Ingles

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 people

all 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

Traduccin.
Por Vangie Beal
Big data es una palabra de moda, o coger-frase usada para describir un volumen masivo
de datos tanto estructurados como no estructurados que es tan grande que es difcil de
procesar utilizando tcnicas de bases de datos y de software tradicionales. En la mayora
de escenarios empresariales los datos es demasiado grande o se mueve demasiado
rpido o se excede la capacidad de procesamiento actual. Grandes datos 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?
Mientras que el trmino puede parecer para hacer referencia al volumen de datos, que no
siempre es el caso. El trmino grandes de datos, especialmente cuando se utilicen los
proveedores, pueden referirse a la tecnologa (que incluye herramientas y procesos) que
una organizacin necesita para manejar las grandes cantidades de datos e instalaciones
de almacenamiento. Se cree que el Big Data trmino que se origin con las empresas de
bsqueda Web que necesitaban consultar muy grandes agregaciones distribuidas de
datos estructurados dbilmente-.
Un ejemplo de Big Data
Un ejemplo de datos grandes podra ser petabytes (1024 terabytes) o exabytes (1.024
petabytes) de datos que constan 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 poco estructurado de datos que a menudo es incompleta e inaccesible.
Datos y tipos de conjuntos de datos de las grandes empresas
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 grandes datos 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, manipula, 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. Grandes datos tambin pueden ser
llamados de la empresa de datos grandes.
Anlisis de datos grandes
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 habr anlisis de datos grandes ayudar a entender la informacin contenida en los
datos, sino que tambin ayudar a identificar los datos
que es ms importante para el negocio y las decisiones futuras del negocio. Los analistas
de datos Big 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 grandes datos 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 grandes datos 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 grandes datos 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 grandes datos es un reto. Tenga en
cuenta la gran cantidad de datos y los distintos formatos de los datos (datos estructurados
y no estructurados) recogidos en toda la organizacin y de las diferentes maneras
diferentes tipos de datos 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 un
depsitos de las organizaciones en diferentes lugares y, a menudo en diferentes
sistemas. Un segundo desafo de grandes datos es en la creacin de plataformas que
pueden tirar en 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 datos grandes 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 datos grandes 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.
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 impulsaron a la empresa
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 vuelve 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 puede ser tomada 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




















Mapa conceptual