Big Data y la innovación Global en Servicios Actual y Futura

www.hcglobalgroup.com Contacto: [email protected]

Santiago-Chile, Latino América.

INNOVACIÓN, EMPRENDIMIENTO, TECNOLOGÍA.

HERRAMIENTAS PARA EL FUTURO CRECIMIENTO.

22-08-2013

HUGO CÉSPEDES A.

Big Data y la Innovación Global en

Servicios Actual y Futura

La Innovación Tecnológica siempre nos sorprende con su rapidez y beneficios, así como la influencia que ejerce en nuestro diario vivir actual y futuro. Pero específicamente ¿qué es Big Data? ¿por qué tanta relevancia hoy en día con esta revolución tecnológica? ¿en qué podemos observar sus aplicaciones y beneficios inmediatos? ¿cómo nos beneficia actualmente? ¿Qué nos depara el futuro del Big Data? Estos y otros puntos, son abordados en el presente artículo.

Technology

hugo

Typewritten Text





INDICE TEMÁTICO

Introducción y Evolución Histórica del Concepto.

Definición del BIG DATA.

- El Mundo Académico y el Big Data.

- Tipo de Información que trata el Big Data (Internet y Social Media, M2M, Grandes

Transacciones, Generado por Humanos, entre otros.

Arquitectura del Big Data.

- Haddop (Hoddop Distributed File System, Hadoop MapReduce, Haddop Common).

- Avro, Cassandra, Chukwa, Flume, HBase, Hive, Jaql, Lucense, Oozie, Pig,

Zookepper).

Big Data y la Innovación Global de Servicios (Actual y Futura).

- Aplicaciones del Big Data Actualmente.

- Ciencias Sociales Computacionales.

- Gobierno.

- Sector Privado.

- Desarrollo Internacional.

- Caso Big Data y el Comportamiento de las Personas.

- La Utilidad del Big Data en e-Commerce (El Big Data transforma Negocios, La

Cara del Big Data, Big Data en tesoros Históricos, Sistemas de Evaluación de

Riesgo, Desarrollo de Programación Externa y Co-Diseño con Clientes).

- Caso del Big Data en el Sector Salud (Desbloqueo del Valor oculto de los Datos).

- Caso Big Data en la Industria de Entretención de Juegos (Telemetría Enriquecida).

- Caso Big Data y sus Aplicaciones en el Deporte.

- Caso Big Data en la Educación.

- Big Data y el Caso “Prism y Boundless Informant” para Espionaje por parte de

Estados Unidos y otras Naciones.

- Caso Big Data y las Smart Cities.

- 5 Proyectos Big Data que pueden impactar tu vida.

- Cómo se Comportan los Clientes: Utilizando Datos para Conducir la Innovación,

Desarrollo & Estrategia Digital.

- Big Data y el Futuro.

- Conclusiones y Palabras al Cierre.





Big Data y la Innovación Global en Servicios Actual y

Futura

La Innovación Tecnológica siempre nos sorprende con su rapidez y beneficios, así como la influencia que

ejerce en nuestro diario vivir, actual y futuro. Pero específicamente ¿Qué se entiende por Big Data? ¿Por

qué tanta relevancia hoy en día con esta revolución tecnológica? ¿En qué áreas podemos observar sus

aplicaciones y beneficios inmediatos? ¿Cómo nos beneficia actualmente? ¿Qué nos depara el futuro del

Big Data? Esto y otros aspectos son los que nos aprontamos a abordar a continuación.

INTRODUCCIÓN Y EVOLUCIÓN HISTÓRICA DEL CONCEPTO.-

Hablar de los orígenes del “Big Data” es complicado y relativo, dependiendo del punto de vista desde el cual

se borden. Sin embargo, si lo vemos desde un punto de vista macro e histórico, es más fácil su dilucidación

sus efectos en los Servicios a nivel global, tema del cual habíamos hablado anteriormente1. Los orígenes del

Big Data comienza muchos años antes del “rumor mismo del Big Data”. Ya hace setenta años, tal como lo

sostiene Gil Press2, nos encontramos con los primeros intentos de cuantificar la tasa de crecimiento del

volumen de datos o lo que se conoce como “la explosión de la información” (término utilizado por primera

vez en 1941, Diccionario Oxford, en inglés). A continuación, presentamos los principales hitos en la historia

del dimensionamiento de los grandes volúmenes de datos, así como las primeras ideas sobre el Big Data y

las observaciones relativas a los datos o explosión de la información.

1944, Fremont Rider, bibliotecario de al Universidad de Wesleyan, publica “The Scholar and the Future on

the Research Library”, donde estima que las bibliotecas universitarias americanas duplicarán su tamaño cada

16 años. Dada esta tasa de crecimiento, especula que la biblioteca de Yale en 2040 tendrá aproximadamente

200 millones de volúmenes, que ocuparán más de 6.000 kilómetros de estanterías, lo cual requerirá

personal de catalogación de estanterías del orden de 6.000 personas.

1961, Derek Price publica “Science Since Babylon”, en donde traza el crecimiento de los conocimientos

científicos al ver el crecimiento en el número de publicaciones y trabajos científicos. Llega a la conclusión de

que “el número de nuevas revistas ha crecido de manera exponencial y no lineal, duplicándose cada 15

años, multiplicándose su crecimiento por un factor de 10 cada medio siglo”. Price denomina a esto “Ley de

crecimiento Exponencial”, explicando que “cada avance genera nuevos avances a una tasa de crecimiento

1 HCGlobal Group, Hugo Céspedes A., “Service Design y la Nueva Economía Global de Servicios”,

http://www.hcglobalgroup.com/HCGlobal%20Group/service_design_y_la_nueva_econom.htm 2 Forbes, Gil Press, “A Very Short History of Big Data”, 09/05/2013, http://www.forbes.com/sites/gilpress/2013/05/09/a-

very-short-history-of-big-data/

http://www.hcglobalgroup.com/HCGlobal%20Group/service_design_y_la_nueva_econom.htm

http://www.forbes.com/sites/gilpress/2013/05/09/a-very-short-history-of-big-data/






constante razonable, por lo que el número de generación de nuevo conocimiento es estrictamente

proporcional al tamaño d la población de los descubrimientos en cualquier momento dado”.

1967, B.A. Marron y P.A.D. de Maine publican “Automatic Data Compression”, en The Communication of the

ACM, afirmando que “la explosión de la información de los últimos años hace que sea esencial que los

requerimientos de almacenamiento de toda la información se reduzca al mínimo”. El documento describe

“un compresor de tres partes totalmente automático y rápido para reducir en gran medida los requisitos de

almacenamientos externos lentos, y poder aumentar la tasa de transmisión de información a través de un

ordenador.

1971, Arthur Miller escribió “The Assault on Privacy”, donde habla sobre el tema de que existen demasiadas

manipulaciones sobre la información en el afán de medir a un hombre por el número de bits de capacidad

de almacenamiento que su expediente ocuparía.

1975, El Ministerio de Correos y Telecomunicaciones de Japón comienza la realización del Censo de Flujo de

Información, que busca llevar a cabo el seguimiento del volumen de información que circula por Japón (idea

sugerida por primera vez en un documento en 1969). El Censo presenta “las cantidades de palabras” como

unidad de medida para la unificación en todos los medios. El Censo de 1975 ya considera que la oferta de

información está aumentando mucho más rápido que el consumo de información, y en 1978 se informa que

“la demanda de información proporcionada por los medios de comunicación se ha estancado, y la demanda

de información proporcionada por el personal de medios de telecomunicación (caracterizada por

comunicaciones de dos vías) se ha incrementado drásticamente… Nuestra sociedad se está moviendo hacia

una nueva etapa en el que se coloca más prioridad en la Información Segmentada, más detallada para

satisfacer las necesidades individuales, en lugar de Información Convencional Masificada.

1980, A. Tjomsland dicta una charla titulada “¿Hacia dónde vamos desde aquí?” en el Fourth IEEE

Symposium on Mass Storage Systems, donde sostiene que “aquellos que están asociados con dispositivos de

almacenamiento, ya hace tiempo se han dado cuenta de que la primera Ley de Parkinson puede ser

parafraseada para describir a la industria. Los datos se expanden para llenar el espacio disponible.. Creo que

se retienen grandes cantidades de datos, ya que los usuarios no tienen forma de identificación de datos

obsoletos, por lo que las sanciones al almacenamiento de datos obsoletos son menos datos potencialmente

útiles”.

1981, La Oficina Central de Estadísticas de Hungría inicia un proyecto de investigación para dar cuenta de la

información de las industria por país, incluida la medición del volumen de información en bits. La

investigación continúa hasta nuestros días. En 1993, Istán Dienes, científico jefe de la Oficina Central de

Estadística de Hungría, compila un manual para un Sistema Estándar de las Cuentas Nacionales de

Información.





1983, Ithiel de Sola Pool, publica “Tracking the Flow of Information”, en Science. En base e las tendencias de

crecimiento en 17 importantes medios de comunicación desde 1960 a 1977, concluye que “las palabras a

disposición de los estadounidenses (mayores de 10 años) a través de los medios de comunicación, crecieron

a un ritmo de 8,9 por ciento al año, es decir, en efecto se generan a partir de los medios de comunicación en

apenas 2,9% por año. En el período de observación, gran parte del crecimiento en el flujo de información se

debió al crecimiento en la radiodifusión. Pero hacia el final de ese período (1977), la situación cambió: los

medios de comunicación e punto a punto estaban creciendo más rápido que la radiodifusión”. Pool ,Inose,

Takasaki y Hurwitz siguen en 1984 con “Communications Flows: A Cencus in the United States”, un libro

donde comparan los volúmenes de información que se producen en Estados Unidos y Japón.

1986, Hal B. Becker publica “Can Users Really Absobr Data at Today´s Rates and Tomorrow´s Rates? In Data

Communications”. Becker estima que “la densidad de recodificación lograda por Gutenberg fue

aproximadamente de 500 símbolos (caracteres) por pulgada cúbica. 500 veces la densidad de las tablillas de

arcilla (4.000 A.C. en Sumeria). Para el año 2000, la memoria de acceso aleatorio de los semiconductores

debería albergar 1,25 x 10^11 bytes por centímetro cúbico”.

1996, el Almacenamiento Digital se vuelve más rentable para el Almacenamiento de Datos en Papel, de

acuerdo a R.J.T. Morris y B.J. Trukowski, en “The Evolution of Storage Systems”, IBM Systems Journal, Julio 1,

2003.

1997, Michael Cox and David Ellsworth publican “Application controlled demand paging for out of core

visualization” en las Actas de la 8º Conferencia IEEE sobre Visualización. Comienzan el artículo con el hecho

de que la Visualización ofrece un interesante desafío para los sistemas informáticos: los conjuntos de datos

son generalmente bastante grandes, gravado en la capacidad de memoria principal, discos locales y discos

remotos. Llamaron a esto el “Problem of Big Data”. Cuando los conjuntos de datos no caben en la memoria

principal (en el núcleo), o cuando no caben incluso en un disco local, la solución más común es adquirir más

recursos. Es el primer artículo de la biblioteca digital de ACM en utilizar el término “Big Data”.

1997, Michael Lesk publica “How much information is there in the world?”. Lesk concluye que “puede haber

unos pocos miles de petabytes de información contenidos; y la producción de cintas y discos enriquecerán

este nivel para el año 2000”. Así que en sólo unos pocos años: a) Seremos capaces de guardar todo (sin dejar

fuera información alguna, b) la típica pieza de información no podrá ser bloqueada por el ser humano

nunca.

