BIG DATA:

LA EXPLOSIÓN
DE LOS DATOS
Viaje al conocimiento

1
 ÍNDICE

1. Big Data, un viejo conocido que sigue sorprendiéndonos....................................................................................................... 3

2. 7 desafíos del Big Data............................................................................................................................................................................. 8

3. Analítica big data...................................................................................................................................................................................... 10

4. El rol del Data Scientist en el universo Big Data....................................................................................................................... 12

5. Aplicaciones de big data........................................................................................................................................................................ 16

6. El poder de big data y las oportunidades que trae consigo................................................................................................. 17

7. Inteligencia artificial, aprendizaje automático, computación cognitiva...

el futuro de Big Data más allá del IoT............................................................................................................................................. 20

8. Introducción al Máster en Big Data y Data Sciencie de la VIU........................................................................................... 21

Big Data, la explosión de los datos: Viaje al conocimiento

 1. Big Data, un viejo conocido que sigue sorprendiéndonos
Desde la explosión big data hasta hoy hemos podido comprobar que los grandes datos, más que tratarse de una
cuestión de velocidad, variedad y volumen, tienen que ver con otra “V”, la de la generación de valor. Éste es el
resultado de la innovación que los datos permiten.

Y es que, en la actualidad, más que hablar de información y sus fuentes, nos centramos en analítica big data, en el
internet de las cosas (IoT), en aplicaciones de inteligencia artificial o en robótica.

Los meses en que Hadoop era trend topic han quedado atrás y, en la actualidad, la mayoría de empresas están
familiarizadas con su ecosistema. Las herramientas big data les ayudan a ganar en integración, a procesar datos,
almacenarlos, limpiarlos, visualizarlos y, por supuesto, analizarlos.

3 Big Data, la explosión de los datos: Viaje al conocimiento

 Además de las opciones open source, existen soluciones comerciales en el mercado que se adaptan a las
necesidades de empresas con un perfil tecnológico menos maduro o que no disponen de las mismas capacidades
y competencias en este campo.

No resulta sorprendente que se

espere que, en 2018, el mercado
big data supere los 40 billones de
dólares, como puede verse en el
siguiente gráfico:

La evolución de las empresas, que

entienden los beneficios que se
derivan de big data, y el avance
de sus estrategias, actúan como
impulsores de los grandes datos,
ayudando a que los programas
y soluciones actuales se sigan
desarrollando para soportar
cargas de trabajo más grandes y
permitir procesos más ágiles.

4 Big Data, la explosión de los datos: Viaje al conocimiento

 Los drivers de big data siguen siendo prácticamente los mismos que hace unos años, cuando en Hortonworks los
clasificaban en tres grupos:

a. Negocio
• Oportunidad de habilitar nuevos modelos de negocios innovadores.
• Potencial de adquisición de nuevos conocimientos que impulsan la ventaja competitiva.

b. Técnico
• Los datos recopilados y almacenados continúan creciendo exponencialmente.
• Los datos están cada vez más en todas partes y en muchos formatos.
• Las soluciones tradicionales están fallando y aparecen nuevas necesidades que requieren de una respuesta
innovadora.

c. Financiero
• El coste de los sistemas de datos, como porcentaje del gasto en TI, continúa creciendo.
• Ventajas de coste de hardware básico y software de código abierto.

Sin embargo, la transformación digital de las compañías, la sofisticación de la demanda y los mercados y la
aparición de nuevos perfiles profesionales especialistas en la ciencia de los datos y el análisis avanzado se
combinan para acelerar la llegada de nuevos acontecimientos al universo big data. Entre los avances por llegar
a los que más atención deberíamos prestar se encuentran:

1. Cambios en el mercado de trabajo. La demanda de científicos de datos y personas familiarizadas con el lenguaje
y las prácticas de big data va en aumento. Según el informe “The Quant Crunch: how the demand for data science
skills is disrupting the market ”, de IBM, se predice que habrá más de 700,000 ofertas vacantes para este tipo
de puestos especializados para el año 2020.

5 Big Data, la explosión de los datos: Viaje al conocimiento

 2. Avances en la estrategia empresarial. De acuerdo con un reciente estudio de O’Reilly Media, el 65 por ciento
de las empresas ya están empleando o planean utilizar inteligencia artificial (IA) y/o aprendizaje automático.
Un aspecto clave de la adopción de estas tecnologías es que permiten una toma de decisiones comerciales
mejor informada. El 74 por ciento de todos los encuestados considera que IA y machine learning tienen el
potencial de transformar su trabajo y su industria.

