É«¿Ø´«Ã½

Big data les ofrece a las empresas inmensas oportunidades, incluida informaci¨®n m¨¢s significativa en cuanto al comportamiento del cliente, predicciones m¨¢s precisas en cuanto a la actividad del mercado y mejor eficiencia general.

Las personas y las empresas est¨¢n generando anualmente m¨¢s y m¨¢s datos. Seg¨²n un informe IDC, el mundo cre¨® 1.2 zettabytes (1.2?billones de gigabytes) de nuevos datos en 2010. Para el 2025, podr¨ªa aumentar a 175 zettabytes (175?billones de gigabytes) o m¨¢s¹.

A medida que las empresas tengan acceso a este recurso pr¨®spero a trav¨¦s del an¨¢lisis predictivo y la miner¨ªa de datos, el mercado de big data tambi¨¦n aumentar¨¢. predice que el mercado de big data se duplicar¨¢ entre 2018 y 2027 de un valor de $169?mil millones a $274?mil millones.

Pero ?cu¨¢les son las diferencias clave entre big data y los datos tradicionales? ?Y qu¨¦ implicancias tienen en el almacenamiento de datos, procesamiento y tecnolog¨ªa de an¨¢lisis actual? Aqu¨ª, explicaremos los diferentes prop¨®sitos de cada tipo de datos, a la vez que enfatizaremos la importancia de una estrategia que planifica el ¨¦xito tanto con big data como con datos tradicionales.

?

?Qu¨¦ son los datos tradicionales?

Los datos tradicionales son datos estructurados y relacionales que las organizaciones han almacenado y procesado por d¨¦cadas. Los datos tradicionales siguen representando la mayor parte de datos del mundo.

Las empresas pueden usar datos tradicionales para realizar un seguimiento de las ventas o administrar las relaciones o flujos de trabajo del cliente. Los datos tradicionales por lo general son m¨¢s f¨¢ciles de manipular y pueden administrarse con un software de procesamiento de datos convencional. Sin embargo, por lo general ofrecen informaci¨®n menos sofisticada y beneficios m¨¢s limitados que big data.

?

?Qu¨¦ es Big?data?

Big data puede hacer referencia tanto a un conjunto de datos grandes como complejos, as¨ª como los m¨¦todos usados para procesar este tipo de datos. Big data tiene cuatro caracter¨ªsticas principales, por lo general conocidas como ¡°las cuatro V¡±:

• Volumen: Big data es¡­ grande. Aunque big data no solo es distinguible por su tama?o, tambi¨¦n tiene un gran volumen por naturaleza.
• Variedad: Un conjunto de big data generalmente contiene datos estructurados, semiestructurados y no estructurados.
• Velocidad: Los Big data se generan r¨¢pidamente y por lo general se procesan en tiempo real.
• Veracidad: Los Big data no son intr¨ªnsecamente de mejor calidad que los datos tradicionales, pero su veracidad (precisi¨®n) es extremadamente importante. Las anomal¨ªas, los sesgos y los ruidos pueden impactar de forma significativa en la calidad de big data.

?

Diferencias entre big data y datos tradicionales

Se usan para varias caracter¨ªsticas para distinguir entre big data y datos tradicionales. Entre ellas se incluyen:

• El tama?o de los datos.
• C¨®mo se organizan los datos.
• La arquitectura requerida para administrar los datos.
• Las fuentes desde las cuales derivan los datos.
• Los m¨¦todos utilizados para analizar los datos.

Tama?o

Los conjuntos de datos tradicionales suelen medirse en gigabytes y terabytes. Como resultado, su tama?o puede permitir el almacenamiento centralizado, incluso en un servidor.

Big data se distingue no solo por su tama?o sino por su volumen. Big data generalmente se mide en petabytes, zettabytes o exabytes. El tama?o cada vez mayor de big data es uno de los mayores generadores detr¨¢s de la demanda de soluciones de almacenamiento de datos basado en la nube, moderno y de alta capacidad.

