Con el crecimiento de los sistemas y dispositivos informáticos, con la proliferación de compuadores personales y teléfonos celulares y en especial con el desarrollo de la internet, el flujo de datos se hizo cada vez mayor. Esta expansión llevó a pensar en una nueva escala del datum: la Big Data. En el ecosistema computacional, el paso de la data tradicional a la Big Data marca una transición cualitativa y cuantitativa; ya no se trata solo de la representación de hechos discretos mediante bits, sino de un cambio de paradigma en la arquitectura, la infraestructura y los métodos de captura, almacenamiento, procesamiento y análisis masivo de información.
Big Data (macrodatos o datos masivos) es, en esencia, un concepto que va más allá del simple "mucho dato". Se refiere a conjuntos de datos tan grandes, rápidos y diversos que superan la capacidad de las herramientas tradicionales para capturarlos, almacenarlos, gestionarlos y analizarlos en un tiempo razonable. La clave no está solo en el volumen, sino en que esa magnitud obliga a usar tecnologías y métodos de procesamiento completamente nuevos.
Por lo tanto, de define como Big Data al conjunto de datos cuyo volumen, velocidad de generación y diversidad temática o formativa superan las capacidades de los sistemas de software y hardware de procesamiento tradicional (como las bases de datos relacionales estándar o las arquitecturas cerradas). Mientras que la data tradicional se diseñaba para ser capturada en esquemas rígidos (filas y columnas) y procesada secuencialmente, el Big Data surge cuando la digitalización omnipresente (redes sociales, sensores IoT, logs de servidores, señales GPS, transacciones financieras) genera un flujo continuo e ininterrumpido de activos de información altamente desestructurados.
La Big Data no es solo una moda, es un cambio de paradigma técnico. Para manejar estas características, se necesitan infraestructuras que permitan el escalamiento horizontal (añadir más servidores en lugar de uno más potente) y el procesamiento distribuido. Herramientas como Hadoop o el procesamiento en la nube son fundamentales para repartir la carga de trabajo entre muchos equipos. Además, requiere de técnicas analíticas avanzadas (como el machine learning o la minería de datos) para encontrar patrones en ese caos aparente y transformar los datos brutos en información útil.
Como vemos, este es modelo relativamente nuevo, que ha crecido con el siglo XXI. Para entenderlo, se suele recurrir al modelo de las "V", establecido por el analista Doug Laney en 2001. Aunque han surgido más, estas son las primeras tres, que pasaron a ser cinco, son las fundamentales: Volumen, Velocidad, Variedad y además Veracidad y Valor. En la siguiente publicación veremos a qué se refieren estas palabras y cómo definen a la Big Data.
No hay comentarios:
Publicar un comentario