3. Sofisticación de la demanda. El cliente es más exigente que nunca y sus requisitos plantean nuevos retos
a las empresas, que deberán resolver con ayuda de big data. El diseño de un viaje del cliente aún más
específico y personalizado es posible gracias al poder de la analítica, que permite entregar una experiencia
ultra personalizada para cada consumidor individual. El análisis de Big Data puede ayudar a las empresas
de comercio electrónico a conocer a sus clientes en un nivel más personal mediante el seguimiento de sus
compras anteriores y sus hábitos de compra. El resultado de estas nuevas capacidades es la generación
de aumentos significativos en las ventas. De hecho, las empresas que han implementado estrategias para
sugerencias de compra y ofertas únicas ya han experimentado un aumento del 10% en los ingresos.

4. Ciberseguridad. Uno de los problemas principales que surgen al trabajar con Big Data es la confianza. Los
usuarios temen que su información personal pueda estar en riesgo y las empresas se dan cuenta de que
los endpoints son el eslabón más débil de su perímetro de seguridad. La proliferación de los ataques y la
sofisticación de la amenaza hacen que la ciberseguridad se haya convertido en una prioridad cada vez mayor
para las empresas y las personas, a medida que se realizan más actividades de negocio y personales en línea.
Los avances en seguridad son necesarios y, en ese sentido, la tecnología blockchain se configura como una
de las tendencias más prevalentes en los próximos meses. De hecho, según datos de IBM, el 90% de las
entidades gubernamentales buscarán el desarrollo de blockchain para una mejor seguridad cibernética en
todo el mundo.

6 Big Data, la explosión de los datos: Viaje al conocimiento

 5. El poder de la inteligencia artificial (IA). A medida que la inteligencia artificial avanza, organizaciones y
usuarios empiezan a ser conscientes de su potencial. Las ventajas de esta tecnología, que tiene sus raíces
en el big data, tienen que ver con un tratamiento de la información más eficiente, la posibilidad de resolver
nuevos problemas de mayor complejidad, el aumento de la calidad de los procesos y disminución de los
errores, la innovación y la posibilidad de explorar mundos aún sin descubrir. En España nos encontramos en
cabeza de la adopción y el talento en Europa, en lo que respecta a IA.

The European
Artifical Intelligence
Landscape

Big data nos lleva hacia un futuro más brillante y optimizado. Innovaciones, inventos y descubrimientos impulsados
por los datos están a nuestro alcance si sabemos aprovechar la oportunidad, hacer frente a los desafíos que
plantean los grandes datos y contamos con el talento y las herramientas adecuadas.

7 Big Data, la explosión de los datos: Viaje al conocimiento

 2. 7 desafíos del Big Data

El viaje al conocimiento es siempre sorprendente, motivador y beneficioso, pero no está exento de retos. ¿Sabías
que el 55% de los proyectos big data nunca llegan a completarse? ( Visual.ly - Infochimps ). El éxito en cualquier
iniciativa de big data pasa por superar desafíos como:

• Hadoop no es apto para principiantes en el universo Big Data. Si bien Hadoop y el ecosistema de herramientas
que lo rodea son necesarios por la capacidad que aseguran a la hora de gestionar volúmenes masivos de datos
estructurados y no estructurados, el software no es fácil de usar para quienes no están familiarizados con
esta tecnología. A esto se añade una dificultad extra, relacionada con el hecho de que Hadoop requiere con
frecuencia de amplios recursos internos, algo que no está al alcance de muchas empresas que, por dedicar
a sus perfiles técnicos a tareas de desarrollo, dejan en segundo plano el problema real de big data que están
tratando de resolver. Según se publica en ITmanagerdaily, para el 73% de las compañías, la plataforma de big
data es el desafío más importante de un proyecto de grandes datos.

• Escalabilidad. Con big data, es crucial poder escalar en función de las necesidades y el problema es que
hay empresas que no tienen en cuenta la rapidez con la que un proyecto de grandes datos puede crecer y
evolucionar. Pausar constantemente un proyecto para agregar recursos adicionales reduce el tiempo para
el análisis de datos. Una complicación que, sumada a las cargas de trabajo que caracterizan este tipo de
iniciativas, dificulta predecir dónde se deben asignar los recursos.

