“Big Data, análisis de grandes

Presentación

Ideas principales de la lectura del libro: “Big Data, análisis de grandes volúmenes”. Capítulo 10 (Joyanes, Luis, 2013).

Descarga la versión para jugar en papel

Duplicar

Crear reto

Imprimir PDF

Sobre Presentación

data

big data

mercadotecnia

2 veces realizada

Creada por

Noemí González

México

Top 10 resultados

1

Sandra E. Flores Rodríguez

23 de Mayo de 2021

00:18

tiempo

100

puntuacion
2

Noemí González

17 de Mayo de 2021

00:21

tiempo

100

puntuacion

¿Quieres aparecer en el Top 10 de este juego?

Inicia sesión

para identificarte.

Crea tu propio juego gratis desde nuestro creador de juegos

Crear presentación

Compite contra tus amigos para ver quien consigue la mejor puntuación en esta actividad

Crear reto


“Big Data, análisis de grandesVersión en línea Ideas principales de la lectura del libro: “Big Data, análisis de grandes volúmenes”. Capítulo 10 (Joyanes, Luis, 2013). por Noemí González 1 Big Data, análisis de grandes volúmenes El análisis de datos tiene como objetivo fundamental el estudio de los datos de una organización con la finalidad de extraer conocimiento de dichos datos y tomar decisiones correctas y eficientes en beneficio de la mencionada organización. 2 Data Analytics La analítica de datos (data analytics), según ISACA, “implica los procesos y actividades diseñados para obtener y evaluar datos para extraer información útil”. 3 Big Data y Usuarios La analítica de Big Data permite los usuarios analizar los datos masivos de las organizaciones con tamaños desde terabytes hasta petabytes de modo rápido y económico. 4 Software analítica de datos Existe una gran variedad de herramientas de software que se utilizan en analítica de datos. Las técnicas más utilizadas son: realización de consultas e informes (quering y reporting), visualización, minería de datos, análisis de datos predictivos, lógica difusa, optimización, streaming de audio, video o fotografía, etcétera. 5 Herramienta Software El análisis de datos se realiza con herramientas de software tradicionales dentro de las técnicas de analítica avanzada tales como la minería de datos, OLAP, o el análisis predictivo. 6 Tratamiento de datos El tratamiento de los grandes volúmenes de datos requiere de las siguientes etapas: adquisiciónorganización de la informaciónanálisis y toma de decisiones. 7 Categorías en análisis de datos En la era de los grandes volúmenes, podemos considerar cuatro grandes categorías en análisis de datos: Analítica de datos (analytics) en organizaciones y empresas que analizan datos tradicionales: transaccionales y operacionales.Analítica Web o analítica del tráfico de datos en un sitio Web. Analítica social o análisis de datos de los medios sociales (blogs, wikis, redes sociales, RSS…). Analítica móvil en dispositivos móviles con el objeto de analizar los datos que envían, reciben o transitan en dichos dispositivos.Analítica de Big Data o analítica de los grandes volúmenes de datos. 8 Analítica de Big Data Los tipos de datos que hoy día manejan las organizaciones son: EstructuradosNo estructuradosSemiestructurados 9 Proveedores de analítica Proveedores y herramientas de analítica de big data propietarias son: Oracle, HP Vertica, IBM, Microsoft, Sybase, SAP, SAS, Teradata, Tableau Software, Kognitio, EMC Greenplum, Google Big Query. Herramientas de software abierto: Hadoop, R, Apache HBase, Pentaho y Jaspersoft. 10 Infraestructura Big Data Una solución es desarrollar un sistema completo de código abierto utilizando el marco de trabajo Hadoop (HDFS y MapReduce), y herramientas tales Zookeeper, Solr, Sqoop, Hive, HBase, Nagios y Cacti. 11 Infraestructura 2 Otra solución sería desarrollar un sistema utilizando herramientas propietarias e inyectores a Hadoop como puede ser el caso de IBM con las herramientas InfoSphere, BigInsights e IBM Netezza. 12 Plataformas Además de las plataformas anteriores, proveedores como SAP con su producto HANA, Oracle con Exadata y Exalytics, entre otros proveedores que ofrecen plataformas muy completas. 13 Almacenamiento de datos El almacenamiento de datos es un factor enorme y puede requerir que use diversas tecnologías. En el sistema de Hadoop, se encuentra HBase. Pero algunas compañías utilizan Cassandra, Neo4j, Netezza, HDFS y otras tecnologías, dependiendo de lo que se necesite. 14 Sistema de gestión El sistema de gestión de bases de datos puede considerar a HBase o Cassandra cuando desee utilizar un sistema de código abierto para analítica de Big Data. En lo que se refiere a plataformas de almacenes de datos, Netezza es una de las principales tecnologías en la industria de la analítica y la BI. 15 Interfaz La interfaz gráfica de usuario (GUI) se puede realizar con herramientas tales como SPSS Statistics de IBM, o el lenguaje R de estadísticas o herramientas de minería de datos, modelado predictivo, aprendizaje de máquina (tales como Apache Mahout) y desarrollo de algoritmos y modelos complejos, con lenguaje de consulta estructurado tal como Apache Hive. 16 Conclusión La importancia de la Big Data radica en que no sólo permite almacenar y procesar muchos datos, si no que gracias a ella recibir es información es mucho más sencilla.Siempre me asombra mucho como la tecnología va en incremento y lo interesante de ver de que antes se procesaban datos en papel y ahora viajan datos que ni siquiera podemos ver.

