WorksheetsCuestionario sobre Big Data y Ética
Total questions: 102
Worksheet time: 54mins
¿Cuál de las siguientes tecnologías se utiliza para el procesamiento distribuido en Big Data?
OLAP.
Data Warehouses.
Hadoop.
ETL.
¿Qué herramienta se utiliza comúnmente para el análisis a gran escala en Big Data?
Excel.
Spark.
Tableau.
Microsoft Word.
¿Cuál de las siguientes bases de datos es un ejemplo de NoSQL?
MySQL.
SQL Server.
MongoDB.
Oracle.
¿Qué principio ético asegura que los usuarios comprendan cómo se utilizarán sus datos?
Equidad.
Transparencia.
Responsabilidad.
Consentimiento Informado.
¿Cuál es una regulación europea que protege los datos personales de los ciudadanos de la UE?
CCPA.
LGPD.
GDPR.
HIPAA.
¿Qué beneficio principal proporciona la implementación de tecnologías de Big Data en el sector salud?
Reducción de costos de inventario.
Personalización de tratamientos médicos.
Mejora en la logística de transporte.
Análisis de sentimientos en redes sociales.
¿Cuál es una ventaja clave de utilizar bases de datos NoSQL en Big Data?
Estructura jerárquica rígida.
Flexibilidad para manejar datos no estructurados.
Requiere esquemas predefinidos.
Solo se usa para datos estructurados.
¿Qué práctica ética implica evitar sesgos en el análisis de datos?
Transparencia.
Responsabilidad.
Equidad y no discriminación.
Consentimiento informado.
¿Qué herramienta es ampliamente utilizada para la gestión de proyectos Agile?
MATLAB.
JIRA.
Excel.
Microsoft Word.
¿Cuál es una responsabilidad principal de un Big Data Architect?
Crear informes de visualización.
Diseñar la arquitectura de sistemas de Big Data.
Analizar grandes conjuntos de datos.
Desarrollar modelos de machine learning.
¿Cuál de las siguientes fases del ciclo de vida del dato es crucial para asegurar que los datos sean precisos y relevantes desde el principio?
Almacenamiento.
Uso.
Creación.
Archivado.
¿Qué fase del ciclo de vida del dato implica la implementación de tecnologías y prácticas para asegurar la accesibilidad y seguridad de los datos a largo plazo?
Uso.
Eliminación.
Almacenamiento.
Compartición.
¿Cuál de las siguientes actividades es clave durante la fase de uso del ciclo de vida del dato?
Monitoreo continuo.
Creación de datos.
Transformación de datos.
Eliminación segura.
¿Qué fase del ciclo de vida del dato se centra en la gestión de permisos y en asegurar que los datos compartidos cumplen con las políticas de seguridad y privacidad?
Creación.
Compartición.
Almacenamiento.
Eliminación.
¿Cuál es el objetivo principal de la fase de archivado en el ciclo de vida del dato?
Destruir datos obsoletos.
Mantener los datos para uso diario.
Almacenar datos para posibles usos futuros, sin interferir en las operaciones diarias.
Recopilar datos de fuentes externas.
¿Qué fase del ciclo de vida del dato es esencial para proteger la privacidad y cumplir con las regulaciones mediante la destrucción completa de la información?
Uso.
Almacenamiento.
Eliminación.
Creación.
Durante la fase de creación, ¿por qué es crucial la precisión y relevancia de los datos?
Para reducir costos de almacenamiento.
Porque los errores pueden propagarse y causar problemas en fases posteriores.
Para facilitar la eliminación de datos.
Para simplificar el uso de herramientas de análisis.
En la fase de almacenamiento, ¿qué tecnologías se utilizan comúnmente para asegurar la accesibilidad y seguridad de los datos?
Bases de datos relacionales tradicionales.
Sistemas de archivos distribuidos y soluciones en la nube.
Herramientas de visualización de datos.
Algoritmos de minería de datos.
¿Qué tipo de datos se utilizan en la minería de datos?
Bases de datos relacionales tradicionales.
Sistemas de archivos distribuidos y soluciones en la nube.
Herramientas de visualización de datos.
Algoritmos de minería de datos.
¿Qué práctica es fundamental durante la fase de compartición para proteger los datos sensibles?
Integración de sistemas.
Utilización de API.
Gestión de permisos y encriptación de transferencias de datos.
Análisis predictivo.