• Gestión de costes. En lo que respecta al presupuesto, el desafío consiste en tener en cuenta todos los
costes del proyecto sin olvidarse de ninguno. Desde la adquisición de nuevo hardware hasta el pago a un
proveedor de la nube o la contratación de personal adicional, el coste de mantenimiento, el de ampliación y el
de capacitación, todo va sumando y siempre terminan apareciendo sorpresas, como las relacionadas con el
acuerdo de nivel de servicio con el proveedor que determina cómo se facturará y si habrá tarifas adicionales.

8 Big Data, la explosión de los datos: Viaje al conocimiento

 • Calidad de datos. La calidad de los datos no es una preocupación nueva, pero la magnitud que adquieren los
problemas de esta índole en un contexto de grandes datos hace que deban ser tenidos en cuenta. Calidad
es prioridad y, por eso, hay que luchar contra los errores de entrada del usuario, datos duplicados, faltas
de completitud, obsolescencia de la información o problemas de consistencia, entre otros. Además de ser
meticuloso en el mantenimiento y la limpieza de datos, los algoritmos de big data también pueden usarse
para ayudar a limpiar los datos.

• Acceso al conocimiento. Tener más datos no necesariamente conduce a ideas accionables. Un desafío
clave para los equipos de ciencia de datos es identificar un objetivo empresarial claro y las fuentes de datos
apropiadas para alcanzarlo. Una vez que se han identificado los patrones clave, hay que estar preparados
para obtener valor comercial de ellos. La democratización del conocimiento y la autonomía usuaria son
algunos de los primeros pasos que pueden darse en esta línea.

• Seguridad. La protección de la información es una de las preocupaciones más importantes de las empresas.
Según datos de la encuesta publicada en CSOonline, el 69% de las compañías está aumentando el gasto en
ciberseguridad. Además, los participantes en el estudio afirmaron que la ciberseguridad es el área donde
su organización tiene la mayor escasez de habilidades, una opinión que comparten el 45%. Los retos en
seguridad tienen que ver con la autenticación de usuario para cada equipo y miembro del equipo que accede a
los datos, la restricción del acceso a la información en función de las necesidades del usuario, la grabación de
historiales de acceso a datos y el cumplimiento de la regulación vigente.

• Falta de talento. La escasez de talento plantea un reto a las organizaciones, y no hablamos sólo de científicos
de datos. Analistas, desarrolladores y otros perfiles son necesarios en un equipo de proyecto big data. En tu
caso, ¿ya sabes cómo hacer frente a este desafío? ¿Tienes un plan para capacitar a los profesionales mejor
preparados para asegurarte de que las necesidades futuras del negocio quedan cubiertas?

9 Big Data, la explosión de los datos: Viaje al conocimiento

 3. Analítica big data

Big Data está creando nuevas oportunidades significativas para que las organizaciones creen una ventaja
competitiva a partir de su activo más valioso: la información. Los grandes datos permiten que las empresas
impulsen su eficiencia, la calidad y los productos y servicios personalizados, alcanzando niveles mejorados de
satisfacción del cliente y mayores ganancias.

Los análisis de Big Data permiten nuevas vías de investigación, con resultados potencialmente más ricos y
conocimientos más profundos que los que hasta hace poco podían obtenerse. En muchos casos, los análisis Big
Data integran datos estructurados y no estructurados con consultas en tiempo real, abriendo nuevos caminos
para la innovación y el conocimiento.

Entre los impulsores para la adopción de big data analytics en las empresas se encuentran los cuatro siguientes:

• Optimizar las operaciones comerciales

• Identificar el riesgo comercial

• Predecir nuevas oportunidades de negocio

• Cumplir con las leyes o los requisitos reglamentarios

Las aplicaciones de la analítica big data benefician a cualquier industria y, dentro de los diferentes sectores,
a empresas de todos los tamaños. Big Data es fuente de oportunidades, como puede constatarse con los
siguientes ejemplos:

a. VOLUMEN. Analítica big data para la segmentación. Utilizando Big Data y métodos analíticos avanzados
es posible generar nuevos ingresos. Para ello, tan solo hace falta analizar el comportamiento de compra
del consumidor, que permite clasificar a los clientes en distintos grupos. Con los datos recopilados de los
compradores, se puede identificar a las personas que se ajustan más a uno u otro. De esta forma, pueden
destinarse acciones de marketing personalizadas a cada grupo e interactuar con los compradores potenciales
en función de lo avanzado de su estado dentro del ciclo de compra.

b. VELOCIDAD. Analítica big data en el ecosistema Hadoop. Hadoop representa el mejor ejemplo de innovación
de Big Data dentro de la infraestructura de IT. Apache Hadoop es un marco de código abierto que permite
a las empresas procesar grandes cantidades de información en paralelo. Se trata del marco técnico ideal
para muchos proyectos de Big Data, que se basan en conjuntos de datos grandes o poco manejables con
estructuras de datos no convencionales. Uno de los principales beneficios de Hadoop es que emplea un
sistema de archivos distribuido, lo que significa que puede usar un cluster distribuido de servidores y
hardware básico para procesar grandes cantidades de datos.

