Universidad Autnoma del Estado de Mxico

Centro Universitario UAEM Atlacomulco

Licenciatura Informtica Administrativa

TEMAS SELECTOS DEL TRATAMIENTO DE LA
INFORMACIN

TRADUCCIN DEL TEMA Y MAPA CONCEPTUAL


EDUARDO VIRGILIO MERCADO VEGA
CUENTA: 1229490

L.I.A CARLOS FERNANDO TLLEZ CALDERN

LIA I9
5
to
SEMESTRE


PERIODO 2014B

ENTREGA: 01 OCTUBRE 2014

Big data
By Vangie Beal
Big data is a buzzword, or catch-phrase, used to describe a massive volume of both structured and
unstructured data that is so large that it's difficult to process using traditional database and software
techniques. In most enterprise scenarios the data is too big or it moves too fast or it exceeds current
processing capacity. Big data has the potential to help companies improve operations and make
faster, more intelligent decisions.
Is Big Data a Volume or a Technology?
While the term may seem to reference the volume of data, that isn't always the case. The term big
data, especially when used by vendors, may refer to the technology (which includes tools and
processes) that an organization requires to handle the large amounts of data and storage facilities.
The term big data is believed to have originated with Web search companies who needed to query
very large distributed aggregations of loosely-structured data.
An Example of Big Data
An example of big data might be petabytes (1,024 terabytes) or exabytes (1,024 petabytes) of data
consisting of billions to trillions of records of millions of peopleall from different sources (e.g.
Web, sales, customer contact center, social media, mobile data and so on). The data is typically
loosely structured data that is often incomplete and inaccessible.
Big Data and Types of Business Datasets
When dealing with larger datasets, organizations face difficulties in being able to create, manipulate,
and manage big data. Big data is particularly a problem in business analytics because standard tools
and procedures are not designed to search and analyze massive datasets.
As research from Webopedia parent company QuinStreet demonstrates, big data initiatives are
poised for explosive growth. QuinStreet surveyed 540 enterprise decision-makers involved in big
data and found the datasets of interest to many businesses today include traditional structured
databases of inventories, orders, and customer information, as well as unstructured data from the
Web, social networking sites, and intelligent devices.
This data, when captured, formatted, manipulated, stored, and analyzed can help a company to gain
useful insight to increase revenues, get or retain customers, and improve operations. Big data may
also be called enterprise big data.
Big data analytics
Big data analytics refers to the process of collecting, organizing and analyzing large sets of data ("big
data") to discover patterns and other useful information. Not only will big data analytics help you to
understand the information contained within the data, but it will also help identify the data that is
most important to the business and future business decisions. Big data analysts basically want the
knowledge that comes from analyzing the data.
The Benefits of Big Data Analytics
Enterprises are increasingly looking to find actionable insights into their data. Many big data projects
originate from the need to answer specific business questions. With the right big data analytics
platforms in place, an enterprise can boost sales, increase efficiency, and improve operations,
customer service and risk management.
Webopedia parent company, QuinStreet, surveyed 540 enterprise decision-makers involved in big
data purchases to learn which business areas companies plan to use Big Data analytics to improve
operations. About half of all respondents said they were applying big data analytics to improve
customer retention, help with product development and gain a competitive advantage.

