daruben hernandez mendoza big data

8/11/2019 DaRuben Hernandez Mendoza Big Data

1/10

Universidad Autnoma del Estado de Mxico

Centro Universitario UAEM

Licenciatura en Informtica Administrativa

Temas Selectos del Tratamiento de la InformacinRuben Hernndez Mendoza

Big data

By Vangie Beal Big data is a buzzword, or catch-phrase, used to describe a massive

volume of both structured and unstructured data that is so large that it's difficult to

process using traditional database and software techniques. In most enterprise

scenarios the data is too big or it moves too fast or it exceeds current processingcapacity. Big data has the potential to help companies improve operations and make

faster, more intelligent decisions. Is Big Data a Volume or a Technology? While the term

may seem to reference the volume of data, that isn't always the case. The term big

data, especially when used by vendors, may refer to the technology (which includes

tools and processes) that an organization requires to handle the large amounts of data and

storage facilities. The term big data is believed to have originated with Web search companies

who needed to query very large distributed aggregations of loosely-structured data. An

Example of Big Data An example of big data might be petabytes (1,024 terabytes) or

exabytes (1,024 petabytes) of data consisting of billions to trillions of records of

millions of people

all from different sources (e.g. Web, sales, customer contact center, social media, mobile

data and so on). The data is typically loosely structured data that is often incomplete

and inaccessible. Big Data and Types of Business Datasets When dealing with larger

datasets, organizations face difficulties in being able to create, manipulate, andmanage big data. Big data is particularly a problem in business analytics because

standard tools and procedures are not designed to search and analyze massive

datasets. As research from Webopedia parent company QuinStreet demonstrates, big data

initiatives are poised for explosive growth. QuinStreet surveyed 540 enterprise 1ecisin-makers


2/10

involved in big data and found the datasets of interest to many businesses today include traditional

structured databases of inventories, orders, and customer information, as well as unstructured

data from the Web, social networking sites, and intelligent devices. This data, when captured,

formatted, manipulated, stored, and analyzed can help a company to gain useful insight

to increase revenues, get or retain customers, and improve operations. Big data may also be

called enterprise big data. Big data analytics Big data analytics refers to the process of

collecting, organizing and analyzing large sets of data (big data) to discover patterns

and other useful information. Not only will big data analytics help you to understand the

information contained within the data, but it will also help identify the data

that is most important to the business and future business decisions. Big data

analysts basically want the knowledge that comes from analyzing the data. The Benefits ofBig Data Analytics Enterprises are increasingly looking to find actionable insights

into their data. Many big data projects originate from the need to answer specific business

questions. With the right big data analytics platforms in place, an enterprise can boost

sales, increase efficiency, and improve operations, customer service and risk management.

Webopedia parent company, QuinStreet, surveyed 540 enterprise 2ecisin-makers

involved in big data purchases to learn which business areas companies plan to use Big Data

analytics to improve operations. About half of all respondents said they were applying

big data analytics to improve customer retention, help with product development and gain a

competitive advantage. For most organizations, big data analysis is a challenge.

Consider the sheer volume of data and the many different formats of the data (both

structured and unstructured data) collected across the entire organization and the many different

ways different types of data can be combined, contrasted and analyzed to find patterns and

other useful information. The first challenge is in breaking down data silos to access

all data an organization stores in different places and often in different systems. A

second big data challenge is in creating platforms that can pull in unstructured data

as easily as structured data. This massive volume of data is typically so large that

its difficult to process using traditional database and software methods. Big Data

Requires High-Performance Analytics To analyze such a large volume of data, big data

analytics is typically performed using specialized software tools and applications for


3/10

predictive analytics, data mining, text mining, forecasting and data optimization. Collectively these

processes are separate but highly integrated functions of high-performance analytics. Using

big data tools and software enables an organization to process extremely large volumes

of data that a business has collected to determine which data is relevant and can be analyzed to

drive better business decisions in the future. Examples of How Big Data Analytics is Used

