Una visión para todo público sobre Big Data y su influencia en la vida cotidiana, brindada en la Universidad Hispanoamericana en su Sede de Puntarenas, Costa Rica.

2. Quién soy yo?
Ronald tiene más de 25 años de experiencia como
Oracle DBA. Profesor universitario en ULACIT. Es
responsable de la creación de los Grupos de Usuarios
de Oracle de Costa Rica y Centroamericana. Fue el
primer ACED Centroamericano. Es un participante
activo en la comunidad y disfruta ayudando a sus
compañeros a encontrar soluciones y respuestas sobre
Oracle Technology. Ronald fue Director de Tecnología
para el LAOUC, desde el 2012 al 2017. Ronald es un
instructor de Oracle University desde el año 2000 y
reconocido en su oportunidad, como uno de los 15
mejores instructores de LAD por Oracle University. Se
esfuerza por mantener su blog actualizado
regularmente y escribe artículos para Oracle
Corporation en español.
http://oracledbacr.blogspot.com. Además de trabajar
actualmente para Grupo Financiero Improsa como
Arquitecto de Información.
Ha sido expositor
en OTN TOUR:
Argentina
Perú
Ecuador
Colombia
Panamá
Honduras
Guatemala
México
Chile
Seminarios
Nicaragua
Eventos de ISACA
CPIC
Barcamp
UCR
ITCR
ULACIT
ULATINA
UCenfotec
UHISPANOAMERI
CANA SJ
UTP, Panamá
Universidad Libre
de Colombia
Universidad
Antioquia,
Colombia

3. Homo sapien Post-
Globalización
“El más grande peligro para la sobrevivencia de la
civilización actual no es la guerra atómica, no es la
contaminación ambiental, no es la explotación de los
recursos naturales y no son ningunas de las crisis
contemporáneas. La causa subyacente a todas las
nombradas, es la aceleración en la obsolescencia del
hombre. La única esperanza parece ser un ‘programa de
choque’ para re-insuflarle ( Comunicar o transmitir ideas,
estímulos o sentimientos ) a la generación presente de
adultos, competencias requeridas para funcionar
adecuadamente en una condición de cambio
perpetuo…”.
(*) Malcolm S. Knowles fue doctor en filosofía, mención
educación, graduado en la Universidad de Chicago. Nace
Ago 1913- Fallece Nov 1997

4. Transform: A Rebel's Guide for
Digital Transformation
“La clave de la transformación digital radica en el uso de
la empatía y la conexión para pensar “Como el Cliente”.
"La tecnología es simplemente el facilitador y los grandes datos
no ayudarán".
Gerry McGovern — prolific author,
founder and CEO of Ireland-based
Customer Carewords

5. AI, realidad o mito aún en nuestros días
En primer lugar, la creación de inteligencia general que imita el cerebro
humano está aún muy lejos.
“Estoy bastante seguro de que es posible. Es sólo una cuestión de calendario.
Probablemente seis o siete décadas.”
Mustafa Suleyman,
cofundador de DeepMind

6. AI, realidad o mito aún en nuestros días
La clave para la gente de negocios es entender que la inteligencia artificial no
es una extensión de sus esfuerzos de TI o sus esfuerzos digitales, sino más bien,
en palabras de Kenny, “fundamental para las decisiones más importantes que
usted toma.”
David Kenny, jefe de IBM Watson
Cualquier persona en su empresa
que toma decisiones importantes
tendrá que entender esto
visceralmente “para competir en
los próximos años.”

7. Qué había antes del Big Bang ?
Stephen Hawking dijo alguna vez que “preguntar qué había antes del origen
del universo es tan absurdo como preguntar qué hay al norte del Polo Norte”.
Es curioso que una cuestión semejante se
planteara hace siglos en el ámbito religioso. Los
teólogos se preguntaron: ¿qué hacía Dios antes de
crear los Cielos y la Tierra? (una buena pregunta).
La respuesta que dio San Agustín a manera de
broma fue que: “Dios preparaba el infierno para
los que hacen este tipo de preguntas” (400 d.C.).

