0

El SAR ERP y la Revolución de la Información: Un Análisis Profundo

Instituto

Tecnológico de La

Laguna

Docente

José Dolores

Ruiz Ayala

Alumno

Fabian Oropeza

Garcia

Fundamentos de la investigación

Tabla de contenido

El SAR ERP y la Revolución de la Información: Un Análisis Profundo.................2

Resumen............................................................................................................2

Palabras clave................................................................................................ 3

Abstract.............................................................................................................. 3
 1

Keywords........................................................................................................ 3

Introducción........................................................................................................2

Desarrollo...........................................................................................................3

Inicios del big data..........................................................................................3

Retos del big data...........................................................................................4

Lake data........................................................................................................ 6

Plataformas de la big data..............................................................................9

Beneficios de la big data...............................................................................12

Consecuencias del big data..........................................................................13

Casos de uso del big data.............................................................................16

Funcionamiento del big data.........................................................................18

Practicas donde emplean el big data............................................................19

Impacto del big data en la sociedad..............................................................20

Resultados....................................................................................................... 22

Discusión..........................................................................................................23

Conclusión....................................................................................................... 24

Referencias......................................................................................................... 25
 2

El SAR ERP y la Revolución de la Información: Un Análisis Profundo

Resumen

El Big Data tiene un impacto significativo en diversas áreas como los negocios,
la salud, la educación, la ciencia, entre otros. Permite a las organizaciones tomar
decisiones más informadas, mejorar la eficiencia, desarrollar nuevos productos y
optimizar las ofertas existentes. Sin embargo, también plantea desafíos en términos de
privacidad y seguridad de los datos. Es crucial manejar estos desafíos de manera
efectiva para garantizar un uso ético y responsable del Big Data.

Palabras clave. Análisis de datos, Recopilación de información, Valor de

información, Aplicación de procesamientos, Almacenamiento.
 3

Abstract

Big Data has a significant impact in various areas such as business, health,
education, science, among others. It allows organizations to make more informed
decisions, improve efficiency, develop new products, and optimize existing offerings.
However, it also poses challenges in terms of data privacy and security. It is crucial to
effectively manage these challenges to ensure ethical and responsible use of Big Data.

Keywords. Data Analysis, Information Gathering, Value of Information,

Application of Processing, Storage.
 2

Introducción

El término SAR ERP se refiere a conjuntos de datos tan grandes y complejos

que las aplicaciones de procesamiento de datos tradicionales no son suficientes para

manejarlos. Los desafíos incluyen la captura, almacenamiento, búsqueda,

compartición, análisis y visualización de datos. Sin embargo, el hecho de disponer de

una gran cantidad de datos no aporta valor. El verdadero valor de los datos está en su

análisis e interpretación.

Es un campo de estudio que analiza, sistemáticamente, conjuntos de datos de

gran tamaño para descubrir patrones ocultos, correlaciones desconocidas, tendencias

del mercado, preferencias del cliente y otra información útil que puede ayudar a las

organizaciones a tomar decisiones informadas.

Como estudiante universitario, es importante entender que el Big Data no es solo

acerca de los datos, sino también sobre cómo manejar y analizar grandes conjuntos de

datos de manera eficiente. El Big Data puede considerarse un nuevo paradigma a la

hora de tomar decisiones y no solo una nueva tecnología relacionada con la

programación distribuida.

Por lo tanto, Big data no solo se trata de los datos en sí, sino también de cómo

se utilizan esos datos para crear valor. Big Data se creó en 1937 y desde ese día lleva

cada vez evolucionando hasta el día de hoy, se creó para el beneficio humano

primordialmente pese a después se dieran cuenta de las consecuencias generadas por

el Big data, Actualmente las empresas más exitosas del mundo utilizan Big data para

su beneficio, ya sea para una mejora en la producción, ventas, mercadeo o análisis de

conductas, todo esto lo genera la implementación del Big data.

 3

Desarrollo

Inicios del big data. Los inicios del Big Data se remontan a hace más de 7.000

años, cuando se introdujo la contabilidad en Mesopotamia para registrar el crecimiento

de cultivos y rebaños. En 1663, John Graunt registró y examinó toda la información

sobre los roles de mortalidad en Londres para comprender y construir un sistema de

alerta para la peste bubónica en curso (Aggity, 2022 ).

La primera máquina de procesamiento de datos apareció en 1943 fue

desarrollada por los británicos para descifrar los códigos nazis durante la Segunda

Guerra Mundial, este dispositivo, llamado Colossus, buscaba patrones en los mensajes

interceptados a una velocidad de 5.000 caracteres por segundo (Ciencia UNAM, 2021).

En los años sesenta y setenta se produjeron avances significativos en la

tecnología de datos con el desarrollo de los mainframes y las bases de datos.

mainframes y bases de datos. En los años 80 aparecieron los ordenadores personales

y la informática cliente-servidor y, con ellos, las bases de datos relacionales y SQL

(Structured Query Query Language), con cada uno de estos avances, aumentaron la

utilidad y el volumen de los datos.

