LAS CINCO V’S DEL BIG DATA

<  VOLVER
Por: admin
mayo 11, 2020
admin
mayo 11, 2020

Cuando se pregunta a los expertos sobre el Big Data, son muchas las definiciones que surgen, lo cual puede llevar a confusión. No obstante, hay un cierto consenso en sus cinco características principales, que curiosamente empiezan todas por “v”. En principio eran solo tres (volumen, velocidad y variedad), que se refieren las características de los datos, pero poco a poco se han ido añadiendo dos más (veracidad y valor), que engloban lo que se debe hacer con esos datos.

CARACTERÍSTICAS DE LOS DATOS EN BIG DATA

Volumen

Se  trabaja con ingentes cantidades de datos, estructurados pero sobre todo desestructurados, procedentes de distintas fuentes. Los datos son tantos que resulta difícil su almacenamiento y análisis, suponiendo retos técnicos y analíticos

Velocidad (y volatilidad)

Los datos se generan con cada vez mayor rapidez, exigiendo una respuesta veloz porque también quedan obsoletos pronto. Esto requiere tiempos de recopilación, procesamiento, análisis y gestión de la información cortos, a veces incluso en el mismo momento.

Variedad

Los datos recibidos son diversos (algunos estructurados, otros no), procediendo de diversas fuentes, herramientas y plataformas. Además, muchas veces están en varios formatos, lo que aumenta la complejidad tanto en su almacenamiento como en su procesamiento y análisis. Esto es porque lo habitual es que cada tipo de información se trate de manera distinta, mediante herramientas específicas, en especial en los datos desestructurados.

LO QUE SE DEBE HACER CON LOS DATOS EN BIG DATA

Veracidad

El grado de confianza en los datos debe ser alto, con resultados de calidad y verificables. Hay que tener en cuenta muchos de los datos llegan incompletos, por lo que deben ser limpiados y analizados.  Para ello, se hace necesario invertir tiempo y dinero para conseguir datos de calidad o para aplicar soluciones y métodos capaces de eliminar al máximo los errores en los que tenemos.

Valor

Los datos generados, una vez procesados y convertidos en información, deben ser útiles y tener un valor real, tanto más si tenemos en cuenta la inversión necesaria para recopilarlos y procesarlos. Para tener valor, tienen que ser accionables, es decir, deben ayudarnos a tomar una decisión en base a ellos.

Cómo conseguir veracidad y valor en los datos

Para conseguir recopilar, limpiar, procesar, analizar y visualizar grandes cantidades de datos, muchas veces desectructurados, necesitamos conocer y dominar una larga lista de herramientas. Python, R, Hadoop, Spark… son herramientas y lenguajes imprescindibles para lograr sacar la máxima veracidad y valor de nuestros datos. En el master Big Data & Analytics aprenderás a dominar las principales herramientas del mercado de forma 100% práctica y de la mano de profesionales que trabajan en el sector.

MÁSTER EXPERTO EN BIG DATA & ANALYTICS

Gracias al Master en Big Data Analytics 100% Online 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.

¡Que no se te pase una!

Recibe nuestra programación mensual de eventos online y la apertura de nuevas convocatorias de cursos




    En Datahack Consulting SL trataremos los datos que nos facilites con la finalidad de enviarte información relacionada con tu solicitud sobre nuestros servicios, así como enviarte comunicaciones informativas sobre nuestra actividad. Podrás ejercer los derechos de acceso, rectificación, limitación, oposición, portabilidad, o retirar el consentimiento enviando un email a administracion@datahack.es. También puedes solicitar la tutela de derechos ante la Autoridad de Control (AEPD). Puedes consultar información adicional y detallada sobre protección de datos en nuestra Política de Privacidad.

    Estamos para ayudarte con cualquier duda, pequeña o grande

    Llámanos, escríbenos o inicia un chat y hablamos

    Llámanos al 910 91 28 42¿Prefieres que te llamemos?¿Prefieres que te llamemos?
    chevron-down