1998, John R. Masey, Jefe Científico de SGI, presenta en una reunión USENIX un artículo titulado “Big Data

and the Next Wave of Infrastress”.

1998, K.G. Coffman y Andrew Odlysko publican “The Size and Growth Rate of the Internet”. Llegan a la

conclusión de que la tasa de crecimiento del tráfico en la Internet Pública , mientras más baja es a menudo

citada, sigue siendo alrededor de 100% por año, muy superior al tráfico en otras redes. Por lo tanto, si las





tendencias de crecimiento actuales continúan, el tráfico de datos en los Estados Unidos superará el tráfico

de voz hacia el año 2002 y será dominado por la Internet. “Odlyzko luego establece los estudios de tráfico de

Internet de Minnesota (MINTS), haciendo un seguimiento del crecimiento del tráfico en Internet desde

2002 a 2009.

1999, Steve Bryson, David Kenwright, Michael Cox, David Ellsworth y Robert Haimes publican “Visually

Exploring Gigabytes data sets in real times”, en Communications of the ACM. Es el primer artículo de la

CACM en utilizar el término “Big Data”. El artículo comienza con la siguiente declaración: “ordenadores muy

potentes son una bendición para muchos campos de la investigación. También son una maldición, cálculos

rápidos arrojan grandes cantidades de datos. Cuando los conjuntos de datos en megabytes alguna vez

fueron considerados grandes, ahora nos encontramos con conjuntos de datos de simulaciones individuales

en el rango de 300 Gigabytes. Pero la compresión de datos resultantes de los cálculos de alta gama debe ser

considerada u esfuerzo significativo. Como más de un científico ha dicho, es simplemente difícil ver todos los

números. Como Richard W. Hamming (matemático y pionero informático) señaló: “El propósito de la

computación es una visión, no números”.

1999, Bryson, Kenwright y Haimes junto a David Banks, Robert van Liere y Sam Uselton discuten en un panel

titulado Automation or Interaction: What´s best for Big Data?”, en la conferencia IEEE de 1999 sobre

Visualización.

2000, Peter Lyman y Hal R. Varian en la UC Berkeley publican “How much information?” Es el primer estudio

exhaustivo para cuantificar, en términos de almacenamiento informático, el importe total de la nueva

Información original (sin contar copias) creado en el mundo anualmente y almacenado en soportes físicos

(papel, película, ópticos –CD o DVD- y de manera magnética). El estudio revela que en 1999, el mundo

produjo alrededor de 1,5 exabytes de información única, o alrededor de 250 megabytes por cada hombre,

mujer y niño en la Tierra. También considera que “se crea una gran cantidad de información única y

almacenada por los individuos (denominado Democratización del a Información), y que no sólo es la

producción de información digital más grande en su totalidad, es también el más rápido crecimiento

acontecido (a lo cual denominan “Dominio de la tecnología Digital”). Lyman y Varian sostienen que “aún

hoy en día, la mayoría de la información textual nace de los digital, y dentro de unos años esto será cierto

para las imágenes también. Un estudio similar realizado en 2003 por los mismos investigadores,

encontraron que en el mundo se produjo alrededor de 5 exabytes de información nueva en el 2002 y que el

92% de la nueva información se almacenó en medios magnéticos, sobre todo en discos duros.

2000, Francis X. Diebold presenta en el VIII Congreso Mundial de la Sociedad Econométrica, un artículo

titulado “Modelos de Big Data Dynamic Factor Model for Macroeconomic Measurement and Forecasting”,

en el que señala que recientemente , en la ciencia, tanto físicos, biólogos o sociólogos, se han visto

obligados a afrontar el Big Data (beneficiándose de él). Grandes volúmenes de datos se refieren a la

explosión en la cantidad (y a veces calidad) de los datos disponibles y potencialmente pertinentes, en gran





parte de los resultados de avances recientes (y sin precedentes) en el registro de datos y la tecnología de

almacenamiento”.

2001, Doug Laney, analista de Meta Group, publica una nota de investigación titulada “3D Data

Management: Controlling Data Volume, Velocity and Cariety”. Una década más tarde, el “3Vs” se han

convertido en las tres dimensiones generalmente aceptadas que definen al Big Data, aunque la palabra no

aparece en la nota de Laney.

2005, Tim O´Reilly publica “What is Web 2.0”, en la que afirma que “los datos son el siguiente remake de

Intel en su interior. Como Hal Varian comentó en una conversación personal: “SQL es el nuevo HTML. La

gestión de base de datos es una competencia básica de las compañías web 2.0, ya que hemos hecho

referencia a estas aplicaciones como limitaciones de infoware en lugar de limitarse al software.

2007, John F. Gantz, David Reinsel y otros investigadores del IDC, lanzan un libro blanco titulado “The

Expanding Digital Universe: A Forecast of Worldwide Information Growth trough 2010”. Es el primer estudio

para estimar y pronosticar la cantidad de datos digitales creados y replicados cada año. El IDC estima que en

2006, el mundo creo 161 exabytes de datos y las previsión entre 2006 y 2010 para la información añadida

anualmente al universo digital se incrementará más de 6 veces a 988 exabytes, o se duplicará cada 18

meses. De acuerdo con las deliberaciones del mismo estudio de 2010 y 2012, la cantidad de información

digital creada anualmente superó esta previsión, alcanzando 1.227 exabytes en 2010, y cada vez mayor a

2.837 exabytes en 2012.

2008, Bret Swanson y George Gilder publican Estimating the Exaflood”, en la que proyectan que el tráfico IP

de Estados Unidos podría alcanzar un zetabyte el año 2015, y que la Internet en Estados Unidos será de por

lo menos 50 veces mayor que en 2006.

2008, Cisco lanza “Cisco Visual Networking Index –Forecast and Methodology 2007 – 2012”. Esta iniciativa

en curso puede seguir y predecir el impacto de las aplicaciones de redes visuales, donde parte del informe

predice que “el tráfico IP casi se duplicará cada 2 años hasta 2012”, y que llegará a la mitad de un zetabyte

en 2012. El pronóstico llevado a cabo, así como el último informe de Cisco (30 de mayo de 2012), estima que

el tráfico IP en 2012 llegará a poco más de medio zetabytes, y señala que se ha multiplicado por 8 en los

últimos 5 años.

2008, Un número especial de Nature of Big Data examina lo que los conjuntos de Big Data significan para la

ciencia contemporánea.

2008, Randal E. Bryant, Randy H. Katz y Edward D. Lazowska publican “Big Data Computing:Creating

Revolutionary Breakthroughs in Commerce, Science and Society”. Ellos describen que “al igual que los

motores de búsqueda, han transformado la forma de acceso a al información. Otras formas de computación

de Big Data pueden y van a transformar las actividades de las empresas, investigaciones científicas, médicas,





y la defensa de la nación, así como las operaciones de inteligencia. La Computación de Big Data es tal vez la

mayor Innovación en informática de las últimas décadas. Sólo hemos comenzado a ver su potencial para

reunir, organizar y procesar datos en todos los ámbitos de la vida. Una modesta inversión por parte del

gobierno federal podría acelerar en gran medida su desarrollo e implementación”.

2009, Roger E. Bohn y James E. Short publican “How much information? 2009 Report on American

Consumers”. El estudio revela que “en 2008 los estadounidenses consumieron la información de

13.000.000.000.000 de horas, un promedio de caso 12 horas al día. El consumo fue de 3,6 zettabytes y

10.845 billones de palabras, que corresponden a 100.500 palabras y 34 gigabytes para una persona

promedio en un día promedio. Bohn, Short y Chattanya Baru posteriormente en Enero de 2011 siguieron

con la publicación “How Much Information? 2010 Report on Enterprise Server Information”. Estiman que en

2008 los servidores del mundo procesaron 9,57 zettabytes de información, casi 10 a la 22 (es decir 10

millones de millones de gigabytes). Esto fue 12 gigabytes de información diarias para el trabajador

promedio, o alrededor de 3 terabytes de información por trabajador al año. La empresas del mundo

procesan en promedio 63 terabytes de información anuales.

2010, Kenneth Cukier publica en “The Economist” un informe especial titulado “Data, Data Everywhere” . El

mundo contiene una inimaginable vasta cantidad de información digital que se está volviendo cada vez más

vasto con mayor rapidez. El efecto se hace sentir en todas partes, desde los negocios hasta la ciencia, desde

los gobiernos hasta las artes. Los científicos y los ingenieros informáticos han acuñado un nuevo término

para el fenómeno: “Big Data”.

2011, Martin Hilbert y Priscilla Lopez publican “The World´s Technological Capacity to Store, Communicate

and Compute Information”. Se estima que la capacidad de almacenamiento de la información del mundo

creció a una tasa compuesto de crecimiento anual del 25% anual entre 1986 y 2007. También estiman que,

en 1986, 99,2% de toda la capacidad de almacenamiento era análoga, pero en 2007 el 94% de la capacidad

de almacenamiento era digital, una revisión completa de las funciones (en 2002, el almacenamiento de

información digital superó a la no digital por primera vez).

2011, James Manyika, Michael Chui, Brad Brown, Jacques Bughin, Richard Dobbs, Charles Roxburgh y Angela

Hung Byers, del Instituto Global McKensey publican “Big Data: The Next frontier for Innovation, Competition,

and Productivity”. Ellos estiman que “para el año 2009, casi todos los sectores de la economía de Estados

Unidos tuvieron por lo menos un promedio de 200 terabytes de datos almacenados (dos veces el tamaño de

almacenamiento de datos del minorista de Estados Unidos Walmart en 1999) por empresa, con más de

1.000 empleados”, y los valores de inversión en servicios liderará en cuanto a los datos almacenados por las

empresas. En total, el estudio estima que 7,4 exabytes de nuevos datos fueron almacenados por las

empresas, y los 6,8 exabytes por los consumidores en 2010.

2012, La Revista International Communication publica una sección especial titulada “Info Capacity” sobre las

metodologías y los resultados de varios estudios que miden el volumen de información. En “Tracking the





flow of information into the home”, Newman, Park y Panek estiman que la oferta total de los medios de

comunicación a los hogares estadounidenses ha aumentado alrededor de 50.000 minutos por día desde

1960 a cerca 900.000 en 2005. Mirando la relación entre oferta y demanda en el año 2005, se estima que las

personas en los Estados Unidos se están acercando a mil minutos de contenido mediada disponibles para

cada minuto disponible para el consumo. En “International Production and Dissemination of Information”,

Bounie y Gille estiman que el mundo produjo 14,7 exabytes de nueva información en el año 2003.

2012, Dana Boyd y Kate Crawford publican “Critcal Question for Big Data”. Ellos definen al Big Data como

“un fenómeno cultural, tecnológico, y académico que se basa en la interacción de tecnología (potencia de

cálculo maximizador y precisión algorítmica para reunir, enlazar y comparar conjuntos de datos grandes); así

como también de Análisis (dibujo de grandes conjuntos de datos para identificar patrones para las

necesidades de reclamaciones económicas, sociales, técnicas y legales); y por último mitológicas (la creencia

generalizada de que los conjuntos de datos de gran tamaño ofrecen una forma más elevada de la

inteligencia y el conocimiento que pueden generar ideas que antes eran imposibles, con el aura de la verdad,

la objetividad y la precisión)”.