¿Cuál es el propósito de la fase de eliminación en el ciclo de vida del dato?
Facilitar el análisis de datos.
Asegurar que los datos sean precisos.
Destruir datos que ya no tienen valor o han superado el tiempo de retención legal.
Compartir datos con socios externos.
¿Cuál de las siguientes es una responsabilidad principal de un Data Scientist?
Crear pipelines de datos.
Desarrollar modelos predictivos.
Supervisar la calidad de los datos.
Diseñar la arquitectura de Big Data.
¿Qué habilidad es esencial para un Data Engineer?
Conocimientos en SQL y NoSQL.
Programación en R.
Visualización de datos.
Desarrollo de modelos predictivos.
¿Cuál es una característica clave de la metodología Agile?
Ciclos de desarrollo largos.
Entrega continua de valor.
Estructura rígida.
Falta de retroalimentación.
¿Qué papel tiene el Chief Data Officer (CDO) en una empresa?
Diseñar modelos de machine learning.
Desarrollar la estrategia de datos.
Crear informes de datos.
Programar en Python y R.
¿Cuál de las siguientes no es una responsabilidad de un Data Analyst?
Análisis y visualización de datos.
Creación de informes.
Colaboración con equipos de negocio.
Diseño de arquitectura de datos.
¿Cuál es una ventaja de aplicar Agile en proyectos de Big Data?
Proyectos rígidos y predecibles.
Tiempos de entrega largos.
Flexibilidad y adaptabilidad a cambios.
Estructura sin colaboración.
¿Qué herramienta es comúnmente usada para la gestión de proyectos Agile?
Microsoft Word.
JIRA.
Excel.
MATLAB.
¿Cuál de los siguientes roles se encarga de crear y mantener pipelines de datos?
Data Scientist.
Data Engineer.
Data Analyst.
Machine Learning Engineer.
¿Qué práctica no es parte de la metodología Agile?
Iteración y retroalimentación.
Colaboración continua.
Estructura jerárquica rígida.
Transparencia y visibilidad.
¿Cuál es una responsabilidad de un Big Data Architect?
Analizar grandes conjuntos de datos.
Crear informes de visualización.
Diseñar la arquitectura de sistemas de Big Data.
Desarrollar modelos de machine learning.
¿Qué es Big Data y por qué es importante?
Un conjunto de técnicas para almacenar datos en la nube.
Grandes volúmenes de datos que no pueden ser procesados por métodos tradicionales.
Una metodología de programación para bases de datos relacionales.
Un tipo de software específico para análisis de datos.
Describa los componentes fundamentales de una arquitectura Big Data:
Procesamiento, almacenamiento, red y seguridad.
Ingesta de datos, almacenamiento, procesamiento, análisis y visualización.
Compare el procesamiento batch y en tiempo real:
Batch es más rápido que en tiempo real.
En tiempo real solo es adecuado para datos históricos.
Batch procesa datos en bloques, mientras que en tiempo real procesa datos a medida que llegan.
No hay diferencias significativas entre ambos.
¿Qué es el modelo Lambda?
Un modelo matemático para el análisis de datos.
Una arquitectura de procesamiento de datos.
¿En qué se diferencia el modelo Kappa del modelo Lambda?
¿En qué se diferencia el modelo Kappa del modelo Lambda?
El modelo Kappa no utiliza procesamiento en tiempo real.
El modelo Kappa solo se utiliza para bases de datos relacionales.
El modelo Kappa elimina el componente batch, centrándose únicamente en el procesamiento en tiempo real.
El modelo Kappa es un lenguaje de programación.
¿Cuál de las siguientes es herramienta de almacenamiento masivo?
SQL Server.
Hadoop HDFS.
¿Qué es Apache Spark?
Apache Spark es una base de datos NoSQL.
Apache Spark es una plataforma de procesamiento de datos en tiempo real y batch.
Apache Spark solo se utiliza para almacenamiento de datos.
Apache Spark es un lenguaje de programación.
¿Cuáles de los siguientes son ejemplos de bases de datos NoSQL y sus casos de uso?
MySQL y PostgreSQL: análisis transaccional y consultas complejas.
MongoDB y Cassandra: almacenamiento de documentos y datos distribuidos.
¿Qué plataformas en la nube son populares para Big Data y por qué?
