UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO

CENTRO UNIVERSITARIO UAEM ATLACOMULCO

LICENCIATURA EN INFORMATICA ADMINISTRATIVA
LIA I9
HECTOR JIMENEZ REYES
TEMAS SELECTOS DE TRATAMIENTO DE INFORMACION
BIG DATA
1 DE OCTUBRE DE 2014










TEXTO ORIGINAL EN INGLES
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 that is so large that it's difficult to process using
traditional database and software techniques. In most enterprise scenarios the data is
too big or it moves too fast or it exceeds current processing capacity. Big data has the
potential to help companies improve operations and make faster, more intelligent
decisions. Is Big Data a Volume or a Technology? While the term may seem to
reference the volume of data, that isn't always the case. The term big data, especially
when used by vendors, may refer to the technology (which includes tools and
processes) that an organization requires to handle the large amounts of data and
storage facilities. The term big data is believed to have originated with Web search
companies who needed to query very large distributed aggregations of loosely-
structured data. An Example of Big Data An example of big data might be petabytes
(1,024 terabytes) or exabytes (1,024 petabytes) of data consisting of billions to trillions
of records of millions of people
All from different sources (e.g. Web, sales, customer contact center, social media,
mobile data and so on). The data is typically 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. Big data is particularly a problem in business analytics because
standard tools and procedures are not designed to search and analyze massive
datasets. As research from Webopedia parent company QuinStreet demonstrates, big
data initiatives are poised for explosive growth. QuinStreet surveyed 540 enterprise
decision-makers involved in big data and found the datasets of interest to many
businesses today include traditional structured databases of inventories, orders, and
customer information, as well as unstructured data from the Web, social networking
sites, and intelligent devices. This data, when captured, 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 data analytics refers to the process of collecting, organizing
and analyzing large sets of data ("big data") to discover patterns and other useful
information. Not only will big data analytics help you to understand the information
contained within 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 that comes from analyzing the data. The Benefits of Big
Data Analytics Enterprises are increasingly looking to find actionable insights into their
data. Many big data projects originate from the need to answer specific business
questions. With the right 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,
help with 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, contrasted and analyzed to find patterns and other useful information.
The first challenge is in breaking down data silos to access all data an organization
stores in different places and often in different systems. A second big data challenge is
in creating platforms that can pull in unstructured data as easily as structured data.
This massive volume of data is typically so large that 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 tools and 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 software enables an organization to process extremely large
volumes of data that a business has collected to determine which data is relevant and
can be analyzed to drive better business decisions in the future. Examples of How Big
Data Analytics are Used Today As technology to break down data silos and analyze
data improves; business can be transformed in all sorts of ways. According to
Datamation, today's advances in analyzing Big Data allow researchers to decode
human DNA in minutes, predict where terrorists plan to attack, determine which gene is
mostly likely to be responsible for certain diseases and, of course, which ads you are
most likely to respond to on Facebook. The business cases for leveraging Big Data are
compelling. For instance, Netflix mined its subscriber data to put the essential
ingredients together for its.
TRADUCCION A ESPEOL
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 no estructurados que es tan grande que es difcil de
procesar utilizando tcnicas de bases de datos y de software tradicionales. En la
mayora de escenarios empresariales los datos son demasiado grandes o se mueve
demasiado rpido o se excede la capacidad de procesamiento actual. Big Data
(grandes datos) tiene el potencial de ayudar a las empresas 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 de datos, 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 grandes cantidades de datos e instalaciones de almacenamiento. Se cree
que el Big Data trmino que se origin con las empresas de bsqueda Web que
necesitaban consultar muy grandes agregaciones distribuidas de datos estructurados
dbilmente-. Un ejemplo de Big Data.
Un ejemplo del Big Data podra ser petabytes (1024 terabytes) o hexabytes (1.024
petabytes) de datos que constan de miles 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). Los datos son normalmente poco estructurados de datos que a
menudo es incompleta e inaccesible. Datos y tipos de conjuntos de datos de negocios,
cuando se ocupan grandes conjuntos de datos, las organizaciones se enfrentan a
dificultades en la capacidad de crear, manipular y gestionar grandes volmenes de
datos. Big Data es un problema particularmente en anlisis de negocios porque las
herramientas y procedimientos estndar no estn diseados para buscar y analizar
conjuntos de datos masivos. Como la investigacin de la compaa matriz Webopedia
QuinStreet demuestra, iniciativas de grandes datos que estn preparados para un
crecimiento explosivo. QuinStreet encuest a 540 empresas que toman las decisiones
involucradas en grandes volmenes de datos y encontr a los conjuntos de datos de
