Joomla TemplatesWeb HostingFree Money
Visite Nuestros Portales Especializados
Empresas, Productos, Marcas, Cultura, Salud, Industria de la hospitalidad, Deportes Tecnología, Telecomunicaciones EconomiayMercados.com Libros Canal de YouTube Síganos en Twitter Estamos en Facebook

Home » Opinión- » Columnista » Seis pasos clave para un Análisis de Big Data más efectivo

Calendario Colombia

Calendario Colombia 2021



Calendario Colombia 2022

Evaluación de Productos

Guía para Periodistas

Privacidad
en
Internet
para
Periodistas
Por Michael Dagan

 Privacidad en internet para periodistas
Lectura Sin Costo
Edición en Línea
En Español

Facebook

Hora Legal en Colombia

 
Seis pasos clave para un Análisis de Big Data más efectivo
Opinión
Martes, 25 de Noviembre de 2014 10:00

José Martínez, Praxis
José Martínez Parra, Gerente de BI y Factura Electrónica de Praxis
Big Data no está enfocado sólo al volumen de datos, sino a la complejidad de estos, en los cuales, el número de variantes puede ser indeterminado.

Seis pasos clave para un Análisis de Big Data más efectivo
Por José Martínez Parra, Gerente de BI y Factura Electrónica de Praxis
Big data es un término aplicado a conjuntos de datos que superan la capacidad del software habitual para ser capturados, gestionados y procesados en un tiempo razonable. Según Gartner, las tres características principales de Big Data corresponden a: cantidad o volumen de los datos; velocidad de creación y utilización de la información; y variedad de tipos y fuentes de datos no estructurados como por ejemplo la interacción social, videos, audio o cualquier otro que no se pueda clasificar dentro de una base de datos.

Los volúmenes de Big Data se encuentran constantemente en un movimiento creciente, en 2012 se encontraba dimensionada en un tamaño de una docena de terabytes hasta varios petabytes de datos en un único data set. Sobre esto EMC, en su estudio de Digital Universe, previó que el universo digital se duplica cada dos años y se multiplicará por diez entre 2013 y 2020, de 4,4 millón de millones de gigabytes a 44 millones de millones de gigabytes.

Sin embargo, Big Data no está enfocado sólo al volumen de datos, sino a la complejidad de estos, en los cuales, el número de variantes puede ser indeterminado a priori, por lo cual, sus relaciones crean diversas formas de analizar o visualizar la información.

Para que su empresa sea parte de las organizaciones que utiliza Big Data, debe aprender a almacenar enormes cantidades de datos generados por humanos que se toman de forma selectiva de sitios Web, aplicaciones móviles, sitios de social media, etc. Y después practicar análisis a los datos. Para ello se requiere considerar 6 puntos clave:

  1. Identificar piezas faltantes, sean herramientas o datos. La brecha más grande está en las herramientas diseñadas para recopilar, eliminar duplicados, etiquetar y procesar nuevos tipos de metadatos. Estas herramientas dan el contexto y significado que Big Data sea valioso.
  2. Entender los datos que se tienen y los que se requieren.
  3. Saber lo que se intenta lograr. Crear requisitos de negocio claros y de fácil entendimiento es un paso decisivo. Sin objetivos claros es imposible planificar los tiempos y pasos específicos para completar el proyecto.
  4. Localizar y contratar científicos de datos. Esto es absolutamente decisivo para el éxito de cualquier proyecto de Big Data, debido a que concreta la capacidad para definir, entender, manejar y contextualizar datos de muchas fuentes en muchos formatos. Se trata de un reto que aplica a los conocimientos de una descripción laboral que es ajena a la mayoría de los departamentos IT, e incluso para la mayoría de las corporaciones: el científico de datos. El 45 por ciento de los proyectos de BI fracasan por falta de conocimiento de los datos del personal. Así lo concluyó una encuesta realizada en abril por GigaOm. Los requisitos de los conocimientos de Big Data son más rigurosos que los de la mayoría de los proyectos de Business Intelligence, lo que significa que los índices de fracaso debido a la falta de conocimientos son aún mayores.
  5. Entender la velocidad y manejar las expectativas. Un elemento decisivo de Big Data es la rápida adquisición y análisis de datos, características que son raras en cualquier sistema IT descrito con la palabra “Big”, a decir de Chad Richeson, CEO de la firma consultora de BI, Society Consulting. En su visión, los sistemas de Big Data deben ser de fácil y rápida adaptación, en vez de estar restringidos por los ciclos de desarrollo de 18 a 24 meses típicos de la mayoría de los proyectos de datos.
  6. Verificar con los usuarios finales. Este pase debe estar presente desde el comienzo de un proyecto de Big Data, y repetirse a lo largo de todo el proceso de implementación y más allá. Las iniciativas de Big Data deben responder preguntas específicas que ayuden a los empleados de las unidades de negocio a hacer su trabajo. “La analítica impecable es formidable –señala Boyarski, de JasperSoft–, pero no encaja con respuestas simples y directas a preguntas que tienen un impacto real en los usuarios finales.”


Foto Praxis

 

Derechos Reservados - MarcasyMercadosIT.com - 2007-2020 - Designed By Joomla