Powers Big Data

Escenaris i Usos Big Data
Tema 1. Introducció als escenaris i usos del Big Data.

Les dades omnicanals. CRM.
Jaime Ribó
Dades Omnicanals (a customer journey)
• Les dades omnicanals són dades generades a partir de cada interacció del
client amb una empresa. Comportaments, preferències, actituds i els valors
dels clients.
• El viatge del client implica una sèrie d’interaccions tan físiques com en línia a
través d’una varietat de punts de contacte com són les xarxes socials, els
correus electrònics i els blocs web.
Dades Omnicanals (a customer journey)
• Els clients esperen una experiència racionalitzada i personalitzada allà on

interactuen amb una marca concreta. I, per tant, l’èxit arribarà si els venedors
tenen una comprensió completa de la interacció del client i el camí cap a la
compra.
• Els anunciants i les empreses de mitjans utilitzen dades omnicanals per

ajudar-los a entendre millor els clients i oferir una experiència de client més
sòlida. Això permetrà millorar les taxes de conversió i la retenció de clients.
Dades Omnicanals
• L’anàlisi de dades omnicanal difereix de l’anàlisi de dades multicanal.

L’omnicanal emfatitza un enfocament integrat, connectat en lloc de
simplement recollir dades aïllades i mirar-les canal per canal.
• Les dades omnicanals s’utilitzen no només per entendre millor l’activitat

històrica dels clients i el seu comportament actual sinó també per predir les
necessitats i els desitjos futurs dels clients.
• Aquestes dades omnicanals es poden usar per millorar les recomanacions de

productes que s’usen en les estratègies de venda i l’experiència del client.
Omnicanal vs Multicanal
• El multicanal és la pràctica on s’utilitza més d’un canal de mitjans per
comunicar-se amb clients i no estan necessàriament integrats entre si. Com
per exemple: la televisió, les xarxes socials, els emails, impremta i anuncis de
display.
• Cada canal funciona per separat i els clients han d’anar a aquest canal
específic per trobar la informació que volen.
• L’objectiu dels consumidors del mercat actual és interactuar amb les marques
mitjançant les plataformes i els mitjans que els resulten més convenients com
per exemple: les xarxes socials que els agraden.
• Els clients pel que fa a la comunicació tenen a la seva disposició una gran
varietat d’alternatives com els emails o la missatgeria de text. Per això, és
necessari que les empreses interactuen amb els seus públics objectiu a totes
les plataformes d’una manera unificada i natural.
• Per aconseguir-ho és necessari que les empreses facin la seva estratègia

d’atenció al client.
• L’omnicanal adopta un enfocament centrat en el client mentre utilitza tots els
canals de mitjans disponibles.
• En canvi, el multicanal adopta un enfocament centrat en el producte mentre fa

servir més d’un canal per promocionar el producte o servei.
• Tot i que l’omnicanal i el multicanal semblen semblants a primera vista, tenen

diferències importants que afecten la manera com els clients veuen una
empresa.
• La diferència clau és el punt focal de l’estratègia de màrqueting usada.

• L’omnicanal té el client al centre i se centra en les necessitats del client i

l’objectiu és oferir-los missatges personalitzats a través dels punts de contacte
per garantir una experiència perfecta i coherent.
• Això permet al client accedir fàcilment a la informació des de qualsevol dels

canals, tots connectors entre si. Un exemple és si un client visita la vostra
pàgina Instagram o Facebook veurà un estil similar al del vostre correu
electrònic o lloc web.
• Als clients els agrada la coherència de la marca/brand que té com a

avantatges: que es farà lleials a un negoci i tindran la confiança en una marca
i comportarà més compres, ressenyes positives i recomanacions.
Exemples Omnicanal i Multicanal
• L’estratègia multicanal d’Apple se centra en el producte. Tot i que opera tant en
botigues físiques com en línia, el seu concepte de botiga minorista es considera
únic entre les empreses minoristes. Les iStores es creen per complementar el
negoci de comerç electrònic de l’empresa i que representa la majoria de les
vendes totals d’Apple.
• Les botigues físiques funcionen com a punt de contacte de clients separats que
serveixen per a l’experiència d’Apple. Els clients poden visitar les iStores com a
galeries sense sentir-se obligats a comprar els seus productes al moment.
• També, Apple utilitza canals i serveis addicionals per crear demanda pel seu
maquinari com és la plataforma d’Apple TV+ i Music Apple que proporcionen a
l’empresa fluxos d’ingressos addicionals.
Exemples Omnicanal i Multicanal
• Amazon és omnipresent, essencial i ha canviat tota la indústria del comerç electrònic per
posar el client en primer lloc. L’omnicanal és ara el centre del model de negoci de l’empresa.
• La majoria d’empreses de comerç electrònic segueixen els principis d’experiència d’usuari que
Amazon ha introduït i dominat.
• Amazon coneix tots els clients que els han comprat algun producte i utilitza les seves dades
per oferir una experiència d’usuari personalitzada i rellevant a cada punt de contacte. Amazon
One Click que fa que el procés de comanda de productes en línia sigui una experiència
perfecta i Alexa permet fer la pròxima compra per veu.
• L’èxit d’Amazon permet als clients connectar-se amb una marca a través dels seus canals
amb l’actualització de cadascun d’aquests canals en funció de l’última experiència que va tenir
el client. Aquests saben que obtindran una experiència coherent que els estalviarà temps i
diners alhora que ofereix un servei al client excepcional.
Com funcionen els algorismes?
• Els algorismes utilitzen un conjunt de dades o d’entrada inicials, el processen

mitjançant una sèrie de passos lògics o regles i produeixen el resultat i la
decisió.
• S’expressen en un llenguatge de programació que un ordinador pot processar.

Quan s’està creant un algorisme seran les persones i no un ordinador les que
hauran d’entendre’l, i per això, els algorismes s’escriuen com a instruccions
senzilles.
• Fer una truita de patates l’entrada seria els ingredients i les quantitats, el procés
seria la recepta que es tria per seguir i la sortida serien els ous.
Com funcionen els algorismes? “si fa menys de 15 graus triaré un jersei”
• Els algorismes són eines fonamentals per resoldre problemes tant en el món digital
com en molts escenaris de la vida real. Cada vegada que intentem resoldre un
problema estem utilitzant el pensament algorítmic.
• Les rutines diàries són exemples de com fem servir algorismes sense adonar-nos
que ho fem. Per exemple, decidir què posar-nos al matí és una decisió complexa
que implica molts passos com identificar quina roba està neta, quines preferències
personals d’estil tenim, si hem d’anar a la feina o a l’escola. Tot això, es pot
representar amb dades, ja sigui com a paraules “esport, casual…” o números (la
temperatura exterior d’avui) i que poden servir d’entrada per a la nostra decisió.
Després de vestir-nos sortirem de casa que és la sortida del nostre algorisme.
Els algorismes
• Els algorismes estan a tot arreu, organitzant les dades gairebé il.limitades que
existeixen al nostre món. Derivats de totes les nostres cerques com són els
clics i les compres, els algorismes determinen les notícies que rebem, els
anuncis que veiem, la informació a la qual tenim accés i fins i tot qui són els
nostres amics.
• Els algorismes estan a tot arreu al nostre voltant. Per exemple: els motors de
cerca com Google es basen en algorismes per trobar i presentar resultats
rellevants tan aviat com sigui possible; les xarxes socials utilitzen algorismes
per prioritzar el contingut que veiem als nostres feed (fotos que un usuari ha
pujat per exemple: a Instagram) i tenen en compte factors com el nostre
comportament passat, la popularitat de les publicacions i la rellevància.
Domini de cerca de Google
• Google és líder del mercat en cerca en línia durant dècades. El producte de

l’empresa matriu Alphabet és difícil de superar en el segment mòbil. Google
és una plataforma que ajuda els usuaris a connectar les seves consultes amb
contingut rellevant mitjançant frases, paraules clau i termes
• Google té una quota de mercat al voltant del 93% als mòbils el 2023. En
canvi, Yahoo es va utilitzar per a l’1,12% de totes les consultes de cerca. El
servei rus Yandex va arribar a un 1% i el proveïdor xinès Baidu al 0,42%.
• Bing de Microsoft, el rival de Google des del gener de 2012 ha anunciat que
invertirà 10000 milions de dòlars a la startup d’IA Open IA durant diversos
anys.
Google actualitzacions
• Google té centenars d’actualitzacions d’algoritmes de cerca cada any i és

quan canvia el seu motor de cerca per ajudar a millorar l’experiència de
l’usuari i la qualitat de cerques.
• Google canvia i actualitza constantment el seu algorisme, ja sigui amb petites

actualitzacions diàries, més bàsiques, àmplies o molt més grans que tenen un
impacte significatiu en el motor de cerca.
• Les actualitzacions més recents s’han centrat en la velocitat de la pàgina, les

ressenyes de productes i les principals vitalitats web.
• Panda 2011 va ser una de les majors actualitzacions d’algoritmes de Google

que va canviar complement la indústria del SEO (Search Engine Optimization).
L’objectiu era disminuir la visibilitat de les pàgines de correu brossa i de baixa
qualitat garantint que els usuaris arribessin a llocs rellevants i d’alta qualitat.
• Venècia 2012 va ser un gran canvi en el panorama de la cerca local i va ajudar

a oferir resultats més localitzats a les persones que cerquessin, alhora que
utilitzava dades de cerca local. Gràcies a això les empreses locals van créixer.
• Pingüí 2012 va ser una actualització amb l’objectiu de reduir el correu brossa
web i les estratègies d’enllaç deficients com els enllaços d’entrada de pagament
que van ser penalitzats.
• Colibrí “Hummingbird” 2013 l’actualització va ajudar a identificar els resultats

de cerca més rellevants per a cada consulta, introduint cerques més
complexes com les consultes de conversa. Google va poder utilitzar més el
context i proporcionar resultats molt més rellevants als usuaris.
• Colom 2014 hi va haver més èmfasi en els senyals locals i una millora en els
resultats de la cerca local. Els usuaris poden veure resultats més a prop d’ells.
• Mòbil 2015 és l’inici de la indexació per als mòbils encoratjant els llocs web
adaptats i atorgant classificacions més altes a les seves cerques.
• Rankbrain 2015: és el sistema d’aprenentatge automàtic de Google i té com a

objectiu donar als usuaris la millor resposta en la intenció de cerca. Es tracta
d’una actualització de Google vital i s’ha batejat com un dels factors de
classificació més influents.
• Mòbil 2018: l’actualització de Mobile First mostra el panorama canviant amb

l’augment de l’ús de mòbils i on l’objectiu era fomentar que els llocs
estiguessin orientats al seu ús. La segona actualització va ser al voltant de la
velocitat del lloc mòbil fent que la pàgina sigui un factor de classificació on
abans només era a l’escriptori.
• Mèdic 2018: es va centrar en els llocs mèdics i va afectar més la indústria de
la salut, les finances i el benestar.
• BERT 2019: tenia com a objectiu comprendre millor les consultes de cerca
amb el processament del llenguatge natural. Va permetre a Google interpretar
cerques en llenguatge natural i comprendre un context més ampli i cerques
més complexes.
• Experiència de pàgina 2021: aquesta actualització incorpora les mètriques