DEFINICIÓN DE BIG DATA.-

Luego de verificar los orígenes históricos del Big Data, ¿podemos responder la pregunta acerca de Qué es Big

Data?.

Big Data (Grandes Datos) hace referencia a los Sistemas que

manipulan grandes y complejos conjuntos de datos (data sets), que

se hace difícil procesarlos con herramientas de gestión de base de

datos o aplicaciones tradicionales de procesos de datos. Los

desafíos del Big Data incluyen la “captura, almacenamiento,

búsqueda, poder compartir, análisis y visualización de datos”, en

donde la tendencia es a manipular ingentes cantidades de datos, se

debe a la derivable información adicional a partir del análisis de un

solo gran conjunto de datos relacionados, en comparación con la

separación de conjuntos más pequeños con la misma cantidad total

de datos, permitiendo que las correlaciones que se pueden

encontrar para “detectar tendencias de negocios”, determine la

calidad de la investigación, la prevención de enfermedades,

combatir el delito y determinar las condiciones del tráfico de

carretera en tiempo real3. A partir de 2012, los límites al tamaño de

3 The Economist, Data, data everywhere”, http://www.economist.com/node/15557443

http://www.economist.com/node/15557443





los conjuntos de datos que sean factibles para procesar en un período razonable de tiempo, eran del orden

de “exabytes”4 de datos (lo cual me hace relacionar la “Ley de Moore y la Potencia de micro Procesamiento”,

La “Ley de Almacenamiento Digital Masivo” y La “Ley de Metcalfe y la “Economía de Redes” como los

impulsores Tecnológicos de la Infraestructura de Tecnologías de la Información y Comunicaciones)5.

Los científicos se encuentran con regularidad con limitaciones debido a los grandes conjuntos de datos en

muchas áreas, incluyendo la “meteorología, la genómica, conectómica, simulaciones físicas y complejas, así

como la investigación biológica y ambiental”. De igual forma, las limitaciones también afectan la búsqueda

de Internet, finanzas y negocios de la informática. Los conjuntos de datos crecen en tamaño, en parte

debido a que cada vez más se reúnen datos en dispositivos móviles omnipresentes de detección de

información, tecnologías de áreas sensoriales (teledetección), registros de software, cámaras, micrófonos,

lectores de identificación por radiofrecuencia y redes de sensores inalámbricos. Se calcula que la capacidad

per cápita tecnológica del mundo para almacenar la información “se ha duplicado cada 40 meses desde la

década de 1980”6. A partir de 2012, todos los días 2,5 trillones de bytes de datos fueron creados. El reto

para las grandes empresas es “determinar quién debe poseer las grandes iniciativas de datos que se sitúan

en toda la organización”.

A continuación un video donde se explica el concepto del Big Data y sus orígenes:

4 A tener presente la siguiente tabla de conversión (en términos de bytes y expresado en sistema internacional decimal):

1 Kilobytes (KB): 1.000 bytes; 2^3. 1 Megabytes (MB): 1.000.000 bytes; 2^6. 1 Gigabyte (GB): 1.000.000.000 bytes; 2^9. 1 Terabyte (TB): 1.000.000.000.000 bytes; 2^12. 1 Petabytes (PB): 1.000.000.000.000.000 bytes; 2^15. 1 Exabytes (EB): 1.000.000.000.000.000.000 bytes; 2^18. 1 Zettabytes (ZB): 1.000.000.000.000.000.000.000 bytes; 2^21. 1 yottabytes (YB): 1.000.000.000.000.000.000.000.000 bytes; 2^24 5 Ley de Moore y la Potencia de Microprocesamiento: Desde la aparición del primer chip de microprocesador en 1959,

se había duplicado cada año la cantidad de componentes en un chip con los costos de manufactura más bajos por componentes”. De acá surgen derivaciones de la Ley de More al respecto (“La potencia de los microprocesadores se duplica cada 18 meses” –Gates, 1997-; “La potencia de cómputo se duplica cada 18 meses”; “El Precio de la computación se reduce a la mitad cada 18 meses). Ley de Almacenamiento Digital Masivo: “La cantidad de información digital se duplica más o menos cada año (Lyman y Varian, 2003)”. En el mundo se producen alrededor de 5 exabytes de información exclusiva cada año (un exabytes equivale a mil millones de gigabytes). Ley de Metcalfe y la Economía de Redes: “El Valor o potencia de una Red, crece exponencialmente como una función de la cantidad de miembros de una red”. A medida que aumentan linealmente, el valor total del sistema aumenta exponencialmente y continúa creciendo siempre conforme se incrementan los miembros (Efecto Economía de Redes y el Crecimiento de Internet). Kenneth C. Laudon & Jane P. Laudon, “Sistemas de Información Gerencial: Administración de la Empresa Digital”, (Impulsores de la Evolución de la Infraestructura), Pearson Pretince Hall, Décima Edición. 6 Science 332 (6065)Hilbert, Martin; López, Priscilla (2011), “The World´s Technological Capacity to Store,

Communicate, and Compute Information”, http://martinhilbert.net/WorldInfoCapacity.html

http://martinhilbert.net/WorldInfoCapacity.html





El Big Data es difícil de trabajar con uso de software y aplicaciones de gestión de base de datos relacionales,

y la mayoría de las estadísticas de escritorio y paquetes de aplicaciones de visualización, lo que implica

requerir de “procesamiento paralelo masivo que se ejecute en decenas, cientos o incluso miles de

servidores” en su lugar. ¿A qué se considera Big Data? Varía dependiendo de la capacidad de la organización

de gestión conjunta, así como de las capacidades de aplicaciones que se utilizan tradicionalmente para

procesar y analizar los datos que configuran su dominio de acción. Para algunas organizaciones, enfrentar

cientos de gigabytes de datos por primera vez, puede desencadenar la necesidad de reconsiderar las

opciones de gestión de datos. Para otros, puede tomar decenas o cientos de terabytes antes de que los

datos se conviertan en una consideración importante.

El concepto de Big Data por lo general incluye “los conjuntos de datos con tamaños mas allá de la capacidad

de las herramientas de software utilizadas para Capturar, Co-adjuntar, Gestionar y Procesar los datos dentro

de un tiempo transcurrido tolerable. El Big Data tiene un objetivo en constante movimiento, que a partir de

2012 van desde unas pocas decenas de terabytes a muchos petabytes de datos de un solo conjunto de

datos. Por tal motivo, no es de extrañar que muchos usuarios comunes y corrientes, hoy en día se nos

presente la necesidad de tener que trabajar con equipos computacionales (fijos o móviles), incluso unidades

de almacenamiento externas con capacidades por sobre 1 terabytes, ¡que no es nada! (o en su defecto, con

capacidades similares de almacenamiento en el Cloud -modelo de computación en la Nube-, tal como me

pasó días atrás.

El objetivo se mueve debido a la constante mejora en la tecnología de DBMS (Sistema de Gestión de Base de

Datos) tradicional, así como consecuencia de las nuevas bases de datos como NoSQL y su capacidad para

manejar grandes cantidades de datos. Con esta dificultad, se están desarrollando nuevas plataformas de Big

Data, como herramientas para manejar varios aspectos de grandes cantidades de datos.

http://www.youtube.com/watch?v=7D1CQ_LOizA

hugo

Placed Image

hugo

Sticky Note

Accepted set by hugo

hugo

Sticky Note

Marked set by hugo

hugo

Sticky Note






En un informe de investigación de 2001 y conferencias relacionadas a Meta Group, el analista Doug Laney

define los “retos y oportunidades del crecimiento de datos en: La Velocidad en tres dimensiones, la cual se

refiere al aumento del volumen de datos (cantidad de datos, velocidad de datos interna y externa, y la

variedad o gama de tipo de datos y fuentes)”. Tanto Gartner como gran parte de la industria, siguen

utilizando este modelo “3Vs” para describir los grandes volúmenes de datos7. El 2012, Gartner actualizó su

definición sobre Big Data, sosteniendo que el “Big Data es de gran volumen y velocidad y/o de alta

diversidad en los activos de información que requieren las nuevas formas de procesamiento, para permitir la

toma de decisiones mejorada, visión, descubrimiento y optimización de procesos”8.

Actualmente se sigue utilizando la definición de Gartner (las 3Vs), con la adición de nuevas “Vs” añadidas

por los departamentos de Marketing de las organizaciones. La creciente madurez del concepto fomenta una

mayor diferencia de sonido entre el Big Data y la Inteligencia de Negocios (Business Intelligence) con

respecto a los datos y su uso9:

Business Intelligence utiliza estadística descriptiva con datos de alta densidad e información para medir

sucesos, detectar tendencias, entre otros.

Big Data utiliza estadísticas inductivas con datos con baja densidad de información, cuyo gran volumen

permite inferir leyes (regresiones, entre otros) y dando así con los límites del razonamiento de inferencia

para algunas capacidades predictivas del Big Data..

El mundo Académico y el Big Data.

Dentro del mundo de generación de conocimiento académico, podemos citar a lo que acontece en, por

ejemplo el Massachusetts Institute Technology, MIT, quienes el 31 de Mayo de 2012 anunciaron que habían

sido seleccionados entre 55 instituciones que presentaron 157 propuestas para albergar un nuevo “Centro

de Investigación de Intel” que se centraría en el “Big Data”. El Centro de Investigación de Intel es la piedra

angular de una nueva iniciativa de CSAIL, conocido como “Big Data @ CSAIL”, dirigido por el profesor

adjunto Sam Madden y el Profesor Adjunto Michael Stonebreaker, ambos del Departamento de Ingeniería

Eléctrica y Ciencias de la Computación del MIT. Además de Intel, los patrocinadores de la iniciativa incluyen

a AIG, EMC, SAP y Thompson Reuters, Microsoft, Samsung. El MIT patrocina varios programas, incluyendo

un programa de becas, un programa de prácticas y un proyecto para investigar “cómo las tecnologías de Big

Data pueden mejorar al gobierno”. Como parte de centro de Ciencias y Tecnología en el CSAIL, Intel contrata

a un puñado de investigadores que se encuentran en Cambridge y trabajan en estrecha colaboración con

7 Gartner, “Gartner says Solving Big Data Challenge involves more than just managing volumes of Data”,

Beyer, Mark, 27 de Junio de 2011, Gartner, http://www.gartner.com/newsroom/id/1731916 . 8 Douglas, Laney, “The Importance of Big Data: A Definition”, Gartner, 21 de Junio de 2012,

http://www.gartner.com/DisplayDocument?id=2057415&ref=clientFriendlyUrl 9 Wikipedia, “Big Data”, http://en.wikipedia.org/wiki/Big_data

http://www.gartner.com/newsroom/id/1731916

http://www.gartner.com/DisplayDocument?id=2057415&ref=clientFriendlyUrl

http://en.wikipedia.org/wiki/Big_data





profesores del MIT en tecnologías relacionadas con grandes volúmenes de datos. Investigadores de las

Universidades de California en Santa bárbara, Universidad Estatal de Portland, Universidad Brown,

Universidad de Washington y la Universidad de Stanford también están afiliados a la Central. Intel, en una

primera etapa comprometió US$ 2,5 millones al año para el centro, al menos durante los próximos 3 años,

con un compromiso de dos años adicionales, de ser posible, si el centro pasa una revisión cada 3 años.

