Análisis de Datos.pdf
- 1. Big Data Análisis de Datos
- 2. Temáticas del curso • Introducción al Big Data • Fundamentos tecnológicos • Gestión de Big Data • Análisis en el Big Data • Situación y retos actuales
- 3. Análisis en el Big Data • La cuestión clave no es tener la capacidad para recolectar y almacenar una gran cantidad de datos. • Con la acumulación de los datos no sé alcanzan ventajas competitivas: es necesario saber organizarlos, refinarlos, y convertirlos en información relevante que permita ganar posiciones en el mercado. • Los datos tienen sólo valor potencial, es su análisis y sistematización el que permite incrementar la capacidad de innovar y obtener ventajas en las organizaciones.
- 4. Análisis en el Big Data • Estas afirmaciones, nos lleva a hacer preguntas y encontrar respuestas, para la empresa y la sociedad. • La gestión correcta de los datos genera una conciencia en las administraciones, empresas y ciudadanos, que los datos y su análisis son un activo de las sociedades modernas. • Es evidente que se tienen que desarrollar nuevos perfiles para cuidar y sacar el máximo de esos activos.
- 5. Retos de la sociedad • La sociedad no están del todo preparadas para afrontar los requerimientos técnicos y de gestión de datos que supone este desafío. • La solución pasa por formar profesionales especializados en el análisis de datos, y en herramientas de gestión tecnológica que les permitan realizar un seguimiento en tiempo real, sistematización, y análisis de fuentes de información cada vez más diversas y complejas. • En este entorno es donde las tecnologías de la información deben dar el salto. • Tecnología y objetivos de negocios deberán alinearse para lograr depurar información de valor a partir de la Big Data.
- 6. Tecnologías de la información Tecnologías Objetivos Información de Valor
- 7. Nueva Infraestructura Tecnológica • Sea escalable de forma masiva a petabytes de datos ( en la actualidad). • Soporte y acceso a datos de baja latencia y toma de decisiones • Tenga análisis integrado para acelerar el modelado de análisis avanzado y de los procesos.
- 8. Nuevas Infraestructura tecnológica • La capacidad de aportar escalamiento de procesamiento masivo, permite la identificación continua de información útil sepultada dentro de Big data. • Integrar metodologías y tecnología para el descubrimiento y entendimiento de información basado en fuentes altamente escalables. Por ejemplo, Open Data, Linked Data, Social Data, Sentiment Analysis, Online Stream Analysis, Web Intelligence.
- 9. Nuevas Infraestructura tecnológica • Identificar las oportunidades de transformación y generación de valor basadas en el análisis de los datos, proveniente tanto de fuentes internas como externas a la organización. • Desarrollar soluciones que permitan generar valor añadido y diferenciación a partir de los procesos de análisis de información sobre Big Data.
- 10. Inteligencia de Negocios & Big Data Volumen Fuente de datos Estructura de los datos Carga de Trabajo
- 11. ¿Cómo se realiza el análisis ? • Preparación de los datos. • Exploración del conjunto de datos: Cubos y estadísticas descriptivas. • Preparación del modelo de datos. • Ponderación y despliegue. Exploración del conjunto de datos •Cubos y estadísticas descriptivas Preparación del modelo de datos •Estadística multivariada •Machine Learning Ponderación y despliegue •Ciclo de vida y mantenimiento.
- 12. ERP/CRM Web 2.0 Internet de las Cosas Velocidad Variedad Variabilidad Volumen
- 14. Riesgos en el Análisis de Datos • Uno de los riesgos que presenta la búsqueda de información en el Big Data, es el descubrimiento de patrones no significativos. • Estos patrones no relevantes se conocen en la estadística como principios de Bonferroni. • Una gran cantidad datos como los que se analizan en los entornos Big Data, pueden “validar” cualquier patrón.
- 15. Herramientas y técnicas • En otros tópicos del curso hemos abordado las herramientas principales en los entornos abiertos. • Haddd Doo • Ddd • DD • DDA qa • D • http://m.intel.es/es/es/topics-overview/big-data-analytics.html
- 16. Resumen • Big Data no es simplemente acumular datos en las bases relacionales, normalmente son bases de datos no relacionales. • Se necesitan mayores capacidades analíticas para transformar los datos en información de valor. • Se realizan análisis operativos y en tiempo real para personalizar, segmentar, optimizar precios, relacionarse en tiempo real con los clientes y atender rápidamente los inventarios, así como para funciones de inteligencia como planificación, predicción y análisis de tendencias. • En ciudades que han adoptado el concepto “Smart City” recogen información relativa al tráfico, suministros o estado de los servicios que ofrece a sus ciudadanos, teniendo siempre como objetivo anticiparse y mejorar.
- 17. Conclusiones • El reto consiste en poder almacenar nuestros datos, relacionarlos con diversas fuentes de datos, y obtener información valiosa y competitiva para nuestra organización o la sociedad. • El papel de los expertos en IT es relevante en este nuevo escenario, al igual que el desarrollo de nuevas técnicas, tecnologías y herramientas. • Es posible que estemos frente a una nueva revolución, donde el Big Data lo explotan mejor, los más cercanos a la información que se “construye”.
- 18. Curso Introducción al Big Data. Tecnología libres by Dagoberto Castellanos Nieves & Belén Melián Batista is licensed under a Creative Commons Reconocimiento-NoComercial- CompartirIgual 4.0 Internacional License.