Descargado 19 veces
Subido porLucia Escapa Castro
Invertir en big data: qué es, qué podemos esperar, qué necesitamos, qué precauciones adoptar
El foro europeo de impulso tecnológico en 2014 expuso la creciente inversión en big data por parte de diversas organizaciones y sectores, destacando su aplicación en análisis, optimización de procesos y salud. También se discutió la evolución de los datos y la importancia de los metadatos para su análisis efectivo, así como el futuro del big data como servicio en diferentes industrias. La conferencia subrayó la necesidad de especialistas en datos y la gestión de la privacidad y la seguridad en un mundo cada vez más digitalizado.
Invertir en big data: qué es, qué podemos esperar, qué necesitamos, qué precauciones adoptar
- 1. I Foro Europeode Impulso Tecnológico Badajoz, 1 de abril de 2014 Lucía Escapa Castro
- 2. ¿A QUIÉN LEIMPORTA EL BIG DATA? ¿QUÉ ES BIG DATA? CÓMO RECONOCERLO QUÉ ESPERAR DEL BIG DATA (Y QUÉ HACER PARA CONSEGUIRLO) PUES NADA, ¿ME PONE UN BIG DATA? ANTES DE EMPEZAR CON BIG DATA BIG DATA, BIG WORRIES LAS PALABRAS DE MODA REFERENCIAS
- 3. En septiembre de2013, según Gartner, el 64% de las organizaciones de todo el mundo ya habían invertido o tenían intención de invertir ese año… • 39% de las organizaciones de medios y comunicaciones • 34% de las organizaciones bancarias • 32% de las empresas de servicios Y en los próximos dos años las previsiones de invertir eran: • 50% de las organizaciones de transporte • 41% de las organizaciones de salu d • 40% de las organizaciones de seguros A lo largo de 2013, Adquisiciones de empresas dedicadas al big data • Sector TIC: IBM, Google, Twitter, Facebook, Yahoo, Tibco, Software AG, Datawatch, EMC, Cloudera, CoreLogic, Cisco, Intel, Pinterest • Sector salud: UnitedHealth, IMS Health • Sector minorista: Walmart • Sector Defensa: Raytheon Analistas de inversión generalistas se fijan y recomiendan empresas de nicho big data, como Datawatch, Tableau o Splunk.
- 4. La digitalización deprácticamente “todo” da lugar a nuevos tipos de grandes datos en tiempo real en un amplio abanico de sectores. Muchos de ellos son datos no normalizados: por ejemplo, datos en streaming, geoespaciales o generados por sensores, que no encajan bien en los warehouses relacionales, tradicionales y estructurados.
- 5. En la actualidades posible extraer conocimientos de los datos con un nivel de sofisticación, velocidad y precisión nunca antes visto, utilizando técnicas como “NoSQL”, “MapReduce” and “machine learning”. Fuente: IBM, ref. 4
- 6. Las 3 V:volumen, variedad, velocidad Y una cuarta: veracidad Fuente: IBM, ref. 7
- 7. Para qué seestá usando Big Data hoy • Análisis y segmentación de clientes • Optimización de procesos de negocio internos • Seguimiento personal • Salud y Sanidad Pública • Rendimiento deportivo • Investigación y Ciencia • Máquinas y dispositivos autónomos • Seguridad y lucha contra el delito • Gestión del hábitat • Finanzas
- 8. Dónde y cómoveremos el big data mañana • En todos los sectores anteriores • De manera pervasiva • Como servicio • En los sectores que aún no lo están aplicando • En las administraciones públicas
- 9.
- 10. +37.9908372 +23.73833930 +48.8588589+2.347059900 +38.6537065 -90.24779080 +51.5286416 -0.101598700 +59.3261420 +17.98754550 +52.5075419 +13.42614190 +51.2603850 +4.369619300 +48.8588589 +2.347059900 +52.3747158 +4.898616600 +34.0204989 -118.4117325 +52.5075419 +13.42614190 +60.1733244 +24.94102480 +51.5286416 -0.101598700 +51.5286416 -0.101598700 +60.1733244 +24.94102480 -37.8602828 +145.0796160 +41.9100711 +12.53599790 +35.6733430 +139.7103880 +19.3200988 -99.15218450 +48.1549107 +11.54183570 +45.5601062 -73.71208320 +55.7497920 +37.63249500 +34.0204989 -118.4117325 +37.5651000 +126.9895500 +41.3947900 +2.148767900 +33.7677129 +84.42060400 -33.7969235 +150.9224326 +37.9908372 +23.73833940 +39.9388838 +116.3974589 +51.5286416 -0.101598700 -22.9112728 -43.44844780 +35.6733430 +139.7103880 ¿Qué es esto?
