¿Qué es el Big Data?

Se puede dar una definición del Big Data desde dos puntos de vista:

 Desde la perspectiva del tamaño de los datos, puede definirse como una gran cantidad
de datos que no caben en una sola máquina, que se producen de una forma muy rápida
y que, a veces, también es necesario interpretarlos y procesarlos en tiempo real.

 Desde un punto de vista puramente tecnológico, se define como un conjunto de procesos

y tecnologías que permiten recoger y almacenar cantidades enormes de datos de
distintas procedencias y tipologías, siendo la base tanto de la digitalización masiva del
mundo analógico, como del almacenamiento de los propios datos generados en el mundo
digital o empresarial.

Por lo tanto, volviendo sobre la pregunta ¿qué es el Biga Data?, podemos decir que son conjuntos
de datos de gran tamaño, complejidad y velocidad de crecimiento, que hacen difícil su captura,
gestión y procesamiento a través de herramientas convencionales, como pueden serlas bases
de datos relacionales.

Cuando hablamos de gran tamaño del volumen de datos manejados, si bien no hay un límite
claramente definido, la mayoría expertos actualmente lo sitúa en torno a los 30-50 TB como mínimo
y con un máximo que alcanza los varios Petabytes.

1
La complejidad del Big Data proviene de la naturaleza no estructurada de los datos que generan
las tecnologías modernas, como las redes sociales, los smartphones, los blogs, los sensores que
incorporan los dispositivos actuales, los sistemas de identificación por radiofrecuencia, los GPS,
etc. Esto, junto al gran volumen de datos, hace necesario el empleo de herramientas de Big
Data tanto para la recolección de datos como para su posterior análisis.

Origen e historia
Esta entrada no sería una introducción al Big Data adecuada, si antes no hablamos de los
orígenes de esta tecnología.

El término Big Data se utiliza desde finales de los 90 para definir a los sistemas de almacenamiento
de grandes volúmenes de datos. Sin embargo, para encontrar el origen del Big Data hay que irse
varias décadas más atrás, al Bloque de Datos.

En concreto, a la época de la 2ª Guerra Mundial, cuando Alan Turing, el padre de la computación,

lideró un equipo cuyo objetivo era descifrar el código que empleaba el sistema Enigma utilizado por
el ejército alemán. Este equipo trabajó con una enorme cantidad de datos para poder cumplir su
objetivo, por lo que a Alan Turing se le considera pionero de lo que hoy se conoce como Big Data.

A mediados de los años 50 se produce otro gran avance en el campo del almacenamiento de datos,
cuando Fritz Rudolf Guntsch crea la memoria virtual, capaz de procesar datos sin limitación por
el hardware.

El Big Data siempre ha estado en cierta medida relacionado con la inteligencia artificial y el
machine learning. En el año 1962, William C. Dersch crea la máquina ‘Shoebox’. Consistíaen
un sistema capaz de comprender el lenguaje humano, lo que hoy se llamaría language processing.
En concreto, era capaz de entender 16 palabras y 10 dígitos.

La década de los 70 supone un gran avance en el desarrollo de las computadoras, lo que permite
crear sistemas de bases de datos cada vez más grandes, lo cual permite a las empresas
automatizar su gestión de inventarios.

Sin embargo, la primera vez que se menciona el término Big Data es en año 1989. En concreto, fue
Erik Larsson quien mencionó el Big Data y el business intelligence como dos conceptos que van
de la mano, puesto que el primero es una tecnología clave para el desarrollo del segundo.

Con el nacimiento de Internet en 1989 se inicia el camino hacia la creación de los primeros
sistemas de gestión de información en 1992. Desde entonces hasta el día de hoy la importancia del
Big Data no ha hecho más que creer y se ha convertido en un concepto clave para todo tipode
empresas e instituciones.

2
Las cinco Vs del Big Data
Los expertos en Big Data consideran que esta tecnología se caracteriza a través de cinco Vs:

Volumen
Como ya hemos mencionado, no hay una determinada cantidad de datos a partir de la cual se
consideren datos masivos. Sin embargo, podemos considerar que el volumen de datos que maneja
esta técnica sería de muchos Terabytes.

Imagina, por ejemplo, los datos de actividad de una empresa. Una mediana empresa puede
utilizar un volumen de los datos que puede alcanzar cientos de Gigabytes. Esa información no
se considera Big Data. De hecho, una empresa que guarde ese volumen de datos no utiliza
la tecnología Big Data como tal. Más bien tecnología Tabulada no relacional.