8. Cuándo empezó todo ?

11. Hace cuánto apareció qué ?
El primer hombre aparece hace 1.75 mil
millones de años: Ser de aspecto bestial que
caminaba sobre sus extremidades posteriores y
cuyo cerebro era tres veces más pequeño que
el del hombre actual: el Australopiteco
La Tierra aparece hace 4.5 mil millones
de años desde su formación a partir de
la nebulosa protosolar. Un tercio del
total transcurrido desde el Big Bang

12. Evolución de la civilización ?

13. Es difícil saber hacia donde vamos, si no sabemos de donde venimos.
En 1830, se inauguró la primera línea de ferrocarril interurbano, la línea
entre Liverpool y Mánchester. En este año, una persona promedio, podía costearse el precio
de un tiquete.
1830
Desde el inicio de la era registrada, 4000 A.C. hasta
1830, la gente casi no se movía. Durante este tiempo,
menos del 5% de la población se traslado. Y cuando
lo hacían eran empresarios o criminales. En estos
6000 años, existía una probabilidad de +85% de vivir,
casarse y morir en un área de 20 km a la redonda, de
donde uno nació.

14. La humanidad se tardó 90 años entre el uso masivo del
ferrocarril y la llegada de la electricidad a todos los hogares.
En menos de 100 años, nosotros hemos visto más cambios,
que toda la humanidad en los 6000 años anteriores.
La tasa con que sucede estos cambias sólo se puede describir
con el término “Exponencialismo”
1830 1920
2017

15. Los últimos 100 años, han sido los más éxitos de la humanidad.
Una persona que nace hoy en occidente, tiene casi el doble de expectativa de
vida, que si hubiera nacido en 1900.
Se espera que un niño que nace hoy en el mundo occidental, viva hasta los
120 o 130 años.
• Hoy en día trabajamos
significativamente menos que hace
100 años. Aproximadamente un 50%
menos de tiempo. Así que la
tecnología y el exponencialismo esta
dando resultado.

16. “Saber mucho no es lo mismo que ser inteligente. La
inteligencia no es sólo información, sino también juicio, la
manera en que se recoge y maneja la información.”
― Carl Sagan

17. “Nos movemos en nuestro ambiente diario sin entender casi nada acerca del
mundo.”
Historia del Tiempo: Del Big Bang a los Agujeros Negros- Stephen Hawking

18. ‘Vivimos en una sociedad profundamente dependiente de la ciencia y la
tecnología y en la que casi nadie sabe nada de estos temas. Ello constituye una
fórmula segura para el desastre.’ Carl Sagan, 1934-1996

19. La computación cognitiva o computación del conocimiento, marca el
comienzo de una nueva era de la informática; se trata de la fase más
transformadora en la evolución de esta ciencia; los sistemas aprenden a escala,
razonan con propósito e interactúan naturalmente con humanos.
Nelly Toche, El Economista, MX
Junio, 2016

20. En un mundo dinámico donde la tecnología avanza a ritmos vertiginosos, “La
tercera generación de la computación”, conocida como la ‘computación
cognitiva’, permite recolectar una gran cantidad de datos estructurados y
datos complejos –no estructurados, 3era plataforma tecnológica-, para luego
transformarlos en conocimiento y experiencias.

21. La Ciencia de Datos (Data Science) es la extracción de conocimiento a partir de
grandes volúmenes de información estructurada o no estructurada. Es el
proceso que sigue a la “Minería de Datos” (Data Mining) que es la recolección
y ordenación de los datos.

22. Durante años se habló de “Inteligencia de Negocios”. El BI ayudó a las
compañías a visualizar, analizar y proyectar el comportamiento de las
operaciones del negocio con base en su desempeño económico.
Modelo Estadístico

23. Este tipo de análisis - modelo estadístico- fue valido y útil, hasta que la “3era
plataforma tecnológica” incursionó en los negocios. El Big Data, las redes
sociales, las aplicaciones móviles y el Internet de las Cosas, cambiaron los
modelos de cómo hacer negocios.
Modelo Predictivo- basado en patrones

24. La Innovación cedió su lugar a la “ReWrite” y las empresas iniciaron procesos
de re-estructuración desde adentro de la misma. El BI ya no fue suficiente para
entender el comportamiento del negocio y nació la Analítica de Negocio “BA” –
Business Analytics – que es aplicar capacidades analíticas a la información que
es la evolución de los sistemas de Inteligencia de Negocios actuales.

