© Editorial UOC Índice general

Índice general

I Bienvenidos al mundo de los datos 17

Capítulo 1 Introducción 19
1.1 Motivación . . . . . . . . . . . . . . . . . . . . 19
Capítulo 2 Fundamentos en la evidencia 23
2.1 El germen del data driven . . . . . . . . . . . 23
2.2 Los datos engendran información,
conocimiento y más datos . . . . . . . . . . . 25
2.3 Datos, información y conocimiento . . . . . . 27
2.4 Una visión del significado
de data driven . . . . . . . . . . . . . . . . . . 33
Capítulo 3 La empresa y la transformación
digital 41
3.1 Transformación digital . . . . . . . . . . . . . 41
3.2 Conversión digital y digitalización . . . . . . . 42
3.3 Impacto de las transformaciones
digitales . . . . . . . . . . . . . . . . . . . . . 44
3.4 Usar los datos en una empresa digital . . . . . 47

II Pensando un proyecto de datos 53

Capítulo 4 Ingeniería de datos 55
4.1 ¿Qué es realmente big data? . . . . . . . . . . 55
4.2 Atributos del big data . . . . . . . . . . . . . 61

9
© Editorial UOC La ingeniería del big data

4.3 Evolución del big data . . . . . . . . . . . . . 63

4.3.1 Primera especiación: plataformas de con-
sulta estructurada o SQL . . . . . . . . 66
4.3.2 Segunda especiación: procesamiento en
lotes o batch . . . . . . . . . . . . . . . 67
4.3.3 Tercera especiación: procesamiento cer-
cano al tiempo real o NRT . . . . . . . 69
4.3.4 Cuarta especiación: plataformas
de inteligencia artificial . . . . . . . . . 71
4.4 Fundamentos de una arquitectura
de datos . . . . . . . . . . . . . . . . . . . . . 72
4.4.1 Perspectivas prácticas . . . . . . . . . 72
4.4.2 Etapas y tecnologías . . . . . . . . . . 74
Capítulo 5 Empezando de cero: caminando ha-
cia un producto viable mínimo 83
5.1 Primer paso: pensar en objetivos . . . . . . . 83
5.2 Segundo paso: definir un producto
mínimo . . . . . . . . . . . . . . . . . . . . . . 86
5.2.1 Por dónde y por qué empezar . . . . . 87
5.2.2 Concepto e idea de desarrollo iterativo 89
5.3 Tercer paso: lograr viabilidad . . . . . . . . . 91
5.3.1 ¿Cómo obtener valor en cada iteración? 91
5.3.2 ¿Cuándo finalizan las iteraciones?
¿Cómo socializamos el MVP? . . . . . 93
Capítulo 6 Errores de novatos y otras lecciones
aprendidas a golpes 97
6.1 Definiciones tácitas . . . . . . . . . . . . . . . 98
6.2 «Inteligente» tiene diferentes
significados . . . . . . . . . . . . . . . . . . . 99
6.3 El valor de un proceso puede no estar en su
resultado primario . . . . . . . . . . . . . . . 101
6.4 La complejidad: un espejismo seductor . . . . 102

10
© Editorial UOC Índice general

6.5 Las métricas: caprichosas señoras . . . . . . . 104

6.6 Sin «un anillo para gobernarlos
a todos» . . . . . . . . . . . . . . . . . . . . . 105
6.7 Uróboros: volviendo al comienzo . . . . . . . . 107
6.8 El rol del antropoevangelista . . . . . . . . . . 108
Capítulo 7 Rito de pasaje 111
7.1 Nos convertimos en expertos en datos . . . . . 111
7.1.1 Diferencia entre entusiastas y expertos 112
7.1.2 Relacionándonos con los usuarios
y stakeholders . . . . . . . . . . . . . . 117
7.2 Pensamiento estratégico de datos . . . . . . . 119
7.2.1 El guardián y garante del enfoque data
driven . . . . . . . . . . . . . . . . . . 121

III Juntando bloques para construir

castillos 125
Capítulo 8 Creando plataformas de datos 127
8.1 ¿Cómo plantear las plataformas? . . . . . . . 127
8.1.1 Estadios de desarrollo . . . . . . . . . 128
8.2 ¿Cómo implementarlas? . . . . . . . . . . . . 131
8.2.1 Arquitectura lambda . . . . . . . . . . 133
8.2.2 Arquitectura kappa . . . . . . . . . . . 136
8.3 ¿Cómo desplegarlas? . . . . . . . . . . . . . . 138
8.3.1 Estrategias de puesta en producción . . 139
8.3.2 Distribuciones de Hadoop . . . . . . . 141
Capítulo 9 Caminando hacia la inteligencia
artificial 147
9.1 Conceptos básicos para un diálogo . . . . . . . 147
9.2 Motivos que permiten la explosión
de IA . . . . . . . . . . . . . . . . . . . . . . . 150
9.3 Extrayendo valor de la «inteligencia» . . . . . 153

11
© Editorial UOC La ingeniería del big data

9.3.1 Iniciativas de alta factibilidad . . . . . 154

9.3.2 Iniciativas de alto potencial . . . . . . 155
Capítulo 10 Al plató: interrogantes y temas a
resolver 157
10.1 Bifurcaciones y profundizaciones . . . . . . . . 158
10.2 Cuestiones sin resolver . . . . . . . . . . . . . 159
Bibliografía 163
Glosario 179

12