Sí se usa, en cambio, por empresas muy grandes. Por ejemplo, de comercio electrónico o por
entidades financieras que generan enormes cantidades de datos combinada con entornos
tabulados.

Velocidad
Los datos usados en Big Data se trabajan a mayor velocidad que los gestionados en bases de datos
tradicionales.

De esta forma, la inteligencia de datos se ocupa de datos que se generan en tiempo real, o incluso
a velocidad superior de un dato por segundo.

Un ejemplo de ello son las transacciones que se realizan en la Bolsa de Nueva York en un día,
donde las operaciones se ejecutan en menos de un nanosegundo.

Igualmente, Internet ha pasado a ser sin duda en el mayor motor de generación de contenidos.
Y, por ello, en el gran generador de datos a gran velocidad.

En un minuto se envían más de 2.000 millones de e-mails, se realizan más de cuatro millones
de búsquedas en Google o se suben una media de 300 horas de vídeo a YouTube.

Variedad
Si en alguna ocasión has trabajado con una base de datos sabrás que, en su mayoría, los datos
que contiene son texto y números, a menudo relacionados entre sí en una base de datos relacional.

En el caso del Big Data los datos son más variados, no se trabaja solo con textos y números.

Los macro datos trabajan con fotografías, vídeos, audio, series de datos temporales, y muchos
otros tipos de datos. Y hay que tener en cuenta que a menudo estos datos son no estructurados
como puede ocurrir, por ejemplo, con el contenido que se genera en un blog o en Twitter.

3
Veracidad
Se trata de la integridad de los datos.

Estos datos serán más veraces siempre y cuando el programa que los registre no esté
comprometido. Partiendo de este supuesto, podemos confirmar que, a mayor información, más fácil
será que esta pueda ser constatada como información auténtica.

Sin embargo, debido a la infoxicación que se vive hoy en día y a la dificultad existente de contrastar
las fuentes y de mejorar dicha información, es conveniente andar con cuidado para no ser
manipulados con noticias falsas o fake news que puedan contaminar nuestras bases de datos.

Valor
El valor de los datos a gran escala está unido a la ventaja que podamos obtener de los datos,
además del propio valor que los datos poseen.

Sin embargo, el verdadero valor del Big Data se encuentra en la conversión de los datos a
información práctica a través de la analítica o del Big Data analytics.

Así, si se usa adecuadamente esta tecnología, las empresas podran:

 Optimizar procesos

 Conocer mejor a sus clientes

 Ofrecerles publicidad asociada a sus gustos.

En definitiva, mejorar la competitividad.

Aquí podemos comprender claramente por qué se considera a los datos como el petróleo del
siglo XXI.

El Big Data sería el equivalente a la extracción de la materia prima mientras que la analítica (esto
es, la aplicación de algoritmos sobre los datos) supondría la acción de refinar esos datos a fin de
darles un valor añadido en el mercado, siendo muchas veces el paso previo para la creación de
una inteligencia artificial.

4
Tipos de Big Data
Cuando hablamos de Big Data y los datos asociados a esta técnica, podemos clasificarlos en
dos tipos: según su procedencia y según su estructura.

En función de la procedencia de los datos tenemos, entre otras, las siguientes fuentes:

 Páginas web y blogs, todos aquellos datos que los usuarios generan al navegar por la Red.

 Redes sociales.

 Transacciones.

 Datos generados por la interacción entre sensores inteligentes en máquinas, también llamada
comunicación machine-to-machine.

 Datos generados por la tecnología de reconocimiento biométrico.

 Datos generados por personas y organizaciones públicas y privadas a través de emails, mensajes,
grabaciones de llamadas, estadísticas, historiales, etc.

En función de su estructura, los datos pueden ser:

 Estructurados, datos con formato, tamaño y longitud definidas.

 Semiestructurados, son datos con una estructura flexible, como los que se usan en XML y HTML o JSON.

 No estructurados, aquellos datos que no tienen un formato específico, como los textos o los contenidos
multimedia.

5
Elementos de la tecnología Big Data
Junto con los datos, la tecnología Big Data necesita tres elementos fundamentales para garantizar
que dispondrá de la capacidad suficiente para proporcionar los servicios.

Sistema de almacenamiento
Se trata de la infraestructura, física y lógica, necesaria para almacenar de forma eficiente las
grandes cantidades de datos que se usan como fuente para el Big Data.

