BIG DATA

M1. CONCEPTOS BÁSICOS DEL BIG DATA

Todos los días escuchamos el término Big Data en los medios de comunicación, así
como en las comunicaciones de todas las empresas.
El Big Data es claramente un concepto clave en la economía actual y en nuestra
sociedad.
A continuación, vamos a explicar cómo ha evolucionado la tecnología y cuáles son las
motivaciones de las nuevas tecnologías, qué es Big Data, las cuatro Vs así como las
fases de un proyecto que usa tecnología Big Data.

Bienvenida
Estamos afrontando una era de cambio que ninguna generación anterior ha vivido en
términos de efectos económicos y sociales. Gran parte de este cambio que estamos
viviendo viene dado por la globalización y la digitalización de la economía. Las
empresas están en una carrera hacia la digitalización, con el foco en ser capaces de
competir en una economía que cada vez más es digital.

Tecnologías y cronograma del Big Data

Vamos a explicar cómo nació la tecnología Big Data. Como gran parte de la tecnología
que usamos actualmente, tanto a nivel de herramientas como de servicios, tiene su
origen en Google.
Google continuó realizando avances en la realización de los índices invertidos,
concretamente a través de dos tecnologías: Google File System y el
paradigma Map/Reduce.
A continuación, en el documento adjunto, podrás ver la Cronología del ecosistema Big
Data.
Fases de un proyecto de Big Data
Vamos a definir las etapas o fases de un proyecto Big Data. Cuando hablamos de Big
Data, hablamos en realidad de un ecosistema de herramientas que nos permiten afrontar
las diferentes fases de un proyecto Big Data.
M1. CONCEPTOS BÁSICOS DEL BIG DATA
Las 4 V's del Big Data: Volumen y Variedad
Vamos a terminar este módulo hablando de las 4V’s.
Cuando hablamos de Big Data, es inevitable hablar de las Vs que caracterizan Big Data.
Definen las características o situaciones que deben darse dentro de un proyecto para
poder decir que es efectivamente Big Data.
Las cuatro Vs son las siguientes:
 Volumen
 Variedad
 Velocidad
 Valor
En el siguiente vídeo aprenderemos acerca del Volumen y la Variedad.
M2. ESTRATEGIA Y GOBIERNO DEL DATO
Los datos constituyen el elemento fundamental de la información. En ella se basa el
conocimiento y, por extensión, el soporte de muchas decisiones.
A los datos se les conoce también como hechos o eventos. Son representaciones
simbólicas como: texto, números, imágenes, grabaciones de audio o vídeo, etc. que
pueden ser almacenadas e incluso procesadas.
Los datos pueden ser inexactos, incompletos, estar desactualizados o incluso ser
incomprensibles, lo que en la práctica es un problema, ya que en estos casos su valor se
reduce enormemente.

Conceptos: Datos y objetivos del Gobierno del Dato

El propósito del Gobierno del dato es poner bajo control y en
estado óptimo los datos de los que dispone la empresa para su comprensión y
aprovechamiento. Esto significa que estén definidos, haya responsables de los mismos,
su calidad sea conocida y existan reglas claras para administrarlos.
Enfoques para la definición de Estrategia de Datos
Ahora más que nunca, la habilidad para gestionar un gran volumen y diversidad de
información es crítica para la supervivencia de las empresas. El solo hecho de manejar
tal cantidad de datos, hace que surjan problemas que requieren en muchos casos de
complejas soluciones, como por ejemplo: garantizar la unicidad del dato, asegurar su
calidad, velar por su accesibilidad, cuidar de su seguridad...
Estrategia de Datos "Defensiva-Ofensiva" y Balance entre
ambos
Veamos en que consiste la Estrategia Defensiva-Ofensiva de datos y el balance que se
produce entre ambas para lograr los objetivos empresariales.
Principios y roles en el Gobierno del Dato
El Gobierno del Dato se define como un conjunto de principios, políticas,
procedimientos, herramientas, roles y responsabilidades, orientados a promover la
mejora de la calidad y consistencia de los datos, y a conseguir una mayor y mejor 
disponibilidad de los mismos.
De esta manera, las empresas pueden satisfacer las necesidades de información en la
gestión, reporting y toma de decisiones.
El establecimiento de un adecuado Gobierno del dato permite tener una visión clara de
los datos, saber quién es el propietario, conocer qué usos se hacen de los datos, cómo
pueden gestionarse y cómo se puede extraer valor de estos datos.
Para que los datos tengan valor tienen que estar disponibles, ser entendibles por los diferentes
usuarios y ser fiables para la toma de decisiones.