Amazon Web Services (AWS), Microsoft Azure y Google Cloud Platform (GCP): por su escalabilidad, servicios gestionados y soporte para diversas herramientas de Big Data.
Dropbox y iCloud: por su capacidad de almacenamiento de archivos personales.
GitHub y Bitbucket: por su integración con control de versiones.
Heroku y DigitalOcean: por su simplicidad en el despliegue de aplicaciones.
¿Cuál es el objetivo principal de la limpieza de datos?
Aumentar el volumen de datos.
Asegurar que los datos sean precisos, coherentes y adecuados para su análisis.
Reducir el tiempo de procesamiento de datos.
Eliminar todos los datos no estructurados.
¿Qué técnica de transformación de datos consiste en crear nuevas variables a partir de las existentes?
Agrupación.
Derivación.
«Pivotación».
Normalización.
¿Cuál de las siguientes es una herramienta para la limpieza de datos que permite explorar y limpiar grandes conjuntos de datos?
Apache Nifi.
OpenRefine.
Microsoft Power BI.
Apache Kafka.
¿Qué método de integración de datos es ideal para grandes volúmenes de datos asegurando coherencia y precisión?
Integración manual.
Extract, transform, load (ETL).
Integración en tiempo real.
Data Warehousing.
¿Cuál es una ventaja de la integración en tiempo real?
Es más económica que la integración manual.
Utiliza menos recursos computacionales.
Permite el acceso a datos continuamente actualizados.
No requiere conocimientos técnicos para su implementación.
¿Cuál es el proceso de ajustar los valores de las variables para que caigan dentro de un rango común?
Normalización.
Estandarización.
Derivación.
«Pivotación».
¿Qué aspecto de la calidad de los datos asegura que los datos representen fielmente la realidad?
Completitud.
Precisión.
Actualidad.
Validez.
¿Cuál de las siguientes herramientas está diseñada para la integración de datos a gran escala con funcionalidades avanzadas de transformación y calidad de datos?
Apache Nifi.
Talend.
Informatica PowerCenter.
Microsoft Power BI.
¿Qué técnica de transformación convierte filas en columnas y viceversa para facilitar el análisis?
Agrupación.
Derivación.
«Pivotación».
Normalización.
¿Qué enfoque es crucial para mantener la calidad del dato a lo largo del tiempo?
Incrementar el volumen de datos.
Establecer políticas de calidad y automatizar procesos.
Reducir la cantidad de datos analizados.
Usar únicamente fuentes internas de datos.
¿Cuál de las siguientes características es una ventaja del almacenamiento en la nube?
Control completo sobre la infraestructura.
Escalabilidad flexible.
Latencia reducida.
Costos iniciales altos.
¿Qué tipo de almacenamiento es ideal para datos que necesitan ser accedidos rápidamente desde múltiples ubicaciones geográficas?
Almacenamiento local.
Almacenamiento en la nube.
Discos duros externos.
Cintas magnéticas.
¿Cuál es una desventaja de depender de un proveedor de almacenamiento en la nube?
Flexibilidad en la escalabilidad.
Reducción de costos operativos.
Dependencia de la conexión a internet.
Mantenimiento delegado.
¿Qué ventaja tiene el almacenamiento local sobre el almacenamiento en la nube?
Escalabilidad flexible.
Menores costos iniciales.
Latencia reducida.
Mantenimiento delegado respuesta.
¿Cuál de las siguientes es una característica del almacenamiento en la nube?
Requiere una gran inversión inicial.
Control total sobre la infraestructura.
Pago por uso.
Dependencia de la infraestructura interna.
¿Qué riesgo está asociado con la seguridad y privacidad en el almacenamiento en la nube?
Reducción de costos operativos.
Escalabilidad flexible.
Riesgos de protección de datos sensibles.
Mantenimiento delegado.
¿Cuál es una ventaja clave del almacenamiento en la nube, en comparación con el almacenamiento local?
Menores costos operativos.
Mayor control sobre los datos.
No depende de la conexión a internet.
Mayor inversión inicial.
¿Qué tipo de servicio en la nube permite a los desarrolladores crear, desplegar y gestionar aplicaciones sin preocuparse por la infraestructura subyacente?
IaaS.
PaaS.
SaaS.
DaaS.
¿Qué tipo de almacenamiento es mejor para aplicaciones que requieren alta disponibilidad y acceso rápido a grandes volúmenes de datos?
Almacenamiento local.