El volumen de datos se disparó en los años 90 con el auge de Internet, el

comercio electrónico y las tecnologías de búsqueda. y las tecnologías de búsqueda,

para las bases de datos transaccionales, esto supuso nuevas arquitecturas para

aumentar el rendimiento, la escalabilidad y la redundancia. Al mismo tiempo.

La necesidad de inteligencia empresarial en estos volúmenes de datos impulsó a

las empresas a crear nuevos tipos de bases de datos (almacenes de datos), bases de

datos relacionales especializadas y optimizadas para la analítica de una amplia

 4

variedad de fuentes. Los almacenes de datos se convirtieron en de datos se

convirtieron en la infraestructura básica que las empresas utilizaban para hacer un

seguimiento de sus operaciones, elaborar informes, realizar análisis y respaldar la toma

de decisiones (Oracle, 2021 ).

Retos del big data. Muchas empresas que adoptaron estas tecnologías de big

data han descubierto que la gestión de las distintas herramientas, Hadoop de código

abierto era compleja y cara, empresas, como Cloudera y Hortonworks, vendieron

versiones empaquetadas de los proyectos de código abierto para dirigirse a ese

mercado, incluso con estas soluciones empaquetadas, un reto importante para las

empresas.

Hadoop es la gestión de la infraestructura necesaria del centro de datos. Los

clústeres deben nodos para determinados trabajos, deben estar disponibles cuando se

necesiten, pero también pueden estar inactivos durante periodos. Estos requisitos de

requisitos dificultan encontrar el equilibrio adecuado entre economía y disponibilidad de

la infraestructura de clúster (OpenMind, 2012).

El coste del almacenamiento también se convierte en un problema, ya que las

organizaciones luchan por mantener el ritmo de la cantidad de datos que necesitan

almacenar para mantener el ritmo de la cantidad de datos que necesitan almacenar. La

jerarquización del almacenamiento para soportar producción, copias de seguridad,

archivos, etc., es crucial para contener los costes.

La aparición de las nubes públicas en 2010 prometió dar respuesta a estos

retos, con un cálculo flexible y un almacenamiento fiable de bajo coste, se convirtieron

en una opción atractiva para la creación de datos propios.

 5

(a) Calidad de los datos: Garantizar la precisión y la calidad de los datos es

fundamental para obtener resultados útiles.

(b) Reglamentación y protección de los datos: Es necesario asegurar que los datos

se manejen de acuerdo con las leyes y regulaciones pertinentes, y que se

protejan adecuadamente para evitar violaciones de la privacidad.

(c) Cambio dinámico: El campo del Big Data está en constante evolución, lo que

requiere que las organizaciones se adapten rápidamente a nuevas tecnologías y

enfoques.

(d) Almacenamiento masivo de datos: El Big Data implica el manejo de enormes

volúmenes de datos, lo que plantea desafíos en términos de almacenamiento y

procesamiento.

(e) Integración de múltiples formatos: Los datos pueden venir en una variedad de

formatos, incluyendo textos, documentos, fotos y videos, y estos deben ser

integrados de manera efectiva.

(f) Obtención de resultados en tiempo real: Para muchas aplicaciones, es

importante poder analizar y obtener resultados de los datos en tiempo real.

(g) Necesidad de talento: Se requiere de profesionales con habilidades y

conocimientos especializados para manejar y analizar correctamente los

grandes volúmenes de datos.

(h) Interpretación de los análisis: Gran parte del éxito del Big Data recae sobre la

correcta presentación e interpretación de los análisis por parte de los equipos de

dirección, teniendo en cuenta los orígenes de la información y su sesgo.

 6

(i) Carencias tecnológicas: Las herramientas convencionales no están diseñadas

para obtener el máximo provecho de los grandes volúmenes de información, por

lo que son necesarias nuevas inversiones en tecnología.

(j) Ciberseguridad: El almacenamiento de datos, especialmente de aquellos que

son catalogados como confidenciales, suele ser uno de los objetivos más

atractivos para los ciberataques. Las empresas deben asegurarse de que sus

repositorios de datos cuenten con las medidas de seguridad necesarias para

evitar el robo, el secuestro o incluso la destrucción de la información.

Los retos tecnológicos incluyen el almacenamiento masivo de datos, la

integración de múltiples formatos, la incorporación de información desde múltiples

orígenes y el tratamiento y obtención de resultados en tiempo real (Obs Business,

2022).

Lake data. Es un repositorio centralizado que permite almacenar, compartir,

gobernar y descubrir todos los datos estructurados y no estructurados de una

organización a cualquier escala. A diferencia de un Data Warehouse, un Data Lake es

ideal para almacenar big data no estructurado, como tweets, imágenes, voz y datos en

streaming.

Los Data Lakes no requieren un esquema predefinido, se pueden almacenar y

procesar datos sin esquema y en cualquier formato sin la necesidad de conocer cómo

se van a explotar en el futuro. Esta característica evita que sean necesarios complejos

procesos ETL (Extracción, Transformación y Carga) de limpieza y preparación.