Se estima que sólo un 15% de los datos que almacenan las compañías tiene Valor.
El Gobierno del dato es una tarea de toda la organización. En mayor o menor medida
todas las personas desempeñan alguna función sobre los datos.
Es importante distinguir entre los principales roles y las responsabilidades asociadas e
identificar dentro de la empresa quién desempeñará cada función. Consulta el
documento adjunto para conocer más al respecto.
Funciones y herramientas del Gobierno del Dato
El principal problema del Gobierno del Dato es que abarca un gran abanico de
funciones. Para facilitar las cosas, se suele descomponer en subdisciplinas que se
pueden priorizar de acuerdo a su alineación con las metas de la organización y al
impacto económico que representan.
Para llevar a cabo las funciones de Gobierno y Gestión de los Datos es necesario
disponer de herramientas que permitan gestionar y llevar a cabo de una manera
automática los diferentes procesos definidos.
Descubre la Inteligencia Artificial
La inteligencia artificial quizás sea la tecnología más disruptiva que hemos conocido
hasta el momento, y supone uno de los mayores hitos de nuestro tiempo.
Tras décadas de desarrollo, la inteligencia artificial ha salido de la universidad y del
laboratorio, y se ha ido filtrando poco a poco en diversos ámbitos de nuestra vida: en
nuestros teléfonos móviles, en nuestros coches, en los bancos y hasta en la forma en la
que escuchamos música.
Aplicaciones de la Inteligencia Artificial
A continuación vamos a conocer los diferentes usos de la inteligencia artificial en los
principales sectores.

M3. CASOS DE USO Y ESTRATEGIAS DE

VISUALIZACIÓN
En el siguiente módulo conocemos casos de uso en empresas reales donde se aplica el
Big Data y las estrategias más importantes aplicadas en la visualización de la
información recopilada.

Introducción a los casos de uso

En este vídeo vamos a poder ver casos prácticos en los que se utiliza Big Data.
Son numerosas las empresas que hacen uso en su día a día de esta tecnología. Vamos a
verlos para que seamos conscientes de que el Big Data está en nuestro día a día.

Ejemplo aplicado "House of cards"

Netflix es una empresa americana que proporciona un servicio por el que un usuario
(cliente) puede darse de alta pagando una cuota fija al mes, obteniendo acceso ilimitado
a todos los contenidos de la plataforma, películas y series principalmente.
Su infraestructura es muy madura e innovadora en el procesamiento de datos, basada en
tecnología Amazon tanto para almacenamiento como para procesamiento, con fuerte
uso de Spark.
Antes de comenzar con el caso de “House of Cards”, vamos a describir los datos que
potencialmente puede utilizar Netflix para su posterior análisis y realimentación de sus
sistemas.
¿Qué datos estáticos se obtienen?
Datos del cliente, edad, género, país y ciudad donde reside.
Los datos de las películas y series, entre otros:
 Productor.
 Actores y actrices principales.
 Actores y actrices secundarios.
 Género: comedia, intriga, amor.
  Guionistas.
¿Qué datos dinámicos se almacenan?
Para cada cliente:
 Qué ha visto, género, actores.
 Ratings, cómo valoran los clientes el contenido que han visionado 4 millones diarios.
 Cuándo ha realizado una pausa.
 Cuándo ha acelerado la cinta, hacia delante o hacia atrás.
 Qué día de la semana ve qué contenido.
 Fecha de visionado.
 Hora de visionado.
 Cuándo ha abandonado un contenido.
 Búsqueda de contenido que ha realizado cada cliente.
 Cómo se mueve por la web, tiempo que se está en cada contenido.
 Si se hace clic para tener más información.
 Si se ve el tráiler.
 Cuando comienzan los créditos.