25. La capacidad analítica nos ayudó a formular nuevos paradigmas, sin embargo,
por si sola, no es suficiente para encontrar la respuestas y soluciones al nuevo
orden mundial de los negocios.
Con el análisis de los datos no estructurados, es cuando podemos de manera
más aproximada, a partir de la integración del dato “sentimiento”,
comprender, entender y atender las necesidades del consumidor de nuestros
servicios y productos.

26. El 80% de la población esta conectada de alguna manera a una red social. Estos
individuos, poseen dos tipos de identidades. Una identidad física y otra digital y
curiosamente, confían en un 90% más en su identidad digital que en la real. Ahí
es donde los individuos están tomando decisiones. Están consumiendo
servicios y productos. Ahí es donde están tomando decisiones-

27. El papel del científico de datos
Estamos iniciando un nuevo proceso en el análisis y la adopción de un nuevo orden social y
comercial, que no sólo nos permitirá comprender a los consumidores, sino también, que nos
permitirá conocernos a nosotros mismos.
¿Cuáles son las destrezas que un científico de datos requiere?
Para un científico de datos los conocimientos son su materia prima, sin embargo, es
necesario que también pueda desarrollar habilidades en distintos campos, hasta obtener
un nivel de “expertise”.

28. Para obtener al grado de “Experto” es necesario que el científico de datos, acompañé este
proceso con dedicación y constancia, para ir creciendo en conocimiento en áreas como:
◦ Matemáticas, estadística e informática.
◦ Aprendizaje de la Programación
◦ Conocer sobre las Bases de Datos. Conocer lenguaje de interacción SQL para consultar,
modificar y alimentar datos. Oracle, MySQL, SQL Server, etc.
◦ Ser ágil en herramientas de procesamiento y visualización
◦ “Big Data”. El análisis y descubrimiento de patrones en incipientes datos.
◦ Aprender con carácter crítico. No deje de aprender y practicar.

29. CIENTÍFICOS DE DATOS, INGENIEROS DE DATOS, INGENIEROS DE
SOFTWARE: LA DIFERENCIA

30. Un ingeniero de software construye aplicaciones y sistemas. Los desarrolladores
participarán en todas las etapas de este proceso, desde el diseño hasta la escritura de
códigos, hasta la prueba y la revisión. Están creando los productos que crean los
datos. La ingeniería de software es la más antigua de estas tres funciones, y ha
establecido metodologías y conjuntos de herramientas.
El trabajo incluye:
Desarrollo front end y back end
Aplicaciones web
Aplicaciones móviles
Desarrollo del sistema operativo
Diseño de software

31. Un ingeniero de datos construye sistemas que consolidan, almacenan y recuperan datos de
las diversas aplicaciones y sistemas creados por ingenieros de software. La ingeniería de
datos surgió como un conjunto de habilidades de nicho dentro de la ingeniería de software.
El 40% de todos los ingenieros de datos trabajaban previamente como ingeniero de software,
convirtiendo esta carrera en la carrera más común para los ingenieros de datos de lejos.
El trabajo incluye:
Estructuras avanzadas de datos
Computación distribuida
Programación simultánea
Conocimiento de herramientas nuevas y emergentes:
Hadoop, Spark, Kafka, Hive, etc.
Construcción de ETL.

32. Un científico de datos construye un análisis en la parte superior de los datos. Esto puede
venir en forma de un análisis único para un equipo que intenta comprender mejor el
comportamiento del cliente o un algoritmo de aprendizaje automático que luego se
implementa en la base de código por ingenieros de software e ingenieros de datos.
El trabajo incluye:
Modelado de datos
Aprendizaje automático
Algoritmos
Dashboards de Business Intelligence
Equipos de datos en evolución
Estos roles siguen evolucionando

33. Las mejores prácticas en comunicación y difusión pública ayudarán a los
científicos de datos con expectativas más realistas y ayudarán al público en
general a entender el valor real y el impacto de la ciencia de los datos.
Christian Kendall
La tecnología no es nada. Lo importante es que tengas fe en la gente, que
sean básicamente buenas e inteligentes, y si les das herramientas, harán
cosas maravillosas con ellas.-Steve Jobs.

