Archivo de la etiqueta: Big Data

Datos masivos en bibliotecas

Voutssas Marquez, Juan. Datos masivos en bibliotecas. México: Universidad Nacional Autónoma de México. Instituto de Investigaciones Bibliotecológicas y de la Información, 2022. 

Texto completo

En años recientes el fenómeno conocido como Big Data o Datos Masivos ha ido creciendo y hoy representa una herramienta nueva y válida en el análisis de información para la toma de decisiones en las organizaciones; entre ellas, las bibliotecas. Muchas nuevas actividades y proyectos pueden realizarse en las bibliotecas con esta metodología. Pero como todo avance tecnológico, éste tiene sus ventajas y desventajas, las cuales deben ser conocidas y estudiadas. Por lo mismo, es conveniente que el personal dedicado a la gestión de la información –especialmente en las bibliotecas– se introduzca en el conocimiento de esos conceptos, herramientas y procedimientos, ya que sin duda es un elemento de valor agregado tanto para la organización como para el personal que se dedica a esas actividades.

DataOps: una guía para todo el proceso de análisis de datos

«A Guide to DataOps | IEEE Computer Society». Accedido 24 de enero de 2023. https://www.computer.org/publications/tech-news/trends/what-is-dataops/.

DataOps es un conjunto de prácticas, procesos y tecnologías que combina una perspectiva integrada y orientada a los procesos de datos con la automatización y los métodos de la ingeniería de software ágil para mejorar la calidad, la velocidad y la colaboración y promover una cultura de mejora continua en el ámbito de la analítica de datos

Los datos impulsan todo lo que hacemos. Por este motivo, el análisis de datos se ha convertido en uno de los elementos más importantes de la programación, la ingeniería y las pruebas en todas las organizaciones. Pero las técnicas tradicionales de gestión de datos están fallando a las empresas al ser incapaces de hacer frente a conjuntos de datos enormemente complejos.

Es importante poder procesar estos conjuntos por su uso en la construcción de grandes sistemas técnicos como un mainframe de IBM, sobre el que se construyen muchos sistemas de uso generalizado.

La complejidad de los conjuntos de datos viene dada por su tamaño y diversidad, pero también por el tamaño y la diversidad geográfica y de experiencia de los equipos de tratamiento de datos. El crecimiento de los datos en la industria está provocando, paradójicamente, un caos que se traduce en el fracaso de los proyectos de datos.

Aquí es donde entran en juego las DataOps, como solución potencial al caos de los datos y al fracaso de los proyectos.

DataOps es un conjunto de prácticas y procesos definidos cuyo objetivo es situar los datos en el centro de la optimización fomentando la velocidad, la calidad y la colaboración en el análisis de datos.

Se puede considerar como una cultura o forma de trabajar, centrada en la comunicación entre diferentes profesionales de los datos y en la integración de diversas herramientas y principios de desarrollo en una forma cohesiva de procesar los datos.

DataOps es más que una única herramienta o método. Es un enfoque del procesamiento de datos que pretende reducir los errores y permitir que los sistemas gestionen grandes conjuntos de datos sin pérdidas.

DataOps presenta algunas ventajas clave que lo convierten en un enfoque eficaz para la gestión de datos:

  • Rapidez. Con la reducción de errores y el procesamiento eficaz de grandes conjuntos de datos, los equipos de datos pueden trabajar más rápido sin comprometer la calidad.
  • Fiabilidad. Los datos procesados tradicionalmente tienen un problema de fiabilidad, lo que significa que las decisiones y los proyectos basados en datos fallan en mayor medida que los realizados con técnicas DataOps.
  • Control. Cuando todo un equipo es capaz de trabajar en un conjunto de datos con diferentes herramientas sin comprometer los datos, tienen más control sobre los datos y su capacidad para procesarlos y manipularlos.
  • Colaboración: al utilizar herramientas de colaboración como un almacén de datos, varias personas pueden trabajar en el mismo conjunto de datos y aportar sus propios conocimientos y experiencia a esa información.

Investigación de datos del consumidor.

Cheshire, J., Longley, P., & Singleton, A. (2018). Consumer Data Research. UCL Press.

Texto completo

Los big data recopilados por organizaciones orientadas al cliente -como registros de teléfonos inteligentes, transacciones con tarjetas de fidelización de tiendas, billetes de viaje inteligentes, publicaciones en redes sociales o lecturas de contadores de energía inteligentes- representan la mayor parte de los datos recogidos sobre los ciudadanos en la actualidad. Como resultado, están transformando la práctica de las ciencias sociales.

