Professional Documents
Culture Documents
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)
• Cada canal funciona per separat i els clients han d’anar a aquest canal
específic per trobar la informació que volen.
Omnicanal vs Multicanal
• 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.
• 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?
• 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 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
• 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.
Google actualitzacions
• 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.
Google actualitzacions
• 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.
• 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.
• 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.
• 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.
Com emmagatzema YouTube tantes dades?
• 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 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.
• 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.
Jaime Ribó
Escenaris i Usos Big Data
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.
• 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.
• 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.
• 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.
• 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.
• 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.
• 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.
• 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.
• 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.
• 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.
• 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.
Jaime Ribó
Escenaris i Usos Big Data
Tema 3: Solucions Cloud.
Jaime Ribó
Definició Solucions Cloud.
• 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.
Definició Solucions Cloud.
• La computació/informàtica en núvol ofereix noves oportunitats de digitalització
i creixement. Es poden crear, desplegar, provar i gestionar aplicacions sense
una infraestructura interna.
• 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.
• 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.
• 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.
• 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.
• 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/
Exemples de Solucions Cloud.
• 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.
Serveis de 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
• 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.
Tendències Solucions Cloud
• 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
• 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/
Escenaris i Usos Big Data
Tema 3: Solucions Cloud.
Jaime Ribó
Escenaris i Usos Big Data
Tema: 4 Escenaris d’ús Big Data.
Jaime Ribó
L’Ús de Big Data en temps real (organitzacions, empreses…)
• 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/
L’Ús de Big Data en temps real (organitzacions, empreses…)
• 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 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.
L’Ús de Big Data en temps real (organitzacions, empreses…)
• Les empreses energètiques aprofiten el Big Data per optimitzar la generació i
distribució d’energia, identificar patrons de consum i promoure l’eficiència
energètica.
• 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.
• 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
Casos d’ús de Big Data sector, comerç al detall (Retail)
• 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.
• 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/
Exemples de companyies que utilitzen Big Data
• 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.
Exemples de companyies que utilitzen Big Data
• 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.
Exemples de companyies que utilitzen Big Data
• 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.
• 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.
Beneficis del Big Data en màrqueting
• 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
Escenaris i Usos Big Data
Tema: 4 Escenaris d’ús Big Data.
Jaime Ribó
Escenaris i Usos Big Data
Tema: 5 Paradigma de dades.
Jaime Ribó
Paradigma definició
• 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.
Concepte de Big Data. Història.
• 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.
Concepte de Big Data. Història.
• 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.
• Les dades són més que columnes i valors. Es tracta de la procedència, qualitat, qui
l’utilitza i per què.
• 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.
Concepte de Big Data. Història.
• 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.
• 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.
• 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
• 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.
• 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.
• És essencial pensar les dades d’una altra manera: un nou paradigma per
abordar les 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.
Paradigma de dades dia a dia
• 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.
El nou paradigma del negoci de dades
• 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.
• 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.
El nou paradigma del negoci de dades
• 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/
El nou paradigma del negoci de dades
• 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
Escenaris i Usos Big Data
Tema: 5 Paradigma de dades.
Jaime Ribó
Escenaris i Usos Big Data
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?
• 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.
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.
• 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.
• 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.
Beneficis del Big Data als serveis públics
• 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.
• L’anàlisi de dades a gran escala ajuda els ajuntaments i a les agències estatals
a aprendre dels seus errors.
Beneficis del Big Data als serveis públics
• Amb l’eliminació del frau i abús. La reducció del frau ha estat un dels beneficis
més importants del Big Data al govern.
• 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 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 intel.ligència artificial al sector públic
• 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.
• 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
El cas d’Estònia i el Big Data
• 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.
• 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.
• 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.
• La confiança pública i com es tracten les dades haurien de respondre a les preocupacions
sobre ètica, privadesa, seguretat i transparència.
Escenaris i Usos Big Data
Tema: 6 El Big Data als sistemes d’informació públics.
Jaime Ribó