Big Data

¿Qué es y para qué sirve el Big Data?

El término Big Data hace referencia a un gran volumen de datos, ya sean estructurados o no estructurados, que se almacenan, procesan, estudian y analizan para transformarlos en acciones estratégicas desde el punto de vista de negocio.

Dada su complejidad, variabilidad y velocidad de crecimiento, el almacenamiento y procesamiento de datos se lleva a cabo gracias a tecnologías y aplicaciones de software capaces de ejecutarlo a gran velocidad; sería imposible hacerlo por medio de herramientas convencionales, como las bases de datos o estadísticas.

Los volúmenes de datos se generan desde distintas fuentes de tecnología moderna, que van desde escribir un comentario en las redes sociales, hacer clic en un enlace web o rellenar un formulario de registro; hasta la identificación de radiofrecuencia o la activación del GPS de los vehículos y móviles. El acceso a todos estos datos generados es información de valor para que las empresas identifiquen patrones y así desarrollen propuestas, productos y soluciones basados en ellos.

¿Cuáles son las características principales del Big Data?

Para entender mejor el término, suele hacerse un análisis de las «5 V del Big Data»:

1. Velocidad: hace referencia al ritmo en el que se generan los datos, así como la rapidez en su almacenamiento y procesamiento, que sucede casi en tiempo real.
2. Volumen: supone decenas de terabytes o, incluso, petabytes de datos que se generan y almacenan cada segundo y que deben ser procesados en grandes cantidades.
3. Variedad: indica los diversos tipos, formas y fuentes de datos que existen, ya sean estructurados —que pueden organizarse a través de una base de datos relacional— o no estructurados y semiestructurados —que requieren un procesamiento adicional, a través de herramientas cualificadas, para entender su significado—.
4. Veracidad: hace referencia a cuán fiables son los datos y la información recogida para determinar su calidad. El Big Data debe centrarse en obtener datos precisos para implementar acciones y soluciones que reduzcan el margen de imprevisibilidad. 
5. Valor: en un universo tan amplio de información que debe ser procesada, hay que descubrir el valor y poner especial atención a los datos que son realmente importantes para la toma de decisiones y futuras acciones estratégicas.

¿Cómo funciona el Big Data?

El proceso de obtención, análisis y entendimiento de datos responde a un proceso automatizado a través de herramientas analíticas y de inteligencia artificial que registran, procesan y almacenan a tiempo real toda la información generada. 

Para su gestión es necesaria una infraestructura estable y segura que soporte los grandes volúmenes de datos de manera rápida y eficaz. Esto exige el uso de miles de servidores y se sustenta en tres acciones principales:

• Integración de estrategias y tecnologías en un sistema eficiente para recibir, procesar y formatear los datos para su posterior gestión.
• Gestión de almacenamiento de datos, ya sea en la nube o en la infraestructura informática de una empresa y, preferiblemente, en tiempo real para tener acceso a ellos en cualquier momento.
• Análisis tras recibir y almacenar los datos y tomar decisiones en función a ellos para obtener una ventaja competitiva.  

¿Qué tiene que ver el Big Data con la sostenibilidad?

El rastreo y procesamiento de datos también juega un papel fundamental en temas de sostenibilidad. Los llamados datos sostenibles son aquellos que, por colaboración entre la empresa pública y privada, reúnen, cruzan y relacionan información proveniente de hechos físicos —como incendios, lluvias o terremotos— con datos de componentes sociales —como la intensidad lumínica del hogar, llamadas telefónicas, acciones en redes sociales, etc.—

La extracción de estos datos ocurre a través de fotos satelitales y bases de datos públicas, que tienen como objetivo conocer el comportamiento humano ante situaciones naturales y humanitarias con intención de implementar mejoras políticas en las ciudades.

Ejemplos de Big Data

El impacto del Big Data ha permitido su implantación en distintos campos y para múltiples tipos de negocios y empresas: marketing y ventas, salud, deporte, política, telecomunicaciones y más, con el objetivo de desarrollar acciones a partir del análisis de esa información. Algunos ejemplos:

• India Night Lights: recolección de datos para conocer el consumo energético en la India, y así medir la evolución del acceso a la electricidad en zonas rurales del país.
• Slam Tracker: con esta herramienta de análisis predictivo es posible obtener información de los datos generados por sensores en el equipamiento deportivo de atletas, para identificar patrones y mejorar su rendimiento, monitorizando la preparación física, nutrición y sueño.
• Life Under Your Feet: estudio del cambio climático a partir de una herramienta que recopila datos de los satélites sobre la variación de la humedad y temperatura a nivel global. Este proyecto busca mejorar la toma de decisiones en cuanto a la construcción de infraestructura para sistemas de agricultura.