No solo la cantidad es importante, también lo es la velocidad de estos sistemas. De nuevo, no

nos sirven las estructuras de los medios tradicionales de almacenamiento relacionales.

Empezando por el hardware, se desarrollaron nuevas formas de estructura para conseguir el

almacenamiento usando muchos servidores con poca capacidad individualmente. Pero con enorme
capacidad de forma conjunta.

El software tradicional tampoco era válido para los fines del Big Data. Por eso se crearon nuevos
gestores de datos como puede ser Hadoop.

Sistema de procesamiento
Es necesario extraer información inteligente a partir del Big Data.

Por eso, además de ser capaces de almacenar los datos, debemos poder realizar cálculos y
operaciones matemáticas partiendo de los mismos. En eso Excel es Ideal como plataforma.

Sistema de comunicación
Este sistema es esencial para el funcionamiento efectivo y el rendimiento de los otros dos
anteriores.

Y es que, tanto para poder almacenar datos, como para poder acceder a ellos, resulta necesario
una infraestructura de red.

¿Para qué sirve el Big Data?

Una de las claves del Big Data es el uso de la analítica y la estadística.

Gracias a su uso se puede interpretar una enorme cantidad de datos, obtener información y
aprovecharla para que sea utilizada en nuestro favor.

La analítica trata de ahondar en los datos para así encontrarles un sentido e interpretarlos.

6
A partir de la visualización de datos y su análisis podemos comprender cuestiones que eran
desconocidas, como:

 Conocer la situación de un determinado elemento (por ejemplo, las ventas de una compañía) y las razones
por las que sucede.

 Predecir el futuro más cercano a partir de los datos, para prepararnos y anticipar decisiones.

Todo ello ha originado el aumento de nuevos profesionales que ahora se necesitan para interpretar
los datos, como el Big Data Analyst o el Big Data Architect, así como para adoptar decisiones
estratégicas con respecto a los mismos, como el Chief Data Office.

Las aplicaciones de la analítica en una empresa se dan en multitud de áreas. Puede aplicarse
prácticamente a todos los departamentos de una compañía, con independencia de su sector o rama
de actividad.

Por ejemplo, se pueden aplicar a las ventas, marketing, experiencia de clientes, riesgo financiero,
y muchas más.

¿Por qué es tan importante el Big Data?

La importancia del Big Data reside en las ventajas y beneficios que aporta tanto a empresas
como a particulares. En la era de la digitalización, la globalización y la conectividad, las viejas
estructuras se rompen para dar paso a nuevas formas de abordar al consumidor y así poder
presentarle una oferta que le aporte más valor.

Para particulares
Aunque normalmente pensamos que el Big Data es algo que solo sirve a las empresas, lo cierto es
que los particulares también pueden beneficiarse de las aplicaciones que tiene esta tecnología.

Pensemos por ejemplo en los datos recogidos por nuestros dispositivos wearables como un reloj
inteligente que mide tus constantes vitales, entre otras cosas. También es gracias al Big Data,
que a partir de datos de salud conseguidos por medio de medidores puede conseguir el diagnóstico
precoz de enfermedades.

Para empresas
Respecto al Big Data para las empresas, muchas ya supieron ver las ventajas que esta y otras
tecnologías, como la minaría de datos, les podría aportar hace años.

Y así Axciom, Google, IBM o Facebook llevan años invirtiendo en descubrir nuevos usos de los
datos, cómo tratarlos y cómo transformarlos en valor.

Este nuevo conocimiento, junto a las ventajas del Big Data, permite a las empresas crear
nuevos servicios y productos más adaptados a las necesidades de las personas, lo que les permite
tener una gran ventaja competitiva.

De entre todas, podemos decir que en el área de experiencia del cliente la analítica está jugando
un papel más importante.

7
Así, en la actualidad y gracias al Big Data podemos conocer a cada cliente de manera individual,
entendiendo más allá de una compra aislada y haciendo proyecciones al futuro. Además de
descubrir patrones de comportamiento de los clientes.

Con el avance del Big Data nos encontramos con la creación de la publicidad conductual o
publicidad dirigida, que es una forma de predecir, mediante el comportamiento de los usuarios, qué
servicio o producto podría interesarte comprar.

Con esto las empresas pueden llegar a un público más interesado en sus anuncios, lo que significa
vender más.

También se benefician:

 Administraciones Públicas

 Sector sanitario

 Sector financiero y bancario

El uso de los macrodatos supone:

 Tomar decisiones de forma más rápida y eficaz

 Realizar análisis predictivos

 Mejora continua de los sistemas de trabajo

 Mejorar la eficiencia.

