Big Data En La Civilizacion Contemporanea

UNISO 21

BIG DATA EN LA CIVILIZACION CONTEMPORANEA

INFORMATICA ADMINISTRATIVA

PRESENTA: AARON LOPEZ ACUICAR

MAESTRO: LIC. GABRIEL CORONA GONZALEZ 

´BIG DATA EN LA CIVILIZACION ACTUAL´

1.¿Qué es el Big Data?

Big data es un término popular utilizado para describir el crecimiento exponencial y la disponibilidad de los datos, tanto estructurados como no estructurados. Y grandes volúmenes de datos pueden ser tan importantes para los negocios - y la sociedad - a medida que Internet se ha convertido. ¿Por qué? Más información puede dar lugar a análisis más precisos. Los análisis más precisos pueden conducir a la toma de decisiones más confianza. Y mejores decisiones pueden significar una mayor eficiencia operativa, reducción de costes y el riesgo reducido.

Ya en 2001, analista de la industria Doug Laney (actualmente con Gartner) articula la definición ahora la corriente principal de los grandes volúmenes de datos como los tres Vs: volumen, velocidad y variedad :

• Volumen. Muchos factores contribuyen al aumento de volumen de datos. Transacciones basadas en los datos almacenados a través de los años. Los datos no estructurados que entra desde los medios de comunicación social. Están recogiendo cantidades crecientes de datos de los sensores y de máquina a máquina. En el pasado, el volumen de datos excesivo era un problema de almacenamiento. Sin embargo, con la disminución de los costos de almacenamiento, otras cuestiones emergen, incluyendo la forma de determinar la pertinencia dentro de grandes volúmenes de datos y cómo utilizar la analítica para crear valor a partir de los datos pertinentes.

• Velocity. datos está fluyendo en la velocidad sin precedentes y deben ser tratados de una manera oportuna. Etiquetas RFID, sensores y contadores inteligentes están impulsando la necesidad de hacer frente a los torrentes de datos en tiempo casi real. Reaccionando con la suficiente rapidez para hacer frente a la velocidad de datos es un desafío para la mayoría de las organizaciones.

• Variety. hoy datos viene en todo tipo de formatos. Estructurados, datos numéricos en las bases de datos tradicionales. Información creada a partir de las aplicaciones de línea de negocio. Documentos de texto no estructurados, email, vídeo, audio, datos de valores clave de pizarra y las transacciones financieras. La gestión, la fusión y de gobierno diferentes variedades de los datos es algo que muchas organizaciones todavía lidian con.

En SAS, tenemos en cuenta dos dimensiones adicionales cuando se piensa en grandes data:

• Variabilidad. Además de las crecientes velocidades y variedades de datos, los flujos de datos pueden ser altamente incompatible con picos periódicos. ¿Hay algo que una tendencia en los medios sociales? Todos los días, las cargas máximas de datos estacionales y activada por eventos puede ser difícil de manejar. Más aún, con datos no estructurados involucrados.

• Complejidad. datos de hoy proviene de múltiples fuentes. Y sigue siendo el compromiso de vincular, un partido, limpiar y transformar los datos en todos los sistemas. Sin embargo, es necesario para conectar y relacionar las relaciones, las jerarquías y los múltiples vínculos de datos o los datos de forma rápida espiral fuera de control.

Ejemplos de grandes volúmenes de datos

• Los sistemas de RFID (identificación de radiofrecuencia) generan hasta 1.000 veces los datos de los sistemas convencionales de código de barras.

• En sólo cuatro horas en "viernes negro" de 2012, Wal-Mart maneja 10 millones de transacciones en efectivo registro -. Casi 5000 artículos por segundo

• United Parcel Service recibe un promedio de 39,5 millones de solicitudes de rastreo de clientes por día.

• VISA procesa más de 172.800.000 transacciones de tarjetas de cada día.

• 500 millones de tweets son enviados por día. Eso es más de 5.700 tweets por segundo.

• Facebook tiene más de 1,15 millones de usuarios activos de generación de datos de interacción social.

• Más de 5 mil millones de personas están llamando, enviando mensajes de texto, Twitter y navegar por sitios web en los teléfonos móviles.

2. La importancia de los grandes datos y lo que puede lograr

El verdadero problema no es que usted está adquiriendo grandes cantidades de datos. Es lo que se hace con los datos que cuenta. La visión optimista es que las organizaciones serán capaces de tomar datos de cualquier fuente, aprovechar los datos relevantes y analizarla para encontrar respuestas que permitan a 1) la reducción de costes, 2) la reducción del tiempo, 3) desarrollo de nuevos productos y ofertas optimizadas, y 4) más inteligentes toma de decisiones empresariales. Por ejemplo, mediante la combinación de grandes volúmenes de datos y análisis de gran potencia, que es posible:

• Determinar las causas de los fracasos, los problemas y defectos en tiempo casi-real, potencial de ahorro de miles de millones de dólares anuales.

