FELIPE SEVILLANO PÉREZ Redexis Gas · 2018-09-19 · BIG DATA timación de demandas futuras o en la mejora con-tinua de los servicios municipales, los gestores muni-cipales necesitan

BIG DATA

FELIPE SEVILLANO PÉREZ

Redexis Gas

Las ciudades de todo el mundo están experimentando un crecimiento de sus poblaciones ybuscan de manera continua la forma de mejorar la calidad de vida sus ciudadanos y visitan-tes, y fomentar y promover el desarrollo y crecimiento económico que proporcione mejoresoportunidades a ciudadanos y negocios.

Cada día, ciudades de todo el mundo se enfrentan aun número creciente de problemas operacionales queafectan a la calidad de los servicios que ofrecen a susciudadanos. Para poder garantizar la seguridad pública,el suministro de agua, las fuentes energéticas, el trans-porte y otros servicios, las ciudades tienen que accedera una información cada vez más voluminosa, conseguirque los distintos organismos municipales y agencias secomuniquen y colaboren en tiempo real y anticipar losposibles problemas antes de que se produzcan.

En un entorno como el actual, de presupuestos limi-tados y ciudadanos cada vez más informados y de-mandantes, las corporaciones municipales necesi-tan hacer más por menos y por tanto deben hacerlas cosas de forma diferente. Un elemento clave enesta transformación, será la capacidad y voluntadde los líderes municipales, incluyendo las distintasagencias y empresas municipales, de probar y adop-tar nuevas ideas y promover la innovación y el cam-bio a todos los niveles de la gestión municipal. Elavance actual de la tecnología y el acceso a múl-tiples fuentes de información van a tener un papelmuy importante en este proceso de cambio.

Las ciudades guardan y tienen acceso a una gran can-tidad de datos de fuentes y formatos muy diversos. Sinembargo, no los están aprovechando para convertir-los en conocimiento e inteligencia procesable que per-

mitan proporcionar información relevante a los distin-tos niveles de gestión y operación municipal para to-mar decisiones informadas que mejoren las respues-tas y actuaciones. Muchos ayuntamientos guardanesta información en sistemas independientes que seencuentran en departamentos aislados, lo que impidetener una visión operativa global y dificulta la coordi-nación de las actuaciones de los distintos organismosy agencias. Si una ciudad no cuenta con una vista úni-ca e integrada de los eventos, incidentes o crisis inmi-nentes y no puede compartir la información rápida-mente, es posible que no pueda dar servicio de formaeficaz y sostenible, ni proteger a los ciudadanos o im-pulsar el crecimiento económico. En muchas ocasio-nes descubrimos tras un incidente que se disponía desuficiente información para haberlo anticipado o inclu-so evitado, si los organismos adecuados hubieran te-nido en el momento oportuno la información relevan-te para la coordinación de actuaciones.

SMART CITY - CIUDAD INTELIGENTE: DE LOS DATOS ALA RESPUESTA INTELIGENTE

Definición de Smart City

La Red Española de Ciudades Inteligentes define lasCiudades Inteligentes como aquellas que disponende un sistema de innovación y de trabajo en red pa-

71395 >Ei

F. SEVILLANO PÉREZ

ra dotar a las ciudades de un modelo de mejora dela eficiencia económica y política permitiendo eldesarrollo social, cultural y urbano. Como soporte deeste crecimiento se realiza una apuesta por las in-dustrias creativas y por la alta tecnología que permi-ta ese crecimiento urbano basado en el impulso delas capacidades y de las redes articuladas todo elloa través de planes estratégicos participativos quepermitan mejorar el sistema de innovación local (1).

Gartner define la Smart City como un área urbanaen la que múltiples sectores, tanto desde los organis-mos municipales como el sector privado, colaboranpara lograr resultados sostenibles mediante el análi-sis de información contextual en tiempo real y com-partido. Lo Smart que es una ciudad depende de lacapacidad de los distintos sectores para compartirinformación específica de cada dominio, y de com-partirla en el contexto y formato adecuados paraque se pueda generar valor de esta información (2).

IDC define la Smart City como la ciudad que utilizadispositivos inteligentes, las tecnologías de la informa-ción y las comunicaciones, y la instrumentalizaciónpara conseguir sus objetivos de mejora de calidadde vida de sus ciudadanos y el desarrollo económi-co sostenible. Estos objetivos se logran mediante lamejora de los servicios prestados, un uso más eficien-te de los recursos (humanos, infraestructuras y natu-rales), y prácticas financieras y medioambientalessostenibles. La visión de la Smart City es proporcionarservicios más accesibles, seguros, eficientes y efec-tivos a sus ciudadanos, de forma que aseguremos lacalidad de vida y la sostenibilidad de la ciudad. Lassoluciones Smart Cities integran la información y lasoperaciones entre los sistemas y dominios de la ciu-

dad, e involucran a sus ciudadanos y negocios; y alamplio ecosistema de la ciudad (diputación, comu-nidad, etc) (3).

Las definiciones anteriores tienen en común la esenciade la Smart City: innovación, tecnología, información,colaboración, desarrollo económico, calidad de vida,ciudadanos… Las ciudades están experimentandoun crecimiento de sus poblaciones y se enfrentan alos retos que conllevan –tráfico, contaminación, limi-tación de recursos, escasez de agua, riegos sanita-rios, seguridad ciudadana, mayor demanda de edu-cación, sanidad y servicios sociales–. Actualmente,las ciudades compiten para atraer negocios y turistas,no solo con las ciudades de su entorno más cercanosino también en un entorno Europeo y global (4).

Esta tendencia de crecimiento y las innovacionestecnológicas están impulsando la necesidad de lasciudades de analizar cómo están utilizando y apro-vechando en este momento la tecnología y las in-fraestructuras existentes, así como sus propios recur-sos y los de los ciudadanos y negocios.

La siguiente figura 1 señala algunas de las tendenciasque más influyen el desarrollo de la Smart City, que in-cluye el exceso de información disponible, la transfor-mación de los ciudadanos alrededor de los dispositi-vos móviles, austeridad económica y reducción decostes y el aumento de la población urbana (5).

Los líderes municipales deben adoptar las tecnologí-as que les proporcionen la visión de nivel de gestióny operativo adecuado, y el conocimiento de situa-ción. Tanto en una situación de emergencia por de-sastre natural, como en la gestión energética de es-

72 395 >Ei

FIGURA 1TENDENCIAS TECNOLÓGICAS Y DEMOGRÁFICAS EN CIUDADES

FUENTE: IDC Goverment Insights 2013.

BIG DATA

timación de demandas futuras o en la mejora con-tinua de los servicios municipales, los gestores muni-cipales necesitan tener la información correcta, en elmomento preciso para tomar las decisiones ade-cuadas en base a la información disponible.

La Smart City se apoya en las capacidades de lastecnologías de la información y comunicación parallevar a cabo las mejoras en la gestión y los serviciosmunicipales: en definitiva se trata de convertir los da-tos en conocimiento y el conocimiento en mejoresactuaciones y respuestas inteligentes (figura 2).

Las capacidades tecnológicas de la Smart City

Entre las capacidades y tecnologías necesarias pa-ra construir la Smart City, los analistas identifican laanalítica de datos y el Big Data como claves parapoder explotar y sacar valor de los datos disponibles.

IDC Government Insights ha definido las característi-cas generales que deben incluir las soluciones SmartCity (ver figura 3, en la página siguiente) (6).