Al respecto, el día de la inauguración del centro, se sostuvo que “estamos siendo testigos de un período de

crecimiento sin precedentes en el formato digital de Datos No Estructurados en la Web, así como en la

Nube. Esto sólo se acelerará aún más a través del rápido crecimiento de los dispositivos móviles como

smartphones y automóviles conectados”. Justin Rattner, (CTO de Intel) dijo que “si bien esta cantidad de

datos ya es asombrosa, el futuro lo harán palidecer en comparación con la cantidad de datos que se

generarán en tiempo real con la “Internet de las Cosas (Internet of Things)”, que es una red prevista para

conectar dispositivos informáticos incorporados en artículos para el hogar común”. Si pensamos que esto es

una gran cantidad de datos, debemos prepararnos, ya que aún no hemos visto nada. “El Big Data se ha

convertido en una de las nuevas frases sexys”, añadió Susan Hockfield (Presidente del MIT)10

.

El objetivo del BigData@CSAIL es “identificar y desarrollar las tecnologías necesarias para resolver los

desafíos de datos de próxima generación que requieren la capacidad de escalar más allá de lo que las

plataformas informáticas de hoy en día poseen, los algoritmos y los métodos que pueden proporcionar.

Buscan que las personas puedan aprovechar realmente el Big Data mediante el desarrollo de plataformas

que sean reutilizables, escalables y fáciles de implementar a través de varios dominios de aplicación”.

El enfoque del BigData@CSAIL incluye dos aspectos fundamentales:

Colaborar estrechamente con la industria para proporcionar las aplicaciones del mundo real y el impacto

que puedan conducir.

El problema del Big Data es considerado como un problema fundamentalmente multidisciplinario.

El equipo al respecto, está conformado por profesores e investigadores en muchas áreas relacionaras con la

tecnología, incluyendo algoritmos, arquitectura, gestión de gatos, aprendizaje automático, la privacidad y

seguridad de datos, interfaces de usuario y visualización, así como expertos en el campo de las finanzas, la

medicina, la infraestructura inteligente, la educación y la ciencia11

.

10

MIT News, MIT, Intel univeil new initiatives addressing Big Data”, May 31, 2012, http://web.mit.edu/newsoffice/2012/big-data-csail-intel-center-0531.html 11

BigData@CSAIL, http://bigdata.csail.mit.edu/

http://web.mit.edu/newsoffice/2012/big-data-csail-intel-center-0531.html

http://bigdata.csail.mit.edu/





Tipo de Información que trata el Big Data.

Muchas organizaciones se enfrentan a la

pregunta sobre ¿Qué información es la que se

debe analizar? Sin embargo, la pregunta que

debemos hacernos es ¿Cuál es el problema que

se está tratando de resolver?.

Si bien sabemos que existe una amplia variedad

de tipos de datos a analizar, una buena

clasificación nos ayudaría a entender mejor su

representación, aunque es muy probable que

estas categorías puedan extenderse con el

avance tecnológico.

Internet y Social Media: Incluye contenido Web

e información que es obtenida de las redes

sociales como Facebook, Twitter, LinkedIn, Blogs,

entre otros.

Máquina a Máquina (M2M): Se refiere a las

tecnologías que permiten conectarse a otros

dispositivos. M2M utiliza dispositivos como sensores o medidores que capturan algún evento en particular

(velocidad, temperatura, presión, variables meteorológicas, variables químicas, etc.), los cuales se

transmiten a través de redes alámbricas, inalámbricas o híbridas a otras aplicaciones que traducen estos

eventos en información significativa.

Grandes Datos de Transacciones: Incluye registros de facturación, registros de telecomunicaciones

detallados de las llamadas (CDR), grabaciones, etc. Estos datos transaccionales están disponibles en

formatos tanto semiestructurados como no estructurados.

Biometría: Información biométrica en la que se incluye huellas digitales, escaneo retinal, reconocimiento

facial, genética, etc. En el área e seguridad e inteligencia, los datos biométricos han sido información

importante para las agencias de investigación.





Generado por Humanos: Las personas generamos diversas cantidades de datos, como la información que

guarda un Call Center al establecer una llamada telefónica, notas de voz, correos electrónicos, documentos

electrónicos, estudios médicos, imagen, etc.12

De esta forma en el retail, por ejemplo:

Back-Office: Los repositorios de datos, muy extendidos en las organizaciones, que normalmente se

concentran en sistemas ERP, Datos Transaccionales y Operativos, así como DataWarehouse con información

analítica e histórica, necesariamente deberán evolucionar y combinarse con el Big Data (tanto en materia de

información estructurada como no estructurada).

Front-Office: Los Sistemas de Relación con los Clientes o Usuarios, con toda probabilidad también deberán

evolucionar en paralelo o en conjunto con el Big Data, tanto en materia de tratamiento de información para

Segmentación, Fidelización, Operatividad en Intranet Corporativas, Sistemas basados en Web, lenguaje y

servicios, conviviendo también con datos estructurados como no estructurados en sus repositorios de back-

Office que nutrirán los indicadores de sus Data Warehouse.

Ventas: Esto va más allá de las transacciones generadas por caja (ya integradas en el back-office). Una de las

grandes revoluciones se refiere a la “Internet de las Cosas” (Internet of Things), donde todos los dispositivos,

sensores o controladores transmiten datos, los cuales recogidos, procesados y refinados pueden entregar

mucha información. Por ejemplo, la información generada por los Códigos QR, RFID, Realidad Aumentada,

Dispositivos de Neuromarketing, Gafas o Relojes Inteligentes, etc., constituirán todo un nuevo universo por

explorar y explotar. Sin embargo, además estos dispositivos podrán “relacionarse” con otros dispositivos,

interactuar, ser activados o desactivados por otros, entre otras actividades e interacciones, para lo cual

utilizarán canales ya desarrollados como Internet, Cloud y/o Movilidad. Por tanto, entramos a un territorio

mucho más complejo e inexplorado ¿cómo responder a la gran cantidad de dispositivos que existen y que

existirán? ¿cuáles serán más importantes? ¿cómo afectarán a las métricas tradicionales? ¿deberemos

utilizar nuevas métricas? ¿cómo mediremos la rentabilidad? ¿cómo afectará esto a nuestros actuales y

futuros modelos de negocios?, entre otros.

La conectividad llevará a cabo cambios fundamentales y determinantes en los siguientes años (ultra

conectividad) con variedad de dispositivos móviles y explosión de las redes sociales, en conjunto con la

llegada del Cloud Computing (Datos en la Nube), afectando los Sistemas Back y Front Office en cuanto a

almacenamiento de datos, formas de trabajo, relacionamiento, modelos de negocios, tipos de relaciones

con los clientes/usuarios y las organizaciones, donde también evolucionarán con respecto a la información

estructurada y no estructurada que se genera.

12

IBM, Ricardo barranco Fragoso, ¿Qué es Big Data?, DevelopWorks, 18/06/2012,

http://www.ibm.com/developerworks/ssa/local/im/que-es-big-data/index.html?cmp=BS&ct=SocialMedia&cr=twitter






La complejidad, velocidad y volatilidad de estos tipo de datos y cantidades de información, son los actuales y

futuros retos fundamentales a los que debe(rá) responder los Sistemas Big Data, donde la Selección, Filtro,

Volúmenes de Datos (diferentes y complejos), así como las tecnologías y negocios, serán las dos caras de

una misma pero diferente moneda que actualmente conocemos13

.

ARQUITECTURA DEL BIG DATA.-

Como hemos visto, el Big Data es un concepto que se aplica a toda aquella información que no puede ser

procesada o analizada usando procesos o herramientas convencionales debido al enorme volumen de datos

sobre el cual hay que trabajar.

En 2004, Google publicó un documento sobre un Proceso llamado “MapReduce”, que utiliza dicha

arquitectura. El marco MapReduce ofrece un “modelo de programación paralela y la aplicación asociada

para procesar gran cantidad de datos”. Con MapReduce, las consultas se dividen y se distribuyen a través de

los nodos paralelos y procesan en paralelo (el paso Mapa). Los resultados luego se reúnen y se entregan (el

paso Reducir). Esto implica que MapReduce se ejecuta en dos procesos por separado (Map y Reduce,

considerando paralelismo, escalabilidad, tolerancia a fallos y curva de aprendizaje elevada. El resultado fue

un éxito increíble, lo cual condujo a que otros repitieran el algoritmo. Por lo tanto, una implementación de

MapReduce fue adoptado por un proyecto de Código Abierto llamado Hadoop. Las características generales

de Hadoop involucran: Open Source, desarrollado inicialmente por Yahoo, administrado por Apache

Software Foundation, Diseñado para trabajar con volúmenes de datos en petabytes, ofrece alta

disponibilidad, así como escalamiento horizontal. Hadoop ha tenido muy buena aceptación en el mercado,

tras lo cual muchas tecnologías de desarrollo se han basado en Hadoop. Además, ofrece una Curva de

Aprendizaje elevada, no se constituye como una base de datos y no es en tiempo real.

En general, las organizaciones han atacado esta problemática desde diferentes ángulos. Todas esas

montañas de información han generado un costo potencial al no descubrir el gran valor asociado al Big

Data. Desde luego, el ángulo correcto que actualmente tiene el liderazgo, en términos de popularidad para

analizar cantidades de información, la tiene la plataforma de Código Abierto Hadoop.

Hadoop14

está inspirado en el proyecto de Google, Google File System (GFS), y en el paradigma de

programación MapReduce, el cual como ya se adelantó anteriormente, consiste en “dividir en dos tareas

(Mapper – Reducer) la manipulación de datos distribuidos a nodos de un clúster, logrando un alto

13

A partir de XAMQ, Francesc Máñez, “Big Data: Origen de los Datos”, 01/04/2013,

http://www.qmaxsl.com/bqmax/big-data-origen-de-los-datos/ 14

IBM, Ricardo Barranco Fragoso, ¿Qué es Big Data?, DeveloperWorks, 18/06/2012,


http://www.qmaxsl.com/bqmax/big-data-origen-de-los-datos/






paralelismo en el procesamiento. Hadoop está compuesto de tres piezas fundamentales: Hadoop Distributed

File System (HDFS), Hadoop MapReduce y Hadoop Common.

Hadoop Distributed File System (HDFS): Los datos en el clúster de Hadoop son

divididos en pequeñas piezas llamadas “bloques” y distribuidas a través del

clúster. De esta forma, las funciones “Map” y “Reduce” pueden ser ejecutadas

en pequeños subconjuntos, lo cual permite proveer de la “Escalabilidad”

necesaria para el procesamiento de grandes volúmenes.

En la figura adjunta, se ejemplifica como los bloques de datos son escritos hacia

HDFS. Observe que cada bloque es almacenado tres veces, y al menos un

bloque se almacena en un diferente rack par lograr redundancia.

Hadoop MapReduce: MapReduce es el núcleo de Hadoop. El término en

realidad se refiere a dos procesos separados que Hadoop ejecuta. El primer

proceso, “Map” toma un conjunto de datos y los convierte en otro conjunto

donde los elementos individuales son separados en “tuplas” (pares de llave/valor). El proceso “Reduce”

obtiene la salida de Map como datos de entrada y combina las tuplas en un conjunto más pequeño de las

mismas. Una fase intermedia, denominada “shuffle” obtiene las tuplas del proceso Map , y determina qué

nodo procesará estos datos, dirigiendo la salida a una tarea Reduce en específico.

La figura adjunta, ejemplifica un flujo de datos en un proceso sencillo de MapReduce.

