SlideShare una empresa de Scribd logo
1 de 10
Tratamiento del dato
Ing. José Luis Chiquete Valdivieso
Noviembre 2014

El tratamiento de los datos es el objetivo
primordial de Big Data.

Es necesario conocer el ciclo de vida de
los datos para poder fincar una buena
estrategia para su gestión.

Durante esta presentación hablaremos
primordialmente de "Data" sin mayores
adjetivos.
Crear
Procesar
Analizar
Conservar
Dar
acceso
Reutilizar
Ciclo de vida de los datos

Identificar las fuentes de datos.

Planear la gestión de los datos.

Localizar datos ya existentes.

Instrumentar la obtención de los datos.

Generar metadatos.
Creación de los datos

Ingresar los datos, transcribirlos, digitalizarlos
o traducirlos.

Revisar,validar, y limpiar los datos.

Anonimizar los datos de ser necesario.

Gestionar y almacenar los dato.
Procesamiento de los datos

Interpretar los datos.

Generar datos derivados.

Obtener resultados del análisis de los datos.

Preparar los datos para su conservación.
Analizar los datos

Distribuir los datos.

Compartir los datos.

Controlar el acceso.

Establecer la propiedad de los datos.

Divulgar de los datos.
Dar acceso a los datos

Darle seguimiento al análisis.

Idear nuevas formas de aprovechamiento de
los datos.

Revisar la eficacia de los análisis y modelos.

Validar los hallazgos.

Generar conocimiento.
Reutilizar los datos
La nueva fiebre del oro

El aprovechamiento de la información y el
conocimiento se traduce en ventajas
competitivas, generación de riqueza e incluso
poder.

Los flujos de información crecen de forma
vertiginosa.

Identificar y obtener la información útil de manera
eficaz se traduce en grandes beneficios.

Somos los nuevos gambusinos.
La nueva fiebre del oro

El aprovechamiento de la información y el
conocimiento se traduce en ventajas
competitivas, generación de riqueza e incluso
poder.

Los flujos de información crecen de forma
vertiginosa.

Identificar y obtener la información útil de manera
eficaz se traduce en grandes beneficios.

Somos los nuevos gambusinos.

Más contenido relacionado

Destacado

Estadistica tratamiento estadistico de datos
Estadistica    tratamiento estadistico de datosEstadistica    tratamiento estadistico de datos
Estadistica tratamiento estadistico de datos
Velmuz Buzz
 
Tratamiento de la informacion
Tratamiento de la informacionTratamiento de la informacion
Tratamiento de la informacion
adrisandi
 
Intro Python
Intro PythonIntro Python
Intro Python
MoreLab
 
La InformáTica Y El Tratamiento De La InformacióN
La InformáTica Y El Tratamiento De La InformacióNLa InformáTica Y El Tratamiento De La InformacióN
La InformáTica Y El Tratamiento De La InformacióN
leidydiananaviaortega
 
Proyecto #8 tratamiento de la información
Proyecto #8 tratamiento de la informaciónProyecto #8 tratamiento de la información
Proyecto #8 tratamiento de la información
jencotomadrigal
 

Destacado (20)

Tratamiento De La InformacióN
Tratamiento De La InformacióNTratamiento De La InformacióN
Tratamiento De La InformacióN
 
Programación Orientada a Objetos para Python
Programación Orientada a Objetos para PythonProgramación Orientada a Objetos para Python
Programación Orientada a Objetos para Python
 
Automatización de Procesos de Negocios con BPMS de Código Abierto
Automatización de Procesos de Negocios con BPMS de Código AbiertoAutomatización de Procesos de Negocios con BPMS de Código Abierto
Automatización de Procesos de Negocios con BPMS de Código Abierto
 
Estadistica tratamiento estadistico de datos
Estadistica    tratamiento estadistico de datosEstadistica    tratamiento estadistico de datos
Estadistica tratamiento estadistico de datos
 
Tratamiento de la informacion
Tratamiento de la informacionTratamiento de la informacion
Tratamiento de la informacion
 