Core Web Vitals i l’experiència de l’usuari. Es va implementar al mòbil i va
incorporar l’escriptori l’any 2022 amb llocs de càrrega ràpida i navegacions
clares.
• Contingut útil 2022: va ser important perquè els creadors s’asseguressin que
creen contingut primer per l’usuari, assegurant-se que qualsevol contingut que
s’ofereix als usuaris sigui d’alta qualitat i útil per als lectors. Per exemple: factors
com l’experiència de l’usuari.
• FAQ i Actualització de dades estructurades 2023: Es recomana incloure contingut

de preguntes freqüents, ja que encara avui és un contingut útil per als usuaris.
• Aviat, Google ha anunciat el llançament de la seva nova experiència IA

generativa de cerca que actualment només està implementada als EUA. La IA
generativa farà que la cerca sigui més fàcil per als usuaris responen a consultes
cada com més complexes. Aquest és el futur on es dirigeix Google.
Com emmagatzema YouTube tantes dades?
• YouTube és la principal plataforma per compartir vídeos a causa de la seva
gran base d’usuaris i dels 3,7 milions de vídeos que es pengen diàriament i
720000 hores de contingut.
• Té una afluència tan gran de vídeos de manera regular que ens preguntem
quant d’espai d’emmagatzematge té YouTube i quins són els seus límits.
• Google mai ha proporcionat detalls exactes sobre els seus centres de dades i
capacitats d’emmagatzematge.
• YouTube té un exabyte (1000000 de terabytes) d’espai d’emmagatzematge

als seus centres de dades.
• YouTube utilitza un mètode complex de distribució de dades que prioritza la

velocitat de càrrega del vídeo, és a dir l’experiència òptima de l’usuari.
• Funcionament: Primer, emmagatzematge local per a contingut nou: quan un

usuari penja un vídeo nou YouTube el col.loca aquest contingut al centre de
dades més proper. Segon, Distribució global de contingut popular: a mesura
que la visualització d’un vídeo comença a augmentar, YouTube comença a
distribuir còpies d’aquest vídeo a diversos centres de dades en l’àmbit
mundial. Tercer, el repte d’estimar l’emmagatzematge: estima les necessitats
totals d’emmagatzematge de la plataforma. Un vídeo singular
s’emmagatzema una o diverses vegades en diverses ubicacions, depenent de
la seva popularitat.
• YouTube comprimeix totes les pujades de vídeos i l’ajuda a optimitzar el seu
espai d'emmagatzematge que sovint afecta la qualitat general del vídeo.
• Google fa una còpia de seguretat de cada vídeo penjat a YouTube diverses

vegades per garantir que el contingut continuï disponible en cas de
circumstàncies imprevistes. Té un cost aquest espai d’emmagatzematge.
• Si se suprimeix un vídeo no desapareix immediatament de l’emmagatzematge

de YouTube. D’acord amb la política de retenció de dades de Google, les dades
de pujada es poden conservar durant un període de temps determinat.
• Després d’un període determinat, Google suprimeix aquestes dades. Els usuaris
tenen dret a sol.licitar la supressió de les seves dades en qualsevol moment.
• Un compte de YouTube nou no verificat té un límit de pujada de 15 minuts per

vídeo de YouTube, per evitar contingut brossa inadequat. S’augmenta a 12
hores per vídeo un cop s’ha verificat el compte.
• El límit de càrrega verificada de YouTube és de 12 hores o una mida de fitxer

de 256 GB. Un cop verificat el compte no hi ha límit total real de càrregues al
vostre canal. Hi ha un límit de quota diària per al nombre de vídeos penjats.
La quota diària de vídeos és de 15 i aquesta quota es restableix diàriament.
https://www.demandsage.com/youtube-stats/
CRM (Customer Relationship Management) & Automatització
• CRM és el programari de gestió de relacions amb els clients i s’utilitza al voltant del
màrqueting des dels anys 90 per recollir i analitzar les dades dels clients en un sol lloc.
• Es fa servir per fer el seguiment de bases de dades de clients, analitzar comportaments

dels clients i crear puntuacions de clients potencials.
• Els venedors han d’automatitzar el CRM per conèixer la gestió de dades dels clients,
com per exemple: la neteja, creació de contingut (emails personalitzats i campanyes),
l’entrada de dades i la transferència entre sistemes de màrqueting.
• Les tasques que es poden automatitzar al CRM són funcions de vendes com programar
trucades, reunions i processar compres. I d’altres com, funcions postvenda, d’atenció al
client, la gestió de les dades dels clients i la recollida de comentaris.
CRM (Customer Relationship Management) & Automatització
• Un sistema CRM integral ofereix avantatges importants, però cal buscar opcions
d’implementació, adaptabilitat, valor comercial i la millor relació qualitat-preu.
• És una solució que gestiona els contactes i les vendes, l’eficiència dels agents i les
relacions amb els clients al llarg de l’embut de vendes i fins a les interaccions del servei
al client.
• S’han de centrar en els requisits i necessitats individuals per a l’empresa i les tasques
associades i també en els empleats que utilitzaran el sistema en el futur. Un CRM
també fa el seguiment de la informació sobre els vostres clients i el seu historial de
compres.
• Millora les interaccions amb els clients augmentant les vendes i racionalitzant els
procediments.
Avantatges CRM
• L’empresa ofereix contingut promocional a mesura que augmentarà la
probabilitat d’una venda i establirà confiança entre el client.
• La interacció amb un client hi ha una imatge completa de qui són i la història

de l’empresa que permetrà tenir una conversa més exitosa i agradable.
• La integració del CRM amb les xarxes socials permet veure quins canals
generen més trànsit i què diu la gent sobre el negoci. Per exemple, quan es
programa una trucada per l’aniversari d’un client o el compte d’un client està a
punt per renovar-se.
CRM components principals.
• Base de dades de màrqueting centralitzada. Dades sobre clients potencials i
comportament dels usuaris s’avaluen en aquesta ubicació.
• Motor per al màrqueting de compromís és on els processos de màrqueting es creen,

gestionen i s’automatitzen.
• Motor per a l’anàlisi és on es mesura i optimitza el nostre ROI (intenta mesurar

directament la quantitat de retorn d’una inversió determinada, en relació amb el cost de
la inversió) de màrqueting i els impactes dels ingressos identificar àrees de millora.
• La Tecnologia de Màrqueting és la formada per totes les aplicacions que s’utilitzen per
assolir els nostres objectius de màrqueting com són les eines de xarxes socials i els
sistemes de gestió de continguts.
Conclusions CRM
• El CRM té un paper central en la gestió de les dades dels clients, ja que
s’integren perfectament amb dades d’altres fonts dins de les nostres
organitzacions.
• El CRM ofereix una bona visió general del que s’ha de tenir en compte per oferir
una estratègia impactant que recolzi els nostres plans de creixement i l’èxit
futur.
• Aquestes eines de gestió de clients i un pla de suport adequats ajudaran a

adaptar-se a qualsevol inconvenient previst o imprevist per mantenir-se en el
camí de l’èxit.
Conclusions CRM
• Per exemple: diverses organitzacions sanitàries a Nord Amèrica utilitzen
canals de CRM perquè ajuden a minimitzar la seva mà d’obra per tal de
minimitzar el risc d’errors, aconseguir rendibilitat i optimitzar els canals de
comunicació globals. L’automatització del màrqueting, de la força de vendes i
de serveis són les característiques clau del sistema CRM sanitari.
1. https://www.precedenceresearch.com/healthcare-crm-market
Tema 1. Introducció als escenaris i usos del Big Data.
Les dades omnicanals. CRM.
Jaime Ribó
Tema: 2 Arquitectures Big Data. Hadoop i Spark.
Jaime Ribó
Les 5 Vs de Big Data.
• Les dades es poden classificar com a Big Data en funció de diversos factors
on el concepte principal com en tots aquests factors és la quantitat de dades.
• Les característiques del Big Data es desglossen en 5 Vs.: 1. La Velocitat a la

qual arriben les dades. Cada dia es generen, s’emmagatzemen i s’analitzen
una gran quantitat de dades; 2. El Volum es refereix a la gran quantitat de
dades generades a partir de targetes de crèdit, dispositius IoT, xarxes socials,
vídeos i aparells domèstics intel.ligents.; 3. La Varietat fa referència als
diferents tipus de dades. Les dades es classifiquen principalment en dades
estructurades i no estructurades; 4. La Veracitat fa referència a la qualitat de
les dades. Depèn de la fiabilitat i precisió del contingut. No s’ha
d’emmagatzemar moltes dades si el contingut no és fiable o precís.
Les 5 Vs de Big Data.
• 5. El Valor és la part més important del Big Data. Tenir una gran quantitat de
dades és inútil fins que n’extraiem alguna cosa significativa.
Què és l’arquitectura de Big Data?
• És un marc que defineix els components, les tecnologies i els processos per
emmagatzemar, capturar, analitzar i processar Big Data.
• Hi ha molts tipus diferents d’arquitectures de Big Data i la millor arquitectura per

a una organització concreta dependrà de les seves necessitats i objectius.
• Inclouen quatre capes: la recollida i ingesta de dades; el processament i anàlisi

de dades; la visualització i informes de dades i per últim, el govern i seguretat
de les dades. Cada etapa té el seu propi conjunt de tecnologies, eines i
processos.
• Els avantatges són principalment la capacitat de prendre decisions millor i més

ràpides, la capacitat de millorar l’eficiència operativa i la d’analitzar més dades.
Què és l’arquitectura de Big Data?
• Per tot això, és necessari habilitat i coneixements especialitzats, programes

cars i un alt nivell de seguretat.
• Aquesta arquitectura ha de ser capaç de gestionar la complexitat i la varietat

de Big Data i donar suport a les necessitats dels diferents usuaris.
• Alguns exemples d’arquitectura de Big Data són la de l’entorn Hadoop i la del

MapReduce-Spark.
https://www.youtube.com/watch?v=64TpELBlqAk
Arquitectura Big Data. Passos orquestració.
• 1. Les Fonts de dades implica totes aquelles fonts d’on es construeix el pipeline (mitjà que
permet que les dades viatgin des del seu origen a la destinació) d’extracció de dades
(aquelles que arriben a través de múltiples fonts com els sensors, servidora d’empresa,
dispositius IoT, registres de Windows). Són el punt de partida.
• 2. Emmagatzematge de dades és l’extrem receptor de Big Data. L’emmagatzematge de

dades rep dades de diferents formats de diverses fonts de dades i les emmagatzema.
• 3. Ingestió de missatges en temps real. És simplement un magatzem de dades on els

missatges nous s’arrepleguen dins de la carpeta.
• 4. Processament per lots per filtrar, agregar i processar dades de gran mida per l’anàlisi
avançada. Són treballs per lots de llarga durada que impliquen llegir les dades
d’emmagatzematge de dades. La solució més utilitzada és Hadoop.
Arquitectura Big Data. Passos orquestració.
• 5. Processament de fluxos gestiona totes les dades de transmissió que es produeixen a
finestres o fluxos.
• 6. Magatzem de dades analítiques és important, ja que emmagatzema totes les nostres

dades de procés en un sol lloc fent l’anàlisi sigui exhaustiva. Pot ser una base o un
magatzem de dades basat en un núvol segons les nostres necessitats.
• 7. Analítica i informes. Hi ha moltes eines d’anàlisi i visualització de dades que analitzen

les dades i generen informes. Les empreses utilitzen aquests informes per prendre
decisions basades en dades.
• 8. Orquestració. El moviment de dades a través d’aquests sistemes requereix

l’orquestració d’alguna forma d’automatització. Això, permet obtenir contínuament
informació de les nostres dades massives.
4 capes d’arquitectura de Big Data.
• INGESTA DE DADES: s’encarrega de recollir i emmagatzemar dades de

diverses fonts que determinarà com s’ingeriran, transformaran i
emmagatzemaran les dades.
• TRACTAMENT/PROCESSAMENT DE DADES: és la responsable de la

recollida, neteja i preparació de les dades per a l’anàlisi que garantirà que les
dades siguin d’alta qualitat i estiguin llestes per ser utilitzades en el futur.
• EMMAGATZEMATGE DE DADES: s’encarrega d’emmagatzemar les dades

en un format al qual es pugui accedir i analitzar fàcilment. És essencial per
garantir que les dades siguin accessibles i disponibles per a la resta de capes.
4 capes d’arquitectura de Big Data.
• VISUALITZACIÓ DE DADES: s’encarrega de crear visualitzacions de les
dades que els humans poden entendre fàcilment i així, fan accessibles les
dades.
4 processos d’arquitectura de Big Data.
• El primer és la connexió a fonts de dades on els connectors i adaptadors es

poden connectar ràpidament a qualsevol sistema d’emmagatzematge o xarxa i
connectar-se a qualsevol format de dades.
• El segon és la governança de dades on des del moment en què les dades

s’ingereixen mitjançant el processament, l’anàlisi i l’emmagatzematge hi ha
proteccions per a la privadesa i la seguretat.
• El tercer és el sistema de gestió que es desenvolupa sovint en clústers (ítems en

grups amb característiques similars i es fa servir per determinar i agrupar articles
per temes o per segmentar clients) distribuïts a gran escala i que són altament
escalables i requereixen un seguiment constant mitjançant interfícies (el lloc on
ocorren les interaccions entre persones i màquines) de gestió centralitzades.
4 processos d’arquitectura de Big Data.
• I el quart i últim, és la protecció de la qualitat del servei que admet la definició
de la qualitat de les dades, les mides, la freqüència d’ingestió i les directrius
de compliment.
Hadoop i Spark.
• Hadoop i Spark són eines poderoses en el món del processament de dades a

gran escala. L’elecció depèn dels requisits específics del projecte, del
processament de dades i de la infraestructura que hi ha.
• Hadoop és sòlid per al processament de lots a gran escala, mentre que Spark
és una gran solució per a processament a temps real i anàlisi interactiva.
• La flexibilitat i la facilitat d’ús de Spark ho han convertit en una opció molt

popular.
• La combinació de tots dos frameworks és una estratègia efectiva per abordar

una varietat de desafiaments de processament de dades a Big Data.
Definició Arquitectura Hadoop.
• És un marc de processament de grans dades de codi obert.