Desafíos del Big Data

En la actualidad el Big Data se enfrenta a diferentes desafíos para convertirse en una herramienta
todavía más poderosa.

Variedad de fuentes
El Big Data ha de ser capaz de gestionar datos provenientes de diferentes fuentes. Por ejemplo, de
cualquier rincón de Internet, de teléfonos móviles, del Internet de las cosas, de datos recopilados
por empresas especializadas u otros datos experimentales.

Como ya vimos en uno de los puntos anteriores, los datos que se manejan en Big Data provienen
de muy diversas fuentes.

Distintos tipos de datos

También hemos visto que los tipos de datos se dividen en datos estructurados, semiestructurados
y no estructurados, lo que obliga a crear sistemas capaces de manejarlos, analizarlos y gestionarlos
de forma simultánea

8
Gran volumen de datos
Cada vez se recopila mayor cantidad de datos de todo tipo, lo que hace más difícil las laboresde
almacenamiento, mantenimiento y gestión de la información. Se hace necesario el desarrollo de
sistemas capaces de procesar los datos en el menor tiempo posible y con el mayor grado de
fiabilidad. Además, para que estos sistemas puedan funcionar de forma correcta es imprescindible
que los datos sean de alta calidad.

Información volátil
Muchos de los datos que se recopilan son de naturaleza volátil y pueden variar rápidamente. Por
ello, se necesitan sistemas de procesamiento capaces de adaptarse a esos cambios. De lo
contrario, los datos serían erróneos y llevarían a análisis incorrectos o conclusiones equivocadas.

Estandarización precaria
Existen estándares de calidad de datos unificados, pero estos son de desarrollo muy reciente.
En concreto, la norma ISO 8000 de calidad de datos fue desarrollada en el año 2011 y todavía debe
perfeccionarse mucho.

La complejidad del Big Data

Dada la complejidad de los datos no estructurados y el gran volumen de datos en general que
se maneja en el Big Data, se hace necesario contar con herramientas de Big data capaces de
analizar, visualizar y gestionar estos datos para poder sacarles todo el partido y aprovechar las
ventajas y beneficios que pueden aportar a las empresas.

Algunas herramientas de Big Data más usadas son:

 Las bases de datos NoSQL permiten trabajar con datos no estructurados, además son fácilmente
escalables, lo que facilita el trabajo con grandes volúmenes de datyos. MongoDB o Apache Cassandra son
dos ejemplos de este tipo de bases de datos.

 Lenguajes de programación que funcionan especialmente bien con Big Data, como R o Python.

 La biblioteca de JavaScript D3.js permite producir visualizaciones dinámicas e interactivas de datos en

navegadores web mediante HTML, SVG y CSS.

 Elasticsearch y Excel BG permite procesar grandes cantidades de datos y ver su evolución en tiempo real.
También proporciona gráficos para presentar la información.

 Apache Storm es una herramienta de código abierto que puede usar con cualquier tipo de lenguaje de
programación y es capaz de procesar en tiempo real grandes cantidades datos, creando topologías para
transformarlos y analizarlos.

9
Plan de Gobernabilidad en Big Data
A la hora de crear un plan de Data Government en la empresa es necesario cumplir ciertos
requisitos. A continuación vemos los pilares en los que se debe asentar la gobernabilidad de los
datos.

Autorización y control de acceso

Los datos deben estar protegidos por mecanismos que peritan decidir quién puede acceder a qué
datos. Se han de establecer diferentes niveles de protección y permisos de autorización. El
enmascaramiento de datos será progresivo desde los datos más confidenciales a los que pueden
estar disponibles para toda la empresa o para el público en general.

Seguridad perimetral
Los datos han de viajar seguros y deben seguir estando seguros al final de la cadena. Por tanto,
hay que crear un perímetro de seguridad alrededor de la información que la proteja. Los
cortafuegos o los estándares de autenticación integrados con los datos son fundamentales. Es
decir, no se trata de tener una infraestructura se seguridad y autenticación separada, sinointegrada
en la estructura existente.

Encriptación de la información
Una vez que se ha superado el perímetro de seguridad y se tiene permiso de acceso a los datos,
se debe poder garantizar la seguridad de los archivos y la información personalmente identificable.
Para ello se deben usar los mecanismos de encriptación, anonimización y tokenización
adecuados que permiten realizar las tareas o análisis sin que esos datos identificativos queden
expuestos.

