¿Qué es el Big Data? Tipos, características y ejemplos.

Antes de adentrarnos en la introducción al Big Data, primero es necesario saber qué son los datos en sí mismos.

¿Qué son los datos?

Los datos son las cantidades, caracteres o símbolos sobre los que una computadora realiza operaciones, que pueden almacenarse y transmittransmitidas en forma de señales eléctricas y grabadas en soportes de grabación magnéticos, ópticos o mecánicos.

Ahora, veamos la definición de Big Data.

¿Qué es Big Data?

Big Data Se trata de una colección de datos de enorme volumen que crece exponencialmente con el tiempo. Son datos de tal magnitud y complejidad que ninguna de las herramientas tradicionales de gestión de datos puede almacenarlos ni procesarlos de forma eficiente. El Big Data sigue siendo datos, pero de un tamaño que supera las capacidades de las herramientas habituales.

El diagrama que aparece a continuación compara esa definición con los datos habituales que una organización ya maneja, por lo que el salto de escala es fácil de apreciar.

¿Qué es Big Data?

¿Qué es un ejemplo de Big Data?

A continuación se presentan algunos ejemplos de Big Data:

Datos de la bolsa de valores

El Bolsa de Nueva York es un ejemplo de Big Data que genera alrededor de un terabyte de nuevos datos comerciales por día.

Redes sociales

La estadística muestra que 500+terabytes de nuevos datos se incorporan a las bases de datos del sitio de redes sociales Facebook, cada día. Estos datos se generan principalmente en términos de carga de fotos y vídeos, intercambio de mensajes, comentarios, etc.

Motores de jet

Un único Motor a reacción puede generar 10+terabytes de datos en 30 minutos del tiempo de vuelo. Con miles de vuelos al día, la generación de datos alcanza a muchos Petabytes.

Estas tres cifras son instantáneas por fuente del período en que se publicaron los ejemplos por primera vez, y no han hecho más que aumentar desde entonces. Para tener una idea de la escala actual, el mundo en su conjunto ahora genera aproximadamente 402 millones de terabytes de datos cada día, lo que sitúa el total anual de 2026 en track para más de 200 zettabytes.

Tipos de grandes datos

Los siguientes son los tipos de Big Data:

1. Estructurado
2. No estructurado
3. semiestructurado

Estructurado

Cualquier dato que pueda almacenarse, accederse y procesarse en un formato fijo se denomina dato "estructurado". Con el tiempo, la informática ha logrado un gran éxito en el desarrollo de...ping Se han desarrollado técnicas para trabajar con este tipo de datos, cuyo formato se conoce de antemano, y para extraer valor de ellos. Sin embargo, ahora nos enfrentamos a problemas cuando el tamaño de estos datos aumenta considerablemente, alcanzando tamaños típicos de varios zettabytes.

¿Sabes? Un zettabyte es 10²¹ bytes, cual es mil millones de terabytes.

Al observar estas cifras, resulta fácil comprender por qué se denomina Big Data e imaginar los desafíos que implica su almacenamiento y procesamiento.

¿Sabes? Los datos almacenados en un sistema de gestión de bases de datos relacionales son un ejemplo de 'estructurado' datos.

Ejemplos de datos estructurados

Una tabla de "Empleados" en una base de datos es un ejemplo de datos estructurados. Cada fila tiene las mismas cinco columnas, y cada columna tiene un tipo conocido, lo que facilita la consulta de los datos.

No estructurado

Cualquier dato con una forma o estructura desconocida se clasifica como dato no estructurado. Además de su enorme volumen, los datos no estructurados presentan múltiples desafíos a la hora de procesarlos para obtener valor. Un ejemplo típico de datos no estructurados es una fuente de datos heterogénea que contiene una combinación de archivos de texto simples, imágenes, vídeos, etc. Hoy en día, las organizaciones disponen de una gran cantidad de datos, pero lamentablemente desconocen cómo extraer valor de ellos, ya que se encuentran en su formato original o no estructurado.

Ejemplos de datos no estructurados

La salida devuelta por 'Google La función de búsqueda no está estructurada: la misma consulta devuelve páginas, imágenes, fragmentos y enlaces sin ningún esquema común que los respalde.

Ejemplo de datos no estructurados

semiestructurado

Los datos semiestructurados pueden contener ambas formas anteriores. Parecen estructurados, pero no están definidos por un esquema formal como la definición de una tabla en una base de datos relacional. DBMSUn ejemplo común de datos semiestructurados son los datos representados en un archivo XML. Los documentos JSON y las líneas de registro con pares clave-valor entran en la misma categoría.

Ejemplos de datos semiestructurados

Datos personales almacenados en un archivo XML.

