CENTRO UNIVERSITARIO UAEM ATLACOMULCO

LICENSIATURA EN INFORMATICA ADMINISTRATIVA

TEMAS SELENTOS DE TRATAMIENTO DE INFORMACION
FREDI CASTRO MATEO
LIA I9
Big data
By Vangie Beal Big data is a buzzword, or catch-phrase, used to describe a massive volume of both structured and unstructured data
that is so large that it's difficult to process using traditional database and software techniques. In most enterprise scenarios the data is
too big or it moves too fast or it exceeds current processing capacity. Big data has the potential to help companies improve operations
and make faster, more intelligent decisions. Is Big Data a Volume or a Technology? While the term may seem to reference the volume of
data, that isn't always the case. The term big data, especially when used by vendors, may refer to the technology (which includes
tools and processes) that an organization requires to handle the large amounts of data and storage facilities. The term big data is believed to have originated
with Web search companies who needed to query very large distributed aggregations of loosely-structured data. An Example of Big Data An
example of big data might be petabytes (1,024 terabytes) or exabytes (1,024 petabytes) of data consisting of billions to trillions of
records of millions of people

all from different sources (e.g. Web, sales, customer contact center, social media, mobile data and so on). The data is typically loosely
structured data that is often incomplete and inaccessible. Big Data and Types of Business Datasets When dealing with larger datasets,
organizations face difficulties in being able to create, manipulate, and manage big data. Big data is particularly a problem in business
analytics because standard tools and procedures are not designed to search and analyze massive datasets. As research from
Webopedia parent company QuinStreet demonstrates, big data initiatives are poised for explosive growth. QuinStreet surveyed 540 enterprise decision-
makers involved in big data and found the datasets of interest to many businesses today include traditional structured databases of inventories, orders, and
customer information, as well as unstructured data from the Web, social networking sites, and intelligent devices. This data, when captured, formatted,
manipulated, stored, and analyzed can help a company to gain useful insight to increase revenues, get or retain customers, and improve
operations. Big data may also be called enterprise big data. Big data analytics Big data analytics refers to the process of collecting, organizing
and analyzing large sets of data ("big data") to discover patterns and other useful information. Not only will big data analytics help you to understand
the information contained within the data, but it will also help identify the data

that is most important to the business and future business decisions. Big data analysts basically want the knowledge that comes from
analyzing the data. The Benefits of Big Data Analytics Enterprises are increasingly looking to find actionable insights into their data.
Many big data projects originate from the need to answer specific business questions. With the right big data analytics platforms in place, an
enterprise can boost sales, increase efficiency, and improve operations, customer service and risk management. Webopedia parent
company, QuinStreet, surveyed 540 enterprise decision-makers involved in big data purchases to learn which business areas companies plan
to use Big Data analytics to improve operations. About half of all respondents said they were applying big data analytics to improve
customer retention, help with product development and gain a competitive advantage. For most organizations, big data analysis is a challenge.
Consider the sheer volume of data and the many different formats of the data (both structured and unstructured data) collected across the entire
organization and the many different ways different types of data can be combined, contrasted and analyzed to find patterns and other useful
information. The first challenge is in breaking down data silos to access all data an organization stores in different places and often in
CENTRO UNIVERSITARIO UAEM ATLACOMULCO
LICENSIATURA EN INFORMATICA ADMINISTRATIVA
TEMAS SELENTOS DE TRATAMIENTO DE INFORMACION
FREDI CASTRO MATEO
LIA I9
different systems. A second big data challenge is in creating platforms that can pull in unstructured data as easily as structured data.
This massive volume of data is typically so large that it's difficult to process using traditional database and software methods. Big Data
Requires High-Performance Analytics To analyze such a large volume of data, big data analytics is typically performed using specialized
software tools and applications for predictive analytics, data mining, text mining, forecasting and data optimization. Collectively these processes are separate
but highly integrated functions of high-performance analytics. Using big data tools and software enables an organization to process
extremely large volumes of data that a business has collected to determine which data is relevant and can be analyzed to drive better business decisions in
the future. Examples of How Big Data Analytics is Used Today As technology to break down data silos and analyze data improves,
business can be transformed in all sorts of ways. According to Datamation, today's advances in analyzing Big Data allow researchers to
decode human DNA in minutes, predict where terrorists plan to attack, determine which gene is mostly likely to be responsible for certain
diseases and, of course, which ads you are most likely to respond to on Facebook. The business cases for leveraging Big Data are compelling. For
instance, Netflix mined its subscriber data to put the essential ingredients together for its

