BIG DATA
GASTRONOMICA
BIG DATA PARA CREAR NUEVAS RECETAS DESDE CERO
Hace poco, IBM, en colaboración con Bon Appetit, convirtió a Watson en un chef capaz de
crear nuevas recetas y combinaciones de sabor. Aunque parezca increíble, las recetas del
ordenador han ganado concursos de chefs. Para hacer el modelo, partieron de una base
de datos de 30000 recetas y páginas de información gastronómica. Gracias a eso,
comprende por qué funcionan ciertas mezclas de ingredientes, entiende cómo disfrutamos
de las texturas y distingue las mejores recetas.
BIG DATA PARA INSPIRAR A LOS CHEFS
Telefónica I+D y la Universidad de Barcelona han creado Appetit, una aplicación que, tras
analizar 100.000 recetas de todo el mundo, ayuda a los cocineros a crear nuevas
propuestas. Con ella, los chefs pueden elegir un ingrediente base para su plato y la
aplicación le sugiere ingredientes afines en base a una red. Luego, todo es cuestión de
experimentar con las cantidades y métodos de preparación.
BIG DATA PARA HACER MENÚS MÁS EFECTIVOS
Muchos restaurantes ya utilizan herramientas de Big Data para tomar decisiones sobre sus
menús. Y no solamente en el nivel de cómo combinan los distintos platos entre sí.
También es importante decidir el orden en que se ponen los productos e incluso cómo
categorizarlos.
Pero se puede ir incluso más allá. Gracias al análisis de datos con Big Data, las cadenas
de fast food testan el impacto financiero de un elemento del menú antes de lanzarlo.
Algunas incluso llegan al punto de ofrecer menús dinámicos que cambian a tiempo real en
función de la hora, la localización o incluso del parte meteorológico de cada local.
Cuando hablamos de Big Data nos referimos a conjuntos de datos o combinaciones de
conjuntos de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de
crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante
tecnologías y herramientas convencionales, tales como bases de datos relacionales y
estadísticas convencionales o paquetes de visualización, dentro del tiempo necesario para
que sean útiles.
Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que
proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que
tenían. En otras palabras, proporciona un punto de referencia. Con una cantidad tan
grande de información, los datos pueden ser moldeados o probados de cualquier manera
que la empresa considere adecuada. Al hacerlo, las organizaciones son capaces de
identificar los problemas de una forma más comprensible.
La recopilación de grandes cantidades de datos y la búsqueda de tendencias dentro de los
datos permiten que las empresas se muevan mucho más rápidamente, sin problemas y de
manera eficiente. También les permite eliminar las áreas problemáticas antes de que los
problemas acaben con sus beneficios o su reputación.
El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y utilizarlos
para identificar nuevas oportunidades. Eso, a su vez, conduce a movimientos de negocios
más inteligentes, operaciones más eficientes, mayores ganancias y clientes más felices.
Las empresas con más éxito con Big Data consiguen valor de las siguientes formas:
Reducción de coste. Las grandes tecnologías de datos, como Hadoop y el análisis
basado en la nube, aportan importantes ventajas en términos de costes cuando
se trata de almacenar grandes cantidades de datos, además de identificar
maneras más eficientes de hacer negocios.
Más rápido, mejor toma de decisiones. Con la velocidad de Hadoop y la analítica
en memoria, combinada con la capacidad de analizar nuevas fuentes de datos,
las empresas pueden analizar la información inmediatamente y tomar decisiones
basadas en lo que han aprendido.
Nuevos productos y servicios. Con la capacidad de medir las necesidades de los
clientes y la satisfacción a través de análisis viene el poder de dar a los clientes
lo que quieren. Con la analítica de Big Data, más empresas están creando
nuevos productos para satisfacer las necesidades de los clientes.
MONGO DB
Se trata de una Base de Datos NoSQL para almacenar datos. Su utilización
está muy extendida ya que permite almacenar los datos de una manera no
basada en registros (tablas), sino en un formato BSON que es un JSON binario
(orientado a documentos).
Las principales características de esta base de datos son la replicación de los
datos en diferentes nodos y la segmentación de estos en particiones más
pequeñas de la base de datos principal, repartiendo la información entre ellas.
Ambas propiedades confieren a los sistemas que utilizan Mongo DB una alta
escalabilidad horizontal