Today As technology to break down data silos and analyze data improves, business

can be transformed in all sorts of ways. According to Datamation, todays advances

in analyzing Big Data allow researchers to decode human DNA in minutes, predict where

terrorists plan to attack, determine which gene is mostly likely to be responsible for certain

diseases and, of course, which ads you are most likely to respond to on Facebook. The

business cases for leveraging Big Data are compelling. For instance, Netflix mined its subscriber

data to put the essential ingredients together for its

recent hit House of Cards, and subscriber data also prompted the company to bring

Arrested Development back from the dead. Another example comes from one of the biggest

mobile carriers in the world. Frances Orange launched its Data for Development project by

releasing subscriber data for customers in the Ivory Coast. The 2.5 billion records, which

were made anonymous, included details on calls and text messages exchanged

between 5 million users. Researchers accessed the data and sent Orange proposals for how the

data could serve as the foundation for development projects to improve public health and safety.

Proposed projects included one that showed how to improve public safety by tracking cell phone

data to map where people went after emergencies; another showed how to use cellular data

for disease containment. The pace of data creation will surely increase, especially

as machine-to-machine communications gets cheaper and more common. Think about

how much data all of those sensor networks, burglar alarms and vehicle telematics systems

will create. According to IBM, every single day we create 2.5 quintillion bytes of data.

IBM argues that the exponential growth of data means that 90 percent of the data that exists in

the world today has been created in the last two years. This data comes from everywhere:

sensors used to gather climate information, posts to social media sites, digital pictures

and videos, e-commerce transaction records, and cell phone GPS coordinates, to name a

few.Of course, its important to remember that in early human history, anything as ephemeral as


4/10

a tweet just would not have been recorded, so these comparisons can only be taken

so far. To put the data explosion in context, consider this. Every minute of every day we create

More than 204 million email messages Over 2 million Google search queries 48 hours of

new YouTube videos 684,000 bits of content shared on Facebook More than 100,000 tweets

$272,000 spent on e-commerce 3,600 new photos shared on Instagram Nearly 350 new

WordPress blog posts.

Big Data

Por Vangie Beal

Big data es una palabra de moda, o eslogan usada para describir un volumen

masivo de datos tanto estructurados como no estructurados que es tan grande que

es difcil de procesar utilizando tcnicas de bases de datos y de softwaretradicionales. En la mayora de escenarios empresariales los datos son demasiado

grandes o se mueve demasiado rpido o se excede la capacidad de procesamiento

actual. Data Big tiene el potencial de ayudar a las empresas a mejorar sus

operaciones y tomar decisiones ms rpidas e inteligentes. Es Big Data un

volumen o una tecnologa? Mientras que el trmino puede parecer para hacer

referencia al volumen de datos, que no siempre es el caso. El trmino big data,

especialmente cuando lo utilicen los proveedores, pueden referirse a la tecnologa

(que incluye herramientas y procesos) que una organizacin necesita para manejar

las grandes cantidades de datos e instalaciones de almacenamiento. Se cree que

el Big Data trmino que se origin con las empresas de bsqueda Web que

necesitaban consultar muy grandes agregaciones distribuidas de datos

estructurados dbilmente-. Un ejemplo de Big Data, podra ser petabytes (1024

terabytes) o exabytes (1.024 petabytes) de datos que constan de miles de millones

a miles de millones de registros de millones de personas, todos de diferentes

fuentes (por ejemplo, Web, ventas, centros de contacto de clientes, medios decomunicacin social, datos mviles y as sucesivamente). Los datos son

normalmente muy poco estructurados que a menudo la informacin es incompleta

e inaccesible. Los datos y algunos tipos de conjuntos de datos utilizados en las

grandes empresas cuando usan este tipo volmenes grandes, las organizaciones

se enfrentan a dificultades en la capacidad de crear, manipular y gestionar grandes