Manual del administrador de Google Apps
Manual del administrador de Google AppsManual del administrador de Google Apps
Manual del administrador de Google Apps
 
Solid Day - Machine learning para organizaciones
Solid Day - Machine learning para organizacionesSolid Day - Machine learning para organizaciones
Solid Day - Machine learning para organizaciones
 
Introduccion a Python
Introduccion a PythonIntroduccion a Python
Introduccion a Python
 
Intro Python
Intro PythonIntro Python
Intro Python
 
Big y Open Data para las Smart Cities
Big y Open Data para las Smart CitiesBig y Open Data para las Smart Cities
Big y Open Data para las Smart Cities
 
Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...
Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...
Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...
 
Estrategias omnicanal para la mejora de los procesos de comunicación y marke...
	Estrategias omnicanal para la mejora de los procesos de comunicación y marke...	Estrategias omnicanal para la mejora de los procesos de comunicación y marke...
Estrategias omnicanal para la mejora de los procesos de comunicación y marke...
 
Data Science: De la Matemática a la Práctica
Data Science: De la Matemática a la PrácticaData Science: De la Matemática a la Práctica
Data Science: De la Matemática a la Práctica
 
Explorando los Límites de la Predicción
Explorando los Límites de la PredicciónExplorando los Límites de la Predicción
Explorando los Límites de la Predicción
 
Convergencia de Analítica con la Experiencia Digital
Convergencia de Analítica con la Experiencia DigitalConvergencia de Analítica con la Experiencia Digital
Convergencia de Analítica con la Experiencia Digital
 
Big Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidadesBig Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidades
 
Maestría
 Maestría Maestría
Maestría
 
Big Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo Cambiante
Big Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo CambianteBig Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo Cambiante
Big Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo Cambiante
 
La InformáTica Y El Tratamiento De La InformacióN
La InformáTica Y El Tratamiento De La InformacióNLa InformáTica Y El Tratamiento De La InformacióN
La InformáTica Y El Tratamiento De La InformacióN
 
Proyecto #8 tratamiento de la información
Proyecto #8 tratamiento de la informaciónProyecto #8 tratamiento de la información
Proyecto #8 tratamiento de la información
 

Similar a Tratamiento de datos

Sistemas de informacion wem
Sistemas de informacion wemSistemas de informacion wem
Sistemas de informacion wem
Eglennys Sanchez
 
Sistemas De Informacion
Sistemas De InformacionSistemas De Informacion
Sistemas De Informacion
ads20180.09
 
Datos, información y conocimiento
Datos, información y conocimientoDatos, información y conocimiento
Datos, información y conocimiento
Angela Martinez
 

Similar a Tratamiento de datos (20)

Sistemas de informacion wem
Sistemas de informacion wemSistemas de informacion wem
Sistemas de informacion wem
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Power-BI-básico.pdf
Power-BI-básico.pdfPower-BI-básico.pdf
Power-BI-básico.pdf
 
Proyecto 1 - Big data
Proyecto 1 - Big dataProyecto 1 - Big data
Proyecto 1 - Big data
 
Big data
Big dataBig data
Big data
 
Big data
Big dataBig data
Big data
 
Proyecto 1 - Big Data
Proyecto 1 - Big DataProyecto 1 - Big Data
Proyecto 1 - Big Data
 
Matemática y Data Science
Matemática y Data ScienceMatemática y Data Science
Matemática y Data Science
 
MDM_Sesion_1_PPT.pptx
MDM_Sesion_1_PPT.pptxMDM_Sesion_1_PPT.pptx
MDM_Sesion_1_PPT.pptx
 
IIBI Seminario Q.pptx
IIBI Seminario Q.pptxIIBI Seminario Q.pptx
IIBI Seminario Q.pptx
 
Fuentes de investigación
Fuentes de investigaciónFuentes de investigación
Fuentes de investigación
 
Organizacion de Datos
Organizacion de DatosOrganizacion de Datos
Organizacion de Datos
 
CIAT Workshop: Data Management Community of Practice
CIAT Workshop: Data Management Community of Practice CIAT Workshop: Data Management Community of Practice
CIAT Workshop: Data Management Community of Practice
 
