Big Data Liz

8/11/2019 Big Data Liz

1/6

TEXTO ORIGIN L

Big data

By Vangie Beal

Big data is a buzzword, or catch-phrase, used to describe a massive volume of both structured and unstructured data thatis so large that it's difficult to process using traditional database and software techniques. In most enterprise scenarios thedata is too big or it moves too fast or it exceeds current processing capacity. Big data has the potential to help companiesimprove operations and make faster, more intelligent decisions. Is Big Data a Volume or a Technology? While the termmay seem to reference the volume of data, that isn't always the case. The term big data, especially when used byvendors, may refer to the technology (which includes tools and processes) that an organization requires to handle thelarge amounts of data and storage facilities. The term big data is believed to have originated with Web search companieswho needed to query very large distributed aggregations of loosely-structured data. An Example of Big Data An exampleof big data might be petabytes (1,024 terabytes) or exabytes (1,024 petabytes) of data consisting of billions to trillions ofrecords of millions of people

all from different sources (e.g. Web, sales, customer contact center, social media, mobile data and so on). The data istypically loosely structured data that is often incomplete and inaccessible. Big Data and Types of Business Datasets When

dealing with larger datasets, organizations face difficulties in being able to create, manipulate, and manage big data. Bigdata is particularly a problem in business analytics because standard tools and procedures are not designed to search andanalyze massive datasets. As research from Webopedia parent company QuinStreet demonstrates, big data initiatives arepoised for explosive growth. QuinStreet surveyed 540 enterprise decision-makers involved in big data and found thedatasets of interest to many businesses today include traditional structured databases of inventories, orders, and customerinformation, as well as unstructured data from the Web, social networking sites, and intelligent devices. This data, whencaptured, formatted, manipulated, stored, and analyzed can help a company to gain useful insight to increase revenues,get or retain customers, and improve operations. Big data may also be called enterprise big data. Big data analytics Big


2/6

data analytics refers to the process of collecting, organizing and analyzing large sets of data ("big data") to discoverpatterns and other useful information. Not only will big data analytics help you to understand the information containedwithin the data, but it will also help identify the data

Advertisement

that is most important to the business and future business decisions. Big data analysts basically want the knowledge thatcomes from analyzing the data. The Benefits of Big Data Analytics Enterprises are increasingly looking to find actionableinsights into their data. Many big data projects originate from the need to answer specific business questions. With theright big data analytics platforms in place, an enterprise can boost sales, increase efficiency, and improve operations,customer service and risk management. Webopedia parent company, QuinStreet, surveyed 540 enterprise decision-makers involved in big data purchases to learn which business areas companies plan to use Big Data analytics to improve

operations. About half of all respondents said they were applying big data analytics to improve customer retention, helpwith product development and gain a competitive advantage. For most organizations, big data analysis is a challenge.Consider the sheer volume of data and the many different formats of the data (both structured and unstructured data)collected across the entire organization and the many different ways different types of data can be combined, contrastedand analyzed to find patterns and other useful information. The first challenge is in breaking down data silos to access alldata an organization stores in different places and often in different systems. A second big data challenge is in creatingplatforms that can pull in unstructured data as easily as structured data. This massive volume of data is typically so largethat it's difficult to process using traditional database and software methods. Big Data Requires High-Performance

Analytics To analyze such a large volume of data, big data analytics is typically performed using specialized software toolsand applications for predictive analytics, data mining, text mining, forecasting and data optimization. Collectively these

processes are separate but highly integrated functions of high-performance analytics. Using big data tools and softwareenables an organization to process extremely large volumes of data that a business has collected to determine which datais relevant and can be analyzed to drive better business decisions in the future. Examples of How Big Data Analytics isUsed Today As technology to break down data silos and analyze data improves, business can be transformed in all sortsof ways. According to Datamation, today's advances in analyzing Big Data allow researchers to decode human DNA inminutes, predict where terrorists plan to attack, determine which gene is mostly likely to be responsible for certaindiseases and, of course, which ads you are most likely to respond to on Facebook. The business cases for leveraging BigData are compelling. For instance, Netflix mined its subscriber data to put the essential ingredients together for its


3/6

TR DUCCION

Big Data

Por Vangie Beal

Big data es una palabra de moda, o frase usada para describir un volumen masivo de datos tanto estructurados como noestructurados que es tan grande que es difcil de procesar utilizando tcnicas de bases de datos y de softwaretradicionales. En la mayora de escenarios empresariales los datos son demasiado grandes o se mueve demasiadorpido o se excede la capacidad de procesamiento actual. Big Data (grandes datos) tiene el potencial de ayudar a lasempresas a mejorar sus operaciones y a tomar decisiones ms rpidas e inteligentemente.