For most organizations, big data analysis is a challenge. Consider the sheer volume of data and the
many different formats of the data (both structured and unstructured data) collected across the
entire organization and the many different ways different types of data can be combined,
contrasted and analyzed to find patterns and other useful information.
The first challenge is in breaking down data silos to access all data an organization stores in different
places and often in different systems. A second big data challenge is in creating platforms that can
pull in unstructured data as easily as structured data. This massive volume of data is typically so
large that it's difficult to process using traditional database and software methods.
Big Data Requires High-Performance Analytics
To analyze such a large volume of data, big data analytics is typically performed using specialized
software tools and applications for predictive analytics, data mining, text mining, forecasting and
data optimization. Collectively these processes are separate but highly integrated functions of high-
performance analytics. Using big data tools and software enables an organization to process
extremely large volumes of data that a business has collected to determine which data is relevant
and can be analyzed to drive better business decisions in the future.
Examples of How Big Data Analytics is Used Today
As technology to break down data silos and analyze data improves, business can be transformed in
all sorts of ways. According to Datamation, today's advances in analyzing Big Data allow researchers
to decode human DNA in minutes, predict where terrorists plan to attack, determine which gene is
mostly likely to be responsible for certain diseases and, of course, which ads you are most likely to
respond to on Facebook. The business cases for leveraging Big Data are compelling. For instance,
Netflix mined its subscriber data to put the essential ingredients together for its recent hit House of
Cards, and subscriber data also prompted the company to bring Arrested Development back from
the dead.
Another example comes from one of the biggest mobile carriers in the world. France's Orange
launched its Data for Development project by releasing subscriber data for customers in the Ivory
Coast. The 2.5 billion records, which were made anonymous, included details on calls and text
messages exchanged between 5 million users. Researchers accessed the data and sent Orange
proposals for how the data could serve as the foundation for development projects to improve
public health and safety. Proposed projects included one that showed how to improve public safety
by tracking cell phone data to map where people went after emergencies; another showed how to
use cellular data for disease containment.

The pace of data creation will surely increase, especially as machine-to-machine communications
gets cheaper and more common. Think about how much data all of those sensor networks, burglar
alarms and vehicle telematics systems will create.
According to IBM, every single day we create 2.5 quintillion bytes of data. IBM argues that the
exponential growth of data means that 90 percent of the data that exists in the world today has
been created in the last two years. "This data comes from everywhere: sensors used to gather
climate information, posts to social media sites, digital pictures and videos, e-commerce transaction
records, and cell phone GPS coordinates, to name a few."
Of course, it's important to remember that in early human history, anything as ephemeral as a tweet
just would not have been recorded, so these comparisons can only be taken so far.
To put the data explosion in context, consider this. Every minute of every day we create
More than 204 million email messages
Over 2 million Google search queries
48 hours of new YouTube videos
684,000 bits of content shared on Facebook
More than 100,000 tweets
$272,000 spent on e-commerce
3,600 new photos shared on Instagram
Nearly 350 new WordPress blog posts

Big data
By Vangie Beal
Big Data es una palabra de moda, o frase usada para describir un volumen masivo
de datos tanto estructurados como no estructurados que son tan largos que es difcil
de procesar utilizando tcnicas de bases de datos y de software tradicionales.
En la mayora de escenarios empresariales los datos estn demasiado grande o se
mueve demasiado rpido o excede la capacidad de procesamiento actual. Big Data
tiene el potencial de ayudar a las empresas a mejorar sus operaciones y tomar
decisiones ms rpidas, ms inteligentes.
Es Big Data de un volumen o una tecnologa?
Aunque pueda parecer el trmino para hacer referencia al volumen de datos, que
no siempre es el caso. El trmino Big Data, especialmente cuando es usado por los
proveedores, pueden referirse a la tecnologa (que incluye herramientas y procesos)
que requiere de una organizacin para manejar las grandes cantidades de datos e
instalaciones de almacenamiento. Se cree que el termino Big Data se origin con
las empresas de bsqueda Web que necesitaban consultar grandes agregaciones
distribuidas dbilmente-de datos estructurados.
Big Data y tipos de conjuntos de datos de negocios
Cuando se trata de grandes conjuntos de datos, las organizaciones se enfrentan a
dificultades para poder crear, manipular y gestionar grandes volmenes de datos.
Big Data es un problema particularmente en anlisis de negocios porque las
herramientas y procedimientos estndar no estn diseados para buscar y analizar
conjuntos de datos masivos.
Como la investigacin de la compaa matriz Webopedia QuinStreet demuestra,
iniciativas de Big Data estn preparados para un crecimiento explosivo. QuinStreet
encuest a 540 empresas que toman las decisiones involucradas en grandes
volmenes de datos y encontr a los conjuntos de datos de inters para muchas
empresas hoy en da incluyen las bases de datos tradicionales estructurados de
inventarios, pedidos y la informacin del cliente, as como datos no estructurados
de la Web, los sitios de redes sociales y dispositivos inteligentes.
Estos datos, cuando fue capturado, formateado, manipulan, almacena, analiza y
puede ayudar a una empresa para obtener informacin til para aumentar los
ingresos, obtener o retener a los clientes, y mejorar las operaciones. Big Data
tambin pueden ser llamados la empresa de Big Data.
Anlisis de Big Data
Analtica de grandes datos se refiere al proceso de recoleccin, organizacin y
anlisis de grandes conjuntos de datos ("big data") para descubrir patrones y otra
informacin til. No slo los anlisis de Big Data ayudarn a entender la informacin
contenida en los datos, sino que tambin ayudarn a identificar los datos que son
ms importantes para los negocios y las decisiones futuras. Los analistas de Big
Data bsicamente quieren que el conocimiento que proviene de analizar los datos.

