Big data o grandes volúmenes de datos como término se fue construyendo en el inicio de la gran era digital empujando tres grandes disrupciones digitales:

El incremento en la capacidad de almacenamiento en un menor espacio, transportable y accesible facilitó guardar mayor cantidad de datos a un menor costo y escalabilidad por demanda, es decir crecer o reducir el espacio conforme a las necesidades.

La cantidad de dispositivos disponibles abrió el espectro de las posibilidades de datos a recolectar, desde algo tan simple como la ubicación a recolectar datos de voz, imágenes y videos.

Por último la alta conectividad gracias a redes y infraestructura tecnológica que nos permite estar conectados 24/7 libera el potencial para transmitir todos los datos a computadoras o su almacenaje en la nube estando la información siempre disponible.

Definición

Como definición Big Data es un campo dedicado al análisis, procesamiento y almacenamiento de grandes colecciones de datos que frecuentemente se originan en fuentes dispersas.

Las soluciones y prácticas de Big Data suelen ser necesarias cuando las técnicas y tecnologías de análisis, procesamiento y almacenamiento de datos tradicionales son insuficientes.

Específicamente, Big Data aborda distintos requisitos, como la combinación de múltiples conjuntos de datos no relacionados, el procesamiento de grandes cantidades de datos no estructurados y la recolección de información oculta de manera sensible al tiempo.

Usos de Big Data

Los datos procesados por soluciones de Big Data pueden ser utilizados por las empresas y distintos departamentos.

Los resultados obtenidos pueden llevar a una amplia gama de ideas y beneficios, tales como:

  • Optimización operacional
  • Inteligencia accionable
  • Identificación de nuevos mercados
  • Predicciones precisas
  • Detección de fallas y fraudes
  • Registros más detallados
  • Mejor toma de decisiones
  • Descubrimientos científicos

Evidentemente, las aplicaciones y los beneficios potenciales de Big Data son amplios. El reto es adoptar los datos en nuestros planes empresariales y de Marketing a largo plazo.

Image result for data visualization

5 tipos de análisis e insights:

  • Interesantes. Son los que requieren el menor esfuerzo para obtenerlos con la particularidad que son poco accionables en el negocio.
  • Reactivos. De igual forma son fáciles para generarlos solo que su impacto puede ser rápidamente accionable pero de bajo impacto a mediano y largo plazo.
  • Descriptivos. Como su mismo nombre lo dice describen hechos del pasado, son generalmente lo más utilizados ya que los encontramos en reportes de resultados o desempeño.
  • Predictivos. En su naturaleza contiene una característica que entiende el pasado y sus variables para poder predecir con un nivel de certeza aceptable la probabilidad que suceda un hecho u otro.
  • Prescriptivos. Son en naturaleza parecidos a los predictivos, con la particularidad que emiten recomendaciones según el panorama actual que se ejecute el modelo, es decir es evolutivo y aprende en tiempo real.

Big Data nos ayuda a liberar los últimos dos tipos de insights (Predictivos y Prescriptivos) para encontrar las causas y efecto en un modelo.

A todo esto se le atribuyen distintos métodos de análisis como Machine Learning e Inteligencia artificial.

 

Atributos en los datos

Aunque suene maravilloso la práctica de Big Data requiere de grandes datos e historial de los mismos para poder discernir y perfilar adecuadamente los insights.

Por ello Big data se caracteriza por tener 5 atributos en los datos:

  • Volumen. El volumen de datos que son procesados por las soluciones de Big Data es sustancial y en constante crecimiento.

Los altos volúmenes de datos imponen distintas demandas de almacenamiento y procesamiento de datos, así como procesos adicionales de preparación, curación y gestión de datos

  • Velocidad. En un ambiente de Big Data, los datos pueden llegar a velocidades rápidas y se pueden acumular enormes conjuntos de datos en períodos de tiempo muy cortos.

La velocidad de los datos se traduce en la cantidad de tiempo que se tarda en procesar los datos una vez que ingresan a la empresa.

  • Variedad. Son los múltiples formatos y tipos de datos que deben ser compatibles con las soluciones de Big Data.

La variedad de datos presenta desafíos para las empresas en términos de integración, transformación, procesamiento y almacenamiento de datos.

Proporciona una representación que incluye datos estructurados en forma de transacciones financieras, datos semi-estructurados en forma de correos electrónicos y datos no estructurados en forma de imágenes

  • Veracidad. Se refiere a la calidad o fidelidad de los datos.

Los datos que ingresan deben evaluarse en cuanto a la calidad, lo que puede llevar a actividades de procesamiento de datos para eliminar el ruido.

  • Valor. Es la utilidad de los datos para una empresa.

La característica de valor se relaciona intuitivamente con la característica de veracidad, ya que a mayor fidelidad de los datos, mayor valor tiene para la empresa.

PROWESS 

Síguenos en LinkedIn

Image result for data visualization