Sistemas De Informacion
Sistemas De InformacionSistemas De Informacion
Sistemas De Informacion
 
Workshop de datos científicos. Introducción
Workshop de datos científicos. IntroducciónWorkshop de datos científicos. Introducción
Workshop de datos científicos. Introducción
 
ANÁLISIS DE DATOS cuantitativos y cualitativos.pptx
ANÁLISIS DE DATOS  cuantitativos y cualitativos.pptxANÁLISIS DE DATOS  cuantitativos y cualitativos.pptx
ANÁLISIS DE DATOS cuantitativos y cualitativos.pptx
 
Gestion de datos.pdf
Gestion de datos.pdfGestion de datos.pdf
Gestion de datos.pdf
 
Datos, información y conocimiento
Datos, información y conocimientoDatos, información y conocimiento
Datos, información y conocimiento
 
Data mining
Data miningData mining
Data mining
 

Último

ETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministroETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministro
IrisMoreno27
 
Letra de cambio definición y características.ppt
Letra de cambio definición y características.pptLetra de cambio definición y características.ppt
Letra de cambio definición y características.ppt
ssuserbdc329
 

Último (20)

Las marcas automotrices con más ventas de vehículos (2024).pdf
Las marcas automotrices con más ventas de vehículos (2024).pdfLas marcas automotrices con más ventas de vehículos (2024).pdf
Las marcas automotrices con más ventas de vehículos (2024).pdf
 
decreto 2090 de 2003.pdf actividades de alto riesgo en Colombia
decreto 2090 de 2003.pdf actividades de alto riesgo en Colombiadecreto 2090 de 2003.pdf actividades de alto riesgo en Colombia
decreto 2090 de 2003.pdf actividades de alto riesgo en Colombia
 
ETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministroETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministro
 
Alfredo Gabriel Rodriguez Yajure Tarea#1
Alfredo Gabriel Rodriguez Yajure Tarea#1Alfredo Gabriel Rodriguez Yajure Tarea#1
Alfredo Gabriel Rodriguez Yajure Tarea#1
 
AA CUADRO DE TEORIA DEL CASO. (1) (1).docx
AA CUADRO DE TEORIA DEL CASO. (1) (1).docxAA CUADRO DE TEORIA DEL CASO. (1) (1).docx
AA CUADRO DE TEORIA DEL CASO. (1) (1).docx
 
Triptico-del-Bullying qué es, cómo detectarlo, donde acudir
Triptico-del-Bullying qué es, cómo detectarlo, donde acudirTriptico-del-Bullying qué es, cómo detectarlo, donde acudir
Triptico-del-Bullying qué es, cómo detectarlo, donde acudir
 
La Guerra Biologica - Emiliano Paico Vilchez.pdf
La Guerra Biologica - Emiliano Paico Vilchez.pdfLa Guerra Biologica - Emiliano Paico Vilchez.pdf
La Guerra Biologica - Emiliano Paico Vilchez.pdf
 
Novelas Turcas vs Series de EUA en audiencia (2024).pdf
Novelas Turcas vs Series de EUA en audiencia  (2024).pdfNovelas Turcas vs Series de EUA en audiencia  (2024).pdf
Novelas Turcas vs Series de EUA en audiencia (2024).pdf
 
Industria musical de EUA vs Industria musical Corea del Sur (2024).pdf
Industria musical de EUA vs Industria musical Corea del Sur (2024).pdfIndustria musical de EUA vs Industria musical Corea del Sur (2024).pdf
Industria musical de EUA vs Industria musical Corea del Sur (2024).pdf
 
PIB PERÚ datos y análisis de los últimos años
PIB PERÚ datos y análisis de los últimos añosPIB PERÚ datos y análisis de los últimos años
PIB PERÚ datos y análisis de los últimos años
 
Letra de cambio definición y características.ppt
Letra de cambio definición y características.pptLetra de cambio definición y características.ppt
Letra de cambio definición y características.ppt
 