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





CENTRO UNIVERSITARIO UAEM ATLACOMULCO
LICENSIATURA EN INFORMATICA ADMINISTRATIVA
TEMAS SELENTOS DE TRATAMIENTO DE INFORMACION
FREDI CASTRO MATEO
LIA I9
big Data
Por Vangie Beal Big data es una palabra de moda, o coger-frase usada para describir un volumen masivo de datos tanto
estructurados como no estructurados que es tan grande que es difcil de procesar utilizando tcnicas de bases de datos y de
software tradicionales. En la mayora de escenarios empresariales los datos son demasiado grandes o se mueve demasiado rpido
o se excede la capacidad de procesamiento actual. Grandes datos tiene el potencial de ayudar a las empresas a mejorar sus
operaciones y tomar decisiones ms rpidas, ms inteligentes. Es Big Data de un volumen o una tecnologa? Mientras que el
trmino puede parecer para hacer referencia al volumen de datos, que no siempre es el caso. El trmino grandes de datos,
especialmente cuando se utilicen los proveedores, pueden referirse a la tecnologa (que incluye herramientas y procesos) que una
organizacin necesita para manejar las grandes cantidades de datos e instalaciones de almacenamiento. Se cree que el Big Data
trmino que se origin con las empresas de bsqueda Web que necesitaban consultar muy grandes agregaciones distribuidas de
datos estructurados dbilmente-. Un ejemplo de Big Data Un ejemplo de datos grandes podra ser petabytes (1024 terabytes) o
exabytes (1.024 petabytes) de datos que constan de miles de millones a miles de millones de registros de millones de personas
-
todos de diferentes fuentes (por ejemplo, Web, de ventas, centros de contacto de clientes, medios de comunicacin social, datos
mviles y as sucesivamente). Los datos son normalmente poco estructurados de datos que a menudo es incompleta e inaccesible.
Datos y tipos de conjuntos de datos de negocios cuando se ocupan de grandes conjuntos de datos grandes, las organizaciones se
enfrentan a dificultades en la capacidad de crear, manipular y gestionar grandes volmenes de datos. Big Data es un problema
particularmente en anlisis de negocios porque las herramientas y procedimientos estndar no estn diseados para buscar y
analizar conjuntos de datos masivos. Como la investigacin de la compaa matriz Webopedia QuinStreet demuestra, iniciativas de
grandes datos estn preparados para un crecimiento explosivo. QuinStreet encuest a 540 empresas que toman las decisiones
involucradas en grandes volmenes de datos y encontr a los conjuntos de datos de inters para muchas empresas hoy en da
incluyen las bases de datos tradicionales estructurados de inventarios, pedidos y la informacin del cliente, as como datos no
estructurados de la Web, los sitios de redes sociales y dispositivos inteligentes. Estos datos, cuando fue capturado, formateado,
manipulan, almacena, analiza y puede ayudar a una empresa para obtener informacin til para aumentar los ingresos, obtener o
retener a los clientes, y mejorar las operaciones. Grandes datos tambin pueden ser llamados de la empresa de datos grandes.
Anlisis de datos grandes analtica de grandes datos se refiere al proceso de recoleccin, organizacin y anlisis de grandes
conjuntos de datos ("big data") para descubrir patrones y otra informacin til. No slo habr anlisis de datos grandes ayudar a
entender la informacin contenida en los datos, sino que tambin ayudar a identificar los datos

