Big data aplicada a los negocios

                                                                                         UD Big data aplicada a los negocios

[pic 1][pic 2][pic 3]

[pic 4]

Sección:  

Docente: ERIC ALBERTO HEREDIA MENDOZA

Equipo:  Grupo 8

Integrantes:                                                                                                                                           

• Murillo Sandoval, Juan Manuel
• Ana Lucía Quispe Cayllahua
• Andres Queuña Chavez
• Karen del Pilar Noriega Palacios
• Lizeth Yoselyn Luque Huaman
• Alexis Jair Pachón Mendoza[pic 5]
• Alex durand Villegas

INDICE

INTRODUCCIÓN        3

MARCO TEÓRICO        4

1.        Los pasos de Metodología de Datos        4

1.1        Comprensión del Negocio        4

1.2        Enfoque Analítico        4

1.3        Requisitos de Datos        4

1.4        Recopilación de Datos        4

1.5        Comprensión de Datos        5

1.6        Preparación de Datos        5

1.7        Modelado        5

1.8        Evaluación        5

1.9        Implementación        5

1.10        Procesamiento y Limpieza de Datos        5

1.11        Interpretación de Datos        6

6. Descripción de herramientas        6

7. Usos de las herramientas de Big Data        8

8. Comparativa de herramientas de Big Data        9

9. Ventajas de las herramientas de Big Data        10

10. Beneficios de las herramientas de Big Data        10

11. Conclusiones        12

12. Referencias bibliográficas        13

INTRODUCCIÓN

En la actualidad, la cantidad de información que es manejada por las empresas es de gran magnitud por lo que presenta un problema en el momento de gestionar en tiempo real que es conocido como Big Data. El objetivo, es que cualquiera que lea este documento entienda a grandes rasgos, el concepto, características y principales usos de Big Data. Por este motivo se utilizará lenguaje común, y se evitaran los conceptos técnicos que sean de interés exclusivo para los profesionales de la tecnología

Debido al gran avance que existe día a día en las tecnologías de información, las organizaciones se han tenido que enfrentar a nuevos desafíos que les permitan analizar, descubrir y entender sobre su información, al mismo tiempo que durante los últimos años el crecimiento de las aplicaciones disponibles en internet han sido parte importante en las decisiones de negocio de las empresas.

Como se necesita información veraz, sin ningún tipo de manipulación para ayudar a obtener ventajas competitivas a la telefonía móvil en el Perú, esta tecnología dará mayor efectividad en campañas en línea de marketing para recolectar, almacenar y analizar datos de clientes y sus transacciones creando patrones de uso celular, flujo de ingresos de promociones en tiempo basado en la ubicación, etc. De hecho, gracias a la analítica y la encuesta realizada se puede realizar una reingeniería de la medición del mercado por medio de procesos de integración de datos, desarrollo de nuevas interfaces para el usuario y servicios con la finalidad de obtener beneficios frente a la competencia.

MARCO TEÓRICO

1. Los pasos de Metodología de Datos

1. Comprensión del Negocio

El cometido general de esta fase es entender los objetivos y requerimientos del proyecto desde una perspectiva de negocio y convertir este conocimiento en la definición de un problema de minería de datos y un plan preliminar para alcanzar los objetivos. (IBM)

1.   Enfoque Analítico

Cuando el problema empresarial se haya establecido claramente, se podrá definir el enfoque analítico para resolver el problema. Esta etapa implica expresar el problema bajo el contexto de las técnicas estadísticas y de aprendizaje automático, para que la organización pueda identificar las más adecuadas para el resultado deseado. (IBM)

1.  Requisitos de Datos

El enfoque analítico elegido determina los requisitos de datos. Más concretamente, los métodos analíticos a utilizar requieren de determinados contenidos de datos, formatos y representaciones, orientados por el conocimiento en el dominio. (IBM)

1. Recopilación de Datos

El procesamiento y análisis de datos parte recopilando los datos de las fuentes de almacenamiento que estén disponibles y que contengan información de calidad. Por lo que deberán estar en óptimas condiciones y actualizadas. (IBM)

Estas fuentes pueden estar compuestas de un almacén de datos o de un data lake:

a)    El primero debe estar nutrido con los datos arrojados por los departamentos de ventas, de servicios, de marketing, finanzas, etc.

b)    El segundo, es un almacén centralizado de información del big data de diversas fuentes que pueden estar o no estructuradas, con almacenamiento en la nube y con etiquetas de búsqueda.

1.  Comprensión de Datos

Es reducir el volumen y peso de un archivo sin perder su sentido original con la finalidad de poder representar su información de manera resumida y viceversa. consiste en tomar una trama de símbolos y transformarlos en códigos.

1.  Preparación de Datos

En este punto comienza la preparación para su organización, la detección de errores y el descarte de información repetitiva e incompleta. De este modo, pasa a seleccionar la información necesaria y puntual con la que se trabajará para el procesamiento yanálisis de datos. (IBM)

1.  Modelado

Es el proceso de analizar y definir todos los diferentes datos que la empresa recopila y produce. Este modelo de datos determina  la estructura lógica de una base de datos y de manera fundamental determina el modo de almacenar, organizar y manipular los datos. (IBM)

1.  Evaluación

En la evaluación de la base de datos se tienen en cuenta los aspectos relacionados con su contenido, el de los registros y la indización de los documentos. (IBM)

1. Implementación

Cuando el modelo satisfactorio ha sido desarrollado y aprobado por los promotores del negocio, se implementa en el entorno de producción o en un entorno de pruebas comparable. Por lo general, se implementa de forma limitada hasta que su rendimiento se haya evaluado completamente. (IBM)

1. Procesamiento y Limpieza de Datos

En esta etapa, los datos procesados por la etapa anterior son finalmente preparados y optimizados para su uso final. Esto ocurre a través de algoritmos por medio de una técnica de programación denominada machine learning.

Lo que ayuda a nuestra computadora a aprender de forma autónoma sobre todos los datos e información que está recibiendo para que actúe como corresponda. Así podrá realizar la actividad prevista de diagnóstico o estudio de la interpretación realizada. (IBM)

1. Interpretación de Datos

En este punto será cuando finalmente se tendrá todo el resultado de las etapas previas de una forma totalmente entendible.

Ahora los proyectos de analítica necesarios para la optimización de la empresa podrán ser realizados con mayor facilidad, rapidez y eficacia. Mejorando así la productividad del trabajo de todos de forma considerable. (IBM)

...