Hadoop Common: Se constituye como un conjunto de librerías que soportan varios subproyectos de

Hadoop.

Además de estos tres componentes principales de Hadoop, existen otros proyectos relacionados, los cuales

son definidos a continuación.





Avro: Es un proyecto de Apache, el cual provee servicios de serialización. Cuando se guardan datos de un

archivo, el esquema que define ese archivo es guardado dentro del mismo. De este modo es más sencillo

para cualquier aplicación leerlo posteriormente, puesto que el esquema está definido dentro del archivo.

Cassandra: Es una base de datos no relacional distribuida (y basada en un modelo de almacenamiento de

“llave-valor”) desarrollada en Java. Permite grandes volúmenes de datos en forma distribuida. Twitter es

una de las empresas que utiliza Cassandra dentro de su plataforma.

Chukwa: Diseñado para la colección y análisis a gran escala de “logs”. Incluye un toolkit para desplegar los

resultados del análisis y monitoreo.

Flume: Tal como su nombre lo indica, su tarea principal es “dirigir los datos de una fuente hacia alguna otra

localidad”, en este caso, hacia el ambiente Hadoop. Existen tres entidades principales: Source, Decorators y

Sinks. Un Source, es básicamente cualquier fuente de datos. Sink se refiere al destino de una operación en

específico. Decorator es una operación dentro del flujo de datos que transforma esa información de alguna

manera, por ejemplo comprimir o descomprimir los datos o alguna otra operación en particular sobre los

mismo.

HBase: Es una base de datos columnar (colum-oriented database) que se ejecuta en HDFS. HBase no soporta

SQL, de hecho, HBase no es una base de datos relacional. Cada tabla contiene filas y columnas como una

base de datos relacional. HBase permite que muchos atributos sean agrupados, llamándolos Familias de

Columnas, de tal manera que los elementos de una familia de columnas son almacenados en un solo

conjunto. Esto es distinto a las bases de datos relacionales orientadas a filas, donde todas las columnas de

una fila son almacenadas en conjunto. Facebook utiliza HBase en su plataforma desde noviembre de 2010.

Hive: Es una infraestructura de Data Warehouse que facilita administrar grandes conjuntos de datos que se

encuentran almacenados en un ambiente Distribuido. Hive tiene definido un lenguaje similar a SQL llamado

Hive Query language (HQL). Estas sentencias HQL son separadas por un servicio de Hive, y son enviadas a

procesos MapReduce ejecutados en el clúster de Hadoop.

Jaql: Fue donado por IBM a la comunidad de software libre. Query language for Javascript Objet Notation

(JSON) es el lenguaje funcional y declarativo que permite la explotación de datos en formato JSON diseñado

para procesar grandes volúmenes de información. Para explotar el paralelismo, Jaql rescribe los queries de

alto nivel (cuando es necesario) en queries de bajo nivel para distribuirlos como procesos MapReduce.

Lucene: Es un proyecto de Apache, bastante popular para realizar búsquedas sobre textos. Lucene provee de

librerías para indexación y búsqueda de texto. Ha sido principalmente utilizado en la implementación de

motores de búsqueda (aunque hay que considerar que no tiene funciones de “crawing” ni análisis de

documentos HTML ya incorporadas). El concepto a nivel de arquitectura de Lucene es simple: básicamente

los documentos (documents) son divididos en campos de texto (field) y se genera un índice sobre estos





campos de texto. La indexación es el componente clave de Lucene, lo que le permite realizar búsquedas

rápidas e independientes del formato del archivo (ya sean PDFs, documentos HTML, etc.).

Oozie: Como pudieron haber notado, existen varios procesos que son ejecutados en distintos momentos, los

cuales necesitan ser orquestados para satisfacer las necesidades de tan complejo análisis de información.

Oozie es un proyecto de Código Abierto que simplifica los flujos de trabajo, y la coordinación entre cada uno

de los procesos. Permite que el usuario pueda definir acciones y las dependencias entre dichas acciones.

Un flujo de trabajo de Oozie es definido mediante un grafo a cíclico llamado Directed Acyclical Graph (DAG),

y es a cíclico puesto que no permite ciclos en el grafo, es decir, solo hay un punto de entrada y de salida, y

de todas las tareas y dependencias, parten del punto inicial al punto final sin puntos de retorno. Un ejemplo

de un flujo de trabajo en Oozie se representa en la figura adjunta.

Pig: Inicialmente desarrollado por Yahoo! para permitir a los usuarios de Hadoop enfocarse más en analizar

todos los conjuntos de datos, y dedicar menos tiempo en conseguir los programas MapReduce. Tal como su

nombre lo indica, al igual que cualquier “cerdo” que come cualquier cosa, el lenguaje Piglatin fue diseñado

para manejar cualquier tipo de dato, donde Pig es el ambiente de ejecución donde estos programas son

ejecutados, de manera muy similar a la relación entre la máquina virtual de Java (JVM) y una aplicación Java.

ZooKeeper: Es otro proyecto de Código Abierto de Apache, el cual provee de una infraestructura

centralizada y de servicios que pueden ser utilizados por aplicaciones para asegurarse de que los procesos a

través de un clúster sean serializados o sincronizados. Internamente en ZooKeeper una aplicación puede

crear un archivo que se persiste en memoria en los servidores ZooKeeper llamado Znode. Este archivo Znode

puede ser actualizado por cualquier nodo en el clúster, y cualquier nodo puede registrar que sean informado

de los cambios ocurridos en ese Znode, es decir, un servidor puede ser configurado para “vigilar” un Znode

en particular. De este modo, las aplicaciones pueden sincronizar sus procesos a través de un clúster





distribuido actualizando su estatus en cada Znode, el cual informará al resto del clúster sobre el estatus

correspondiente de algún nodo en específico.

Como podrán observar, más allá de Hadoop, una plataforma de Big Data consiste en todo un ecosistema de

proyectos que en su conjunto permiten simplificar, administrar, coordinar y analizar grandes volúmenes de

información.

Dentro de los usuarios de Hadoop, tenemos a: AOL, IBM, Yahoo, LinkedIn eBay, The New York Times,

Twitter, entre otros.15

16

A continuación, un video que explica el concepto de Big Data, sus dimensiones:

Respecto a las Tecnologías que trabajan en el Big Data, éste requiere tecnologías excepcionales para

procesar eficientemente grandes cantidades de datos dentro de los tiempos transcurridos de manera

tolerable (además de los proyectos anteriormente citados). En 2011, un informe de McKinsey sugiere que

las tecnologías adecuadas para el Big Data deben incluir: las Pruebas A/B, las de regla de asociación de

aprendizaje, clasificación de conglomerados crowdsourcing, fusión de datos y la integración y aprendizaje

conjunto, algoritmos genéticos, aprendizaje automático, procesamientos del lenguaje natural, redes

neuronales, reconocimiento de patrones, detección de anomalías, modelos predictivos, modelos de

regresión, análisis de los sentimientos, procesamiento de señales, supervisión y no supervisión de l

aprendizaje, simulación, análisis de series temporales y la visualización. Los Grandes volúmenes de Datos

multidimensionales también pueden ser representados como tensores, tales como el aprendizaje sub-

espacio multilineal. Las tecnologías adicionales que se aplican a grandes volúmenes de datos incluyen bases

15

Google Inc, Jeffrey Dean, Sanjay Ghemawat, “MapReduce: Simplified Processing on Large Clusters”, http://static.googleusercontent.com/external_content/untrusted_dlcp/research.google.com/es//archive/mapreduce-osdi04.pdf 16 Globant, ,”MapReduce: Arquitectura BigData”, bigdata.globant.com/wp-content/uploads/2012/07/Apache-Pig-1.ppt

http://static.googleusercontent.com/external_content/untrusted_dlcp/research.google.com/es/archive/mapreduce-osdi04.pdf


http://www.youtube.com/watch?v=0hcDHIt5FLU

hugo

Placed Image

hugo

Sticky Note






de datos masivas de procesamiento paralelo (MPP), búsqueda de aplicaciones de búsqueda, minería de

datos, redes de sistemas de archivos distribuidos, bases de datos distribuidas, la infraestructura basada en el

Cloud (aplicaciones, almacenamiento y recursos informáticos) e Internet.

Si queremos saber cómo actúa el Big Data, y verlo en acción, es fácil imaginarlo. Por ejemplo, veamos el

caso del Big Data aplicado a la industria del Mercado de Capitales (Fondos de Cobertura y Gestión de Activos

y Riqueza). Según Rachel West,17

, por ejemplo, hoy en día, las empresas financieras (que vienen saliendo de

una de las peores crisis de crédito en la historia reciente), han aprendido las lecciones de las limitaciones de

los datos e incompletos de modelos fragmentarios, para la gestión de sus carteras y toma de decisiones

(hacerlas más sensibles a sus necesidades en tiempo real). La información impulsa a estas empresas a querer

aprovechar la información de Inteligencia (INTEL) que juega un papel fundamental en la Optimización del

Uso del Capital y la Gestión de sus Riesgos. Hoy en día existe la necesidad de “una Estrategia Práctica y la

Aplicación Especifica para Análisis de Big Data”. Todos los problemas y programas complejos implican una

Curva de Aprendizaje, y en el caso de hacer frente a grandes volúmenes de datos no es la excepción.

Algunas firmas financieras deben volverse a pensar sobre los modelos existentes y el análisis de gestión de

riesgos alimentados por tecnologías Big Data de código abierto disponibles. Deben tener cuidado de los

retos ocultos que plantea la estrategia de “hágalo usted mismo” (o “hecho en casa”) en temas de Análisis de

Big Data, donde se toma un enfoque de “ensayo y error”. Para ayudar a sus clientes a moverse más allá de

exploraciones aleatorias, deben moverse a realidades empresariales con Big Data, comenzando con un

sólido Análisis de Grandes Volúmenes de Datos para uso comercial y procesos de inversión, tanto para el

lado de la compra, como para el de las empresas.

Se debe aprovechar el Big Data para Analizar la Exposición de Portfolios. La primera pregunta que deben

plantearse es ¿Cuál es la exposición? La exposición se refiere a la cantidad de fondos que se invierten en un

determinado tipo de sector, que por lo general se expresan como un porcentaje del total de las

explotaciones de cartera. Por lo tanto, la exposición viene siendo la “cantidad de fondos que un inversor

tiene sumado al riesgo de pérdida que enfrenta (es la exposición de una cartera a valores particulares). Los

Mercados y sectores deben ser considerados al determinar la asignación de los activos. Son las respuestas a

las preguntas fundamentales que pueden ayudar a la rentabilidad del capital, y si se lleva a cabo

correctamente, también minimiza las pérdidas. EJ: ¿Cuál es la exposición al riesgo total de la cartera por

sector? Al leer acerca de las noticias financieras en Europa, ¿tiene a su alcance la información necesaria para

comprender sus efectos en su cartera y ajustar sus decisiones en consecuencia? ¿Cuáles son sus posiciones

largas y cortas de cartera en moneda euro? ¿cómo lo ha combinado en los últimos 2 a 3 años?

Esas preguntas son tan relevantes para los Gestores de Cartera y Operadores, así como para los Gestores de

Riqueza, Auditores Internos, Asesores Financieros, quienes deben supervisar cuidadosamente las

17

Forbes, Rachel West, Big Data in Action –Let´s Get Starterd”, 24/06/2013,

http://www.forbes.com/sites/emc/2013/06/24/big-data-in-action-lets-get-started/






inversiones y el cumplimiento de los requisitos reglamentos de la empresa. Sin embargo, el Análisis de

Exposición de la Cartera hoy es una suerte de malabares con bolas (de diferentes formas, tamaños y pesos).