• Està dissenyat per gestionar grans quantitats de dades des de gigabytes fins a
petabytes de manera distribuïda entre un clúster de servidor de productes
bàsics.
• És una tecnologia de recollida i processament de dades rendible i altament

escalable que emmagatzema i processa dades estructurades, com per
exemple: les impressions de les xarxes socials, dades de sensors de fabricació,
registres de clics en línia, registres del servidor web, etc.
• El resultat final s’envia a l’usuari final com una unitat d’informació cohesionada.
Característiques Arquitectures Hadoop.
• Dissenyar una arquitectura Big Data Hadoop segueix els següents punts:
• El primer és la definició del vostre objectiu preguntant-se què esperes
aconseguir amb el tema arquitectura Big Data per a poder millorar la presa de
decisions, entendre millor els vostres clients o trobar noves oportunitats
d’ingressos.
• El segon si considereu les vostres fonts de dades i per quines dades tenim i
d’on provenen. S’haurà de pensar tant en dades estructurades com no i en fonts
internes i externes.
• El tercer s’han de triar les eines adequades i les que millor s’adaptin a les
vostres necessitats.
Característiques Arquitectures Hadoop.
• El quart és el pla d’escalabilitat en què a mesura que les vostres dades
creixin, l’arquitectura de la vostra solució de Big Data haurà de poder escalar-
se per adaptar-s’hi. S’haurà de tenir en compte la replicació de dades.
• En el cinquè s’ha de tenir en compte la seguretat per a poder protegir les

vostres dades xifrant informació delicada i utilitzant mètodes d’autentificació
segurs.
• I l’últim, és el test i monitor. Un cop instal.lada la vostra arquitectura a Big

Data és important provar-la per assegurar que funciona com s’esperava
supervisant el vostre sistema de manera continuada per identificar qualsevol
problema potencial.
Definició Arquitectura Spark.
• Spark és un mecanisme de processament i reproducció per lots que s’utilitza per a
càrregues de treball de grans dades. És un motor d’anàlisi unificat per al processament
de dades a gran escala.
• Va ser dissenyat per substituir MapReduce i és mantingut per l’Apache Software

Foundation sense ànim de lucre. Els desenvolupadors de Spark el van crear per
millorar diversos aspectes del projecte MapReduce com el rendiment i la facilitat d’ús.
• Spark executa a la memòria al clúster i això fa que l’accés repetit a les mateixes dades
sigui molt més ràpid.
• Moltes empreses tecnològiques com Yahoo, Amazon i ebay han usat Spark com a part
de les seves piles de tecnologia.
Definició Arquitectura Spark.
• Spark gaudeix d’un atractiu ampli entre desenvolupadors, tant és així, que li val
la reputació de la navalla suïssa del processament de grans dades.
• No és només una eina de processament de dades, sinó un ecosistema que

conté moltes eines i biblioteques diferents.
• És la millor solució en processaments i informacions en temps real. Per

exemple: S’utilitza Spark Streaming per llegir tuits en directe i fer anàlisis de
sentiments sobre ells. Spark GraphX per processar dades estructurades en
gràfics, com ara xarxes socials o xarxes de carreteres (trobar a l’instant el camí
més curt).
Diferències entre MapReduce i Spark.
• Rendiment.
• Facilitat d’ús.
• Tractament de dades.
• Seguretat.
• Similituds: Spark utilitza MapReduce com a base. Els punts de similitud a
l’hora de fer comparacions inclouen el cost, la comptabilitat i la tolerància al
fracàs.
Avantatges Spark.
• Flexibilitat. Apache Spark es pot utilitzar per al processament per lots, streaming i
l’anàlisi interactiva. Tots aquests processos es poden combinar perfectament en una
aplicació.
• Velocitat. És molt més ràpid que MaReduce per a la majoria de les càrregues de treball,
ja que usa RAM en lloc de llegir i escriure dades intermèdies a l’emmagatzematge de
disc.
• Adequat per a desenvolupadors, perquè té un ampli suport d’idiomes que facilita

l’aprenentatge i l’ús.
• És el producte més avançat i popular de la comunitat Apache que proporciona la

prestació per treballar amb les dades de streaming, té diverses biblioteques
d’aprenentatge automàtic, tractar gràfics, etcètera.
Diferències Hadoop vs. Spark.
• Hadoop s’utilitza per processar dades en diversos lots. La transmissió de
dades en temps real no és possible amb Hadoop.
• Spark, a diferència dels clústers Hadoop, permet l’anàlisi de dades en temps

real mitjançant Spark Streaming. Per aquest motiu, Spark té un creixement del
mercat força ràpid.
• Hadoop es va dissenyar amb instal.lacions d’infraestructura

d’emmagatzematge molt més senzill.
Objectius Arquitectura Big Data.
• Permetre utilitzar les dades de manera més eficient, ja que condueix a una
millor presa de decisions, operacions més eficients i nous coneixements i
oportunitats.
• La capacitat d’integrar fonts de dades diverses que poden proporcionar una

visió més completa de les dades de l’organització i ajudar a identificar pus
patrons i relacions.
• Suportar anàlisis en temps real que poden ser fonamentals per a la presa de
decisions.
• Proporcionar un accés més fàcil a les dades per a més usuaris i així ajudar a
democratitzar les dades i l’anàlisi dins de les organitzacions.
Reptes Arquitectura Big Data.
• Gestió del creixement de dades, ja que a mesura que les dades creixen, es fa més difícil de
gestionar i processar. I això provoca retards en la presa de decisions i una reducció de
l’eficiència.
• Assolir les expectatives de rendiment on els usuaris esperen que els sistemes siguin capaços
de gestionar grans quantitats de dades de manera ràpida i eficient.
• Garantir la qualitat de les dades.
• Seguretat i privacitat, ja que amb tantes dades que s’emmagatzemen hi ha un major risc que
siguin piratejades o filtrades. Això, posa en perill la seguretat i la privadesa dels qui utilitzen el
sistema.
• El cost. Les arquitectures de solucions de Big Data poden ser cares de configurar i mantenir i,
per tant, és un repte per a les organitzacions que no tenen el pressupost per a això.
Beneficis Arquitectura Big Data.
• Reducció de costos. Les tecnologies de Big Data com Hadoop redueixen
significativament els costos d’emmagatzematge.
• Millora de presa de decisions, ja que permet a les empreses prendre

decisions en temps real.
• Predicció de tendències futures on l’anàlisi de Big Data ajuda les empreses a

predir tendències futures mitjançant l’anàlisi de Big Data de múltiples fonts.
• Creació de nous productes, perquè les empreses poden entendre els requisits
del client analitzant les compres anteriors des de clients i crear nous
productes en conseqüència.
Principals tendències Arquitectura 2023.
• Avui totes les arquitectures de dades es dissenyen per a plataformes en núvol, especialment entorns
híbrids i multinúvol. Beneficia directament a les empreses que busquen reduir dràsticament els seus
costos d’infraestructura alhora que aprofiten l’anàlisi de Big Data per a la intel.ligència competitiva.
• La necessitat de xarxes superràpides requereix avui dia arquitectures de governança de dades

redissenyades aquest 2023. L’enfocament dels marcs d’arquitectura de dades passarà de problemes
de càlcul i emmagatzematge a problemes de seguretat i governança de dades.
• Les arquitectures de dades desenvolupades el 2023 estaran preparades per a IA en el sentit que
moltes activitats crítiques dins del marc de l’arquitectura estaran totalment automatitzades amb eines
d’IA.
• Amb els dispositius de dades IoT en augment, grans volums de dades en streaming és un tema
candent aquest 2023. Les decisions empresarials basades en dades arribaran més ràpides i amb més
precisió.
Conclusions Arquitectura Big Data.
• L’arquitectura de Big Data és la base de l’anàlisi de Big Data. És el sistema

general que s’utilitza per gestionar grans quantitats de dades perquè es
puguin analitzar amb finalitats empresarials.
• Serveix com a model de referència per a infraestructures i solucions de Big

Data definint lògicament els components que usaran, com fluirà la informació i
els detalls de seguretat.
https://www.forbes.com/sites/insights-cloudera/2023/02/22/next-gen-data-architectures/?sh=20d42cdfed03
Tema: 2 Arquitectures Big Data. Hadoop i Spark.
Jaime Ribó
Tema 3: Solucions Cloud.
Jaime Ribó
Definició Solucions Cloud.
• Les solucions Cloud es tracta en la prestació de diferents serveis a través

d’Internet.
• Inclouen recursos com: les bases de dades, l’emmagatzematge de dades,

servidors, programari i xarxes.
• L’emmagatzematge basat en núvol permet desar-los en una base de dades

remota. Mentre un dispositiu electrònic tingui accés a la web, té accés a les
dades i als programes de programar per executar-lo.
• Les solucions Cloud és una opció per a persones i empreses per estalviar
costos, l’augment de productivitat, la velocitat, la seguretat i l’eficiència del
rendiment.
• La computació/informàtica en núvol ofereix noves oportunitats de digitalització
i creixement. Es poden crear, desplegar, provar i gestionar aplicacions sense
una infraestructura interna.
• La informació a la qual s’accedeix es troba de forma remota al núvol o un

espai virtual. Les empreses que ofereixen serveis al núvol permeten als
usuaris emmagatzemar fitxers i aplicacions en servidors remots i després
accedir a totes les dades a través d’Internet.
• L’usuari no ha d’estar en un lloc específic per accedir-hi i permet que l’usuari

pugui treballar de forma remota.
• Les solucions Cloud allunya tota la feina pesada que comporta l’elaboració i el
processament de dades del dispositiu des d’on estem treballant. Trasllada tot
aquest treball a grans grups d’ordinadors llunyans al ciberespai.
• Internet es converteix en el núvol. Els treballs, les nostres dades i aplicacions

estan disponibles des de qualsevol dispositiu amb el qual ens podem
connectar a Internet i a qualsevol lloc del món.
• El terme Cloud prové d’un disseny de xarxa que va ser utilitzat pels enginyers
de xarxa per representar la ubicació de diversos dispositius de xarxa i la
interconnexió. La forma d’aquest disseny de xarxa era com un núvol.
Tipus Solucions Cloud.
• La computació en núvol pot ser tant privada com pública. Els serveis públics
en núvol ofereixen els seus serveis a través d’Internet per una tarifa. En canvi,
els serveis al núvol privat, només ofereixen serveis a un nombre determinat
de persones. Aquests serveis són un sistema de xarxes que proporcionen
serveis allotjats.
• Hi ha una opció híbrida, que combina elements tant dels serveis públics com
privats.
• Funcions: emmagatzematge, correu electrònic, recuperació de dades i còpia

de seguretat, creació i prova d’aplicacions, anàlisi de dades, transmissió
d’àudio i vídeo i lliurament de software/programari sota demanda.
Per què Solucions Cloud?
• La computació en núvol s’ha convertit en una prioritat en tots els camps arran l’augment
dels usuaris d’ordinadors i mòbils.
• Avui les empreses a gran i petita escala es desenvolupen amb les seves dades i gasten
una gran quantitat de diners per mantenir aquestes dades. Tot això requereix un suport
informàtic sòlid i un centre d’emmagatzematge.
• No totes les empreses poden permetre un cost elevat de la infraestructura informàtica

interna i els serveis de suport de còpia de seguretat. I, per tant, el Cloud és una solució
més barata.
• Les solucions Cloud disminueix la demanda de maquinària i programari per part de

l’usuari. Exemples dels serveis de núvol populars són de correu com Gmail, Yahoo o
Hotmail.
Per què Solucions Cloud?
• En accedir al servei d’email les nostres dades s’emmagatzemen al servidor núvol
i no al nostre ordinador. La tecnologia i la infraestructura que hi ha darrere del
núvol són invisibles. Un usuari individual pot connectar-se al sistema al núvol des
dels seus propis dispositius, com l’escriptori, mòbil o portàtil.
• La informàtica en núvol aprofita de manera efectiva les petites empreses amb

recursos limitats, proporciona a les petites empreses accés a les tecnologies que
abans estaven fora del seu abast. També, ajuda les petites empreses a convertir
el seu cost de manteniment en beneficis.
• En un servidor informàtic intern, s’ha de prestar molta atenció i assegurar-se que

no hi ha errors en el sistema perquè funciona sense problemes. I en cas d’algun
error tècnic ets el responsable i necessitaràs temps i diners per a la reparació.
https://www.youtube.com/watch?v=mxT233EdY5c
Exemples de Solucions Cloud.
• En atenció sanitària on els professionals mèdics poden fer diagnòstics, allotjar

informació i analitzar pacients de forma remota amb l’ajuda de la computació
en núvol. La informàtica en núvol permet als metges compartir informació
ràpidament des de qualsevol lloc i estalvia costos, ja que permet transferir
fitxers de dades grans a l’instant. Aquesta tecnologia millorà l’atenció possible
sense demores innecessàries i l’estat dels pacients es pot actualitzar en
qüestió de segons.
• En educació perquè és útil a les institucions educatives per a l’aprenentatge a

distància. Ofereix diversos serveis per a universitats, col.legis i professors. Per
exemple: Google i Microsoft ofereixen diversos serveis de manera gratuïta a
professors i estudiants de diverses institucions d’aprenentatge.
• En el Govern. L’exèrcit i el govern dels EUA van ser els primers a adoptar la
computació en núvol. El seu núvol incorpora tecnologies socials, mòbils i
analítiques.
• En l’analítica de Big Data. La informàtica en núvol ajuda els científics de dades a

analitzar diversos patrons de dades, coneixements per a millors prediccions i
presa de decisions. Hi ha moltes eines d’anàlisi i desenvolupament de grans
dades de codi obert disponibles com Hadoop, per a aquest propòsit.
• En la comunicació, la computació en núvol proporciona accés basat en xarxa a

