Big Data es la profesión de moda y empresas de todos los sectores buscan especialistas. La consultora McKinsey prevé una brecha en torno al 50% entre la demanda y la oferta de puestos de trabajo relacionados con Big Data para 2017-2018 Pero ¿qué hay detrás de este nuevo paradigma? La transformación digital en las empresas implica una inflación de datos que las organizaciones no saben cómo usar y gestionar. Es un campo muy amplio y se necesitan perfiles muy variados desconocidos hasta ahora en nuestra sociedad. Ante esta demanda de profesionales especializados en las tecnologías de big data y business intelligence, la gran baza para muchos ingenieros que quieran lograr un trabajo interesante y bien remunerado es formarse en estas especialidades Dentro del rompecabezas de Big Data podemos diferenciar entre las habilidades técnicas en torno a Hadoop, MapReduce y frameworks comerciales y las competencias relacionadas con la Ciencia de los Datos (Data Science), que son las más demandadas y difíciles de encontrar. Por tanto, estamos ante un periodo para decidir sobre qué tipo de cursos deberían ser diseñados con el objetivo de producir talento cualificado para alimentar la industria de Big Data. En este sentido CICE ofrece una carrera profesional con varias especializaciones y masteres que abarca una alta variedad de conceptos y herramientas tecnologícas que se ajustan al mercado laboral.

1. BIG DATA.
NUEVOS PERFILES Y OPORTUNIDADES
DE EMPLEO
A N T O N I O A L O N S O P I Ñ E R O
1 6 D E N O V I E M B R E D E 2 0 1 6

2.  Licenciado en CC Matemáticas. Master BI
 Programa Executive Big Data&Business Analitycs
 Especialidad profesional
 Business Intelligence. Modelado de datos
 Big Data
 Experiencia laboral
Antonio Alonso Piñero
Project Manager BI&Big Data
eslinkedin.com/in/antonioalonsobibigdata

4. Empleo Big Data

5. Empleo Big Data

6. Business Intelligence

7. Arquitectura BI tradicional

8. … y de repente aparece un nuevo concepto

9. Nuevo contexto. Digitalización

10. Nuevo contexto. Omnicanalidad
Los clientes ya no
interactúan por un solo
canal, sino que utilizan
múltiples vías de
contacto.

11. Nuevo contexto. Omnicanalidad
Obteniendo información,
no sólo de las fuentes
tradicionales, sino
también de cualquier tipo
de contacto

12. Nuevo contexto. Omnicanalidad
Incorporando
información externa
proporcionada
voluntariamente por el
cliente o con
mecanismos de
extracción de entornos
sociales

13. Nuevo contexto. Omnicanalidad
Incorporando
información externa
proporcionada
voluntariamente por el
cliente o con
mecanismos de
extracción de entornos
sociales

14. Nuevo contexto. IoT. Sensores

15. Nuevo contexto. Sensores. IoT
 UPS comenzó a instalar sensores en sus
vehículos de reparto para conocer su velocidad y
ubicación (si el cinturón de seguridad del
conductor está abrochado).
Al combinar su información de GPS y los datos de
sensores sobre rendimiento en más de 46.000
vehículos, UPS recortó 136 millones de kilómetros
de sus rutas.
Geolocalización

16. Nuevos orígenes de fuentes de datos
Generados por las
personas
E-Mail, redes sociales
(Facebook, Twiter…),
búsquedas
Transacciones de
datos
Facturación, llamadas,
transacciones entre
cuentas generan
información que tratada
pueden ser datos
relevantes
E-marketing y
Web
Generamos una gran
cantidad de datos
cuando navegamos
por internet
IoT
(Internet of Things)
Son las tecnologías que
comparten datos con
dispositivos: medidores,
sensores de temperatura,
de luz, de altura, de
presión, de sonido…
Biométrica
Son el conjunto de datos
que provienen de la
seguridad, defensa y
servicios de inteligencia.
Datos generados por
lectores biométricos como
escáneres de retina,
escáneres de huellas
digitales, o lectores de
cadenas de ADN.

17. ¿Qué es Big Data?
Una nueva generación de tecnologías y arquitecturas
diseñadas para extraer valor económico de grandes
volúmenes de datos heterogéneos que debido a su
volumen, variedad o velocidad no pueden ser tratados
de manera convencional, ya que superan los límites y
capacidades de las herramientas de software
habitualmente utilizadas para su captura, gestión y
procesamiento

18. Gaps en la actualidad
• Soporte de volúmenes de datos
limitado de los sistemas OLTP
• Excesiva normalización y rigidez a
nivel de los esquemas de datos
• No es compatible con la carga de
fuentes de datos no estructuradas
• Limitaciones importantes para
resolver workloads de Real-time
analytics
• Capacidad de escalamiento y
elasticidad limitados y de alto
costo
• Pensada principalmente para el mundo
on-premise, lo que dificulta su
extensión hacia el Cloud
No esta preparada para
la Transformación
Digital

