¡Hola! Somos un grupo de alumnos de 1ºBH de Salesianos Granada.
Vamos a investigar sobre las áreas emergentes: Big data e internet en las cosas.

Big Data es un término que describe el gran volumen de datos, tanto estructurados como no estructurados, que inundan los negocios cada día. Pero no es la cantidad de datos lo que es importante. Lo que importa con el Big Data es lo que las organizaciones hacen con los datos. Big Data se puede analizar para obtener ideas que conduzcan a mejores decisiones y movimientos de negocios estratégicos.

Esta es nuestra presentación de los periféricos de salida

Áreas emergentes

Las áreas emergentes se definen como innovaciones científicas que pueden crear una nueva industria o transformar una ya existente.

Las áreas emergentes están presentes en educación, deporte, medicina, psicología, trabajo social, seguridad, tecnología... Están presentes en prácticamente todas las facetas de nuestras vidas.

Big Data

                                               ¿Qué es Big Data?

Cuando hablamos de Big Data nos referimos a conjuntos de datos o combinaciones de conjuntos de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales, tales como bases de datos relacionales y estadísticas convencionales o paquetes de visualización, dentro del tiempo necesario para que sean útiles.

https://www.youtube.com/watch?v=mqMFMgVnRO8

                        ¿Por qué el Big Data es tan importante?

Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que tenían. En otras palabras, proporciona un punto de referencia. Con una cantidad tan grande de información, los datos pueden ser moldeados o probados de cualquier manera que la empresa considere adecuada. Al hacerlo, las organizaciones son capaces de identificar los problemas de una forma más comprensible.

El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y utilizarlos para identificar nuevas oportunidades.

·    Reducción de coste. Las grandes tecnologías de datos, como Hadoop y el análisis basado en la nube, aportan importantes ventajas en términos de costes cuando se trata de almacenar grandes cantidades de datos, además de identificar maneras más eficientes de hacer negocios.

·    Más rápido, mejor toma de decisiones. Con la velocidad de Hadoop y la analítica en memoria, combinada con la capacidad de analizar nuevas fuentes de datos, las empresas pueden analizar la información inmediatamente y tomar decisiones basadas en lo que han aprendido.

·    Nuevos productos y servicios. Con la capacidad de medir las necesidades de los clientes y la satisfacción a través de análisis viene el poder de dar a los clientes lo que quieren. Con la analítica de Big Data, más empresas están creando nuevos productos para satisfacer las necesidades de los clientes.

                                               
Todo proyecto centrado en Big Data se basa en tres capas tecnológicas:

Almacenamiento

Los recursos hardware y software permiten el almacenamiento distribuido y redundante de los datos, facilitando su acceso y disponibilidad, y evitando los silos de datos. Responden a dónde tener los datos.

Procesamiento

Las herramientas de procesamiento de los datos dan la base tecnológica para operar con grandes volúmenes de información batch o flujos rápidos de datos en tiempo real. Responden a cómo trabajar con los datos.

Análisis

Por último, los algoritmos y métodos realizan el análisis de los datos, produciendo información de valor para el negocio. Responden a qué hacer con los datos.

                               Desafíos de la calidad de datos en big data

Las especiales características del Big Data hacen que su calidad de datos se enfrente a múltiples desafíos. Se trata de las conocidas como 5 Vs: Volumen, Velocidad, Variedad, Veracidad y Valor, que definen la problemática del Big Data.

Estas 5 características del big data provocan que las empresas tengan problemas para extraer datos reales y de alta calidad, de conjuntos de datos tan masivos, cambiantes y complicados.

Ahora, podemos cargar información adicional que ya no se encuentra dentro de los dominios de la empresa: comentarios o likes en redes sociales, resultados de campañas de marketing, datos estadísticos de terceros, etc.

                                       Muchas fuentes y tipos de datos

La dificultad de integración de datos aumenta.

Las fuentes de datos de big data son muy amplias:

• ·   Datos de internet y móviles.
•     Datos de Internet de las Cosas.
•     Datos sectoriales recopilados por empresas especializadas.
•     Datos experimentales.

Y los tipos de datos también lo son: 
   
   Tipos de datos no estructurados: documentos, vídeos, audios, etc.
   Tipos de datos semi-estructurados: software, hojas de cálculo, informes
   Tipos de datos estructurados

El volumen de datos es enorme, y eso complica la ejecución de un proceso de calidad de datos dentro de un tiempo razonable.

Es difícil recolectar, limpiar, integrar y obtener datos de alta calidad de forma rápida. Se necesita mucho tiempo para transformar los tipos no estructurados en tipos estructurados y procesar esos datos.

