![\"\u00bfQu\u00e9](\"https:\/\/inform.com.de\/wp-content\/uploads\/2021\/06\/cb096a3741400bff23e3611c62eedbb7-1.png\")
<\/a><\/p>\nEl mundo entero, incluida Rusia, utiliza la tecnolog\u00eda Big Data en el sector bancario, los servicios de comunicaciones y el comercio minorista. Los expertos creen que en el futuro, la tecnolog\u00eda ser\u00e1 utilizada por la industria del transporte, las industrias de petr\u00f3leo y gas y de alimentos, as\u00ed como la energ\u00eda.<\/p>\n
Los analistas de IDC han reconocido a Rusia como el mercado regional m\u00e1s grande para BDA. Se estima que los ingresos se acercar\u00e1n a los 1.400 millones de d\u00f3lares este a\u00f1o y representar\u00e1n el 40% de las inversiones totales en big data y aplicaciones de inteligencia empresarial.<\/p>\n
\u00bfQu\u00e9 profesiones existen en el campo del big data?<\/h2>\n
Las dos profesiones principales son analistas e ingenieros de datos.<\/p>\n
El analista trabaja principalmente con informaci\u00f3n. Le interesan los datos tabulares, se dedica a los modelos. Sus responsabilidades incluyen agregar, limpiar, aumentar y visualizar datos. Es decir, el analista de big data es el v\u00ednculo entre la informaci\u00f3n en bruto y el negocio.<\/p>\n
El analista tiene dos l\u00edneas principales de trabajo. Primero, puede transformar la informaci\u00f3n recibida, sacar conclusiones y presentarla de forma comprensible.<\/p>\n
En segundo lugar, los analistas desarrollan aplicaciones que funcionar\u00e1n y producir\u00e1n resultados autom\u00e1ticamente. Por ejemplo, haga un pron\u00f3stico para el mercado de valores todos los d\u00edas.<\/p>\n
El ingeniero de fechas es una especialidad de nivel inferior. Esta es la persona que debe garantizar el almacenamiento, procesamiento y entrega de la informaci\u00f3n al analista. Pero donde hay suministro y limpieza, sus responsabilidades pueden superponerse.<\/p>\n
El ingeniero de Bigdata hace todo el trabajo duro. Si los sistemas fallan o uno de los servidores desaparece del cl\u00faster, se conecta. Este es un trabajo muy exigente y estresante. El sistema puede apagarse los fines de semana y fuera del horario de atenci\u00f3n, y el ingeniero debe actuar de inmediato.<\/p>\n
Estas son dos profesiones principales, pero tambi\u00e9n hay otras. Aparecen cuando se agregan algoritmos de computaci\u00f3n paralela a tareas relacionadas con la inteligencia artificial. Por ejemplo, un ingeniero de PNL. Se trata de un programador que se ocupa del procesamiento del lenguaje natural, especialmente en los casos en los que es necesario no solo encontrar palabras, sino captar el significado del texto. Estos ingenieros escriben programas para chat bots y sistemas de di\u00e1logo, asistentes de voz y centros de llamadas automatizados.<\/p>\n
Hay situaciones en las que necesitas clasificar miles de millones de im\u00e1genes, hacer moderaci\u00f3n, filtrar cosas innecesarias y encontrar otras similares. Estas profesiones se superponen m\u00e1s con la visi\u00f3n por computadora.<\/p>\n
\u00bfCu\u00e1nto tiempo dura el entrenamiento?<\/h2>\n
Llevamos un a\u00f1o y medio entrenando. Est\u00e1n divididos en seis cuartos. Algunos se enfocan en programaci\u00f3n, otros en trabajar con bases de datos y otros en matem\u00e1ticas.<\/p>\n
A diferencia de, por ejemplo, la facultad de IA, aqu\u00ed hay menos matem\u00e1ticas. No hay un \u00e9nfasis tan fuerte en el c\u00e1lculo y el \u00e1lgebra lineal. Se necesita m\u00e1s conocimiento de los algoritmos de computaci\u00f3n distribuida que los principios del c\u00e1lculo.<\/p>\n
