NEW
Font size
WorksheetsBig Data, el mundo de los datos
Total questions: 23
Worksheet time: 1hrs 9mins
¿Qué es el Big Data en su definición técnica principal?
Se trata de un conjunto reducido y organizado de datos que se utiliza para realizar análisis de manera local, es decir, directamente en el dispositivo o sistema sin requerir grandes infraestructuras o bases de datos distribuidas.
Un gran volumen de datos proveniente de diferentes fuentes con diversas estructuras y una velocidad de cambio tan rápida que es casi imposible de procesar con los sistemas de cómputo tradicionales.
Es información que proviene exclusivamente de plataformas sociales y foros en línea, abarcando los datos generados por los usuarios, incluyendo publicaciones, comentarios y cualquier tipo de interacción que ocurra dentro de estos espacios virtuales.
Una herramienta para automatizar tareas sencillas en empresas.
Es una herramienta diseñada para automatizar y simplificar tareas rutinarias y básicas dentro de las empresas, ayudando a mejorar la eficiencia y reducir el tiempo invertido en procesos repetitivos mediante la aplicación de tecnología sencilla.
Una de las "V" del Big Data es "Volumen". ¿A qué se refiere esta característica?
A la variación en la estructura de los datos.
La rapidez con la que los datos cambian y llegan.
A la capacidad de encontrar el valor en los datos.
A la gran cantidad de información, a menudo difícil de procesar con los medios tradicionales.
A la fiabilidad y credibilidad de la información.
El concepto de Big Data no se define únicamente por el tamaño de los datos, sino por un conjunto de características conocidas como las "5 V" ¿Cuál de las siguientes opciones describe con precisión estas cinco características esenciales que un conjunto de datos debe cumplir para ser considerado Big Data?
Visibilidad, Variabilidad, Vigor, Valor, Veracidad.
Volumen, Variabilidad, Velocidad, Veracidad, Valor.
Volumen, Veracidad, Venta, Variabilidad, Velocidad.
Visión, Velocidad, Veracidad, Variabilidad, Vulnerabilidad.
Verticalidad, Volumen, Variabilidad, Valor, Velocidad.
En el contexto del Big Data, ¿qué significa la "Veracidad"?
Se refiere a la rapidez con la que los datos se modifican, actualizan o llegan al sistema, reflejando la velocidad de cambio y la frescura de la información disponible.
Describe la diversidad de tipos y formatos en los que los datos pueden estar almacenados, incluyendo textos, imágenes, videos, audio y otros formatos digitales variados.
Indica el volumen o cantidad de datos que se producen o recopilan por unidad de tiempo, como por segundo, mostrando la intensidad y magnitud del flujo de información.
Se refiere al valor económico que pueden aportar los datos, es decir, su capacidad para generar beneficios, ingresos o ventajas competitivas a través de su uso.
Saber qué datos son verdaderos y cuáles no, por ejemplo, si una cuenta de redes sociales tiene seguidores comprados, esos datos no son válidos para un análisis.
¿Cuál de los siguientes ejemplos es una aplicación cotidiana del Big Data, según se menciona en las fuentes?
Lavar la ropa en una lavadora.
Hacer una llamada telefónica fija.
Leer un libro en formato físico.
Cuando Amazon presenta recomendaciones de compra basadas en tus gustos o Spotify y Netflix usan el modo aleatorio en sus reproductores de streaming.
Calcular sumas con una calculadora de mano.
¿Cómo está ayudando el Big Data a optimizar los procesos de negocio en el sector del retail?
Optimizando el stock basándose en predicciones generadas por datos de redes sociales y tendencias de búsquedas web
Incrementando la capacidad de almacenamiento mediante la ampliación de los espacios físicos destinados a guardar productos dentro de los depósitos o centros logísticos.
Disminuyendo la cantidad de empleados dedicados a la atención en tiendas físicas, optimizando costos mediante menor dotación de personal en puntos de venta.
Reemplazando las estrategias de marketing en plataformas digitales por campañas publicitarias impresas en papel, como volantes o anuncios en medios gráficos.
Optar por un modelo que prescinda del stock físico, gestionando productos bajo demanda para evitar la necesidad de mantener el inventario almacenado.
En el área de la salud pública, ¿qué avance permitió el Big Data en la unidad de neonatos de un hospital en Toronto?
La creación de nuevos medicamentos para bebés.
El seguimiento de los patrones de sueño de los padres.
La automatización de la alimentación de los recién nacidos.
La capacidad de grabar y analizar latidos y patrones de respiración de cada bebé para predecir infecciones 24 horas antes de que aparezcan los primeros síntomas.
El desarrollo de robots que cuidan a los bebés.
¿Qué es SlamTracker en el contexto del rendimiento deportivo en tenis?