Realización de auditorías
Hacer auditorías es fundamental para saber si el acceso a los datos se produce en las condiciones
de seguridad adecuadas. También puede tener otros objetivos, como evaluar la calidad de los datos
y si la información es óptima para un correcto procesamiento de los datos.

Arquitectura global unificada

Un plan de Data Governance debe apoyarse en el acceso granular, la seguridad, el cifrado de la
información y la elaboración de auditorías. Pero todo ello no funcionaría si todos estos componentes
no formaran parte de una misma estructura y se enfocaran en una misma dirección. Es decir, se
trata de crear una arquitectura global de datos que sea segura, escalable y funcione de forma
unificada.

10
Ejemplos de Big Data
Ahora que ya hemos explicado qué es y para qué sirve el Big Data, vemos dos ejemplos de Big
Data.

Amazon
El primero de nuestros ejemplos de aplicación de Big Data lo tenemos en Amazon; si sois usuarios
de este enorme comercio electrónico, sin duda os habréis dado cuenta de que muchos de los
productos que os aparecen al entrar en su web están relacionados con búsquedas y compras
hechas anteriormente en ella. Esto es especialmente notable cuando accedemos a la sección «Mi
Amazon», en la que directamente se nos ofrecen productos recomendados para nosotros y que
seguramente suscitan nuestro interés.

Estas recomendaciones de productos, el mostrarnos aquellos artículos que más nos pueden
interesar lo logra Amazon gracias al empleo del Big Data. A través de esta técnica, Amazon recoge
información de sus usuarios, concretamente aquella relacionada con los historiales de búsqueda,
la lista de deseos, las compras realizadas y el tiempo pasado en páginas, comentarios y el
seguimiento de productos.

Con el Big Data en Amazon, la compañía es capaz de ofrecer una experiencia personalizada para
cada usuario, gracias a una gran segmentación de los mismos. También es capaz de predecir
comportamientos de consumo e impulsar el interés de nuevos productos de los usuarios.

Pongámoslo así; si al entrar en un e-commerce ves diversos productos que te pueden o no

interesar, es posible que navegues en busca de algo concreto y acabes comprándolo. Pero si al
entrar, te aparecen productos en los que ya has mostrado interés alguna vez (por ejemplo, novelas
policíacas), es más probable que eches un vistazo a las sugerencias antes de ir a aquello que estás
buscando e incluso realices alguna compra.

Además, Amazon no solo se beneficia del Big Data para mejorar sus ventas, también es una de las
características que ofrece su base de datos AWS.

Google
El segundo ejemplo de aplicación de Big Data lo tenemos en Google y lo cierto es que nos daría
para escribir otra entrada (o más) ver cómo Google emplea esta técnica, puesto que estápresente
en muchas de sus funciones y aplicaciones. Sin ir más lejos, que los anuncios que aparecen en las
webs cuando navegamos por Internet sean de productos o servicios en los que hemos mostrado
algún tipo de interés en el pasado, se debe a Google y su recopilación de datos de los usuarios que
utilizan Chrome como navegador principal.

Pero si miramos un poco más al futuro, podemos ver cómo el coche autónomo en el que trabaja
Google emplea el análisis del Big Data para poder circular de forma segura. Estos coches recopilan
datos de las cámaras y sensores que llevan incorporados y que se comunican entre sí, junto al
GPS, la conexión a Internet y las unidades de procesamiento, la cantidad de datos que se genera
es enorme y poder analizarla en tiempo real es esencial.

11
Conclusión
Tras este extenso repaso, como conclusión del Big Data sacamos que no es una tecnología y
una técnica del futuro, sino que ya está aquí y ha venido para quedarse, puesto que hay diferentes
empresas que ya se han comenzado a beneficiar del análisis de la información que aportan estas
grandes cantidades de datos. Sin embargo, también es cierto que aún le queda camino por andar
para alcanzar un mayor potencial, algo de lo que seremos testigos ahora que llegan el 5G y el
Internet de las cosas.

El Big Data y todo lo asociado a esta técnica y las tecnologías que lo hacen posible son, además,
una oportunidad de futuro, puesto que se prevé la creación de miles de puestos de trabajo
relacionados con ello. No olvidemos que se estima que para 2025 habrá 20.000 millones de
dispositivos conectados intercambiando información en Internet y será el Big Data el encargado
de analizar los datos que surjan de esas comunicaciones y transformarlos en información útil para
empresas y particulares.

12