eines de comunicació com els emails i les xarxes socials. També, WhatsApp
utilitza una infraestructura basada en núvol per facilitar les comunicacions dels
usuaris. Tota la informació s’emmagatzema al software del proveïdor de serveis.
• En Procés Empresarial on avui en dia, molts processos empresarials com els emails,
el CRM (Customer Relationship Management, gestió de relacions amb el client) i la
gestió de documents s’han convertit en serveis basats en el Cloud. SaaS s’ha
convertit en el mètode més vital per a les empreses. Alguns exemples de Saas
inclouen HubSpot i Salesforce.
• A Gmail, Facebook i Dropbox, la informàtica en núvol es pot utilitzar per

emmagatzemar fitxers. Ajuda a sincronitzar automàticament els fitxers des de
diferents dispositius com el mòbil, tableta i escriptori. Dropbox permet als usuaris
emmagatzemar i accedir a fitxers de fins a 2 GB de manera gratuïta. També, ofereix
una funció de còpia de seguretat fàcil. Facebook exigeix un allotjament potent per
gestionar i emmagatzemar dades en temps real. Ofereix facilitats de clic per trucar
des de llocs de xarxes socials i accés al sistema de missatgeria instantània.
HubSpot vs. Salesforce diferències.
• Tant HubSpot com Salesforce són coneguts en tots els sectors per les seves varietats d’aplicacions.
• HubSpot és més conegut com a eina de màrqueting entrant, mentre que Salesforce es coneix com a
software d’automatització de vendes, però tots dos ofereixen conjunts de funcions similars.
• Les diferències més grans entre tots dos són els seus models de preus, interfícies i la disponibilitat de
funcions.
• HubSpot i Salesforce ofereixen capacitats addicionals molt bones. Les dues empreses ofereixen API
(Application Programming Interface. Per exemple: el sistema de software de l’institut de meteotologia
conté dades meteorològiques diàries.) obertes i eines de desenvolupament per ajudar-vos a
personalitzar el CRM (Customer Relationship Management. És la combinació de pràctiques i
estratègies i tecnologies que les empreses utilitzen per gestionar i analitzar les interaccions i dades
dels clients al llarg del cicle de vida del client.) segons les necessitats.
HubSpot vs. Salesforce diferències.
• Salesforce és el més adequat per a les pimes que volen un CRM altament personalitzable
per augmentar l’eficiència global del negoci i millorar les vendes, el màrqueting i el servei
al client. El software recopila, gestiona i interpreta dades dels equips de màrqueting i
vendes i dels departaments d’atenció al client per crear una única font de dades per a
tothom. T’ajuda a obtenir informació per crear fluxos de treball personalitzats i
automatitzacions que facin que el teu negoci sigui més eficaç, sensible i rendible.
• HubSpot és la millor opció per a les empreses centrades a millorar les vendes i el
màrqueting. Està ple de funcions com una suite de màrqueting per correu electrònic
integrada per a campanyes optimitzades i personalitzades. La seva eina de creació de
llistes activa els venedors a identificar els objectius de la campanya. La previsió de
vendes i les mètriques de qualitat dels clients potencials són útils per als equips de
vendes.
https://www.answeriq.com/hubspot-vs-salesforce/
• En Atenció al Ciutadà, aquesta tecnologia es pot utilitzar per gestionar els

serveis als ciutadans. S’usa àmpliament per emmagatzemar, actualitzar,
gestionar els detalls dels ciutadans, reconèixer formularis i, fins i tot, verificar
l’estat actual de les aplicacions amb l’ajuda de la computació en núvol.
Serveis de Solucions Cloud.
• Programari com a servei (SaaS); Plataforma com a servei (Paas);
Infraestructura com a servei (IaaS).
• Diferents empreses utilitzen alguns o tots aquests components segons els

seus requisits.
• SaaS és un model de distribució de software en què les aplicacions són

allotjades per un venedor o proveïdor de serveis i posades a disposició dels
clients a través d’una xarxa d’Internet. SaaS s’està convertint en un model de
lliurament cada cop més prevalent com a tecnologies subjacents que admeten
els serveis web. A través d’Internet, aquest servei està disponible per als
usuaris de qualsevol part del món.
• Els usuaris de SaaS en comptes de comprar el software s’hi subscriuen, generalment

mensualment a través d’Internet. Qualsevol persona que necessiti accés a un
determinat programari es pot subscriure com a usuari, sigui una sigui dues persones
o els empleats d’una corporació. SaaS és compatible amb tots els dispositius
habilitats per a Internet.
• PaaS (Platform as a Service) proporciona una plataforma i un entorn per permetre als
desenvolupadors crear aplicacions i serveis. Aquest servei està allotjat al núvol i els
usuaris hi accedeixen a través d’Internet. Per exemple: és com pintar un dibuix, on un
professor de l’escola proporciona colors de pintura, paper i diferents pinzells i només
s’ha de dibuixar un dibuix bonic amb aquests. Els serveis PaaS s’actualitzen
constantment i s’afegeixen noves funcions. Inclou serveis de gestió i suport de
software, emmagatzematge, xarxes i allotjament i manteniment d’aplicacions.
• IaaS (Infrastructure As A Service) és un dels models de servei fonamentals de

cloud computing juntament amb PaaS. Proporciona accés als recursos
informàtics en un entorn virtualitzat “el núvol” a Internet. Proporciona
infraestructura informàtica com espai de servidor virtual, connexions de xarxa,
amplada de banda, equilibradors de càrrega i adreces IP. El conjunt de
recursos de maquinària s’extreu de diversos servidors i xarxes normalment
distribuïts en nombrosos centres de dades. Això proporciona redundància i
fiabilitat a IaaS.
Avantatges Solucions Cloud
• Fàcilment accessible.
• Ofereix seguretat a les dades
• Proporciona còpia de seguretat i recuperació de dades.
• És rendible gràcies al model de pagament per ús.
• Alta flexibilitat i escalabilitat.
• Emmagatzematge il.limitat sense cap infraestructura.
Tendències Solucions Cloud
• Els proveïdors de serveis de núvol IBM, Amazon, Microsoft i Google estan

treballant en aquestes tendències perquè es puguin oferir serveis més rendibles
als usuaris amb una alta eficiència.
• Les properes tendències i els nous avenços en la computació en núvol es pot

aconseguir una gran escalabilitat amb temps i rendibilitat a causa del format de
pagament. Aquest fet anima les empreses de tot el món a utilitzar serveis al núvol
i a treure el màxim profit d’aquestes tecnologies per escalar el seu negoci.
• Aquests serveis ofereixen una rendibilitat amb funcions elevades com la

seguretat de dades, recuperació i còpia de seguretat, arquitectura sense servidor
i tecnologies de tendència com IoT i la intel.ligència artificial.
• La inteli.ligència artificial (AI) i l’aprenentatge automàtic (Machine Learning) són tecnologies

rendibles, ja que requereixen una gran potència computacional i emmagatzematge per a la
recollida de dades i la formació. Les principals tendències que creixeran són l’automatització,
l’autoaprenentatge, el núvol personalitzat, l’alta seguretat de les dades i la privadesa. Per
exemple: la càmera AWS DeepLens d’Amazon i Google Lens són dos dels seus productes
basats en ML.
• Seguretat de les dades de l’organització és una prioritat. S’han de minimitzar les amenaces
com les filtracions i la supressió de dades i esmenes no autoritzades a les dades. Es prenen
determinades mesures per minimitzar les pèrdues i garantir una alta seguretat de les dades.
Les violacions de dades es poden minimitzar amb l’ajuda del xifratge i l’autenticació. Les
pèrdues de dades es poden reduir amb l’ajuda de còpies de seguretat, revisant polítiques de
privadesa i sistemes de recuperació de dades. Els proveïdors de serveis al núvol asseguren
les dades amb molts protocols de seguretat i algorismes de xifratge de dades.
• Desplegament de núvols múltiples i híbrids. Moltes organitzacions com bancs i companyies
d’assegurances utilitzen un servei de núvol híbrid que ofereix una combinació de núvols
privats i públics per emmagatzemar les seves dades. L’ús de multinúvol minimitza els riscos
potencials i els punts de fallada i proporciona una rendibilitat.
• Les solucions al núvol de codi baix i sense codi és quan les empreses creen aplicacions i
fan ús de la IA. Aquestes solucions poden ajudar en el desenvolupament de llocs web,
aplicacions i serveis sense tenir cap coneixement tècnic. Aquest fet ajuda a reduir el temps i
els costos necessaris per crear aquestes solucions. I fan augmentar la velocitat de
desenvolupament del producte i donen lloc a un nombre menor d’errors. Per exemple: eines
com Figma (és una potent eina de disseny que ajuda a crear qualsevol cosa com blocs web,
aplicacions i logotips) i Zoho (és una suite, núvol amb un munt de software i aplicacions
SaaS) permeten als usuaris dissenyar i desenvolupar llocs web, aplicacions i serveis sense
que hi hagi cap infraestructura informàtica ni coneixements de codificació.
Tendències Solucions Cloud 2023
• La informàtica perifèrica Edge inclou l’emmagatzematge de dades, el processament i

l’anàlisi de dades que es fa geogràficament més a prop de la font. Significa que el càlcul i
l’emmagatzematge de dades s’apropen als sensors i dispositius font. Proporciona molts
avantatges com són una eficiència millorada, una major privadesa, seguretat i una alta
taxa de transmissió de dades. Funciona en temps real i processa dades que no estan
limitades del temps. A mesura que augmenta l’ús de 5G és fàcil aconseguir un
processament ràpid i una latència reduïda. Amb l’augment dels dispositius IoT, la
informàtica de punta juga un paper important a l’hora de proporcionar dades i anàlisi de
dades en temps real.
• L’Internet de les coses, IoT és una tendència que s’està popularitzant dia a dia i implica
l’ús de molts sensors que generen grans quantitats de des que s’emmagatzemen als
servidors del núvol. Implica connectivitat entre ordinadors, xarxes i servidors. Pot recollir
dades de forma remota i comunicar-se amb els dispositius.
Tendències Solucions Cloud 2023
• Recuperació de desastres i còpia de seguretat. La recuperació de desastres
té un paper crucial en la restauració de dades i sistemes crítics en cas de
qualsevol mena de desastre. Moltes organitzacions s’han d’enfrontar a grans
pèrdues de dades no desades a causa de fallades del servidor. Amb l’ajuda
de la computació en núvol, es pot emmagatzemar una còpia de seguretat de
les dades crítiques de les empreses per recuperar-se ràpidament de les
interrupcions com ara la pèrdua de dades, talls d’energia, desastres naturals,
ciberatacs o fallades del software. Moltes empreses mantenen registres i
fitxers electrònics i carreguen aquests documents en un servidor de núvol
extern automàticament.
https://executivegov.com/articles/13-companies-making-waves-in-cloud-computing-for-2023/
Tema 3: Solucions Cloud.
Jaime Ribó
Tema: 4 Escenaris d’ús Big Data.
Jaime Ribó
L’Ús de Big Data en temps real (organitzacions, empreses…)
• La tecnologia de Big Data permet d’emmagatzematge, l’anàlisi i la gestió de

grans quantitats de dades, permetent a les empreses desenvolupar solucions
intel.ligents. S’utilitza en diverses àrees com els mitjans de comunicació i
l’entreteniment, la medicina, l’agricultura i la protecció del medi ambient.
• En incorporar grans dades als seus sistemes, les empreses milloren les
operacions, ofereixen un servei al client superior, creen campanyes de
màrqueting personalitzades augmentant els ingressos i generant beneficis més
grans.
• Moltes indústries usen diversos casos d’ús d’anàlisi de Big Data per aconseguir
l’èxit empresarial mitjançant l’anàlisi de quantitat massius de dades no
estructurades per obtenir informació útil.
https://www.linkedin.com/pulse/big-data-analytics-market-forecasting-growth-scenario-gnp7c/
• Les organitzacions sanitàries aprofiten el Big Data per millorar els resultats
dels pacients mitjançant la identificació de tendències, la predicció de brots de
malalties i l’optimització dels plans de tractament basats en l’anàlisi de dades
a gran escala.
• Les institucions financeres utilitzen Big Data per detectar activitats

fraudulentes, gestionar el risc i prendre decisions d’inversió basades en
dades.
• Les empreses de fabricació usen Big Data per optimitzar els processos de
producció, reduir el temps d’inactivitat i predir les necessitats de manteniment,
donant lloc a una major productivitat i una reducció de costos.
• Les empreses energètiques aprofiten el Big Data per optimitzar la generació i
distribució d’energia, identificar patrons de consum i promoure l’eficiència
energètica.
• Les agències governamentals utilitzen Big Data per a l’elaboració de

polítiques, la planificació urbana i l’assignació de recursos, permeten la presa
de decisions basada en l’evidència i la millora dels serveis públics.
L’anàlisi de Big Data
• L’anàlisi de Big Data és cada cop més important per fomentar el
desenvolupament i la innovació en el sector dels mitjans de comunicació.
• Cada dia es generen dades massives i això permet a les empreses de mitjans
entendre millor la seva audiència i personalitzar el seu contingut per
maximitzar els ingressos i la implicació.
• Un exemple és Netflix que genera recomanacions de contingut