Los beneficios de Big Data Analytics
Las empresas estn cada vez ms buscando para encontrar informacin procesable
en sus datos. Muchos proyectos de Big Data se originan en la necesidad de
responder a las preguntas especficas del negocio. Con las grandes plataformas de
anlisis de los datos correctos en el lugar, una empresa puede impulsar las ventas,
aumentar la eficiencia y mejorar las operaciones, servicio al cliente y la gestin de
riesgos.
Empresa matriz Webopedia, QuinStreet, encuest a 540 empresas que toman las
decisiones que participan en las compras de Big Data para saber qu reas de
negocio empresas planean utilizar la analtica Big Data para mejorar las
operaciones. Aproximadamente la mitad de todos los encuestados dijeron que
estaban aplicando analtica de Big Data para mejorar la retencin de clientes,
ayudar con el desarrollo de productos y obtener una ventaja competitiva.
Para la mayora de las organizaciones, el anlisis de Big Data es un reto. Tenga en
cuenta la gran cantidad de datos y los distintos formatos de los datos (datos
estructurados y no estructurados) recogidos a travs de toda la organizacin y de
las diferentes maneras diferentes, Big Data se pueden combinar, contrastados y
analizados para encontrar patrones y otra informacin til.
El primer desafo es romper los silos de datos para tener acceso a todos los datos
de unos depsitos de las organizaciones en diferentes lugares y, a menudo en
diferentes sistemas. Un segundo desafo de Big Data es en la creacin de
plataformas que pueden hacer tan fcilmente los datos no estructurados con tanta
facilidad como los datos estructurados. Este volumen masivo de datos suele ser tan
grande que es difcil de procesar utilizando los mtodos de base de datos y de
software tradicionales.


