Big data
Descargar como PPTX, PDF0 recomendaciones70 vistas
Este documento define Big Data y describe cómo se capturan, almacenan y analizan grandes cantidades de datos provenientes de múltiples fuentes como transacciones, dispositivos conectados y biometría. Explica que el Big Data se usa para entender mejor a los clientes, optimizar procesos, mejorar la investigación y más a través de técnicas como minería de datos, agrupamiento y visualización.
Big data
- 1. BIG DATA PRESENTADO POR: CHRISTIAN ALFONSO JHON LOPEZ
- 3. BIG DATA Definición: Este termino hace referencia a una cantidad de datos que supera la capacidad del software convencional para ser administrados en un tiempo razonable. Se crea para almacenar grandes cantidades de datos masivos y que estos sigan en su anonimato.
- 6. CAPTURA TRANSACCIONES DE DATOS: las transacciones entre cuentas genera información que tratada puede ser datos relevantes MAQUINA A MAQUINA: son las tecnologías que comparten datos con dispositivos y transforman las magnitudes físicas o químicas y las convierte en datos BIOMETRICA: son cantidades de datos generados por lectores biométricos como escáneres de retina o escáner de huella digital
- 7. TRANSFORMACIÓN Se usa con el fin de almacenar los datos encontrados de diferentes fuentes en solo un lugar o espacio; donde entran en juego las plataformas de extraer, transformar y cargar (ETL). El ejemplo más claro de este es el pentaho Data Integration, más específico la app Spoon.
- 9. Almacenamiento clave-valor: los datos se almacenan de forma similar a los mapas o diccionarios de datos, donde se accede al dato a partir de una clave única Almacenamiento documental: todos los documentos tiene una clave única con la que pueden ser accedidos e identificados explícitamente Almacenamiento en grafo: rompen con la idea de tabla y se basan con la teoría de grafos donde se establece que la información son los nodos y las relaciones entre la información son las aristas Almacenamiento orientado a columna: este almacenamiento es parecido al documental su modelo de datos es definido como un mapa de datos multidimensional poco denso distribuido y persistente Almacenamiento
- 11. Análisis de datos Asociación: Permite la relación entre las variable, gracias a ella se genera la predicción de las mismas estas predicciones se dan en las ventas cruzadas en los comercios electrónicos. Minería de datos: Su objetivo es tener comportamientos predictivos conectando métodos estadísticos y de aprendizaje automático con almacenamiento en bases de datos. Agrupación: Con el análisis de clústeres genera la agrupación de grupos pequeños y grandes mostrando un parecido del que no sabíamos. En base a los correos, búsquedas web o contenidos; esta metodología permite extraer información de estos datos y modelar temas y asuntos o predecir palabras.
- 12. Visualización de datos La visualización de datos se resume en llegar a las personas de una forma dinámica, exponiendo las bases de datos y estadísticas de maneras multidimensionales. Se quiere generar una rica experiencia visual ya que así se genera más percepción de el tema a tratar.
- 13. Ejemplos de big data Entendiendo y segmentando a los clientes Entendiendo y optimizando los procesos de los clientes Cuantificación y optimización de los clientes de rendimiento personal Mejorando la salud publica Mejorando el rendimiento deportivo Mejorando la ciencia y la investigación Optimizando el rendimiento de maquinas y dispositivos Mejorando la seguridad y el cumplimiento de la ley Mejorando y optimizando las ciudades Trading financiero
- 14. Datos curiosos En el 2016, se invirtieron nada más y nada menos que 216 millones de dólares en proyectos de Big Data. 4,4 millones de trabajos en tecnologías de la información fueron creados en el año 2015 para el soporte y la manutención del Big Data. En el 2020 se almacenarán más de 35 Zettabytes (1015 GB) de información en la nube. Cada día se almacenan más de 100 Terabytes (106 GB) de información solamente a través de Facebook.