Pero un a\u00f1o y medio es suficiente para un trabajo real con procesamiento de big data solo si una persona tiene experiencia trabajando con datos ordinarios y en general en TI. Se anima al resto de alumnos despu\u00e9s de graduarse de la facultad a trabajar con datos peque\u00f1os y medianos. Solo despu\u00e9s de esto se puede permitir que un especialista trabaje con grandes. Despu\u00e9s del entrenamiento, vale la pena trabajar como cient\u00edfico de datos para aplicar el aprendizaje autom\u00e1tico en diferentes cantidades de datos.<\/p>\n
Cuando una persona consigue un trabajo en una gran empresa, incluso si tuviera experiencia, la mayor\u00eda de las veces no ser\u00e1 admitido a grandes cantidades de datos de inmediato, porque el costo del error es mucho mayor all\u00ed. Es posible que los errores en los algoritmos no se detecten de inmediato y esto provocar\u00e1 grandes p\u00e9rdidas.<\/p>\n
\u00bfC\u00f3mo funciona la tecnolog\u00eda Big-Data?<\/h2>\n
Los usuarios de la red social Facebook cargan fotos, videos y realizan acciones todos los d\u00edas por cientos de terabytes. No importa cu\u00e1ntas personas participen en el desarrollo, no podr\u00e1n hacer frente al flujo constante de informaci\u00f3n. Para desarrollar a\u00fan m\u00e1s el servicio y hacer que los sitios sean m\u00e1s c\u00f3modos, para implementar recomendaciones de contenido inteligente, mostrar anuncios relevantes para el usuario, cientos de miles de terabytes pasan a trav\u00e9s del algoritmo y reciben informaci\u00f3n estructurada y comprensible.<\/p>\n Comparando una gran cantidad de informaci\u00f3n, se encuentran relaciones en ella. Estas relaciones con cierta probabilidad pueden predecir el futuro. La inteligencia artificial ayuda a encontrar y analizar a una persona.<\/p>\n La red neuronal escanea miles de fotos, videos, comentarios, esos cientos de terabytes de big data y da el resultado: cu\u00e1ntos clientes satisfechos abandonan la tienda, si habr\u00e1 un atasco en las pr\u00f3ximas horas, qu\u00e9 discusiones son populares. en la red social, y mucho m\u00e1s.<\/p>\n M\u00e9todos para trabajar con big data:<\/strong><\/p>\n La carga de macrodatos en una base de datos relacional tradicional para su an\u00e1lisis requiere mucho tiempo y dinero. Por esta raz\u00f3n, han aparecido enfoques especiales para recopilar y analizar informaci\u00f3n. Para recibir y luego extraer informaci\u00f3n, la combinan y la colocan en un \u00ablago de datos\u00bb. A partir de ah\u00ed, los programas de inteligencia artificial, utilizando algoritmos complejos, buscan patrones repetidos.<\/p>\n El almacenamiento y procesamiento se realiza con las siguientes herramientas:<\/p>\n Cuanto m\u00e1s sepamos sobre un objeto o fen\u00f3meno espec\u00edfico, con mayor precisi\u00f3n comprendemos la esencia y podemos predecir el futuro. Al capturar y procesar flujos de datos de sensores, Internet y operaciones transaccionales, las empresas pueden predecir con bastante precisi\u00f3n la demanda de productos y los servicios de emergencia pueden prevenir desastres provocados por el hombre. A continuaci\u00f3n, se muestran algunos ejemplos fuera de los negocios y el marketing de c\u00f3mo se utilizan las tecnolog\u00edas de big data:<\/p>\n Las estrategias de desarrollo empresarial, las actividades de marketing, la publicidad se basan en el an\u00e1lisis y el trabajo con los datos disponibles. Los arreglos grandes permiten \u00abrecolectar\u00bb grandes cantidades de datos y, en consecuencia, ajustar la direcci\u00f3n de desarrollo de una marca, producto o servicio con la mayor precisi\u00f3n posible.