Dentro de los Desafíos ¿cuáles son los puntos “dolorosos” en el Análisis de Exposición? Dificultad en el

recoger la información de todos los datos disponibles/relevantes de diferentes mercados, comentarios de

analistas, noticias y eventos en tiempo real. No se pueden predecir los mercados o predecir el futuro.

Carecen de la capacidad de crear escenarios de modelado interactivo para posibles eventos. Es difícil de

“tamizar” a través de la gran cantidad de transacciones en tiempo real para detectar posiciones de riesgo.

Además no se pueden acceder rápidamente a grandes cantidades de Datos históricos para una rápida y

compleja modelización de comercio. Los análisis y presentación de informes cuentan con múltiples pasos y

“silos” elaborados por diferentes grupos con diferentes aplicaciones tecnológicas. La falta de “capacidades

de consultas ad-hoc y presentación de informes sobre la exposición agregada a través de las carteras de

múltiples activos y cuentas de clientes”, son un problema.

Dentro de las Oportunidades, ¿Cuáles son los Beneficios del Análisis de Big Data? La verdad es que son

bastantes, muy rentables, altamente Escalable, de Alto Rendimiento y grandes herramientas de Análisis de

Datos de Baja Latencia, se disponen en los últimos años para ayudar en la recolección y carga de datos de

todas las fuentes de datos, desde los Almacenes de Datos Existentes para alimentación interna y externa, así

como archivos de terceras partes. Con la próxima generación de Plataformas de Análisis, los profesionales

de Gestión de Inversiones no tendrán que luchar durante horas o días para crear escenarios ricos y realistas

de información para analizar el impacto de un determinado mercado, la seguridad o la exposición al sector

de sus inversiones cuando un evento se desarrolla. Ellos pueden convertirse rápidamente en un solo lugar,

en un instante, con la información precisa sobre su cartera y el seguimiento con múltiples dimensiones de

datos sobre exposición para su mejor curso de acción. La nueva solución de análisis de exposición permite a

los usuarios:

Integrar Datos del Mercado, Noticias y Eventos (anuncios de resultados trimestrales, el PIB, tasa de

desempleo, tasa de interés, inflación, etc.) en el Análisis de Exposición.

Analizar diferentes niveles de exposición (transacción, posición, cuenta, contraparte para diversos valores,

clases de activos, el sector, así como el mercado, en la marcha o casi en tiempo real para el desarrollo más

eficaz para las estrategias de mitigación de riesgo y el comercio.

Previsión de casos en el futuro a través de diferentes escenarios modelados a partir de informes de prensa

y el sentir de los medios.

Si bien, el seguimiento de las exposiciones de los distintos fondos es esencial, aún más importante es saber

sobre la Gestión Total de la Cartera en todo momento. Al obtener una Visión completa de la información

geográfica, sectores, estrategia, la capitalización de mercado o exposiciones de valores, los administradores

de inversión pueden decidir reasignar o re-equilibrar sus carteras.





Los Administradores de Cartera también pueden comparar información de la exposición con los pesos de las

carteras, la liquidez y la atribución a través del tiempo. De esta manera, se pueden detectar las tendencias

más importantes de la gran cantidad de puntos de datos históricos a través de los panales de control, que

proporcionan la visualización de datos gráfica de manera intuitiva, por lo que las excepciones se destacan

con alertas sobre anomalías de exposición.

La “Convergencia de Business Intelligence (Inteligencia de Mercado) y Análisis de Big Data” es

fundamental. En este caso requiere de uso de análisis minuciosos y trabajar con grandes volúmenes de

datos (de fuentes externas e internas) para desarrollar modelos predictivos precisos, cada empresa tiene

que pasar por esto para tener capacidad de análisis de Big Data más tangibles para sus usuarios.


hugo

Sticky Note






BIG DATA Y LA INNOVACIÓN GLOBAL DE SERVICIOS (ACTUAL Y FUTURA).-

Como podemos darnos cuenta ahora, el tema del Big Data no es nuevo en cuanto a sus orígenes. Sin

embargo, la consecuencias de esta Innovación Tecnológica está tomando ribetes insospechados

actualmente, tanto en temas de oportunidades de negocios, así como oportunidades de Innovación y

evolución en todo ámbito de temas, áreas e industrias (incluso en nuestros hábitos diarios como

consumidores y ciudadanos comunes y corrientes).

Aplicaciones del Big Data Actualmente.

Según Luis Martin18

, la primera gran necesidad del Big Data, es el propio almacenamiento de los datos.

Cuando se llega a esta magnitud, es difícil diseñar una estructura monolítica que pueda albergar toda la

información. Se imponen “soluciones distribuidas”, pero que permitan el acceso a las fuentes de información

de forma unificada. En muchas aplicaciones para Internet, es necesario además que estos datos se

almacenen y procesen rápidamente para ofrecer “análisis en tiempo real”. Es necesario también considerar

la naturaleza y estructura de los datos, que en estos casos suele ser bastante heterogénea. Las soluciones

basadas en “bases de datos no relacionales (NoSQL)” ofrecen una mejor adaptación a este escenario que

otras tradicionales en la mayor parte de los casos.

Una vez que se ha conseguido dar con una “solución para el almacenamiento” y acceso de grandes

cantidades de datos, un gran número de aplicaciones emergen de la posibilidad de realizar análisis sobre los

mismos. Las tecnologías de análisis distribuido de los datos, tales como “Hadoop y MapReduce” ofrecen

esta funcionalidad, abriendo un gran número de posibilidades de aplicación como las que se listan a

continuación:

Sistemas de recomendación: Utilizan la información de comportamiento de cada usuario para predecir

sus intenciones e intereses, y ofrecerles así contenidos adecuados. Son muy utilizados en Comercio

Electrónico.

Análisis de Sentimientos: Basándose en conversaciones públicas (EJ: Twitter, foros) y otros elementos

2.0, se intentan predecir los gustos y el comportamiento de cada usuario con finalidad de diferente tipo.

Predicción de Catástrofes: Las grandes cantidades de datos disponibles se utilizan en la detección de

eventos como incendios o terremotos, de tal manera que se pueda predecir su impacto y generar una

reacción temprana.

Juegos: Ajedrez (Deep Blue) o Preguntas (Watson) son ejemplos de programas que analizan grandes

cantidades de datos de partidas para derrotar a contrincantes humanos.

Categorización y Reconocimiento: De lugares, caras o personas, mediante el análisis del gran volumen

de datos de este tipo disponible online.

18

BrainsSINS, Luis Martin, “Big Data: Necesidades y Aplicaciones”, http://www.brainsins.com/es/blog/big-data-

necesidades-y-aplicaciones/103589

http://www.brainsins.com/es/blog/big-data-necesidades-y-aplicaciones/103589






Medicina: La medicina genómica personalizada (aún en el campo de la investigación) analiza e integra

datos genómicos y clínicos para el diagnóstico precoz y una mejor aplicación de las terapias.

Comportamiento Inteligente de Servicios Públicos: Utilizando la información proveniente de datos

recopilados por sensores inteligentes puede mejorarse la distribución y consumo de recursos

fundamentales como el agua o la energía eléctrica.

Modelado de Riesgos: Algunas entidades bancarias y firmas de inversión punteras, utilizan tecnologías

de análisis de grandes cantidades de datos para determinar el riesgo de operaciones, evaluando un gran

número de escenarios financieros hipotéticos.

Detección de Fraudes: Utilizando técnicas para combinar bases de datos de comportamiento de

usuarios, y datos transaccionales puede detectarse actividad fraudulenta, como por ejemplo: el uso de

una tarjeta de crédito robada.

Monitoreo de Redes: Las redes de servidores producen una gran cantidad de datos que pueden ser

analizados para identificar cuellos de botella o ataques. Este tipo de análisis puede aplicarse también a

otros tipos de redes, tales como redes de transporte, con el fin, por ejemplo, de optimizar el consumo de

combustible.

Investigación y Desarrollo: Algunas empresas con fuerte componente investigadora, como las

farmacéuticas, realizan análisis de grandes volúmenes de documentación (EJ: artículos científicos) y otro

tipo de datos históricos para mejorar el desarrollo de sus productos.

Big Science y el Gran Colisionador de Hadrones: Los experimentos representan unos 150 millones de

sensores para la entrega de datos de aproximadamente 40 millones de veces por segundo, resultando en

la investigación del Colisionador de hadrones, cerca de 600 millones de colisiones por segundo. Luego de

filtrar y abstenerse de registrar más del 99,999% de estos flujos, hay 100 colisiones de interés por

segundo19

20

21

22

:

- Como resultado, sólo trabajar con menos de 0,001% de los datos de la corriente de sensores, el flujo de

datos desde todos los cuatro experimentos del LHC representa 25 petabytes de tasa anual de

información antes de la replicación (a partir de 2012). Esto se convierte en cerca de 200 petabyte de

información después de la replicación.

- Si todos los datos de los sensores debían registrarse en LHC, el flujo de datos sería muy difícil de trabajar.

El flujo de datos superaría los 150 millones de petabytes de tasa anual, o cerca de 500 exabytes por día,

19

Wikipedia, “Big Data”, http://en.wikipedia.org/wiki/Big_data 20

CERN Brochure 2010, “A presentation of the largest and the most powerful particle accelerator in the world, the Large

Hadron Collider (LHC), which starter up in 2008. Its role, characteristics, technologies, etc., are explained for the general public, http://cds.cern.ch/record/1278169?ln=en 21

CERN Brochure 2008, “LHC Guide: A collection of facts and figure about the Large Hadron Collider (LHC) in the form of questions and answers”, http://cds.cern.ch/record/1092437?ln=en 22

Brumfield, Geoff 2009, “High Energy Physics: Down the Petabyte Highway”, Nature (International Weekly Journal of

Science), http://www.nature.com/news/2011/110119/full/469282a.html


http://cds.cern.ch/record/1278169?ln=en


http://www.nature.com/news/2011/110119/full/469282a.html





antes de la replicación. Para poner el número en perspectiva, esto equivale a 500 trillones de bytes por

día, casi 200 veces mayor que todas las otras fuentes combinadas en el mundo.

La Astronomía: Desde que el Sloan Digitial Sky Survey (SDSS) comenzó a recopilar datos astronómicos en

el año 2000, se acumuló más datos en sus primeras semanas, que todos os datos recogidos en la historia

de la astronomía. Siguiendo a un ritmo de alrededor de 200 GB por noche, el SDSS ha acumulado más de

140 terabytes de información. Cuando el Gran Telescopio para Rastreo Sinóptico, sucesor del SDSS, se

ponga en línea en el año 2016, se prevé la adquisición de esa cantidad de datos cada cinco días23

24

.