5/10

cantidades de datos ya que no est diseadas para buscar y analizar conjuntos de

datos masivos. Como la investigacin de la compaa matriz Webopedia QuinStreet

demuestra, iniciativas y estn preparados para un crecimiento explosivo de grandes

datos. QuinStreet encuest a 540 empresas que toman las decisiones involucradas

en grandes extensiones de datos y encontr que los conjuntos de datos de inters

para muchas empresas hoy en da incluyen las bases de datos tradicionales

estructurados de inventarios, pedidos y la informacin del cliente, as como datos

no estructurados de la Web, los sitios de redes sociales y dispositivos inteligentes.

Estos datos fueron capturados, formateados, manipulados, almacenados,

analizados, puede ayudar a una empresa para obtener informacin til para

aumentar los ingresos, obtener o retener a los clientes, y mejorar las operaciones.

Big Datos tambin pueden ser llamados grandes datos de la empresa. Anlisis dedatos grandes analtica de grandes datos se refiere al proceso de recoleccin,

organizacin y anlisis de grandes conjuntos de datos ("big data") para descubrir

patrones y otra informacin til. No slo habr anlisis de datos grandes ayudar a

entender la informacin contenida en los datos, sino que tambin ayudar a

identificar los datos que son ms importante para el negocio y las decisiones futuras

del negocio. Los beneficios de analizar los grandes datos de las empresas buscan

encontrar informacin procesable en sus muchos datos. Muchos proyectos de data

big se originan en la necesidad de responder a las preguntas especficas del

negocio. Con las grandes plataformas de anlisis de los datos correctos, una

empresa puede impulsar las ventas, aumentar la eficiencia y mejorar las

operaciones, servicio al cliente y la gestin de riesgos. Empresa matriz Webopedia,

QuinStreet, encuest a 540 empresas ECISIN los involucrados responsables en

las compras de grandes datos para saber qu reas de negocio la empresa planean

utilizar el anlisis Big Data para mejorar las operaciones. Aproximadamente la mitad

de todos los encuestados dijeron que estaban aplicando anlisis de grandes datos

para mejorar la retencin de clientes, ayudar con el desarrollo de productos y

obtener una ventaja competitiva. Para la mayora de las organizaciones, el anlisis

de grandes datos es un reto. Tenga en cuenta la gran cantidad de datos y los

distintos formatos de los datos (datos estructurados y no estructurados) recogidos


6/10

en toda la organizacin y de las diferentes maneras y tipos de datos se pueden

combinar, contrastados y analizados para encontrar patrones y otra informacin til.

El primer desafo es romper los silos de datos para tener acceso a todos los datos

de depsitos de las organizaciones en diferentes lugares y, a menudo en diferentes

sistemas.

Un segundo desafo del Data Big es en la creacin de plataformas que pueden caer

en los datos no estructurados con tanta facilidad como los datos estructurados. Este

volumen masivo de datos suele ser tan grande que es difcil de procesar utilizando

los mtodos de base de datos y de software tradicionales. Big Data Analytics

Requiere de Alto Rendimiento Para analizar un gran volumen de datos se realiza

normalmente utilizando herramientas de software y aplicaciones especializadas

para el anlisis predictivo, minera de datos, minera de texto, la prediccin y la

optimizacin de datos. En conjunto, estos procesos son funciones separadas pero

altamente integradas de anlisis de alto rendimiento. El uso de herramientas de

datos grandes y software permite a una organizacin procesar extremadamente

grandes volmenes de datos que un negocio ha recogido para determinar qu datos

son relevantes y pueden ser analizados para tomar mejores decisiones de negocio

en el futuro. Ejemplos de cmo Big Data Analytics se utiliza hoy como la tecnologa

para romper los silos de datos y anlisis de datos mejora el negocio puedetransformarse en todo tipo de formas. Segn Datamation, los avances en el anlisis

