You are on page 1of 8






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
hat 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 is 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
ecent hit House of Cards, and subscriber data also prompted the company to bring Arrested
Development back from the dead. Another example comes from one of the biggest mobile
carriers in the world. France's Orange launched its Data for Development project by
releasing subscriber data for customers in the Ivory Coast. The 2.5 billion records, which
were made anonymous, included details on calls and text messages exchanged between 5
million users. Researchers accessed the data and sent Orange proposals for how the data
could serve as the foundation for development projects to improve public health and safety.
Proposed projects included one that showed how to improve public safety by tracking cell
phone data to map where people went after emergencies; another showed how to use
cellular data for disease containment.
The pace of data creation will surely increase, especially as machine-to-machine
communications gets cheaper and more common. Think about how much data all of those
sensor networks, burglar alarms and vehicle telematics systems will create. According to
IBM, every single day we create 2.5 quintillion bytes of data. IBM argues that the exponential
growth of data means that 90 percent of the data that exists in the world today has been
created in the last two years. "This data comes from everywhere: sensors used to gather
climate information, posts to social media sites, digital pictures and videos, e-commerce
transaction records, and cell phone GPS coordinates, to name a few." Of course, it's
important to remember that in early human history, anything as ephemeral as a tweet just
would not have been recorded, so these comparisons can only be taken so far. To put the
data explosion in context, consider this. Every minute of every day we create More than 204
million email messages Over 2 million Google search queries 48 hours of new YouTube
videos 684,000 bits of content shared on Facebook More than 100,000 tweets $272,000
spent on e-commerce 3,600 new photos shared on Instagram Nearly 350 new WordPress
blog posts

Por Vangie Beal Big data es una palabra de moda, o coger-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 grande o se mueve
demasiado rpido o se excede la capacidad de procesamiento actual. Grandes datos tiene
el potencial de ayudar a las empresas a mejorar sus operaciones y tomar decisiones ms
rpidas, ms inteligentes.
Es Big Data de 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 grandes de
datos, especialmente cuando se utilicen 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 de datos grandes podra ser petabytes (1024 terabytes) o exabytes (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 estructurado de datos que a menudo es incompleta e inaccesible. Datos
y tipos de conjuntos de datos de negocios cuando se ocupan de grandes conjuntos de datos
grandes, 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 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 fue capturado, formateado,
manipula, almacena, analiza y puede ayudar a una empresa para obtener informacin til
para aumentar los ingresos, obtener o retener a los clientes, y mejorar las operaciones.
Grandes datos tambin pueden ser llamados de la empresa de datos grandes. Anlisis de
datos grandes analtica de grandes datos 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 datos grandes ayudar a entender la informacin
contenida en los datos, sino que tambin ayudar a identificar los datos
el sombrero es lo ms importante para el negocio y las decisiones futuras del negocio. Los
analistas de datos Big bsicamente quieren que el conocimiento que proviene de analizar
los datos. Los beneficios de Big Data Analytics Las empresas estn cada vez ms buscando
para encontrar informacin procesable en sus datos. Muchos proyectos de grandes datos
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 y mejorar las operaciones, servicio al cliente y
la gestin de riesgos. Empresa matriz Webopedia, QuinStreet, encuest a 540 empresas
que toman las decisiones que participan en las compras de grandes datos para saber qu
reas de negocio empresas planean utilizar la analtica Big Data para mejorar las
operaciones. Aproximadamente la mitad de todos los encuestados dijeron que estaban
aplicando analtica de grandes datos para mejorar la retencin de clientes, ayudar con el
desarrollo de productos y obtener una ventaja competitiva. Para la mayora de las
organizaciones, el anlisis de grandes datos es un reto. Tenga en cuenta la gran cantidad
de datos y los distintos formatos de los datos (datos estructurados y no estructurados)
recogidos en toda la organizacin y de las diferentes maneras diferentes tipos de datos se
pueden combinar, contrastados y analizados para encontrar patrones y otra informacin
til. El primer desafo es romper los silos de datos para tener acceso a todos los datos de
un depsitos de las organizaciones en diferentes lugares y, a menudo en diferentes
sistemas. Un segundo desafo de grandes datos es en la creacin de plataformas que
pueden tirar en 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. Big Data Analytics Requiere de Alto
Rendimiento Para analizar un gran volumen de datos como, anlisis de datos grandes 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 datos grandes 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 Big Data
Analytics se utiliza hoy como la tecnologa para romper los silos de datos y anlisis de datos
mejora, negocio puede transformarse en todo tipo de formas. Segn Datamation, los
avances en el anlisis de Big Data de hoy permiten a los investigadores a 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, que los anuncios que tienen ms probabilidades de responder a en Facebook.
Los casos de negocio para aprovechar los grandes datos son convincentes. Por ejemplo,
Netflix extrae sus datos de suscriptor de poner los ingredientes esenciales juntos por su
hit RECIENTES 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 por la liberacin de los datos de abonado
para 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 acceder a los datos y enviaron propuestas
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
vuelve ms barato y ms comn. Piense en la cantidad de datos todas esas redes de
sensores, alarmas antirrobo y los sistemas telemticos vehculo va a crear. Segn 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 existe 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 unos pocos." 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 puede ser
tomada 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 Google consultas de bsqueda de 48 horas de nuevo 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 entradas del blog nuevo WordPress


Lo originan
Recoleccion de
Organizacion de
*Redes sociales
*usos moviles
Tomar desiciones