Sistemas de recomendación y escucha activa: "Amazon",

"Netflix" y "Walmart"
Amazon
Los sistemas de recomendación son una herramienta de personalización muy utilizada
ya que son muy efectivos.
Amazon es otra de las empresas que usa de manera masiva los datos y aprendizaje
automático. El 35% de las ventas que hace vienen de su sistema de recomendación.
Tiene varios sistemas de recomendación en esta sección vamos a describir dos de ellos.
Netflix
Netflix tiene uno de los sistemas de recomendación más potentes que existen. El 70%
de las visualizaciones que tiene Netflix provienen de su sistema de recomendación.
Walmart
Walmart es también una de las empresas que más fuertemente ha apostado por la
tecnología Big Data.
Sus resultados son un fiel reflejo de esta decisión estratégica, si bien usa Big Data de
manera extensiva para analizar precios, optimización de unidades en almacén, selección
de personal y retención.
En el vídeo vamos a ver cómo usan las redes sociales para optimizar las referencias
disponibles en cada tienda y poder dar mejor servicio a sus clientes.
Sector retail: Fondos de inversión y optimización de precios
Los fondos de inversión también utilizan el Big Data, con la intención de obtener
información antes que la competencia, y tener así una ventaja a la hora de la toma de
decisiones la compra o venta de un determinado valor bursátil.
Otra área donde se utiliza Big Data es en la optimización de precios.
Veamos en el vídeo cómo se aplica en estos dos sectores.

Cómo obtenemos la información

Estamos más que habituados a ver presentaciones y, en muchos casos, a hacerlas.
Muchas veces nos llama la atención lo claras que son algunas presentaciones a la hora
de transmitir el mensaje, son eficientes.
En este vídeo vamos a ver las claves de la visualización para que a partir de ahora tú
también puedas hacer presentaciones eficientes.
Fases de un proceso de visualización
Veamos los pasos que se deben seguir para poder realizar una visualización efectiva:
 El objetivo de la visualización.
 La audiencia.
 Los datos.
Tipos de datos
Conoce los distintos tipos de datos que podemos tener como base para hacer una
correcta visualización.

Propiedades y elementos de una visualización

Un elemento de visualización es cualquier atributo que la compone, como los colores,
las barras, las formas, y demás recursos que podamos utilizar para elaborarla.
Veamos en el vídeo los elementos más usados en las visualizaciones y si tienen o no la
propiedad de orden natural.
Gráficos, colores y texto: uso recomendado
Veamos los gráficos más usados en el día a día y cuándo se recomienda su uso.
Por último, conozcamos algunos aspectos más sobre los colores y el texto en una
visualización.
Ya no tienes excusas para realizar visualizaciones efectivas. ¡Ponlas en práctica para
conseguir grandes resultados!
M4. BIG DATA EN EL SECTOR DE LA
CONSTRUCCIÓN
Como en muchas áreas, el procesamiento de grandes cantidades de datos, Big Data, se
está incorporando en el proceso de construcción de edificios desde hace tiempo. La
integración de cada vez más dispositivos permite recopilar datos que, gestionados con la
capa de analítica del Big Data, permiten optimizar los procesos.
Se identifican tres fases en las que el Big Data aporta valor en el proceso constructivo.
En este módulo se profundizará en cómo el análisis de grandes cantidades de datos
mejora los procesos en cada una de estas fases hasta llegar a lo que se conoce como
edificios inteligentes o smart buildings.

Aplicando Biga Data en la Construcción 4.0

Se puede denominar Construcción 4.0 a la industria que emplea los datos para mejorar
sus procesos. De esta forma, se recogen estos datos desde diferentes fuentes de
información (Big Data), se almacenan en la nube, se tratan para que tengan la mayor
calidad posible (calidad del dato) y, mediante el Data Analytics, se obtienen
conclusiones que ayudan a tomar mejores decisiones, anticipar problemas y plantear
soluciones, antes de que ocurran.
A esta capacidad de adelantarse a posibles comportamientos futuros se le
denomina análisis predictivo.
El análisis predictivo que permite el Big Data se puede aplicar en las tres grandes fases
de la construcción.
En la siguiente infografía se detallan los procesos que permite desarrollar la gestión de
grandes cantidades de datos en cada fase.
Fase 1: antes de construir
El Big Data en esta fase puede entrar, incluso antes de conocer qué se va a construir y
donde. Y es que la recogida de datos de diferentes fuentes puede utilizarse para
determinar no sólo qué construir, sino también dónde construirlo.
Los datos históricos pueden ser analizados para escoger patrones y probabilidades
de riesgos de construcción. Por ejemplo, la Universidad de Brown en Rhode Island,
Estados Unidos empleó el análisis de Big Data para decidir dónde construir su nuevo
edificio de ingeniería.
En esta fase, se puede aprovechar la experiencia de la empresa constructora en sus obras
anteriores para la mejora continua de sus actividades en obras futuras. Permite generar
varios escenarios de evolución de la obra y predecir de una forma más precisa los
costes y plazos de construcción.
Una vez decidido qué, cómo y cuándo construir, se pasa a la fase de ejecución, en la que
el Big Data despliega todo su potencial para la mejora de procesos, como se verá en el
siguiente apartado.
Fase 2: durante la construcción
La industria de la construcción ya viene digitalizando sus procesos de hace tiempo con
el desarrollo de modelos como el denominado BIM (Building Information
Modeling). Este modelado de información permite la gestión de los datos durante el
proceso de construcción del edificio en tiempo real, lo que hace que toda la información
del proyecto esté centralizada en un único modelo que manejan todas las partes.
Este modelo ayuda a una gestión óptima de tiempos y costes y ha supuesto una
revolución en el sector en el que la buena planificación de proyectos con un desglose
temporal del presupuesto de la obra dependía de la experiencia y los conocimientos del
equipo encargado de la ejecución.