<rec><name>Prashant Rao</name><sex>Male</sex><age>35</age></rec>
<rec><name>Seema R.</name><sex>Female</sex><age>41</age></rec>
<rec><name>Satish Mane</name><sex>Male</sex><age>29</age></rec>
<rec><name>Subrato Roy</name><sex>Male</sex><age>26</age></rec>
<rec><name>Jeremiah J.</name><sex>Male</sex><age>35</age></rec>

Crecimiento de los datos a lo largo de los años

La tabla de abajo tracks cómo ha cambiado la combinación de datos estructurados y no estructurados a medida que ha aumentado el volumen total.

Crecimiento de los datos a lo largo de los años

Tenga en cuenta que aplicación web Los datos no estructurados consisten en archivos de registro, archivos de historial de transacciones, etc. Los sistemas OLTP están diseñados para trabajar con datos estructurados, donde los datos se almacenan en relaciones (tablas).

Características de los grandes datos

Los macrodatos se pueden describir mediante las siguientes características:

• Volumen
• Variedad
• Rapidez
• Variabilidad

(i) Volumen – El nombre Big Data en sí está relacionado con un tamaño enorme. El tamaño de los datos juega un papel crucial a la hora de determinar el valor que se puede extraer de ellos. Además, si un conjunto particular de datos puede considerarse Big Data o no depende de su volumen. Por lo tanto, 'Volumen' es una característica que debe tenerse en cuenta al tratar con soluciones de Big Data.

(ii) Variedad – El siguiente aspecto de Big Data es su variedad.

La variedad se refiere a la heterogeneidad de las fuentes y la naturaleza de los datos, tanto estructurados como no estructurados. Antiguamente, las hojas de cálculo y las bases de datos eran las únicas fuentes de datos consideradas por la mayoría de las aplicaciones. Hoy en día, también se consideran en las aplicaciones de análisis datos en forma de correos electrónicos, fotos, vídeos, dispositivos de monitorización, PDF, audio, etc. Esta variedad de datos no estructurados plantea ciertos problemas para el almacenamiento, la minería y el análisis de datos.

(iii) Velocidad – El término 'velocidad' Se refiere a la velocidad de generación de datos. La rapidez con la que se generan y procesan los datos para satisfacer la demanda determina el verdadero potencial de los mismos.

La velocidad de Big Data se refiere a la velocidad a la que fluyen los datos desde fuentes como procesos comerciales, registros de aplicaciones, redes, sitios de redes sociales, sensores, móvil dispositivos, etc. El flujo de datos es masivo y continuo.

(iv) Variabilidad – Esto se refiere a la inconsistencia que pueden mostrar los datos en ocasiones, dificultando así el proceso de poder manejar y gestionar los datos de manera efectiva.

Hoy en día, se suelen añadir dos características más a esa lista, dando lugar a las tan citadas “cinco V”:

• Veracidad – la fiabilidad y precisión de los datos. Los registros duplicados, la desviación de los sensores y los campos faltantes reducen la veracidad, y ningún volumen de datos lo compensa.
• Valor – el valor real de los datos una vez analizados. Los datos que nunca se convierten en decisiones solo aumentan los costos de almacenamiento.

Ventajas del procesamiento de macrodatos

La capacidad de procesar Big Data en un DBMS aporta múltiples beneficios, tales como:

Las empresas pueden utilizar información externa a la hora de tomar decisiones.

Acceso a datos sociales de motores de búsqueda y plataformas como Facebook y X (anteriormente Twitter) permiten a las organizaciones perfeccionar sus estrategias comerciales.

Servicio al cliente mejorado

Los sistemas tradicionales de retroalimentación de clientes están siendo reemplazados por nuevos sistemas diseñados con tecnologías de macrodatos (Big Data). En estos nuevos sistemas, se utilizan tecnologías de macrodatos y procesamiento del lenguaje natural para leer y evaluar las respuestas de los consumidores.

Identificación temprana de riesgos para productos y servicios

Realizar análisis continuos de los registros de transacciones, las lecturas de los sensores y los tickets de soporte permite detectar defectos, patrones de fraude y fallos en el servicio cuando aún son pequeños, en lugar de esperar a que un informe mensual los revele.

Mejor OperaEficiencia nacional

Las tecnologías de Big Data se pueden utilizar para crear un área de preparación o zona de aterrizaje para nuevos datos antes de identificar qué se debe mover a la siguiente etapa. almacenamiento de datosAdemás, esta integración de las tecnologías de Big Data y el almacén de datos ayuda a una organización a descargar los datos a los que se accede con poca frecuencia.

Preguntas Frecuentes