Un sistema diseñado para calcular con precisión la velocidad que alcanza una pelota de tenis durante el juego, útil en entrenamientos y competencias.
Una herramienta basada en la tecnología de análisis predictivo IBM SPSS, que ha registrado más de 8 años de datos de Grand Slams para determinar patrones y estilos de jugadores ganadores.
Plataforma digital que ofrece información actualizada al instante sobre eventos, resultados y novedades del mundo deportivo en tiempo real.
Aplicación que permite a los usuarios buscar y reservar canchas de tenis disponibles según fecha, hora y ubicación, de forma fácil y rápida.
Programa informático creado para organizar, administrar y hacer seguimiento de torneos de tenis, incluyendo inscripciones y resultados.
¿Qué importante laboratorio científico es mencionado como un gran generador de datos y usuario de Big Data para descubrir los secretos del universo?
La Agencia Espacial Europea (ESA), organización intergubernamental que coordina actividades científicas y tecnológicas relacionadas con el espacio.
LIGO, observatorio que detecta ondas gravitacionales, estudiando eventos cósmicos como fusiones de agujeros negros y estrellas de neutrones.
El CERN, que con su gran colisionador de hadrones genera 30 petabytes de datos y utiliza una capacidad de computación distribuida globalmente para analizarlos.
El Laboratorio Nacional Lawrence Livermore que trabaja en investigación avanzada, incluyendo energía, defensa, física nuclear e inteligencia científica.
El Instituto Max Planck de Física dedica a la investigación en física teórica y experimental, con foco en partículas, cosmos y leyes fundamentales.
¿Cuál es el concepto principal detrás del "Machine Learning" (Aprendizaje Automático)?
La posibilidad de que las máquinas comprendan y se expresen en varios idiomas, permitiendo la traducción automática y la interacción en lenguas diferentes.
La elaboración de sistemas robóticos capaces de ejecutar actividades del hogar como limpiar, cocinar o cuidar, con el fin de asistir en las tareas diarias del ser humano.
El desarrollo de modelos computacionales que simulan el funcionamiento de las neuronas humanas, con el objetivo de imitar procesos de pensamiento y aprendizaje.
La destreza de los sistemas inteligentes para efectuar operaciones matemáticas muy complejas en poco tiempo, superando ampliamente la velocidad humana de cálculo.
Que las computadoras sean capaces de aprender a través de patrones y poder detectar nuevos patrones, haciendo predicciones, actuando como un asistente que revisa información importante.
¿Qué tipo de datos se considera "no estructurado"?
Aquellos que no tienen una estructura definida, como el cuerpo de un correo electrónico, videos, audios o documentos de texto, a pesar de contener información importante.
Conjunto de datos dispuestos de manera ordenada en una hoja de cálculo, estructurados en filas horizontales y columnas verticales para facilitar la organización y análisis de la información.
Información que se representa mediante cifras o montos, relacionada exclusivamente con actividades contables, operaciones bancarias o transacciones de tipo económico o financiero en una empresa.
Conjunto de registros organizados en una base de datos, en los que cada elemento posee campos específicos y definidos que permiten clasificar, almacenar y recuperar información de forma precisa.
Tipo de datos que requieren procesamiento a través de métodos tradicionales y sistemas computacionales convencionales, ya que no pueden ser manejados por tecnologías de análisis avanzadas.
¿Qué es el "Cloud Computing" (Computación en la Nube) en el contexto del Big Data?
Es una forma de guardar información en discos duros que están físicamente en la computadora personal del usuario, lo cual limita el acceso remoto y requiere respaldo manual frecuente..
Se refiere a tener que adquirir, instalar y mantener todo el equipamiento informático dentro del lugar de trabajo, lo cual implica mayor inversión, espacio físico y soporte técnico local.
Un nuevo modelo donde los servicios de cómputo (almacenamiento, procesamiento) se ofrecen a través de internet por empresas como Amazon AWS, Google GCP o Microsoft Azure, proporcionando mayor poder y escalabilidad a menor costo.
Es un programa que permite gestionar y clasificar datos dentro de una sola computadora, centralizando la información pero dificultando su acceso remoto o el trabajo colaborativo.
Es una conexión entre varias computadoras dentro de una misma empresa, que permite compartir archivos y recursos localmente, sin depender de servicios en la nube o externos.
¿Qué se entiende por "Data Warehouse" (Almacén de Datos)?
Es un programa diseñado para generar gráficos y representar visualmente conjuntos de datos, facilitando su análisis e interpretación de manera clara, ordenada y comprensible.
Un gran almacén de datos diseñado para contener cantidades extremas de información, como petabytes (mil terabytes o un millón de gigabytes), para su posterior análisis.
Es una base de datos de tamaño reducido pensada para gestionar información de forma personal, ideal para organizar datos simples sin requerir sistemas complejos o compartidos.