19. Nueva arquitectura

20. • Volúmenes de datos ilimitados con
capacidad de escalamiento horizontal.
• Arquitectura de datos Unificada que
integra fuentes de datos estructuradas
y no estructuradas.
• Esquemas flexibles diseñados para
cambiar frecuentemente.
• Diseñada para soportar cualquier tipo
de workload, Interactivo, Real-time,
Batch y Analítico.
• Integrándose con los activos de datos
existentes como el EDW, los DataMarts
y las bases de datos OLTP más las
fuentes de datos no estructuradas.
• Compatible con cualquier arquitectura
Cloud (privada, pública, híbrida).
Habilita la
implementación de
nueva analítica de
negocio
Nueva arquitectura

21. ¿Por qué ahora?
 El entorno competitivo ha impulsado la tecnología Big
Data mediante el desarrollo de nuevas herramientas para una
toma de decisiones más precisa.
 Abaratamiento de la memoria RAM de las computadoras y su
aumento de tamaño posibilitan la carga masiva para su
análisis (in memory analytics)
 Nuevos entornos para el almacenamiento, trabajo y
computación distribuidos. (Hadoop, Spark).
 Nuevas Bases de Datos especializadas (NoSQL; MPP; En
memoria)

22. Universo Big Data

23. La profesión más “sexy”
“Gran parte del entusiasmo
actual por los big data se
enfoca en la tecnología.
Aunque la tecnología es
importante, como mínimo es
igual de importante la gente
con las capacidades (o la
mentalidad) para usarla. Y
en este frente, la demanda
es mayor que la oferta.”
T. Davenport

24. Necesidad de formar nuevos perfiles
EquipoData
Steward/CDO
Arquitecto
Big Data
Ingeniero Big
data
Administrador
Big Data
Analista de
Datos (Data
Analyst)
Data
Scientist
Visualizador
de Datos
(UX)
Analista
Digital/SEO
Business
Analyst

25. Big Data y Data Science
 Son dos campos complementarios pero se diferencia.
 El objetivo de Big Data es construir la
infraestructura que soporte la escalabilidad para el
tratamiento de datos y los tiempos de respuesta
adecuados .
 Sobre esas arquitecturas, se desarrollarán
posteriormente los procesos analíticos para extraer
valor de los datos por parte de los Data Scientist

26. Big Data y Data Science

27. Big Data y Data Science
ORIGENES DE DATOS
INTEGRATION
LAYER (EL)
SOURCES
REAL TIME
EVENT
STORAGE LAYER
PROCESSING
&ANALYSIS
LAYER (ETL)
ANALYTICAL
TOOLS
VISUALIZATION
LAYER

28. Perfiles más demandados
 CDO (Chief Data Officer). Realiza la doble acción de
proteger los datos y resultados obtenidos y la gestión y
acceso a los datos de acuerdo a las políticas, normativas y
estándares de la empresa. Gobierno del Dato
 Data Architect. Responsable del diseño y la
implementación del ciclo de vida de la arquitectura Big
Data.
 Big Data Developer. Encargado de captar los datos,
almacenarlos, y procesarlos para que los datos esten
disponibles para su analítica.
 Big Data Administrator. Distribución de los cluster,
infraestructura, seguridad y optimización de las cargas.

29. Perfiles más demandados. Data Architect
 Responsable del diseño y la implementación de
la infraestructura Big data.
 Entender los requerimientos del negocio y las
nuevas capacidades de la infraestructura para el
desarrollo de la integración entre la
arquitectura Big Data y la infraestructura
actual
 Selección de herramientas y plataformas
necesarias.
 Competencias programación en sistemas distribuidos para el
tratamiento de datos
 Conocimientos de Databases y Almacenamiento de datos y SO Linux
 Competencias en comunicación

30. Perfiles más demandados. Data Scientist
 Extrae conocimiento y valor de los
datos.
 Definir los data sets adecuados
 Descubre relaciones ocultas y
patrones entre los datos de diferentes
áreas de negocio y tecnología
 Competencias informáticas para el tratamiento de datos
 Competencias estadísticas, matemáticas para analítica de datos.
 Competencias en comunicación y visualización de datos.

31. Conclusiones
 En el nuevo contexto, el análisis de datos es cada vez más
relevante y necesarios.
 Es necesario una nueva infraestructura para llevar a cabo la
explotación de los datos en un entorno cada vez más cambiante
 Hay organizaciones que ya se están apalancando en este tipo
de estrategias para crear ventajas competitivas
 El mercado de BI / Big Data / Business Analytics tiene una
salud de hierro y mucho interés
 Hay una clara necesidad de perfiles
 Capacitación y formación especializada en puntos concretos de
Big Data / Business Analytics

32. Conclusiones

33. Conclusiones