El Big Data se define a partir de sus características esenciales, conocidas como las V del Big Data. Las 3 V originales —Volumen, Velocidad y Variedad— se ampliaron primero a 5 V y hoy el modelo llega a 10, reflejando la complejidad real de los sistemas de datos a gran escala. A continuación encontrarás cada una explicada con su significado práctico.
Las 10 v’s del Big Data. 1 – Volumen
El volumen es la cantidad masiva de datos que se generan cada segundo, minuto, hora o cualquier otra cifra de tiempo estimada. Han de ser grandes cifras de datos para considerarse Big Data. Por ejemplo, Youtube almacena 18.000 segundos de vídeo por minuto de sus usuarios.
Las 10 v’s del Big Data. 2 – Velocidad
La velocidad a la que se generan o actualizan los datos. Un ejemplo de ello es Google, que procesa unas » 40,000 consultas de búsqueda por segundo «, lo que se traduce apróximamente en más de 3,5 mil millones de búsquedas por día.
Las 10 v’s del Big Data. 3 – Variedad
Cuando se trata de Big Data, no solo tenemos que manejar datos estructurados, sino también semiestructurados y principalmente no estructurados. Desde archivos de audio, imagen, video, actualizaciones de redes sociales y otros formatos de texto, hasta archivos de registro, datos de clics, de máquinas y sensores, etc.
Las 10 v’s del Big Data. 4 – Variabilidad
La variabilidad en el contexto de big data tiene dos significados:
Uno es el número de inconsistencias en los datos. Estos deben ser encontrados por métodos de detección de anomalías y valores atípicos para que ocurra cualquier análisis significativo.
Otro es la multitud de dimensiones de datos que resultan de múltiples tipos y fuentes de datos dispares. La variabilidad también puede referirse a la velocidad inconsistente a la que se cargan grandes datos en bases de datos.
Si te quieres convertir en un experto en Big Data ¡esté Máster es para ti! Profundiza en estos conceptos y aprende todo lo necesario con el Máster en Data Science y Big Data.
Las 10 v’s del Big Data. 5 – Veracidad
La veracidad se refiere a la procedencia o confiabilidad de la fuente de datos, su contexto y cuán significativo es para el análisis basado en ella. A medida que aumentan algunas o todas las propiedades anteriores la veracidad disminuye.
Ejemplo: imagine un conjunto de datos estadísticos sobre lo que la gente compra en los restaurantes y los precios de estos artículos en los últimos cinco años. Puede preguntar: ¿Quién creó la fuente? ¿Qué metodología siguieron para recopilar los datos? ¿Solo se incluyeron ciertas cocinas o ciertos tipos de restaurantes? ¿Los creadores de datos resumieron la información? ¿Esta ha sido editada o modificada por alguien más?
Las 10 v’s del Big Data. 6 – Validez
Se refiere a la limpieza que tienen los datos, a cuán precisos y correctos son para su uso. El beneficio del análisis de Big Data es tan bueno como sus datos subyacentes, por lo que se deben adoptar buenas prácticas de gobernanza de datos para garantizar una calidad de datos coherente, definiciones comunes y metadatos.
Las 10 v’s del Big Data. 7 – Vulnerabilidad
Toda preocupación de seguridad respecto a los datos. Se han dado muchos casos de hackeo y violación de macrodatos para posteriores actividades ilegales.
Las 10 v’s del Big Data. 8 – Volatilidad
O el tiempo que deben conservarse los datos. Antes del Big Data, se tendía a almacenar datos indefinidamente debido a que a su pequeño volumen apenas suponía gastos. Incluso podía mantenerse en la base de datos en vivo sin causar problemas de rendimiento.
Sin embargo, debido a la velocidad y el volumen de los macrodatos, su volatilidad debe considerarse cuidadosamente. Ahora hay que establecer reglas para la disponibilidad y la vigencia de estos datos, así como para garantizar una recuperación rápida de la información cuando sea necesario.
Las 10 v’s del Big Data. 9 – Visualización
Otra característica de los grandes datos es la complejidad para visualizarlos. No se puede confiar en los gráficos tradicionales para trazar un billón de puntos de datos, por ejemplo, por lo que son necesarias diferentes formas de representarlos, como la agrupación o el uso de mapas, las coordenadas, los diagramas, etc.
Las 10 v’s del Big Data. 10 – Valor
Por último y posiblemente el más importante de todos. Las otras características no tienen sentido si no se obtiene un valor, como puede ser: comprender mejor a los clientes, optimizar procesos, mejorar el rendimiento, …
Conclusión
Por lo que, cada vez más se la da el valor al poder del dato, cada vez se sabe más sobre los datos y cada vez más está creciendo la importancia de la gestión de los datos dentro de las empresas.
MÁSTER EXPERTO EN DATA SCIENCE Y BIG DATA
Gracias al Master Experto en Data Science y Big Data tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.
Preguntas frecuentes sobre las V del Big Data
¿Cuáles son las 3 V originales del Big Data?
Las tres V originales son Volumen (cantidad masiva de datos), Velocidad (rapidez de generación y procesamiento) y Variedad (múltiples formatos: estructurados, semiestructurados y no estructurados). Estas tres propiedades fueron las primeras en definir el término Big Data y siguen siendo su núcleo.
¿En qué se diferencia Variedad de Variabilidad en el Big Data?
La Variedad hace referencia a los distintos tipos y formatos de datos (textos, imágenes, vídeos, logs, sensores…). La Variabilidad describe la inconsistencia en los datos: anomalías, valores atípicos o la velocidad cambiante con la que llegan. Un sistema puede manejar muchos formatos y aun así tener datos inconsistentes; son propiedades complementarias, no sinónimas.
¿Qué V del Big Data aporta más valor a una empresa?
El Valor es la V más importante desde el punto de vista empresarial. De nada sirve almacenar y procesar enormes cantidades de datos si no se extrae de ellos información útil para tomar mejores decisiones, optimizar procesos o descubrir nuevas oportunidades de negocio.
¿Qué es la Veracidad en el Big Data y por qué es crítica?
La Veracidad mide la fiabilidad y la procedencia de los datos: de dónde vienen, cómo se recopilaron y si son representativos del fenómeno que describen. Datos con baja veracidad producen análisis incorrectos, por lo que es fundamental evaluar la calidad y el contexto de las fuentes antes de tomar decisiones basadas en ellos.
¿Por qué se pasó de 3 a 10 V del Big Data?
El modelo de las 3 V fue propuesto por Gartner en 2001 para definir el Big Data en sus inicios. Con el tiempo, investigadores y empresas añadieron nuevas dimensiones para reflejar la complejidad real de los sistemas de datos masivos: Veracidad, Valor, Variabilidad, Validez, Vulnerabilidad, Volatilidad y Visualización. Cada nueva V describe un reto o una propiedad que los profesionales de datos deben tener en cuenta.