10 Big Data, la explosión de los datos: Viaje al conocimiento

 c. VARIEDAD. Analítica big data y redes sociales. Siguiendo con Hadoop, una tecnología inseparable de
big data, puede verse que algunos de los ejemplos más comunes de implementaciones de Hadoop se
encuentran en el espacio de redes sociales, donde Hadoop puede administrar transacciones, proporcionar
actualizaciones de texto y desarrollar gráficos sociales entre millones de usuarios. La generación continua
de datos no estructurados obliga a las empresas a usar Hadoop y su ecosistema de herramientas para
administrar un activo que les permitirá aprovechar las interacciones sociales y profesionales para obtener
nuevos conocimientos.

d. VALOR. Big Data proviene de una miríada de fuentes, incluidas las redes sociales, los sensores, el Internet
de las cosas, la videovigilancia, la tecnología GPS y nuevas fuentes de datos que aparecen constantemente.
A medida que las empresas luchan por mantenerse al día con los requisitos cambiantes del mercado, algunas
empresas encuentran maneras creativas de aplicar Big Data a sus crecientes necesidades comerciales y
problemas cada vez más complejos.

Big Data ha hecho posible ir más allá de las actividades tradicionales de Bl, como usar datos para completar
informes y paneles, y avanzar hacia proyectos impulsados por Data Science que intentan responder más
abiertamente y preguntas complejas, ofreciendo nuevas oportunidades de crecimiento al negocio y asegurando
su consolidación en el mercado.

Explotar las oportunidades que presenta Big Data requiere nuevas arquitecturas de datos, planteamientos
y formas de trabajo alternativos y profesionales con conjuntos de habilidades más completos y actualizados.
Pero no hay que olvidar que existe una brecha de talento cada vez mayor que dificulta la búsqueda y contratación
de científicos de datos y especialistas en este campo, limitando el potencial del análisis big data.

11 Big Data, la explosión de los datos: Viaje al conocimiento

 4. El rol del Data Scientist en el universo Big Data

Los avances tecnológicos y los cambios asociados en la vida práctica diaria han producido un universo paralelo
en rápida expansión de nuevos contenidos, nuevos datos y nuevas fuentes de información a nuestro alrededor.
Independientemente de cómo se defina, el fenómeno del Big Data está cada vez más presente, cada vez se
notan sus efectos de forma más generalizada y cada vez son más relevantes.

Existe un enorme potencial de valor en Big Data, y la ciencia de datos es el principal medio para descubrirlo y
aprovechar sus ventajas. Data Science hace posible:

Entender patrones.

Descubrir relaciones.

Dar sentido a la información.

Innovar en base al conocimiento adquirido.

Convertir el conocimiento en más conocimiento y aprender de lo aprendido.

Pero existe un problema: la escasez de profesionales con el talento y las capacidades necesarias para explotar
ese potencial.

Los profesionales de la estadística, las matemáticas o la ingeniería informática están dentro del espectro de
perfiles más demandados por las empresas peor necesitan completar su conjunto de habilidades para poder
dedicarse de lleno al análisis de grandes datos o el Data Science.

Al mismo tiempo, también se da el hecho de que son relativamente pocas las organizaciones que han comprometido
sus recursos para recopilar y almacenar el Big Data con un propósito de análisis exploratorio. Y, sin embargo, éste
es el primer paso de una estrategia de diferenciación valiosa en la actualidad, por lo que podría considerarse una
competencia central estándar en un futuro no muy lejano. Pero, en muchos casos, es complicada la transición
que requiere el pasar del BI a la analítica avanzada, dos conceptos bastante diferentes.

Muchas organizaciones e individuos están confundidos por las diferencias que perciben entre Business
Intelligence (BI) y la ciencia de los datos. Los grandes datos no son grandes BI. Big Data es un habilitador clave de
una nueva disciplina llamada ciencia de datos que busca aprovechar nuevas fuentes de datos estructurados y no
estructurados, junto con análisis predictivos y prescriptivos, para descubrir nuevas variables y métricas que son
mejores predictores de rendimiento.

