BankinterAdvertisement
 

8 soluciones tecnológicas de Big Data para el 2016

8 soluciones tecnológicas de Big Data para el 2016
Lunes, 11 de enero 2016

Data Lakes (repositorios únicos de todos los datos empresariales), R y Python (lenguajes especializados en modelización analítica avanzada) o Deep Learning (aprendizaje de modelos algorítmicos para el Internet de las Cosas) son los nuevos conceptos que darán que hablar durante este año.

Durante 2015 el concepto de Big Data se ha consolidado y la gran mayoría de empresas no solo lo han interiorizado como un paso imprescindible, sino que han apostado por proyectos relacionados con el análisis de datos, conscientes de las ventajas competitivas que les ofrece en la era digital. En este contexto, Tinámica ha querido destacar las ocho soluciones tecnológicas que se incorporarán al mercado y que impulsarán el Big Data durante este año:

1.- Integración de todos los datos empresariales en repositorios únicos denominados Data Lakes con bajos niveles de agregación para que, a partir de aquí, los datos puedan ser consultados por cualquier analista de la organización, avanzado o no, y dotarles de las reglas de negocio adecuadas (analítica e inteligencia).

2.- Predominio de nuevas arquitecturas de sistemas informacionales basados en Spark como tecnología Open Source para el procesamiento paralelo masivo de datos, imponiéndose a otros modelos basados en Hadoop.

3.- Establecer un Data Governance. La creación de Data Lakes y la integración de todo tipo de información facilitan una ingesta masiva de los mismos, pero requiere a posteriori del establecimiento de una serie de reglas de negocio y de conformidad, según cada sector, que aúne conceptos clave de negocio, reduzca indicadores clave (KPI´s) y asegure el 100% de calidad.

4.- Private Cloud para garantizar el acceso y la privacidad. El auge del cloud y sus altos costes unitarios, así como determinados requerimientos de blindaje y encriptación de la información, conllevan la instalación de clouds privados en los que los entornos y data sets de clientes estén altamente garantizados en el sentido de acceso y privacidad de la información.

5.- Virtualización de entornos de Hadoop y Spark. La necesidad de extender entornos de Big Data a todas las áreas de la organización va a provocar un mayor aprovechamiento de la infraestructura de hardware logrando efectos multiplicadores a través de diferentes tecnologías de virtualización, no solo VMware.

6.- R y Python se imponen como lenguajes especializados en modelización analítica avanzada, debido a la creciente incorporación en las empresas de Data Scientist.

7.- Deep Learning como metodología de aprendizaje en modelos algorítmicos que se incorporan al Internet de las Cosas para lograr la toma de decisiones automáticas y permitir que los modelos se perfeccionen en base a sus output.  De esta forma, habrá, cada vez más, un mayor acercamiento desde la inteligencia artificial a la forma de procesar la información por el cerebro humano teniendo en cuenta el funcionamiento y conectividad neuronal.

8.- Visualización analítica. Se impone la creatividad en la visualización de los datos de tal forma que se permitan analizar en una sola pantalla y a golpe de vista correlaciones impensables en los mismos con las tecnologías tradicionales, facilitando así la búsqueda de patrones y la toma de decisiones al respecto.


Grupo Control