El nombre del estudiante
Nombre del instructor
Título del curso
Fecha
Investigación de Big Data
¿Qué es Big Data y cuáles son sus características más destacadas?
El término Big Data puede explicarse como datos recopilados que se recopilan y crecen de manera exponencial y son muy complejos. Por lo tanto, los datos no pueden almacenarse y procesarse de manera eficiente en las herramientas de administración tradicionales debido a su complejidad. Ejemplos perfectos de big data son las redes sociales como Facebook, que según las estadísticas que se investigaron cerca de quinientos terabits de datos nuevos se asimila en forma de comentarios, mensajes, videos que se cargan y suben imágenes. Existen tres categorías de tres datos y son estructuradas, no estructuradas y semiestructuradas. Los datos estructurados son datos que se pueden recuperar, procesar y almacenar fácilmente en un formato estable (W3training School).
Se han desarrollado técnicas en el campo de la tecnología donde las personas pueden manejar una categoría de datos que se conoce de antemano. Por lo tanto, este tipo de datos experimenta un desafío cuando comienzan a crecer de manera exponencial en rangos como el petabyte. El ejemplo perfecto de datos estructurados son los mejores anotadores de fútbol en una base de datos, por lo tanto, cuando la base de datos se vuelve enorme en términos de registros como asistencias, minutos jugados y proporción de goles durante un largo período, se vuelve complejo de administrar. Los datos no estructurados son un tipo de datos que tiene una estructura que no se puede conocer. Por lo tanto, la ilustración perfecta de los datos no estructurados es una fuente de datos heterogénea, como Google, que se ha integrado con imágenes, videos y archivos de texto. Por lo tanto, en este tipo de datos no estructurados, existen como datos semiestructurados que implican los datos que normalmente tienen una estructura pero que tampoco están definidos. Los ejemplos perfectos de estos datos semiestructurados son los datos que se almacenan en formato XML, la definición de la tabla en relación con el sistema de gestión base de la base de datos.
Las características de los grandes datos son un volumen en el que, como en la definición, significa un tamaño enorme que describe los grandes datos. El volumen son las características básicas que definen los grandes datos en el campo de la tecnología. La segunda característica es la velocidad que se refiere a la velocidad en la que se generan y procesan los datos. Por lo tanto, la velocidad de Big Data se refiere a la velocidad en la que los datos fluyen desde fuentes como sitios, redes comerciales y registros de aplicaciones. El flujo de datos es masivo y continuo, ya que involucra muchas actividades que se llevan a cabo para satisfacer la demanda requerida. La variedad es otra característica de Big Data que básicamente se refiere a la calidad de la diversidad en las diversas categorías de Big Data, tanto estructuradas como no estructuradas. En los tiempos tradicionales, las hojas de cálculo y las bases de datos se consideraban como la única fuente de datos en la aplicación. Pero en estos tiempos modernos, los datos en forma de imágenes, audios, fotos, pdf y correos electrónicos se utilizan en la aplicación de análisis. La cuarta característica es la variabilidad que implica la calidad de ser desigual y la falta de consistencia que puede ser evidente en los datos.
¿En qué se diferencia Big Data de los datos estructurados en una base de datos relacional?
Existen muchas diferencias entre Big data Hadoop y un sistema racional de gestión de bases de datos. Hadoop es un marco que almacena y procesa grandes conjuntos de datos en un entorno que gira en torno a la informática. Big data Hadoop se divide en dos componentes principales que son el sistema de archivos distribuido de Hadoop y MapReduce. El sistema de archivos distribuidos de Hadoop es una región de almacenamiento que se utiliza para almacenar grandes conjuntos de datos. MapReduce es un modelo programado para dividir grandes conjuntos de datos en varios bloques. Estos bloques se distribuyen a diferentes grupos de computadoras a través de los nodos. El sistema racional de gestión de bases de datos puede describirse como una forma de base de datos que se utiliza para almacenar datos en forma de una tabla que tiene varias columnas y varias filas. Utiliza un lenguaje de consulta estructurado que se utiliza para obtener y actualizar los datos en las tablas (W3training School).