• Captura y transmisión de datos en tiempo real (o ca-si-tiempo real) de diferentes fuentes como el Internetde las cosas (IoT – Internet of Things), dispositivos (sen-

sores, RFID, video cámaras, parquímetros, radares y de-tectores de matrículas, smartphones y otros dispositivosmóviles) y directamente de los ciudadanos y empre-sas vía aplicaciones de colaboración o redes sociales.

• Las capacidades de colaboración son fundamen-tales para acabar con los silos de datos e informa-ción y la colaboración entre sistemas, departamen-tos y agencias.

• La gestión de datos debe proporcionar las capa-cidades para procesar, limpiar, consolidar e interpre-ter los nuevos datos capturados, y para integrarloscon los datos ya existentes y con datos históricos.

• La analítica de datos transforma los datos en infor-mación de los datos; identifica tendencias y patro-nes, y proporciona capacidades de predicción.

• Para mejorar el proceso de toma de decisiones, lainformación relevante se muestra al nivel correcto deagregación vía cuadros de mandos para funcionesde gestión o con el detalle necesario mediante aler-tas para las funciones más operativas.

• Mecanismos y protocolos de actuación, tanto au-tomáticos como con intervención humana, para ac-tuar y responder a las situaciones y problemáticasdiarias de la ciudad.

395 >Ei 73

FIGURA 2SMART CITY: DE LOS DATOS A LA RESPUESTA INTELIGENTE

FUENTE: Elaboración propia.

Capturar y gestionar datos

• Acceder y explotar fuentes dedatos

• Procesar distintos tipos de datos:sensorización, aplicaciones,redes sociales, video, etc.

• Mejorar la interoperabilidad entrelos sistemas existentes

• Gestionar los aspectos deseguridad y privacidad de datos

Convertir datos enConocimiento e Inteligencia procesable

• Mejorar el conocimiento de lasituación

• Proporcionar visión operacionalcomún y unificada.

• Proporcionar informaciónrelevante en tiempo real a losdiferentes niveles de gestión yoperación

• Utilizar las capacidades analíticaspara determinar patrones ytendencias y poder prevenirincidencias y situaciones deemergencia

Mejorar respuestas yactuaciones

• Una alternativa a solo notificar alos sistemas para enviar recursosal lugar de la incidencia:o Colaboración en tiempo realo Protocolos de actuacióno Incrementar la prevencióno Despliegue recursos necesarioso Incrementar la velocidad de

respuestao Reducir ineficienciaso Mejorar la transparencia y la

involucración de ciudadanos

F. SEVILLANO PÉREZ

• Las respuestas inteligentes y la toma de decisionesbasadas en información relevante analizada condu-cen al uso más eficiente de los recursos urbanos, des-arrollos urbanos sostenibles y mayor calidad de vidapara los ciudadanos.

• Procesos de medición de los resultados de la SmartCity, mediante cuadros de mando y definición de in-dicadores de gestión KPIs que ayuden a medir los re-sultados de las distintas iniciativas de la ciudad y a man-tener la atención en los problemas de la ciudad, comopor ejemplo el número de accidentes de tráfico, nive-les de contaminación, etc.

En esta misma línea, para Gartner es fundamental lacapacidad de desarrollar analítica de datos y pre-decir patrones y tendencias de cómo las infraestruc-turas de la ciudad y los ciudadanos interactúan. Lasplataformas de Business Intelligence y analítica sonuna parte central del marco de la Smart City. Se de-ben desarrollar soluciones de gestión y gobierno dedatos, asegurando la privacidad y seguridad de losdatos y la información, que permitan ponerlos a dis-posición de los diferentes sectores económicos.

En la figura 4, en la página siguiente, Gartner descri-be la posición esencial de la analítica en los proce-sos urbanos, empezando por las capas de conecti-vidad con las diferentes fuentes de datos, pasandopor la capa de gestión de la información que co-necta con las capas de aplicaciones y servicios (7).

Las capacidades de gestión de datos que se mar-ca en la figura son denominadas a menudo comosistemas de Centros de Control y Operaciones de laciudad (city operations and command systems), queincorporan una plataforma integrada de gestión deprocesos de la ciudad.

Por otro lado, IBM en su encuesta de analítica de da-tos realizado en 2013 indica que, al examinar las ca-pacidades analíticas de las organizaciones, ha en-contrado que la mayoría puede realizar consultas einformes (73%), visualizar datos (58%) y hacer mine-ría de datos (57%). Pero fuera de estas competen-cias, las capacidades de los líderes divergen consi-derablemente. Las organizaciones líderes hanevolucionado más allá de las infraestructuras tradi-cionales y las técnicas de análisis de una plataformade business intelligence básica hacia una infraestruc-tura moderna y flexible capaz de capturar, procesary gestionar el volumen, velocidad y variedad de losdatos actuales. El 60% de los líderes dispone de ca-pacidades de análisis predictivo, así como de simu-lación (55%) y optimización (67%). Estas competen-cias les permiten ver más allá de lo sucedido ayer yde lo que sucede hoy, y comenzar a comprender elmodo en el que los cambios en las preferencias, lasfuerzas del mercado, los fenómenos naturales o lanormativa pueden afectar a sus operaciones y susingresos el día de mañana (8). Esto va a ser cada vezmás importante; de hecho, Gartner predice que, du-rante 2015, menos del 25% de los proyectos de bu-siness analytics incorporará análisis predictivos y pres-criptivos, pero que estos generarán al menos el 50%del valor de negocio (9).

La tecnología Big Data en la Smart City. Dentro delas capacidades de analítica de datos, el Big Dataes una tecnología para transformar la analítica degrandes volúmenes de datos, pero es también unatecnología disruptiva. Está activando la transforma-ción de industrias enteras que requieren análisis cons-tante de datos para afrontar los retos de su gestióndiaria, como en el caso de las ciudades poder pre-decir tendencias y anticipar posibles situaciones de

74 395 >Ei

FIGURA 3CARACTERÍSTICAS DE LAS SOLUCIONES SMART CITY


BIG DATA

emergencias. El Big Data proporciona las capacida-des para explotar mejor la información existente, in-tegrar nuevas fuentes de datos y realizar analítica dedatos usando nuevas herramientas que permiten in-crementar el valor para la ciudad y los ciudadanos.

Para las ciudades la tecnología Big Data se está con-virtiendo en una necesidad que tendrán que adop-tar más pronto que tarde, ya que les va a permitir al-canzar diversos objetivos (10):

• Aplicar analítica de datos más allá de los casos deuso tradicionales que permita respaldar la toma dedecisiones informada en tiempo real, en todo mo-mento y en todo lugar.

• Acceder a todo tipo de información que puedaser usada para la toma de decisiones.

• Facultar y promover a las personas en todos los ro-les de la organización a explorar y analizar informa-ción, para convertirlo en conocimiento que puedacompartir con el resto de la organización.

• Optimizar los procesos de toma de decisiones, tan-to si se realizan por personas como si se ejecutan porsistemas automatizados.

• Proporcionar conocimiento desde todas las pers-pectivas y horizontes temporales; desde informes his-tóricos y de tendencias hasta análisis en tiempo realy modelos predictivos.

• Mejorar los resultados de gestión y gestionar mejorlos riesgos.

En definitiva, el Big data proporciona a la ciudad ysu ecosistema las capacidades analíticas para trans-

formarse en una organización contextual, que seadapta con dinamismo y agilidad a los continuoscambios de su entorno económico, social, me-dioambiental, etc. y a las necesidades cambiantesde sus ciudadanos, empresas y visitantes; medianteel uso de la información disponible de una gran can-tidad de muy diversa de fuentes de datos (11).

