{"id":3021,"date":"2025-04-24T13:43:27","date_gmt":"2025-04-24T13:43:27","guid":{"rendered":"https:\/\/lapaz.bo\/smp\/blog\/?p=3021"},"modified":"2025-04-24T13:43:29","modified_gmt":"2025-04-24T13:43:29","slug":"big-data","status":"publish","type":"post","link":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/2025\/04\/24\/big-data\/","title":{"rendered":"BIG DATA"},"content":{"rendered":"\n

BIG DATA<\/strong><\/h1>\n\n\n\n

<\/p>\n\n\n\n

Por: Javier Gustavo P\u00e9rez Mendieta \u2013 Unidad de Investigaci\u00f3n y Pol\u00edticas Municipales<\/strong><\/p>\n\n\n\n

Michael Chen de Oracle (2024) define al Big Data como \u201cconjuntos de datos extremadamente grandes y complejos que no pueden gestionarse ni analizarse f\u00e1cilmente con las herramientas tradicionales de procesamiento de datos, en particular las hojas de c\u00e1lculo. Los big data<\/strong> incluyen datos estructurados, como una base de datos de inventario o una lista de transacciones financieras; datos no estructurados, como publicaciones sociales o videos; y conjuntos de datos mixtos, como los que se utilizan para entrenar grandes modelos de lenguaje para la IA (Inteligencia Artificial)\u201d.<\/p>\n\n\n\n

Google (s\/f) se\u00f1ala que el Big Data<\/strong> \u201cengloba conjuntos extremadamente grandes y diversos de datos estructurados, sin estructurar y semiestructurados que siguen creciendo exponencialmente a lo largo del tiempo. Estos conjuntos de datos son tan enormes y complejos en volumen, velocidad y variedad que los sistemas de gesti\u00f3n de datos tradicionales no pueden almacenarlos, procesarlos ni analizarlos\u201d. <\/p>\n\n\n\n

Para Intel (s\/f) \u201cdescribe el flujo de datos no estructurados creados por todo, desde las publicaciones en redes sociales y el tr\u00e1fico de red hasta el Internet de las Cosas (IoT), las c\u00e1maras de seguridad p\u00fablicas y los datos meteorol\u00f3gicos globales. A diferencia de los small data, que se pueden estructurar, almacenar y analizar en una base de datos relacional, los big data<\/strong> superan la capacidad de las tablas, filas y columnas en complejidad y procesamiento\u201d.<\/p>\n\n\n\n

Badman y Kosinski de IBM (2024) se\u00f1alan que \u201cse refiere a conjuntos de datos masivos y complejos que los sistemas tradicionales de gesti\u00f3n de datos no pueden manejar. Cuando se recopilan, gestionan y analizan adecuadamente, los big data<\/strong> pueden ayudar a las organizaciones a descubrir nuevos insights y tomar mejores decisiones empresariales\u201d.<\/p>\n\n\n\n

En s\u00edntesis, Big Data<\/strong> hace referencia a conjuntos de datos, estructurados y no estructurados, extremadamente grandes y de elevada complejidad recabados de fuentes diversas y que permiten mediante su procesamiento una mejora toma de decisiones.<\/p>\n\n\n\n

Google (s\/f) afirma que las definiciones de Big Data<\/strong> pueden variar, sin embargo, existe cierto consenso en las V del Big Data, inicialmente 3 a las que se agreg\u00f3 otras 3:<\/p>\n\n\n\n

\u201cVolumen. <\/strong>Como su nombre indica, la caracter\u00edstica m\u00e1s com\u00fan asociada al Big Data es su gran volumen. Esto describe la enorme cantidad de datos que se pueden recopilar y que se generan a partir de diversas fuentes y dispositivos de forma continua.<\/em><\/p>\n\n\n\n

Velocidad. <\/em><\/strong>La velocidad de Big Data hace referencia a la velocidad a la que se generan los datos. Hoy en d\u00eda, los datos se suelen generar en tiempo real o casi en tiempo real y, por lo tanto, tambi\u00e9n deben procesarse, consultarse y analizarse al mismo ritmo para tener un impacto significativo. <\/em><\/p>\n\n\n\n