Aunque la metodología BIM no puede entenderse como puro Big Data, a pesar de que
maneja los datos digitalizados del proyecto, la tendencia del sector pasa por unir BIM y
Big Data, permitiendo, entre otras:
 Conocer en tiempo real el uso, gestión de consumos y energía.
 Reducir las incertidumbres técnicas y económicas.
 Predecir situaciones de riesgo o alarma en el edificio.
 Permitir una trazabilidad de las acciones de cada uno de los agentes implicados
en la construcción.
 Disponer de alertas para evitar la desviación de plazos o costes.
 Proponer medidas correctoras en cada obra y en tiempo real.
 Automatizar procesos.
 Mejorar la eficiencia energética al conseguir menores ratios de consumo y
emisiones; y con menores costes de operación.
 Reducir costes directos e indirectos.
 Aumentar la eficiencia de los recursos internos y externos de la empresa.
Como se puede comprobar, los beneficios de la aplicación del Big Data en el proceso de
construcción son amplios y continúan una vez que el edificio está terminado como se
verá en el siguiente apartado.
Fase 3: edificios "Inteligentes"
En esta fase es muy importante el uso de sensores que ayuden a recopilar datos sobre la
evolución del edificio. Por ejemplo, para detectar problemas o patologías que se
desarrollan a posteriori en algunas construcciones.
Con el monitoreo de datos a través de estos sensores o dispositivos (Internet of Things)
llegamos a un modelo de edificio inteligente o smart building. Estos sensores pueden
recoger cualquier tipo de información, por ejemplo, en Reino Unido, una compañía
desarrolló unos sensores para recoger información en tiempo real sobre la temperatura y
la resistencia del hormigón.
En general, los datos de los sensores ayudan a desarrollar sistemas inteligentes de
gestión con los que se puede, entre otros:
 Ajustar el consumo de energía.
 Controlar la climatización.
 Ayudar al control de accesos y uso de espacios.
 Mejorar la seguridad mediante sistemas de detección de incendios, fugas de gas,
detección de movimientos sísmicos.
 Reducir los costes de mantenimiento.
M4. BIG DATA EN EL SECTOR DE LA
CONSTRUCCIÓN
Resumen
En resumen, en este módulo se ha analizado cómo el Big Data se integra en la industria
de la construcción generando grandes beneficios gracias al desarrollo del análisis
predictivo.
Este análisis entra en las tres fases del proceso constructivo:
 Antes de construir, ayudando a elegir emplazamientos, detectar riesgos o
anticipar plazos y costes.
 Durante el proceso de la construcción, el Big Data junto a modelos de gestión de
datos, como BIM, permite controlar todo el proceso, mejorar eficiencias,
anticipar riesgos y proponer medidas correctas, además de ayudar a automatizar
procesos y mejorar la eficiencia energética del proceso constructivo.
 En la última fase, el Big Data ayuda a generar sistemas inteligentes de gestión de
edificios gracias a la información que se recoge de diversos y múltiples sensores
dando lugar a los denominados smart buildings.
¡LA GUINDA PARA TU APRENDIZAJE!
A continuación, te invitamos a ver las MasterClasses relacionadas con este módulo.
Por último, te pedimos tu ayuda: Nos importa mucho tu opinión y por ello encontrarás
en la última actividad una encuesta de 2 minutos para que nos digas que te ha parecido
este módulo.
Muchas gracias por tu participación.