Para citar un informe de Forbes 2020 en las próximas décadas.
“El constante aumento de velocidades de procesamiento de datos y ancho de banda, la invención sin parar de nuevas herramientas para crear, confiando y compartiendo datos, y la constante adición de los consumidores de clase media alrededor del mundo. asegurar que el crecimiento de los datos continúe sin disminuir. Los datos inician más datos en un ciclo virtuoso constante”.
Un moderno ecosistema de datos incluye toda una red interconectada, independiente, y entidades en continua evolución. Incluye datos que tienen que ser integrado de fuentes dispares, diferentes tipos de análisis y habilidades para generar conocimientos.
Partes interesadas activas para colaborar y actuar sobre la información generada, y las herramientas, aplicaciones y la infraestructura para almacenar, proceso y difundir los datos según sea necesario.
Comencemos con las fuentes de datos. Los datos están disponibles en una variedad de conjuntos de datos estructurados y no estructurados, residiendo en texto, imágenes, vídeos, flujos de clics, conversaciones de usuario, plataformas de redes sociales, el Internet de las cosas o dispositivos IoT, eventos en tiempo real que transmiten datos, bases de datos heredadas, y datos obtenidos de proveedores profesionales de datos y agencias.
Las fuentes nunca antes han sido tan diversas y dinámicas.
Cuando trabajan con tantas fuentes de datos diferentes, el primer paso es extraer una copia de los datos de las fuentes originales en un depósito de datos.
En esta etapa, solo están buscando adquirir los datos que necesitan trabajando con formatos de datos, fuentes e interfaces en la que estos datos pueden ser extraídos.
Fiabilidad, seguridad e integridad de los datos adquiridos son algunos de los los desafíos que se trabajan en esta etapa.
Una vez que los datos brutos están en un lugar común, necesita ser organizado, limpiado, y optimizado para el acceso de los usuarios finales.
Los datos también necesitarán ajustarse a el cumplimiento y estándares aplicados en la organización.
Por ejemplo, conforme a las directrices que regulan el almacenamiento y el uso de los datos personales, como salud, biometría o datos del hogar en el caso de los dispositivos IoT.
Adherirse a las tablas de datos maestras dentro de la organización para garantizar la estandarización de datos maestros a través de todas las aplicaciones y sistemas de una organización es otro ejemplo.
Los desafíos clave en esta etapa podrían involucrar la gestión de datos y el trabajo con repositorios de datos que proporcionan alta disponibilidad, flexibilidad, accesibilidad, y seguridad.
Finalmente, tenemos nuestras partes interesadas de negocio, aplicaciones, programadores, analistas y casos de uso de ciencia de datos, todos extrayendo estos datos de el repositorio de datos empresariales.
Los principales retos en esta fase podrían incluir las interfaces, APIs, y aplicaciones que pueden obtener estos datos para los usuarios finales en línea con sus necesidades específicas.
Por ejemplo, los analistas de datos pueden necesitar los datos en bruto para trabajar con ellos.
Es posible que las partes interesadas de la empresa necesiten informes y cuadros de mando. Las aplicaciones pueden necesitar APIs personalizadas para obtener estos datos.
Es importante notar la influencia de algunas de las nuevas y emergentes tecnologías que están dando forma al actual ecosistema de datos y sus posibilidades, por ejemplo: la computación en nube, aprendizaje automático, y big data, por nombrar algunos.
Gracias a las tecnologías en la nube, hoy en día, todas las empresas tienen acceso a un almacenamiento ilimitado, informática de alto rendimiento, tecnologías de código abierto, tecnologías de aprendizaje automático, y las últimas herramientas y bibliotecas. Los científicos de datos están creando modelos predictivos al entrenar algoritmos de aprendizaje automático sobre datos pasados, también big data.
Hoy, estamos tratando con conjuntos de datos que son tan masivos y tan variados, que las herramientas tradicionales y los métodos de análisis ya no son adecuados, allanando el camino para nuevas herramientas y técnicas y también nuevos conocimientos e ideas.
Aprenderemos más sobre big data y su influencia en dar forma a las decisiones de negocios más adelante en este curso.