Almacenamiento en la nube.
Discos duros externos.
Cintas magnéticas.
¿Qué modelo de servicio en la nube proporciona recursos de infraestructura virtualizados a través de internet?
IaaS.
PaaS.
SaaS.
DaaS.
¿Cuál de los siguientes tipos de análisis de datos se centra en resumir y describir las características principales de los datos?
Análisis predictivo.
Análisis descriptivo.
Análisis causal.
Análisis prescriptivo.
¿Qué tipo de análisis de datos busca identificar relaciones de causa y efecto entre variables?
Análisis descriptivo.
Análisis predictivo.
Análisis prescriptivo.
Análisis causal.
¿Cuál de los siguientes algoritmos es comúnmente utilizado en el análisis predictivo?
Análisis de contenido.
Estudios de caso.
Regresión.
Árbol de decisiones.
¿Qué tipo de análisis de datos recomienda acciones basadas en predicciones y resultados esperados?
Análisis descriptivo.
Análisis predictivo.
Análisis prescriptivo.
Análisis cognitivo.
¿Cuál es una característica del análisis cognitivo?
Utiliza técnicas de simulación.
Emplea inteligencia artificial para imitar el procesamiento humano.
Se centra en la relación de causa y efecto.
Se basa en la optimización de recursos.
¿Qué técnica en el análisis prescriptivo se utiliza para encontrar la mejor solución posible para un problema dado?
Regresión.
Simulación.
Optimización.
Árbol de decisiones.
¿Cuál de las siguientes opciones es una desventaja del análisis predictivo?
Mejora la toma de decisiones.
Requiere grandes cantidades de datos.
Permite anticipar tendencias futuras.
Reduce la incertidumbre.
¿Qué método de análisis causal se utiliza para identificar relaciones causales específicas en estudios cualitativos?
Modelos de regresión.
Árboles de decisión.
Estudios de caso.
Series temporales.
¿Cuál es una aplicación común del análisis prescriptivo en la industria manufacturera?
Predicción de ventas.
Optimización de la cadena de suministro.
Segmentación de clientes.
Análisis de sentimientos.
¿Qué tipo de análisis de datos utiliza modelos de machine learning para aprender de las interacciones y mejorar con el tiempo?
Análisis descriptivo.
Análisis causal.
Análisis predictivo.
Análisis cognitivo.
¿Cuál de los siguientes principios de visualización de datos se enfoca en garantizar que la información se presente de manera clara y fácil de entender?
Relevancia.
Interactividad.
Claridad.
Precisión.
¿Qué herramienta de visualización de datos es conocida por su integración con otros productos de Microsoft y su facilidad de uso?
Tableau.
Qlik.
PowerBI.
D3.js.
¿Cuál de los siguientes aspectos es fundamental al diseñar un dashboard para asegurar que los elementos más importantes capturen la atención del usuario?
Jerarquía visual.
Color.
Número de gráficos.
Cantidad de datos.
¿Qué característica distintiva tiene Qlik en comparación con otras herramientas de visualización de datos?
Integración con Excel.
Motor asociativo.
Visualizaciones prediseñadas.
Interfaz de arrastrar y soltar.
¿Cuál de las siguientes es una práctica recomendada en el diseño de dashboards para evitar la sobrecarga de información?
Usar tantos gráficos como sea posible.
Priorizar la simplicidad.
Incluir todos los datos disponibles.
Evitar la interactividad.
¿Cuál es una ventaja clave de Tableau en el diseño de dashboards interactivos?
Bajo costo de licencias.
Escalabilidad limitada.
Potente motor de análisis y visualización.
Integración exclusiva con sistemas on-premise.
¿Qué práctica es esencial para mantener la consistencia en el diseño de dashboards?
Cambiar los estilos de gráficos frecuentemente.
Usar colores y tipografías consistentes.
Mezclar diferentes estilos visuales en un mismo dashboard.
Evitar pruebas de usabilidad.
¿Qué herramienta de visualización de datos se destaca por su capacidad para manejar grandes volúmenes de datos sin comprometer el rendimiento?
PowerBI.
Excel.
Tableau.
Google Data Studio.
¿Qué aspecto del diseño de dashboards mejora la experiencia del usuario al permitir una exploración más profunda de los datos?
Número de gráficos.
Interactividad.
Uso de colores brillantes.
Incorporación de grandes volúmenes de texto.
