
como en las empresas y los gobiernos.
Limitaciones

 No permite detectar comportamientos individuales.

 Puede detectar correlación, pero no casualidad.
 Gran cantidad de ruido.
 Big Data puede sugerir hipótesis.
 Período de valides determinado.

Aplicaciones

1. Entendiendo y segmentando a los clientes

Marketing y ventas son quizá las áreas de mayor aplicación de big data en la
actualidad. Los datos se utilizan para comprender mejor a los clientes, sus
comportamientos y preferencias. Las empresas están dispuestas a ampliar los
centros de datos tradicionales con los de redes sociales, logs de navegación,
análisis de textos y datos de sensores para obtener una imagen completa de su
cliente. El objetivo principal es en la mayoría de casos crear modelos predictivos.
Como vimos en un artículo anterior, tuvo bastante repercusión la noticia de que la
cadena de distribución Target fue capaz de detectar cuándo sus clientes esperaban
un bebé. Las empresas de telecomunicaciones pueden gracias al big data predecir
mejor el churn de clientes. Los hipermercados pueden predecir mejor qué
productos se venderán mejor, y las aseguradoras de coches pueden comprender
mejor cómo conducen sus clientes. Incluso las campañas electorales pueden
optimizarse gracias a big data analytics. Hay quienes sostienen que las recientes
elecciones presidenciales en varios países han sido ganadas por los equipos con
mayor capacidad de entender y aplicar el análisis de datos para buscar las
preferencias de votantes y llegar a ellos por sus canales preferidos

2. Mejorando la salud publica

Otra área de uso de datos masivos colectivos es el de la codificación de material
genético. Cuantos más usuarios participan más beneficios se obtienen, bien para
saber más sobre nuestros ancestros, qué dieta o alimentos son más adecuados
para nuestro genotipo, o para descubrir cómo o porqué se activan determinados
genes que pueden derivar en enfermedades crónicas. La capacidad de
procesamiento de plataformas de análisis de big data nos permite ya descodificar
cadenas enteras de ADN en cuestión de minutos y permitirá encontrar nuevos
tratamientos y comprender mejor las enfermedades, sus desencadenantes y los
patrones de propagación. Piense qué sucederá cuando todos los dispositivos y
sensores que llevamos encima (y cada vez llevaremos más) con marcadores de
nuestro cuerpo se apliquen a millones de otras personas. Los ensayos clínicos del
futuro no tendrán que estar limitados a muestras pequeñas sino que todo el mundo
podrá formar parte.
Las técnicas de big data ya están empleando por ejemplo para monitorizar bebés
en la unidad de neonatos de un hospital en Toronto. Grabando y analizando latidos
y el patrón de respiración de cada bebé, la unidad ha desarrollado unos algoritmos
que pueden predecir infecciones 24 horas antes de que los primeros síntomas
 aparezcan. De esta manera, el equipo médico puede intervenir y salvar vidas en
un entorno en el que cada hora cuenta.

El análisis de datos masivos también se utiliza a la hora de controlar y predecir la

evolución de las epidemias y brotes de enfermedades. Integrando datos de
historiales clínicos con análisis de datos de redes sociales pueden detectar brotes
de gripe en tiempo real simplemente escuchando lo que la gente publica en sus
perfiles públicos.

3. Mejorando el rendimiento deportivo

Aplicando análisis a las grabaciones de vídeo de cada jugador de fútbol y
tecnología de sensores en equipamiento deportivo como balones o palos de golf,
podemos obtener retroalimentación de los datos generados y mostrar los
resultados para mejorar el rendimiento o para mostrar una visión enriquecida de la
retransmisión a los espectadores. Muchos equipos de élite realizan ya seguimiento
de sus atletas fuera del entorno de competición, usando dispositivos inteligentes
para monitorizar desde la nutrición, la preparación física y el sueño, hasta las
conversaciones en redes sociales en las que participan para controlar el bienestar
emocional.

4. Optimizando el rendimiento de máquinas y dispositivos

El análisis de big data está ayudando a máquinas y dispositivos a ser más
inteligentes y autónomos. Un ejemplo que ya es una realidad, el coche autopilotado
de Google.
Los coches que usan para el proyecto están equipados con cámaras, GPS,
conexión a internet, y un abanico de computadoras y sensores que permiten al
vehículo circular de forma segura por la vía pública sin necesidad de intervención
humana.
También se usan herramientas de análisis de big data para optimizar las redes de
energía a partir de datos de los medidores inteligentes. podemos también
aprovechar estas tecnologías para optimizar el rendimiento de servidores y
datawarehouses.

5. Mejorando la seguridad y el cumplimiento de la ley

El análisis de big data se está empleando de forma intensiva en la mejora de la
seguridad y en los cuerpos de aplicación de la ley. La noticia que se filtró via
Wikileaks de que la NSA ha estado espiando en todas las comunicaciones de todos
los ciudadanos. El objetivo es la protección de ataques terroristas.
Otros usos de tecnología big data lo encontramos a la hora de detectar y prevenir
ciberataques. El sistema de IA creado en el MIT predice el 85% de los ciberataques.
Otros ejemplos: Las fuerzas policiales están empezando a utilizar herramientas de
big data para dar con criminales e incluso prevenir actividades criminales.Otro
ejemplo que lleva años empleándose es en la detección de transacciones
fraudulentas con tarjetas de crédito.

6. Mejorando y optimizando las ciudades

El big data se está usando también para mejorar aspectos de nuestras ciudades y
países. La tecnología permite optimizar los flujos de tráfico basándose en
datos que llegan en tiempo real del tráfico, de las redes sociales y del tiempo
metereológico. Un número creciente de ciudades están embarcadas en proyectos
de Smart Cities, donde la infraestructura de transportes y los procesos de
suministros trabajan colaborativamente. Algunos ejemplos: un autobús espera a
salir automáticamente por el retraso de un avión, las señales de tráfico y semáforos
actúan automáticamente para minimizar embotellamientos.