Descifrando el Genoma Humano: Se refiere al proceso PGH de investigación científica con el objetivo

fundamental de determinar la secuencia de pares de bases químicas que componen el ADN e identificar

y cartografiar los aproximadamente 20.000 – 25.000 genes del genoma humano desde un punto de vista

físico y funcional. El proyecto dotado con 3.000 millones de dólares fue fundado en 1990 en el

Departamento de Energía y los Institutos Nacionales de Salud de los Estados Unidos, bajo la dirección de

Francis Collins, quien lideraba el grupo de investigación público, conformado por múltiples científicos de

diferentes países, con un plazo de realización de 15 años. Gracias a la amplia colaboración internacional,

a los avances en el campo de la genómica, así como los avances en la tecnología computacional, un

borrador inicial del genoma fue terminado en el año 2000. Finalmente, el genoma completo fue

presentado en abril de 2003, dos años antes de lo esperado. Los secuenciadores de ADN humano han

dividido el costo de secuenciación por 10.000 en los últimos diez años, lo cual es un factor de 100 en

comparación con la Ley de Moore.25

26

Ciencias Sociales Computacionales.

Tobías Preis, utilizando Google Trends para los datos demostró que “los usuarios de internet de los países

con un Producto Interno Bruto per cápita alto, son más a buscar información sobre el futuro de la

información sobre el pasado”. Los hallazgos sugieren que puede haber un vínculo entre la conducta en línea

y los indicadores económicos del mundo real. Los autores del estudio examinaron los registros de consultas

en Google que los usuarios de internet en 45 países en 2010 realizaron, y se calculó el volumen de

búsquedas para el año 2011, tras lo cual denominaron “Futuro Índice de Orientación”. Los investigadores

compararon el futuro índice de orientación en relación con el PIB per cápita de cada país, encontrando una

fuerte tendencia a que “los países en los que los usuarios de Google preguntan más sobre el futuro de

exhibir un PIB más alto”. Los resultados sugieren que puede tratarse de una potencial relación entre el éxito

23


The Economist, Data, data everywhere”, http://www.economist.com/node/15557443 25


Wikipedia, “Proyecto Genoma Humano”, http://es.wikipedia.org/wiki/Proyecto_Genoma_Humano




http://es.wikipedia.org/wiki/Proyecto_Genoma_Humano





económico de un país y el comportamiento de búsqueda de información de los ciudadanos capturados en

grandes volúmenes de datos27

.

Gobierno.

En Estados Unidos, se están formando y generando plataformas públicas para comenzar a entender este

paradigma, y para empezar a obtener provecho de éste. Tal es el caso de la iniciativa del gobierno de EE.UU.,

data.gov, y de las Naciones Unidas, unglobalpulse.org, creada para el aprovechamiento de la Innovación

para proteger a los vulnerables. El Gobierno Federal de Estados Unidos posee seis de los diez

supercomputadores más poderosos del mundo. Además, se está construyendo un Data Center en Utha, que

será un centro de datos de la Agencia de Seguridad Nacional (cuando haya terminado, la instalación será

capaz de manejar información del orden de “yottabytes”, recogida por la NSA a través de Internet). En

Latinoamérica, tal como ocurre en el resto del mundo, la región también está experimentando un enorme

crecimiento del Big Data, no así con su aprovechamiento para generar desarrollo. Según la consultora

Global Frost & Sullivan, se pronostica que entre 2012 y 2013 la región sufrirá un aumento exponencial del

Big Data, que demandará avanzadas soluciones tecnológicas (hardware y software) para aprovechar

plenamente la información generada por la enorme cantidad de datos. Sin embargo, son pocas las

compañías y gobiernos de la región que están gestionando el Big Data. Tal situación se debe, tal vez, a la

“falta de visión, inversión, recursos humanos o una mezcla de todos estos, o simplemente porque la mayoría

de las soluciones más básicas son más útiles hoy, o definitivamente no las necesitan (por ahora)”. Con una

gestión seria y planificada del Big Data en cada uno de los países, podrían generarse plataformas

informáticas en tiempo real que, por ejemplo, crucen los datos de fallas sufridas en una planta automotriz

de Brasil o México, y conectarlo con las investigaciones y proyectos relacionados que desarrollan ingenieros

mecánicos de universidades de todo el continente, los que a su vez, podrían cruzarse con datos de

proveedores de materias primas con las que se desarrollarían la nueva pieza de esa fábrica automotriz28

.

Sector Privado.

En el caso de Amazon.com, se encarga de millones de operaciones de Back-End cada día, así como de las

consultas de más de medio millón de vendedores de terceras partes. La tecnología central que mantiene

Amazon funcionando, está basada en Linux y en 2005 tuvieron las tres mayores bases de datos de Linux del

mundo, con una capacidad de 7,8 TB - 18,5 TB . 24,7 TB. Por su parte, Walmart maneja más de 1 millón de

transacciones por hora de los clientes, los cuales se importan a bases de datos que se estima contienen más

de 2,5 petabytes (2.560 terabytes) de datos –el equivalente a 167 veces la información contenida en todos

los libros de los Estados Unidos en la Biblioteca del Congreso. En el caso de Facebook, se estima que maneja

cerca de 50 mil millones de fotos de su base de usuarios. En el caso de FICO, sistema de detección de fraude

27


AméricaEconomía,, Pablo Albarracín, “Big Data: ¿La Nueva Llave para el Desarrollo”,

http://www.americaeconomia.com/analisis-opinion/big-data-la-nueva-llave-para-el-desarrollo







bancario, éste protege a 2,1 millones de cuentas activas en todo el mundo. Infosys por su parte, ha puesto

en marcha el BigDataEdge para analizar los grandes datos. Windermere Real Estate utiliza señales GPS

anónimas de casi 100 millones de conductores para ayudar a los nuevos compradores de vivienda a

determinar sus tiempos de conducción típicos y volver del trabajo a lo largo de distintos momentos del día.

En el caso de las grandes empresas multilatinas, sí parece existir una tendencia y creciente preocupación

por la gestión del Big Data, donde algunas ya han adquirido las tecnologías necesarias, mientras que otras se

encuentran en etapas de implementación y/o análisis. Compañías Mineras, de Petróleo/Gas, Retail,

Aerolíneas y de Telecomunicaciones, se asoman como las más interesadas en el Big Data29

30

31

32

33

34

35

.

Desarrollo Internacional.

Después de décadas de trabajo en el ámbito de la utilización efectiva de las tecnologías de la información y

comunicaciones para el desarrollo (o ICT4D), se ha sugerido que los grandes datos pueden hacer

importantes contribuciones al Desarrollo Internacional. Por un lado, la llegada del Big Data ofrece la

perspectiva económica para mejorar la toma de decisiones en las áreas críticas de desarrollo como Salud,

Empleo, Productividad Económica, el Crimen y la Seguridad, así como para los Desastres Naturales y la

Gestión de Recursos. Por otra parte, todos los problemas acerca del debate del Big Data implican también

los retos a la Privacidad de la Información, la Interoperabilidad y el Poder Omnipotente de algoritmos

imperfectos, los cuales se agravan en los países en desarrollo por los problemas de desarrollo e larga data

como “la falta de infraestructura tecnológica, y la escasez de recursos económicos y humanos”. Esto tiene el

potencial de dar lugar a un nuevo tipo de “Brecha Digital”: la Brecha de la Inteligencia basada en datos para

informar la toma de decisiones36

.

29

The Economist, Data, data everywhere”, http://www.economist.com/node/15557443 30


Money.howstuffworks.com, Layton, Julia, “Amazon Technology”, 05/03/2013,

http://money.howstuffworks.com/amazon1.htm 32

FICO.com, http://www.fico.com/en/Products/DMApps/Pages/FICO-Falcon-Fraud-Manager.aspx 33

The Economic Times, “Infosys launches BigDataEdge to analyse Big Data”, 21/02/2013,

http://articles.economictimes.indiatimes.com/2013-02-21/news/37201267_1_big-data-infosys-vice-president-unstructured-data 34

Express Computer, “Infosys launches BigDataEdge”, 21/02/2013,

http://computer.financialexpress.com/sections/news/1161-infosys-launches-big-data-edge 35

Bits.blogs.nytimes.com, Nick Wingfield, “Predicting Commutes More Accurately for Would-Be Home Buyers”, http://bits.blogs.nytimes.com/2013/03/12/predicting-commutes-more-accurately-for-would-be-home-buyers/ 36

Wikipedia, “Big Data”, http://en.wikipedia.org/wiki/Big_data



http://money.howstuffworks.com/amazon1.htm

http://www.fico.com/en/Products/DMApps/Pages/FICO-Falcon-Fraud-Manager.aspx

http://articles.economictimes.indiatimes.com/2013-02-21/news/37201267_1_big-data-infosys-vice-president-unstructured-data


http://computer.financialexpress.com/sections/news/1161-infosys-launches-big-data-edge

http://bits.blogs.nytimes.com/2013/03/12/predicting-commutes-more-accurately-for-would-be-home-buyers/






Caso el Big Data y el Comportamiento de las Personas.

“La recopilación y análisis de información procedente de teléfonos móviles simples, puede proporcionar

sorprendentes conocimientos sobre cómo se mueven y comportan las personas, e incluso ayudarnos a

entender la propagación de enfermedades”.

En un ordenador en su oficina de la Escuela de Salud Pública de Harvard en Boston, Estados Unidos, la

epidemióloga Caroline Buckee señala un punto en un mapa de las tierras altas al oeste de Kenia, que

representa una de las miles de torres de telefonía móvil del país. En la lucha contra la malaria, los datos

transmitidos desde esta torre, cerca de la ciudad de Kericho, han tenido una enorme importancia a nivel

epidemiológico.

Cuando ella y sus colegas estudiaron los datos, encontraron que las personas que hacen llamadas o envían

mensajes de texto originados en la torre Kericho viajaban con una frecuencia de 16 veces más fuera de la

zona, en comparación de la media regional. Es más, estas personas eran tres veces más propensas a visitar

una región al noreste de lago Victoria que los registros del Ministerio de Salud identificaron como un punto

álgido de la malaria. Por lo tanto, la señal de radio de la toree cubría un punto de referencia importante para

la transmisión de la enfermedad, que puede pasar de persona a persona a través de los mosquitos. Las

imágenes por satélite revelaron la causa más probable: una concurrida plantación de té que seguramente

estaba repleta de trabajadores inmigrantes. La implicación estaba clara, señala Buckee: “Habrá un montón

de infectados en ese lugar”.

Este trabajo está sirviendo de base para una nueva serie de modelos de predicción que Buckee está

construyendo. Muestran, por ejemplo, que a pesar de que se observaron casos de malaria en la plantación

de té, tomar medidas para controlar la malaria allí tendría menos efecto sobre la propagación de la

enfermedad que concentrar los esfuerzos en la fuente: “el lago Victoria”. Siempre se ha creído que esa

región es un centro importante de malaria, pero lo que no ha estado disponible hasta ahora es información

detallada sobre los patrones de viaje humano a ese lugar: cuántas personas van y vienen, cuándo llegan y

salen, a qué lugares específicos van, y cuáles entre esos destinos atraen a la mayoría de las personas que

viajan a lugares nuevos.

De esta forma, Caroline Buckee, epidemióloga de Harvard, está utilizando datos detallados de movimientos

de población, obtenidos de teléfonos móviles, para construir nuevas y precisas herramientas para la lucha

contra la propagación de la malaria. Los esfuerzos existentes por recopilar este tipo de datos de viajes son,

como poco, irregulares. A veces los trabajadores de la Salud Pública cuentan literalmente a las personas en

los centros de transporte o las enfermeras de clínicas remotas preguntan a las víctimas de malaria recién

diagnosticadas dónde han estado recientemente. “En muchos cruces fronterizos de África, mantienen

pequeños registros en papel, pero los papeles se pierden y nadie les sigue la pista”. Tenemos abstracciones

y modelos generales sobre los patrones de viaje, pero jamás hemos sido capaces de hacer esto

correctamente, aduce Buckee.