Es un servidor exclusivo que guarda datos pertenecientes a una sola aplicación, brindando control centralizado y aislamiento de la información de otros sistemas o usuarios.
Es un sistema que permite subir archivos a internet para guardarlos por un tiempo limitado, facilitando compartirlos o acceder a ellos desde otros dispositivos de manera rápida y práctica.
En el proceso ETL (Extracción, Transformación, Carga),
¿qué sucede en la fase de "Transformación"?
Se obtienen los datos de las diferentes fuentes.
Se guarda la información limpia y estandarizada en el Data Warehouse.
Se visualizan los datos en tableros y gráficos.
Se estandarizan y limpian los datos que provienen de diferentes lugares, utilizando modelos o algoritmos, incluso con ayuda de Machine Learning.
Se definen los objetivos del análisis de los datos.
¿Cómo logran empresas como Google o Facebook "transformar datos en dinero" según el ciclo de vida de los datos descrito?
Divulgando datos personales de los usuarios a otras empresas sin su aprobación, aprovechando la información recopilada sin consentimiento para obtener beneficios.
Mediante el ciclo de vida de captura, almacenamiento, procesamiento, análisis y visualización de datos, lo que les permite tomar decisiones estratégicas, predecir tendencias y comprender el comportamiento de los usuarios para generar ganancias.
Aplicando tarifas a quienes utilizan sus servicios para guardar información, monetizando el espacio de almacenamiento y la seguridad de los datos ofrecidos.
Usando el volumen de datos que tienen como base para tomar decisiones de inversión directa en bolsas de valores, buscando rentabilidad financiera por esa vía
Generando ingresos mediante anuncios colocados en sus redes sociales, aprovechando la interacción de los usuarios y el tráfico constante para vender publicidad.
Según el ciclo de vida de los datos, después de que los datos han sido capturados, almacenados y sometidos a procesamiento y análisis, ¿cuál es la fase crucial que permite a los tomadores de decisiones convertir la información en valor y obtener beneficios?
La exploración y visualización, mediante la presentación de datos en dashboards (herramientas de visualización que se utilizan para presentar información ya procesada en un formato fácil de entender, como gráficos) y tableros para facilitar la toma de decisiones.
La fase de extracción (ETL), donde se capturan los datos de múltiples fuentes para centralizarlos.
La transformación y limpieza de datos (data cleaning), que estandariza la información para su posterior carga
El almacenamiento de la información en un data warehouse, donde se guardan grandes volúmenes de datos.
La aplicación de técnicas de machine learning para encontrar nuevos patrones y hacer predicciones.
¿De qué manera el Big Data contribuye a mejorar y optimizar las ciudades?
Construyendo más carreteras y puentes en las zonas urbanas.
Aumentando la densidad de población en las ciudades.
Instalando más cámaras de seguridad en cada esquina.
Restringiendo el acceso a ciertas áreas de la ciudad.
Optimizando los flujos de tráfico con datos en tiempo real (tráfico, redes sociales, clima) y permitiendo que la infraestructura de transporte (como semáforos) actúe colaborativamente para minimizar embotellamientos.
¿Cuál de los riesgos o peligros significativos del Big Data que se detallan a continuación es falsa?
El elevado gasto requerido para instalar sistemas de Big Data puede limitar su adopción, ya que la inversión inicial y los costos asociados son bastante altos.
La tecnología de Big Data evoluciona rápidamente, lo que provoca que sus sistemas se vuelvan obsoletos en poco tiempo, obligando a constantes actualizaciones y cambios.
No existe ningún riesgo de que datos importantes sean vulnerados, filtrados o robados por hackers, lo cual no compromete la seguridad y privacidad de la información almacenada.
Es complicado hallar expertos bien formados en Big Data, debido a la alta demanda y a la falta de profesionales con conocimientos avanzados en esta área especializada.
La posibilidad de controlar, manipular, inducir y orientar a poblaciones enteras con objetivos perversos dirigidos por poderes fácticos, lo que podría terminar con las democracias occidentales.
¿Cómo se aplica el análisis de Big Data para mejorar la seguridad y el cumplimiento de la ley?
Únicamente mediante el incremento de la contratación de empleados dedicados exclusivamente a labores de vigilancia y protección, asegurando así una supervisión constante y efectiva en las áreas necesarias.
Se podría lograr una mayor eficiencia y seguridad al reducir o eliminar la dependencia de la vigilancia presencial, implementando tecnologías que permitan monitoreo remoto o automatizado sin la necesidad de presencia física constante.
Una estrategia para dificultar la correcta información podría ser la difusión de datos falsos o engañosos en plataformas digitales, lo que generaría confusión entre los usuarios y reduciría la veracidad del contenido disponible en línea.
Detectando y previniendo ciberataques (con sistemas de IA que predicen el 85% de ellos), ayudando a la policía a encontrar y prevenir actividades criminales, y detectando transacciones fraudulentas con tarjetas de crédito.
