¿Qué es el Big Data?

• Volumen es la característica más obvia y que recoge el propio nombre de Big Data. Se pasa de manejar magnitudes de megabytes, gigabytes, como mucho Terabytes, a manejar Petabytes de forma cada vez más frecuente.

• Además de volumen de datos, su Variedad ha crecido exponencialmente, tanto por la tipología de datos como por

sus fuentes. Se ha pasado de manejar datos estructurados en bases de datos procedentes, en su mayoría, de fuentes

internas, a tratar datos estructurados, semiestructurados y desestructurados; de ser datos cuasi estáticos a datos dinámicos o en continuo cambio; de originarse en un número de fuentes limitadas a proceder de personas, máquinas, sensores, etc. Esta variedad y volumen, requieren un tratamiento diferente para poder convertirse en información.

• El tiempo es clave así que la Velocidad es la tercera ‘v’. La captura, movimiento y proceso de los datos se hace a gran velocidad, llegando a ser en tiempo real en algunos casos.

Además, algunos autores y organizaciones han añadido nuevas ‘v’ para definir de forma más precisa al Big Data, por

ejemplo, Veracidad (la calidad de los datos capturados es clave), Variabilidad (el significado de los datos cambia frecuentemente y se pueden producir inconsistencias que se han de manejar) y Valor (los ingresos o beneficios del Big Data).

Otro concepto relacionado que se maneja es el de data lake o lago de datos, en tanto que no sólo se trata de un almacenamiento de propósito específico de bajo coste y gran volumen, sino que se eleva a una agrupación o conglomerado de datos compartida por toda la organización en la que todo tipo de datos son accesibles simultáneamente por una variedad de motores de análisis sin apenas fricción. Es fácil ver que un concepto con un potencial tan grande para tratar volúmenes ingentes de datos –muchos de ellos personales- y desarrollar inferencias y correlaciones, lleva aparejados enormes posibilidades de progreso y a la vez retos importantes para la privacidad y la protección de datos personales a los que hay que hacer frente.

En un primer contacto con el Big Data, hay quien se plantea si no es Business Intelligence o inteligencia empresarial

con otro nombre. Ante esto hay que tener en cuenta que, si bien en ambos casos se maneja un volumen importante

de datos para ayudar en el análisis de la información y la toma de decisiones, en el Big Data se integra información de una mayor diversidad de fuentes (internas y externas) y formatos (variedad), y en muchos casos el resultado se ha de obtener con mucha mayor celeridad (velocidad).

Por otra parte, desde un punto de vista de arquitectura y tecnología, se puede estructurar un sistema Big Data en cinco capas principales:

• Capa de fuentes de datos: en esta capa estarían todos los orígenes de la información, desde bases de datos relacionales hasta cualquier tipo de datos, estructurados o no.

• Capa de integración: aquí se adquieren los datos y se integran en conjuntos con el formato adecuado.

• Capa de almacenamiento de datos: el conjunto de recursos adecuados para el almacenamiento de grandes volúmenes de datos.

• Capa de análisis y modelos de computación: esto incluye diversas herramientas de manejo de datos, que operan sobre los recursos de almacenamiento e incluyen la gestión de los datos y los modelos de programación.

• Capa de presentación y aplicación: incluye las tecnologías de visualización tales como dispositivos móviles, navegadores, etc. Una vez obtenido el conocimiento, éste se puede aplicar en distintos procesos.

Dentro de las tecnologías utilizadas destacan las herramientas open source, que integran el almacenamiento y procesado de datos, la gestión del sistema y otros módulos para ofrecer una solución completa.