Por eso, aunque BI y Data Science comparten muchos de los mismos objetivos (obtener valor de los datos, manejar
datos sucios, transformar y alinear datos, ayudar a respaldar una mejor toma de decisiones), las preguntas,
características, procesos, herramientas y modelos no podrían ser más diferentes.

12 Big Data, la explosión de los datos: Viaje al conocimiento

 Y lo mismo sucede con los profesionales que se dedican a estas áreas:

BI pone el foco en el análisis descriptivo y eso hace que se empleen preguntas como:

• ¿Qué ubicaciones consiguieron mejores cifras de ventas en las pasadas rebajas?

• ¿Cuántas ventas se cerraron el mes pasado?
• ¿Cuáles fueron los ingresos y ganancias de la compañía durante el último trimestre?
• ¿Cuántas unidades de un determinado producto se devolvieron el mes pasado?
• ¿Cuántos empleados se contrataron el año pasado?

BI se enfoca en informar sobre el estado actual del negocio y el rendimiento de la empresa. Para ello, proporciona
informes retrospectivos que sirven a los usuarios empresariales para supervisar el estado actual de la empresa y
responder preguntas sobre el rendimiento comercial histórico. El reporting es producto de procesos de análisis
rudimentarios, como los de series de tiempo, comparaciones de períodos previos y puntos de referencia.

Estos informes y preguntas son fundamentales para el negocio e incluso, a veces, pueden resultar necesarios por
motivos regulatorios y de cumplimiento.

Por su parte, la ciencia de los datos trata de dar con las variables y métricas que mejor predicen el desempeño
comercial. En consecuencia, los científicos de datos se centran en el análisis predictivo (“¿Qué es probable
que suceda?”) y en el análisis prescriptivo (“¿Qué debo hacer?”). Esto significa que trabajan con preguntas muy
diferentes, como:

1. Preguntas Predictivas:

• ¿Cuántos artículos se venderán el próximo mes?

13 Big Data, la explosión de los datos: Viaje al conocimiento

 • ¿Qué ubicaciones lograrán las cifras de ventas más elevadas en la siguiente campaña de rebajas?
• ¿Cuántas unidades de cierto producto serán devueltas el próximo mes?
• ¿Cuáles son los ingresos y beneficios proyectados de la compañía para el próximo trimestre?
• ¿Cuántos empleados necesitaré contratar el próximo año?

2. Correlaciones Prescriptivas:

• Pedir una cantidad determinada de componentes para poder hacer frente a las ventas que se esperan para
el próximo mes.
• Hacer una reserva financiera de determinada cantidad de euros para cubrir las devoluciones de cierto
producto.
• Vender determinada combinación de productos para lograr los objetivos trimestrales de ingresos y márgenes.
• Aumentar el pipeline de contratación en un porcentaje concreto para alcanzar las metas de contratación.

Para responder a estas preguntas predictivas y prescriptivas, los científicos de datos construyen modelos
analíticos basados en algoritmos en un intento de cuantificar la causa y el efecto.

Los beneficios de contar con estas capacidades de pronóstico son evidentes y, por eso, cada vez son más las
empresas que desean ampliar su equipo de IT, contratando a profesionales que les permitan mejorar su visión
de futuro, minimizar errores, innovar y optimizar la planificación.

Como puede leerse en Forbes, se trata de mucho más que una tendencia:

• Los trabajos que requieren habilidades de aprendizaje automático están pagando un promedio de 114,000
dólares anuales. Los trabajos de científicos de datos anunciados pagan un promedio de 105,000 dólares
anuales y los trabajos de ingeniería de datos anunciados pagan un promedio de 117,000 dólares anuales.
• El 59% de toda la demanda de trabajo de Data Science y Analytics está en finanzas y seguros, servicios
profesionales e informática.
• La demanda anual de los nuevos roles de rápido crecimiento de científicos de datos, desarrolladores de
datos e ingenieros de datos alcanzará cerca de 700,000 vacantes para 2020.
• Para el año 2020, el número de empleos para todos los profesionales de datos sólo en EE. UU. alcanzará las
2,720,000 vacantes según IBM.
• Los ofertas de empleo de científicos de datos y analistas big data publicadas permanecen abiertas un
promedio de 45 días, cinco días más que la media del mercado.