BIG DATA

A lo largo de la historia, las decisiones más acerta-das en el mundo empresarial se basaron en la inter-pretación de los datos disponibles. Cada día, 2,5 quin -tillones de bytes son creados, es decir, el 90% de losdatos en el mundo ha sido creado en los últimos 2años (12). Estos datos vienen de todas partes: senso-res que capturan todo tipo de datos, posts o comen-tarios en redes sociales o blogs, fotos o videos, regis-tros de transacciones comerciales, señal GPS deteléfonos móviles o automóviles, etc.

La gran cantidad y complejidad de datos que se ge-neran cada día, hacen que los sistemas de gestióny de procesado de datos tradicionales no puedanproporcionar el servicio necesario. Los retos que de-be gestionar el Big Data incluyen capturar, almace-nar, buscar, compartir, transferir, analizar y visualizar.Algunas estimaciones predicen un crecimiento dedatos de hasta 50 veces para el año 2020 (13). Unagran cantidad de datos se está generando y se es-tá guardando tan rápido que está inundando a lasociedad, y por supuesto a las ciudades. El Big Datase está convirtiendo en el próximo recurso natural queexplotar; y esto representa por un lado un gran reto,pero también una oportunidad para las organizacio-

395 >Ei 75

FIGURA 4SMART CITY DOMAIN TOPOLOGY

FUENTE: Gartner.

F. SEVILLANO PÉREZ

nes que sepan sacar provecho de estos datos. Parasumarse a esta oportunidad, las ciudades debenadoptar soluciones Big Data que les proporcionencapacidades analíticas para convertirlos en conoci-miento y así mejorar la gestión urbana y la toma dedecisiones (14).

Nuevas fuentes de datos de la Smart City – necesidadBig Data

Además de la gran cantidad y variedad de fuentesde información que gestionan las corporaciones mu-nicipales, existen nuevas fuentes de datos disponiblesque crecen de manera exponencial que puede ayu-dar a mejorar la gestión municipal, entre las que ca-be destacar:

Ciudadanos. Los ciudadanos y empresas son el me-jor sensor para la ciudad. Los ciudadanos recogeninformación que puede complementar o incluso sermás valiosa (o ni siquiera estar disponible) que la re-cogida mediante los medios e infraestructuras ges-tionadas por las corporaciones municipales u otrasempresas u organismos involucrados en los serviciosy operaciones municipales (15). Ejemplos de este ti-po de información son fotos realizadas con dispositivosmóviles de roturas o desperfectos en la vía pública oequipamientos en mal estado de funcionamiento.

Por otro lado, los ciudadanos, más allá de los cana-les de comunicación tradicionales, esperan poderacceder e interactuar con su administración localmediante dispositivos y aplicaciones y a través de lasredes sociales. La adopción masiva de dispositivos yla utilización de las redes sociales muestran la impor-tancia de que los gobiernos locales desarrollen estoscanales de comunicación e involucración de la ciu-dadanía.

• En 2015, por primera vez, habrá más personas ac-cediendo a internet a través de dispositivos móvilesque a través de ordenadores.

• El uso de dispositivos móviles para compartir fotos,navegación y utilización de mapas y para accedera las redes sociales crecerá de forma muy significa-tiva.

Estas tendencias no pueden ser ignoradas por los líde-res municipales, y actualmente se está produciendo unprogreso muy considerable. Los gobiernos locales es-tán aprovechando el momentum de las iniciativasOpen data y colaboración ciudadana (crowdsour-cing) para que se desarrollen aplicaciones móviles.

Algunos ejemplos de aplicaciones para mejorar lacalidad de vida de los ciudadanos (16):

3 Aparcamientos

3 Información turística

3 Información red de transporte pública

3 Estado del tráfico

3 Alertas y emergencias

Machine-to-machine (M2M). Para IDC el crecimien-to de las comunicaciones machine-to-machice(M2M) y machine-to-machine-to-human (M2M2H) esmuy relevante para el futuro de la Smart City y la au-tomatización de ciertos procesos.

Las comunicaciones M2M son aún un mercado emer-gente y estamos solo en los inicios. El despegue de lasaplicaciones M2M de uso masivo y su utilización en al-gunos sectores va a tener un impacto en los gobiernoslocales. Ejemplos de esto son la industria del automó-vil con los vehículos conectados; o la monitorizaciónremota de pacientes en sanidad. Para IDC en el cor-to plazo las áreas más relevantes para el uso en cor-poraciones locales son las siguientes (17):

3 Gestión de flotas, especialmente en el transportepúblico

3 Gestión remota e activos

3 Vehículos conectados

3 Smart meters (telemedida de contadores)

3 Señalización digital

3 Monitorización en Sanidad

3 Seguridad pública

Internet de las Cosas (Internet of Things IoT). Los sen-sores y dispositivos inalámbricos son cada vez máspequeños, inteligentes y baratos; y existen miles demillones; que proporcionan una cantidad infinita dedatos. La Internet de las Cosas (IoT) a través del rápi-do crecimiento de la conectividad M2M (machine-to-machine) en los diferentes dominios de la ciudad(contadores con telemedida, redes de sensores, etc)van a generar un flujo masivo de datos que debe sersecurizado, priorizado, organizado y analizado. Si es-to falla la información aportada por la analítica dedatos podría impedir, hacer ineficiente o incluso con-ducir a errores en la toma de decisiones de proce-sos vitales para la ciudad y sus ciudadanos (18). SegúnGartner, en 2020, habrá más de 30 miles de millonesdispositivos conectados (19), similar a la previsión deABI Research (20).

Datos Abiertos (Open Data). El Open Data es unainiciativa imparable a nivel tanto internacional comonacional, con gran respaldo institucional y que cuen-ta ya con políticas y marcos normativos que lo regu-lan a nivel europeo y nacional.

Según datos.gob.es, el Open Data proporciona be-neficios sociales y económicos (21):

3 Facilita la participación y colaboración ciudada-na (a través de las iniciativas de gobierno abierto)

3 Posibilita la monitorización y ajuste de políticas pú-blicas

76 395 >Ei

BIG DATA

3 Ofrece nuevas oportunidades de empleo y de ge-neración de riqueza asociadas a los modelos de ne-gocio innovadores

IDC cree que las ciudades que abran sus datos pro-porcionarán más valor a sus ciudadanos. Las corpo-raciones municipales con iniciativas estratégicas deOpen Data tendrán un 50% más de aplicacionesmóviles desarrolladas para su ciudad. Más ciudadespondrán en marcha iniciativas de Open Data parafacilitar el desarrollo de aplicaciones móviles y portanto para proporcionar servicios a los ciudadanos,visitantes y negocios a través de los dispositivos mó-viles (22). Estas iniciativas van a suponer para los or-ganismos municipales un incremento radical de lacomplejidad de gestión de datos que realizan ac-tualmente. Existen más de 40 países con plataformasde Open Data. El portal de EEUU data.gov tiene másde 150.000 set de datos disponibles (23); y existenmás de 1 millón de conjuntos de datos a nivel mundial,que crece cada día. En España, el portal datos.gob.eses una iniciativa de carácter nacional encargada dellevar a cabo acciones que favorecen la apertura deinformación por parte del sector público. Actualmentedispone de más de 2000 conjuntos de datos de másde 100 organismos.

