Professional Documents
Culture Documents
Fue una gran mejora con respecto al modelo jerrquico, ya que ofreca una
solucin eficiente al problema de redundancia de datos; pero, aun as, la
dificultad que significa administrar la informacin en una base de datos de red
ha significado que sea un modelo utilizado en su mayora por programadores
ms que por usuarios finales.
Son bases de datos cuyo nico fin es el envo y recepcin de datos a grandes
velocidades, estas bases son muy poco comunes y estn dirigidas por lo
general al entorno de anlisis de calidad, datos de produccin e industrial, es
importante entender que su fin nico es recolectar y recuperar los datos a la
mayor velocidad posible, por lo tanto la redundancia y duplicacin de
informacin no es un problema como con las dems bases de datos, por lo
general para poderlas aprovechar al mximo permiten algn tipo de
conectividad a bases de datos relacionales.
Utilizado en la actualidad para modelar problemas reales y administrar datos
dinmicamente. Su idea fundamental es el uso de "relaciones". Estas
relaciones podran considerarse en forma lgica como conjuntos de datos
llamados "tuplas". Esto es pensando en cada relacin como si fuese una tabla
que est compuesta por registros (las filas de una tabla), que representaran
las tuplas, y campos (las columnas de una tabla). El lugar y la forma en que se
almacenen los datos no tienen relevancia (a diferencia de otros modelos como
el jerrquico y el de red). Esto tiene la considerable ventaja de que es ms fcil
de entender y de utilizar para un usuario espordico de la base de datos.
Es una base de datos que incorpora todos los conceptos importantes del
paradigma de objetos:
datos. Las bases de datos deductivas son tambin llamadas bases de datos
Sin duda, los datos ms difciles de dominar por los analistas son los datos no
estructurados, pero su continuo crecimiento ha provocado el nacimiento de
herramientas para su manipulacin como es el caso de MapReduce, Hadoop o
bases de datos NoSQL.
Ejemplos tpicos de datos que no tienen campos fijos: audio, video, fotografas,
o formatos de texto libre como correos electrnicos, mensajes instantneos
SMS, artculos, libros, mensajes de mensajera instantnea tipo Whatsapp,
viber, etctera.
Es crucial para las organizaciones facilitar que los negocios acceden a todos
los datos de modo que se puedan aplicar sobre ellos infraestructuras de Big
Data.
La integracin de datos facilita a su organizacin la combinacin de los Big
Data con los datos transaccionales para generar valor y conseguir la mayor
eficacia posible. Por esta razn uno de los aspectos ms interesantes no es
tanto lo que harn ellos mismos por el negocio, sino lo que se pondr conseguir
para el negocio cuando se combinan con otros datos de la organizacin.
Un buen ejemplo puede ser
enriquecedor: utilizar las
preferencias y rechazos de los
perfiles de los clientes en los
medios sociales con el objetivo de
mejorar la comercializacin de
destino.
Big data al igual que la nube (clound) abarca diversas tecnologas. Los datos
de entrada a los sistemas de Big Data pueden proceder de redes sociales,
logs, registros de servidores web sensores de flujos de trficos, imgenes de
satlites, flujos de audio y de radio, transacciones bancarias. MP3 de msica,
contenido de pginas web, escaneado de documentos de la administracin,
caminos o rutas GPS, telemetra de automviles, datos de mercados
financieros. Todos estos datos son realmente los mismos?
IBM plantea como tambin hizo gartner que Big Data abarca tres grandes
dimensiones, conocidas como el Modelos de las tres v(3 V o v3): volumen,
velocidad y variedad (variety)
VOLUMEN
Las empresas amasan grandes
volmenes de datos, desde terabytes
hasta petabytes. Las cantidades que hoy
nos parecen enormes, en pocos aos
sern normales. Estamos pasando de la
era del petabyte a la era del exabyte, y
para 2015 a 2020, se espera entremos en
le era del zettabyte, IBM da el dato de 12
terabytes para referirse a lo que crea
twitter cada da solo en el anlisis de
productos para conseguir mejoras en la eficacia.
VELOCIDAD
La importancia de la velocidad de los datos o los aumentos crecientes de los
flujos de datos en las organizaciones junto con la frecuencia de las
actualizaciones de las grandes bases de datos son caractersticas importantes
a tener en cuenta. Esto requiere que su procesamiento y posterior anlisis,
normalmente, ha de hacerse en tiempo real para mejorarla toma de decisiones
sobre la de la informacin generada. A veces, cinco minutos es demasiado
tarde en la toma de decisiones; los procesos sensibles al tiempo como pueden
ser los casos de fraude obligan a actuar rpidamente. Imaginemos los millones
de escrutinios de los datos de un banco con el objetivo de detectar un fraude
potencial o el anlisis de millones de llamadas telefnicas para tratar de
predecir el comportamiento de los clientes y evitar que se cambien de
compaa.
VARIEDAD
Las fuentes de datos son de cualquier tipo. Los datos pueden ser estructurados
y no estructurados (texto, datos de sensores, audio, video, flujos de clics,
archivos logs), y cuando se analizan juntos se requieren nuevas tcnicas.
Imaginemos el registro en vivo de imgenes de las cmaras de video de un
estadio de futbol o de vigilancia de calles y edificios.
VARACIDAD
Segn IBM, en su definicin de Big Data, al comentar la caracterstica de
veracidad proporciona un dato estremecedor: uno de cada tres lderes de
negocio (directivos) no se fa de las informaciones que utilizan para tomar
decisiones. Cmo puede, entonces, actuar con esta informacin si no se fa
de ella? El establecimiento de la veracidad o fiabilidad (truth)de big data
supone un gran reto a medida que la veracidad y las fuentes de datos crecen.
VALOR
Adems de las 3 v clsicas con las que todas las
fuentes coinciden, yla cuarta que suele sealar
IBM, existe una quinta caracterstica que tambin
se suele considerar: el valor. Las organizaciones
estudian obtener informacin de los grandes
datos de una manera rentable y eficiente. Aqu es
donde las tecnologas de cdigo abierto tales
como Apache Hadoop se han vuelto muy
populares. Hadoop, es un software que procesa
grandes volmenes de datos a travs de un
clster de centenares. O incluso millares de
computadoras de un modo muy econmico.
Bases de datos, 2012. Reinosa, Maldonado,
Muoz, Damiano, Abrutsky
https://es.slideshare.net/senaticscesar/bases-
de-datos-conceptos-basicos
http://basededatos.over-blog.net/article-tipos-
de-bases-de-datos-68319538.html