Los macrodatos de consumo se distinguen de los datos convencionales de las ciencias sociales no sólo por su volumen, variedad y velocidad, sino también por su procedencia y adecuación a cada vez más fines de investigación. Los autores de este libro, todos ellos del Centro de Investigación de Datos de Consumo, ofrecen una primera exposición consolidada del enorme potencial de la investigación de datos de consumo en los sectores académico, comercial y gubernamental, así como una oportuna valoración de las formas en que los datos de consumo desafían las ortodoxias científicas.

Big Data en salud digital

“Big Data en salud digital” a Fundación Vodafone España y Red.es. 2017

Texto completo

Big data se basa en el procesamiento, análisis y visualización de grandes bases de datos, no necesariamente estructuradas, para la toma de decisiones. Este enfoque, relativamente reciente, está adquiriendo una gran relevancia gracias a la acumulación masiva de datos favorecida por la implantación generalizada de las tecnologías de la información y la comunicación.

Concretamente, 2002 fue el año en que el volumen de información digitalizada superó por primera vez la cantidad de información almacenada de forma analógica y puede ser considerado, por tanto, como el inicio de la era digital de la información (Hilbert, 2011). Actualmente, sobre todo desde la generalización del uso de las redes sociales y los smartphones, esta cantidad de información digitalizada crece de forma exponencial. Algunos sectores, como el comercial y financiero, han sido los principales impulsores de esta tecnología, teniendo a las grandes empresas tecnológicas como las principales pioneras. Éstas integran de forma estratégica en su negocio los avances y descubrimientos que van realizando, a los que, de forma pública, se tiene difícil acceso. Por otro lado, los datos relacionados con la salud también han estado siguiendo esta tendencia.

Así, gracias a Internet, la popularización de los smartphones y la aparición de multitud de sensores y redes sociales, los datos masivos, que incluyen no sólo registros clínicos y operacionales sino también texto, audio o vídeo y multitud de registros biométricos, son susceptibles de ser analizados para proporcionar información nueva y útil para los sistemas de salud.

En este sentido, Big Data abre una nueva era para mejorar la prestación de servicios de salud. Se abren nuevas oportunidades, tanto para el diagnóstico y el tratamiento de multitud de problemas de salud y la capacidad, aún incipiente, de proporcionar nuevos servicios personalizados mediante su detección en tiempo real y la adecuación de los tratamientos desde una perspectiva hipersegmentada.

Ciencia de los datos, computación centrada en el ser humano y tecnologías inteligentes

Hajian, Aram, et al., editores. Data Science, Human-Centered Computing, and Intelligent Technologies. Logos Verlag Berlin, 2022.

Texto completo

En agosto de 2022, investigadores y desarrolladores de Armenia, Chile, Alemania y Japón se reunieron en la Universidad Americana de Armenia para la tercera edición del Taller CODASSCA sobre Tecnologías Colaborativas y Ciencia de Datos en Aplicaciones de Ciudades Inteligentes, coorganizado con una Escuela de Verano sobre Redes Neuronales Artificiales y Aprendizaje Profundo. Este libro presenta sus contribuciones sobre tecnologías inteligentes en ciencia de datos y computación centrada en el ser humano.

Los datos están en todas partes, pero convertirlos en información no es gratis.

Los datos están en todas partes, pero convertirlos en información no es gratis. Requiere concentración, esfuerzo, consulta y tiempo.

Seth Godin «Data, information and decisions Data is everywhere, but turning it into information isn’t free».

https://seths.blog/

Más información sólo es útil si te ayuda a tomar una decisión. Saber la temperatura de Saturno no es útil. Saberla con más precisión aún es menos útil. Eso es porque no tomamos ninguna decisión que tenga que ver con la temperatura de otro planeta.

Estamos rodeados de datos que nuestras hojas de cálculo o redes o cohortes parecen querer que conozcamos. Cuánta gente hizo clic ayer, o lo que alguien escribió en un comentario, lo que vendió un libro de la lista de éxitos o el tráfico de personas en esa tienda frente a esta otra.

Pero si no vas a utilizar los datos para tomar una decisión, no inviertas el tiempo en exponerte a ellos. Es la resistencia en el trabajo.

Si no puedes hacer nada con los datos, nunca serán información.

