Descripción

Es un conjunto de pasos o instrucciones que se siguen en orden para resolver un problema o realizar una tarea específica. Se usan en matemáticas, informática y en la vida diaria.

Ejemplo
Cuando Google te muestra los resultados más relevantes al buscar algo, usa un algoritmo que analiza millones de páginas en segundos.

Otros aspectos

• Son precisos: Cada paso debe estar bien definido para que no haya errores.

• Se usan en tecnología: Están en apps, videojuegos, redes sociales, robots, etc.

• Pueden aprender: Algunos algoritmos usan inteligencia artificial para mejorar con el tiempo y adaptarse a lo que el usuario hace.

Descripción

La analítica en el contexto del Big Data se refiere al proceso de examinar grandes volúmenes de datos para descubrir patrones, tendencias, relaciones y otra información útil. Gracias a la analítica, las empresas, los gobiernos y otras organizaciones pueden tomar decisiones más informadas y precisas.

En el Big Data, la analítica puede ser:

Descriptiva: muestra lo que ha sucedido.

Predictiva: anticipa lo que podría suceder.

Prescriptiva: sugiere qué acciones tomar.

La analítica es clave porque convierte los datos en conocimiento que puede aplicarse para marketing, negocios, política, salud, entre otros campos.

 Ejemplo

Una empresa de redes sociales utiliza la analítica para estudiar el comportamiento de los usuarios: qué publicaciones les interesan, a qué hora están más activos o qué tipo de anuncios les llaman más la atención. Con esa información, pueden mostrar publicidad personalizada o ajustar su estrategia de contenidos.

Descripción 

Es un sistema que permite almacenar y organizar grandes volúmenes de datos, estructurados o no estructurados, para analizarlos rápidamente.

Ejemplo 

Una red social como Facebook usa bases de datos para guardar millones de publicaciones, fotos y comentarios cada segundo.

Otros aspectos

1. Guardan mucha información: Pueden almacenar datos de millones de personas o cosas al mismo tiempo.

2. Son rápidas: Permiten encontrar o analizar datos en pocos segundos.

3. Funcionan sin fallar: Aunque un servidor se dañe, siguen trabajando normalmente

Descripción:

Big Data hace referencia a grandes volúmenes de datos que no pueden ser procesados de manera eficiente con las herramientas tradicionales de gestión de bases de datos. Estos datos pueden ser estructurados, semiestructurados o no estructurados, y provienen de diversas fuentes, como redes sociales, sensores, registros de transacciones, etc.

Ejemplo:
Las interacciones diarias de los usuarios en plataformas como Facebook, Twitter o YouTube generan datos masivos que las empresas pueden analizar para mejorar la experiencia del usuario o dirigir campañas publicitarias más efectivas.

Aspectos clave:

• Volumen: Cantidad masiva de datos.

• Variedad: Diversidad en los tipos de datos (estructurados, no estructurados).

• Velocidad: La rapidez con que se generan, procesan y analizan los datos.

Traducción: Computación en la nube

Descripción:

Cloud computing es un modelo de tecnología que permite acceder a servicios como almacenamiento, procesamiento y software a través de internet, sin necesidad de tener los recursos físicos en el dispositivo del usuario. Estos servicios se alojan en servidores remotos y pueden ser utilizados desde cualquier lugar con conexión a la red.

Ejemplo:
Un estudiante guarda sus trabajos escolares en Google Drive, una plataforma de cloud computing, lo que le permite acceder a sus archivos desde su computadora, tablet o celular, sin importar dónde se encuentre.

Descripción:

Dark Data se refiere a todos esos datos que las organizaciones recogen, procesan y almacenan durante sus operaciones habituales, pero que no llegan a analizar ni utilizar con propósitos de inteligencia o decisión lo equipara con la “materia oscura” de la física: muchas veces representa la mayor parte del universo de datos de una empresa y, normalmente, solo se conserva por razones de cumplimiento o archivo.

Ejemplo:

Imagina los registros de actividad de un servidor web: contienen información sobre páginas visitadas, duración de la sesión y rutas de navegación. Si estos logs nunca se analizan, quedan en el limbo como dark data.

