TEXTO ORIGINAL

Big data
By Vangie Beal
Big data is a buzzword, or catch-phrase, used to describe a massive volume of both structured and unstructured data that
is so large that it's difficult to process using traditional database and software techniques. In most enterprise scenarios the
data is too big or it moves too fast or it exceeds current processing capacity. Big data has the potential to help companies
improve operations and make faster, more intelligent decisions. Is Big Data a Volume or a Technology? While the term
may seem to reference the volume of data, that isn't always the case. The term big data, especially when used by
vendors, may refer to the technology (which includes tools and processes) that an organization requires to handle the
large amounts of data and storage facilities. The term big data is believed to have originated with Web search companies
who needed to query very large distributed aggregations of loosely-structured data. An Example of Big Data An example
of big data might be petabytes (1,024 terabytes) or exabytes (1,024 petabytes) of data consisting of billions to trillions of
records of millions of people



all from different sources (e.g. Web, sales, customer contact center, social media, mobile data and so on). The data is
typically loosely structured data that is often incomplete and inaccessible. Big Data and Types of Business Datasets When
dealing with larger datasets, organizations face difficulties in being able to create, manipulate, and manage big data. Big
data is particularly a problem in business analytics because standard tools and procedures are not designed to search and
analyze massive datasets. As research from Webopedia parent company QuinStreet demonstrates, big data initiatives are
poised for explosive growth. QuinStreet surveyed 540 enterprise decision-makers involved in big data and found the
datasets of interest to many businesses today include traditional structured databases of inventories, orders, and customer
information, as well as unstructured data from the Web, social networking sites, and intelligent devices. This data, when
captured, formatted, manipulated, stored, and analyzed can help a company to gain useful insight to increase revenues,
get or retain customers, and improve operations. Big data may also be called enterprise big data. Big data analytics Big
data analytics refers to the process of collecting, organizing and analyzing large sets of data ("big data") to discover
patterns and other useful information. Not only will big data analytics help you to understand the information contained
within the data, but it will also help identify the data
Advertisement

that is most important to the business and future business decisions. Big data analysts basically want the knowledge that
comes from analyzing the data. The Benefits of Big Data Analytics Enterprises are increasingly looking to find actionable
insights into their data. Many big data projects originate from the need to answer specific business questions. With the
right big data analytics platforms in place, an enterprise can boost sales, increase efficiency, and improve operations,
customer service and risk management. Webopedia parent company, QuinStreet, surveyed 540 enterprise decision-
makers involved in big data purchases to learn which business areas companies plan to use Big Data analytics to improve
operations. About half of all respondents said they were applying big data analytics to improve customer retention, help
with product development and gain a competitive advantage. For most organizations, big data analysis is a challenge.
Consider the sheer volume of data and the many different formats of the data (both structured and unstructured data)
collected across the entire organization and the many different ways different types of data can be combined, contrasted
and analyzed to find patterns and other useful information. The first challenge is in breaking down data silos to access all
data an organization stores in different places and often in different systems. A second big data challenge is in creating
platforms that can pull in unstructured data as easily as structured data. This massive volume of data is typically so large
that it's difficult to process using traditional database and software methods. Big Data Requires High-Performance
Analytics To analyze such a large volume of data, big data analytics is typically performed using specialized software tools
and applications for predictive analytics, data mining, text mining, forecasting and data optimization. Collectively these
processes are separate but highly integrated functions of high-performance analytics. Using big data tools and software
enables an organization to process extremely large volumes of data that a business has collected to determine which data
is relevant and can be analyzed to drive better business decisions in the future. Examples of How Big Data Analytics is
Used Today As technology to break down data silos and analyze data improves, business can be transformed in all sorts
of ways. According to Datamation, today's advances in analyzing Big Data allow researchers to decode human DNA in
minutes, predict where terrorists plan to attack, determine which gene is mostly likely to be responsible for certain
diseases and, of course, which ads you are most likely to respond to on Facebook. The business cases for leveraging Big
Data are compelling. For instance, Netflix mined its subscriber data to put the essential ingredients together for its
TRADUCCION
Big Data
Por Vangie Beal
Big data es una palabra de moda, o frase usada para describir un volumen masivo de datos tanto estructurados como no
estructurados que es tan grande que es difcil de procesar utilizando tcnicas de bases de datos y de software
tradicionales. En la mayora de escenarios empresariales los datos son demasiado grandes o se mueve demasiado
rpido o se excede la capacidad de procesamiento actual. Big Data (grandes datos) tiene el potencial de ayudar a las
empresas a mejorar sus operaciones y a tomar decisiones ms rpidas e inteligentemente.
