El director de carrera de la U. Autónoma, Manuel Castillo, señaló que esta es “una primera instancia con difusión de tecnologías de última generación que mejoran la productividad de la empresas. La segunda será en agosto, en la UFRO y se hablará de tecnologías disruptivas”.
El evento tuvo como relatores a Patricio Lincoqueo, ingeniero Informático experto Big data y miembro de empresas Everis y director del área Migración Sistema Allegro Latam; Roberto Aldunate, Doctor en Ingeniería Informática, Magister en Ingeniería Civil e Informática; y a Patricio Galeas, director del Centro de Excelencia en Modelación y Computación Científica de la Universidad de La Frontera.
QUÉ SIGNIFICA BIG DATA
Para entender este concepto, resulta útil conocer ciertos antecedentes históricos. La definición de Gartner, de aproximadamente 2001, plantea que big data son datos que contienen una mayor variedad y que se presentan en volúmenes crecientes y a una velocidad superior. Esto se conoce como las 3 V:
- Volumen: La cantidad de datos importa. Con big data, deberá procesar grandes volúmenes de datos no estructurados de baja densidad. Puede tratarse de datos de valor desconocido, como feeds de datos de Twitter, flujos de clics de una página web o aplicación para móviles, o equipo con sensores. Para algunas organizaciones, esto puede suponer decenas de terabytes de datos. Para otras, incluso cientos de petabytes.
- Velocidad: ritmo al que se reciben los datos y (posiblemente) al que se aplica alguna acción. La mayor velocidad de los datos normalmente se transmite directamente a la memoria, en vez de escribirse en un disco. Algunos productos inteligentes habilitados para Internet funcionan en tiempo real o prácticamente en tiempo real y requieren una evaluación y actuación en tiempo real.
- Variedad: hace referencia a los diversos tipos de datos disponibles. Los tipos de datos convencionales eran estructurados y podían organizarse claramente en una base de datos relacional. Con el auge del big data, los datos se presentan en nuevos tipos de datos no estructurados. Los tipos de datos no estructurados y semiestructurados, como el texto, audio o vídeo, requieren de un pre-procesamiento adicional para poder obtener significado y habilitar los metadatos.