{"id":8109,"date":"2018-07-06T18:46:55","date_gmt":"2018-07-06T21:46:55","guid":{"rendered":"http:\/\/fx2.com.uy\/?p=8109"},"modified":"2021-10-22T09:32:47","modified_gmt":"2021-10-22T12:32:47","slug":"big-data-mas-que-numeros-cifras-y-experiencias","status":"publish","type":"post","link":"https:\/\/fx2.com.uy\/es\/noticias\/big-data-mas-que-numeros-cifras-y-experiencias\/","title":{"rendered":"Big data: m\u00e1s que n\u00fameros, cifras y experiencias"},"content":{"rendered":"<h3 class=\"main-article-title\">Big data: m\u00e1s que n\u00fameros, cifras y experiencias<\/h3>\n<p>Fuente: <a href=\"https:\/\/searchdatacenter.techtarget.com\/es\/opinion\/Big-data-mas-que-numeros-cifras-y-experiencias\">Techtarget<\/a><\/p>\n<p>&nbsp;<\/p>\n<p class=\"main-article-subtitle\" style=\"text-align: justify;\">Con el creciente n\u00famero de datos generados d\u00eda tras d\u00eda, el <strong>reto para las empresas<\/strong> es <strong>entender las estad\u00edsticas<\/strong>, aprender de las cifras y proyectar adecuadamente las estrategias de su negocio para <strong>ofrecer mejores experiencias a sus clientes y usuarios.<\/strong><\/p>\n<p style=\"text-align: justify;\"><strong>Big data<\/strong>, o los grandes vol\u00famenes de datos, es un t\u00e9rmino que describe cualquier cantidad voluminosa de datos estructurados, semiestructurados y no estructurados,\u00a0que tienen el potencial de ser extra\u00eddos para obtener informaci\u00f3n. A este respecto Gartner, la consultora de tecnolog\u00edas de informaci\u00f3n, define que los datos no estructurados son aquellos que no pertenecen a un modelo no definido o espec\u00edfico. Incluso estima que el 80 por ciento de los datos son no estructurados, como el cuerpo de un correo. En pocas palabras, los datos no estructurados son aquellos que no caben en una base de datos. Por su parte, los datos estructurados son aquellos que pueden ser ingresados en una base, como: fecha, hora, nombres, cuentas de correo, n\u00fameros, etc. En pocas palabras, hay un sinf\u00edn de fuentes de datos que producen informaci\u00f3n nueva cada minuto.<\/p>\n<p style=\"text-align: justify;\"><strong>\u00bfQu\u00e9 pueden hacer las empresas para tomar ventaja de tanta informaci\u00f3n? \u00bfY c\u00f3mo pueden extraer \u00fanicamente los datos que necesitan\u00a0de entre el oc\u00e9ano de datos?<\/strong><\/p>\n<p style=\"text-align: justify;\">Actualmente, la adopci\u00f3n de soluciones de <strong>big data<\/strong> permite que las compa\u00f1\u00edas ocupen <strong>datos para su beneficio<\/strong>. Para lograrlo, primero hay que considerar las tres Vs de big data: el Volumen extremo de datos, la gran Variedad de tipos de datos y la Velocidad a la que se deben procesar dichos datos.<\/p>\n<p style=\"text-align: justify;\"><strong>Volumen de datos.<\/strong>\u00a0<a href=\"https:\/\/searchdatacenter.techtarget.com\/es\/cronica\/Se-requiere-balance-entre-el-volumen-de-big-data-y-las-necesidades-de-analitica\">La organizaci\u00f3n debe poder extraer un conjunto de datos de entrenamiento que pueda analizarse r\u00e1pidamente<\/a>\u00a0utilizando los diferentes algoritmos candidatos, pero tambi\u00e9n uno que refleje adecuadamente el conjunto completo de datos. Su organizaci\u00f3n debe contar con suficientes datos para representar correctamente las incidencias reales, a la vez que considera todos los escenarios posibles para los resultados que est\u00e1 buscando.<\/p>\n<p style=\"text-align: justify;\"><strong>Variedad de datos.<\/strong>\u00a0Conforme los datos no estructurados se vuelven esenciales para los procesos de negocio, se convierten en fuentes necesarias para los modelos predictivos. Esto significa que una empresa debe tener un conjunto de procesos s\u00f3lidos para escanear, analizar y contextualizar datos no estructurados y transformarlos en conjuntos de datos que alimenten los algoritmos de anal\u00edtica.<\/p>\n<p style=\"text-align: justify;\"><strong>Velocidad de los datos.<\/strong>\u00a0Cada vez m\u00e1s r\u00e1pido se reciben grandes cantidades de datos y a menudo no se puede predecir cu\u00e1ndo podr\u00edan cambiar, lo que forzar\u00eda una necesidad casi continua de creaci\u00f3n y preparaci\u00f3n de perfiles de datos. La necesidad de grandes velocidades de datos requiere una potente infraestructura de c\u00f3mputo, capaz de procesar r\u00e1pidamente grandes vol\u00famenes y variedades de datos sin sobrecargar los servidores. Esto puede requerir cientos o miles de servidores para distribuir el trabajo y operar de manera colaborativa. Pero la computaci\u00f3n en la nube ofrece alternativas para el almacenamiento y an\u00e1lisis de datos, de forma que las empresas puedan implementar proyectos de big data sin impactar su propia infraestructura.<\/p>\n<p style=\"text-align: justify;\">En resumen, al planear una estrategia de big data que le permita <strong>obtener informaci\u00f3n \u00fatil para la toma de decisiones que definir\u00e1n las estrategias de su negocio,<\/strong> se deben contemplar los siguientes pasos: consolidaci\u00f3n de datos, segmentaci\u00f3n, elaboraci\u00f3n de reportes, comparaci\u00f3n de resultados contra informaci\u00f3n hist\u00f3rica, toma de decisiones. Y de ah\u00ed, volver a empezar, realizando los ajustes necesarios en la segmentaci\u00f3n de datos para obtener los reportes que arrojen los resultados deseados.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Big data: m\u00e1s que n\u00fameros, cifras y experiencias Fuente: Techtarget &nbsp; Con el creciente n\u00famero de datos generados d\u00eda tras d\u00eda, el reto para las empresas es entender las estad\u00edsticas, aprender de las cifras y proyectar adecuadamente las estrategias de su negocio para ofrecer mejores experiencias a sus clientes y usuarios. Big data, o los [&hellip;]<\/p>\n","protected":false},"author":4,"featured_media":8115,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[62],"tags":[271,281],"_links":{"self":[{"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/posts\/8109"}],"collection":[{"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/comments?post=8109"}],"version-history":[{"count":1,"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/posts\/8109\/revisions"}],"predecessor-version":[{"id":18071,"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/posts\/8109\/revisions\/18071"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/media\/8115"}],"wp:attachment":[{"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/media?parent=8109"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/categories?post=8109"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fx2.com.uy\/es\/wp-json\/wp\/v2\/tags?post=8109"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}