<\/p>\n Por ejemplo, la subasta de RTB en publicidad contextual funciona con big data, lo que le permite anunciar ofertas comerciales de manera efectiva a un p\u00fablico objetivo espec\u00edfico, y no a todos.<\/p>\n Cu\u00e1les son los beneficios comerciales:<\/p>\n Las tecnolog\u00edas se utilizan para predecir la popularidad de los productos, por ejemplo, utilizando el servicio Google Trends y Yandex. Wordstat (para Rusia y la CEI).<\/p>\n Los m\u00e9todos de big data son utilizados por todas las grandes empresas (IBM, Google, Facebook y corporaciones financieras) VISA, Master Card, as\u00ed como ministerios de todo el mundo. Por ejemplo, en Alemania se redujo la emisi\u00f3n de prestaciones por desempleo, calculando que algunos ciudadanos las reciben sin motivo. As\u00ed logramos devolver al presupuesto unos 15 mil millones de euros.<\/p>\n El reciente esc\u00e1ndalo de Facebook debido a la filtraci\u00f3n de datos de los usuarios sugiere que los vol\u00famenes de informaci\u00f3n no estructurada est\u00e1n creciendo e incluso los mastodontes de la era digital no siempre pueden garantizar su completa privacidad. Por ejemplo, Master Card utiliza big data para evitar transacciones fraudulentas con cuentas de clientes. Por lo tanto, es posible ahorrar m\u00e1s de 3.000 millones de d\u00f3lares estadounidenses en robos al a\u00f1o.<\/p>\n En el campo del juego, el big data permite analizar el comportamiento de los jugadores, identificar las preferencias de una audiencia activa y, en base a esto, predecir el nivel de inter\u00e9s en el juego. Hoy en d\u00eda, las empresas saben m\u00e1s sobre sus clientes de lo que sabemos sobre nosotros mismos, por lo que las campa\u00f1as publicitarias de Coca-Cola y otras corporaciones son un \u00e9xito rotundo.<\/p>\n Big Date nos brinda perspectivas y oportunidades sin precedentes, pero tambi\u00e9n plantea problemas y preguntas que deben abordarse:<\/p>\n Estas tareas son una parte importante de las Big Dates y deben ser abordadas por organizaciones que deseen utilizar dichos datos. No hacerlo puede hacer que la empresa sea vulnerable, no solo en t\u00e9rminos de reputaci\u00f3n, sino tambi\u00e9n desde el punto de vista legal y financiero.<\/p>\n Todo comenz\u00f3 con una explosi\u00f3n en la cantidad de datos que hemos creado desde el comienzo de la era digital. Esto se debe en gran parte al desarrollo de las computadoras, Internet y tecnolog\u00edas capaces de \u00abarrebatar\u00bb datos del mundo que nos rodea. Los datos por s\u00ed solos no son una invenci\u00f3n nueva. Incluso antes de la era de las computadoras y las bases de datos, us\u00e1bamos registros de transacciones en papel, registros de clientes y archivos de archivo, que son datos. Las computadoras, especialmente las hojas de c\u00e1lculo y las bases de datos, nos han facilitado el almacenamiento y la organizaci\u00f3n de datos a gran escala. De repente, la informaci\u00f3n estuvo disponible con un solo clic del mouse.<\/p>\n Sin embargo, hemos recorrido un largo camino desde las tablas y bases de datos originales. Hoy, cada dos d\u00edas, creamos tantos datos como recibimos desde el principio hasta el a\u00f1o 2000. As\u00ed es, cada dos d\u00edas. Y la cantidad de datos que creamos sigue creciendo r\u00e1pidamente; para 2020, la cantidad de informaci\u00f3n digital disponible aumentar\u00e1 de aproximadamente 5 zettabytes a 20 zettabytes.