°¿°ù²µ²¹²Ô¾±³ú²¹³¦¾±¨®²Ô

Los datos tradicionales por lo general son datos estructurados que se organizan en registros, archivos y tablas. Los campos en los conjuntos de datos tradicionales son relacionales para que sea posible calcular la relaci¨®n y manipular los datos seg¨²n corresponda. Las bases de datos tradicionales, como SQL, Oracle DB y MySQL, usan un esquema fijo que es est¨¢tico y preconfigurado.

Big data usa un esquema din¨¢mico. En almacenamiento, big data est¨¢ sin procesar ni estructurar. Cuando se accede a big data, el esquema din¨¢mico se aplica a los datos sin procesar. Las bases de datos no relacionales o NoSQL, como Cassandra y MongoDB, son ideales para datos no estructurados, debido a la forma en que almacenan datos en archivos.

Arquitectura

Los datos tradicionales por lo general se administran usando una arquitectura centralizada, que puede ser m¨¢s rentable y segura para conjuntos de datos m¨¢s peque?os y estructurados.

En general, un sistema centralizado consiste en uno o m¨¢s nodos de clientes (por ejemplo, computadoras o dispositivos m¨®viles) conectados a un nodo central (por ejemplo, un servidor). El servidor central controla la red y monitorea su seguridad.

A causa de su escala y complejidad, no es posible administrar big data de forma centralizada. Requiere de una arquitectura distribuida.

Los sistemas distribuidos vinculan varios servidores o computadoras a trav¨¦s de una red, y funcionan como nodos coiguales. La arquitectura se puede escalar de forma horizontal (escalabilidad horizontal) y continuar¨¢ funcionando incluso si fallara un nodo individual. Los sistemas distribuidos pueden aprovechar la computaci¨®n de productos b¨¢sicos para reducir costos.

Origen

Los datos tradicionales generalmente derivan de la planificaci¨®n de recursos empresariales (ERP), la administraci¨®n de la relaci¨®n con el cliente (CRM), transacciones en l¨ªnea y otros datos empresariales.

Big data deriva de una gama m¨¢s amplia de datos a nivel empresarial y no empresarial, que pueden incluir informaci¨®n obtenida de redes sociales, datos de dispositivos y sensores, y datos audiovisuales. Estos tipos de or¨ªgenes son din¨¢micos, evolucionan y crecen cada d¨ªa.

Los or¨ªgenes de los datos no estructurados tambi¨¦n incluyen archivos de texto, video, imagen y audio. Aprovechar este tipo de datos no es posible usando las columnas y filas de las bases de datos tradicionales. Debido a que una cantidad significativa cada vez m¨¢s grande de datos son no estructurados y provienen de varias fuentes, se requieren los m¨¦todos de an¨¢lisis de Big Data para extraer valor de ellos.

´¡²Ô¨¢±ô¾±²õ¾±²õ

El an¨¢lisis de datos tradicionales se da de forma creciente: Se presenta un evento, se generan datos y se lleva a cabo el an¨¢lisis de esos datos despu¨¦s del evento. El an¨¢lisis de datos tradicionales puede ayudar a las empresas a comprender los impactos de estrategias o cambios determinados sobre un rango limitado de m¨¦tricas en un periodo especifico.

El an¨¢lisis de big data puede darse en tiempo real. Debido a que los big data se generan segundo a segundo, el an¨¢lisis se puede dar a medida que se recopilan los datos. El an¨¢lisis de big data les ofrece a las empresas una comprensi¨®n m¨¢s din¨¢mica y hol¨ªstica de sus necesidades y estrategias.

Por ejemplo, supongamos que una empresa haya invertido en un programa de capacitaci¨®n para su personal y desea medir su impacto.