personalitzades per als seus usuaris en funció de les seves preferències de
visualització i de l’historial. Aquest fet condueix a taxes de retenció i
participació dels usuaris més altes per a aquesta plataforma.
https://es.linkedin.com/pulse/importancia-del-análisis-de-datos-en-2023-gabriel-pérez-león
Casos d’ús de Big Data mitjans comunicació
• Els casos de recomanació de contingut on les plataformes multimèdia utilitzen l’anàlisi

de Big Data per analitzar el comportament dels usuaris i recomanar contingut que els
interessa. Un exemple és Spotify que genera recomanacions de cançons i llistes de
reproducció basades en els hàbits d’escolta dels usuaris. Un altre exemple és Amazon
Prime Video que implementa l’anàlisi de Big Data per generar recomanacions de
contingut basades en patrons de visualització anteriors i ressenyes dels usuaris.
• Casos d’optimització de la publicitat on les grans dades es poden usar per analitzar el
comportament i les preferències dels usuaris, i permet a les empreses publicar anuncis
més específics i efectius. Aquest fet comporta un augment dels ingressos publicitaris i
un millor ROI (Return On Investment, retorn sobre la inversió) per als anunciants. Per
exemple: les plataformes de transmissió de vídeo fan servir l’anàlisi de Big Data per
orientar-se als espectadors adequats optimitzant la ubicació dels seus anuncis.
https://www.veltris.com/blogs/how-data-ai-is-transforming-the-media-entertainment-industry/
Casos d’ús de Big Data mitjans comunicació
• Els casos d’anàlisi predictiva on mitjançant l’anàlisi de dades sobre el
comportament dels usuaris i els patrons de consum de contingut, les
empreses de mitjans poden predir quin contingut tindrà èxit en el futur. Això
ajuda a prendre millors decisions d’inversió i reduir el risc de fracàs de
contingut. Per exemple: NBC Universal i Warner Bros utilitzen l’anàlisi de
grans dades per predir el rendiment de taquilla de les següents pel.lícules i
prendre decisions d’inversió en nous programes de televisió.
https://together.nbcuni.com/insights/blogs/nbcunified-one-single-scalable-identity-platform/
Casos d’ús de Big Data sector, comerç al detall (Retail)
• El sector al detall utilitza cada cop més l’anàlisi de Big Data per obtenir informació valuosa del negoci i
millorar els processos empresarials, les experiències dels clients, la gestió d’inventaris, les estratègies de
preus i la gestió de la cadena de subministrament. Amazon usa grans dades per analitzar la informació i
el comportament dels clients, inclòs l’historial de navegació i compres, per adaptar l’experiència de
compra per a cada client.
• Les Recomanacions personalitzades els detallistes fan servir Big Data per analitzar les dades dels
clients, com l’historial de navegació, el comportament de compra i l’activitat de les xarxes socials, per
personalitzar l’experiència de compra. Per exemple: un detallista de roba analitza l’historial de compra i
navegació d’un client per oferir recomanacions i promocions personalitzades adaptades al seu estil i
preferències.
• L’Optimització d’inventari els detallistes utilitzen l’anàlisi de Big Data per optimitzar la gestió de l’inventari
mitjançant l’anàlisi de dades històriques i de registre en temps real sobre vendes, devolucions i nivells
d’estoc. Ajuda els detallistes a preveure la demanda amb precisió, optimitzar l’assortiment de productes i
reduir les existències o excés i condueix a millors vendes i costos reduïts.
https://www.oracle.com/oce/dc/assets/CONT502F0769D2E4466F87C0017C92DA6CE5/native/fy22409aspebookcrosspdfprincipalescasos.pdf
• Optimització de preus. Els detallistes aprofiten l’anàlisi de Big Data per a
l’optimització de preus mitjançant l’anàlisi de dades sobre preus de la competència,
dades històriques de vendes, demanda de clients i tendències del mercat. Per
exemple: un lloc web de reserves de viatges implementa l’optimització de preus i
prepara estratègies de preus dinàmiques basades en la demanda, la competència i
el comportament dels clients per optimitzar els ingressos.
• Gestió de la cadena de subministrament on els detallistes utilitzen Big Data per

optimitzar les operacions de la cadena de subministrament mitjançant l’anàlisi de
dades de registre sobre nivells de logística, transport i inventari. Per exemple: un
gran magatzem optimitza la seva cadena de subministrament mitjançant l’anàlisi de
dades de transport de productes i nivells d’inventari, reduint els terminis de
lliurament i les existències.
https://www.matellio.com/blog/big-data-analytics-in-retail-industry/
• Detenció de frau on els detallistes utilitzen l’anàlisi de dades per detectar i

prevenir el frau en transaccions en línia, processament de targetes de crèdit i
programes de fidelització. Per exemple, un lloc web de comerç electrònic usa
l’anàlisi de grans dades per detectar i prevenir transaccions fraudulentes,
analitzant el comportament dels clients, l’historial de transaccions i els patrons
de frau per identificar els riscos potencials.
https://www.crehana.com/blog/transformacion-digital/big-data-casos-de-exito/
Exemples de companyies que utilitzen Big Data
• Les que es dediquen a l’anàlisi del sentiment del client. L’univers de Big Data està ple de
converses, ressenyes de clients i comentaris. Amb l’augment dels canals de comunicació
amb els clients, com les plataformes de xarxes socials, les organitzacions han d’entendre
i analitzar què diuen els clients sobre els seus productes o serveis per garantir la
satisfacció del client.
• Les companyies aèries com Delta Alirlines utilitzen l’anàlisi de sentiments per analitzar
l’experiència de seguiment dels seus clients. Controlen els tuits per esbrinar com se
senten els seus clients sobre els retards, les actualitzacions, l’entreteniment durant el vol i
molt més. Per exemple: quan un client piula negativament sobre el seu equipatge perdut
amb la companyia aèria abans d’embarcar en el seu vol de connexió. La companyia
identifica aquests tuits negatius i els reenvia al seu equip de suport. L’equip d’assistència
envia un representant a la destinació del passatger, presentant-li un bitllet de millora de
primera classe gratuït.
https://data-flair.training/blogs/big-data-in-travel-industry/
• Les empreses que es dediquen a l’anàlisi conductual. El 48% de les organitzacions
utilitzen Big Data per obtenir informació significativa de les dades de comportament
dels clients. Les organitzacions estan aprofitant el poder de les grans dades
mitjançant l’anàlisi del comportament per oferir un gran valor a les empreses.
Pinterest ha dominat la recomanació de productes fa temps en funció dels
interessos dels clients.
• McDonald’s amb més de 34000 restaurants està usant l’anàlisi de dades massives
per aconseguir més informació per millorar les operacions als seus diversos
establiments i millorar l’experiència del client. El sistema d’anàlisi de McDonald’s
analitza dades sobre diversos factors com els temps d’espera, la informació del
menú, la mida de les comandes i els patrons dels clients per optimitzar les
operacions dels seus restaurants en ubicacions específiques.
• Les que es dediquen a la segmentació de clients. Amb l’augment dels costos

d’adquisició de clients, ha esdevingut important per a les empreses orientar les
promocions de màrqueting de manera eficaç mitjançant la segmentació de clients. Les
organitzacions correlacionen la informació del perfil del comportament dels clients als
llocs web de les xarxes socials i l’historial de compres, per reduir els costos d’adquisició
de clients orientant els seus clients amb ofertes personalitzades.
• Time Warner opera en 15 mercats diferents i té prop de 14 milions de clients. La

companyia aprofita l’anàlisi de Big Data per crear campanyes publicitàries
personalitzades. Combinen dades de visualització local i conjunt de dades
demogràfiques amb altres dades com informació sobre les preferències polítiques i els
ingressos. Això ajuda Time Warner a orientar les seves campanyes de màrqueting i
anuncis mitjançant diversos mitjans com ràdio, televisió, web i aplicacions mòbils.
• Les que es dediquen a l’analítica predictiva. Les empreses d’avui en dia volen
mirar el futur per augmentar els ingressos. Aprofitant l’anàlisi de grans dades,
les indústries desenvolupen models predictius com a prioritat màxima.
• Volkswagen utilitza Big Data per donar suport al màrqueting predictiu que
ajuda a fidelitzar la marca augmentant els ingressos dels seus serveis
postvenda. Aquesta empresa analitza les dades dels clients de múltiples
fonts, dades de vehicles i les notes qualitatives escrites pels tècnics per
atraure els propietaris a venir als seus centres de servei.
• Les que es dediquen a la detecció de frau. Els delictes financers, les

reclamacions fraudulentes i les infraccions de dades són els reptes més
comuns als quals s’enfronten les empreses de diverses indústries. L’anàlisi de
Big Data ajuda les organitzacions a detectar, prevenir i eliminar el frau intern i
extern. Per exemple: els algorismes d’anàlisi poden alertar un banc que algú
ha robat una targeta de dèbit o de crèdit mitjançant la identificació de patrons
de comportament inusuals a les transaccions de la targeta.
• VISA el gegant del processament de targetes de crèdit i dèbit utilitza l’anàlisi

de grans dades per a possibles fraus.
El paper del Big Data en el màrqueting
• El Big Data fa referència al volum massiu de dades tant estructurades com no
estructurades (imatges, vídeos, publicacions a les xarxes socials) que inunda
les empreses diàriament. Totes aquestes dades, recopilades de diverses fonts
com les xarxes socials, les interaccions dels clients al lloc web, els clics a les
campanyes de màrqueting ofereixen informació inestimable sobre el
comportament, les preferències i les tendències dels consumidors.
• Aprofitant l’anàlisi avançada i les metodologies basades en dades, els

venedors poden obtenir una comprensió profunda del seu públic objectiu. I
això, significa prendre decisions més intel.ligents i elaborar estratègies de
màrqueting fonamentades per dades sòlides.
Quatre avantatges Big Data en màrqueting
• Una visió única del client. Les dades massives permeten als professionals del màrqueting consolidar
les dades dels clients de diverses fonts com CRM (Customer Relationship Customer) i bases de
dades de clients, registres d’interaccions web i el conjunt de dades de les seves compres.
• Millora de presa de decisions amb el màrqueting basat en dades i en informació en temps real. Es
poden ajustar ràpidament les campanyes i els preus o canviar els plans de promoció en funció de les
últimes tendències del mercat i el comportament dels consumidors.
• ROI maximitzat on s’optimitzen els esforços de màrqueting mitjançant l’anàlisi de dades, les empreses
poden assignar recursos de manera més eficient, maximitzant el retorn de la inversió ROI i
minimitzant la despesa publicitaria malbaratada.
• Desenvolupament de nous productes on el Big Data ofereix un tresor d’informació sobre les
necessitats dels clients i els punts dolorosos, ajudant en el desenvolupament de productes i serveis
innovadors que s’adaptin a les demandes del mercat.
https://mytasker.com/blog/benefits-of-digital-marketing/
Reptes del Big Data en màrqueting
• Tot i que el màrqueting de Big Data té un potencial immens, l’ús de l’anàlisi de Big Data per impulsar l’èxit del
màrqueting presenta diversos reptes com:
• La Integració de dades. Consolidar dades de diverses fonts en un format coherent pot ser complex i requereix
molt de temps.
• La Governança de dades: garantir la seguretat de les dades, la privadesa i el compliment de la normativa és
crucial. Suposa una gran càrrega per als equips de màrqueting.
• La Qualitat i precisió de les dades: la fiabilitat de la informació depèn en gran manera de la qualitat i la precisió
de les dades recollides. Sense provar els canals de dades que generen els coneixements de màrqueting, hi ha
el risc d’assignar el pressupost de màrqueting a estratègies de comunicació ineficaces.
• La falta de Personal de Qualitat: els equips de màrqueting normalment depenen del departament informàtic o
de dades per a la seva feina. Això, introdueix friccions i provoca retards en les activitats de màrqueting.
• Anàlisi i acció en temps real: l’anàlisi de dades oportuna és essencial per aprofitar les oportunitats emergents,
la qual cosa requereix capacitats sòlides de recopilació i anàlisi de dades en temps real.
Beneficis del Big Data en màrqueting
• Adquisició i retenció de clients. Les petjades digitals dels clients revelen molt sobre
les seves preferències, necessitats i comportament de compra. Les empreses
utilitzen Big Data per observar els patrons de consum i després adaptar els seus
productes i serveis segons les necessitats específiques dels clients. Això, suposa
un llarg camí per garantir la satisfacció del client, la fidelitat i un augment
considerable de vendes.
• Promocions focalitzades i dirigides on les grans dades permeten a les empreses