Existen grandes diferencias entre el Hadoop de big data y el sistema de gestión de base de datos racional tradicional y son el volumen de datos, la arquitectura y el rendimiento. El rendimiento básicamente significa el volumen total de datos que se procesan en un período particular para lograr una salida máxima. Por lo tanto, Big data Hadoop logra lograr esta característica en comparación con la base de datos racional tradicional, por eso se usa comúnmente debido a esta característica de rendimiento. El volumen de datos es otra característica que también crea la diferencia en los dos en ningún lugar donde el sistema racional de administración de bases de datos funciona bien cuando los datos son bajos, pero cuando los datos son enormes, experimenta un fallo en términos de trabajar eficientemente. Por lo tanto, Big data Hadoop funciona de manera eficiente con tamaños de datos que son enormes en términos de terabytes y petabytes. El sistema de gestión de Rational Database tiene una desventaja cuando se trabaja con grandes tamaños de datos. La característica final que se puede utilizar para establecer la diferencia es la arquitectura de los dos mediante la cual el Hadoop se divide en dos componentes, uno que se ocupa del almacenamiento en capas conocido como el sistema de archivos distribuido de Hadoop. El segundo componente principal es MapReduce, que se conoce como un modelo de programación que se utiliza en el procesamiento de grandes conjuntos de datos. El sistema de gestión de base de datos Rational tradicional contiene propiedades ACID que son cuatro e incluyen aislamiento, consistencia, atomicidad y durabilidad (W3training School). Las propiedades tradicionales del sistema racional de administración de bases de datos ACID son las responsables de garantizar que los datos no se manipulen y sean precisos. La transacción de datos en una base de datos puede estar en diferentes campos, como el sistema bancario, la industria de las telecomunicaciones, la educación y las plataformas de comercio electrónico.
¿Cuáles son los beneficios potenciales de Big Data en un entorno empresarial?
Existen varios beneficios potenciales de tener un gran dato en un negocio y son cinco. De ahí el concepto de big data que básicamente implica cómo una empresa utiliza los datos que ha obtenido en sus procesos y actividades. La compañía adoptará varias ventajas competitivas y conllevará un ahorro de costos en grandes ventajas de costos de datos para la organización empresarial en términos de almacenamiento de grandes cantidades de datos. La reducción de tiempo es otra ventaja que las organizaciones comerciales pueden tener sobre el uso de análisis basados en la nube y Big Data Hadoop, por lo tanto, las altas velocidades ayudarán a analizar las empresas. La tercera ventaja comparativa del uso de big data en las empresas es que ayuda en el desarrollo de nuevos productos, ya que uno puede conocer fácilmente las tendencias de las necesidades del cliente. Al mismo tiempo, la empresa puede fabricar los productos de acuerdo con las necesidades del cliente. La cuarta ventaja que tiene la organización es el control de la reputación en línea sobre cómo el cliente responde a los productos respondiendo rápidamente a los comentarios que han obtenido. De ahí que la herramienta de big data ofrezca una ventaja comparativa en el negocio. La quinta y última característica que brinda una ventaja comparativa en la creación de negocios es la comprensión de las condiciones actuales del mercado en su campo de negocios. Esto se puede lograr mediante el análisis del poder adquisitivo del cliente y la producción de bienes y servicios que satisfagan las necesidades de los clientes (mTAB: lleve su investigación más allá).
¿Cuáles son las principales críticas de Big Data en un entorno empresarial?
Existen varios problemas en Big Data que afectan las actividades operativas de las empresas, como el hiperpragmatismo, la defensa y la neutralización mutua. En cuanto al hiper pragmatismo, básicamente significa que el concepto no presta atención a los principios fundamentales de cómo se realiza el trabajo, sino que el concepto solo se centra en el trabajo. Esto puede explicarse perfectamente en aquellos que compran calaveras de cromo que pueden hacer pagos incorrectos que son consistentemente ciertos. La misma analogía no se puede utilizar en la predicción de terremotos y catástrofes naturales (mTAB: lleve su investigación más allá).
El segundo es la neutralización mutua, en la que las fuentes derraman granos sobre técnicas de big data que han tenido éxito. Por lo tanto, cuando el individuo aprende sobre las estrategias especificadas y comienza a usarlas por su cuenta, los resultados del programa comienzan a ser sesgados. Un ejemplo perfecto es el juego de ajedrez mediante el cual la base de datos computarizada cuando se expone a muchas personas puede ser utilizada por las personas que han accedido a ella para su propio beneficio. Por lo tanto, a la larga, las posibilidades de ganar el juego se reducen drásticamente porque algunas personas han estado expuestas a las fuentes con fugas de la base de datos. Por lo tanto, este tipo de crítica puede reducir las posibilidades de las empresas de crecer y prosperar.