El reto para las empresas es conseguir resultar lo suficientemente atractivas para

atraer este talento, poder asumir el salto retributivo que implica tenerlos en plantilla
y saber escoger qué perfil es el que más conviene al negocio.

14 Big Data, la explosión de los datos: Viaje al conocimiento

 Entre los profesionales más buscados de la ciencia de los datos hoy día, se encuentran:

1. El analista de datos: lo primero que hay que tener claro es que esta especialización no es sinónimo de
científico de datos. Su trabajo puede consistir en tareas como extraer datos de bases de datos SQL o crear
visualizaciones de datos básicos y paneles de informes. En ocasiones, puede analizar los resultados de una
prueba o tomar la iniciativa en la cuenta de Google Analytics de la compañía. Una vez que este profesional ya
domina sus responsabilidades cotidianas, la empresa puede proponerle, en función de su valía, probar cosas
nuevas y ampliar sus habilidades.

2. El ingeniero de datos: aunque su principal misión es trabajar con la infraestructura de datos que la empresa
necesitará para seguir adelante, también suelen encargarse del análisis, especialmente en empresas que se
inician en el trabajo con Big Data. Las capacidades de ingeniería de software son las más importantes para
este rol, por delante de las estadísticas o la experiencia con el aprendizaje automático.

3. El especialista en aprendizaje automático: las empresas realmente data céntricas no pueden pasar sin
este perfil, ya que sus datos son sus productos. Hace falta un profesional con formación en matemáticas,
estadística o física, listo para enfrentarse a los desafíos que supone el desarrollar productos innovadores
basados en datos.

4. El generalista de ciencia de datos: es el destino de muchos científicos de datos, que pasan a engrosar un
equipo formado por otros profesionales de similar especialización dentro de una empresa menos innovadora,
menos basada en el dato en sí, pero igualmente consciente de la necesidad de explotar el valor que encierra
el Big Data. Algunas de las habilidades más importantes para quienes se encuadran en este perfil son la
familiaridad con las herramientas big data y la experiencia con conjuntos de datos no estructurados.

15 Big Data, la explosión de los datos: Viaje al conocimiento

 5. Aplicaciones de big data

La astronomía, los estudios genéticos, la oceanografía o la física son campos donde ya se trabajaba con grandes
volúmenes de información, mucho antes de que se acuñase el término “big data”. El concepto en sí no es nada
nuevo, lo que resulta novedoso son las aplicaciones big data más recientes, como la detección de fraude, los
diagnósticos de salud optimizados o la personalización de las estrategias de marketing.

Partiendo de la recogida de datos, su perfilado, limpieza y data matching, su análisis, la monitorización de métricas
en tiempo real y el aprendizaje continuo en base al conocimiento adquirido es posible ajustar el impacto de las
acciones, experimentar en nuevos ámbitos e innovar.

Big Data es una valiosa herramienta de planificación, parte sustancial en la adquisición de nuevas perspectivas
y el motor de la transformación de los negocios, la forma de trabajar, las empresas, la forma de relacionarnos,
de pensar, de vivir

Las aplicaciones big data están en todas partes, de los dispositivos wearables , al GPS de nuestro vehículo o la
infraestructura de las Smart Cities ). Es fácil encontrar ejemplos, como:

• Sensores están conectados a equipos médicos altamente sensibles para monitorizar la evolución del paciente
y alertar de cualquier desviación del rendimiento esperado.

• Sensores en las máquinas de un sistema de fabricación, que avisan de la posibilidad de aparición de problemas
o desajustes a tiempo de hacer correcciones en el equipo y evitar daños potenciales, retrasos o incidencias.

• Monitorización de los sistemas de telecomunicaciones para garantizar que los niveles de servicio están, en
todo momento, a la altura de las exigencias del cliente.

• Análisis de los datos del punto de venta en tiempo real y en combinación con información obtenida del social
media para tratar de influir en las decisiones de los clientes.

• Iniciativas de seguridad proactiva impulsadas por entidades financieras para proteger a sus clientes, que se
llevan a cabo en base a la recogida de información que previene y evita el fraude en tiempo real.

• Recopilación de información de los sensores en un área sensible a la seguridad para garantizar la protección
ciudadana.