Entre las características más importantes de los data lakes se encuentra su

flexibilidad en almacenar diferentes tipos de datos, que proporciona la agilidad

 7

necesaria para los procesos de ingesta. También es muy importante que proporcione

suficiente trazabilidad, y de esta manera poder determinar los cambios que han sufrido

los datos en los procesos de transformación o ingesta (Crehana, 2020).

Un big data lake debe permitir la ingesta de datos estructurados y no

estructurados y almacenarlos con seguridad y con las debidas protecciones de acceso,

incluso en tiempo real. Estas restricciones de acceso pueden ser de lectura o de

modificación al nivel del dato e incluyen todas las capas de autenticación y

autorización.

Además, debe proporcionar un catálogo que permita a los analistas y

profesionales descubrir los datos que contiene. Es común que existan varias

referencias a los mismos tipos de datos en un única data lake. Puede darse el caso de

que los datos almacenados tengan etiquetas diferentes, pero se refieran al mismo

concepto (Aprender Big Data, 2023).

En resumen, un Data Lake tiene la función de organizar la data de la empresa

para ser usada cuando sea necesario. Por ende, a cada archivo lo identifica de una

manera personalizada, facilitando el acceso a todos los usuarios de la

organización. Data Lake democratiza los datos y es una forma rentable de almacenar

todos los datos de una organización para su posterior procesamiento.

Los lagos de datos son ideales para almacenar Big Data no estructurado, como

tweets, imágenes, voz y datos en streaming. Pero pueden utilizarse para almacenar

todo tipo de datos: cualquier fuente, cualquier tamaño, cualquier velocidad, cualquier

estructura (BBVA Suiza New Gen, 2020).

Algunos de los formatos de información almacenada en los lagos de datos son:

 8

(a) Datos estructurados, como las filas y columnas de las tablas de las bases de

datos relacionales.

(b) Datos semi estructurados, como archivos de texto plano delimitados y archivos

con esquemas.

(c) Datos no estructurados, como los contenidos de las redes sociales y los datos

del Internet de las cosas (IoT), así como documentos, imágenes, voz y vídeo.

(d) Los lagos de datos son plataformas flexibles que sirven para cualquier tipo de

datos, incluidos los operativos, los de series temporales y los casi en tiempo

real. Además, permiten a los usuarios de la empresa acceder rápidamente a los

datos siempre que lo necesiten y a los científicos de datos aplicar analítica para

obtener información.

(e) En términos de tecnología, los lagos de datos con tecnología de AWS,

respaldados por la disponibilidad inigualable de Amazon S3, pueden manejar la

escala de datos y análisis. AWS ofrece integración de Machine Learning (ML)

incorporada como parte de sus servicios de análisis especialmente diseñados.

Un Data Warehouse o Almacén de Datos es un sistema que agrega datos de

diferentes fuentes en un único, central y consistente almacén de datos para soportar

análisis de datos, minería de datos, inteligencia artificial (IA) y aprendizaje

automático. Los almacenes de datos son repositorios centrales de datos integrados de

una o más fuentes disparadas (Máster en Big Data y Business Analytics, 2022).

Un Data Warehouse se compone generalmente de cuatro elementos principales:

(a) Base de datos central: donde se almacenan y procesan los datos.

 9

(b) Herramientas ETL (Extracción, Transformación y Carga: para preparar los datos

para el análisis.

(c) Metadatos: que proporcionan un contexto adicional sobre los datos.

(d) Herramientas de acceso: que permiten a los usuarios finales interactuar con los

datos (Ebac, 2023).

Los Data Warehouses son ideales para realizar consultas y análisis, y a menudo

contienen grandes cantidades de datos históricos. Debido a estas capacidades, un

Data Warehouse puede considerarse la “única fuente de verdad” de una organización.

En términos de tecnología, la mayoría de los Data Warehouses se construyen

alrededor de un sistema de base de datos relacional, ya sea en las instalaciones o en

la nube, donde se almacenan y procesan los datos. Otros componentes incluirían la

gestión de metadatos y una capa de conectividad API que permite al almacén extraer

datos de fuentes organizacionales y proporcionar acceso a herramientas de análisis y

visualización (Xataka, 2021).

Plataformas de la big data. En la era digital actual, las plataformas de datos se

han convertido en una parte integral de las operaciones comerciales. Estas plataformas

permiten a las organizaciones recopilar, almacenar, gestionar y analizar grandes

volúmenes de datos para obtener información valiosa y tomar decisiones informadas.

Una de las plataformas de datos más utilizadas en la actualidad es Hadoop.

Hadoop es un marco de software de código abierto que permite el procesamiento

distribuido de grandes conjuntos de datos a través de clústeres de computadoras. Es

particularmente útil para manejar Big Data, ya que puede escalar fácilmente de un solo

servidor a miles de máquinas.