Big Data es un volumen o una tecnologa? Mientras que el trmino puede parecer para hacer referencia al volumen dedatos, que no siempre es el caso. El trmino Big Data, especialmente cuando se utilizan los proveedores, pueden

referirse a la tecnologa (que incluye herramientas y procesos) que una organizacin necesita para manejar las grandescantidades de datos e instalaciones de almacenamiento. Se cree que el Big Data trmino que se origin con lasempresas de bsqueda Web que necesitaban consultar muy grandes agregaciones distribuidas de datos estructuradosdbilmente-. Un ejemplo de Big Data.

Un ejemplo del Big Data podra ser petabytes (1024 terabytes) o hexabytes (1.024 petabytes) de datos que constan demiles de millones a miles de millones de registros de millones de personas, todos de diferentes fuentes (por ejemplo,Web, de ventas, centros de contacto de clientes, medios de comunicacin social, datos mviles y as sucesivamente). Losdatos son normalmente poco estructurados de datos que a menudo es incompleta e inaccesible. Datos y tipos deconjuntos de datos de negocios, cuando se ocupan grandes conjuntos de datos, las organizaciones se enfrentan adificultades en la capacidad de crear, manipular y gestionar grandes volmenes de datos. Big Data es un problemaparticularmente en anlisis de negocios porque las herramientas y procedimientos estndar no estn diseados parabuscar y analizar conjuntos de datos masivos. Como la investigacin de la compaa matriz Webopedia QuinStreetdemuestra, iniciativas de grandes datos que estn preparados para un crecimiento explosivo. QuinStreet encuest a 540empresas que toman las decisiones involucradas en grandes volmenes de datos y encontr a los conjuntos de datos deinters para muchas empresas hoy en da incluyen las bases de datos tradicionales estructurados de inventarios, pedidosy la informacin del cliente, as como datos no estructurados de la Web, los sitios de redes sociales y dispositivosinteligentes.


4/6

Estos datos, cuando son capturados, formateados, manipulados, almacenados y analizados, pueden ayudar a unaempresa para obtener informacin til para aumentar los ingresos, obtener o retener a los clientes, y mejorar lasoperaciones. Big Data tambin puede ser llamado por la empresa de datos grandes. Anlisis de datos grandes, analtica

de Big Data, se refiere al proceso de recoleccin, organizacin y anlisis de grandes conjuntos de datos ("big data") paradescubrir patrones y otra informacin til. No slo habr anlisis de Big Data ayudar a entender la informacin contenidaen los datos, sino que tambin ayudar a identificar los datos que son ms importantes para el negocio y las decisionesfuturas del negocio. Los analistas de Big Data bsicamente quieren que el conocimiento que proviene de analizar losdatos. Los beneficios del anlisis de Big Data. Las empresas estn cada vez ms buscando para encontrar informacinprocesable en sus datos. Muchos proyectos de Big Data se originan en la necesidad de responder a las preguntasespecficas del negocio. Con las grandes plataformas de anlisis de los datos correctos en el lugar, una empresa puedeimpulsar las ventas, aumentar la eficiencia, mejorar las operaciones, servir al cliente y gestionar riesgos. Empresa matrizWebopedia, QuinStreet, encuest a 540 empresas que toman las decisiones que participan en las compras de Big Data,para saber qu reas de negocio de las empresas planean utilizar el anlisis de Big Data para mejorar las operaciones.

Aproximadamente la mitad de todos los encuestados dijeron que estaban aplicando el anlisis de Big Data para mejorarla retencin de clientes, ayudar con el desarrollo de productos y obtener una ventaja competitiva.