Desde el punto de vista del valor económico, McKinseyGlobal Institute estima un potencial económico anualOpen Data de $3 - $5 trillones en siete dominios deactividad. Estos beneficios incluyen aumentos de pro-ductividad, desarrollo de nuevos productos y servi-cios, y mejoras para los consumidores (ahorro de cos-tes, productos y servicios de mejor calidad, etc). Estevalor potencial, se podría dividir en $1,1 trillones enlos EEUU, $900 millones en Europa y $1,7 trillones enel resto del mundo (24).

Conclusiones. Los cambios en las tecnologías quehemos comentado, en los que la información seconvierte en el recurso crítico para la mejora de latoma de decisiones, están derivando en que los re-tos a los que se enfrenta la Smart City deben ser en-globados en el contexto del Big Data. La convergen-cia de dispositivos inteligentes, las redes sociales, lainformación disponible en los sistemas municipales,y otras muchas fuentes de datos, hacen que haya de-masiada información disponible para procesar y asi-milar y los operadores municipales y personal de loscentros de control no pueden depender totalmentede su experiencia o intuición para tomar decisiones.El modelo mental causa/efecto queda desfasadorápidamente, mientras se incrementa la exigenciade responder más rápidamente y con mayor preci-sión y conocimiento a los eventos e incidentes queocurren en la ciudad. Por ejemplo, los nuevos desa -fíos de gestión y analítica de datos a los que se de-ben enfrentar los Centros de Control de Tráfico yTransporte con el crecimiento de los vehículos co-nectados y la nueva generación de sistemas de asis-tencia de viaje, no podrán ser superados por aque-llas organizaciones que no utilicen soluciones BigData y analítica (25). La tecnología Big Data asienta

las bases para mejorar las capacidades analíticas ypor tanto mejorar el proceso de toma de decisionesy los tiempos de respuesta, principios básicos para laSmart City.

Definición: dimensiones Big Data

La gran diferencia entre los casos de uso de Big Datay los de aplicaciones de Data Warehouse o BusinessIntelligence (BI) son la naturaleza y la velocidad delos datos que se gestionan. Normalmente, las aplica-ciones Big Data son miles de veces más grandes yrequieren una respuesta más rápida que las aplica-ciones de BI (26).

IDC define Big Data como una nueva generación detecnologías y arquitecturas diseñadas para extraervalor económico de grandes volúmenes de una am-plia variedad de datos, mediante la capacidad decaptura, descubrimiento y/o análisis a gran veloci-dad. Esta definición abarca hardware, software y ser-vicios de integración, organización, gestión, análisisy presentación de datos que se caracteriza con lascuatro Vs: Volumen, Variedad, Velocidad y Valor (27).

Según IBM las soluciones Big Data se distinguen delas soluciones TIC tradicionales considerando cuatrodimensiones (28):

• Volumen: las soluciones Big Data deben gestionary procesar cantidades mucho mayores de datos.

• Velocidad: las soluciones Big Data deben proce-sar datos que llegan a mayor velocidad.

• Variedad: las soluciones Big Data deben encargar-se de más tipos de datos, tanto estructurados comodesestructurados.

• Veracidad: las soluciones Big Data deben validarla corrección de la gran cantidad de datos que lle-gan a gran velocidad.

Como resultado, las soluciones Big Data se caracte-rizan por procesado complejo en tiempo real y rela-ción de datos, y capacidades avanzadas de analí-tica y búsqueda. Estas soluciones hacen hincapié enel flujo de los datos, y trasladan la analítica de los cen-tros de investigación a los procesos y funciones clavede las organizaciones.

Además de las 5 Vs que incorporan las definicionesde IDC e IBM; IBM menciona una sexta V que han su-geridos diferentes analistas:

• Variabilidad de la inyección de datos a sistemasBig Data (29): variabilidad significa que los sistemasBig Data deben disponer del mismo tipo de elastici-dad que es requerido en cloud computing y otrosentornos virtualizados. Los flujos de datos, tanto en vo-lumen como en variedad, pueden variar enorme-mente, pudiendo seguir un comportamiento cíclicopredecible o siendo completamente aleatorio. Estavariabilidad es especialmente difícil de gestionar porla existencia de las redes sociales.

395 >Ei 77

F. SEVILLANO PÉREZ

Volumen: el tamaño no es lo único que importa. Lasciudades gestionan grandes cantidades de datosque se van a ver incrementados con la implantaciónde iniciativas Smart City (ver figura 5).

La palabra «Big» de Big Data alude a volúmenes masi-vos de datos, sin embargo los usuarios deben entenderque este término es relativo. Algunos sectores u orga-

nizaciones pueden llegar a tener gigabytes o tera bytesde datos que gestionar, mientras otras pueden llegara los petabytes o exabytes. En cualquier caso, estasaplicaciones aparentemente más pequeñas puedenllegar a requerir los procesos de gestión y análisis dedatos muy demandantes y complejos que caracteri-zan las aplicaciones Big Data (31). Un gran porcentajede los datos no serán de interés y no proporcionará una

78 395 >Ei

FIGURA 5«THE FOUR V’S OF BIG DATA»

FUENTE: Infografía IBM (30).



BIG DATA

información relevante, y podría ser filtrada y comprimi-da hasta en un orden de magnitud. El reto o la dificul-tad es hacer un filtrado de forma inteligente de formaque no se descarten datos que pueden ser relevantesa las operaciones que se están ejecutando. Por ejem-plo, datos relacionados con horarios o la localización,podrían estar sujetos a una amplia variación y seguirsiendo válidos.

El volumen de datos está creciendo a mayor veloci-dad que los recursos de computación y la capaci-dad de procesamiento de los procesadores que exis-ten en el mercado. En los últimos 5 años, la evoluciónde la tecnología de procesadores se ha parado, yya no vemos duplicado la velocidad de los chips cada18 - 24 meses (32).

Variedad: la combinación de fuentes de datos yformatos es clave. La variedad en Big Data es un atri-buto crítico. La combinación de datos de una am-plia variedad de fuentes diferentes de datos y en unavariedad de formatos en un criterio clave en la de-terminación de si una aplicación puede ser conside-rada Big Data (ver figura 6, en la página anterior).

Las aplicaciones Big Data combinan datos de unaamplia variedad de fuentes diferentes (típicamentetanto datos internos como externos a la organización)y datos de diferentes tipos y formatos (estructurados,semiestructurados y desestructurados); éste es un as-pecto importante de Big Data. Combinar diferentestipos y formatos de datos es un reto técnico comple-jo: ¿Cuál es la importancia relativa de un tweet res-pecto a un registro de cliente? ¿Cómo combinamosun gran número de fichas activas de pacientes coninvestigaciones médicas publicadas y datos genó-

micos para seleccionar el mejor tratamiento para unpaciente particular? Un ejemplo de esto puede serla integración de datos operativos internos de un ERPcon datos semiestructurados de ficheros logs de laweb que identifican el comportamiento de clientesonline, con análisis de sentimiento de textos deses-tructurados de comentarios de clientes. Otro ejem-plo son los modelos avanzados de predicción mete-orológica que se basan en datos históricos de losúltimos 50 ó 100 años, datos de nuevos modelos fí-sicos de simulación e comportamientos oceánicos ydatos de cambios de los niveles de CO; combinán-dolos con datos de satélite para crear modelos desimulación en tiempo real (34).