Otros aspectos relevantes:

- Orígenes del término

Introducido inicialmente por Bryan Heidorn en el contexto de la investigación científica, y popularizado luego por analistas como Gartner e IBM.

- Magnitud del fenómeno

IBM estima que alrededor del 90 % de los datos generados por sensores y conversiones A–D no se utilizan jamás.

Splunk indicó que más del 50 % de los datos recogidos por empresas permanecen sin usar.

- Riesgos asociados

Almacenar estos datos implica costes en infraestructura, energía y seguridad. Además, si contienen datos sensibles, representan una amenaza en caso de brechas .

- Potencial estratégico

Con tecnologías de IA, procesamiento de texto, machine learning y metadata tagging, es posible extraer insights valiosos de estos datos ocultos.

- Gestión y gobernanza

Requiere políticas claras de retención, auditorías periódicas, etiquetado de datos y priorización en función de coste, valor y riesgo.

Definición

Los datos estructurados son aquellos que están organizados en un formato definido, claro y fácilmente accesible por sistemas computacionales. Usualmente se almacenan en bases de datos relacionales, hojas de cálculo o tablas, donde cada dato tiene una ubicación específica (fila y columna).

Ejemplo

Imagina una base de datos con información de estudiantes de una escuela. Cada estudiante tiene una ficha, todas las fichas tienen los mismos campos, lo que hace que los datos sean fáciles de comparar, filtrar y procesar automáticamente.

Otros aspectos

• Estructurados: Tienen un formato organizado (bases de datos).

• Semiestructurados: Tienen estructura flexible (como XML o JSON).
• No estructurados: No siguen una estructura fija (como videos, audios, imágenes, textos libres).

Los datos masivos son conjuntos de información tan grandes, complejos y variados que los métodos tradicionales de procesamiento no son suficientes para capturarlos, gestionarlos ni analizarlos eficientemente. Se caracterizan por su alto volumen, velocidad de generación, diversidad de fuentes y la necesidad de herramientas especializadas para obtener valor útil a partir de ellos.

ejemplo:

Durante una campaña de vacunación global, como la del COVID-19, se generan millones de datos diarios: registros de dosis aplicadas, ubicaciones, edades, efectos secundarios, logística de distribución, etc. Procesar todos estos datos en tiempo real ayuda a tomar decisiones rápidas y eficaces para garantizar cobertura y eficiencia.

Aspectos: se caracterizan por su volumen, velocidad, variedad, veracidad y valor

Descripción:

Se los conocen como aquellos datos que no poseen una estructura definida, aunque siguen siendo información relevante.

Ejemplos:

• Un documento de Word que contiene datos de los clientes de nuestra empresa, como teléfono de contacto, correo electrónico, apellidos y nombres.
• Las conversaciones que se generan a través de plataformas de comunicación.

Otros aspectos:

• A pesar de no estar estructurado, son datos de gran importancia para nuestra empresa o negocio
• Siempre podemos encontrar este tipo de datos pese a la experiencia que tengamos en el campo de la información

Descripción:  Descripción:  se refiere a la capacidad de un sistema, proceso o negocio para manejar un aumento en la carga de trabajo o demanda, ya sea en términos de usuarios, transacciones o datos, sin afectar negativamente su rendimiento, eficiencia o calidad. En otras palabras, es la habilidad de un sistema de crecer y expandirse para satisfacer necesidades crecientes sin problemas.

Ejemplo: Netflix utiliza la escalabilidad horizontal apoyada en microservicios alojados en la nube (AWS). Cada componente—autenticación, recomendaciones, entrega de vídeo, métricas puede crecer o reducirse de forma independiente, según la demanda. Esto les permite atender millones de usuarios simultáneos sin interrupciones, especialmente durante estrenos importantes.

Aspectos claves:

Implementar sistemas que crezcan contigo sin fallas.

Diseñar software y negocios preparados para expansión global.

Ahorrar recursos gracias al aprovisionamiento eficiente.

Competir, respondiendo rápido a cambios en demanda o mercado.