CENTRO UNIVERSITARIO ATLACOMULCO

LICENCIATURA EN INFORMATICA ADMINISTRATIVA

TEXTO ORIGINAL
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 l arge 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 ref ers 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 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 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 recent 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

TEXTO TRADUCIDO AL ESPAOL

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 los
escenarios empresariales los datos son demasiado grandes o se mueven demasiado rpido o se exceden de 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 lo 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 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 como 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 que 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 l a 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 tratar 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 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 anli sis 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, i ncluidos 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
acuerdo 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, por
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.

Big Data

Procesar
Recoleccin
Organizacin
Anlisis
Para crear
grandes
conjuntos
de datos
Ayudar a
identificar
los datos
Importantes para
el negocio y las
decisiones futuras
del negocio.
Los analistas
de Big Data
Necesidad de
responder a las
preguntas especficas
del negocio
Impulsar las ventas
Mejorar las operaciones
Aumentar la eficiencia
Origen

Beneficios
Servir al cliente y
gestionar riesgos
Generacin de
competitividad
organizacional
Uso de
herramientas de
software y
aplicaciones
Mayor
optimizacin
de los datos