La tercera crítica y final es la promoción mediante la cual existe la cuestión de la confiabilidad y la implementación de proyectos de big data. Por lo tanto, es muy difícil saber dónde termina el análisis tradicional y dónde comienzan los análisis modernos de big data. Los proyectos de Big Data están cuidadosamente protegidos, por lo tanto, si se violan, también pueden crear problemas de falta de fiabilidad en el uso de los análisis basados en la nube. Por lo tanto, las empresas están experimentando estas tres críticas en su funcionamiento.
¿Cuáles son algunos ejemplos reales del uso de Big Data en un entorno empresarial?
Según (Terry) existen varios sectores a los que Big Data ha contribuido masivamente y son una gran contribución de datos para el sector público por lo que ha habido una fusión de varias unidades del sector público. Por lo tanto, proporciona una gama de herramientas que se pueden utilizar, como la investigación de poder, el reconocimiento del engaño y la promoción económica. Big data se utiliza para examinar industrias basadas en alimentos como la FDA que se utiliza en la determinación de infecciones basadas en alimentos. En la educación, ha contribuido en gran medida mediante la cual los maestros pueden transmitir múltiples opciones al evaluar a sus estudiantes a través de sus plataformas móviles. Es la misma educación que se puede usar como detección de problemas, por lo que cuando un estudiante haya copiado la tarea, se le encontrará. Big data ha contribuido inmensamente a la atención médica mediante la cual los médicos pueden realizar un seguimiento de los registros históricos de sus pacientes. Además, Big Data ha facilitado un poco el trabajo a los profesionales de la salud, por lo que pueden extraer las condiciones del uso de las instalaciones de Big Data, por lo tanto, el profesional de la salud puede recetar medicamentos sin muchos problemas.
¿Cómo pueden los contadores utilizar Big Data?
En la profesión contable se preocupa por la prevención de riesgos en las organizaciones empresariales. Por lo tanto, Big Data ha permitido que los profesionales de finanzas puedan cuantificar y delegar estrategias para lidiar con el riesgo en el negocio. Las redes sociales pueden dar una alerta temprana sobre el riesgo que tiende a venir. El gobierno de datos también es otro importante por el cual los datos deben cumplir con las regulaciones y los propios indicadores clave de desempeño (Westra). El tercero es que puede ayudar a una mejor alineación de recursos y estrategias. No alinear la estrategia comercial es un problema común pero costoso. La profesión contable es una disciplina que se ocupa de los datos cuantitativos de donde los grandes datos con sus instalaciones ayudarán en la integración de estrategias comerciales que ayudarán en la construcción efectiva de estrategias efectivas a largo plazo. La estrategia de Big Data ayudará en la toma de decisiones en tiempo real, ya que en la profesión financiera será de gran utilidad para tomar una decisión efectiva incluso en situaciones tensas. Por lo tanto, con la incorporación de la contabilidad en la nube a los diversos negocios de contabilidad, ayudará a mejorar el rendimiento. El nivel de análisis en tiempo real puede ayudar en la venta del pronóstico del presupuesto y la gestión del flujo de efectivo. Por lo tanto, estas son las cuatro formas que se pueden utilizar en la profesión contable para mejorar el campo contable de las diversas empresas. Por lo tanto, la integración de la contabilidad en la nube ayudará a mejorar las plataformas de contabilidad de varias empresas. Por lo tanto, Big Data es muy vital en la mejora de las empresas, ya que es más fácil recuperar registros y evaluar los riesgos del negocio (Westra).
Referencias
Miller, R. Cinco beneficios de la ventaja competitiva de Big Data en los negocios . 14 de junio de 2017. 27 de marzo de 2018. .
Terry, M. “siete ejemplos de Big Data: aplicación de Big Data en la vida real”. Intellipaat (2016): 17-43.
Escuela W3training. Diferencia entre el big data hadoop y el sistema tradicional de gestión de bases de datos . 2015. Diferencia entre Big Data Hadoop y RDBMS tradicional.
Westra, S. “Cuatro formas de hacer uso de big data en contabilidad”. Unidad 4 (2016): 27-35.
mTAB – Lleva tu investigación más allá .. “Advertencias de Big Data: tres grandes críticas a Big data”. mtab (2017): 1-36. http://www.mtab.com/big-data-cav… .