que es ms importante para el negocio y las decisiones futuras del negocio. Los analistas de datos Big bsicamente quieren que el
conocimiento que proviene de analizar los datos. Los beneficios de Big Data Analytics Las empresas estn cada vez ms buscando
para encontrar informacin procesable en sus datos. Muchos proyectos de grandes datos se originan en la necesidad de responder
a las preguntas especficas del negocio. Con las grandes plataformas de anlisis de los datos correctos en el lugar, una empresa
CENTRO UNIVERSITARIO UAEM ATLACOMULCO
LICENSIATURA EN INFORMATICA ADMINISTRATIVA
TEMAS SELENTOS DE TRATAMIENTO DE INFORMACION
FREDI CASTRO MATEO
LIA I9
puede impulsar las ventas, aumentar la eficiencia y mejorar las operaciones, servicio al cliente y la gestin de riesgos. Empresa
matriz Webopedia, QuinStreet, encuest a 540 empresas que toman las decisiones que participan en las compras de grandes datos
para saber qu reas de negocio empresas planean utilizar la analtica Big Data para mejorar las operaciones. Aproximadamente la
mitad de todos los encuestados dijeron que estaban aplicando analtica de grandes datos para mejorar la retencin de clientes,
ayudar con el desarrollo de productos y obtener una ventaja competitiva. Para la mayora de las organizaciones, el anlisis de
grandes datos es un reto. Tenga en cuenta la gran cantidad de datos y los distintos formatos de los datos (datos estructurados y no
estructurados) recogidos en toda la organizacin y de las diferentes maneras diferentes tipos de datos se pueden combinar,
contrastados y analizados para encontrar patrones y otra informacin til. El primer desafo es romper los silos de datos para tener
acceso a todos los datos de un depsitos de las organizaciones en diferentes lugares y, a menudo en diferentes sistemas. Un
segundo desafo de grandes datos es en la creacin de plataformas que pueden tirar en los datos no estructurados con tanta
facilidad como los datos estructurados. Este volumen masivo de datos suele ser tan grande que es difcil de procesar utilizando los
mtodos de base de datos y de software tradicionales. Big Data Analytics Requiere de Alto Rendimiento Para analizar un gran
volumen de datos como, anlisis de datos grandes se realiza normalmente utilizando herramientas de software y aplicaciones
especializadas para el anlisis predictivo, minera de datos, minera de texto, la prediccin y la optimizacin de datos. En conjunto,
estos procesos son funciones separadas pero altamente integradas de anlisis de alto rendimiento. El uso de herramientas de datos
grandes y software permite a una organizacin para procesar extremadamente grandes volmenes de datos que un negocio ha
recogido para determinar qu datos son relevantes y pueden ser analizados para tomar mejores decisiones de negocio en el futuro.
Ejemplos de cmo Big Data Analytics se utiliza hoy como la tecnologa para romper los silos de datos y anlisis de datos mejora,
negocio puede transformarse en todo tipo de formas. Segn Datamation, los avances en el anlisis de Big Data de hoy permiten a
los investigadores a descifrar el ADN humano en cuestin de minutos, predicen que los terroristas planean atacar, determinan qu
gen es sobre todo probable que sea responsable de ciertas enfermedades y, por supuesto, que los anuncios que tienen ms
probabilidades de responder a en Facebook. Los casos de negocio para aprovechar los grandes datos son convincentes. Por
ejemplo, Netflix extrae sus datos de suscriptor de poner los ingredientes esenciales juntos por su

