BIG DATA - Jhonatan Cárdenas COL
- 1. BIG DATA Jhonatan Steven Cárdenas Ojeda
- 2. ¿QUÉ ES “BIG DATA”? Big data (en español, grandes datos o grandes volúmenes de datos) es un término evolutivo que describe cualquier cantidad voluminosa de datos estructurados, semiestructurados y no estructurados que tienen el potencial de ser extraídos para obtener información.
- 3. CARACTERÍSTICAS DE “BIG DATA” 1. VOLUMEN: Es la cantidad de datos generados y guardados, estos determinan el potencial y veracidad del mismo. 2. VARIEDAD: Es el tipo y naturaleza de los datos, de este modo se determina el apoyo que le da al usuario. 3. VELOCIDAD: Esta es la velocidad que se genera para cumplir las exigencias de los datos. 4. VERACIDAD: Se define como la calidad de los datos, ya que de ésta depende la variedad y los resultados de la información.
- 4. TIPOS DE “BIG DATA” 1. DATOS ESTRUCTURADOS: Son los datos que tienen bien definida su longitud y su formato, como por ejemplo las bases de datos relacionales y los almacenes de datos. 2. DATOS NO ESTRUCTURADOS: Son los datos que necesitan un formato específico, como por ejemplo archivos pdf, documentos multimedia, correos electrónicos o documentos de texto. 3. DATOS SEMIESTRUCTURADOS: Son datos que no se limitan a campos determinados pero requieren marcadores para separar la información, tales como hojas de cálculo, HTML, XML o JSON.
- 5. ¿DE DÓNDE PROVIENEN TODOS ESTOS DATOS? 1. GENERADOS POR LAS PERSONAS: Enviar información en cualquier red social o cualquier otra cosa que se registre en base de datos. 2. TRANSACCIONES DE DATOS: La facturación, las llamadas o las transacciones entre cuentas. 3. MARKETING ELECTRONICO Y WED: Navegación por internet. 4. MÁQUINA A MÁQUINA: Tecnologías que comparten datos mediante dispositivos. Comunicaciones inalámbricas. 5. BIOMÉTRICA: Datos que provienen de la seguridad, defensa y servicios de inteligencia.
- 6. TRANSFORMACIÓN Aquí entran en juego las plataformas extraer, transformar y cargar (ETL). Su propósito es extraer los datos de las diferentes fuentes y sistemas, para después hacer transformaciones (conversiones de datos, limpieza de datos sucios, cambios de formato…) y finalmente cargar los datos en la base de datos o almacén de datos especificada.
- 7. ALMACENAMIENTO NOSQL Son sistemas que provienen de un almacenamiento más flexible y concurrente y permitir de manipular grandes cantidades de información mucho más rápido por lo cual no cumplen con el esquema entidad – relación.
- 8. TIPOS DE DATOS NOQSL 1. ALMACENAMIENTO CLAVE – VALOR: Los datos se almacenan de tal forma que se acceda con una palabra clave. 2. ALMACENAMIENTO DOCUMENTAL: Son datos semiestructurados que pasan a llamarse documentos formateados en una misma base de datos que acepte. 3. ALMACENAMIENTO EN GRAFO: Relacionan grandes cantidades de datos que pueden ser muy variables. Además se establece que la relación son los nodos y las relaciones entre la información, los artistas. 4. ALMACENAMIENTO ORIENTADO A COLUMNAS: Se orienta a almacenar datos con tendencia a escalar horizontalmente, por lo que permite guardar diferentes atributos y objetos bajo la misma clave.
- 9. TÉCNICAS DE ANÁLISIS DE DATOS 1. ASOCIACIÓN: Permite encontrar relaciones entre diferentes variables. 2. MINERÍA DE DATOS: Tiene como objetivo encontrar comportamientos predilectos. 3. AGRUPACIÓN: Metodología para encontrar relaciones entre resultados y haces una evaluación preliminar de la estructura de los datos analizados. 4. ANÁLISIS DE TEXTO: Extrae información de datos generados por personas (mensajes de textos, búsquedas web… etc) de esta forma moldea temas y asuntos o predecir palabras.
- 10. UTILIDAD El objetivo es que ciudadanos y empresas puedan reaprovechar estos datos para generar valor económico. Podrán construir sobre ellos una nueva idea que genere nuevos datos, conocimientos o incluso la creación de nuevos servicios que reporten beneficios económicos y o sociales.
- 12. VISUALIZACIÓN En los macro datos se llega un paso más allá, ya que es una plataforma que permite visualizar la información a través de los análisis llevados a cabo sobre los datos que disponemos. Ésta trata de llegar a un público más concreto, y una utilidad más acotada como un cuadro de mando integral de una información.