 10

Otra plataforma de datos popular es Spark, un motor de análisis unificado para

el procesamiento de datos a gran escala. Ofrece APIs de alto nivel en Java, Scala,

Python y R, y un motor optimizado que soporta la ejecución de gráficos en

general. También soporta un conjunto rico de herramientas de nivel superior,

incluyendo Spark SQL para SQL y DataFrames, MLlib para aprendizaje automático,

GraphX para procesamiento de gráficos y Structured Streaming para procesamiento de

Elasticsearch es otra plataforma de datos ampliamente utilizada. Elasticsearch es un

motor de búsqueda y análisis distribuido y de código abierto. Permite almacenar,

buscar y analizar grandes volúmenes de datos rápidamente y en tiempo casi real. Es

generalmente utilizado como el motor subyacente que impulsa aplicaciones que tienen

requisitos de búsqueda y análisis complejos (Milenio, 2023).

Además de estas, hay varias otras plataformas de datos que están ganando

popularidad. Por ejemplo, MySQL y SQL Server son sistemas de gestión de bases de

datos relacionales que son ampliamente utilizados para el almacenamiento de datos.

MongoDB es una base de datos NoSQL que ofrece alta disponibilidad, escalabilidad y

flexibilidad Redis es una base de datos en memoria que se utiliza como base de datos,

caché y agente de mensajes.

En resumen, las plataformas de datos son una parte esencial de la

infraestructura tecnológica en la actualidad. A medida que la cantidad de datos

generados continúa creciendo a un ritmo exponencial, la importancia de estas

plataformas solo aumentará. Como estudiante de ingeniería en sistemas, estoy

emocionado por la oportunidad de aprender más sobre estas plataformas y cómo

 11

pueden ser utilizadas para transformar los datos en información valiosa (Master big

data, 2019).

Las plataformas de Big Data han revolucionado la forma en que las empresas y

las organizaciones manejan y analizan grandes volúmenes de datos. Sin embargo,

también han traído consigo una serie de consecuencias, tanto positivas como

negativas:

(a) Desplazamiento de puestos de trabajo: El Big Data puede automatizar

muchos procesos que antes requerían intervención humana, lo que puede

llevar al desplazamiento de algunos puestos de trabajo.

(b) Mejora en diversas áreas: El Big Data puede mejorar el campo del marketing,

la cadena de suministros y los servicios al cliente al proporcionar información

detallada sobre el comportamiento de los clientes.

(c) Divulgación de datos: El Big Data puede divulgar datos de empresas y

personas, lo que puede ir en contra de la ética.

(d) Aumento de la brecha entre empresas: El Big Data puede aumentar la

brecha entre las empresas grandes y pequeñas, ya que las empresas más

grandes suelen tener más recursos para invertir en tecnología de Big Data.

(e) Costos asociados: Aunque muchas de las herramientas de Big Data

dependen de la tecnología de código abierto, las empresas aún enfrentan

importantes gastos relacionados con la dotación de personal, hardware,

mantenimiento y servicios relacionados.

(f) Violación de la privacidad: Un peligro es la violación de la privacidad, ya que

los datos recopilados pueden ser susceptibles de manipulación.

 12

Es importante tener en cuenta estas consecuencias al implementar y utilizar

plataformas de Big Data.

Beneficios de la big data. La implementación de Big Data en un sistema puede

tener varios beneficios significativos:

(a) Seguridad de datos: El Big Data puede mejorar la protección de datos. Este

sistema mantiene un control eficaz de la información y gracias a su

almacenamiento y seguridad pueden llevarse a cabo diferentes estudios y

análisis con precisión.

(b) Toma de decisiones basada en datos: El Big Data ha permitido a las

organizaciones pasar de tomar decisiones basadas en intuiciones a tomar

decisiones basadas en datos. Esto se ha logrado gracias al desarrollo de

algoritmos y técnicas de análisis de datos que pueden procesar grandes

volúmenes de datos y extraer información significativa.

(c) Mejora de la eficiencia operativa: El Big Data ha permitido a las organizaciones

mejorar su eficiencia operativa. Esto se ha logrado gracias al desarrollo de

herramientas y técnicas que pueden analizar los datos de operaciones y detectar

ineficiencias.

(d) Optimización de costes: El uso consciente del Big Data puede producir un ahorro

de costes en una empresa. Gracias a las herramientas de macrodatos pueden

agilizarse los procesos de producción, lo que potencia la eficiencia del trabajo y

genera una reducción de costes.

 13

(e) Trazabilidad de la organización: Los macrodatos generan una huella digital que

permite determinar acciones o estrategias pasadas que no resultaron

beneficiosas o que, por el contrario, es necesario volver a implementar.

(f) Demanda laboral: El Big Data está teniendo un crecimiento anual superior al

12%. Esto significa que hay una gran demanda de profesionales capacitados en

el manejo de Big Data.

(g) Mejora de la toma de decisiones: Mediante el análisis de datos se mejora la

toma de decisiones en la organización. Se trata de reducir los riesgos

estudiando la información de clientes, empleados o la que generan sensores

localizados en productos.

(h) Nuevas fuentes de ingresos: La información que se obtiene del análisis del Big

Data puede comercializarse como datos de tendencias a otras empresas

interesadas en extraer su valor.

Estos son solo algunos de los beneficios de implementar Big Data en un

sistema. Sin embargo, es importante tener en cuenta que la implementación exitosa de

Big Data requiere una estrategia bien pensada y la capacidad de manejar grandes

volúmenes de datos de manera eficiente (Universidad Anáhuac, 2.23).

