Big Data y análisis de datos.
Tomaré esto prestado de Oracle para proporcionar una visión general rápida. Desplácese hasta la sección Valor y verá qué tanto necesita este campo INTJ.
¿Qué es Big Data?
Big Data describe una estrategia de gestión de información holística que incluye e integra muchos tipos nuevos de datos y gestión de datos junto con los datos tradicionales.
- ¿Qué consejos tienen otros INFP para un INFP adolescente?
- ¿Cómo pueden los introvertidos rendir mejor en las entrevistas?
- ¿Qué es una cosa que podrías cambiar sobre tu personalidad?
- ¿Cuáles son las necesidades de una persona?
- ¿Pueden los INTP ser un buen dictador?
Notas del producto: Guía para Big Data de Enterprise Architect – Descripción general de la arquitectura de referencia
Descárgalo ahora (PDF)
Big data también ha sido definido por las cuatro Vs:
- Volumen. La cantidad de datos. Si bien el volumen indica más datos, la naturaleza granular de los datos es única. Big data requiere el procesamiento de grandes volúmenes de datos de Hadoop no estructurados y de baja densidad, es decir, datos de valor desconocido, como feeds de datos de Twitter, flujos de clics en una página web y una aplicación móvil, tráfico de red, equipos habilitados con sensores que capturan datos en La velocidad de la luz, y muchas más. La tarea de big data es convertir esos datos de Hadoop en información valiosa. Para algunas organizaciones, esto podría ser decenas de terabytes, para otras puede ser cientos de petabytes.
- Velocidad. La velocidad rápida a la que se reciben los datos y tal vez se actúa de acuerdo con ellos. Los datos de mayor velocidad normalmente se transmiten directamente a la memoria en lugar de escribirse en el disco. Algunas aplicaciones de Internet de las cosas (IoT) tienen ramificaciones de salud y seguridad que requieren una evaluación y acción en tiempo real. Otros productos inteligentes habilitados para Internet operan en tiempo real o casi en tiempo real. Por ejemplo, las aplicaciones de comercio electrónico para el consumidor buscan combinar la ubicación de los dispositivos móviles y las preferencias personales para hacer ofertas de mercadotecnia sensibles al tiempo. Operacionalmente, las experiencias de aplicaciones móviles tienen una gran cantidad de usuarios, mayor tráfico de red y la expectativa de una respuesta inmediata.
- Variedad. Nuevos tipos de datos no estructurados. Los tipos de datos no estructurados y semiestructurados, como texto, audio y video requieren un procesamiento adicional para derivar el significado y los metadatos de apoyo. Una vez que se entienden, los datos no estructurados tienen muchos de los mismos requisitos que los datos estructurados, como el resumen, el linaje, la capacidad de auditoría y la privacidad. La complejidad adicional surge cuando los datos de una fuente conocida cambian sin previo aviso. Los cambios de esquema frecuentes o en tiempo real son una carga enorme tanto para la transacción como para los entornos analíticos.
- Valor. Los datos tienen un valor intrínseco, pero deben descubrirse. Existe una gama de técnicas cuantitativas e investigativas para obtener valor de los datos, desde descubrir una preferencia o sentimiento del consumidor, hacer una oferta relevante por ubicación o identificar un equipo que está a punto de fallar. El avance tecnológico es que el costo del almacenamiento y el cálculo de los datos ha disminuido de manera exponencial, lo que proporciona una gran cantidad de datos a partir de los cuales el análisis estadístico de todo el conjunto de datos en comparación con la muestra anterior. El avance tecnológico hace posibles decisiones mucho más precisas y precisas. Sin embargo, encontrar valor también requiere nuevos procesos de descubrimiento que involucran analistas, usuarios de negocios y ejecutivos inteligentes y perspicaces. El verdadero desafío del big data es uno humano, que consiste en aprender a hacer las preguntas correctas, reconocer patrones, hacer suposiciones informadas y predecir el comportamiento.