¿Cuál de las siguientes herramientas es ideal para las organizaciones que ya utilizan ampliamente productos de Microsoft?
Tableau.
Qlik.
PowerBI.
Looker.
¿Qué implica la toma de decisiones basada en datos?
Decisiones basadas únicamente en la experiencia.
Decisiones basadas en la intuición.
Decisiones informadas a través del análisis de datos.
¿Cuál es una característica principal de una empresa data driven?
La confianza en la intuición para la toma de decisiones.
El uso sistemático del análisis de datos para obtener descubrimientos accionables.
El uso exclusivo de tecnología avanzada sin análisis de datos.
¿Qué herramienta utiliza Airbnb para facilitar el análisis y la colaboración de datos?
Hadoop.
Spark.
Airflow.
¿Cuál de las siguientes no es una técnica de análisis de datos utilizada en una empresa data driven?
Análisis descriptivo.
Análisis intuitivo.
¿Cuál de las siguientes no es una técnica de análisis de datos utilizada en una empresa data driven?
Análisis descriptivo.
Análisis intuitivo.
Análisis predictivo.
¿Qué hace la segmentación de audiencia en la publicidad personalizada?
Muestra anuncios al azar.
Dirige anuncios a audiencias específicas basadas en datos demográficos y de comportamiento.
Muestra los mismos anuncios a todos los usuarios.
¿Qué tipo de análisis ayuda a prever tendencias futuras?
El análisis descriptivo.
El análisis predictivo.
El análisis retrospectivo.
¿Cómo mejora Google Maps su precisión y recomendaciones de rutas?
Usando datos de ubicación y tráfico en tiempo real.
Consultando mapas físicos.
Adivinando las rutas más rápidas.
¿Cuál es una medida de seguridad robusta implementada por Google Drive?
El uso exclusivo de contraseñas.
La autenticación de dos factores y la encriptación de datos.
El envío de correos electrónicos de seguridad.
¿Qué garantiza el GDPR en términos de protección de datos personales?
El acceso ilimitado a los datos personales de los usuarios.
Requisitos estrictos para la protección y manejo de datos personales.
La eliminación automática de todos los datos personales después de seis meses.
¿Cuál es el impacto de la cultura data driven en Airbnb?
La reducción de la calidad del servicio.
La optimización de la plataforma y la mejora de la experiencia del usuario.
La toma de decisiones basadas en la intuición de los empleados.
¿Cuál es una de las características principales de Big Data?
Velocidad.
Fragmentación.
Codificación.
Sincronización.
¿Cuál de las siguientes fuentes de datos se considera no estructurada en el análisis del comportamiento del cliente?
Transacciones.
Navegación web.
Encuestas y opiniones.
Reseñas en línea.
¿Qué algoritmo se utiliza comúnmente para la segmentación de clientes en campañas publicitarias?
Redes neuronales.
Árboles de decisión.
Máquinas de soporte.
Análisis de clúster.
¿Qué empresa utiliza Big Data para personalizar recomendaciones de contenido y mejorar la retención de clientes?
Amazon.
Netflix.
Starbucks.
Zappos.
¿Cuál es el principal beneficio del análisis de sentimiento para las empresas?
Reducción de costos operativos.
Identificación de tendencias y problemas comunes.
Mejora de la seguridad financiera.
Incremento de la productividad.
¿Qué método de recopilación de feedback del cliente implica interacciones directas en plataformas sociales?
Encuestas.
Comentarios en redes sociales.
Reseñas de productos.
Soporte al cliente.
¿Qué empresa utiliza análisis de Big Data para mejorar la atención al cliente, identificando rápidamente problemas?
Amazon.
Netflix.
Starbucks.
Zappos.
¿Qué algoritmo de machine learning se utiliza para detectar anomalías en tiempo real en la detección de fraudes?
Árboles de decisión.
Redes neuronales.
Máquinas de vectores de soporte (SVM).
Algoritmos de agrupamiento.
¿Qué tecnología se usa en el mantenimiento predictivo para recopilar datos en tiempo real de los equipos?
Machine learning.
Sensores del Internet de las cosas (IoT).
Análisis de series temporales.
Plataformas en la nube.
¿Qué empresa utiliza Big Data para analizar imágenes médicas y predecir enfermedades como el cáncer?
IBM Watson Health.
Google Health.
General Electric.
Siemens.