Posiciones en el IDH global de EUA (1950-2024).pdf
Posiciones en el IDH global de EUA (1950-2024).pdfPosiciones en el IDH global de EUA (1950-2024).pdf
Posiciones en el IDH global de EUA (1950-2024).pdf
 
Posiciones del IDH a nivel global en México (1982-2024).pdf
Posiciones del IDH a nivel global en México (1982-2024).pdfPosiciones del IDH a nivel global en México (1982-2024).pdf
Posiciones del IDH a nivel global en México (1982-2024).pdf
 
P.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptx
P.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptxP.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptx
P.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptx
 
Los países por porcentaje de población blanca europea en AL (2024).pdf
Los países por porcentaje de población blanca europea en AL (2024).pdfLos países por porcentaje de población blanca europea en AL (2024).pdf
Los países por porcentaje de población blanca europea en AL (2024).pdf
 
Reservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdf
Reservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdfReservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdf
Reservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdf
 
CALENDARIZACIÓN ACTUALIZADA DEL 2024 alt.pdf
CALENDARIZACIÓN ACTUALIZADA DEL 2024 alt.pdfCALENDARIZACIÓN ACTUALIZADA DEL 2024 alt.pdf
CALENDARIZACIÓN ACTUALIZADA DEL 2024 alt.pdf
 
Los idiomas más hablados en el mundo (2024).pdf
Los idiomas más hablados en el mundo  (2024).pdfLos idiomas más hablados en el mundo  (2024).pdf
Los idiomas más hablados en el mundo (2024).pdf
 
Análisis de datos en acción: Optimizando el crecimiento de Cyclistic
Análisis de datos en acción: Optimizando el crecimiento de CyclisticAnálisis de datos en acción: Optimizando el crecimiento de Cyclistic
Análisis de datos en acción: Optimizando el crecimiento de Cyclistic
 
Investigacion cualitativa y cuantitativa....pdf
Investigacion cualitativa y cuantitativa....pdfInvestigacion cualitativa y cuantitativa....pdf
Investigacion cualitativa y cuantitativa....pdf
 

Tratamiento de datos

  • 1. Tratamiento del dato Ing. José Luis Chiquete Valdivieso Noviembre 2014
  • 2.  El tratamiento de los datos es el objetivo primordial de Big Data.  Es necesario conocer el ciclo de vida de los datos para poder fincar una buena estrategia para su gestión.  Durante esta presentación hablaremos primordialmente de "Data" sin mayores adjetivos.
  • 4.  Identificar las fuentes de datos.  Planear la gestión de los datos.  Localizar datos ya existentes.  Instrumentar la obtención de los datos.  Generar metadatos. Creación de los datos
  • 5.  Ingresar los datos, transcribirlos, digitalizarlos o traducirlos.  Revisar,validar, y limpiar los datos.  Anonimizar los datos de ser necesario.  Gestionar y almacenar los dato. Procesamiento de los datos
  • 6.  Interpretar los datos.  Generar datos derivados.  Obtener resultados del análisis de los datos.  Preparar los datos para su conservación. Analizar los datos
  • 7.  Distribuir los datos.  Compartir los datos.  Controlar el acceso.  Establecer la propiedad de los datos.  Divulgar de los datos. Dar acceso a los datos
  • 8.  Darle seguimiento al análisis.  Idear nuevas formas de aprovechamiento de los datos.  Revisar la eficacia de los análisis y modelos.  Validar los hallazgos.  Generar conocimiento. Reutilizar los datos
  • 9. La nueva fiebre del oro  El aprovechamiento de la información y el conocimiento se traduce en ventajas competitivas, generación de riqueza e incluso poder.  Los flujos de información crecen de forma vertiginosa.  Identificar y obtener la información útil de manera eficaz se traduce en grandes beneficios.  Somos los nuevos gambusinos.
  • 10. La nueva fiebre del oro  El aprovechamiento de la información y el conocimiento se traduce en ventajas competitivas, generación de riqueza e incluso poder.  Los flujos de información crecen de forma vertiginosa.  Identificar y obtener la información útil de manera eficaz se traduce en grandes beneficios.  Somos los nuevos gambusinos.