Velocidad: velocidad a la que la información lle-ga, se procesa, es analizada y se entrega. La velo-cidad de los datos que se mueven a través de lossistemas de una organización varía desde requeri-mientos de integración por procesos batch o cargade datos en intervalos predefinidos, hasta requeri-mientos de transmisión de datos en tiempo real. Laclave para evaluar las necesidades de velocidad delBig Data es entender los procesos de negocio y losrequerimientos de los usuarios finales que gestionany ejecutan los procesos (ver figura 7).

Por ejemplo, para un organismo de gestión de emer-gencias, unos segundos pueden ser la diferencia en-tre una catástrofe y una resolución con éxito de unasituación de riesgo. Otro ejemplo es el requerimien-to de reconocimiento facial en tiempo real en aero-puertos para detección de pasajeros. Sin embargo,los motores de búsqueda web deben procesar y bus-car millones de consultas para determinar la preci-sión de sus algoritmos o añadir coincidencias, pero

395 >Ei 79



F. SEVILLANO PÉREZ

no necesitan realizar estos análisis en tiempo real. Endefinitiva, lo que realmente se necesita es la informa-ción relevante, en el tiempo preciso y con el nivel deprecisión requerido.

La infraestructura tecnológica será diferente para cadacaso de uso. Existe un antiguo adagio en la comu-nidad técnica de infraestructuras –se puede resolvercualquier problema si pones suficiente hardware–.Cuando se examinan los grandes supercomputado-res que se han construido para resolver problemasespecíficos, este adagio se cumple. Sin embargo, enel mundo actual, las evoluciones de hardware nosiempre son necesarias para satisfacer las deman-das de alto rendimiento (36).

Veracidad. Como comentábamos anteriormente,cada día se generan 2,5 quintillones de bytes de da-tos. Estos datos vienen de fuentes diversas como fo-tografía digital, videos, posts en redes sociales, sen-sores inteligentes, transacciones comerciales,señales GPS de teléfonos móvies y otros dispositivos,etc. En definitiva, Big Data son datos desorganizados.La veracidad tiene que ver con lo incierto o impreci-sión de los datos. Cuando utilizamos fuentes de da-tos de redes sociales como tweets, entradas deFacebook, etc, ¿qué credibilidad podemos o debe-mos dar a los datos? Muy posiblemente podremosutilizar estos datos para realizar análisis de sentimien-to o identificar cambios de tendencias, pero no po-dremos sacar conclusiones para la toma de decisio-nes críticas (ver figura 8).

Dos de las Vs que caracterizan al Big Data van de al-guna manera en contra de la Veracidad de los da-tos. Tanto la Variedad como la Velocidad limitan la

capacidad de limpieza de datos antes de su análi-sis (38). Si los datos contienen errores, la informaciónque se puede generar de ellos no es fiable y los usua-rios pierden la confianza de sus resultados y nunca lausarán para la toma de decisiones. Es fundamentalimplantar procesos de limpieza de datos para la eli-minación o por lo menos reducción de datos erró-neos que garantice la calidad de los datos. Paraabordar los desafíos de rendimiento y capacidadque se desprenden de la falta de veracidad en losdatos, es importante definir estrategias y herramien-tas de calidad de datos como parte de la infraes-tructura Big Data. El propósito de estas estrategias decalidad de datos es comprobar que cumplen su pro-pósito; es decir evaluar el uso previsto para el Big Datadentro de la organización y establecer y garantizarla precisión necesaria de los datos para alcanzar losobjetivos de negocio de los casos de uso.

El enfoque de calidad de datos adoptado por las or-ganizaciones debería incluir algunas estrategias:

• Definición de criterios y benchmarking de calidadde datos

• Identificación de atributos clave de calidad de da-tos (por ejemplo puntualidad en la entrega, integri-dad, etc.)

• Gestión del ciclo de vida de los datos y conformi-dad

• Requerimientos de metadata y su gestión

• Clasificación de los elementos de datos

Además, el enfoque debe ser colaborativo y muy cla-ro sobre qué datos deben ser 100% precisos, cuáles

80 395 >Ei



BIG DATA

deben ser suficientemente buenos, en términos por-centuales (en multitud de ocasiones, lo perfecto esenemigo de lo bueno). La seguridad también juegaun papel importante, ya que debe asegurar que losdatos falsos, fraudulentos o no autorizados no se in-troducen en el Big Data. Los datos deben ser prote-gidos adecuadamente y no distribuidos a destinata-rios no autorizados (39).

Por otro lado Gartner señala que debemos conocer dequién es la propiedad de las fuentes de datos que es-tamos utilizando para nuestros casos de uso, y el usoque podemos hacer de esta información de acuerdoa las licencias de uso (i.e. Open data, datos propieta-rios de uso restringido, etc.). Entender bien las limitacio-nes, realizar un uso correcto de las fuentes de datos einformar de su origen proporcionará mayor transparen-cia a nuestra Smart City y por tanto mayor credibilidady Veracidad a nuestras soluciones (40).

Confianza en los datos. Los responsables de tomardecisiones deben confiar en los datos para dejarseguiar por ellos. Según el estudio de IBM, en las orga-nizaciones que obtienen más valor de la analítica, elgobierno y la seguridad son suficientes para propor-cionar a la mayoría de los usuarios un grado de con-fianza confortable, pero también son lo bastante fle-xibles como para que los usuarios de negociocumplan un conjunto de requisitos diverso. Además,este estudio indica que las organizaciones que ges-tionan sus datos de manera deficiente encuentrandificultades para generar valor a partir de estos y desu análisis.

Los líderes confían en los datos de sus organizacio-nes. Dos terceras partes de los encuestados de lasorganizaciones líderes tienen confianza suficiente en

la calidad de los datos y análisis de los que disponencomo para utilizarlos en sus procesos de toma de de-cisiones cotidianos (ver figura 9).

Para inspirar este grado de confianza, hacen uso deun riguroso sistema de estándares empresariales y só-lidas prácticas de gestión de datos para ayudar aasegurar no solamente la oportunidad y la calidadde los datos, sino también su seguridad y privacidad.Los líderes adoptan un enfoque estructurado para elgobierno y la seguridad de los datos y a esta vigilan-cia se debe en buena parte el mayor grado de con-fianza que la mayoría deposita en los datos y en laanalítica dentro de sus organizaciones (41).

Valor. En la figura 10 (en la página siguiente), IDCidentifica la arquitectura de valor de la Smart City quese construye con tecnologías como el Intenet de lascosas (IoT - Internet of Things) y los cuatro pilares tec-nológicos para IDC - Big Data, tecnologías móviles,cloud computing y social business (42).

En el contexto del Big Data, valor se refiere tanto al cos-te de la tecnología como al valor obtenido de su uso.

La variable del coste es importante, ya que es unode los factores clave que definen la novedad del BigData. La diferencia es que antes solo los gobiernos ylas grandes empresas se podían permitir tener gran-des centros de datos, soluciones de gestión de da-tos en tiempo real, de análisis de contenidos deses-tructurados, sistemas de supercomputación, etc.Ahora estas tecnologías son más accesibles.

Por otro lado el valor también se refiere al beneficioobtenido de las iniciativas Big Data, que IDC (43) lasclasifica en:

395 >Ei 81

FIGURA 9CONFIANZA EN LOS DATOS

FUENTE: IBM Institute for Business Value. 2013 Big Data & Analytics Study.