Consecuencias del big data. El Big Data ha tenido un impacto significativo en

la era actual, con consecuencias tanto positivas como negativas.

Consecuencias Negativas:

(a) Desplazamiento de puestos de trabajo: El Big Data puede desplazar puestos de

trabajo.
 14

(b) Divulgación de datos de empresas y personas: Esto puede ir en contra de la

ética.

(c) Aumento de la brecha entre empresas grandes y pequeñas: El Big Data puede

aumentar más la brecha entre empresas grandes y pequeñas.

(d) Datos desorganizados: El Big Data se presenta en un gran número de fuentes e

infinidad de formas. Datos estructurados y datos sin estructurar. Datos

provenientes de fuentes online y fuentes offline. Toda esta información se

acumula cada día, cada segundo. Puede resultar abrumador para las empresas

enfrentar efectivamente ese cúmulo de información sin clasificar.

(e) Almacenamiento y retención de datos: Este comprende uno de los mayores

riesgos asociados con el Big Data. Cuando los datos se acumulan a tan alta

velocidad y en volúmenes tan elevados, la primera preocupación consiste en su

almacenamiento.

(f) Gestión de costos: El proceso de almacenar, archivar, reportar, manejar y

analizar datos conlleva una inversión.

(g) Redefinición de la estructura de muchos sectores económicos: En la medida en

que big data se convierta en una fuente de ventaja competitiva para gran

cantidad de negocios, la estructura de muchos sectores económicos será

redefinida, pero no de una manera uniforme, sino en favor de empresas que

ahora ya son muy grandes y disponen de altos volúmenes de información, y

recursos humanos y tecnológicos de gran calidad y abundantes, o de empresas

pequeñas, flexibles y dinámicas, dejando en desventaja a las de tamaño

 15

mediano que carecen de las economías de escala (en datos) y de la

adaptabilidad de quienes les flanquean en los rangos de tamaño.

Transgresión del big data. La transgresión del Big Data se refiere a las

situaciones en las que el uso de grandes volúmenes de datos puede cruzar líneas

éticas o legales. Aquí te dejo algunas de las formas en que esto puede suceder:

(a) Violación de la privacidad: A medida que se recopilan más datos, aumenta la

preocupación por la protección de la información personal. La gente debe tener

conciencia de todo lo que está publicando. Es imprescindible que sepan que

tienen derecho a que sus datos sean confidenciales y a decidir si se utilizan para

análisis o publicación en otros entornos.

(b) Seguridad de los datos: El gran volumen de datos recopilados por las

organizaciones los convierte en un objetivo valioso para los ciberdelincuentes,

que pueden tratar de robar o corromper los datos.

(c) Calidad de los datos: Cuando la información es de baja calidad porque está

incompleta, no está actualizada o los datos son incorrectos, se corre el riesgo de

hacer predicciones equivocadas y tomar malas decisiones.

(d) Almacenamiento y retención de datos: Este comprende uno de los mayores

riesgos asociados con el Big Data. Cuando los datos se acumulan a tan alta

velocidad y en volúmenes tan elevados, la primera preocupación consiste en su

almacenamiento.

(e) Gestión de costos: El proceso de almacenar, archivar, reportar, manejar y

analizar datos conlleva una inversión.

 16

Es importante tener en cuenta que, aunque el Big Data ofrece muchas

oportunidades, también presenta desafíos significativos que deben ser manejados

cuidadosamente para evitar transgresiones (KeepCoding Bootcamps, 2022).

Casos de uso del big data. Los casos de uso del Big Data se refieren a las

diversas formas en que las organizaciones y las industrias pueden aplicar el Big Data

para obtener beneficios. Estos son solo algunos ejemplos de cómo se utiliza el Big

Data en diferentes industrias. La clave es que el Big Data puede proporcionar

información valiosa que puede ayudar a las organizaciones a tomar decisiones más

informadas y eficaces.

(a) Análisis de comportamiento del cliente: Las empresas utilizan el Big Data para

entender mejor a sus clientes, analizando sus comportamientos y patrones de

compra. Esto puede ayudar a las empresas a personalizar sus productos y

servicios para satisfacer mejor las necesidades de sus clientes.

(b) Optimización de operaciones: Las empresas pueden utilizar el Big Data para

optimizar sus operaciones y mejorar la eficiencia. Por ejemplo, una empresa de

logística podría utilizar el Big Data para optimizar las rutas de entrega y reducir

los costos.

(c) Detección de fraudes: Las instituciones financieras utilizan el Big Data para

detectar patrones anómalos que podrían indicar fraude. Esto puede ayudar a

prevenir pérdidas financieras y proteger a los clientes.

(d) Investigación y desarrollo: Las empresas farmacéuticas y de biotecnología

utilizan el Big Data para acelerar la investigación y el desarrollo de nuevos

medicamentos.
 17

(e) Mejora de la atención sanitaria: Los proveedores de atención sanitaria utilizan el

Big Data para mejorar la atención al paciente, por ejemplo, mediante el análisis

de los registros de salud electrónicos para identificar los mejores tratamientos

para los pacientes.

