Big Data, metaconcepto. Una herramienta útil, un concepto defectuoso.

Documentos relacionados
Big Data Analytics & IBM BIG INSIGHT

BIG DATA SCIENCE & ANALYTICS

ANÁLISIS DE REGRESIÓN

Perfiles de formación

Técnicas de Minería de Datos

CM0244. Suficientable

Unidad V: Estadística aplicada

Sistemas de Big Data El nuevo paradigma de los datos masivos. Jordi Casas Roma Carles Garrigues Olivella

Red Española de Series Temporales

Introducción a la minería de datos. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR

Analítica avanzada para la optimización del tráfico

Big Data para Inteligencia Criminal

Buscando el valor del Big Data Rafael Berlanga Llavori Grupo Bases de Conocimiento Temporal Universitat Jaume I

Introducción a Tecnologías Big Data

TABLA DE EQUIVALENCIAS DE ASIGNATURAS PLAN DE ESTUDIOS PROPUESTO PLAN DE ESTUDIOS

La Inteligencia de Negocios y la Gerencia Estrategica

APLICACIONES DE NEGOCIO PARA INTELIGENCIA ARTIFICIAL. Copyright 2017 Accenture All rights reserved.

PLAN DE ESTUDIOS

CONCEPTOS Y ECOSISTEMA BIG DATA

Servei d Estadística Aplicada

YO, CIENCIA DE DATOS. BIG DATA DAY Facultad de Ciencias, UNAM Ciudad de México, marzo 2016

Benemérita Universidad Autónoma de Puebla Vicerrectoría de Docencia Dirección General de Educación Superior Facultad de Ciencias Físico Matemáticas

Nuevo plan de estudios. Especialización en Inteligencia de Negocios. Marzo de Curso Descripción Corta Contenidos

SOLUCIONES DE LAGOS DE DATOS EMPRESARIALES DE EMC

Entrenamiento Especializado: Fundamentación en Administración de Riesgo con apoyo de Risk Simulator

FORMACIÓN E-LEARNING. Curso Online de Planificación de la Demanda (Demand Planning)

MÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS

Minería Multimedia. Minería de datos NO estructurados (Textos, Imágenes, Audios y Videos)

Presentación de la Asignatura. Estadística II. Prof. Sergio Jurado Chamorro

ANALÍTICA DE BIG DATA (BDA)

MÁSTER EN ARQUITECTURA Y TECNOLOGÍA BIG DATA ASIGNATURAS OBLIGATORIAS

Métodos de Regresión en Minería de Datos

Motivación. Motivación PRONOSTICOS DE DEMANDA

L.A. y M.C.E. Emma Linda Diez Knoth

Buenas prácticas para la implementación de herramientas de Ciencia de Datos Leonardo Alfonso Ramos Corona Facultad de Geografía, UAEM.

Diplomado. Big Data Analytics. Administrando y explotando el potencial de grandes volúmenes de datos

Andres Felipe Rojas / Nancy Gelvez. UNESCO UNIR ICT & Education Latam Congress 2016

LA MINERÍA DE DATOS APLICADA A LA BÚSQUEDA DE PATRONES DE SUPERVIVIENCIA EN LA NEOPLASIA MALIGNA DE TRÁQUEA, BRONQUIOS Y PULMÓN

Unidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15

Big Data para operadores de red y DNS. GORE 18 Madrid, Octubre 2016 Sebastian Castro NZRS

Métodos Predictivos en Minería de Datos

La educación como protagonista del futuro productivo. José Luis Roces Rector ITBA

Motivación. Motivación ESTIMACION DE LA DEMANDA

Diplomado en Estadística e Investigación Científica

Selección de fuentes de datos y calidad de datos

Fiscalización Luis Terraza Supervisor Sindicatura de Comptes de Catalunya

POSGRADOS. Maestría en Analítica e Inteligencia de Negocios

INFORMACIÓN ACADÉMICO PROFESIONAL CIENCIA DE DATOS CURSO

Máster en Big Data & Analytics Curso:

Aspectos prácticos de Big data, Inteligencia Artificial y Blockchain en el ámbito legal, con especial referencia a la gestión colegial

Título de la acción de capacitación: Ingeniería de Confiabilidad

Experto en Big Data Curso: Semipresencial

INTRODUCCION. Cátedra Electiva: "Big Data: Arquitecturas y Estrategias de Análisis de Datos Masivos 1

Curso. BigData y Análisis de Datos. (42 horas)

Del Big Data a la Inteligencia Artificial. Por qué el Gestor de Viajes y de Eventos necesita datos?

