Amazon
InicioTendenciasBig Data6 factores que definen el concepto de Big Data
big-data-factores 6 factores que definen el concepto de Big Data

6 factores que definen el concepto de Big Data

En los últimos tiempos cada vez se oye hablar más sobre términos como Big Data, Data Driven Strategies o Data Science en el mundo de la tecnología.

¿Qué es Big Data?

El término Big Data (también conocido como megadatos) se refiere a enormes cantidades de datos que son imposibles de procesar con los métodos tradicionales (como las hojas de cálculo).

Las necesidades del momento y la conversión de más y más empresas al comercio electrónico, incrementan aún más la producción de datos.

Las compañías de comercio electrónico más grandes reciben en tan solo unos minutos miles de transacciones de sus clientes, así que imagina qué volumen de datos se necesita manejar a diario.

Además, el abaratamiento de las memorias digitales y la capacidad de cómputo han permitido almacenar y procesar, como tan sólo hace unos pocos años era impensable, todos esos datos recogidos a lo largo y ancho del planeta.

Características clave de Big Data:

Volumen

La cantidad es determinante para que los datos pasen a ser considerados megadatos.

Si sólo cada uno de nosotros lleva en su teléfono cientos de imágenes y mensajes instantáneos, imaginar los datos que almacenan empresas como Facebook, con millones y millones de usuarios, da una idea de los que significa un gran volumen de datos hoy en día.

Velocidad

La velocidad a la que se producen, almacenan y procesan los datos para confrontar los desafíos de un entorno en constante crecimiento es uno de los factores determinantes del Big Data.

Los datos a gran velocidad son, necesariamente, muchos datos y tenemos que ser capaces de analizarlos en tiempo real.

Esto, por ejemplo, abre nuevos horizontes en el mundo de la publicidad: un cliente que ha visto un producto en el sitio web de una empresa pero no lo ha comprado y ha abandonado la navegación puede ser identificado por los sistemas de análisis de datos en tiempo real de dicha empresa para hacerle llegar mensajes publicitarios del mismo producto que finalmente no compró (por correo electrónico, mostrados en sus redes sociales, etc.).

Variedad

A diario nos comunicamos de manera multimodal, mediante textos, audios o vídeos, en el mismo momento en el que estamos experimentando lo que queremos comunicar.

Queremos publicar en las redes sociales nuestros pensamientos junto con fotos para compartir un momento con nuestros amigos.

Y todo eso es lo que llamamos variedad. Múltiples soportes para transmitir las diferentes dimensiones de la información sobre un determinado evento.

Atrás quedó el tiempo en el que casi todo se comunicaba por medio de mensajes escritos exclusivamente.

La volatilidad

Los datos y su significado están cambiando constantemente.

Esto significa que una palabra que es fundamentalmente positiva puede usarse de una manera que denota una expresión negativa.

Por ejemplo, la frase “¡hoy saliste perfectamente!” indica una actitud positiva, mientras que la frase “perfecto, perdí dos días tratando de hacer algo que nunca usaste” sugiere algo negativo.

Entonces, lo “perfecto” no es suficiente sólo para ver si el punto de vista es positivo sino que necesitamos leer la oración completa para comprender el significado.

Con el auge de las redes sociales, el “análisis emocional” de los mensajes es un nuevo desafío para las empresas, pero también para los políticos que intentan comprender en millones de publicaciones si su opinión se interpreta como negativa, positiva o neutra en los medios, por seguimiento automático.

La volatilidad está íntimamente relacionada con la velocidad porque hay muchos factores que cambian la semántica de los datos en poco tiempo, dada la velocidad a la que se pueden transmitir gracias a las redes telemáticas.

Algunas empresas ya llevan tiempo implementando mecanismos para analizar las opiniones de los usuarios que se configuran diariamente en las redes sociales. La información es poder.

Exactitud

El Big Data, como cualquier cuestión relacionada con los datos, no tiene sentido si dichos datos no son precisos. La calidad de los datos por lo tanto afectará al análisis que de ellos se haga.

Como decía un viejo anuncio: “la potencia sin control no sirve de nada”; aquí la potencia es la cantidad de información disponible y la calidad de esa información; si la calidad es mala de nada servirá tener toneladas de datos.

Valor

Los datos no tienen valor si no podemos convertirlos en valor. Algunos de nosotros ya hemos visto su valor, ya que usamos a diario aplicaciones como Waze, que analizan en tiempo real múltiples fuentes de datos para llevarnos por el mejor camino en medio del tráfico. Y hablando de datos con valor…

Ejemplos

  • En la Fórmula 1 en cada vehículo puede haber sensores que producen miles de datos por segundo: desde la presión de los neumáticos hasta la eficiencia del combustible. Esta información se transfiere a las personas adecuadas que analizan y juzgan qué ajustes se realizarán en el vehículo para que el conductor tenga más probabilidades de ganar la carrera. En nuestro brazo podemos llevar relojes inteligentes con un sensor que puede contar nuestros latidos, incluso los pasos que hacemos todos los días.
  • Muchos sitios de citas en línea utilizan algoritmos para ayudar a descubrir qué perfil es más probable que se adapte a cada usuario.
  • En el deporte a través de algunos sensores, los datos grandes se pueden utilizar para mejorar la práctica de los jugadores, pero incluso para comprender a sus oponentes.
  • Todavía se puede predecir el ganador en un juego o incluso predecir el rendimiento futuro. Así que incluso el salario de un jugador puede basarse en la recopilación de datos de un año.

Así pues, se necesitan formas innovadoras y eficientes de procesamiento de datos, ya que el volumen que podemos capturar de los mismos hoy en día es enorme y es importante para nosotros poder separar la información útil de la que no lo es de manera casi instantánea.

Aquí es donde interviene el Data Scientist o Científico de Datos, que es actualmente una de las especialidades más buscadas, ya que su trabajo es analizar megadatos y sacar conclusiones útiles.

El Data Scientist deberá tener una combinación de conocimientos de programación y de estadística, pero también debe poder transmitir conclusiones útiles de manera que se entiendan en otros departamentos más allá del de Tecnologías de la Información.

En conclusión, adoptar una estrategia de Big Data integrada le dará a cualquier empresa una ventaja significativa, ya que puede gestionar sus datos de manera muy efectiva y tomar decisiones importantes sobre estrategias basadas en las conclusiones extraídas de los datos que recolecta.

Las dos pestañas siguientes cambian el contenido a continuación.
LOGO-RRSS-DEF-150x150 6 factores que definen el concepto de Big Data
Equipo de profesionales formado esencialmente por profesores y colaboradores con amplia experiencia en las distintas áreas de negocio del mundo empresarial y del mundo académico.
Sin comentarios

Deja un comentario

1 estrella2 estrellas3 estrellas4 estrellas5 estrellas (1 votos, promedio: 4,00 de 5)
Cargando…

Noticias, eventos y formación

Suscríbete ahora y recibe los mejores contenidos sobre Negocios, Prevención, Marketing, Energías Renovables, Tecnología, Logística y Recursos Humanos.

Suscribirme

Acepto recibir comunicaciones comerciales por parte del grupo IMF
He leído y acepto las condiciones

6 Factores que definen el concepto de Big Data

En los últimos tiempos cada vez se oye hablar más sobre términos como Big Data, Data Driven Strategies o Data Science en el sector de la tecnología.