Las aplicaciones big data pueden ser estándar o estar personalizadas; verticales (si resuelven un problema
específico de la industria) u horizontales (si abordan cuestiones comunes a todos los sectores) pueden comprarse,
contratarse o desarrollarse y pueden ser más o menos novedosas; sin embargo, lo que todas tienen en común es:

1. Su capa más relevante es la que permite compartir y examinar fuentes de big data. Aunque todas las capas
de la arquitectura de referencia son importantes por derecho propio, esta capa es donde reside el mayor
potencial para la innovación y la creatividad.

16 Big Data, la explosión de los datos: Viaje al conocimiento

 2. Se espera que las categorías de aplicaciones de big data disponibles comercialmente crezcan tan rápido o
más rápido que la tasa de adopción de la tecnología subyacente.

3. Big data evoluciona rápidamente y cambia con la misma velocidad, por lo que los equipos de desarrollo de
software deben ser capaces de crear rápidamente aplicaciones relacionadas con los desafíos del momento

4. Al igual que cualquier otra iniciativa de desarrollo de aplicaciones personalizadas, la creación de aplicaciones
de big data requerirá estructura, estándares, rigor y API bien definidas.

6. El poder de big data y las oportunidades que trae consigo

A día de hoy, nadie duda del poder de los grandes datos. Disponer de un sistema de recogida y almacenamiento
de la información, asegurar que no existen silos de datos y que la información está integrada, contar con las
herramientas necesarias para el análisis y los perfiles que permitirán obtener respuestas, lanzando las preguntas
adecuadas; hace posible optimizar resultados en el negocio.

Desde el punto de vista del comercio minorista, big data permite:

• Aumentar la comprensión de las necesidades únicas de cada cliente y lograrlo en el momento adecuado

• Mejorar la capacidad de respuesta a los clientes en el punto de interacción.

• Integrar datos de compras en tiempo real con los históricos de ventas y datos procedentes de otras fuentes
de datos para hacer una recomendación específica en el punto de venta.

17 Big Data, la explosión de los datos: Viaje al conocimiento

 • Recomendar la siguiente mejor acción para el cliente o el producto / servicio que más puede interesarle según
sus gustos, preferencias y hábitos.

• Mejorar la satisfacción del cliente y las tasas de retención de clientes.

• Diseñar las campañas de marketing más exitosas, las que entregar la oferta correcta, que es la que con mayor
probabilidad será aceptada por el cliente.

Pero el sector retail no es el único que se beneficia del conocimiento accionable que big data pone a disposición
de las empresas. Según Datameer, el éxito de big data tiene que ver con su efectividad y, como prueba de ello
pueden verse los siguientes resultados:

• Optimizar conversión de embudo > Marketing > Aumento tres veces superior en las tasas de conversión de
clientes.

• Behavioral analytics > Industria del juego en línea > Obtención del doble de ingresos.

• Segmentación de clientes > Sector seguros > Disminución de los costos de adquisición de clientes en un 30%.

• Soporte predictivo > Cadena de suministro, función de almacenamiento > Disminución de la pérdida de
clientes que ocasiona la rotura de stock.

• Análisis de cesta de la compra y optimización de precios > Sector minorista > Tiempo reducido para la
obtención de conocimiento accionable de 12 semanas a 3 días.

• Predicción de amenazas > Seguridad de Software > Capacidad de predecir amenazas de seguridad en
cuestión de horas.

• Detección del fraude > Servicios financieros > Prevenidos dos billones de dólares de pérdidas en fraude
potencial.

Una porción muy importante de big data es la información que se obtiene en tiempo real. Al incorporar el
análisis de datos en tiempo real a la investigación, los científicos pueden avanzar en su comprensión de los
principales desafíos. La tecnología de streaming abre nuevos campos de investigación y lleva el concepto de
recopilación y análisis de datos científicos por una nueva dirección.

Cuando se tiene la oportunidad de analizar los datos de eventos a medida que suceden, es posible identificar
los patrones que, de otro modo, podrían haberse pasado por alto. Además, esta información se puede combinar
con datos que ya habían sido recopilados de una manera mucho más eficiente, que permite hacer un análisis más
profundo y lograr conclusiones más precisas al predecir los resultados futuros.

Tan importante como disponer de las herramientas y talento necesarios para extraer
todo el valor que encierra el dato, al moverse en el universo big data resulta esencial
conocer las fuentes de información a las que recurrir.

18 Big Data, la explosión de los datos: Viaje al conocimiento

 Existen muchos recursos que pueden ayudar a comenzar a darle sentido al mundo de los grandes datos: grupos
de investigación de grandes datos, opciones open source, organizaciones centradas en el big data y todos los
proveedores del mercado, que suelen compartir sus investigaciones, informes y mejores prácticas.