Nota: Se pidió a los líderes que describieran su grado de confianza en la calidad de los datos y los análisis de su organización. Opciones derespuesta consolidadas; n = 107

F. SEVILLANO PÉREZ

3 Reducción del coste de capital: reducción del cos-te de hardware, software y otros costes de infraestruc-turas.

3 Eficiencia de las operaciones: reducción de los cos-tes de operaciones, debido a la mejora de los méto-dos de integración, gestión, análisis y entrega de datos.

3 Mejora de los procesos de negocio: aumento en losingresos o beneficios debido a una mejora de los pro-cesos de negocio, incluyendo mejoras en el diseño yla prestación de servicios a los ciudadanos, en los pro-cesos de licitación de contratos públicos, etc.

Garner por su lado señala que el valor que propor-cionan los casos de uso de las Smart Cities está orien-tado inicialmente a mejorar la organización y rendi-miento de los servicios e infraestructuras urbanos,como por ejemplo la gestión de residuos, tráfico, tras-portes públicos, gestión energética y gestión de agua.Además, la información tiene un valor «citizen-cen-tric» ya que la información difundida por ejemplo so-bre patrones o predicciones de tráfico, horarios y es-tado del transporte público o la disponibilidad deaparcamiento en las zonas de la ciudad, tienen unimpacto sobre las necesidades de servicio y benefi-cios para ciudadanos, negocios y visitantes. La per-cepción en el otro extremo de la cadena de valores crítica para que las infraestructuras y servicios dela ciudad funcionen mejor y de forma más sosteni-ble y contextualizada, unidos al contexto personal delos ciudadanos, por ejemplo de seguridad, calidaddel aire y estándares de calidad de vida para esta-blecer métricas de contaminación medioambiental,densidad de tráfico, etc. (44).

Los usuarios de soluciones y casos de uso SmartCities, tanto a nivel de gestión municipal como de

operación de servicios urbanos, tanto ciudadanos yvisitantes como empresas que operan en la ciudad,comparten un requerimiento en cuanto a la analíti-ca de datos y a sus resultados que suele ser un des-afío para las soluciones Big Data: no quieren ser in-undados con información no relevante.

Actualmente, por la falta de conocimiento de las ne-cesidades o interés personal de los diferentes tiposde usuarios, las aplicaciones Smart Cities inundancon información sobre la ciudad, cuando realmen-te solo están interesados por información contextua-lizada relevante para sus necesidades.

Para poder proporcionar valor, en primer lugar, las so-luciones Smart Cities deben entender cómo seráconsumida la información y cuál es el valor intrínse-co y de negocio que contiene para los ciudadanosy empresas.

Una vez entendamos el valor que proporciona la in-formación, las soluciones deben disponer de capa-cidades analíticas de filtrado, agrupación y visualiza-ción de la información y contexto de forma que lainformación proporcionada aporte realmente valoridentificado a los diferentes usuarios (45).

BIG DATA: MÁS ALLÁ DE LA TECNOLOGÍA…TRANSFORMACIÓN

Como hemos visto, disponer de la información decontexto adecuada para la toma de decisiones esfundamental para mejorar la gestión de la ciudad yla calidad de vida de sus ciudadanos. Sin embargo,la implantación de soluciones Big Data va más alláde la tecnología y sus dimensiones de Volumen,Velocidad, Variedad y Veracidad; supone una impor-

82 395 >Ei

FIGURA 10ARQUITECTURA DE VALOR DE LA SMART CITY


BIG DATA

tante transformación que requiere cambios operati-vos y organizativos; y todo ello alineado con los ob-jetivos estratégicos de creación de valor para la ciu-dad.

Cada ciudad es diferente y sus objetivos estratégicosvarían para cada una de ellas. Sin embargo, la ma-yoría comparte problemas y retos similares, siendo losprincipales focos de atención el tráfico y transportepúblico, la seguridad ciudadana y reducción de ín-dices de criminalidad, la gestión energética, el ciclointegral del agua y la gestión de residuos urbanos. Almismo tiempo, además de gestionar la actividaddiaria de la ciudad, persiguen objetivos de desarro-llo económico mediante la creación o atracción deactividad económica que amplíen y mejoren su te-jido empresarial; muy orientado actualmente a lacreación de empleo. Y muchas se enfrentan a estosgrandes retos con infraestructuras tecnológicas anti-guas y obsoletas, silos de información y procesos muyburocráticos en los que no se colaboran entre las dis-tintas concejalías y organismos, falta de objetivos co-munes alineados para toda la ciudad, que compli-can enormemente acometer nuevas iniciativas devalor global para la ciudad.

El concepto de Smart City puede ayudar a estructu-rar un enfoque global para responder a estos gran-des retos. En las definiciones que veíamos antes, laSmart City es una solución que con el apoyo de latecnología, abarca la transformación de la ciudadde forma sostenible y escalable, con apertura a losciudadanos y negocios y con transparencia en la ges-tión. Una de las principales palancas del crecimien-to sostenible es implantar una cultura de la innova-ción y fomentar la colaboración e involucración delos ciudadanos y empresas en los problemas diariosde la ciudad y en la búsqueda e implantación desoluciones. Los ciudadanos, con el nivel actual de

acceso a la tecnología de la sociedad, son los prin-cipales «sensores» que tienen actualmente a su dis-posición los gestores municipales.

IBM ha realizado un estudio muy interesante y reve-lador, que concluye que las empresas de mayor éxi-to aplican de manera sistematizada iniciativas deanalítica de datos en toda su organización para to-mar decisiones más informadas e inteligentes, actuarcon mayor rapidez y optimizar los resultados (46).Pero, más allá de la tecnología, existe una cuestiónfundamental que responder: ¿cómo pueden las or-ganizaciones rentabilizar sus inversiones en analíticaaprovechando la cantidad de datos existente y surápido crecimiento? El estudio de IBM concluye quehace falta una coordinación adecuada entre estra-tegia, tecnología y estructura organizativa.

Las estrategias de implantación de la analítica de-ben ayudar a cumplir los objetivos empresariales másimportantes; la tecnología existente tiene que susten-tar la estrategia de analítica; y la cultura de la orga-nización ha de evolucionar para que el personaladopte esta tecnología. La correcta coordinaciónentre estas tres dimensiones claves es necesaria pa-ra generar resultados tangibles.

IBM identifica nueve palancas que permiten a las or-ganizaciones generar valor a partir de un volumende datos en constante crecimiento proveniente dediversas fuentes; un valor que resulta del conocimien-to que se ha generado y de las acciones adopta-das en todos los niveles de la organización (47).

Estas nueve palancas representan los conjuntos decapacidades que más diferenciaban a los líderes delos demás encuestados:

3 Cultura: disponibilidad y uso de datos y análisis enla organización

395 >Ei 83

FIGURA 11LAS NUEVE PALANCAS SON CAPACIDADES QUE HACEN POSIBLE Y MEJORAN EL DESARROLLO,

LA GENERACIÓN DE ANALÍTICA Y CREACIÓN DE VALOR

FUENTE: IBM. Institute for Business Value.

F. SEVILLANO PÉREZ

3 Datos: estructura y formalidad de los procesos degobierno de datos de la organización y de la segu-ridad de sus datos

3 Conocimientos: desarrollo de competencias y ca-pacidades de gestión y analítica de datos, así comoacceso a las mismas

3 Financiación: rigor financiero del proceso de finan-ciación de los análisis

3 Medición: evaluación del impacto sobre los resul-tados de negocio

3 Plataforma: capacidades integradas proporcio-nadas por el hardware y el software

3 Fuente de valor: acciones y decisiones que gene-ran resultados

3 Patrocinio: apoyo e implicación de la dirección

3 Confianza: confianza de la dirección

Las conclusiones de este estudio de IBM son totalmen-te aplicables a las corporaciones municipales y a to-do su ecosistema de empresas y organismos, que de-ben alinear sus objetivos estratégicos, la tecnología ysu estructura organizativa; más allá de ciclos electora-les que no harían viable la implantación y adopciónde una verdadera cultura de la innovación.