“Big Data, análisis de grandesVersión en línea

Ideas principales de la lectura del libro: “Big Data, análisis de grandes volúmenes”. Capítulo 10 (Joyanes, Luis, 2013).

Big Data, análisis de grandes volúmenes

El análisis de datos tiene como objetivo fundamental el estudio de los datos de una organización con la finalidad de extraer conocimiento de dichos datos y tomar decisiones correctas y eficientes en beneficio de la mencionada organización.

Data Analytics

La analítica de datos (data analytics), según ISACA, “implica los procesos y actividades diseñados para obtener y evaluar datos para extraer información útil”.

Big Data y Usuarios

La analítica de Big Data permite los usuarios analizar los datos masivos de las organizaciones con tamaños desde terabytes hasta petabytes de modo rápido y económico.

Software analítica de datos

Existe una gran variedad de herramientas de software que se utilizan en analítica de datos. Las técnicas más utilizadas son: realización de consultas e informes (quering y reporting), visualización, minería de datos, análisis de datos predictivos, lógica difusa, optimización, streaming de audio, video o fotografía, etcétera.

Herramienta Software

El análisis de datos se realiza con herramientas de software tradicionales dentro de las técnicas de analítica avanzada tales como la minería de datos, OLAP, o el análisis predictivo.

Tratamiento de datos

El tratamiento de los grandes volúmenes de datos requiere de las siguientes etapas: adquisiciónorganización de la informaciónanálisis y toma de decisiones.

Categorías en análisis de datos

En la era de los grandes volúmenes, podemos considerar cuatro grandes categorías en análisis de datos: Analítica de datos (analytics) en organizaciones y empresas que analizan datos tradicionales: transaccionales y operacionales.Analítica Web o analítica del tráfico de datos en un sitio Web. Analítica social o análisis de datos de los medios sociales (blogs, wikis, redes sociales, RSS…). Analítica móvil en dispositivos móviles con el objeto de analizar los datos que envían, reciben o transitan en dichos dispositivos.Analítica de Big Data o analítica de los grandes volúmenes de datos.

Analítica de Big Data

Los tipos de datos que hoy día manejan las organizaciones son: EstructuradosNo estructuradosSemiestructurados

Proveedores de analítica

Proveedores y herramientas de analítica de big data propietarias son: Oracle, HP Vertica, IBM, Microsoft, Sybase, SAP, SAS, Teradata, Tableau Software, Kognitio, EMC Greenplum, Google Big Query. Herramientas de software abierto: Hadoop, R, Apache HBase, Pentaho y Jaspersoft.

Infraestructura Big Data

Una solución es desarrollar un sistema completo de código abierto utilizando el marco de trabajo Hadoop (HDFS y MapReduce), y herramientas tales Zookeeper, Solr, Sqoop, Hive, HBase, Nagios y Cacti.

Infraestructura 2

Otra solución sería desarrollar un sistema utilizando herramientas propietarias e inyectores a Hadoop como puede ser el caso de IBM con las herramientas InfoSphere, BigInsights e IBM Netezza.

Plataformas

Además de las plataformas anteriores, proveedores como SAP con su producto HANA, Oracle con Exadata y Exalytics, entre otros proveedores que ofrecen plataformas muy completas.

Almacenamiento de datos

El almacenamiento de datos es un factor enorme y puede requerir que use diversas tecnologías. En el sistema de Hadoop, se encuentra HBase. Pero algunas compañías utilizan Cassandra, Neo4j, Netezza, HDFS y otras tecnologías, dependiendo de lo que se necesite.

Sistema de gestión

El sistema de gestión de bases de datos puede considerar a HBase o Cassandra cuando desee utilizar un sistema de código abierto para analítica de Big Data. En lo que se refiere a plataformas de almacenes de datos, Netezza es una de las principales tecnologías en la industria de la analítica y la BI.

Interfaz

La interfaz gráfica de usuario (GUI) se puede realizar con herramientas tales como SPSS Statistics de IBM, o el lenguaje R de estadísticas o herramientas de minería de datos, modelado predictivo, aprendizaje de máquina (tales como Apache Mahout) y desarrollo de algoritmos y modelos complejos, con lenguaje de consulta estructurado tal como Apache Hive.

Conclusión

La importancia de la Big Data radica en que no sólo permite almacenar y procesar muchos datos, si no que gracias a ella recibir es información es mucho más sencilla.Siempre me asombra mucho como la tecnología va en incremento y lo interesante de ver de que antes se procesaban datos en papel y ahora viajan datos que ni siquiera podemos ver.