(f) Predicción de tendencias: Las empresas de moda y de bienes de consumo

pueden utilizar el Big Data para predecir las tendencias futuras, lo que les

permite estar un paso por delante de la competencia.

(g) Airbnb: Utiliza el Big Data para crear recomendaciones adaptadas al contexto

global. Después de una caída del 70% de las reservas debido a la pandemia,

Airbnb cambió su enfoque a la hora de ofrecer recomendaciones. La compañía

se ha centrado en la idea de que viajar en estos tiempos se trata más de vivir

cómodamente y de forma segura que de hacer turismo. Por ello, ajustaron el

algoritmo y comenzaron a recomendar alojamientos alejados de las grandes

ciudades.

(h) Amazon: El 35% de las ventas anuales de Amazon provienen de las

recomendaciones de productos.

(i) Entendiendo y segmentando a los clientes: El Big Data permite a las empresas

entender y segmentar a sus clientes de manera más efectiva.

(j) Optimizando los procesos de negocio: Las empresas pueden utilizar el Big Data

para entender y optimizar sus procesos de negocio.

(k) Mejorando la Salud Pública: El Big Data puede ser utilizado para mejorar la

salud pública al permitir un análisis más detallado de los datos de salud.

 18

(l) Mejorando el rendimiento deportivo: Los equipos deportivos utilizan el Big Data

para analizar el rendimiento de los jugadores y hacer ajustes estratégicos.

(m) Mejorando la Ciencia y la Investigación: Los investigadores utilizan el Big

Data para analizar grandes conjuntos de datos en diversos campos, lo que

puede conducir a descubrimientos científicos.

(n) Mejorando la seguridad y el cumplimiento de la ley: Las agencias de seguridad y

cumplimiento de la ley pueden utilizar el Big Data para analizar patrones de

crimen y mejorar la seguridad.

Estos son solo algunos ejemplos de cómo se utiliza el Big Data en diferentes

campos. La clave del éxito en todos estos casos es la capacidad de analizar grandes

volúmenes de datos y extraer información valiosa de ellos (Integratecve, 2019).

Funcionamiento del big data. El Big Data opera a través de un proceso que

implica la recopilación, el almacenamiento y el análisis de grandes volúmenes de datos.

(a) Integración: El Big Data almacena datos de muy diversas índoles procedentes

de diferentes fuentes.

(b) Gestión: El almacenamiento de datos masivos requiere de soluciones que

puedan dar cabida a volúmenes muy grandes de información.

(c) Análisis: La recogida y almacenamiento de información no serviría de nada si

esos datos no se analizan para realizar descubrimientos o analizar patrones.

Además, el Big Data se caracteriza por las denominadas 5 V:

(a) Volumen: Se refiere a la cantidad de datos que se crea y se almacena.

 19

(b) Variedad: Se refiere a la categoría de estos datos (texto, imagen, audio…).

(c) Velocidad: Se refiere a la rapidez con la que se generan y, posteriormente, se

procesan los datos.

(d) Veracidad: Indica si los datos provienen de fuentes de autoridad o no.

(e) Valor: Se refiere a si los datos son útiles y aportan algo.

Es importante destacar que el Big Data puede estar relacionado con cualquier

cantidad de información sobre una empresa o un tema específico. Lo importante es que

los datos de Big Data deben ser accesibles. No importa si son estructurados (hojas de

cálculo, tablas) o no estructurados (imágenes, bloques de texto), ni dónde se generan

(Unir, 2020).

Practicas donde emplean el big data. El Big Data se emplea en una variedad

de prácticas y campos. Aquí te dejo algunos ejemplos:

(a) Marketing y Ventas: Los datos de los clientes se analizan y procesan obteniendo

información relativa a sus gustos, preferencias, comportamientos.

(b) Optimización de los Procesos de Negocio: Las empresas pueden utilizar el Big

Data para entender y optimizar sus procesos de negocio.

(c) Investigación Científica: El Big Data se utiliza en la investigación científica para

analizar grandes conjuntos de datos en diversos campos, lo que puede conducir

a descubrimientos científicos.

(d) Mejoras en el Rendimiento Deportivo: Los equipos deportivos utilizan el Big Data

para analizar el rendimiento de los jugadores y hacer ajustes estratégicos.

 20

(e) Pronóstico del Tiempo: El Big Data se utiliza para pronosticar el tiempo y

entender el impacto del calentamiento global.

(f) Salud: El Big Data se utiliza en el campo de la salud para mejorar la atención al

paciente, por ejemplo, mediante el análisis de los registros de salud electrónicos

para identificar los mejores tratamientos para los pacientes.

(g) Finanzas: En el sector financiero, el Big Data se utiliza para detectar patrones

anómalos que podrían indicar fraude.

(h) Educación y Cultura: El Big Data también se utiliza en las áreas de educación y

cultura.

El big data genera una eficacia significativa en las empresas de cualquier ámbito

siempre y cuando se emplee de manera correcta (Instituto Nacional de Investigaciones

Nucleares, 2023).

