El documento habla sobre el proyecto del genoma humano y cómo la gran cantidad de datos biológicos generados se ha convertido en un problema de Big Data. Explica que tareas como añadir nuevas secuencias, realizar búsquedas y predicciones con estos datos son similares a las tareas que se realizan con otros conjuntos de Big Data. También menciona las 5V del Big Data (volumen, velocidad, variedad, valor y veracidad) y los pasos que propone el MIT para llevar a cabo proyectos de Big Data.

1. Victoria López
@victoriademates
www.tecnologiaUCM.es
Universidad Complutense de Madrid
1a

2. 2
1a

3. 3
1a

4. Human Genome Project 4

5. 5

6. 6
6
La cantidad de datos biológicos es un Big Data.
Añadir nuevas secuencias, búsquedas,
predición, son tareas muy similares en
cualquier Big Data

7. Vineyards in La Geria, Lanzarote

8. 8

9. 09/02/2015 9

10. 09/02/2015 10

11. 09/02/2015 11

12. 09/02/2015 12

13. 09/02/2015 13

14. 09/02/2015 14

15. 09/02/2015 15PIC 2014, Shanghai

16. 16

17. 17

18. From Data Warehouse to Big Data (large Data Bases)
18
1970 relational model invented
RDBMS declared mainstream till 90s
One-size fits all, Elephant vendors- heavily
encoded even indexing by B-trees.

19. Alex ' Sandy' Pentland, director of 'Media Lab' at
Massachusetts Institute of Technology (MIT):
The big data revolution,
2013 Campus Party Europe
19
Nowadays bussiness needs a high
avalailability of data, then new
techniques must be developed:
Complex analytics, Graph Databases
Data Volume is increasing
exponentially
– 44x increase from 2009 2020
– From 0.8 zettabytes to 35zb

20. 20

21. Datos no
estructurados
21
¿Cómo se genera Big Data?

22. Big Data 3+1+1 V’s
22

23. 23

24. 24

25. 25
Debajo de nuestras acciones hay un desarrollo
algorítmico muy complejo y competitivo…

26. 26

27. 27

28. 28
¿Cuánto tiempo tarda un adolescente en recoger su
habitación?
One teenager working = one afternoon at home

29. 29
¿Podría un adolescente ordenar todas
las habitaciones de Nueva York?

30. 30

31. 31
Harvard Business Review (HBR) blog,
CMOs and CIOs Need to Get Along to Make Big Data Work,

32. 32

33. 33

34. 34

35. 35
Social
Sensing

36. 36

37. 37
Pasos en un proyecto Big Data
según MIT