<\/p>\n Hoy en d\u00eda, casi todas las acciones que realizamos dejan su huella. Generamos datos cada vez que nos conectamos, cuando transferimos nuestros tel\u00e9fonos inteligentes equipados con un m\u00f3dulo de b\u00fasqueda, cuando hablamos con nuestros amigos a trav\u00e9s de redes sociales o chats, etc. Adem\u00e1s, la cantidad de datos generados por m\u00e1quinas tambi\u00e9n est\u00e1 creciendo r\u00e1pidamente. Los datos se generan y distribuyen cuando nuestros dispositivos dom\u00e9sticos inteligentes se comunican entre s\u00ed o con sus servidores dom\u00e9sticos. Los equipos industriales en f\u00e1bricas y f\u00e1bricas est\u00e1n cada vez m\u00e1s equipados con sensores que acumulan y transmiten datos.<\/p>\n El t\u00e9rmino \u00abBig-Data\u00bb se refiere a la recopilaci\u00f3n de todos estos datos y nuestra capacidad para usarlos en nuestro beneficio en una amplia gama de \u00e1reas, incluidas las empresas.<\/p>\n Blockchain y Big Data son dos tecnolog\u00edas complementarias y en evoluci\u00f3n. Desde 2016, blockchain ha sido ampliamente discutido en los medios. Es una tecnolog\u00eda de base de datos distribuida criptogr\u00e1ficamente segura para almacenar y transmitir informaci\u00f3n. La protecci\u00f3n de la informaci\u00f3n privada y confidencial es un problema de big data urgente y futuro que blockchain puede resolver.<\/p>\n Casi todas las industrias han comenzado a invertir en an\u00e1lisis de Big Data, pero algunas est\u00e1n invirtiendo m\u00e1s que otras. Seg\u00fan IDC, se gasta m\u00e1s en banca, fabricaci\u00f3n discreta, fabricaci\u00f3n de procesos y servicios profesionales. Seg\u00fan la investigaci\u00f3n de Wikibon, los ingresos por ventas de programas y servicios en el mercado global en 2018 ascendieron a $ 42 mil millones, y en 2027 superar\u00e1n la marca de $ 100 mil millones.<\/p>\n Neimeth estima que blockchain representar\u00e1 hasta el 20% del mercado total de big data para 2030, generando hasta $ 100 mil millones en ingresos anuales. Esto supera los m\u00e1rgenes combinados de PayPal, Visa y Mastercard.<\/p>\n El an\u00e1lisis de Big Data ser\u00e1 importante para rastrear transacciones y permitir\u00e1 a las empresas de blockchain descubrir esquemas ocultos y descubrir con qui\u00e9n interact\u00faan en blockchain.<\/p>\n Hemos aprendido qu\u00e9 es big data? Observamos c\u00f3mo funciona esta tecnolog\u00eda, para qu\u00e9 matrices de informaci\u00f3n se utilizan. Nos familiarizamos con los principios y m\u00e9todos de trabajo con big data.<\/p>\n Recomendamos leer El rostro humano de Big Data de Rick Smolan y Jennifer Erwitt, e Introducci\u00f3n a la miner\u00eda de datos de Michael Steinbach, Vipin Kumar y Pang-Ning Tan.<\/p>\n Fuentes utilizadas y enlaces \u00fatiles sobre el tema: https:\/\/www.calltouch.ru\/glossary\/big-data\/<\/a> https:\/\/Mining-CryptoCurrency.ru\/big-data\/<\/a> https:\/\/geekbrains.ru\/posts\/gu_big_data_faculty<\/a> https: \/\/clubshuttle.ru\/tehnologiya-big-data-prostymi-slovami<\/a><\/p>\n<\/a><\/p>\n\n
T\u00e9cnicas de an\u00e1lisis y procesamiento<\/h3>\n
<\/a>
\nLos principales m\u00e9todos para analizar grandes cantidades de informaci\u00f3n incluyen los siguientes:<\/p>\n\n
Miner\u00eda de datos: c\u00f3mo se recopilan y procesan los macrodatos<\/h2>\n
\n
\u00bfPara qu\u00e9 se usa esto?<\/h2>\n
\n
Big data en los negocios y el marketing<\/h2>\n
\n
<\/a><\/p>\n<\/a><\/p>\nProblemas con Big Data<\/h2>\n
\n
Incre\u00edble ascenso de Big Date<\/h2>\n
Perspectivas de usar Big Date<\/h2>\n
Resumen<\/h2>\n