reciente xito Castillo de naipes, y los datos de abonado tambin impulsaron a la empresa a llevar Arrested Development de entre
los muertos. Otro ejemplo proviene de una de las mayores compaas de telefona mvil en el mundo. Orange de Francia puso en
marcha su proyecto de datos para el Desarrollo por la liberacin de los datos de abonado para los clientes en la Costa de Marfil. Los
2,5 mil millones de registros, que se hicieron en el anonimato, incluidos detalles sobre las llamadas y mensajes de texto
intercambiados entre 5 millones de usuarios. Los investigadores acceder a los datos y enviaron propuestas Orange de cmo los
datos pueden servir de base para los proyectos de desarrollo para mejorar la salud y la seguridad pblica. Los proyectos propuestos
incluyen uno que mostraba la forma de mejorar la seguridad pblica mediante el seguimiento de los datos del telfono celular para
mapear donde la gente iba tras una emergencia; otra mostr cmo usar los datos celulares para la contencin de la enfermedad.
CENTRO UNIVERSITARIO UAEM ATLACOMULCO
LICENSIATURA EN INFORMATICA ADMINISTRATIVA
TEMAS SELENTOS DE TRATAMIENTO DE INFORMACION
FREDI CASTRO MATEO
LIA I9
El ritmo de creacin de datos seguramente aumentar, sobre todo porque las comunicaciones de mquina a mquina se vuelven
ms baratas y ms comunes. Piense en la cantidad de datos todas esas redes de sensores, alarmas antirrobo y los sistemas
telemticos vehculo va a crear. Segn IBM, cada da creamos 2,5 trillones de bytes de datos. IBM sostiene que el crecimiento
exponencial de los datos significa que el 90 por ciento de los datos que existe en el mundo de hoy se ha creado en los ltimos dos
aos.
"Estos datos vienen de todas partes: sensores utilizados para recopilar informacin sobre el clima, los mensajes a sitios de medios
sociales, fotos digitales y videos, registros de transacciones de comercio electrnico, y las coordenadas de GPS del telfono celular,
para nombrar unos pocos." Por supuesto, es importante recordar que en la historia humana temprana, algo tan efmero como un
tweet simplemente no habra sido registrado, por lo que estas comparaciones slo puede ser tomada hasta el momento. Para poner
la explosin de datos en contexto, considere esto. Cada minuto de cada da creamos ms de 204 millones de mensajes de correo
electrnico Ms de 2 millones Google consultas de bsqueda de 48 horas de nuevo los vdeos de YouTube 684.000 bits de
contenido compartido en Facebook Ms de 100.000 tweets de $ 272.000 gastados en el comercio electrnico 3600 nuevas fotos
compartidas en Instagram Casi 350 entradas del blog nuevo WordPress



















CENTRO UNIVERSITARIO UAEM ATLACOMULCO
LICENSIATURA EN INFORMATICA ADMINISTRATIVA
TEMAS SELENTOS DE TRATAMIENTO DE INFORMACION
FREDI CASTRO MATEO
LIA I9




BIG DATA
(GRAN DATO)
POR Vangie Beal
ES UNA PALABRA DE MODA
Describe un volumen masivo de datos
Estructurados No estructurados
Es difcil de procesar
Bases de datos Software tradicional
Tecnologas
Herramientas Procesos
Manejar las grandes cantidades
de datos e instalaciones de
almacenamiento
Un ejemplo de datos
grandes podra ser
peta bytes (1024 terabytes)
o exabytes (1.024 peta bytes)
Es un problema
Anlisis de negocios Herramientas y procedimientos
No estn diseados
Para buscar y analizar
conjuntos de datos
masivos
Ayuda a una empresa
Obtener informacin til
para aumentar los ingresos
Obtener o retener a los clientes,
y mejorar las operaciones
Proceso de recoleccin Organizacin Anlisis
De grandes conjuntos de datos
Ayudar a entender
La informacin
contenida en los datos

Identificar los
datos
importantes
para el negocio
Analistas de datos Big
Informacin procesable en
sus datos
Se origina
Necesidad de responder
las preguntas del negocio.