Big Data es uno de los conceptos de moda en el mundo
informático. En la actualidad contamos con una gran cantidad de
artículos, e información, y en todas las encuestas a los CIOS aparece
entre los primeros lugares la necesidad de implantar un sistema de
Big Data.
Sin embargo, observamos una gran confusión sobre "en qué consiste
realmente". En las mismas encuestas, cuando se pregunta sobre, qué es
Big Data, comprobamos una gran dispersión en las respuestas ofrecidas. Empecemos entonces por tratar de aclarar "qué es
Big Data".
Denominamos
Big Data
a la gestión y análisis de enormes volúmenes de datos que no pueden ser
tratados de manera convencional, ya que superan los límites y
capacidades de las herramientas de software habitualmente utilizadas
para la captura, gestión y procesamiento de datos.
Dicho concepto engloba infraestructuras, tecnologías y
servicios que han sido creados para dar solución al procesamiento de
enormes conjuntos de datos estructurados, no estructurados o
semi-estructurados (mensajes en redes sociales, señales de móvil,
archivos de audio, sensores, imágenes digitales, datos de formularios,
emails, datos de encuestas, logs etc,) que pueden provenir de sensores,
micrófonos, cámaras, escáneres médicos, imágenes?
El objetivo de
Big Data, al igual que los sistemas
analíticos convencionales, es convertir el Dato en información que
facilita la toma de decisiones, incluso en tiempo real. Sin embargo, más
que una cuestión de tamaño, es una oportunidad de negocio. Las empresas
ya están utilizando
Big Data para entender el perfil, las
necesidades y el sentir de sus clientes respecto a los productos y/o
servicios vendidos. Esto adquiere especial relevancia ya que permite
adecuar la forma en la que interactúa la empresa con sus clientes y en
cómo les prestan servicio.
No obstante, el asociar el concepto
Big Data a
grandes volúmenes de datos no es nuevo. La gran mayoría de las empresas
ya llevan mucho tiempo manejando grandes volúmenes de datos y han
desarrollado DataWarehouses y potentes herramientas analíticas que les
permiten tratar de forma adecuada esos grandes volúmenes. La evolución
de la tecnología y los menores costes del almacenamiento han hecho que
los volúmenes manejados por estas aplicaciones hayan aumentado de manera
muy importante.
Las 'Vs' del Big Data
¿Cuál es entonces la diferencia entre las aplicaciones analíticas y de gestión y los nuevos conceptos de
Big Data? Las diferencias se asocian, en la mayoría de los artículos de referencia, a tres palabras, las tres 'Vs' del
Big Data:
Volumen, Variedad y Velocidad (3Vs). Sin embargo, en base a la
experiencia adquirida por las empresas pioneras en esta aventura, se ha
ampliado la definición original, añadiendo nuevas características como
son la Veracidad y Valor del dato (5Vs)
Hablamos de
Big Data cuando los volúmenes superan la
capacidad del software habitual para ser manejados y gestionados. Este
concepto se encuentra en continuo movimiento porque los avances
tecnológicos permiten tratamientos de volúmenes mayores. Cuando
hablamos de grandes volúmenes nos referimos a tratamientos de Terabytes o
Petabytes. Esto permite incluir en este tipo de proyectos informaciones
(por ejemplo logs) que hasta la fecha no se utilizaban porque la
tecnología no permitía procesarlos en un tiempo razonable. El concepto
de volumen es muy variable y cada día que pasa eleva lo que podemos
considerar grandes volúmenes de datos.
En el concepto de variedad nos referimos a la inclusión de
otros tipos de fuentes de datos diferentes a las que se utilizan de
forma tradicional. Nos referimos a información obtenida en diferentes
Redes Sociales, en el número cada vez mayor de dispositivos
electrónicos conectados, la explotación de sensores que permiten conocer
los movimientos y hábitos de vida, de información externa de diversas
fuentes, etc.
La información que procesan los Datawarehose es información
estructurada que ha pasado por numerosos filtros de calidad para poder
garantizar que la información de salida tiene una precisión y una
exactitud determinada. Sin embargo, cuando hablamos de
Big Data
nos referimos a información que puede estar semiestructurada o no tener
ninguna estructuración. La gestión de esta información desestructurada
precisa de una tecnología diferente y permite tomar decisiones basadas
en información que tiene importantes grados de inexactitud. Muchos de
estos algoritmos se relacionan con los tratamientos de sistemas
avanzados de lógica difusa.
Por último, el concepto de velocidad se refiere a la rapidez
con que los datos se reciben, se procesan y se toman decisiones a
partir de ellos. A la mayoría de los sistemas tradicionales les es
imposible analizar de forma inmediata los grandes volúmenes de datos que
les llegan, sin embargo, incorporar el concepto de tiempo real es
imprescindible para sistemas de detección del fraude o la realización de
oferta personalizadas a los clientes.
Pero, no menos importante al barajar este concepto, es la
veracidad, esto es, confianza de los datos, extraer datos de calidad
eliminado la imprevisibilidad inherente de algunos, como el tiempo, la
economía etc, para, de esta forma, llegar a una correcta toma de
decisiones
Finalmente, se añade el valor. La importancia del dato para
el negocio, saber que datos son los que se deben analizar, es
fundamental. Tanto que ya se empieza a hablar del científico de datos,
un profesional con perfil científico, tecnológico...y visión de negocio