Variedad. <\/em><\/strong>Los datos son heterog\u00e9neos, es decir, pueden proceder de muchas fuentes diferentes y pueden estar estructurados, no estructurados o semiestructurados. Los datos estructurados m\u00e1s tradicionales (como los datos de hojas de c\u00e1lculo o bases de datos relacionales) se complementan ahora con texto, im\u00e1genes, audio y archivos de v\u00eddeo no estructurados, o con formatos semiestructurados como los datos de sensores que no se pueden organizar en un esquema de datos fijo. <\/em><\/p>\n\n\n\n

Veracidad. <\/em><\/strong>El Big Data puede resultar desordenado, con mucho ruido y es propenso a errores, lo que dificulta el control de la calidad y la precisi\u00f3n de los datos. Los conjuntos de datos grandes pueden resultar dif\u00edciles de manejar y confusos, mientras que los conjuntos m\u00e1s peque\u00f1os pueden presentar una imagen incompleta. Cuanto mayor sea la veracidad de los datos, m\u00e1s fiable ser\u00e1.<\/em><\/p>\n\n\n\n

Variabilidad. <\/em><\/strong>El significado de los datos recogidos cambia constantemente, lo que puede provocar incoherencias a lo largo del tiempo. Estos cambios incluyen no solo los cambios de contexto y de interpretaci\u00f3n, sino tambi\u00e9n en los m\u00e9todos de recogida de datos basados en la informaci\u00f3n que las empresas quieren recoger y analizar.<\/em><\/p>\n\n\n\n

Valor. <\/em><\/strong>Es fundamental determinar el valor empresarial de los datos que recoges. Los Big Data deben contener los datos adecuados y luego analizarse de manera eficaz para extraer informaci\u00f3n valiosa que ayude a tomar decisiones fundamentadas\u201d.\u00a0<\/em><\/p>\n\n\n\n

Referencias bibliogr\u00e1ficas<\/strong><\/p>\n\n\n\n

Chen, Michael (23 de septiembre de 2024). \u00bfQu\u00e9 es el big data? https:\/\/www.oracle.com\/es\/big-data\/what-is-big-data\/<\/a><\/p>\n\n\n\n

Google (s\/f). \u00bfQu\u00e9 es Big Data? https:\/\/cloud.google.com\/learn\/what-is-big-data?hl=es<\/a><\/p>\n\n\n\n

Intel (s\/f). \u00bfQu\u00e9 es Big Data? https:\/\/www.intel.la\/content\/www\/xl\/es\/artificial-intelligence\/analytics\/what-is-big-data.html<\/a><\/p>\n\n\n\n

Badman, Annie y Kosinski, Matthew (18 de noviembre de 2024). \u00bfQu\u00e9 es el big data? https:\/\/www.ibm.com\/mx-es\/think\/topics\/big-data<\/a><\/p>\n\n\n\n

Las opiniones expresadas en este documento son de exclusiva responsabilidad de los autores y no reflejan necesariamente una posici\u00f3n del Gobierno Aut\u00f3nomo Municipal de La Paz.<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

BIG DATA Por: Javier Gustavo P\u00e9rez Mendieta \u2013 Unidad de Investigaci\u00f3n y Pol\u00edticas Municipales Michael Chen de Oracle (2024) define al Big Data como \u201cconjuntos de datos extremadamente grandes y complejos que no pueden gestionarse ni analizarse f\u00e1cilmente con las herramientas tradicionales de procesamiento de datos, en particular las hojas de c\u00e1lculo. Los big data …<\/p>\n

BIG DATA<\/span> Read More »<\/a><\/p>\n","protected":false},"author":3,"featured_media":3056,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"default","ast-global-header-display":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","footnotes":""},"categories":[4],"tags":[388,46,394],"class_list":["post-3021","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-conceptualizaciones","tag-big-data","tag-datos","tag-inteligencia-artificial"],"_links":{"self":[{"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/posts\/3021","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/comments?post=3021"}],"version-history":[{"count":1,"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/posts\/3021\/revisions"}],"predecessor-version":[{"id":3022,"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/posts\/3021\/revisions\/3022"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/media\/3056"}],"wp:attachment":[{"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/media?parent=3021"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/categories?post=3021"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/lapaz.bo\/smp\/blog\/index.php\/wp-json\/wp\/v2\/tags?post=3021"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}