de Big Data de hoy permiten a los investigadores a descifrar el ADN humano en

cuestin de minutos, predicen si los terroristas planean atacar, determinan qu gen

es sobre todo probable que sea responsable de ciertas enfermedades y, por

supuesto, que los anuncios que tienen ms probabilidades de responder a en

Facebook. Los casos de negocio para aprovechar los grandes datos son

convincentes. Por ejemplo, Netflix extrae sus datos de suscriptor de poner los

ingredientes esenciales juntos por su reciente xito Castillo de naipes, y los datos

de abonado tambin impulsaron a la empresa a llevar Arrested Development de

entre los muertos. Otro ejemplo proviene de una de las mayores compaas de

telefona mvil en el mundo. Orange de Francia puso en marcha su proyecto de

datos para el Desarrollo por la liberacin de los datos de abonado para los clientes


7/10

en la Costa de Marfil. Los 2,5 mil millones de registros, que se hicieron en el

anonimato, incluidos detalles sobre las llamadas y mensajes de texto

intercambiados entre 5 millones de usuarios. Los investigadores accedieron a los

datos y enviaron propuestas a Orange de cmo los datos pueden servir de base

para los proyectos de desarrollo para mejorar la salud y la seguridad pblica. Los

proyectos propuestos incluyen uno que mostraba la forma de mejorar la seguridad

pblica mediante el seguimiento de los datos del telfono celular para mapear donde

la gente iba tras una emergencia; otra mostr cmo usar los datos celulares para la

contencin de la enfermedad. El ritmo de creacin de datos seguramente

aumentar, sobre todo porque las comunicaciones de mquina a mquina se

vuelven ms barato y ms comn. Piense en la cantidad de datos todas esas redes

de sensores, alarmas antirrobo y los sistemas telemticos vehculo va a crear.Segn IBM, cada da creamos 2,5 trillones de bytes de datos. IBM sostiene que el

crecimiento exponencial de los datos significa que el 90% de los datos que existe

en el mundo de hoy se ha creado en los ltimos dos aos. "Estos datos vienen de

todas partes: sensores utilizados para recopilar informacin sobre el clima, los

mensajes a sitios de medios sociales, fotos digitales y videos, registros de

transacciones de comercio electrnico, y las coordenadas de GPS del telfono

celular, por nombrar unos pocos." Por supuesto, es importante recordar que en la

historia humana temprana, algo tan efmero como un tweet simplemente no habran

sido registrados, por lo que estas comparaciones slo pueden ser tomadas hasta el

momento. Para poner la explosin de datos en contexto, considere esto.

Cada minuto de cada da creamos ms de 204 millones de mensajes de correo

electrnico, Ms de 2 millones en Google consultas de bsqueda de 48 horas, los

vdeos de YouTube 684.000 bits de contenido compartido, en Facebook Ms de

100.000 tweets de $ 272.000 gastados en el comercio electrnico, 3600 nuevas

fotos compartidas en Instagram y casi 350 entradas del blog nuevo WordPress.


8/10

Big Data

Grandes Empresas

Diculatades al crear,

manipular y gestionar

grandes cantidades

de datos

Bases de datos

tradicionales

Datos estructurados

inventarios, pedidos y

la informacin del

cliente

Datos no

estructurados

Web, los sitios de

redes sociales y

dispositivos

inteligentes

Buscan encontrar

informacin

procesable


9/10

Big Data

Volumen masivo de

datos

(estructurados y no

estructurados)

Incluye

herramientas y

procesos

Trmino originado

de las empresas de

bsqueda Web

Mejora operaciones

y toma decisiones

rpidas einteligentes

Ejemplo:

Petabytes (1024

Terabytes)o

Exabytes (1.024

petabytes)


10/10

Ventajas Big Data

Predice ataques terreristasDtermina genes

resonsables de

enfermdedades

Determina que publicidad

puede tener exito

Descifrar el ADN humano

daruben hernandez mendoza big data

Documents