Impacto del big data en la sociedad. El Big Data ha tenido un impacto

significativo en las vidas de las personas, tanto de manera directa como indirecta.

Impacto Directo:

(a) Personalización de servicios: Las empresas utilizan el Big Data para

personalizar sus servicios basándose en los hábitos de navegación y compra de

los usuarios.

(b) Mejora de la experiencia del cliente: El Big Data permite a las empresas

entender mejor las necesidades de sus clientes y ofrecer productos y servicios

que satisfagan esas necesidades.

 21

(c) Acceso a servicios financieros: Las aplicaciones bancarias permiten acceder a

servicios financieros que antes sólo estaban disponibles en sucursales físicas,

como la gestión de ingresos y gastos, la solicitud de créditos bancarios, la

generación de presupuestos basados en nuestros hábitos de compra y de

ahorro, entre otros (SAS, 2020).

Impacto Indirecto:

(a) Reducción del consumo de agua: El Big Data permite a las industrias optimizar

su uso de agua, lo que puede llevar a una reducción significativa en el consumo

de agua.

(b) Prevención de accidentes de tránsito: El Big Data puede ser utilizado para

analizar patrones de tráfico y predecir y prevenir accidentes de tránsito.

(c) Generación de nuevas oportunidades de negocio: El Big Data puede generar

nuevas oportunidades de negocio a través de ventajas competitivas para las

empresas, como en el sector turístico, agrícola, servicios, educación.

(d) Mejora de la eficiencia en la toma de decisiones: El Big Data permite a sectores

estratégicos tomar decisiones de manera más eficiente, mostrando información

confiable en tiempo real.

(e) Ciudades inteligentes: En las ciudades inteligentes, sus elementos se

interconectan: energía, contaminación, agua, servicios médicos y de seguridad,

gestión de residuos, pagos electrónicos y tráfico vehicular, facilitando el acceso a

estos servicios a sus ciudadanos, reduciendo así grandes costos de

administración a sus gobiernos.

 22

Estos son solo algunos ejemplos de cómo el Big Data está impactando a las

personas de manera directa e indirecta. La clave está en encontrar la vía, mediante un

uso responsable, para poder hacer uso de estas grandes cantidades de datos para el

beneficio de la sociedad (Redalyc, 2020).

Resultados

El análisis de Big Data implica el uso de técnicas avanzadas para conjuntos muy

grandes y diversos de datos que incluyen datos estructurados, semiestructurados y no

estructurados, de diferentes fuentes y en diferentes tamaños, desde terabytes hasta

zettabytes.

Existen diferentes tipos de análisis de datos en función del objetivo al realizarlo:

(a) Análisis Prescriptivo: Si queremos saber cómo actuar.

(b) Análisis Predictivo: Si queremos saber qué sucederá.

(c) Análisis de tipo Diagnóstico: Si queremos saber por qué ha sucedido.

(d) Análisis Descriptivo: Si queremos saber qué hacer para que suceda.

Estos análisis siguen un conjunto de fases comunes que permiten ayudar a la

toma de decisiones. Sin embargo, los análisis de datos no garantizan al 100% que

obtengamos los resultados esperados. Por ese motivo, es necesario ir refinando y

actualizando las fuentes de datos y las actividades que realizamos para acercarnos

más al valor esperado.

 23

Discusión

El Big Data es un tema de discusión importante en la actualidad debido a su

creciente uso y a las implicaciones que tiene en diversos campos. Aquí te dejo algunos

puntos de discusión sobre el Big Data:

(a) Métodos de Evaluación de Impacto: El Big Data se utiliza para llevar a cabo

evaluaciones de impacto, un tipo de investigación que supuestamente puede

determinar el efecto de una política o programa en los resultados educativos. Sin

embargo, hay discusiones sobre las limitaciones de estos métodos y la

necesidad de comprender sus límites.

(b) Herramienta Tecnológica: El Big Data es una herramienta tecnológica que tiene

como objetivo analizar millones de datos y orientar con ellos la toma humana de

decisiones acerca de grandes problemas transversales. Sin embargo, hay

discusiones sobre la necesidad de formar profesionales calificados en esta área.

(c) Gestión de la Información: Hay discusiones sobre cómo el Big Data puede poner

en peligro algunos de los derechos más básicos del usuario si no se afronta con

suficiente rigor.

(d) Desafíos del Big Data: El Big Data se enfrenta a varios desafíos, como la

necesidad de talento, la calidad de los datos, su correcta reglamentación y

protección, y el cambio dinámico.

Estos son solo algunos de los temas de discusión en torno al Big Data. Es un

campo en constante evolución y es probable que surjan nuevas discusiones a medida

que continúa desarrollándose.

 24

Conclusión

El Big Data se ha convertido en un componente esencial en el mundo actual,

transformando la forma en que las empresas y las organizaciones operan y toman

decisiones. Al permitir el análisis de grandes volúmenes de datos, el Big Data puede

proporcionar información valiosa que puede ayudar a las organizaciones a tomar

decisiones más informadas y eficaces.

