Big data Paper

BIG DATA

Hoy en día, la disponibilidad tanto de tecnologías como sistemas para lidiar con grandes volúmenes de datos, nos permite la aplicación de estos a casos de uso común, como el evolucionario y el revolucionario.

Los acercamientos evolucionarios, envuelven el desarrollo de procesos complementarios y arquitecturas para acelerar el desempeño del procesamiento de data cuando se aplican a almacenamientos masivos con información estructurada y no estructurada.

Los acercamientos revolucionarios, pueden ver la completa restructuración de arquitecturas y procesos para poder soportar el camino en cómo van las cosas. Diferentes almacenamientos de información pueden juntarse en uno solo, permitiendo el análisis de conjuntos de información en lugar de pequeños.

La banca minorista

Este sector está en riesgo, debido a que no hay fidelidad de parte de los clientes, ya que a estos les da igual su banco y otro, y según estudios ellos responderían de manera entusiasta a ofertas financiaras de compañías como Google, Amazon, Apple entre otras.

Los clientes deben ser el centro de atención, para que la información dentro de la organización pueda entender mejor el servicio a cada cliente, para que sirva como información para el futuro. Big Data, proporciona los significados de los grandes volúmenes de información dispares (cuentas, crédito, tarjetas de crédito, tarjetas de débito,…) puedan tenerse juntas y sintetizadas en un paquete de bienes y servicios que será mejor para cada cliente individual.

Existen distintos procesos de ofrecer algo por parte de los bancos:

• Visión unificada
• Ofertas dinámicas
• Detección de fraude de tarjetas de crédito

Los nuevos modelos de negocios pueden generar nuevos modelos de negocios y oportunidades para los bancos minorista

La información que manejan los datos es alta y variada, por lo que sin embargo esta información es variada pero nos es útil para otro tipo de negocio, pero para vender esta data en sí, los bancos crea soluciones validadas basadas en dicha información, al analizar el comportamiento de los clientes que pagan con el POS, los bancos pueden guiar a los negocios para priorizar donde pueden colocar sus tiendas.

Otro punto importante es la segmentación de los clientes, ya que cada uno es crítico, por lo que las compañías crean servicios personalizados de acuerdo a cada segmento y el aseguramiento del negocio debe incluir herramientas para que se adapten al estilo de cada segmento, lo que les permite a las compañías para mejoras sus ventas

Asimismo las nuevas tecnologías pueden hacer que las organizaciones tengan mayor eficiencia, al mejorar las operaciones, los sistemas de almacenamiento y de base de datos

Las soluciones de Big Data se basan en 4 tendencias tecnológicas: Almacenamiento distribuido, computación distribuida, almacenamiento de data no estructurada (varios formatos) y análisis en tiempo real.

Existen tres tecnologías claves para la arquitectura de Big Data: Hadoop, NoSQL, event managment platforms.

Hadoop es un framework que emplea almacenamiento y procesamiento distribuido, usando un modelo de programación adaptable. Existen dos módulos HDFS (multiplica las copias de la información a diferentes servidores para permitir la conmutación por error) y MapReduce (Modelo de programación que respalda procesos de distribución de computación a través de Java API.

NoSQL se clasifican en: In-Memory (provee una respuesta rápida de información dinámica), Orientada al documento (Almacena documentos en XML o JSON) y Valor Clave (almacena información clave en paras desde información hasta blogs.

Las implementaciones comerciales de Big data, ya se encuentran en el mercado, esta tecnología ha madurado hasta el punto donde los servicios tales como seguridad y control de acceso han sido añadidos para ofrecer soluciones, junto con soporte formal, control, y manejo. Asimismo vemos que actualmente el uso de arquitectura de Nube se ha vuelto bastante común, ya que nos permite tener la información donde sea cuando sea.

Sistemas de datos son grandes por sus sistemas de naturaleza distribuida, normalmente con una escala significativa. Escala también afecta la economía de los proyectos de grandes datos. Aplicaciones de datos grandes pueden requerir un gran volumen de recursos informáticos y de almacenamiento. El éxito del despliegue de tecnologías de grandes datos requiere de personal especializado, que también puede ser costoso, especialmente dada la falta de madurez de estas tecnologías y la escasez de recursos especializados. Acceso a los datos no es el único desafío.

...