Factores críticos de éxito

Compromiso de los dirigentes municipales. Comotoda transformación (y la implantación de solucionesBig Data requiere una importante transformación pa-ra poder tener éxito), la implantación de solucionesBig Data como palanca tecnológica necesaria pa-ra el desarrollo de la Smart City, requiere un fuertecompromiso de los dirigentes municipales al máxi-mo nivel para superar las barreras al cambio queaparecerán durante su implantación y despliegue.

Las restricciones políticas o limitaciones ejecutivasson el principal factor limitante para la obtención demayor valor de las iniciativas de analítica de datos.El 62% de las organizaciones indica estas limitacio-nes como el principal obstáculo para la puesta envalor de los datos; aunque lo que diferencia a las lí-deres es una pauta visible de puesta en marcha deprocesos que minimizan estas limitaciones (48).

Cultura de confianza y colaboración. Para tener éxi-to en la implantación de analítica Big Data en laSmart City es fundamental implantar la cultura de laconfianza y la colaboración en el ADN en todos losniveles de la organización municipal, en todos los or-ganismos y agencias y extenderlo al ecosistema deempresas y ciudadanos que participan.

La confianza afecta directamente a la capacidad deuna organización de extraer valor de los datos; o me-jor dicho, la falta de confianza es uno de los obstácu-los más importantes para la generación de valor.

Los casos de uso de la Smart City que aportan ma-yor valor con aquellos que se construyen con datose información de fuentes muy diversas, que propor-cionan la visión global y completa que podremosconvertir en conocimiento para mejorar la actuacióny servicios municipales. Las ciudades no siempre tie-nen a su disposición toda la información necesaria.Sin la colaboración del ecosistema completo de ciu-dadanos y empresas, organismos y empresas muni-cipales, etc. los casos de uso de la Smart City veránlimitado su generación de valor.

Dueños de la información: En muchos casos nos en-contramos que las distintas áreas de la ciudad sesienten dueños de los datos que gestionan o captu-ran, gestionan sus propios procesos y no existe unacultura de la «colaboración transparente». Con co-laboración transparente me refiero a que los datos einformación estén disponibles para todo el ecosiste-ma municipal, en un modelo de Datos Abiertos.

Por otro lado, muchos servicios municipales son rea-lizados por empresas privadas que disponen de mu-cha información que no se proporciona a la corpo-ración municipal, más allá de los indicadores degestión, los datos operativos que permitan medir losacuerdos de nivel de servicios y la información exigi-da en los pliegos correspondientes. Actualmente seestá reconociendo el valor de disponer de toda lainformación para tener mayor control y conocimien-to de los procesos, y de esta forma poder realizar me-joras y elaborar mejores pliegos en futuras licitacio-nes. La tendencia actual es incluir en los pliegos laobligatoriedad de proporcionar toda la informacióndisponible, que pasa a ser propiedad de la ciudad.Esta situación hace que desarrollar casos de uso devalor o iniciativas innovadoras que impliquen a dife-rentes áreas o empresas, o necesiten información dediferentes fuentes requiera mucho esfuerzo y desgas-te que no aporta ningún valor, consume muchos re-cursos y ralentiza su progreso.

Tanto la información histórica como la generada ycapturada diariamente en los procesos y serviciosmunicipales pertenecen o son gestionados por laciudad. Debe existir un modelo de gobierno y ges-tión de la información que garantice por un lado laseguridad y privacidad y por otro la calidad y fiabili-dad; que permita poner la información disponible adisposición del ecosistema municipal para obtenerel mayor valor de su utilización.

Fuente de valor. Las capacidades analíticas propor-cionadas por las soluciones Big Data son enormes.Pero solo tienen sentido si se enfocan en la creaciónde valor para la ciudad. Por tanto, antes de acome-ter cualquier iniciativa, es fundamental entender losobjetivos estratégicos de la ciudad e identificar el va-lor que aporta el Big Data para su consecución. Lasorganizaciones que obtengan más valor del Big Dataserán aquellas que entiendan claramente cuál es lafuente de ese valor y dirijan sus esfuerzos en conse-cuencia. Casi la mitad de las empresas líderes seña-

84 395 >Ei

BIG DATA

lan que los datos y su análisis influyen significativa-mente en las estrategias de negocio y los resultadosoperativos de sus organizaciones. La quinta partemás destacada de estos líderes basa sus decisionesde negocio en información proporcionada por laanalítica de datos. Tras la medición de los resultados,la mayoría rentabiliza su inversión en analítica de da-tos en menos de 12 meses, llegando a ser menor de6 meses en el 40% de las empresas líderes (49).

Capital humano: conocimientos. Las iniciativas SmartCities y los proyectos de Big Data son aún muy re-cientes. Actualmente existe un déficit importante anivel global de profesionales formados y con expe-riencia en estas tecnologías, que puede ser uno delos principales obstáculos para la implantación deanalítica de datos Big Data en la Smart City.

IBM destaca que una tercera parte de las organiza-ciones citaron la falta de competencias para anali-zar y convertir los datos en acciones significativas co-mo el escollo más importante para mejorar el uso detécnicas analíticas en sus organizaciones (50). Y seespera que este problema se agrave. Según Gartner,en 2015 la demanda de perfiles analíticos y de da-tos ascenderá a 4,4 millones de empleos en todo elmundo, de los cuales solamente se cubrirá una ter-cera parte (51).

Puede ser muy interesante para las ciudades y orga-nizaciones promover iniciativas de educación, atrac-ción de talento y creación de proyectos empresaria-les en esta área de la analítica de datos y Smart City.Las ciudades y organizaciones que conscientes delvalor y las cualidades inherentes de estos recursos to-men la iniciativa podrán generar riqueza y puestosde trabajo de alta cualificación en un sector de granfuturo, y podrán disponer del capital humano nece-sario para desarrollar casos de uso y aplicacionesSmart City y Big Data de gran valor añadido.

NOTAS

[1] Red Española de Ciudades Inteligentes (RECI): http://www.redciudadesintel igentes.es/sobre- la-red/quienes-somos/ampliar.php/Id_contenido/301/v/0/

[2] Gartner. Market Trends: Business Intelligence Platforms Keyto Managing Big Data in Smart Cities (G00225073)

[3] IDC Government Insight: Worldwide SmartCity 2013 Top 10Predictions (#GI239209)

[4 Ibid[5] IDC Government Insights: Smart Cities Strategies:

#GI243301. «Business Strategy: Smart City Essentials - Six Waysto Drive Innovation in Your City»

[6] IDC Government Insights’ Worldwide Smart City Taxonomy,2014.

[7] Gartner. Market Trends: Business Intelligence Platforms Keyto Managing Big Data in Smart Cities (G00225073).

[8] IBM Institute for Business Value: Analítica de datos: un pro-yecto de generación de valor.

[9] «Gartner Predicts 2013: Information Innovation». GartnerResearch. 14 de diciembre de 2012. G00246040, página2, «Strategic planning assumptions».