34. Datos estructuras versus datos no estructurados, de que hablamos.

35. Datos NO
ES LO MISMO QUE
información
“Para que los datos se
convierta en información,
se tiene que colocar en
contexto.” 35

36. La IA, requiere UN TOQUE HUMANO
36

37. La IA, requiere UN TOQUE HUMANO
37

38. La IA, requiere UN TOQUE HUMANO
38

39. La IA, requiere UN TOQUE HUMANO
39

40. La IA, requiere UN TOQUE HUMANO
40

41. La IA, requiere UN TOQUE HUMANO
41

42. La IA, requiere UN TOQUE HUMANO
Múltiples ejemplos se han vuelto virales recientemente, cada uno
demostrando las deficiencias de los métodos de búsqueda de Google y
la capacidad de la IA utilizada para generar información objetiva.
42

43. 43
2017
2016
2015

44. 44
¿Y por qué Beyoncé tendría una foto en la que luce como Frida? Todo
se remonta al Halloween de 2014, cuando la cantante asistió a una
fiesta en Charlie Bird, en Nueva York, disfrazada como la pintora
mexicana más popular del mundo.

45. Procesamiento natural del lenguaje NLP
45
In July 2016, Google announced the public beta launch of a new machine learning application program
interface (API), called the Cloud Natural Language API.

46. De que me perdí.?
De que “Eras” hablan. ?
46

47. ERA 1.0, 2000
47
La era 1.0 era puro cerebro, se focalizaba en diferenciar
las marcas sólo por el producto, encontrando una gran
diferencia única y tangible.
Se ve al consumidor como una masa que compra para
suplir sus necesidades funcionales. Las empresas basan
sus esfuerzos/económicos en desarrollo de producto, que
es el centro del posicionamiento y la única propuesta de
valor. Las estrategias de marketing en esta época están
orientadas al producto exclusivamente.

48. ERA 2.0, 2010
Ya no está enfocado solamente al producto, sino
que ahora entra otro agente: el consumidor. El
objetivo de las compañías es satisfacer
y retener al cliente generando fidelidad hacia su
marca y productos. Estamos en la época de
la tecnología de la información, donde el cliente
tiene una visión clara y se posiciona como un
consumidor inteligente y de necesidades muy
específicas.
48

49. ERA 3.0, 2015
No solo se busca satisfacer nuestras necesidades, sino que cada empresa nos brinde
productos con conciencia social y ambiental. Estamos en la etapa de la
tecnología nueva ola; es aquí donde entran en el mundo de las redes
sociales. Nueva Ola, es ordenador, móvil y social media. No se ve al consumidor
como una masa, sino como una persona física con sentimientos, valores y con
necesidades complejas.
49

50. ERA 4.0, 2017
Es la época de la investigación de mercados o, como se le conoce en
el mundo online, Big data. Las empresas van a tener que predecir lo
que quiere el consumidor antes de que lo pida, y por eso es
necesaria la investigación onliney offline.
La era de la robótica.
50

51. CASO HIPOTETICO: Te harías una limpieza dental con
ella?
51
La asesina Brenda Delgado, la mexicana
más buscada por el FBI
Las autoridades de Estados Unidos
incluyen en la lista de los más buscados a
una higienista dental que huyó tras idear
un crimen por celos contra Kendra Hatcher
en Dallas
Recompensa: $100.000,00
Brenda Delgado

53. Datos No
estructurados

55. Datos estructuras versus datos no estructurados, de que hablamos.
BIG DATA y Hadoop 2.0
Cómo las empresas más innovadoras, extraen valor de sus datos inciertos.?
BIG DATA es un concepto que significa muchas cosas para muchas personas, ha dejado
de estar limitado al mundo de la tecnología. Hoy en día se trata de una prioridad
empresarial dada su capacidad para influir profundamente en el comercio de una
economía integrada a escala global. Además de proporcionar soluciones a antiguos retos
empresariales, big data inspira nuevas formas de transformar procesos, empresas,
sectores enteros e incluso la propia sociedad.