oferir productes personalitzats al seu mercat objectiu, sense gastar més fortunes en
campanyes promocionals que no s’ofereixen. Amb el Big Data les empreses poden
analitzar les tendències dels clients mitjançant el seguiment de les compres en línia
i les transaccions al punt de venda. Ajuden les marques a complir expectatives dels
clients i a fidelitzar la marca.
• Identificació de Riscos Potencials. Les empreses funcionen en entorn d’alt risc, de
manera que necessiten solucions efectives de gestió de riscos per abordar els problemes.
El Big Data té un paper fonamental en el desenvolupament de processos i estratègies de
gestió de riscos efectius. Les eines i l’anàlisi de grans dades redueixen ràpidament els
riscos optimitzant decisions complexes per a esdeveniments inesperats i amenaces
potencials.
• Innovar. Els coneixements que s’obtenen mitjançant l’anàlisi de Big Data són la clau de la
innovació. El Big Data permet actualitzar els productes/serveis existents alhora que
s’innoven de nous. El gran volum de dades recollides ajuda les empreses a identificar què
s’adapta a la seva base de clients. La informació sobre la qual els altres pensen dels
productes/serveis ajuda en el desenvolupament del producte. Els coneixements es poden
utilitzar per modificar les estratègies empresarials, millorar les tècniques de màrqueting i
optimitzar el servei al client i la productivitat dels empleats.
• Optimització de costos. Un dels avantatges més convincents que ofereixen les
eines de Big Data com Hadoop i Spark inclou importants avantatges de costos
per emmagatzemar, processar i analitzar grans volums de dades.
• Millorar l’eficiència. Les eines de Big Data poden millorar l’eficiència operativa:
la interacció amb els clients i els seus valuosos comentaris ajuden a recopilar
grans quantitats de dades valuoses dels clients.
Exemples del Big Data en màrqueting
• Airbnb és una de les històries d’èxit de Big Data més destacades, ja que l’empresa
ha organitzat moltes de les seves operacions al voltant de l’obtenció de
coneixements crítics de les dades. La ciència de dades que van usar després va
millorar considerablement la seva eficiència de màrqueting. Airbnb utilitza Big Data
per esbrinar on són geogràficament els millors i els pitjors resultats i més tard
utilitza la informació per treure conclusions significatives i fer millores beneficioses.
• The Economist crea les millors relacions amb els seus clients i el Big Data ocupa
una part important de la seva llista de prioritats, ja que requereixen una millor
comprensió del que necessiten els seus clients. El diari ha afegit una plataforma de
dades de clients a la seva gestió de Big Data, que els permet localitzar les ofertes
de màrqueting més eficients per arribar als clients en moments rellevants. Aquest
fet ha provocat un augment significatiu de les tarifes de subscripció.
https://economictimes.indiatimes.com/jobs/c-suite/what-are-the-benefits-and-challenges-of-big-data-analytics/articleshow/103312056.cms
Tema: 4 Escenaris d’ús Big Data.
Jaime Ribó
Tema: 5 Paradigma de dades.
Jaime Ribó
Paradigma definició
• El concepte de “paradigma” és utilitzat comunament com a sinònim d’exemple

o per fer referència a alguna cosa que es pren com a model.
• En principi es tenia en compte en el camp, tema, àmbit, entre dues

personalitats o altres, gramatical i es valorava des de la retòrica i ara des del
Big Data.
“ Ja no tenim dades, les fem servir”
Concepte de Big Data. Història.
• El concepte de Big Data s’ha utilitzat al llarg dels anys amb diferents definicions. La primera vegada l’any
1980 en un document de treball de Charles Tilly en un article publicat el 1984: The Old New Social
History and the New Old Social History. En aquest article Tilly diu: “cap de les grans qüestions de la
història ha cedit realment a l’atac de la gent de Big Data, i que, en general, la sofisticació de la
metodologia ha tendit a superar la fiabilitat de les dades”.
• En el context informàtic, el terme va aparèixer l’any 1997 en un article de la NASA titulat: “Pàgina de
demanda controlada per l’aplicació per a la visualització fora del nucli” i van esmentar que els grans
conjunts de dades va suposar un repte pel que fa a la capacitat de la memòria principal de l’ordinador per
generar les visualitzacions adequades d’una manera eficaç. M.Cox i D.Ellsworth l’any 1997 van
anomenar això el problema del Big Data.
• L’any 2001, Doug Laney va escriure un breu article en què es van sintetitzar els reptes de Big Data a
través dels 3 Vs. Aquests reptes estaven relacionats dins del context de gestió de dades com a resultat
del comerç electrònic: Volum, Velocitat i Varietat. Des d’aleshores, els 3 V s’han utilitzat per definir o
descriure el context Big Data.
• La consciència que l’era del Big Data era una realitat i ha vingut per quedar-se en el
futur, es va revelar en un article de Peter Lyman l’any 2003 en què l’autor demostrava
com la generació de dades digitals havia augmentat radicalment en els tres anys
anteriors i mostrava com augmentaria durant els anys següents.
• L’any 2014 Press va esmentar com s’havia popularitzat el terme Big Data després de
la publicació d’un article escrit per tres destacats científics informàtics el 2008:
“Informàtica de grans dades: creació d’avenços revolucionaris en el comerç, la
ciència i la societat” i va dibuixar el context de les tecnologies computacionals com
els sensors digitals, xarxes informàtiques, emmagatzematge de dades, sistemes
informàtics en clúster, instal.lacions de computació en núvol i algorismes d’anàlisi de
dades. Tot això ha canviat la manera com les empreses, organitzacions,
investigadors, governs, entre d’altres, poden accedir a la informació.
• Segons Shim JH, l’any 2015, a partir d’un article publicat hi ha 7 grans grups de dades que les
organitzacions capten. Tenint en compte l’exposició de Laney sobre les V en Big Data, es
poden descriure de la següent manera: Volum, Velocitat, Varietat de les dades, Veracitat de
les dades, Valor, Variabilitat i Visualització de les dades.
• La Variabilitat es deu al fet que en el context computacional el significat d’algunes dades

canvia constantment. Succeeix, per exemple, a la realització d’anàlisi de sentiments (SA és
per a mesurar l’opinió d’un usuari sobre: producte, servei, tema, problema, organització o
esdeveniment) on algunes paraules o frases tenen un significat diferent segons el context o la
manera com es fa referència.
• Visualització per prendre les decisions correctes o precises basades en dades. És important
poder llegir i interpretar les dades correctament obtenint representacions espontànies dels
conjunts de dades. Eines com Tableau permeten representacions per a la presa de decisions
a partir de les dades.
• Les dades són més que columnes i valors. Es tracta de la procedència, qualitat, qui
l’utilitza i per què.
• Tota aquesta infraestructura està enterrada a la infraestructura de dades.

• En el nou paradigma l’espai de gestió de dades s’ha de redefinir facilitant la
disponibilitat de dades d’una manera totalment governada, permetent que tota
l’organització introdueixi dades en cada procés i col.labori completament basant-se en
mètodes basats en dades.
• Les organitzacions haurien de ser lliures d’aportar qualsevol eina que necessiten, no
com a solució final que canviï la vida, sinó com una peça flexible i componible de la
infraestructura. Quan l’eina sobreviu a la seva utilitat, les empreses poden canviar a
alguna cosa nova sense perdre el context inherent associat a aquesta eina.
• Hi ha molta controvèrsia i confusió pel que fa a les V del Big Data.

Paradigma de dades
• El Big Data conquereix la guerra tecnològica i captura fàcilment tot el mercat des del 2009. El Big
Data està explotant per tot arreu, en tots els àmbits.
• Mou una quantitat massiva de dades i és capaç de generar milers de milions d’ingressos en un
volum cada cop més gran.
• El repte d’avui és conèixer els creixents volums de dades que comporten els clients i reguladors
que són capaços de transformar ràpidament quantitats de dades en brut en coneixements
accionables aprofitant solucions innovadores per tractar les grans dades.
• En l’actualitat la quantitat de dades que gestionen els clients i sol.liciten els reguladors és cada cop
més gran. Per tant, s’ha de discutir com tractar dades cada cop més grans en el context del treball
diari dels consultors econòmics.
• Es generen més dades que mai en un món cada cop més digital i mesurat. I prové de transaccions,
missatges, dades d’imatge, informació de xarxes socials i de l’ús d’aplicacions.
Paradigma de dades
• Amb la prevalença dels mòbils i dispositius digitals en pràcticament tots els
àmbits de la vida, cadascú de nosaltres és efectivament un generador de dades.
Per exemple: Google processa més de 99000 cerques cada segon, WhatsApp
transmet més d’1 milió de missatges per segon i s’envien i reben gairebé 4
milions de correus electrònics cada segon.
• Avui no s’espera que aquest creixement s’estabilitzi aviat. Per exemple: el volum
de dades generades a tot el món va ser més de trenta vegades més gran l’any
2020 que el 2010.
• El Big Data és el paradigma més destacat actualment. Comença a governar

lentament a partir del 2003, i s’espera que governi i domini les indústries fins al
2030.
https://kaizen.com/insights/analysis-data-innovation-businesses/
Paradigma de dades
• Per entendre-ho la mida d’aquestes dades, els disquets molt populars des de
l’any 1970 fins al 2000 cada disc era bastant petit i podia contenir al voltant
d’un megabyte de dades. Per contenir un gigabyte de dades, es necessiten
uns 715 disquets, que s’apilarien fins a 1,2 vegades l’alçada del jugador de
voleibol iraní Morteza Mehrzad.
• Si s’augmenta a un terabyte, equivaldria a tres vegades l’alçada del Burj

Khalifa.
• Un Petabyte fa el viatge de tornada a Berlín des de Barcelona i un Zettabyte

és encara més gran la distància.
Paradigma de dades
• Quantitats cada cop més grans de dades arriben als casos de competència. A mesura que les
empreses que participen en procediments de competència generen i emmagatzemen més dades que
s’han d’analitzar amb volums més grans per respondre a les preguntes diàries.
• Per als consultors econòmics i els científics de dades que fan l’anàlisi és essencial que les habilitats i
tecnologies que utilitzen estiguin a l’altura de les seves tasques.
• La manera antiga d’emmagatzemar aquesta informació localment en ordinadors portàtils o fins i tot
servidors locals resulta difícil, ja que aquests no poden gestionar les grans quantitats de dades que
reben, la qual cosa significa augmentar les seves capacitats d’emmagatzematge de dades.
• S’han d’aprofitar els avenços en les tecnologies de processament de dades, per exemple: plataformes
d’anàlisi distribuïda basades en núvol.
• Malgrat els reptes, el món de les grans dades ofereix oportunitats interessants perquè els científics de
dades i els economistes apliquin la seva experiència.
https://www.linkedin.com/pulse/power-big-data-paradigm-shift-digital-era-abhisheka-hettipathirana
Paradigma de dades i la tecnologia
• La tecnologia està evolucionant dràsticament. Fa uns anys, els economistes van utilitzar dades
emmagatzemades en els anomenats fitxers plans, com per exemple: els d’Excel, que funcionen bé
per a dades petites, per dur a terme les anàlisis.
• A mesura que augmenta el volum de dades en aquests fitxers, arriba un punt en què fer anàlisi
significa temps de processament insatisfactoris.
• Avui dia, hi ha diverses eines que permeten executar les anàlisis de manera oportuna,
independentment del volum de dades implicades.
• La tecnologia de dades està dissenyada per permetre als usuaris emmagatzemar, consultar i
compartir de manera eficient grans conjunts de dades, i gairebé sempre és l’enfocament preferit en
comparació amb l’ús de fitxers plans.
• Les bases de dades són molt més ràpides i són millors per gestionar grans volums de dades. I suposa
un estalvi de temps important en els procediments i pot reduir els costos per als clients.
Paradigma de dades i la tecnologia
• Els sistemes de gestió de bases de dades, que normalment utilitzen la tecnologia de llenguatge de consulta
estructurat (Structured Query Language SQL és un llenguatge de programació per emmagatzemar i processar
informació en una base de dades) han estat una part integral del conjunt d’eines en la gestió de grans conjunts
de dades. Han implementat diversos servidors de bases de dades dins dels seus sistemes i han creat eines
que permeten als economistes carregar les dades dels clients de manera fàcil i segura i començar a processar-
les a gran velocitat.
• A mesura que els conjunts de dades es fan més grans que un o dos terabytes, els servidors de bases de dades
sofisticats i locals poden arribar a ser insuficients. Per a aquest Big Data s’aprofiten les bases de dades
allotjades a plataformes en núvol com per exemple: Microsoft Azure (un conjunt de serveis núvol).
• L’avantatge de les plataformes al núvol és que l’escala augmenta la mida i el rendiment de la base de dades en
resposta a les necessitats. És pràcticament sense esforç i significa que independentment de la mida de les
dades que rebem dels clients, es poden processar de manera ràpida i eficaç.
• És relativament senzill i els servidors més grans tenen costos creixents i sovint és fonamental fer la
compensació adequada de velocitat i cost.
https://www.profesionalonline.com/blog/redes-sistemas/que-es-microsoft-azure-y-para-que-sirve/
Paradigma de dades post-COVID-19
• Una de les víctimes de la pandèmia ha estat el Big Data. Tradicionalment, es

creia que com més gran era la mida del conjunt de dades per a l’anàlisi, més
informació útil i precisa es podria extreure. Això, ha canviat completament a
conseqüència de la pandèmia.
• La crisi sanitària global va crear una desviació tan pronunciada de les tendències
passades. La precisió de molts sistemes d’intel.ligència artificial (IA) i de Machine
Learning s’han reduït dràsticament. I això, ha obert el camí per a un canvi de
paradigma en com es perceben i s’utilitzen les dades en l’actualitat.
• Avui dia estem a l’era de dues noves tècniques analítiques anomenades: dades
petites i amples.
Paradigma de dades post-COVID-19
• Aquests dos termes poden semblar en conflicte a primera vista, però el fet és
que aquests dos mètodes es complementen.
• Les dades petites solen oferir informació útil aprofitant menys dades
mitjançant tècniques d’anàlisi de sèries temporals.
• Les dades amplies gira al volant de l’anàlisi i la sinergia de dades