Big Data es un volumen o una tecnologa? Mientras que el trmino puede parecer para hacer referencia al volumen de
datos, que no siempre es el caso. El trmino Big Data, especialmente cuando se utilizan los proveedores, pueden
referirse a la tecnologa (que incluye herramientas y procesos) que una organizacin necesita para manejar las grandes
cantidades de datos e instalaciones de almacenamiento. Se cree que el Big Data trmino que se origin con las
empresas de bsqueda Web que necesitaban consultar muy grandes agregaciones distribuidas de datos estructurados
dbilmente-. Un ejemplo de Big Data.
Un ejemplo del Big Data podra ser petabytes (1024 terabytes) o hexabytes (1.024 petabytes) de datos que constan de
miles de millones a miles de millones de registros de millones de personas, todos de diferentes fuentes (por ejemplo,
Web, de ventas, centros de contacto de clientes, medios de comunicacin social, datos mviles y as sucesivamente). Los
datos son normalmente poco estructurados de datos que a menudo es incompleta e inaccesible. Datos y tipos de
conjuntos de datos de negocios, cuando se ocupan grandes conjuntos de datos, las organizaciones se enfrentan a
dificultades en la capacidad de crear, manipular y gestionar grandes volmenes de datos. Big Data es un problema
particularmente en anlisis de negocios porque las herramientas y procedimientos estndar no estn diseados para
buscar y analizar conjuntos de datos masivos. Como la investigacin de la compaa matriz Webopedia QuinStreet
demuestra, iniciativas de grandes datos que estn preparados para un crecimiento explosivo. QuinStreet encuest a 540
empresas que toman las decisiones involucradas en grandes volmenes de datos y encontr a los conjuntos de datos de
inters para muchas empresas hoy en da incluyen las bases de datos tradicionales estructurados de inventarios, pedidos
y la informacin del cliente, as como datos no estructurados de la Web, los sitios de redes sociales y dispositivos
inteligentes.
Estos datos, cuando son capturados, formateados, manipulados, almacenados y analizados, pueden ayudar a una
empresa para obtener informacin til para aumentar los ingresos, obtener o retener a los clientes, y mejorar las
operaciones. Big Data tambin puede ser llamado por la empresa de datos grandes. Anlisis de datos grandes, analtica
de Big Data, se refiere al proceso de recoleccin, organizacin y anlisis de grandes conjuntos de datos ("big data") para
descubrir patrones y otra informacin til. No slo habr anlisis de Big Data ayudar a entender la informacin contenida
en los datos, sino que tambin ayudar a identificar los datos que son ms importantes para el negocio y las decisiones
futuras del negocio. Los analistas de Big Data bsicamente quieren que el conocimiento que proviene de analizar los
datos. Los beneficios del anlisis de Big Data. Las empresas estn cada vez ms buscando para encontrar informacin
procesable en sus datos. Muchos proyectos de Big Data se originan en la necesidad de responder a las preguntas
especficas del negocio. Con las grandes plataformas de anlisis de los datos correctos en el lugar, una empresa puede
impulsar las ventas, aumentar la eficiencia, mejorar las operaciones, servir al cliente y gestionar riesgos. Empresa matriz
Webopedia, QuinStreet, encuest a 540 empresas que toman las decisiones que participan en las compras de Big Data,
para saber qu reas de negocio de las empresas planean utilizar el anlisis de Big Data para mejorar las operaciones.
Aproximadamente la mitad de todos los encuestados dijeron que estaban aplicando el anlisis de Big Data para mejorar
la retencin de clientes, ayudar con el desarrollo de productos y obtener una ventaja competitiva.
