Este documento trata sobre los datos masivos y cómo se pueden utilizar. Explica que los datos masivos se pueden analizar de cuatro formas diferentes: análisis descriptivo, de diagnóstico, predictivo y prescriptivo. También describe algunos beneficios claves de los datos masivos para las empresas como descubrir nuevos patrones, innovar productos y optimizar procesos en tiempo real. Además, resume el proceso general de los datos masivos que incluye obtener datos, depurarlos, explorarlos, modelarlos e interpretar los resultados.

1. Datos Masivos
Gert Elias Mayer Lopez
Seminario de la Investigación

2. ¿Qué son los datos masivos?
¿Qué paso?
¿Por qué paso?
¿Qué pasara?
¿Qué se puede hacer con los
resultados?
Estudio de datos
Con el
Enfoque multidisciplinario
Analiza

3. ¿Para que se utilizan los datos masivos?
Para estudiarlas de 4 diferentes maneras:
Análisis Descriptivo
Análisis de diagnostico
Análisis predictivo
Análisis prescriptivo Sugiere una respuesta optima
Datos históricos para previsiones
con técnicas machine learning
Es un Examen detallado para entender por que paso
Examina los datos con estadísticas

4. ¿Cuál es el beneficio de los datos masivos en
las empresas?
Algunos beneficios clave son:
1. Descubrir patrones desconocidos de transformación
2. Innovar con nuevos productos y soluciones
3. Optimización en tiempo real

5. ¿Cuál es el proceso de los datos masivos?
Una vez definido el problema, el científico de datos puede resolverlo
con el proceso que consiste en:
• Obtener datos
• Depurar datos
• Explorar datos
• Modelar datos
• Interpretar los resultados

6. Tipos de datos

7. Características

8. ¿A que retos se enfrentan los datos masivos?
• Varios orígenes de datos
• Entender el problema de la empresa
• Eliminación del sesgo

9. Casos prácticos de datos masivos

10. Bibliografias
1. Mayer-Schönberger, Viktor & Cukier K. Big Data. La revolución de los datos masivos.
Primera edición. Latin Trade. Madrid: Turner; 2013.
2. McKinsey & Company. Big data: The next frontier for innovation, competition, and
productivity. McKinsey Global Institute. 2011.
3. Rodríguez P, Palomino N, Mondaca J. El uso de datos masivos y sus técnicas analíticas
para el diseño e implementación de políticas públicas en Latinoamérica y el Caribe.
Banco Interamericano de Desarrollo. 2017.
4. Chris Anderson. The End of Theory: The Data Deluge Makes the Scientific Method
Obsolete [Internet]. Wired. [consultado 06/03/2018]. Disponible en: https://www.
wired.com/2008/06/pb-theory/
5. Andriy Burkov (Autor), Antoni Munar (Redactor), The Hundred-Page Machine Learning
Book en español.