Este documento define Big Data y describe cómo se capturan, almacenan y analizan grandes cantidades de datos provenientes de múltiples fuentes como transacciones, dispositivos conectados y biometría. Explica que el Big Data se usa para entender mejor a los clientes, optimizar procesos, mejorar la investigación y más a través de técnicas como minería de datos, agrupamiento y visualización.

1. BIG DATA
PRESENTADO POR:
CHRISTIAN ALFONSO
JHON LOPEZ

3. BIG DATA
 Definición:
Este termino hace referencia a una cantidad de datos que supera la capacidad del
software convencional para ser administrados en un tiempo razonable.
Se crea para almacenar grandes cantidades de datos masivos y que estos sigan en
su anonimato.

6. CAPTURA
 TRANSACCIONES DE DATOS: las transacciones entre cuentas genera
información que tratada puede ser datos relevantes
 MAQUINA A MAQUINA: son las tecnologías que comparten datos con
dispositivos y transforman las magnitudes físicas o químicas y las convierte
en datos
 BIOMETRICA: son cantidades de datos generados por lectores biométricos
como escáneres de retina o escáner de huella digital

7. TRANSFORMACIÓN
Se usa con el fin de almacenar los datos encontrados de diferentes fuentes en
solo un lugar o espacio; donde entran en juego las plataformas de extraer,
transformar y cargar (ETL). El ejemplo más claro de este es el pentaho Data
Integration, más específico la app Spoon.

9.  Almacenamiento clave-valor: los datos se almacenan de forma similar a los
mapas o diccionarios de datos, donde se accede al dato a partir de una clave
única
 Almacenamiento documental: todos los documentos tiene una clave única
con la que pueden ser accedidos e identificados explícitamente
 Almacenamiento en grafo: rompen con la idea de tabla y se basan con la teoría
de grafos donde se establece que la información son los nodos y las relaciones
entre la información son las aristas
 Almacenamiento orientado a columna: este almacenamiento es parecido al
documental su modelo de datos es definido como un mapa de datos
multidimensional poco denso distribuido y persistente
Almacenamiento

11. Análisis de datos
 Asociación: Permite la relación entre las variable, gracias a ella se genera la
predicción de las mismas estas predicciones se dan en las ventas cruzadas
en los comercios electrónicos.
 Minería de datos: Su objetivo es tener comportamientos predictivos
conectando métodos estadísticos y de aprendizaje automático con
almacenamiento en bases de datos.
 Agrupación: Con el análisis de clústeres genera la agrupación de grupos
pequeños y grandes mostrando un parecido del que no sabíamos.
 En base a los correos, búsquedas web o contenidos; esta metodología
permite extraer información de estos datos y modelar temas y asuntos o
predecir palabras.

12. Visualización de datos
 La visualización de datos se resume en llegar a las personas de una forma
dinámica, exponiendo las bases de datos y estadísticas de maneras
multidimensionales. Se quiere generar una rica experiencia visual ya que
así se genera más percepción de el tema a tratar.

13. Ejemplos de big data
 Entendiendo y segmentando a los clientes
 Entendiendo y optimizando los procesos de los clientes
 Cuantificación y optimización de los clientes de rendimiento personal
 Mejorando la salud publica
 Mejorando el rendimiento deportivo
 Mejorando la ciencia y la investigación
 Optimizando el rendimiento de maquinas y dispositivos
 Mejorando la seguridad y el cumplimiento de la ley
 Mejorando y optimizando las ciudades
 Trading financiero

14. Datos curiosos
 En el 2016, se invirtieron nada más y nada menos que 216 millones de
dólares en proyectos de Big Data.
 4,4 millones de trabajos en tecnologías de la información fueron creados
en el año 2015 para el soporte y la manutención del Big Data.
 En el 2020 se almacenarán más de 35 Zettabytes (1015 GB) de información
en la nube.
 Cada día se almacenan más de 100 Terabytes (106 GB) de información
solamente a través de Facebook.