Big Data. Hablemos de datos

Big Data. Hablemos de datos. Madrid: Fundación Telefónica, 2022

Texto completo

El reto del big data consiste en poder gestionar la avalancha de información en bruto que nos rodea para darle una utilidad, debido a que en esta era es fundamental tener claro cuál es la importancia de los datos. La data science es una disciplina basada en métodos matemáticos, estadísticos y de programación informática, que permite responder a preguntas relacionadas con la estrategia de una empresa u organización.

Aplicación de Big Data e Inteligencia Artificial en bibliotecas. Planeta Biblioteca 2022/04/06.

Aplicación de Big Data e Inteligencia Artificial en bibliotecas. Planeta Biblioteca 2022/04/06.

ESCUCHAR

Ir a descargar

Hemos entrevistado a Hugo Agud Andreu, presidente de la empresa de software para bibliotecas Orex Digital, que nos ha presentado dos de las nuevas aplicaciones que han desarrollado sobre la aplicación de big data e inteligencia artificial. Orex Big Data y Orex Analytics. en el programa hemos hablado sobre la importancia del software libre, la importancia de la gestión de datos para diseñar mejores servicios y conocer mejor la las necesidades de los usuarios; así como apoyar las recomendaciones y las adquisiciones a través de la la inteligencia artificial.

Investigación de Big Data para las ciencias sociales y el impacto social

Visvizi, Anna, et al. Big Data Research for Social Sciences and Social Impact. MDPI – Multidisciplinary Digital Publishing Institute, 2020.

Texto completo

La integración de las ciencias sociales y la investigación en sistemas de información permite una nueva era de innovación. En este contexto, la adopción de la tecnología de Big Data y de la analítica aporta nuevos conocimientos a las ciencias sociales. También ofrece respuestas nuevas y flexibles a problemas y retos sociales cruciales. Nos enorgullece presentar este volumen editado sobre el impacto social de la investigación en big data.

Se trata de una de las primeras iniciativas a nivel mundial que analiza el impacto de este tipo de investigación en los individuos y los problemas sociales. La organización del debate correspondiente se articula en torno a tres pilares: Sección A: Investigación de Big Data para el impacto social: – Big Data y su impacto social; – Ciudadanos (inteligentes) de proveedores de datos a tomadores de decisiones; – Hacia el desarrollo sostenible de las comunidades en línea; – Sentimiento de las redes sociales en línea; – Big Data para la innovación. Sección B. Técnicas y métodos para la investigación impulsada por Big Data para las ciencias sociales y el impacto social: – Minería de opinión en los medios sociales; – Análisis del sentimiento de las preferencias de los usuarios; – Comunidades urbanas sostenibles; – Comportamiento de registro basado en el género mediante el uso de Big Data de los medios sociales; – Técnicas de minería de datos en la web; – Análisis de redes semánticas de la percepción de los medios de comunicación heredados. Sección C. Estrategias de investigación de Big Data: – Necesidades de habilidades para los investigadores que inician su carrera – Enfoque de minería de textos; – Reconocimiento de patrones a través del análisis bibliométrico; – Evaluación de la preparación de una organización para adoptar Big Data; – Aprendizaje automático para predecir el rendimiento; – Análisis de reseñas en línea mediante minería de textos; – Red de contexto-problema y método cuantitativo de análisis de patentes. Factores sociales y tecnológicos complementarios que incluyen: – Las grandes redes sociales en el desarrollo económico sostenible; La inteligencia empresarial.

Cómo obtener valor añadido real con la analítica de datos y la IA

Cómo obtener valor añadido real con la analítica de datos y la IA. Quint, 2021

Texto completo

El informe se basa en una consulta a empresas de todos los sectores para conocer hasta qué punto están aprovechando el potencial de las analíticas de datos y de la inteligencia artificial. Además revisa el valor añadido que están obteniendo con ello. Los resultados muestran que muchas empresas han identificado el potencial estratégico del uso de datos específicos con la ayuda de las analíticas de datos. Sin embargo, en ocasiones la transformación de esos datos en valor sigue siendo una asignatura pendiente. En el lado positivo, las analíticas de datos tiene una importancia estratégica para el 87% de los encuestados y el 81% ya tiene previsto ampliar sus actividades de en materia de analíticas de datos. Por otro lado, sólo el 66% impulsa sistemáticamente estas ideas. El mayor obstáculo, citado por el 43% de los encuestados, es la falta de conocimientos específicos, mientras que el 41% señala la falta de herramientas y tecnologías y el 39% la calidad de los datos.