Se puede restringir la disponibilidad de datos accesibles al público limitando o regulando el acceso a ciertos tipos de información, lo cual afectaría la transparencia y el flujo libre de datos que normalmente están a disposición de todos.
¿Cómo benefician los dispositivos wearables (como los smartwatches) a las personas con el uso de Big Data?
Ofrece a los usuarios la posibilidad de realizar pagos de manera rápida y segura sin necesidad de contacto físico, simplemente acercando su dispositivo al lector compatible.
Registrando automáticamente datos como el consumo de calorías, los niveles de actividad física, la condición física y los patrones de sueño, proporcionando información interesante para el usuario y valiosa al analizar el conjunto de datos de un colectivo.
Brinda información precisa y en tiempo real sobre la hora y la fecha, con actualizaciones automáticas, ideal para quienes necesitan puntualidad constante en sus actividades diarias.
Permite a las personas efectuar llamadas directamente desde su muñeca, sin necesidad de sacar el celular, lo que agiliza la comunicación en movimiento o mientras realizan otras tareas.
Facilita el acceso a plataformas sociales exclusivas, permitiendo interactuar con otros usuarios mediante funciones especiales diseñadas para una comunidad digital más conectada.
¿En qué área específica de los mercados financieros se observa un uso intensivo del Big Data?
Elaboración de una estrategia financiera individual que contemple metas a futuro, ahorro constante, control de gastos y decisiones responsables orientadas al bienestar económico sostenido a largo plazo.
Colocación de capital en instrumentos emitidos por el Estado que ofrecen bajo nivel de riesgo y retornos estables, ideales para quienes buscan preservar su dinero sin asumir grandes fluctuaciones.
Administración cuidadosa de los ingresos y egresos en pequeños negocios, priorizando el uso eficiente de los recursos, control de costos y planificación para mantener la viabilidad económica.
Las actividades relacionadas con el High-Frequency Trading (HFT), donde algoritmos realizan decisiones de compra/venta de valores en fracciones de segundo, incorporando noticias en tiempo real y mensajes de redes sociales.
Estimación detallada del valor de propiedades mediante análisis directo y sin automatización, teniendo en cuenta variables como ubicación, estado físico, entorno y tendencias del mercado local.
¿Por qué los sistemas de cómputo tradicionales suelen ser insuficientes para procesar Big Data?
El alto costo de compra y los gastos continuos de mantenimiento hacen que estas tecnologías no sean viables económicamente para muchas instituciones o empresas con presupuestos limitados.
Debido al gran volumen, la variabilidad de fuentes y estructuras, y la alta velocidad de llegada y cambio de los datos, que hace casi imposible su procesamiento y análisis con estos sistemas, necesitando mucho más poder de cómputo.
Su funcionamiento depende de profesionales con conocimientos muy especializados, los cuales son difíciles de encontrar en el mercado laboral debido a la escasez de expertos en ese campo.
Estos sistemas presentan una limitación importante, ya que únicamente están diseñados para procesar un solo tipo de datos por vez, lo que reduce su flexibilidad y eficiencia operativa.
Presentan una incompatibilidad total con soluciones de almacenamiento en la nube, lo que impide su integración con plataformas modernas y limita el acceso remoto a los datos procesados.
Pregunta de Reflexión
El Machine Learning y el Cloud Computing son descritos como tecnologías fundamentales para el Big Data. ¿De qué manera estas dos tecnologías, trabajando conjuntamente, permiten la extracción de valor de conjuntos de datos tan masivos y complejos que sería imposible con métodos tradicionales?
El Cloud Computing es fundamental para el almacenamiento masivo de datos (Volumen), mientras que el Machine Learning solo se encarga de la visualización de los resultados, sin aportar a la complejidad del procesamiento.
Ambas tecnologías son útiles, pero su función principal es reducir costos de infraestructura, sin impactar significativamente la capacidad de analizar datos complejos más allá de lo que harían los métodos tradicionales con suficiente presupuesto.
El Machine Learning es la clave para la extracción de valor al encontrar patrones, y el Cloud Computing es simplemente una opción de infraestructura que compite con los servidores on-premise, sin una interdependencia crítica para los conjuntos de datos.
El Cloud Computing ofrece la capacidad de cómputo y escalabilidad para procesar el enorme volumen, velocidad y variedad de datos. El Machine Learning usa esa infraestructura para encontrar patrones, hacer predicciones y extraer valor de datos complejos, imposible con métodos tradicionales, transformando datos en beneficios y soluciones
Estas dos tecnologías solo son relevantes para el manejo de la "Veracidad" de los datos, ya que el resto de las "V"s (Volumen, Velocidad, Variabilidad y Valor) se gestionan con bases de datos tradicionales y herramientas de análisis estadístico.