- 11. +37.9908372 +23.73833930 +48.8588589+2.347059900 +38.6537065 -90.24779080 +51.5286416 -0.101598700 +59.3261420 +17.98754550 +52.5075419 +13.42614190 +51.2603850 +4.369619300 +48.8588589 +2.347059900 +52.3747158 +4.898616600 +34.0204989 -118.4117325 +52.5075419 +13.42614190 +60.1733244 +24.94102480 +51.5286416 -0.101598700 +51.5286416 -0.101598700 +60.1733244 +24.94102480 -37.8602828 +145.0796160 +41.9100711 +12.53599790 +35.6733430 +139.7103880 +19.3200988 -99.15218450 +48.1549107 +11.54183570 +45.5601062 -73.71208320 +55.7497920 +37.63249500 +34.0204989 -118.4117325 +37.5651000 +126.9895500 +41.3947900 +2.148767900 +33.7677129 +84.42060400 -33.7969235 +150.9224326 +37.9908372 +23.73833940 +39.9388838 +116.3974589 +51.5286416 -0.101598700 -22.9112728 -43.44844780 +35.6733430 +139.7103880 Leer de izda a derecha, de arriba abajo, de dos en dos. Latitud sobre Ecuador, Norte +, Longitud Greenwich, Este +
- 12. Atenas 1896 Paris1900 Saint Louis 1904 Londres 1908 Estocolmo 1912 Berlín 1916 Amberes 1920 París 1924 Amsterdam 1928 Los Angeles 1932 Berlín 1936 Helsinki 1940 Londres 1944 Londres 1948 Helsinki 1952 Melbourne 1956 Roma 1960 Tokio 1964 México 1968 Munich 1972 Montreal 1976 Moscú 1980 Los Ángeles 1984 Seúl 1988 Barcelona 1992 Atlanta 1996 Sidney 2000 Atenas 2004 Pekín 2008 Londres 2012 Río de Janeiro 2014 Tokio 2016 …eran las sedes olímpicas… ¡Sin metadatos los datos no tienen sentido!
- 13. 1. Tener lacapacidad de identificar, extraer, transformar, cargar y almacenar los datos para su futuro análisis. (TÉCNICA + INFRAESTRUCTURA) BIG DATA, SMALL BUSINESSES (big data como servicio, collective wisdom..) 2. Entender muy bien todos los datos de los que dispone, qué significan, cómo se han creado y la importancia que tienen. (METADATOS, SEMÁNTICA) La crisis de los metadatos (RFD, Linked Data, SPARQL…) 3. Contar con una cultura establecida para la identificación, ejecución y seguimiento con un enfoque basado en la ciencia de datos. (PERSONAS, ESPECIALISTAS EN DATOS) BIG DATA, NEW PEOPLE (McKinsey, en 2019, en EEUU faltarán unos 150.000 analistas de datos…)
- 14. • Privacidad • Seguridad,fiabilid ad • Propiedad intelectual • Responsabilidad • Riesgo/beneficio
- 15.
- 16. 1. http://www.kdnuggets.com/2013/08/recent-acquisitions-big- data.html 2. http://blogs.avalonconsult.com/blog/search/metadata- management-semantics-for-big-data/ 3.http://www.zdnet.com/topic-making-the-business-case-for- big-data/ 4. Analytics: el uso de big data en el mundo real 5. http://pacojariego.me/2014/03/23/in-the-blink-of-many-eyes/ 6. http://www.zdnet.com/topic-making-the-business-case-for- big-data/ 7. http://polyteknisk.no/content/download/38585/245039/version /1/file/Bekas.IBM_Big.Data+Outlook+liten.pdf 8. http://www.mckinsey.com/insights/business_technology/big_ data_the_next_frontier_for_innovation
- 17.