Sinopsis

Afirmar que vivimos en una sociedad que cada vez genera mayores volúmenes de datos, parece algo muy obvio en el momento de escribir este libro. Las personas, en la
actividad diaria, ya sea en la faceta profesional o en la personal, nos hemos convertido en auténticos generadores de datos, de naturaleza muy distinta, que gracias a la tecnología, hoy somos capaces de capturar, para su posterior almacenamiento, procesamiento y ulterior análisis.
Este hecho, no es algo nuevo, la tecnología siempre ha sido un facilitador para capturar información y continúa siéndolo. La diferencia es que ahora, la tecnología es capaz de
lidiar con la ingente cantidad de datos generada y la variedad de los mismos, de manera que nos permite gestionarlos y analizarlos de una manera eficiente, incluso en tiempo
real.
Sin embargo, la utilidad de los datos no se fundamenta en la capacidad de gestionarlos y almacenarlos, la verdadera utilidad estriba en la capacidad de obtener información,
de manera que permitan tener un mejor y mayor conocimiento, que facilite la toma de mejores decisiones. Cuando hablamos de datos a la escala de Big Data, esto se convierte
en un verdadero reto, no sólo tecnológico, sino también organizativo y cultural. En este sentido, a lo largo del libro el lector descubrirá, tras una exposición de los principalesfundamentos y conceptos relativos al Big Data, cuáles son esos retos. En todos los capítulos, el lector encontrará ejemplos prácticos acerca de cómo, importantes y reconocidas compañías, hacen uso del Big Data y cómo se han enfrentado a esos retos.

El libro se ha estructurado en dos partes, la primera parte la constituyen los cinco primeros capítulos y en ella se hace una introducción a los principales conceptos relacionados con el Big Data. En primer lugar se presenta una breve introducción a lo que ha sido la gestión de los datos a lo largo de la historia desde que la tecnología irrumpió en de gestión y análisis de datos, para seguidamente adentrar al lector en los fundamentosy conceptos relacionados con el Big Data. A continuación, se hace una comparativa entre
lo que ha sido el análisis tradicional de los datos, lo que quedaría bajo el paraguas del conocido como business inteligence y las diferencias que supone Big Data frente a aquel, para por último, introducir al lector acerca de la idoneidad del uso del Big Data. Esta primera parte finaliza con un capítulo en el que se exponen, de forma breve, algunos ejemplos del uso que, empresas muy conocidas, están haciendo del Big Data. En la segunda parte del libro, se abordan los retos a los que se enfrentan las empresas para incorporar Big Data a su actividad normal. Muchos de los intentos de las empresas por adoptar Big Data, son considerados fallidos por estas, bien porque no se obtienen
resultados o bien porque no se alcanzan los resultados esperados. En esta segunda parte del libro el lector podrá identificar cuáles son los principales errores que cometen las empresas a la hora de implantar Big Data en sus procesos cotidianos, así como las recomendaciones y mejores prácticas seguidas por aquellas compañías que han conseguido incorporar Big Data de forma satisfactoria a su actividad normal.En los siguientes capítulos se procede a identificar los cambios necesarios que las empresas deben abordar para que la adopción del Big Data sea una proceso de mejora continua y no un evento esporádico en el tiempo, que acabe convirtiéndose en una inversión fallida. En este sentido, se introduce al lector en el concepto de “la cultura analítica de la organización”, es decir cómo realizar el cambio cultural que implica orientar a la organización hacia la utilización de los datos y su análisis como forma de tomar decisiones; lo que supone el seguimiento de unos rigurosos procesos en lo referente a la captura, normalización y universalización del acceso a los datos. A continuación se abordan aquellos cambios organizativos que subyacen a esta cultura, especialmente en lo relacionado con los perfiles profesionales orientados al manejo y gestión de los datos. Para finalizar, en el último capítulo, se tratan aquellos retos tecnológicos relacionados con el tratamiento y análisis de los datos. Normalmente cuando se escribe sobre tecnología y especialmente sobre tecnologías como el Big Data, sujetas a constantes cambios en breves periodos de tiempo, dada la continua evolución y mejora de la misma, se corre el riesgo de que lo escrito quede obsoleto incluso antes de su publicación, como probablemente ocurrirá con parte de lo expuesto en este capítulo. Siendo conscientes de esta realidad, con el enfoque que se ha hecho del mismo, se ha pretendido que el lector entienda los retos inherentes a la propia naturaleza del Big Data y cuáles serán las líneas fundamentales de evolución y mejora de las tecnologías y los sistemas de Big Data. Si se trabajan suficientemente los temas señalados, los lectores serán capaces de:

- Saber qué es Big Data, cuáles son sus orígenes, sus principales fuentes, los retos a los que se enfrenta y los principales tipos de aplicaciones que se pueden llevar a cabo.
- Determinar cómo y cuándo surgen los retos a los que se enfrenta el analista de datos en diferentes campos de actividad.
- Identificar las consecuencias que la generalización del uso de Big Data está teniendo en las organizaciones.
- Conocer las mejores prácticas y estrategias en la implementación de proyectos de Big Data.
- Entender el concepto de “cultura analítica” y su forma de implantarla en la organización, al mismo tiempo que identificar como su aplicación puede contribuir a la mejora en la toma de decisiones.
- Reconocer la importancia que los datos y su tratamiento tienen para las organizaciones actuales, a la vez que identificar las nuevas capacidades que es necesario manejar, así como los nuevos roles que estas nuevas capacidades y conocimientos generan.
- Entender cuáles son los retos tecnológicos a los que se enfrenta Big Data, así como su naturaleza y las soluciones que en el momento de escribir este libro están siendo utilizadas.
Finalmente, cabe señalar que la serie de libros a la que este pertenece, ha sido diseñada para que cualquier lector, independientemente de su capacitación previa, sea capaz de
adquirir unos conocimientos básicos y rigurosos sobre el tratamiento de los datos. En este sentido, se puede afirmar que los conceptos y temas tratados se abordan de forma
relativamente sencilla pero minuciosa. Este libro permitirá al lector identificar las ventajas del uso de Big Data y los procedimientos que deben seguirse para su adopción. Los libros siguientes adentrarán al lector en temas más específicos de cada una de las diferentes etapas del ciclo de vida de los datos.

Índice

1.3 Almacenes de Datos 24
1.4 Extracción, Limpieza, Transformación y Carga 27
2 Fuentes de Datos: Fuentes Propietarias y Open Data 31
2.1 Datos Estructurados 34
2.2 Datos Semiestructurados 54
2.3 Datos No Estructurados 59
2.4 Fuentes de Datos Propietarias y su Problemática 61
2.5 Open Data 62
3 La Calidad de los Datos 65
3.1 Técnicas de Profiling 67
3.2 El Muestreo de Datos 70
4 La Preparación de los datos 75
4.1 Operaciones de Preparación de Datos 76
4.2 Tratamiento de la Falta de Datos 77
4.3 Limpieza de Datos 78
4.4 Transformación de los Datos 80
5 Casos Prácticos 85
5.1 Introducción 85
5.2 Acceso a la máquina virtual 85
5.3 Caso Práctico 1: Clickstream 87
5.4 Caso Práctico 2: Smart Cities 103
Glosario 111