EL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.

Cómo con el uso de Big Data en tiempo real se mejoran los Servicios Públicos

Curso Superior Universitario Data Analytics for Social Science Primera Edición: PLAN DOCENTE

Índice general. Prefacio...5

MATEMÁTICAS APLICADAS A CCSS I

Educación para el desarrollo

Programación estadística con R

Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)

ESTADÍSTICA SESIÓN / FECHA

Grado en Ciencias Ambientales Universidad de Alcalá Curso Académico 2018/19 Segundo Curso Primer Cuatrimestre

PROGRAMA DE UNIDAD DE APRENDIZAJE POR COMPETENCIAS

CONTENIDOS MÍNIMOS PARA LA PRUEBA EXTRAORDINARIA DE SEPTIEMBRE DE 2016 MATEMÁTICAS 1º BACHILLERATO HHCCSS IES DOMINGO PÉREZ MINIK

TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES

Estimación de las consecuencias económicas de epidemias animales. Caso práctico con PPC.

Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( )

INVESTIGA I+D+i 2016/2017

Inteligencia Artificial: Su uso para la investigación

CURSOS DE PROGRAMACIÓN EN R

Trafo 4.0. Digitalización, gestión dinámica de carga, mantenimiento y administración del riesgo de transformadores.

Conocimiento de Matemáticas de 4º ESO. a) Contenidos, temporalización y secuenciación. Bloque 1. Planificación del proceso de resolución de

Conocimiento de Matemáticas 2º ESO. a) Contenidos.

Estimar el modelo óptimo que caracteriza la por vía i.v.

Berlitz Berlitz online (eberlitz)

Introducción a la Estadística Aplicada en la Química

SISTEMA INTEGRAL PARA LA PROYECCIÓN Y DETECCIÓN DE LA PREVENCIÓN DEL DELITO, MEDIANTE MINERÍA DE DATOS.

La piedra angular del Análisis Predictivo. José Ignacio Marín Alberdi IBM SPSS Client Technical Professional

MEMORIA E3. Análisis de datos aplicado a la valoración de las funciones humanas

3. RELACION ENTRE DOS CONJUNTOS DE DATOS.

Q5 Audi Q5 Audi A la vanguardia de la técnica

Escenario o Personaje? El Universo en expansión en las teorías de Einstein

INGENIERÍA MECATRÓNICA EN COMPETENCIAS PROFESIONALES

Técnicas de aprendizaje automático en el análisis de datos de DP. Dr. Carlos Fernández Lozano Juan de la Cierva-Formación

Ofertas de prácticas en empresas y centros de investigación (dirigidas a alumnos y ex-alumnos del Máster en Técnicas Estadísticas)

Análisis de Componentes Principales (ACP)

TEMA 10 Correlación y regresión. El modelo de regresión simple

Modelización Tareas Clases Evaluación Reflexión. Clases

TRANSFORMACIÓN DIGITAL E INDUSTRIA 4.0 SAN SEBASTIÁN MAYO 2018

Transformación digital: Impacto en el líder del futuro. Raúl Muñoz Agüera, Director de everis Perú

Tecnologías de la imagen II

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL TESIS DE GRADO

Consultas sobre proceso de Licitación de la Herramienta de Análisis Inteligente de Datos para Impulsa (HAID IMPULSA) PREGUNTAS FRECUENTES

Transcripción:

Big Data, metaconcepto Una herramienta útil, un concepto defectuoso. 1 LOGROÑO 14/12/ 2016 DeciData S.L.

