1. BIG DATA
INTEGRANTES:
LUCIANO ANDRÉS PALACIO
HENRY JUAN NÚÑEZ
STALIN CUADRADO OÑATE
PROGRAMA:
CONTADURÍA PUBLICA
UNIVERSIDAD DE LA GUAJIRA - EXTENSIÓN VILLANUEVA
2015
2. BIG DATA
Big data es el término inglés que designa los conjuntos de datos de gran tamaño y
generalmente desestructurados que resultan difíciles de manejar usando las aplicaciones
de bases de datos convencionales.
3. CARACTERÍSTICAS DEL BIG DATA
1) Volumen de los datos
2) Velocidad con la que se generan los datos
3) Variedad de los datos
4) Valor
5) Veracidad de los datos
4. USO DEL BIG DATA
El uso de big data puede ayudar a las empresas de distribución a
automatizar, optimizar y afinar inventarios basándose en la demanda actual. Las
grandes cadenas de supermercados como Wal-Mart ya han implantado técnicas de
gestión de big data para optimizar su cadena de suministro.
5. BENEFICIOS DEL BIG DATA
Permite que una empresa tenga ventajas considerables. Por ejemplo, puede
animar a divisiones con peores resultados a mejorar sin intervención directa de
la dirección de la empresa. Una aplicación común es clasificar los objetivos de
ventas por división o incluso por empleado.
6. TRANSFORMACIÓN
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 Data Warehouse
especificada. Un ejemplo de plataforma ETL es el Pentaho Data Integration, más
concretamente su aplicación Spoon.
7. TIPOS DE BIG DATA
-Datos estructurados (Structured Data): Datos que tienen bien definidos su longitud y su formato, como las fechas, los
números o las cadenas de caracteres. Se almacenan en tablas. Un ejemplo son las bases de datos relacionales y las hojas
de cálculo.
-Datos no estructurados (Unstructured Data): Datos en el formato tal y como fueron recolectados, carecen de un
formato específico. No se pueden almacenar dentro de una tabla ya que no se puede desgranar su información a tipos
básicos de datos. Algunos ejemplos son los PDF, documentos multimedia, e-mails o documentos de texto.
-Datos semiestructurados (Semistructured Data): Datos que no se limitan a campos determinados, pero que contiene
marcadores para separar los diferentes elementos.
8. ALMACENAMIENTOS
-Almacenamiento Clave-Valor (Key-Valué): Los datos se almacenan de forma similar a los maps o
diccionarios de datos, donde se accede al dato a partir de una clave única
-Almacenamiento Documental: Las bases de datos documentales guardan un gran parecido con las
bases de datos Clave-Valor, diferenciándose en el dato que guardan.
-Almacenamiento en Grafo: Las bases de datos en grafo rompen con la idea de tablas y se basan en la
teoría de grafos, donde se establece que la información son los nodos y las relaciones entre la
información son las aristas25 , algo similar en el modelo relacional.
-Almacenamiento Orientado a Columnas: Por último, el almacenamiento Column-Oriented es parecido al
Documental. Su modelo de datos es definido como “un mapa de datos multidimensional poco denso,
distribuido y persistente.
9. ANÁLISIS DE DATOS
Teniendo los datos necesarios almacenados según diferentes tecnologías de almacenamiento, nos daremos cuenta que
necesitaremos diferentes técnicas de análisis de datos como las siguientes:
Asociación: Permite encontrar relaciones entre diferentes variables
Minería de datos (Data Mining): Tiene como objetivo encontrar comportamientos predictivos. Engloba el conjunto de
técnicas que combina métodos estadísticos y de machine learning con almacenamiento en bases de datos
10. VISUALIZACIÓN DE DATOS
Big Data es una plataforma que permite visualizar la información a través de los
análisis llevados a cabo sobre los datos que disponemos. Con ésta plataforma se
intenta llegar a un público más concreto, y una utilidad más acotada como un
Cuadro de Mando Integral de una organización.
11. UTILIDAD
Éste conjunto de tecnologías se puede usar en una gran variedad de ámbitos,
como los siguientes:
-Empresarial
-Consumo
-Big Data e intimidad
-Deportes
12. CONCLUSIÓN
Podemos concluir diciendo que al poner big data a disposición de toda
una empresa tiene ventajas considerables. Por ejemplo, puede animar a
divisiones con peores resultados a mejorar sin intervención directa de
la dirección de la empresa. Una aplicación común es clasificar los
objetivos de ventas por división o incluso por empleado.
