BIG DATA

1. YENY FERNANDA
QUINTERO PEÑA
BIG DATA
HIPI-III

2. Big Data (Gran Volumen de Datos) se refiere a grandes
volúmenes de datos que no pueden ser procesados,
gestionados o analizados mediante herramientas
tradicionales de bases de datos debido a su tamaño,
complejidad y velocidad de generación. Estos datos
provienen de diversas fuentes como redes sociales,
sensores, dispositivos móviles, registros de
actividades en línea, entre otros. La característica
esencial de Big Data es que su valor no solo radica en
su cantidad, sino en la capacidad de analizar y extraer
información significativa de él.
QUE ES EL BIG DATA

3. IMPORTANCIA
Mejora la toma de decisiones: Permite a las empresas
y organizaciones tomar decisiones más informadas y
precisas mediante el análisis de grandes volúmenes
de datos que pueden proporcionar patrones y
tendencias significativas.
Innovación y mejora de productos: Analizando los
datos de los consumidores, las empresas pueden
mejorar sus productos y servicios para satisfacer
mejor las necesidades de los usuarios.
Personalización: Las empresas pueden ofrecer
experiencias personalizadas a sus clientes basadas
en sus comportamientos y preferencias, lo que
incrementa la satisfacción y fidelización.

4. IMPORTANCIA
Eficiencia operativa: Big Data permite optimizar
procesos internos, desde la logística hasta la
gestión de recursos, lo que reduce costos y mejora
la eficiencia.
Detección de riesgos y oportunidades: El análisis
predictivo de Big Data puede ayudar a prever
posibles riesgos y oportunidades de negocio, lo que
permite actuar antes de que se materialicen.

5. Un experto en Big Data es un profesional capacitado
para manejar, analizar e interpretar grandes
volúmenes de datos, utilizando herramientas y
tecnologías avanzadas como Hadoop, Spark, NoSQL, y
lenguajes de programación como Python y R. Además de
ser competente en estadística y análisis, un experto
en Big Data debe estar familiarizado con la
infraestructura necesaria (servidores, bases de
datos distribuidas, cloud computing) para almacenar
y procesar grandes cantidades de datos.
EXPERTO EN BIG DATA

6. Los datos utilizados en Big Data provienen de
diversas fuentes, tales como:
Sensores y dispositivos IoT (Internet de las Cosas):
Los dispositivos conectados generan enormes
cantidades de datos continuamente, como los
medidores de tráfico, relojes inteligentes o
sensores industriales.
Redes sociales: Plataformas como Facebook, Twitter e
Instagram generan un volumen masivo de datos a
través de interacciones, publicaciones y comentarios
de los usuarios.
Registros de actividad web: Los usuarios dejan datos
en forma de clics, búsquedas, y navegación a través
de sitios web y aplicaciones móviles.
ORIGENES

7. Sistemas empresariales: Las empresas generan datos
de ventas, inventarios, recursos humanos, y muchos
otros que son relevantes para su operación interna.
Datos públicos y gubernamentales: Información
proporcionada por gobiernos o entidades públicas en
áreas como salud, transporte y educación.
Archivos de medios y contenido multimedia: Las
imágenes, videos y otros contenidos generados por
los usuarios en plataformas digitales también forman
parte del Big Data.
ORIGENES

8. Hadoop: Un marco de trabajo de código abierto para
procesar grandes volúmenes de datos distribuidos a
través de clusters de computadoras.
Apache Spark: Un motor de procesamiento de datos en
tiempo real que permite análisis de grandes datos de
forma más rápida que Hadoop.
Bases de datos NoSQL: Como MongoDB, Cassandra y
HBase, que permiten almacenar datos no estructurados
y semi-estructurados.
HERRAMIENTAS

9. Data Lakes: Grandes repositorios de datos en su
forma más cruda, sin procesar, que pueden ser
analizados posteriormente.
Machine Learning y Inteligencia Artificial:
Algoritmos de aprendizaje automático para analizar
patrones y predecir tendencias en los datos.
BI (Business Intelligence): Herramientas de
visualización y análisis de datos como Tableau,
Power BI y QlikView para ayudar a los analistas a
obtener insights útiles.
HERRAMIENTAS

10. Data Lakes: Grandes repositorios de datos en su
forma más cruda, sin procesar, que pueden ser
analizados posteriormente.
Machine Learning y Inteligencia Artificial:
Algoritmos de aprendizaje automático para analizar
patrones y predecir tendencias en los datos.
BI (Business Intelligence): Herramientas de
visualización y análisis de datos como Tableau,
Power BI y QlikView para ayudar a los analistas a
obtener insights útiles.
HERRAMIENTAS

11. Sector Salud:
1.
Análisis de datos genéticos para personalizar
tratamientos médicos.
Detección temprana de brotes de enfermedades a través
de datos de hospitalización y redes sociales.
2. Sector Financiero:
Monitoreo y prevención de fraudes en tiempo real
mediante análisis de transacciones.
Modelos predictivos para evaluar riesgos crediticios.
3. Retail y Comercio Electrónico:
Recomendaciones personalizadas de productos basadas en
el comportamiento de compra.
Análisis de tendencias de consumo para optimizar
inventarios y precios.
CASOS DE USO BIG DATA

12. 4. Transporte y Logística:
Optimización de rutas en tiempo real para reducir
costos y mejorar tiempos de entrega.
Análisis de datos de tráfico para predecir condiciones
en tiempo real.
5. Marketing y Publicidad:
Segmentación avanzada de clientes para campañas de
publicidad más eficaces.
Análisis de sentimientos en redes sociales para
mejorar estrategias de marketing
CASOS DE USO BIG DATA

13. Big Data funciona a través de una serie de procesos
técnicos que permiten la recolección, almacenamiento,
procesamiento y análisis de grandes volúmenes de datos:
Recolección de datos: Los datos se recogen de
múltiples fuentes, como dispositivos IoT, plataformas
sociales, transacciones comerciales, entre otros.
Almacenamiento: Los datos se almacenan en
infraestructuras especializadas como Data Lakes o
bases de datos distribuidas que permiten manejar
grandes volúmenes de datos de manera eficiente.
COMO FUNCIONA BIG DATA?

14. Procesamiento y análisis: Se utilizan tecnologías como
Hadoop y Apache Spark para procesar los datos y
realizar análisis avanzados. El procesamiento puede
ser en tiempo real (streaming) o por lotes (batch).+
Visualización y resultados: Los datos procesados se
presentan a través de herramientas de visualización,
donde los analistas pueden interpretar los patrones,
realizar predicciones y generar insights. Además, los
modelos de Machine Learning pueden ser implementados
para automatizar decisiones basadas en los datos.
COMO FUNCIONA BIG DATA?