inters para muchas empresas hoy en da incluyen las bases de datos tradicionales
estructurados de inventarios, pedidos y la informacin del cliente, as como datos no
estructurados de la Web, los sitios de redes sociales y dispositivos inteligentes.
Estos datos, cuando son capturados, formateados, manipulados, almacenados y
analizados, pueden ayudar a una empresa para obtener informacin til para
aumentar los ingresos, obtener o retener a los clientes, y mejorar las operaciones. 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") para descubrir patrones y otra
informacin til. No slo habr anlisis de Big Data ayudar a entender la informacin
contenida en los datos, sino que tambin ayudar a identificar los datos que son ms
importantes para el negocio y las decisiones futuras del negocio. Los analistas de Big
Data bsicamente quieren que el conocimiento que proviene de analizar los datos. Los
beneficios del anlisis de Big Data. Las empresas estn cada vez ms buscando para
encontrar informacin procesable en sus datos. Muchos proyectos de Big Data se
originan en la necesidad de responder a las preguntas especficas del negocio. Con
las grandes plataformas de anlisis de los datos correctos en el lugar, una empresa
puede impulsar las ventas, aumentar la eficiencia, mejorar las operaciones, servir al
cliente y gestionar riesgos. Empresa matriz Webopedia, 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 mejorar la 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 organizaciones en diferentes lugares y, a menudo en diferentes
sistemas. Un segundo desafo de Big Data es en la creacin de plataformas que
pueden tirar los datos no estructurados con tanta facilidad como los datos
estructurados. Este volumen masivo de datos suele ser tan grande que es difcil de
procesar utilizando los mtodos de base de datos y de software tradicionales. El
anlisis de Big Data requiere de alto rendimiento para analizar un gran volumen de
datos como el anlisis de Big Data que se realiza normalmente utilizando herramientas
de software y aplicaciones especializadas para el anlisis predictivo, minera de datos,
minera de texto, la prediccin y la optimizacin de datos. En conjunto, estos procesos
son funciones separadas pero altamente integradas de anlisis de alto rendimiento. El
uso de herramientas de Big Data y software permite a una organizacin para procesar
extremadamente grandes volmenes de datos que un negocio ha recogido para
determinar qu datos son relevantes y pueden ser analizados para tomar mejores
decisiones de 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 de formas segn Datamation, los avances en el
anlisis de Big Data de hoy permiten a los investigadores descifrar el ADN humano en
cuestin de minutos, predicen que los terroristas planean atacar, determinan qu gen
es sobre todo probable que sea responsable de ciertas enfermedades y, por supuesto,
los anuncios que tienen ms probabilidades de responder en Facebook. Los casos de
negocio para aprovechar los Big Data son convincentes. Por ejemplo, Netflix extrae
sus datos de suscriptor para poner los ingredientes esenciales juntos con su reciente
xito Castillo de naipes, y los datos de abonado 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 datos para el Desarrollo para la liberacin de los datos de
abonado de los clientes en la Costa de Marfil. Los 2,5 mil millones de registros, que se
hicieron en el anonimato, incluidos detalles sobre las llamadas y mensajes de texto
intercambiados entre 5 millones de usuarios. Los investigadores pueden acceder a los
datos y enviar propuestas a Orange de cmo los datos pueden servir de base para los
proyectos de desarrollo para mejorar la salud y la seguridad pblica. Los proyectos
propuestos incluyen uno que mostraba la forma de mejorar la seguridad pblica
mediante el seguimiento de los datos del telfono celular para mapear donde la gente
iba tras una emergencia; otra mostr cmo usar los datos celulares para la contencin
de la enfermedad. El ritmo de creacin de datos seguramente aumentar, sobre todo
porque las comunicaciones de mquina a mquina se volvern ms baratas y ms
comunes. Piense en la cantidad de datos de todas 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 de los datos significa que el 90 por ciento de los datos
que existen en el mundo de hoy se ha creado en los ltimos dos aos. "Estos datos
vienen de todas partes: sensores utilizados para recopilar informacin sobre el clima,
los mensajes a sitios de medios sociales, fotos digitales y videos, registros de
transacciones de comercio electrnico, y las coordenadas de GPS del telfono celular,
para nombrar algunos." Por supuesto, es importante recordar que en la historia
humana temprana, algo tan efmero como un Tweet, simplemente no habra sido
registrado, por lo que estas comparaciones slo pueden ser tomadas hasta el
momento. Para poner la explosin de datos en contexto, considere esto. Cada minuto
de cada da creamos ms de 204 millones de mensajes de correo electrnico, ms de
2 millones de consultas Google de bsqueda de 48 horas, los vdeos de YouTube
684.000 bits de contenido compartido en Facebook, ms de 100.000 tweets de $
272.000 gastados en el comercio electrnico 3600 nuevas fotos compartidas en
Instagram Casi 350 nuevas entradas del blog WordPress.
MAPA CONCEPTUAL
























BIG DATA
Volumen masivo de
datos
Definicin:
Grandes datos
Utiliza tcnicas de
bases de datos y sw
Herramientas y
Procesos
Ayuda a empresas
Mejorar operaciones
Tomar decisiones
rpidas e
inteligentes
Tecnologa
tcnicas,
herramientas y
procesos
Volumen:
Gran tamao de
datos
Para gestionar
los datos
Volumen y tecnologa
utiliza
ejemplos
Petabytes y
Hexabytes

Beneficios de Big
Data
Crea ventajas
competitivas
Mejora las
operaciones
Incrementa la
productividad
Aumentar la
eficiencia
DESVENTAJAS
NO DISEADO
PARA :
BUSCAR
ANALIZAR
CREAR
MANIPULAR
DATOS
MASIVOS

GRANDES
VOLUMENES DE
DATOS