• Optimizar las rutas de muchos miles de vehículos de entrega de paquetes mientras están en la carretera.

• Analizar millones de SKUs para determinar los precios que maximizan beneficios y existencias clara.

• Genera cupones de compras en el punto de venta en base a compras anteriores y actuales de los clientes.

• Enviar las recomendaciones a la medida para dispositivos móviles, mientras que los clientes están en el área de derecho de aprovechar las ofertas.

• Todo Recalcular carteras de riesgo en cuestión de minutos.

• Identificar rápidamente los clientes que más importan.

• Utilice el análisis de clics y la minería de datos para detectar comportamientos fraudulentos.

3. Caso de Estudio: Big Data de UPS

UPS no es ajeno a grandes volúmenes de datos, después de haber empezado a capturar y controlar una variedad de movimientos de paquetes y transacciones tan pronto como la empresa 1980s.The ahora rastrea los datos de 16,3 millones de paquetes por día de 8,8 millones de clientes, con una media de seguimiento de 39,5 millones peticiones de clientes por día. La compañía almacena más de 16 petabytes de datos.

Gran parte de sus grandes datos recientemente adquiridos, sin embargo, proviene de sensores de telemática en más de 46.000 vehículos. Los datos sobre camiones de UPS, por ejemplo, incluye su velocidad, la dirección, el frenado y las prestaciones del tren de accionamiento. Los datos no sólo se utilizan para monitorear el desempeño diario, pero para conducir un importante rediseño de estructuras de ruta de UPS conductores. Esta iniciativa, denominada ORION (On-Road Integración y optimización de navegación), es sin duda el mayor proyecto de investigación de operaciones en el mundo. También se basa en gran medida en los datos del mapa en línea, y con el tiempo se vuelva a configurar la camioneta de un conductor y bajadas en tiempo real. El proyecto ya ha dado lugar a un ahorro en 2011 de más de 8,4 millones de galones de combustible mediante la reducción de 85.000.000 millas fuera de las rutas diarias. UPS estima que el ahorro de un solo conductor diario millas por conductor ahorra a la compañía $ 30 millones, por lo que los ahorros totales en dólares son sustanciales. La compañía también está tratando de utilizar datos y análisis para optimizar la eficiencia de sus 2.000 vuelos de aviones por día.

4. Retos

Muchas organizaciones están preocupados de que la cantidad de datos acumulados se ha vuelto tan grande que es difícil encontrar las piezas más valiosas de información.

• ¿Qué pasa si el volumen de datos llega a ser tan grande y variada que no sabe cómo lidiar con ella?

• ¿Almacena todos sus datos?

• ¿Analiza todo?

• ¿Cómo se puede averiguar qué puntos de datos son muy importantes?

• ¿Cómo se puede utilizar a su mejor ventaja?

Hasta hace poco, las organizaciones se han limitado a la utilización de subconjuntos de sus datos, o que estaban limitadas a los análisis simplistas porque los escarpados volúmenes de datos abrumados sus plataformas de procesamiento. Pero, ¿cuál es el punto de recogida y almacenamiento de terabytes de datos si no se puede analizar en su contexto completo, o si tiene que esperar horas o días para obtener resultados? Por otra parte, no todas las preguntas de negocios están mejor respondidas por los datos más grandes. Ahora tiene dos opciones:

• Incorporar volúmenes masivos de datos en el análisis. Si las respuestas que está buscando estarán mejor provistos por analizar todos los datos, vaya para él. Tecnologías de alto rendimiento que extraen valor de grandes cantidades de datos están aquí hoy. Un método consiste en aplicar el análisis de alto rendimiento para analizar la enorme cantidad de datos utilizando tecnologías como la computación en red, procesamiento de bases de datos y análisis en memoria.

• Determine por adelantado qué datos relevantes. Tradicionalmente, la tendencia ha sido la de almacenar todo (algunos lo llaman el acaparamiento de datos) y sólo al consultar los datos es lo que descubrirá lo que es relevante. Ahora tenemos la capacidad de aplicar el análisis en la parte delantera para determinar la relevancia en función del contexto. Este tipo de análisis determina qué datos deben ser incluidos en los procesos de análisis y lo que se puede colocar en el almacenamiento de bajo costo para su uso posterior, si es necesario.

5. Tecnologías

Una

...