Bajo un modelo tradicional de an¨¢lisis de datos, la empresa debe disponerse a determinar el impacto del programa de capacitaci¨®n en un ¨¢rea particular de sus operaciones, como ventas. La empresa tiene en cuenta el volumen de ventas antes y despu¨¦s de la capacitaci¨®n y excluye cualquier factor externo. Puede, en teor¨ªa, ver en qu¨¦ porcentaje aumentaron las ventas como resultado de la capacitaci¨®n.

Bajo un modelo de an¨¢lisis de big data, la empresa puede dejar a un lado las preguntas en cuanto a c¨®mo impact¨® el programa de capacitaci¨®n en cualquier aspecto particular de sus operaciones. En su lugar, al analizar una masa de datos recopilados en tiempo real en toda la empresa, puede identificar las ¨¢reas espec¨ªficas en las que hubo impacto, como ventas, servicio al cliente, relaciones p¨²blicas y m¨¢s.

?

Big Data frente a datos tradicionales: Consideraciones importantes para el futuro

Big data y datos tradicionales cumplen diferentes prop¨®sitos, aunque relacionados. Aunque parecer¨ªa que los big data tienen mayores beneficios potenciales, no resultan apropiados (o necesarios) en todas las circunstancias. Big data:

• Pueden ofrecer un an¨¢lisis m¨¢s detallado de las tendencias del mercado y el comportamiento de los consumidores. El an¨¢lisis de datos tradicionales puede ser m¨¢s reducido y muy restringido para ofrecer la informaci¨®n significativa que big data puede proporcionar.
• Ofrece informaci¨®n de forma m¨¢s r¨¢pida. Las organizaciones pueden aprender de big data en tiempo real. En el contexto de an¨¢lisis de big data, esto puede proporcionar una ventaja competitiva.
• Es m¨¢s eficiente. La naturaleza cada vez m¨¢s digital de nuestra sociedad implica que varias personas y empresas est¨¦n generando grandes cantidades de datos cada d¨ªa, e incluso cada minuto. Big data nos permite aprovechar estos datos e interpretarlos de forma significativa.
• Requiere una preparaci¨®n avanzada. Para aprovechar estos beneficios, las organizaciones deben prepararse para big data a trav¨¦s de nuevos protocolos de seguridad, pasos de configuraci¨®n y aumentos en el poder de procesamiento disponible.

El aumento de big data no implica que los datos tradicionales sean descartados. Datos tradicionales:

• Se conserven seguros de forma m¨¢s f¨¢cil, esto puede ser una mejor opci¨®n para datos muy sensibles, personales o confidenciales. Debido a que los datos tradicionales son m¨¢s peque?os, no requieren de arquitectura distribuida y es menos probable que se requiera almacenamiento de terceros.
• Se pueden procesar usando un software de procesamiento de datos convencionales y una configuraci¨®n de sistema normal. El procesamiento de big data generalmente requiere ajustes de configuraci¨®n superior, lo que puede aumentar sin necesidad el uso de recursos y costos, en casos en que los m¨¦todos de datos tradicionales son suficientes.
• Son m¨¢s f¨¢ciles de manipular e interpretar. Debido a que los datos tradicionales son m¨¢s simples y relacionales por naturaleza, pueden ser procesados usando las funciones normales, e incluso pueden ser accesibles para quienes no son expertos.

Finalmente, esta no es una cuesti¨®n de elegir entre big data y datos tradicionales. Dado que cada vez m¨¢s empresas generan datos grandes, no estructurados y necesitar¨¢n las herramientas adecuadas. Comprender c¨®mo usar y realizar soporte a ambos modelos es una parte necesaria de actualizar su estrategia para que est¨¦ lista para un futuro de big data.

?

Cap¨ªtulos adicionales de la Gu¨ªa de Big Data

1. Datos estructurados frente a datos no estructurados
2. 5 formas en que big data ayuda a las empresas a avanzar
3. La relaci¨®n entre IoT y big data