Sin embargo, el uso del Big Data también plantea desafíos significativos,

especialmente en términos de privacidad y seguridad de los datos. Es crucial que las

organizaciones manejen estos desafíos de manera efectiva para garantizar que el uso

del Big Data sea ético y responsable.

En resumen, el Big Data tiene el potencial de transformar muchos aspectos de

nuestra sociedad, desde la forma en que hacemos negocios hasta la forma en que

entendemos el mundo que nos rodea. Sin embargo, es importante que sigamos

explorando formas de utilizar el Big Data de manera efectiva y ética.

Referencias
 25

Aggity. (22 de Mayo de 2022 ). "Beneficios del Big Data en la empresa" . Obtenido de

Aggity: [Link]

Aprender Big Data. (29 de Julio de 2023). "Data Lake: Definición y Tecnologías 2023 -

Aprender BIG DATA.". Obtenido de Aprender Big Data:

[Link]

BBVA Suiza New Gen. (22 de Septiembre de 2020). "Ventajas y desventajas del Big

Data". Obtenido de BBVA Suiza New Gen: [Link]

y-desventajas-del-big-data/.

Ciencia UNAM. (10 de Septiembre de 2021). "Big Data. La Era de los Datos". Obtenido

de Ciencia UNAM: [Link]

era-de-los-datos-.

Coursera. (29 de Septiembre de 2023). "Big Data: el impacto de los datos masivos en

la sociedad actual". Obtenido de Coursera:

[Link]

axbbe/learn/impacto-datos-masivos?specialization=big-data-introduccion.

Crehana. (18 de Julio de 2020). "15 casos de éxito de Big Data en el mundo". Obtenido

de Crehana: [Link]

exito/.

Dynamic. (07 de Octubre de 2022). "Historia del Big Data". Obtenido de Dynamic:

[Link]

Ebac. (01 de Junio de 2023). "Ejemplos de uso del Big Data en diferentes áreas".

Obtenido de Ebac: [Link]

 26

Economipedia. (06 de Febrero de 2020). "¿Cómo está influyendo el Big Data en

nuestras vidas? Obtenido de Economipedia:

[Link]

Egos Bi. (09 de Febrero de 2021). "La historia del big data: sus orígenes y evolución.".

Obtenido de Egos Bi: [Link]

Evaluando Software. (15 de Noviembre de 2021). "Casos de uso del Big Data".

Obtenido de Evaluando Software: [Link]

computing/casos-uso-del-big-data/.

Forbes. (21 de Marzo de 2019). "Big Data: qué es y cómo funciona - Forbes España.".

Obtenido de Forbes: [Link]

IBM. (13 de Mayo de 2019). "What is a Data Warehouse? Obtenido de IBM:

[Link]

Instituto Nacional de Investigaciones Nucleares. (29 de Noviembre de 2023). "BIG

DATA". Obtenido de Instituto Nacional de Investigaciones Nucleares:

[Link]

Integratecve. (25 de Enero de 2019). "Big Data: Beneficios, Ventajas, Desventajas y

Fortalezas.". Obtenido de Integratecve: [Link]

ventajas-desventajas/.

KeepCoding Bootcamps. (15 de Agosto de 2022). "¿Cuáles son los beneficios del Big

Data?". Obtenido de KeepCoding Bootcamps:

[Link]

Master big data. (17 de Julio de 2019). "Ventajas y desventajas del uso del Big Data.".

Obtenido de Master big data: [Link]

 27

big-data/.

Máster en Big Data y Business Analytics. (4 de Diciembre de 2022). "El origen del Big

Data". Obtenido de Máster en Big Data y Business Analytics: [Link]

[Link]/origen-big-data/.

Milenio. (28 de Marzo de 2023). "Impacto del big data en la sociedad". Obtenido de

Grupo Milenio: [Link]

tecnologia/impacto-del-big-data-en-la-sociedad.

Obs Business. (29 de Septiembre de 2022). "Big Data y sus principales aplicaciones:

beneficios y ejemplos.". Obtenido de Obs Business:

[Link]

beneficios-y-ejemplos.

OpenMind. (12 de Noviembre de 2012). "Big data: retos, posibilidades y

aprovechamiento". Obtenido de OpenMind:

[Link]

posibilidades-y-aprovechamiento/.

Oracle. (11 de Marzo de 2021 ). "What Is a Data Warehouse. Obtenido de Oracle:

[Link]

Redalyc. (26 de Febrero de 2020). "Big data y su impacto en el ejercicio de la

contaduría ... . Obtenido de Redalyc:

[Link]

SAS. (12 de Enero de 2020). "Data Management: What it is and why it matters".

Obtenido de SAS: [Link]

[Link].
 28

Unir. (06 de Febrero de 2020). "Ejemplos de Big Data en la actualidad: usos y

aplicaciones ". Obtenido de Unir: [Link]

big-data/.

Universidad Anáhuac. (14 de Noviembre de 2.23). "Los peligros en la era del Big Data".

Obtenido de Universidad Anáhuac:

[Link]

Xataka. (8 de Enero de 2021). "Big Data: qué es y para que sirve". Obtenido de Xataka:

[Link]