estructurades i no estructurades, independentment de si els conjunts de
dades estan directament correlacionats o no. Les dades amples tenen com a
objectiu extreure o identificar enllaços entre conjunts de dades heterogenis.
Paradigma de dades post-COVID-19. Què s’espera?
• S’espera que les tècniques de dades petites i amples donin resultats positius:
previsió de la demanda al detall, intel.ligència de comportament en temps real,
hiperpersonalització i millora de l’experiència global del client.
• L’any 2025 gairebé el 70% de les organitzacions canviaran el seu enfocament

de les grans dades cap a les petites i grans. És probable que l’ús d’aquestes
tècniques faci que la IA sigui menys dependent de grans quantitats de dades.
• És prometedor el concepte, ja que aquestes tècniques són capaces d’oferir

informació útil en àrees on les tendències històriques o passades no són més
rellevants.
Paradigma de dades dia a dia
• La tecnologia és una eina, no una solució. En última instància, correspon als
economistes i científics de dades utilitzar aquestes eines d’emmagatzematge i
anàlisi de dades de manera eficaç, per obtenir els beneficis dels projectes.
• Per optimitzar l’ús d’aquestes eines: Primer, ha d’assegurar-se que hi ha la

infraestructura necessària perquè puguem allotjar les dades en un format o un
altre, segons els casos específics; Segon, impartir els coneixements rellevants
a tots els membres de l’empresa per garantir que aquestes eines siguin usats
de manera segura i eficient.
• Tenir dades és el vell paradigma. Una organització recopila dades a mesura

que s’adjunten a les eines i serveis que utilitza l’organització.
• És essencial pensar les dades d’una altra manera: un nou paradigma per
abordar les dades.
• El volum i la freqüència de les dades requereix que les empreses actualitzin

eines i aplicacions amb freqüència. Afegint sistemes heretats a aquesta
combinació, les empreses s’enfronten a un ecosistema complex que requereix
canvis i resolució de problemes per funcionar.
• El 95% de les organitzacions estan integrant dades en entorns híbrids i multinúvol.
• El 77% de les organitzacions estan integrant fins a 5 tipus diferents de dades en
pipelines (el terme canalització de dades descriu un conjunt de processos que
mouen dades d’un lloc a un altre, mentre les dades viatgen poden patir
transformacions com l’enriquiment i la duplicació de dades).
• El 65% de les organitzacions utilitzen almenys 10 eines diferents d’enginyeria de

dades i d’intel.ligència per integrar dades.
• En definitiva, les empreses no poden escalar les seves solucions de dades, ni tan
sols poden mantenir-se al dia amb el qual tenen ara.
• La demanda creixent de científics de dades continuarà un 28% durant els

propers anys a mesura que les empreses continuen creant deute tècnic que
no podran solucionar.
El nou paradigma del negoci de dades
• Ara les dades s’han transformat en totes les dimensions. La seva quantitat ha
crescut exponencialment. Gràcies a Internet, la seva connexió ha crescut més
ràpidament i els sistemes de Machine Learning han fet incalculable el valor de
dades. Les empreses volen dades que els ajudin a obtenir coneixements profunds,
dinàmics i en temps real dels seus clients, mercats i cadenes de subministrament
mitjançant models d’aprenentatge automàtic.
• En l’actualitat es vol millors prediccions tant de les realitats del dia a dia com de les
tendències al llarg termini. Es vol que les dades ajudin a crear experiències millors i
úniques per als clients. I per això, es necessiten accessos més ràpids a les dades
per donar suport a la innovació ràpida que els permetrà prosperar en el nou entorn
hipercompetitiu. Les empreses ja no es poden permetre el luxe d’esperar que les de
les rodes dels antics molins de dades girin.
• Afortunadament, les dades ara es poden moure ràpidament. I requereix no només la
instal.lació de programari i procediments nous sinó d’una nova comprensió bàsica de
les dades. La visió, la predicció i el suport a la innovació ràpida no són objectius nous
per a les empreses i per satisfer les necessitats actuals cal:
• El temps per construir i lliurar conjunt de dades que han d’anar de setmanes o mesos
a minuts o segons.
• Les dades han de ser interoperables de manera fluida.

• S’han de poder recuperar d’una manera que ningú no havia previst.
• Han de suportar les exigències de seguretat i compliment més estrictes en un entorn
regulador global i sovint inconsistent.
• L’aprenentatge automàtic (ML) proporciona una manera de trobar relacions

estadístiques ocultes que poden donar prediccions més detallades sobre
quins productes podrien tenir una demanda sorprenentment alta.
• El model de Machine Learning necessita moltes dades per analitzar, dades

que abasten molts dominis, incloses les dades d’aplicacions.
• L’entrenament d’un model és molt interactiu i sovint implica sol.licituds de

dades. Qualsevol impediment frena directament el ritme d’innovació i pot
disminuir seriosament la competitivitat d’una empresa.
• Les dades han de poder interoperar amb aplicacions d’Internet des de

qualsevol lloc, no només posar-les en un format comú, sinó transformar-les
condicionalment per satisfer una sol.licitud entrant. El magatzem de dades
comença a semblar menys a la memòria RAM d’un ordinador i més a un
ordinador massiu.
• El nucli d’aquesta nova arquitectura pot fer recuperar i transformar les dades
de manera programada. Extreure’n conclusions i presentar-les en qualsevol
forma que sigui més útil per a la persona que la sol.liciti, ja sigui un Word o un
fitxer dissenyat per al Machine Learning, un lloc web públic o una eina
interactiva per investigadors.
• Es pot garantir que les dades que s’entreguen compleixen tots els requisits
rellevants de privadesa i seguretat. Com que l’entorn regulador és tan fragmentat,
complex i en constant canvi, és crucial automatitzar el compliment mitjançant una
interfície programable.
• Pot fer que les dades siguin més intel.ligents habilitant bucles de retroalimentació
que permetin que tota la recopilació de dades aprengui de com s’ha utilitzat.
Permet que les dades parlin amb dades de qualsevol altra font i aprèn del que
aquestes dades es diuen entre elles.
• Permet aprofitar més totes les nostres dades perquè són sensibles i en temps
real, de manera que no estem lligats a les prediccions d’ahir del que pensem que
serà important per a l’empresa avui.
https://www.nitorinfotech.com/blog/the-new-paradigm-of-business-intelligence/
• Les dades es tracten com un recurs passiu, més que com un motor de negoci
actiu i un agent de canvi.
• Una organització només obté el valor total de les seves dades quan accepta
que es connecten i milloren, s’amplien i se centren, s’apliquen en projectes i
indústries i es fan més intel.ligents amb cada ús.
• Ara les dades són l’essència vital de l’organització, una que s’entén
completament i s’integra a l’empresa en el seu conjunt. Fins que les empreses
no puguin adoptar aquest enfocament, mai tindran control sobre les seves
pròpies dades ni entendran el seu propòsit real.
“El nou paradigma garanteix el valor real de les dades”
https://www3.weforum.org/docs/WEF_New_Paradigm_for_Business_of_Data_Report_2020.pdf
Tema: 5 Paradigma de dades.
Jaime Ribó
Tema: 6 El Big Data als sistemes d’informació públics.
Jaime Ribó
“El 80% de les organitzacions governamentals encara es troben en
les etapes inicials o en desenvolupament de maduresa digital”
Què necessita el sector públic per gestionar i processar millor i més
segur les dades que recull?
Com podrien eines com la IA i Internet of Things IoT ajudar a assolir

a aquests objectius?
El Big Data als sistemes d’informació públics
• Les organitzacions governamentals tenen una obligació molt gran de gestionar les
dades de manera responsable i segura. Tracten d’informacions personals de tots
els ciutadans. I no se sap en realista quines dades són realment propietat de qui.
• Avui, les dades són la nova forma de moneda, ja que, les pràctiques empresarials a
tots els sectors, s’estan transformant pels avenços tecnològics. I per l’augment de
la quantitat cada cop més gran de la digitalització i generació de dades al govern.
• La informació a Internet creix cada dia i es fa més complicada. Els processos de

gestió, seguretat, emmagatzematge i processament de la informació són més
complexos. També, a mesura que el valor potencial del Big Data creix ho fa la
consciència del govern.
El Big Data als sistemes d’informació públics
• Les organitzacions privades i públiques estan adoptant aplicacions d’anàlisi de
Big Data a un ritme ràpid, i les dades són una part integral de la presa de
decisions crítiques.
• Les transaccions del sector públic, l’educació, l’ocupació, la indústria

manufacturera i l’agricultura generen una gran quantitat d’informació disponible
públicament. A més, d’augmentar la productivitat i el creixement, les aplicacions
d’anàlisi de Big Data poden ajudar el govern a aconseguir una major eficiència i
combatre el frau.
• La col.laboració amb organitzacions privades ajuda a les organitzacions

governamentals i del sector públic a oferir millors serveis dels ciutadans i
respondre a les seves necessitats amb més precisió i rapidesa.
La necessitat del Big Data als serveis públics
• En l’actualitat, s’estan demanant inversions en analítica de Big Data per
modernitzar els serveis i millorar les economies mundials. Aquesta tendència
no es limita a Amèrica del Nord i Europa. Ja està formant part d’una sèrie
d’iniciatives governamentals arreu del món com a l’Índia.
• L’Índia ha establert una plataforma de dades de govern obert per proporcionar

dades públiques a inversors, analistes i professionals.
• Les estructures governamentals són molt conservadores a causa de la seva

naturalesa burocràtica, i els seus mètodes han de funcionar perfectament
abans de poder implementar-los en el procés polític.
https://www.europarl.europa.eu/resources/library/images/20210215PHT9782
https://www.europarl.europa.eu/resources/library/images/20210215PHT97827/2
https://www.europarl.europa.eu/news/en/headlines/society/20210211STO97614/big-data-definition-benefits-challenges-infographics
La necessitat del Big Data als serveis públics
• El Big Data té un enorme potencial en el sector públic. Les activitats diàries d’un
govern, com ara la gestió de la recaptació d’impostos, la gestió de les prestacions
socials, el seguiment dels sistemes nacionals de salut i educació i l’emissió de
documents oficials generen i recullen grans quantitats de dades cada dia.
• La informació que està disponible en temps real permet a les agències i

departaments governamentals identificar les àrees que necessiten atenció,
prendre decisions més informades més ràpidament i implementar els canvis
necessaris. La seva flexibilitat i universalitat són dues de les seves
característiques més atractives.
Impacte del Big Data als serveis públics
• Els governs nacionals, locals i globals poden ser molt afectats per les grans dades. Per
a les decisions crítiques que afecten milions de persones, els governs han de donar
sentit a l’enorme quantitat de dades que reben cada dia.
• Verificar l’exactitud de la informació pot ser difícil. La informació enganyosa pot tenir
efectes desagradables.
• Els governs poden utilitzar grans dades i analítiques per desbloquejar informació clau i
millorar la transparència i l’eficiència en la gestió pública.
• Les agències governamentals poden beneficiar-se de la implementació de plataformes

de Big Data descobrint noves capacitats i serveis, comprenent les correlacions i les
tendències de les dades subjacents i millorant la presa de decisions.
Beneficis del Big Data als serveis públics
• Es creen i s’utilitzen grans quantitats de dades al sector públic o als serveis

governamentals que poden estalviar diners utilitzant Big Data. Mitjançant l’ús
efectiu de les grans dades, els governs poden estalviar molts diners, per exemple:
• Reduint delictes i amenaces a la seguretat ajudant els departaments a descobrir

delictes i altres activitats il.legals que suposen una amenaça per a l’estabilitat de la
societat. Els governs poden usar grans dades per treballar junts per reduir l’activitat
criminal a la comunitat.
• En la detecció de fraus. Una anàlisi acurada de Big Data ajuda a identificar patrons
de comportament anormals que indiquen frau. Es poden fer servir per crear perfils i
paràmetres estadístics que es poden fer servir per identificar les transaccions que
s’han de revisar.
• L’eficàcia i l’eficiència del sistema de justícia penal es poden millorar utilitzant
un enfocament centrat en la informació basat en múltiples conjunts de dades.
• Augment del ROI (Retorn On Investment) i resultats, ja que els sistemes

informàtics s’optimitzen mitjançant l’ús de Big Data i l’activitat financera
s’analitza millor.
• Per a respondre a desastres naturals perillosos, detectar problemes de salut, la

coordinació de milers de persones desplaçades i prevenir problemes
d’escassetat d’aigua.
• L’anàlisi de dades a gran escala ajuda els ajuntaments i a les agències estatals
a aprendre dels seus errors.
• Amb l’eliminació del frau i abús. La reducció del frau ha estat un dels beneficis
més importants del Big Data al govern.
• Millorant la transparència i la reducció de costos. Reduint les ineficiències i