Big Data Analytics Requiere de Alto Rendimiento
Para analizar un gran volumen de datos como, anlisis de Big Data se realiza
normalmente utilizando herramientas de software y aplicaciones especializadas
para el anlisis predictivo, minera de datos, minera de texto, la prediccin y la
optimizacin de datos. En conjunto, estos procesos son funciones separadas pero
altamente integradas de anlisis de alto rendimiento. El uso de herramientas de Big
Data y software permite a una organizacin para procesar extremadamente grandes
volmenes de datos que un negocio ha recogido para determinar qu datos son
relevantes y pueden ser analizados para tomar mejores decisiones de negocio en
el futuro.
Un ejemplo de Big Data
Un ejemplo de Big Data podra ser petabytes (1024 terabytes) o exabytes (1.024
petabytes) de datos que consiste de miles de millones a miles de millones de
registros de millones de personas-todas de diferentes fuentes (por ejemplo, Web,
ventas, centro de contacto con el cliente, las redes sociales, mvil de datos y as
sucesivamente). Los datos son normalmente datos estructurados que a menudo es
incompleta e inaccesible.
Ejemplos de cmo Big Data Analytics se utiliza hoy
Como la tecnologa para romper los silos de datos y anlisis de datos mejora,
negocio puede transformarse en todo tipo de formas. Segn Datamation, los
avances en el anlisis de Big Data de hoy permiten a los investigadores a descifrar
el ADN humano en cuestin de minutos, predicen que los terroristas planean atacar,
determinan qu gen es sobre todo probable que sea responsable de ciertas
enfermedades y, por supuesto, que los anuncios que tienen ms probabilidades de
responder a en Facebook. Los casos de negocio para aprovechar los grandes datos
son convincentes. Por ejemplo, Netflix extrae sus datos de suscriptor de poner los
ingredientes esenciales juntos por su reciente xito Castillo de naipes, y los datos
de abonado tambin llevaron a la compaa a llevar Arrested Development de entre
los muertos.
Otro ejemplo proviene de una de las mayores compaas de telefona mvil en el
mundo. Orange de Francia puso en marcha su proyecto de datos para el Desarrollo
por la liberacin de los datos de abonado para los clientes en la Costa de Marfil. Los
2,5 mil millones de registros, que se hicieron en el anonimato, incluidos detalles
sobre las llamadas y mensajes de texto intercambiados entre 5 millones de usuarios.
Los investigadores acceder a los datos y enviaron propuestas Orange de cmo los
datos pueden servir de base para los proyectos de desarrollo para mejorar la salud
y la seguridad pblica. Los proyectos propuestos incluyen uno que mostraba la
forma de mejorar la seguridad pblica mediante el seguimiento de los datos del
telfono celular para mapear donde la gente iba tras una emergencia; otra mostr
cmo usar los datos celulares para la contencin de la enfermedad.
El ritmo de creacin de datos seguramente aumentar, sobre todo porque las
comunicaciones de mquina a mquina se vuelven ms barato y ms comn.
Piense en la cantidad de datos todas esas redes de sensores, alarmas antirrobo y
los sistemas telemticos vehculo va a crear.
Segn IBM, cada da creamos 2,5 trillones de bytes de datos. IBM sostiene que el
crecimiento exponencial de los datos significa que el 90 por ciento de los datos que
existe en el mundo de hoy se ha creado en los ltimos dos aos. "Estos datos vienen
de todas partes: sensores utilizados para recopilar informacin sobre el clima, los
mensajes a sitios de medios sociales, fotos digitales y videos, registros de
transacciones de comercio electrnico, y las coordenadas de GPS del telfono
celular, para nombrar unos pocos."
Por supuesto, es importante recordar que en la historia humana temprana, algo tan
efmero como un tweet simplemente no habra sido registrado, por lo que estas
comparaciones slo pueden ser tomadas hasta el momento.
Para poner la explosin de datos en contexto, considere esto. Cada minuto de cada
da creamos
Ms de 204 millones de mensajes de correo electrnico
Ms de 2 millones de consultas de bsqueda de Google
48 horas de nuevos vdeos de YouTube
684.000 bits de contenido compartido en Facebook
Ms de 100.000 tuits
272.000 dlares gastados en el comercio electrnico
3600 nuevas fotos compartidas en Instagram
Cerca de 350 nuevas entradas del blog de WordPress





BIG DATA
ALMACENAMIENTO
TERABYTES
PETABYTES
TIPOS DE DATOS
ESTRUCTURADOS
NO ESTRUCTURADOS
TECNICAS
BASE DE DATOS
SOFTWARE
TRADICIONAL
BENEFICIOS DE BIG
DATA
INCREMENTO DE
PRODUCTIVIDAD
VENTAJAS
COMPETITIVAS
MEJORA LAS
OPERACIONES
AUMENTA LA
EFICIENCIA
DESVENTAJAS
NO SE PUEDE BUSCAR
NO ES ANALISTA
NO SE PUEDE
MANIPULAR
EMPRESAS
DATAMATION
FACEBOOK
NETFLIX
VOLUMEN MASIVO
DE GRANDES DATOS
AYUDA A LA TOMA DE
DECISIONES