El primer desafo es romper los silos de datos para tener acceso a todos los datos de un depsito de las organizacionesen diferentes lugares y, a menudo en diferentes sistemas. Un segundo desafo de Big Data es en la creacin deplataformas que pueden tirar los datos no estructurados con tanta facilidad como los datos estructurados. Este volumenmasivo de datos suele ser tan grande que es difcil de procesar utilizando los mtodos de base de datos y de softwaretradicionales. El anlisis de Big Data requiere de alto rendimiento para analizar un gran volumen de datos como el anlisisde Big Data que se realiza normalmente utilizando herramientas de software y aplicaciones especializadas para elanlisis predictivo, minera de datos, minera de texto, la prediccin y la optimizacin de datos. En conjunto, estosprocesos son funciones separadas pero altamente integradas de anlisis de alto rendimiento. El uso de herramientas deBig Data y software permite a una organizacin para procesar extremadamente grandes volmenes de datos que unnegocio ha recogido para determinar qu datos son relevantes y pueden ser analizados para tomar mejores decisionesde negocio en el futuro. Ejemplos de cmo el anlisis de Big Data se utiliza hoy.

Como la tecnologa para romper los silos de datos y anlisis de datos, el negocio puede transformarse en todo tipo deformas segn Datamation, los avances en el anlisis de Big Data de hoy permiten a los investigadores descifrar el ADNhumano en cuestin de minutos, predicen que los terroristas planean atacar, determinan qu gen es sobre todo probableque sea responsable de ciertas enfermedades y, por supuesto, los anuncios que tienen ms probabilidades de responder


5/6

en Facebook. Los casos de negocio para aprovechar los Big Data son convincentes. Por ejemplo, Netflix extrae sus datosde suscriptor para poner los ingredientes esenciales juntos con su reciente xito Castillo de naipes, y los datos deabonado tambin impulsaron a la empresa a llevar Arrested Development de entre los muertos. Otro ejemplo proviene de

una de las mayores compaas de telefona mvil en el mundo, Orange de Francia puso en marcha su proyecto de datospara el Desarrollo para la liberacin de los datos de abonado de los clientes en la Costa de Marfil. Los 2,5 mil millones deregistros, que se hicieron en el anonimato, incluidos detalles sobre las llamadas y mensajes de texto intercambiados entre5 millones de usuarios. Los investigadores pueden acceder a los datos y enviar propuestas a Orange de cmo los datospueden servir de base para los proyectos de desarrollo para mejorar la salud y la seguridad pblica. Los proyectospropuestos incluyen uno que mostraba la forma de mejorar la seguridad pblica mediante el seguimiento de los datos deltelfono celular para mapear donde la gente iba tras una emergencia; otra mostr cmo usar los datos celulares para lacontencin de la enfermedad. El ritmo de creacin de datos seguramente aumentar, sobre todo porque lascomunicaciones de mquina a mquina se volvern ms baratas y ms comunes. Piense en la cantidad de datos detodas esas redes de sensores, alarmas antirrobo y los sistemas telemticos vehculo crear

De a cuerdo con IBM, cada da creamos 2,5 trillones de bytes de datos. IBM sostiene que el crecimiento exponencial delos datos significa que el 90 por ciento de los datos que existen en el mundo de hoy se ha creado en los ltimos dosaos. "Estos datos vienen de todas partes: sensores utilizados para recopilar informacin sobre el clima, los mensajes asitios de medios sociales, fotos digitales y videos, registros de transacciones de comercio electrnico, y las coordenadasde GPS del telfono celular, para nombrar algunos." Por supuesto, es importante recordar que en la historia humanatemprana, algo tan efmero como un Tweet, simplemente no habra sido registrado, por lo que estas comparaciones slopueden ser tomadas hasta el momento. Para poner la explosin de datos en contexto, considere esto. Cada minuto decada da creamos ms de 204 millones de mensajes de correo electrnico, ms de 2 millones de consultas Google debsqueda de 48 horas, los vdeos de YouTube 684.000 bits de contenido compartido en Facebook, ms de 100.000tweets de $ 272.000 gastados en el comercio electrnico 3600 nuevas fotos compartidas en Instagram Casi 350 nuevasentradas del blog WordPress.


6/6

MAPA CONCEPTUAL INDIVIDUAL

Documents

Big Data Liz