Y PARA MUESTRA Múltiples V s : velocidad, variación, volumen, veracidad, valor,.. Mckinsey: Conjunto de datos que está más allá de las posibilidades de las herramientas de software habituales. The Economist: La sociedad dispone de más información que en ningún período precedente de la historia. Ese aumento de información nos permite realizar cosas que no podíamos realizar con anterioridad. Wikipedia: Es el término para un conjunto de datos tan complejo y grande; que son difíciles de procesar siguiendo los procedimientos y con las herramientas habituales. Adam Jacobs: Tamaño de los datos que nos fuerza a mirar más allá de las metodologías que se emplean habitualmente. Dan Law: Cualquier conjunto de datos que tienen un valor potencial que no puede extraerse con las técnicas y procedimientos ordinarios. LOGROÑO 14/12/ 2016 DeciData S.L. 2

Y DE QUE DATOS HABLAMOS Datos estructurados: Tablas, datos relacionales, Semi estructurados: Datos en forma híbrida documentos con tablas Datos en streaming: Que se mueven a gran velocidad por redes. Datos geoespaciales: Incluyen posicionamientos en el espacio: regiones, puntos, caminos, formas Datos no estructurados: Texto, fotos, video, audio Metadata: datos estructurados entorno a los propios datos. Datos temporales: incluyen tendencias, actividades temporales. Y muchos mas.. LOGROÑO 14/12/ 2016 DeciData S.L. 3

Todo empezó hace casi 2500 años Pitagoras, en la isla de Samos, en la actual Grecia, pensó que el universo se forma a través de modelos matemáticos. LOGROÑO 14/12/ 2016 DeciData S.L. 4

Y ha seguido hasta hoy DESCARTES NEWTON EINSTEIN TURING LOGROÑO 14/12/ 2016 DeciData S.L. 5

Extrayendo conocimiento de los datos (1) Con la colaboración de los ordenadores Definiendo los conceptos de conocimiento. Transformando los datos estructurados en representaciones útiles. Clasificando y extrayendo contenido de los datos no estructurados. Mediante el análisis de los datos que genere conocimiento relevante que mejore la base decisional. LOGROÑO 14/12/ 2016 DeciData S.L. 6

Extrayendo conocimiento de los datos (2) Y haciendo, entre otras cosas.. Dividiendo el problema en trozos y procesando en paralelo. Construyendo índices de conocimiento y búsqueda que puedan activarse rápidamente. Usando adecuada combinación tecnología y software. Una mezcla de todo ello. LOGROÑO 14/12/ 2016 DeciData S.L. 7

Moviendo la información Usar y estimar parámetros con aparato estadístico para: Describir los datos Explorar correlaciones Descubrir modelos Predecir resultados Necesitamos prestar mucha atención a los siguientes aspectos: Corregir supuestos Cuidado con las variables LOGROÑO 14/12/ 2016 DeciData S.L. 8

Tomando decisiones previas - LOGROÑO 14/12/ 2016 DeciData S.L. 9

Implementando soluciones en datos Posibles resultados: * ANOVA MACHINE LEARNING REGRESIÓN LINEAL ARBOLES DE DECISION MODELOS PREDICTIVOS MODELOS PRESCRIPTIVOS LOGROÑO 14/12/ 2016 DeciData S.L. 10

Actores y actividades implicadas LOGROÑO 14/12/ 2016 DeciData S.L. 11

A modo de conclusión Momento clave de un proceso histórico. Existencia de gran cantidad de datos y posibilidad de trabajar con ellos Mayor importancia cuantitativa de los datos no estructurados Oferta de interesantes soluciones tecnológicas Experiencias contrastadas Impacto en las organizaciones Crecimiento en la productividad a partir de una base del 3% Costes de no utilizar la gestión basada en datos LOGROÑO 14/12/ 2016 DeciData S.L. 12

Qué escenario pronostico Disminución de costes de productos. Flexibilidad de las plataformas Soluciones más amigables Crecimiento de la oferta de expertos en análisis de datos Organizaciones más sensibles hacia el empleo de los datos para la gestión Nuevos modelos de negocio Un cambio que podemos definirlo como el BIG DATA 2.0 LA SUSTITUCIÓN DEL BIG DATA POR EL BIG ANALITICS LOGROÑO 14/12/ 2016 DeciData S.L. 13