Noticias 06-09-2022
Contenido
Qué es big data y para qué sirve
El big data (o macrodatos, en español) hace referencia a la manipulación de una gran cantidad de datos. Se habla de big data cuando el volumen de datos generados es mayor que los mecanismos convencionales puedan capturarlos, administrarlos y procesarlos en un tiempo razonable.
Su relevancia reside en la variedad y la velocidad y los grandes volúmenes de datos que hoy en día tiene la sociedad de la información. Cada día se procesan 2,5 trillones de bytes de datos y, según un estudio de IBM, en solo dos años se ha generado el 90% del total de datos que hay en el mundo.
Para afrontar este nuevo paradigma digital, la tecnología big data es la llave que permite transformar todos esos datos generados en conocimiento. Aunque, más importante que la abundancia de información, es qué se hace con ella.
Hace algunos años, poder gestionar grandes conjuntos de datos tenía un altísimo coste. Hoy en día, en cambio, cualquier compañía, incluidas pymes y startups, puede hacerlo. Esa es una de las grandes transformaciones que ha propiciado la explosión del big data. Y es que, tal como afirma la experta y consultora Carme Artigas, el big data “tiene que ver con la democratización del procesamiento masivo a bajo coste”.
A grandes rasgos, podemos decir que el big data sirve para mejorar la toma de decisiones a partir del procesamiento de datos. Gracias a la información obtenida, las organizaciones pueden entender mejor el comportamiento de sus clientes en el comercio electrónico y ofrecer productos y servicios personalizados, optimizar los procesos de producción y medir los riesgos.
Los 7 conceptos esenciales en big data
Hemos visto cómo el big data nos aporta conocimiento basándonos en datos. En este apartado vamos a ir un poco más allá, explorando los conceptos más relevantes que se relacionan con el mundo del big data. Todo lo que tienes que saber sobre esta revolución se puede resumir en estos siete conceptos.
1. Las Vs del big data
Para establecer un significado de big data lo más preciso posible, tradicionalmente se han empleado varias “V”, que empezaron siendo solamente tres, y que hoy en día ya llegan a nueve. Son las siguientes:
Volumen: es una cualidad básica en la definición de big data, y hace alusión a la cantidad de datos que se generan a cada segundo, minuto y día en nuestro entorno.
-Velocidad: remite a la rapidez con la que los datos son creados, almacenados y procesados en tiempo real.
-Variedad: se refiere a las múltiples formas y fuentes de datos disponibles.
-Veracidad: esta característica señala la relevancia de reducir al mínimo la incertidumbre de los datos, es decir, asegurar su fiabilidad, con el fin de tomar las mejores decisiones.
-Viabilidad: se relaciona con la capacidad de generar un uso eficaz del gran volumen de datos que se manejan.
-Visualización: para que los puedan leerse y procesarse correctamente, la visualización de los datos es fundamental.
-Valor: hace referencia al conocimiento obtenido a partir de los datos, que genera una poderosa ventaja competitiva para las organizaciones.
-Viscosidad: este concepto determina la importancia de un conjunto de datos para la toma de decisiones.
-Volatilidad: es la condición de cambio o mutación permanente de los datos.
3. Business intelligence
La inteligencia de los negocios o business intelligence es todo lo que engloba la infraestructura, las herramientas y las buenas prácticas que conducen a una compañía a una optimización de sus procesos y a una mejor toma de decisiones gracias a la ciencia de datos. Por ello, cada vez encontramos este tipo de perfiles en las empresas, que pueden estar orientados al análisis, la visualización de datos, la estrategia operativa, la protección de datos o la ciberseguridad.
4. Internet de las cosas (IoT)
Si el internet de las personas hace referencia a la digitalización de las relaciones entre humanos, el IoT representa las relaciones de máquina a máquina, a través de sensores conectados a nuestra nevera, nuestra cafetera, nuestro reloj o nuestra ropa. Esto es posible gracias a que el coste de sensorización ha caído en picado. Por eso en la industria se está apostando por sensorizar la maquinaria y mejorar así su eficiencia.
5. Wearables
Relacionado con el internet de las cosas, cada vez están adquiriendo más protagonismo los dispositivos vestibles, conocidos como wearables. Forman parte de la tecnología wearable elementos de uso diario como relojes inteligentes y ropa equipada con microprocesadores que extraen todo tipo de información. Algunos de sus usos más conocidos están en el campo del deporte.
Un ejemplo lo encontramos en el fútbol americano. Este deporte cambió para siempre en el año 2013 gracias al big data y al acuerdo al que llegaron Microsoft y la Liga Nacional de Fútbol estadounidense (NFL). Desde entonces, la equipación de los jugadores cuenta con receptores de movimiento, velocidad, fuerza o estado físico, entre otros datos, de forma que se puede analizar la información en tiempo real, anticipar jugadas y predecir posibles lesiones.
6. Singularidad tecnológica
Desde hace más de medio siglo se viene hablando de la singularidad tecnológica — término citado por primera vez por el matemático y físico John Von Neumann en 1957 y popularizado por el también matemático Vernon Vige en los años 80 — como aquel momento en que los avances computacionales y las revoluciones tecnológicas se suceden una detrás de otra de forma exponencial y las máquinas pueden llegar a mejorarse a sí mismas.
7. Inteligencia artificial (AI)
La inteligencia artificial es la rama de la informática dedicada al desarrollo de algoritmos capaces de resolver problemas y tomar decisiones emulando la forma de pensamiento humana. Un algoritmo es una secuencia de reglas o instrucciones precisas destinadas a cumplir un determinado objetivo.
El paraguas de la AI engloba técnicas como el aprendizaje automático (machine learning) o el aprendizaje profundo (deep learning). Ambas forman modelos matemáticos que tienen una particularidad: pueden aprender por sí mismos. ¿Qué diferencias encontramos entre ellas? — Fundamentalmente, el deep learning es un método más moderno y sofisticado, basado en capas no lineales que emulan las redes neuronales de nuestro cerebro.
Comparte esto:
Me gusta esto:
Me gustaCargando…