Entre los lugares donde merece la pena acudir, se encuentran los veinte siguientes:

1. The Open Data Foundation

2. La Alianza de seguridad en la nube

3. Instituto Nacional de Estándares y Tecnología

4. Apache Software Foundation

5. OASIS

6. The Data Warehousing Institute (TDWI)

7. Big Data Conference

8. Big Data Retail Forum

9. O’Reilly Strata and StrataRx

10. StructureData

11. Google

12. Amazon

13. IBM

14. Oracle

15. Microsoft

16. Cloudera

17. SAS Institute

18. Teradata

19. Big Data Spain

20. Fundación Big Data

19 Big Data, la explosión de los datos: Viaje al conocimiento

 7. Inteligencia artificial, aprendizaje automático, computación
cognitiva... el futuro de Big Data más allá del IoT

Si bien el desarrollo de la tecnología ha revolucionado la industria manufacturera, las compras en línea, la

recopilación de datos localizados y prácticamente todos los demás aspectos de la vida y los negocios, todavía
queda mucho por hacer en términos de big data.

El futuro de los grandes datos está íntimamente ligado al IoT (internet de las cosas), pero existen diferencias en
cuanto al planteamiento detrás del poder de la interconectividad. Para algunos big data es el motor detrás del IoT,
mientras que hay quienes aseguran que la verdadera fuerza motriz detrás del fenómeno de la interconectividad
es la inteligencia artificial (IA).

Aprovechar el potencial de la IA no es tarea sencilla, aunque sí que es una apuesta muy rentable, en especial si se
compara con “conformarse con el alcance de los grandes datos”. Y es que, a medida que la inteligencia artificial
crece y se siguen desarrollando sus diferentes especialidades, como el aprendizaje automático, su capacidad
para optimizar el IoT se ve mejorada.

En el fondo, esta sucesión de cambios, apoyados por la tecnología, reflejan una nueva forma de pensar, que busca
la agilidad y la eficiencia y que no entiende de límites. La calidad de las predicciones de IA continúa creciendo al
mismo tiempo que la confianza en su precisión supera a la que se deposita en el análisis de big data.

Así, aunque la inversión en big data es necesaria, y todavía mantendrá a las empresas durante algunos años, el
verdadero potencial de los grandes datos está por llegar, y solo se podrá experimentar en combinación con una
IA avanzada.

¿Estás preparado para el viaje del conocimiento? ¿Cuentas con el talento que te pone en la pista del futuro?

20 Big Data, la explosión de los datos: Viaje al conocimiento

 8. Introducción al Máster en Big Data y Data Sciencie de la VIU

Los flujos de información que circulan por el mundo son mayoritariamente de orden digital. Debido al crecimiento
exponencial de las capacidades informáticas, desde hace pocos años, el análisis y explotación de los datos que las
empresas y los estados generan se ha convertido en algo imperativo si se aspira a ser competitivo en un mundo
globalizado.

Los esfuerzos que realizan las empresas por atraer profesionales con formación en este campo son constantes.
Los perfiles demandados se corresponden con profesionales que ofrezcan un perfil multidisciplinar y que sean
capaces, no únicamente de gestionar grandes volúmenes de datos, sino de tratarlos adecuadamente y extraer de
ellos un flujo de conocimiento directamente aplicable a la toma de decisiones estratégicas.

Objetivo
Atendiendo a estas necesidades y tendencias, la Universidad Internacional de Valencia implanta un programa
de Máster Universitario en Big Data y Data Science, que tiene como objetivo dotar al estudiante de un amplio y
completo conjunto de habilidades en tres dimensiones clave: Big Data, Data Science y Business Intelligence.

Dentro del Área de Ciencia y Tecnología de la Universidad Internacional de Valencia una herramienta de aprendizaje
clave es el uso de Laboratorios Virtuales para la realización de prácticas. Estos Laboratorios Virtuales se basan
en la solución Flexilabs 2.0 de Dell.

Salidas profesionales
Las salidas profesionales son muy diversas debido a la naturaleza y heterogeneidad de los temas en los que se
especializan los alumnos. Algunos ejemplos son:

• Data Scientist
• Analista de negocio
• Investigador
• Consultor analista
• Arquitecto de data solutions
• Gestor de análisis de Big Data

21 Big Data, la explosión de los datos: Viaje al conocimiento