BIG DATA GRUPO #7
Descargar como PPTX, PDF0 recomendaciones126 vistas
El documento habla sobre Big Data. Explica que Big Data se refiere a grandes conjuntos de datos estructurados y no estructurados que las empresas recopilan diariamente. Aunque el volumen de datos es grande, lo importante es lo que las organizaciones hacen con los datos, como analizarlos para tomar mejores decisiones comerciales. También discute los desafíos de Big Data como la integración de múltiples fuentes de datos y la necesidad de procesar grandes volúmenes de datos rápidamente.
BIG DATA GRUPO #7
- 1. GRUPO #7 INTEGRANTES: DYLLAN RAZA, ALDAIR PUCO, KEVIN MONTEROS, JOSEPH MOLINA, RANDY AVALOS
- 2. ¿EN QUE CONSISTE? Big Data es un término que describe el gran volumen de datos, tanto estructurados como no estructurados, que inundan los negocios cada día. Pero no es la cantidad de datos lo que es importante. Lo que importa con el Big Data es lo que las organizaciones hacen con los datos. Big Data se puede analizar para obtener ideas que conduzcan a mejores decisiones y movimientos de negocios estratégicos.
- 3. ¿QUE ES BIGDATA? Cuando hablamos de Big Data nos referimos a conjuntos de datos o combinaciones de conjuntos de datos cuyo tamaño, complejidad y velocidad de crecimiento que 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.
- 4. ¿CUAL ES SU IMPORTANCIA?El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y utilizarlos para identificar nuevas oportunidades. 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. 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
- 5. DESAFIOS DE BIG DATA 1. Muchas fuentes y tipos de datos: Con tantas fuentes, tipos de datos y estructuras complejas, la dificultad de integración de datos aumenta. 2. Tremendo volumen de datos: Como ya hemos visto, el volumen de datos es enorme, y eso complica la ejecución de un proceso de calidad de datos dentro de un tiempo razonable 3. Mucha volatilidad: Los datos cambian rápidamente y eso hace que tengan una validez muy corta. Para solucionarlo necesitamos un poder de procesamiento muy alto. 4. No existen estándares de calidad de datos unificados En 1987 la Organización Internacional de Normalización (ISO) publicó las normas ISO 9000 para garantizar la calidad de productos y servicios. Sin embargo, el estudio de los estándares de calidad de los datos no comenzó hasta los años noventa, y no fue hasta 2011 cuando ISO publicó las normas de calidad de datos ISO 8000.
- 6. ¿Cómo construir un plan de Data Governance en Big data? Gobernabilidad significa asegurarse de que los datos estén autorizados, organizados y con los permisos de usuario necesarios en una base de datos, con el menor número posible de errores, manteniendo al mismo tiempo la privacidad y la seguridad A continuación veremos algunos pasos recomendados al crear un plan de Data Governance en Big Data: 1. Acceso y Autorización Granular a Datos No se puede tener un gobierno de datos efectivo sin controles granulares. Se pueden lograr estos controles granulares a través de las expresiones de control de acceso 2. Seguridad perimetral, protección de datos y autenticación integrada La gobernabilidad no ocurre sin una seguridad en el punto final de la cadena. Es importante construir un buen perímetro y colocar un cortafuegos alrededor de los datos, integrados con los sistemas y estándares de autenticación existentes 3. Encriptación y Tokenización de Datos El siguiente paso después de proteger el perímetro y autenticar todo el acceso granular de datos que se está otorgando es asegúrese de que los archivos y la información personalmente identificable (PII) estén encriptados y tokenizados de extremo a extremo del pipeline de datos.