56. Datos estructuras versus datos no estructurados, de que hablamos.
IBM indica que en su última investigación ha descubierto que las empresas
utilizan big data para obtener resultados centrados en el cliente, aprovechar los
datos internos y crear un mejor ecosistema de información.

57. Datos estructuras versus datos no estructurados, de que hablamos.
Estos resultados coinciden con una forma útil de caracterizar cuatro
dimensiones de big data –”Las cuatro V: “
volumen,
variedad,
velocidad,
veracidad.

58. Datos estructuras versus datos no estructurados, de que
hablamos.

59. Datos estructuras versus datos no estructurados, de que
hablamos.

60. Hadoop
“Para entender Hadoop, se tiene que entender dos aspectos fundamentales de
éste” :
Cómo almacena archivos Hadoop y
Cómo procesa datos.
Doug Cutting

61. Hadoop
“Imagine que tuviera un archivo más grande que la capacidad de
almacenamiento de su PC. No podría guardar ese archivo, ¿verdad? Hadoop le
permite almacenar archivos más grandes de los que se pueden alojar en un
nodo o servidor en particular. De modo que puede almacenar archivos muy,
muy grandes. También le permite almacenar muchos, muchos archivos”.
Los ejecutivos “simplemente saben que es una tecnología de Big Data, y con
eso les basta”.

62. Hadoop
¿Entonces qué es esta cosa “MapReduce”? Es parte de Hadoop también:
”La segunda característica de Hadoop es su capacidad de procesar esos
datos, o al menos (proveer) una estructura para procesar esos datos. A esa
estructura se la llama MapReduce”.
Pero en vez de dar el paso
convencional de trasladar datos a
través de una red para ser procesados
por software, MapReduce emplea un
enfoque más astuto hecho a la medida
de los grupos de Big Data.

63. Hadoop
Trasladar datos a través de una red “puede ser muy, muy lento, en especial con grupos de datos
realmente grandes”:
“Imagine si abre un archivo realmente grande en su laptop: tomará mucho tiempo en abrirlo. Toma
mucho más tiempo que si se trata de un archivo pequeño”.
Así que en lugar de trasladar los datos al software, MapReduce traslada el software de
procesamiento a los datos.
Permite a las aplicaciones trabajar con miles de nodos y petabytes de datos.
(*) 1024 Terabytes, 1 TB igual 1024 Gigabytes.
1.5 Petabytes son necesarios para almacenar 10 Billones de fotos de Facebook
Google procesa alrededor de 24 Petabytes de información por día.
Avatar, la película de James Cameron del 2009, usó 1 Petabyte de información para realizar los efectos
especiales.

64. Cliente Hyper-conectado. Experiencia de cliente, más allá de una simple
compra

65. Las campañas publicitarias del futuro. Qué deben mostrar?
Big data permite obtener una imagen más
completa de las preferencias y demandas
de los clientes; a través de esta profunda
comprensión empresas de todo tipo
encuentran nuevas formas de interactuar
con sus clientes actuales y futuros.

66. De lo determinativo, a las predictivo y de ahí prescripción
Inteligencia de Negocios vs Analítica de Negocios

67. De lo determinativo, a las predictivo y de ahí prescripción
Inteligencia de Negocios vs Analítica de Negocios
Grandes Datos ( Big Data )
Minería de Datos
Primer Plano
Muchos detallesPanorama General
Muchas Relaciones
En resumen, los Grandes Datos son el “activo” y la Minería de Datos es el "manejador" que se utiliza
para proporcionar resultados beneficiosos.

68. De lo determinativo, a las predictivo y de ahí prescripción
Inteligencia de Negocios vs Analítica de Negocios

69. Ref: SkyNet ? Un mundo hyperconectado
Hasta la vista Baby!