La gestión de endpoints puede garantizar la seguridad, la organización y la eficacia de una empresa al proporcionar una visión global de la salud, la ubicación y el estado de los endpoints. Descárgate esta guía con donde encontrarás las principales tendencias en gestión de endpoints, los principales retos y mucho más.

Machine Learning

Big Data: Cómo se recopilan los grandes datos y qué especialistas se requieren para esto

Big Data: Cómo se recopilan los grandes datos y qué especialistas se requieren para esto. La transición de arreglos de datos comunes a grandes es una faceta especial de la tecnología que necesita especialistas y habilidades para trabajar en esta interfaz.

A pesar de que todavía hay escasez de especialistas en TI que trabajen con Big Data, el mercado se está desarrollando rápidamente: aparecen soluciones para banca y telecomunicaciones, se prevé el funcionamiento técnico de los equipos y el consumidor recibe recomendaciones personales sobre el contenido.

Recopilación de datos, granularidad y ejemplos de matrices de la vida real

Los datos son una fijación de hechos en el tiempo que surgen en cualquier tipo de interacción: una persona con una empresa, una máquina con una empresa, una máquina con una máquina o una máquina con una persona.

Para tomar un ejemplo del mundo real: una simple medición de la temperatura en una habitación durante un período produce una serie de datos. Recolectar, almacenar y procesar datos tiene un precio. Por lo tanto, cada empresa determina por sí misma qué tipo de datos necesitará para resolver sus problemas: desde procesos internos hasta la interacción con contrapartes externas o el seguimiento del comportamiento de los empleados.

Algunos datos no se utilizan dentro de la organización, pero son valiosos para otra empresa. Hay una cuestión de intercambio de información útil. Por ejemplo, si un minorista simplemente guarda todas las transacciones y no puede realizar una investigación debido a una visión global incompleta, siempre existe la opción de asociarse con otra empresa que tenga los datos relacionados deseados.

Por supuesto, con tales colaboraciones, se observa el anonimato y la despersonalización de los datos, se cifran y codifican conjuntos de información. Así, no se habla de que las empresas puedan transferir datos personales de los usuarios.

Big Data resuelve problemas empresariales: desde ver un programa de televisión hasta la efectividad de la publicidad exterior

Cada industria tiene una necesidad y aplicabilidad para productos de big data. Como regla general, dichos productos le permiten obtener una imagen más completa de la tarea, lo que antes era imposible. El enfoque tradicional es realizar estudios de panel, cuando la evaluación de los indicadores requeridos se basa en una muestra representativa pero bastante limitada.

Por ejemplo, para saber qué ven en la televisión los españoles, la empresa analiza solo 10.000 hojas de paneles y luego extrapola a toda la población de la ciudad. Si 1.000 de cada 10.000 personas vieron el programa, significa que aproximadamente el 10% de todos lo hicieron.

Big data le permite utilizar muestras significativamente más grandes para el análisis, ya que analiza, aunque de forma anónima, datos reales sobre el comportamiento del usuario. Un buen ejemplo de lo que esto puede generar es la historia de la analítica de campo.

Tradicionalmente, se usaban conjuntos limitados de medidas en esta área: por ejemplo, en ciertos puntos de la ciudad a ciertas horas, se contaba el número de coches que pasaban. Luego, los analistas extrapolaban los datos utilizando un modelo matemático complejo para todo el mes.

Como resultado del estudio, el cliente recibía una estimación de audiencia promedio por día para cada cartelera. El uso de datos obtenidos de sistemas de navegación y aplicaciones móviles ha hecho que los modelos anteriores sean significativamente más precisos.

Los analistas pueden asignar perfiles de audiencia para cada diseño según el día de la semana / hora. Y el uso de sensores Wi-Fi en las estructuras permitió estudiar el comportamiento de la audiencia: ver sus áreas de residencia e intereses.

Con base en big data, puede hacer predicciones correctas y entrenar modelos de aprendizaje automático. Por ejemplo, hacer una suposición de que el prestatario, basado en algunas características, puede no ser confiable. O, sobre la base de evidencia circunstancial, suponga que la unidad en la fábrica pronto requerirá mantenimiento.

Deja un comentario

Scroll al inicio