[10] IBM Redpaper publication, Performance and CapacityImplications for Big Data, REDP-5070

[11] IBM Redpaper publication, Smarter Analytics: InformationArchitecture for a New Era of Computing, SG24-5012.http://www.redbooks.ibm.com/abstracts/redp5012.html

[12] «Apply new analytics tools to reveal new opportunities», IBMSmarter Planet website, Business Analytics page.http://www.ibm.com/smarterplanet/us/en/business_analytics/article/it_business_intelligence.html)

[13] John Gantz and David Reinsel, «The Digital Universe in 2020:Big Data, Bigger Digital Shadows, and Biggest Growth in theFar East». IDC, for EMC Corporation, December 2012.http://www.emc.com/collateral/analyst-reports/idc-the-digital-universe-in-2020.pdf



[16] IDC Government Insight: Worldwide SmartCity 2013 Top 10Predictions (#GI239209).

[17] Ibid.[18] Gartner. Market Trends: Business Intelligence Platforms Key

to Managing Big Data in Smart Cities (G00225073).[19] Gartner: http://www.gartner.com/newsroom/id/2621015[20] ABI Research: https://www.abiresearch.com/press/more-than-

30-billion-devices-will-wirelessly-conne[21] Red.es: Decálogo Reutilizador de datos del sector público.

http://datos.gob.es/sites/default/files/decalogo_reutilizador.pdf

[22] IDC Government Insight: Worldwide SmartCity 2013 Top 10Predictions (#GI239209)

[23] www.data.gov[24] The McKinsey Global Institute: Open data: Unlocking inno-

vation and performance with liquid information.[25] IDC Government Insight: Worldwide SmartCity 2013 Top 10

Predictions (#GI239209).[26] IBM Redpaper publication, Performance and Capacity

Implications for Big Data, REDP-5070.[27] IDC White Pater: Big Data: Trends, Strategies, and SAP

Technology (#236135).[28] IBM Redpaper publication, Performance and Capacity

Implications for Big Data, REDP-5070.[29] Ibid.[30] IBM. The four V’s of Big Data. http://www.ibmbig

datahub.com/infographic/four-vs-big-data [31] DC White Pater: Big Data: Trends, Strategies, and SAP

Technology (#236135).[32] Divyakant Agrawal, Philip Bernstein, Elisa Bertino, et al.

«Challenges and Opportunities with Big Data». PrincetonUniversity white paper, 2012. http://www.purdue.edu/discoverypark/cyber/assets/pdfs/BigDataWhitePaper.pdf

[33] IBM. The four V’s of Big Data. http://www.ibmbigdatahub.com/infographic/four-vs-big-data

[34] IDC White Pater: Big Data: Trends, Strategies, and SAPTechnology (#236135).


[36] IDC White Pater: Big Data: Trends, Strategies, and SAPTechnology (#236135)-


[38] Dwaine Snow «Adding a 4th V to BIG Data - Veracity». Blog:Dwaine Snow’s Thoughts on Databases and DataManagement, 2012. http://dsnowondb2.blogspot.com/2012/07/adding-4th-v-to-big-data-veracity.html


[40] Gartner. Market Trends: Business Intelligence Platforms Keyto Managing Big Data in Smart Cities (G00225073)

395 >Ei 85

F. SEVILLANO PÉREZ

[41] IBM Institute for Business Value: Analítica de datos: un pro-yecto de generación de valor.

[42] IDC Government Insights’ Worldwide Smart City Taxonomy,2014.

[43] IDC White Pater: Big Data: Trends, Strategies, and SAPTechnology (#236135).


[45] Ibid.[46] IBM Institute for Business Value: Analítica de datos: un pro-

yecto de generación de valor.[47] Ibid.[48] Ibid.[49] Ibid.[50] Ibid.[51] «Gartner’s Top Predictions for IT Organizations and Users,

2013 and Beyond: Balancing Economics, Risk, Opportunityand Innovation». Gartner Research. 19 de octubre de2012.

BIBLIOGRAFÍA

RED ESPAÑOLA DE CIUDADES INTELIGENTES (RECI): http://www.redciudadesinteligentes.es/sobre-la-red/quienes-somos/ampliar.php/Id_contenido/301/v/0/

IBM INSTITUTE FOR BUSINESS VALUE: Analítica de datos: unproyecto de generación de valor. http://www.ibm.com/midmarket/es/es/att/pdf/Analitica_de_datos_para_pymes.pdf

IBM REDPAPER PUBLICATION, Performance and CapacityImplications for Big Data, REDP-5070. http://www.redbooks.ibm.com/abstracts/redp5070.html

IBM REDPAPER PUBLICATION, Smarter Analytics: Infor mationArchitecture for a New Era of Computing, SG24-5012.http://www.redbooks.ibm.com/abstracts/redp5012.html

IBM. The four V’s of Big Data. http://www.ibmbigdatahub.com/infographic/four-vs-big-data

GARTNER. Market Trends: Business Intelligence PlatformsKey to Managing Big Data in Smart Cities (G00225073)

GARTNER: http://www.gartner.com/newsroom/id/2621015 ABI Research: https://www.abiresearch.com/press/more

than-30-billion-devices-will-wirelessly-conne

IDC Government Insight: Worldwide SmartCity 2013 Top10 Predictions (#GI239209).

IDC Government Insights: Smart Cities Strategies:#GI243301. «Business Strategy: Smart City Essentials - SixWays to Drive Innovation in Your City».

IDC Government Insights’ Worldwide Smart CityTaxonomy, 2014.

«GARTNER Predicts 2013: Information Innovation».Gartner Research. 14 de diciembre de 2012. G00246040,página 2, “Strategic planning assumptions”.

IDC White Pater: Big Data: Trends, Strategies, and SAPTechnology (#236135).

THE MCKINSEY GLOBAL INSTITUTE: Open data: Unlockinginnovation and performance with liquid information.http://www.mckinsey.com/insights/business_technology/open_data_unlocking_innovation_and_performance_with_li-quid_information

RED.ES: Decálogo Reutilizador de datos del sector público.http://datos.gob.es/sites/default/files/decalogo_reutilizador.pdf

«Apply new analytics tools to reveal new opportunities»,”IBM Smarter Planet website, Business Analytics page.http://www.ibm. com/smarterplanet/us/en/business_analytics/article/it_business_intelligence.html)

JOHN GANTZ and DAVID REINSEL: «The Digital Universe in2020: Big Data, Bigger Digital Shadows, and Biggest Growthin the Far East». IDC, for EMC Corporation, December 2012http://www.emc.com/collateral/analyst-reports/idc-the-digi-tal-universe-in-2020.pdf

DIVYAKANT AGRAWAL, PHILIP BERNSTEIN, ELISA BERTINO, etal. «Challenges and Opportunities with Big Data». PrincetonUniversity white paper, 2012. http://www.purdue.edu/discoverypark/cyber/assets/pdfs/BigDataWhitePaper.pdf

DWAINE SNOW: «Adding a 4th V to BIG Data - Veracity».Blog: Dwaine Snow’s Thoughts on Databases and DataManagement, 2012.http://dsnowondb2.blogspot.com/2012/ 07/adding-4th-v-to-big- data-veracity.html

«Gartner’s Top Predictions for IT Organizations and Users,2013 and Beyond: Balancing Economics, Risk, Opportunityand Innovation». Gartner Research. 19 de octubre de 2012.

86 395 >Ei

Documents

FELIPE SEVILLANO PÉREZ Redexis Gas · 2018-09-19 · BIG DATA timación de demandas futuras o en la mejora con-tinua de los servicios municipales, los gestores muni-cipales necesitan