El primer desafo es romper los silos de datos para tener acceso a todos los datos de un depsito de las organizaciones
en diferentes lugares y, a menudo en diferentes sistemas. Un segundo desafo de Big Data es en la creacin de
plataformas que pueden tirar los datos no estructurados con tanta facilidad como los datos estructurados. Este volumen
masivo de datos suele ser tan grande que es difcil de procesar utilizando los mtodos de base de datos y de software
tradicionales. El anlisis de Big Data requiere de alto rendimiento para analizar un gran volumen de datos como el anlisis
de Big Data que se realiza normalmente utilizando herramientas de software y aplicaciones especializadas para el
anlisis predictivo, minera de datos, minera de texto, la prediccin y la optimizacin de datos. En conjunto, estos
procesos son funciones separadas pero altamente integradas de anlisis de alto rendimiento. El uso de herramientas de
Big Data y software permite a una organizacin para procesar extremadamente grandes volmenes de datos que un
negocio ha recogido para determinar qu datos son relevantes y pueden ser analizados para tomar mejores decisiones
de negocio en el futuro. Ejemplos de cmo el anlisis de Big Data se utiliza hoy.
Como la tecnologa para romper los silos de datos y anlisis de datos, el negocio puede transformarse en todo tipo de
formas segn Datamation, los avances en el anlisis de Big Data de hoy permiten a los investigadores descifrar el ADN
humano en cuestin de minutos, predicen que los terroristas planean atacar, determinan qu gen es sobre todo probable
que sea responsable de ciertas enfermedades y, por supuesto, los anuncios que tienen ms probabilidades de responder
en Facebook. Los casos de negocio para aprovechar los Big Data son convincentes. Por ejemplo, Netflix extrae sus datos
de suscriptor para poner los ingredientes esenciales juntos con su reciente xito Castillo de naipes, y los datos de
abonado tambin impulsaron a la empresa a llevar Arrested Development de entre los muertos. Otro ejemplo proviene de
una de las mayores compaas de telefona mvil en el mundo, Orange de Francia puso en marcha su proyecto de datos
para el Desarrollo para la liberacin de los datos de abonado de los clientes en la Costa de Marfil. Los 2,5 mil millones de
registros, que se hicieron en el anonimato, incluidos detalles sobre las llamadas y mensajes de texto intercambiados entre
5 millones de usuarios. Los investigadores pueden acceder a los datos y enviar propuestas a Orange de cmo los datos
pueden servir de base para los proyectos de desarrollo para mejorar la salud y la seguridad pblica. Los proyectos
propuestos incluyen uno que mostraba la forma de mejorar la seguridad pblica mediante el seguimiento de los datos del
telfono celular para mapear donde la gente iba tras una emergencia; otra mostr cmo usar los datos celulares para la
contencin de la enfermedad. El ritmo de creacin de datos seguramente aumentar, sobre todo porque las
comunicaciones de mquina a mquina se volvern ms baratas y ms comunes. Piense en la cantidad de datos de
todas esas redes de sensores, alarmas antirrobo y los sistemas telemticos vehculo crear
De a cuerdo con IBM, cada da creamos 2,5 trillones de bytes de datos. IBM sostiene que el crecimiento exponencial de
los datos significa que el 90 por ciento de los datos que existen en el mundo de hoy se ha creado en los ltimos dos
aos. "Estos datos vienen de todas partes: sensores utilizados para recopilar informacin sobre el clima, los mensajes a
sitios de medios sociales, fotos digitales y videos, registros de transacciones de comercio electrnico, y las coordenadas
de GPS del telfono celular, para nombrar algunos." Por supuesto, es importante recordar que en la historia humana
temprana, algo tan efmero como un Tweet, simplemente no habra sido registrado, por lo que estas comparaciones slo
pueden ser tomadas hasta el momento. Para poner la explosin de datos en contexto, considere esto. Cada minuto de
cada da creamos ms de 204 millones de mensajes de correo electrnico, ms de 2 millones de consultas Google de
bsqueda de 48 horas, los vdeos de YouTube 684.000 bits de contenido compartido en Facebook, ms de 100.000
tweets de $ 272.000 gastados en el comercio electrnico 3600 nuevas fotos compartidas en Instagram Casi 350 nuevas
entradas del blog WordPress.




MAPA CONCEPTUAL INDIVIDUAL