                        Cómo construir un plan de Data Governance en Big data

Gobernabilidad significa asegurarse de que los datos estén autorizados, organizados y con los permisos de usuario necesarios en una base de datos, con el menor número posible de errores, manteniendo al mismo tiempo la privacidad y la seguridad.

1. Acceso y Autorización Granular a Datos

No se puede tener un gobierno de datos efectivo sin controles granulares.

Se pueden lograr estos controles granulares a través de las expresiones de control de acceso.

En el nivel más bajo, se protegen los datos confidenciales, ocultándolos, y en la parte superior, se tienen contratos confidenciales para científicos de datos y analistas de BI.

2. Seguridad perimetral, protección de datos y autenticación integrada

La gobernabilidad no ocurre sin una seguridad en el punto final de la cadena. Es importante construir un buen perímetro y colocar un cortafuego alrededor de los datos, integrados con los sistemas y estándares de autenticación existentes.

Con la autenticación, se trata de ver cómo integrarse con LDAP, Active Directory y otros servicios de directorio.

3. Encriptación y Tokenización de Datos

El siguiente paso es asegúrese de que los archivos y la información personalmente identificable estén encriptados y tokenizados de extremo a extremo del pipeline de datos.
Es necesario encriptar esos datos de forma que, independientemente de quién tenga acceso a él, puedan ejecutar los análisis que necesiten sin exponer ninguno de esos datos.

4. Constante Auditoría y Análisis

La estrategia no funciona sin una auditoría.

Es fundamental poder rastrear el acceso y reconocer patrones en los datos.

5. Una arquitectura de datos unificada

En última instancia, el responsable tiene que supervisar la estrategia de administración de datos empresariales, debe pensar en los detalles del acceso granular, la autenticación, la seguridad, el cifrado y la auditoría. También debe pensar en cómo esa infraestructura va a necesitar ser escalable y segura. 

• Noticia actual

https://www.elespanol.com/economia/20170228/197230375_0.html

Internet en las cosas

¿Se imagina un frigorífico que le avise de la fecha de caducidad de los alimentos que contiene? ¿O que las zapatillas que usa para hacer deporte registren "en la nube" las estadísticas de cuánto corre cada semana y a qué velocidad? ¿Y que los inodoros analicen su orina y le recomienden la dieta alimentaria que más le conviene seguir? ¿Qué pasaría si el cepillo de dientes le alertara de cualquier pequeña caries y pidiera por usted cita en el dentista? Son algunas posibles aplicaciones de lo que se conoce como el "Internet de las cosas" o "Internet de los objetos". Se trata de una revolución en las relaciones entre los objetos y las personas, incluso entre los objetos directamente, que se conectaran entre ellos y con la Red y ofrecerán datos en tiempo real. O dicho de otro modo, se acerca la digitalización del mundo físico. 
Pero si todas las cosas y objetos se conectan, es el mundo el que cambia.»

                           
https://www.youtube.com/watch?v=FrcmgTs7buY
                  
                       

                                  Consecuencias de internet de las cosas

Si todo lo que nos rodea está conectado a internet, todo puede verse de manera online. Cualquier persona o máquina podría acceder a toda nuestra información personal.

Aunque el internet de las cosas se aplique primero a la
automatización de la producción industrial, la sanidad, la
seguridad... Tarde o temprano llegará a nuestra vida cotidiana, nuestros puestos de trabajo etc.

Viviremos en un mundo totalmente dependiente y 
perderemos muchas costumbres, seremos más vagos en ciertos aspectos y nuestra intimidad se verá muy afectada.
Junto con el desarrollo de esta nueva organización también crecerá la piratería, el spam, los virus...

                         ¿Qué supondría tener todas las cosas interconectadas?

Si todo lo que existe en nuestro planeta estuviese conectado a internet, nuestra sociedad cambiaría de manera radical. Nuestro planeta se volvería INTELIGENTE.

Por ejemplo, cuando un objeto fuese robado sabríamos al instante dónde se encuentra. Esto mismo sucedería si perdiéramos alguna de nuestras pertenencias.

                                 Internet de las cosas en la actualidad

Todo esto que hemos visto no debería sorprendernos pues en nuestra sociedad ya podemos encontrar muchas ejemplos del internet de las cosas con identificadores únicos como:

Un implante para monitorizar el corazón de una persona.

•  Noticias actuales del Internet de las cosas

https://elpais.com/economia/2017/11/07/actualidad/1510072748_141957.html

https://elpais.com/tecnologia/2017/07/26/actualidad/1501047333_849632.html