assegurant que només s’utilitzen les dades correctes, la qual cosa és
beneficiós. Permet un flux lliure d’informació, millora la transparència i genera
confiança amb els ciutadans quan els governs posen a disposició els seus
conjunts de grans dades. Així, els ciutadans són conscients de les pràctiques
de recollida de dades del govern i del que fa el govern amb les dades
recollides.
Transformació digital de l’administració pública
• A les administracions públiques aquest procés de digitalització són insuficients

per cobrir les necessitats específiques del sector públic. El sector públic es pot
beneficiar a tots els nivells d’aquesta digitalització estalviant temps i recursos en
sectors com la salut fins a l’educació.
• Per tal d’aconseguir capacitats d’Intel.ligència Artificial, molts governs ja han

desenvolupat estratègies nacionals que estableixen el camí cap a la innovació
mitjançant la IA.
• Aquest aspecte allibera els funcionaris públics de tasques repetitives a un treball

valuós, ajudar-los en la presa de decisions, ajudar a millorar el compromís amb la
ciutadania i construint millors serveis i polítiques públiques basades en evidències
i informació.
Transformació digital de l’administració pública
• El 2024, el 60% de les inversions governamentals en IA i anàlisi de dades tindran com a
objectiu impactar directament les decisions i els resultats operatius en temps real.
• Les administracions públiques necessiten una solució per abordar els problemes del sector
públic i que poden ajudar a accelerar, anticipar i facilitar tràmits tediosos. Una plataforma
d’extrem a extrem que gestioni tot el cicle de dades, des de la recollida fins al consum.
• La informació recollida de la població requereix eines pròpies del sector públic on l’ètica, la
seguretat i la transparència són més importants que mai.
• Aquestes solucions proporcionen serveis senzills i fàcils d’utilitzar i ajuden el sector públic a
canviar cap a una digitalització completa. En definitiva, en un conjunt avançat de serveis que
vol reconstruir la relació amb el ciutadà i avançar-se als problemes que calen resoldre.
Les dades del sector públic
• Les dades que es gestionen dins del sector públic poden tenir moltes formes i
provenir de múltiples fonts. Es poden recollir des d’un dispositiu: Instrument of
Things (IoT), de tràmits administratius de l’administració o de registres
hospitalaris.
• La varietat de fonts de dades i formats de dades requereix interoperabilitat a

diferents nivells, tant dins de les administracions públiques com amb el sector
privat.
• La transparència és un aspecte clau, ja que les polítiques d’interoperabilitat

han de tenir en compte qüestions de protecció de dades i privadesa perquè
els serveis d’intercanvi d’informació guanyin acceptació i ús.
Les dades del sector públic
• Compartir dades comuns és fonamental per transformar aquestes interaccions

i per garantir la sobirania de dades, la reutilització i la interoperabilitat de les
dades.
• La tecnologia seleccionada per processar aquesta informació no només ha de

ser segura i eficaç, sinó que també ha de ser capaç d’elaborar solucions
vàlides que puguin gestionar conjunts de dades complexes.
La intel.ligència artificial al sector públic
• Els governs utilitzen la Intel.ligència Artificial per dissenyar millors polítiques,
prendre millors decisions, millorar la qualitat dels serveis i millorar les
relacions amb els ciutadans.
• Per aconseguir aquests beneficis potencials importants no és una tasca fàcil i

hi ha molts riscos i limitacions que cal tenir en compte.
• La IA és una gran promesa per al sector públic i els governs es troben en una
posició única en relació amb la Intel.ligència Artificial. Aquests són capaços
d’establir prioritats nacionals, d’inversions i de regulacions. També, poden
usar-la per redefinir les maneres en què el sector públic crea polítiques i
serveis.
• La màxima comprensió de la IA és fonamental per ajudar els responsables

polítics i els funcionaris a determinar si els pot ajudar a assolir les seves
pròpies missions.
• Per exemple a Singapur s’utilitzen mètodes d’IA en el processament del

llenguatge natural, la mineria de dades, el xatbot i les funcions de cerca per
oferir metges i treballadors sanitaris de primera línia amb informació en temps
real. També, la IA s’usa per abordar problemes de navegació i escassetat de
personal durant grans esdeveniments públics. La Intel.ligència Artificial és un
assistent virtual personalitzat que ajuda la gent a navegar per la ciutat i els
blocs d’esdeveniments.
• La IA ofereix assessorament basat en l’experiència sobre la implementació i el
suport continu per al sector públic amb plataformes de núvol híbrid de manera
segura.
• Amb la IA es mostren aplicacions avançades en fabricació, transport,

telecomunicacions, banca, assegurances i logística.
“Silicon Walley Europeu”, Estònia? Per què?
https://evoting.com/2023/07/24/estonia-como-potencia-digital/
El cas d’Estònia i el Big Data
• Estònia ha estat considerat el primer país europeu en considerar l’accés a Internet com a dret universal i el
lloc on l’any 2003 va néixer l’aplicació Skype.
• Estònia és un dels països amb la societat digitalment més avançada i amb un dels centres de dades més
segurs i eficients de tot el món, als afores de Tallinn. Es tracta d’una instal.lació de més de 14000 m2.
• La construcció i instal.lació del primer centre de dades a Estònia es va iniciar els anys 2000. Aquest centre
de dades són la base física de la societat digital actual i futura dels ciutadans d’aquest petit país i sense la
qual la seva forma de vida i activitats empresarials serien impensables.
• El centre de dades de primer nivell augmenta la competitivitat de l’economia d’Estònia i crea la

infraestructura necessària per a la transformació digital del país.
• A més, aquest complex que avui s’ajusta a tots els estàndard de seguretat internacionals més alts, crea les
condicions favorables perquè les empreses estrangeres puguin ferir els seus serveis al mercat bàltic o
estonià.
https://www.youtube.com/watch?v=kaU7IPlg9PA
• En definitiva, Estònia és una de les societats més digitalitzades i

hiperconnectades de tot Europa.
• Van ser els pioners a treballar en la digitalització de les institucions i el seu

interès per les empreses tecnològiques l’han portat a ser el bressol de grans
empreses tecnològiques de gran èxit.
“Així s’ha convertit Estònia en la primera nació digital d’Europa, un
Gran Hermano al nostre servei”.
• Per exemple: els talls de carretera, càmeres rotatives amb sensors de
moviment i calor s’encarreguen de la seguretat del centre de dades i tota la
instal.lació està coberta per un sistema de vigilància de 360 càmeres.
• Només tenen accés al centre de dades els autoritzats i es garanteix per la

identificació biomètrica.
https://www.greenergydatacenters.com/eng/blog/its-all-very-interesting-but-we-have-already-seen-enough-of-your-kind-how-the-first-world-class-data-center-was-built-in-estonia
Conclusions del Big Data al servei públic
• Les dades són un recurs valuós per al govern qui haurà de mantenir un alt nivell de
seguretat per protegir la informació delicada que es pugui fer un ús indegut.
• Les dades han de generar valor públic enriquint la implementació d’aquestes

polítiques i serveis públics perquè esdevinguin eficients i fiables i repercuteixin en el
seguiment de l’acompliment de determinades decisions.
• El futur dels marcs analítics per integrar dades als departaments públics és positiu.
• Les estadístiques obtingudes a partir del Big Data són beneficioses per al públic en
general i per al govern.
• A mesura que es modernitzen els serveis governamentals, el Big Data té un paper

clau.
Conclusions del Big Data al servei públic
• L’ús creixent de dades està transformant ràpidament les economies i les societats i aquest
escenari suposa un repte per als governs. La ciutadania és conscient del paper potencial
que poden tenir les dades a la societat i les seves expectatives creixen amb cada avenç.
• Els ciutadans i ciutadanes demanen solucions que no només ofereixin assistència amb
obligacions o tràmits, sinó que anticipin i resolguin les seves necessitats de manera més
senzilla.
• Les dades han de contribuir eventualment en el disseny de polítiques basades en

l’evidència i la previsió de necessitats, millorant estratègicament l’assignació de recursos
públics.
• La confiança pública i com es tracten les dades haurien de respondre a les preocupacions
sobre ètica, privadesa, seguretat i transparència.
Tema: 6 El Big Data als sistemes d’informació públics.
Jaime Ribó

Powers Big Data

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Powers Big Data

Uploaded by

Copyright:

Available Formats

Escenaris i Usos Big Data

Tema 1. Introducció als escenaris i usos del Big Data.

• Els clients esperen una experiència racionalitzada i personalitzada allà on

• Els anunciants i les empreses de mitjans utilitzen dades omnicanals per

• L’anàlisi de dades omnicanal difereix de l’anàlisi de dades multicanal.

• Les dades omnicanals s’utilitzen no només per entendre millor l’activitat

• Aquestes dades omnicanals es poden usar per millorar les recomanacions de

• Per aconseguir-ho és necessari que les empreses facin la seva estratègia

• En canvi, el multicanal adopta un enfocament centrat en el producte mentre fa

• Tot i que l’omnicanal i el multicanal semblen semblants a primera vista, tenen

• La diferència clau és el punt focal de l’estratègia de màrqueting usada.

• L’omnicanal té el client al centre i se centra en les necessitats del client i

• Això permet al client accedir fàcilment a la informació des de qualsevol dels

• Als clients els agrada la coherència de la marca/brand que té com a

• Els algorismes utilitzen un conjunt de dades o d’entrada inicials, el processen

• S’expressen en un llenguatge de programació que un ordinador pot processar.

• Google és líder del mercat en cerca en línia durant dècades. El producte de

• Google té centenars d’actualitzacions d’algoritmes de cerca cada any i és

• Google canvia i actualitza constantment el seu algorisme, ja sigui amb petites

• Les actualitzacions més recents s’han centrat en la velocitat de la pàgina, les

• Panda 2011 va ser una de les majors actualitzacions d’algoritmes de Google

• Venècia 2012 va ser un gran canvi en el panorama de la cerca local i va ajudar

• Colibrí “Hummingbird” 2013 l’actualització va ajudar a identificar els resultats

• Rankbrain 2015: és el sistema d’aprenentatge automàtic de Google i té com a

• Mòbil 2018: l’actualització de Mobile First mostra el panorama canviant amb

• Experiència de pàgina 2021: aquesta actualització incorpora les mètriques

• FAQ i Actualització de dades estructurades 2023: Es recomana incloure contingut

• Aviat, Google ha anunciat el llançament de la seva nova experiència IA

• YouTube té un exabyte (1000000 de terabytes) d’espai d’emmagatzematge

• YouTube utilitza un mètode complex de distribució de dades que prioritza la

• Funcionament: Primer, emmagatzematge local per a contingut nou: quan un

• Google fa una còpia de seguretat de cada vídeo penjat a YouTube diverses

• Si se suprimeix un vídeo no desapareix immediatament de l’emmagatzematge

• Un compte de YouTube nou no verificat té un límit de pujada de 15 minuts per

• El límit de càrrega verificada de YouTube és de 12 hores o una mida de fitxer

• Es fa servir per fer el seguiment de bases de dades de clients, analitzar comportaments

• La interacció amb un client hi ha una imatge completa de qui són i la història

• Motor per al màrqueting de compromís és on els processos de màrqueting es creen,

• Motor per a l’anàlisi és on es mesura i optimitza el nostre ROI (intenta mesurar

• Aquestes eines de gestió de clients i un pla de suport adequats ajudaran a

• Les característiques del Big Data es desglossen en 5 Vs.: 1. La Velocitat a la

• Hi ha molts tipus diferents d’arquitectures de Big Data i la millor arquitectura per

• Inclouen quatre capes: la recollida i ingesta de dades; el processament i anàlisi

• Els avantatges són principalment la capacitat de prendre decisions millor i més

• Per tot això, és necessari habilitat i coneixements especialitzats, programes

• Aquesta arquitectura ha de ser capaç de gestionar la complexitat i la varietat

• Alguns exemples d’arquitectura de Big Data són la de l’entorn Hadoop i la del

• 2. Emmagatzematge de dades és l’extrem receptor de Big Data. L’emmagatzematge de

• 3. Ingestió de missatges en temps real. És simplement un magatzem de dades on els

• 6. Magatzem de dades analítiques és important, ja que emmagatzema totes les nostres

• 7. Analítica i informes. Hi ha moltes eines d’anàlisi i visualització de dades que analitzen

• 8. Orquestració. El moviment de dades a través d’aquests sistemes requereix

• INGESTA DE DADES: s’encarrega de recollir i emmagatzemar dades de

• TRACTAMENT/PROCESSAMENT DE DADES: és la responsable de la

• EMMAGATZEMATGE DE DADES: s’encarrega d’emmagatzemar les dades

• El primer és la connexió a fonts de dades on els connectors i adaptadors es

• El segon és la governança de dades on des del moment en què les dades

• El tercer és el sistema de gestió que es desenvolupa sovint en clústers (ítems en

• Hadoop i Spark són eines poderoses en el món del processament de dades a

• La flexibilitat i la facilitat d’ús de Spark ho han convertit en una opció molt

• La combinació de tots dos frameworks és una estratègia efectiva per abordar

• És un marc de processament de grans dades de codi obert.

• És una tecnologia de recollida i processament de dades rendible i altament