API REST

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

[pic 1]

FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA

ESCUELA ACADEMICA PROFESIONAL DE INGENIERÍA DE SISTEMAS

Título del Trabajo :  Tarea académica 1

CURSO:   Big Data

DOCENTE:   Norberto Ulises Román Concha

INTEGRANTES :

Guzmán FLores Patrik Harold                         19200233

Hernandez Wong Jean Carlos                                19200023

Taquila Calderon, Fany Yesica                        19200179

        Guadalupe Poma Joseph Enrique                        19200229

Melendez Hualinga Damaris Nieri                        19200163

LIMA - PERÚ

 SEMESTRE 2022 - I        

1.  Realizar ejemplos de casos prácticos de la analítica descriptiva, predictiva y prescriptiva.

A partir de un API REST o sistemas como por ejemplo Power BI, se recopilan datos en tiempo real. Los macrodatos recopilados se reducen en volumen a través de varios software (Hadoop, Map reduce) y se almacenan en bases de datos SQL y no SQL.

Analítica Descriptiva.

Ejemplo:

• Se desea recolectar datos a partir del API REST  proporcionado por la empresa Zbuss SAC (Empresa de turismo y transporte) la cual desea analizar los datos de los viajes en determinados periodos de tiempo. Se guardan los datos en una BD con respectos a las variables deseadas (Horario, Pasajeros, Tiempo de viaje, distancias,etc).
• Se desea obtener y recopilar datos de la empresa Goyita SAC (Venta de bienes de primera necesidad), para eso se diseña un sistema de información para la entrada y salida de datos, los datos se recopilan a través del Push Dataset de Power BI, se reducen y se almacenan en Hadoop para su posterior análisis.

Analítica Predictiva.

Ejemplo:

• A partir de la recolección de los datos hidrometeorológicos del SEHNAMI sobre las precipitaciones ocurridas a nivel nacional, y los datos de medición meteorológica, el sistema analiza en tiempo real los datos obtenidos, aplicando modelos matemáticos, el sistema predice los datos meteorológicos a futuro en una rango de una semana.
• Se desea anticipar cuando una máquina perforadora de petróleo fallará, para predecir y prevenir los fallos de su maquinaria se hace uso de la herramienta DataBricks, el cual captura datos transmisión a través de Apache Spark, también se realiza el cálculo de cuánto tiempo se deben guardar, con lo que se hace una mejor planificación de los repuestos que se necesitaran en el futuro.

Analitica Prescriptiva.

Ejemplo:

• Comienza con un análisis descriptivo de datos pasados ​​y luego avanza hacia predicciones basadas en tendencias y patrones. Ahora, el análisis empresarial puede optimizar los resultados y las acciones recomendadas con la ayuda de análisis prescriptivos.
• Para realizar el análisis de las noticias de portada de algún periodico, se hace uso de regresión logística. La regresión logística es un modelo fácilmente interpretable. Así que podemos inspeccionar lo que ha aprendido y cómo los datos de entrada influyen en los resultados. Si conseguimos encontrar qué causa los resultados que queremos, entonces ya sabremos lo que tenemos que hacer.

1.  Realizar ejemplos prácticos del uso de las 7 Vs

• Volumen de información

Se refiere a la cantidad de datos que son generados cada segundo, minuto y día en nuestro entorno. Por ejemplo, una tienda que realiza ventas online está en la obligación de recoger todas las acciones de los clientes en su página web ya sea el producto más vendido, los datos de los carritos de compra, las visitas a la página, las tendencias entre otros…

• Velocidad de los datos

Se refiere a la rapidez en que los datos son creados, almacenados y procesados en tiempo real. Por ejemplo, serían los procesos de tiempo real como la detección de fraude en las transacciones bancarias.

• Variedad de los datos

Se refiere a las formas, tipos y fuentes en las que se registran los datos. Estos datos pueden ser estructurados como lo sería una base de datos o no estructurados, como lo serían documentos de texto, correos, artículos etc…

• Veracidad de los datos

Se refiere al grado de fiabilidad de la información recibida. Por ejemplo, los datos de los egresos e ingresos económicos de una empresa, estos datos tienen q ser validad por un analista de datos.

• Viabilidad

Se refiere a la capacidad que tienen las compañías en generar un uso eficaz del gran volumen de datos que manejan. Por ejemplo, las grandes tiendas requieren un análisis, selección y monitorización de la información, con el fin de conocer mejor su producto, o el mercado en el que opera.

• Visualización de los datos

Se refiere a la representación visual de los datos ya sea en tablas o hojas de cálculo, las cuales deben ser legibles y accesibles. Por ejemplo, las transacciones de las agencias bancarias estos datos deben ser accesibles y también deben estar ordenados según la fecha de transacción.

• Valor de los datos

Se refiere a que el valor se obtiene de los datos que se transforman en información. El valor de los datos está en que sean accionables, es decir, que los responsables de las empresas puedan tomar una decisión (la mejor decisión) en base a estos datos. Por ejemplo, una empresa de ropa tiene podrá observar las tendencias (la ropa más vendida en una determinada época) y según esos datos aumentar la producción de esta y así obtener mayores ganancias.

1.  Investigar y colocar esquemas o construir sobre la cantidad de datos, imágenes, video, transacciones que realizan las empresas(ejem. Google, Youtube, etc)Información 2021-2022

• GOOGLE

En un principio, Google era sólo un motor de búsqueda, posiblemente el mejor en cuanto a la relevancia de los enlaces. Fue creado por Larry Page y Sergey Brin en 1996 durante sus estudios en la Universidad de Stanford (Estados Unidos). La empresa Google Inc. fue lanzada oficialmente el 4 de septiembre de 1998.

...