La Minería de Datos facilitará el diseño de nuevas medidas que probablemente incluirán campañas baratas y

específicas de mensajes de texto, por ejemplo, advirtiendo a los visitantes que entren en la zona de la torre

Kericho que utilicen mosquiteros. Esto ayudará a los funcionarios a elegir dónde concentrar los esfuerzos de

control de mosquitos en las zonas palúdicas. “No queremos tener que rociar cada charco de larvas de

mosquitos todo el tiempo. Pero si sabes que existe una gran cantidad de importaciones procedentes de un

determinado lugar, lo suyo es aumentar el programa de control en ese lugar”, asegura Buckee. “Ahora

puedo precisar puntos de especial importancia dentro de la importación de una enfermedad”.

El estudio más reciente de Buckee, publicado el año pasado en Science y basado en registros de 15 millones

de teléfonos de Kenia, es el resultado de una colaboración con su esposo, Nathan Eagle, que ha estado

dedicado a dar sentido a los datos de teléfonos móviles durante más de una década. A mediados de la

década de 2000, después de conseguir llamar la atención con su trabajo de minería de datos procedentes de

teléfonos de voluntarios en el MIT, Eagle comenzó a recibir llamadas de compañías de telefonía móvil

pidiendo saber más acerca de, por ejemplo, por qué los clientes cancelaban sus planes de telefonía. Eagle

comenzó a trabajar con las compañías. Y cuando la pareja pasó 18 meses en África a partir de 2006 8Buckee

estaba haciendo un trabajo sobre la genética del parásito de la malaria) él estudió los datos de llamadas con

diversos fines, tratando de entender fenómenos como las divisiones étnicas en barrios marginales de

Nairobi y la propagación del cólera en Ruanda. Los resultados de Buckee muestran lo que se puede

conseguir cuando la tecnología se usa para problemas de salud pública. “Esto muestra que sí, podemos

realmente proporcionar no solo conocimiento, sino algo sobre lo que poder actuar”. Afirma Eagle,

actualmente director general de Jana, que lleva a cabo encuestas en teléfonos móviles en el mundo en

desarrollo”, “Esto funciona”.

“Este es el futuro de la epidemiología. Si queremos erradicar la malaria, así es como lo vamos a hacer”.

Esta demostración sugiere cómo podría aprovecharse estos datos para construir herramientas que los

trabajadores de salud, los Gobiernos y otros agentes puedan usar para detectar y vigilar las epidemias,

gestionar desastres y optimizar sistemas de transporte. Otros esfuerzos similares están siendo dirigidos

hacia objetivos tan variados como la comprensión de los patrones de los desplazamientos por París, y la

congestión de multitudes de festivales en Bélgica. Sin embargo, la minería de registros telefónicos podría ser

particularmente útil en las regiones pobres, donde a menudo las infraestructuras de recogida de datos son

mínimas o inexistentes. “Estamos justo empezando a utilizar estos datos para estos fines”, señala Vincent

Blondel, profesor de matemáticas aplicadas en la Universidad de Lovaina en Bélgica y destacado

investigador de datos recogidos de teléfonos móviles. “La adopción exponencial de la telefonía móvil en

entornos de bajos ingresos, y la nueva disposición de algunas compañías telefónicas a ofrecer los datos, dará

lugar a nuevas herramientas tecnológicas que podrían cambiarlo todo”.

Los 6 millones de teléfonos móviles del mundo generan enormes cantidades de datos, entre ello

información de seguimiento de localización y de actividad comercial, historiales de búsqueda y enlaces en

redes sociales. Se están llevando a cabo innumerables esfuerzos para extraer estos datos de diferentes





maneras por parte de organizaciones de investigación y empresariales de todo el mundo. Y de esos seis mil

millones de teléfonos, cinco mil millones se encuentran en países en desarrollo. Muchos de ellos son

teléfonos baratos capaces de hacer poco más que llamadas y enviar mensajes de texto. Pero toda esta

actividad puede ser rastreada en las torres de

telefonía móvil, proporcionando una forma

aproximada de hacer un seguimiento de los

movimientos de una persona. A esto hay que

añadir la difusión de la tecnología de pagos

móviles dentro del comercio simple, y como

resultado obtenemos una materia prima no solo

para conseguir conocimiento en epidemiología,

sino en tendencias de empleo, tensiones sociales,

pobreza, transporte y actividad económica.

El mapa adjunto, producto del análisis de datos de

teléfonos móviles, muestra las fuentes más

importantes de infecciones de malaria (tonos más

oscuros), teniendo en cuenta el potencial de

transmisión causado por los viajes humanos, así

como los principales destinos de las personas

expuestas a la enfermedad (tonos más claros). Se

puede utilizar para determinar dónde enfocar mejor las advertencias y las técnicas de control de mosquitos.

La perspectiva de la minería de datos de teléfonos es especialmente tentadora en los países pobres, donde

la información detallada y actualizada sobre estos asuntos ha resultado escasa hasta ahora. “En el mundo en

desarrollo, no hay un censo en funcionamiento, no se sabe dónde está el tráfico, no siempre cuentas con

infraestructura de recopilación de datos del Gobierno”, señala Alex Sandy Pentland, director del laboratorio

de Dinámica Humana del MIT, que durante mucho tiempo ha estado interesado en el conocimiento que

proporcionan los datos creados mediante el uso de teléfonos móviles. “Pero, de repente, lo único que tienes

a tu disposición, es decir, teléfonos móviles por todas partes, especialmente durante los últimos años,

puede darte el equivalente de toda esa infraestructura que ya está construida en el mundo desarrollado”.

Cuando una llamada se conecta a una estación base determinada, esa estación registra el número de

identificación del teléfono y la duración de la llamada. Con el tiempo, esta información se puede utilizar para

tener una idea de los movimientos regionales de al gente y la forma de sus redes sociales. El historial de

compras en los teléfonos también es muy valiosa: los registros de las compras agrícolas podrían ser

utilizados para predecir los suministros o la escasez de alimentos. Y los datos financieros recogidos por los

sistemas de pago móviles pueden construir un historial de crédito y ayudar a millones de personas sin

acceso a la banca a poder obtener préstamos convencionales. “Los métodos de análisis de base de datos y

http://www.youtube.com/watch?v=ol2gu_rIpwY

hugo

Placed Image

hugo

Sticky Note






los ordenadores son muy estándar”, afirma Pentland. “Se trata de crear ciencia y buscar los patrones

correctos”. Ciertos patrones de movilidad podrían estar relacionados con la propagación de una

enfermedad, los patrones de compra podrían significar que una persona ha tenido un cambio laboral, y los

cambios de conducta o patrones de movimiento podrían relacionarse con la aparición de una enfermedad.

Una potente demostración de lo útiles que pueden ser los datos de teléfonos baratos se produjo después

del terremoto de enero de 2010 en Haití, que mató a más de 200.000 personas. Investigadores del instituto

Karolinaska de Suecia obtuvieron datos de Digicel, el mayor operador de telefonía móvil de Haití. Extrajeron

los datos de movimiento diario de dos millones de teléfonos, comenzando 42 días antes del terremoto y

hasta 158 días después, concluyendo que 630.000 personas que habían estado en Puerto Príncipe el día del

terremoto habían salido de la ciudad en un plazo de tres semanas. También demostraron que podían hacer

estos cálculos casi en tiempo real. Mostraron, 12 horas después de recibir los datos, cuántas personas

habían huido de un área afectada por un brote de cólera, y a dónde fueron.

Lo más importante es que su trabajo dio lugar a un modelo que podría servir de guía para las respuestas a

futuros destres. Después de analizar los datos sobre los hábitos de viaje antes del terremoto, el grupo sueco

encontró que los haitianos en general salieron de la ciudad para ir a los mismos lugares donde habían

pasado la Navidad y el Día de Año Nuevo. Estos resultados permiten predecir dónde irá la gente cuando

ocurra un destre.

Respecto a la “Ampliación de la Escala”, hasta hace poco, estos estudios eran realizados por investigadores

después de conseguir un acuerdo especial con las compañías para obtener los datos (Eagle los obtuvo a

través de sus conexiones académicas). Sin embargo Orange, el gigante mundial de telecomunicaciones con

sede en Francia, concedió el año pasado a la comunidad de investigación mundial datos basados en 2.500

millones de registros anónimos (sujetos a ciertas condiciones y restricciones) de cinco meses de llamadas

realizadas por cinco millones de personas en Costa de Marfil. La primera fase de este gran experimento

consiste en simplemente ver qué es posible con los datos.

Las compañías de telefonía móvil del mundo tienen una mina de oro de datos, señala Nathan Eagle,

director general de Jana, que lleva a cabo encuestas en teléfonos móviles. Sin embargo, señala que el uso

generalizado de los datos requerirá nuevos modelos de negocio y protecciones e privacidad.

Casi un centenar de grupos de investigación de todo el mundo aprovecharon la oportunidad de analizar los

registros. Estaba programado que los estudios fueran presentados en mayo en una conferencia en el MIT

bajo el nombre de Datos para el Desarrollo, que forma parte de una conferencia más grande sobre

proyectos de minería de datos tanto en el mundo pobre como rico. “Es la primera vez que un conjunto de

datos de teléfonos móviles a gran escala ha sido cedido a este nivel”, afirma Blondel, que preside la

conferencia. Los estudios no habían sido publicados formalmente en el momento de escribir este artículo.

Pero uno de ellos muestra un gráfico de las interacciones sociales y de viaje a través de una división étnica

tradicional Norte-Sur, y proporciona información sobre cómo podría evitarse el conflicto. Otro propone





herramientas para el mapeo de la propagación de la malaria y la detección de brotes de enfermedades. Un

laboratorio de empresa ha construido un modelo de transporte a partir de datos de teléfonos móviles para

realizar un seguimiento de pasajeros en 539 autobuses, 5.000 minibuses y 11.000 taxis compartidos.

Incluso si el experimento de Costa de Marfil tiene éxito, replicarlo en otros países podría no resultar tan

sencillo. El año pasado, el Foro Económico Mundial, el grupo de figuras líder industriales, académicas y

políticas que convergen cada año en Davos, Suiza, hizo un llamamiento a los Gobiernos, organizaciones de

desarrollo y empresas para el desarrollo de herramientas de análisis de datos, que mejoren la vida de las

personas en el mundo pobre. “No debería tener que ir a los operadores y decirles les voy a hacer una

consultoría gratuita, y a cambio quiero usar vuestros datos para mejorar vidas”, asegura Eagle. “Los

operadores deberían querer estar involucrados en esto. En este momento, muchos de ellos no ven el lado

bueno, pero si podemos hacer que los líderes del mundo les animen a hacerlo, tal vez podamos conseguir

muchas cosas”.

“Podemos realmente proporcionar no solo conocimiento, sino algo sobre lo que poder actuar. Esto realmente

funciona”.

Esto requerirá un trabajo cuidadoso para proteger la privacidad y evitar que los datos se utilicen con fines

opresivos. Orange señala que se esforzó en hacer que los datos fueran anónimos, pero el campo necesita

formas claras y ampliamente aceptadas de llevar la información al mercado. “Hay riesgos y beneficios en el

hecho de vivir en sociedad basada en los datos”, señala Pentland. “Está la cuestión de quién posee los datos

y quién los controla. Te puedes imaginar lo que Muamar Gadafi habría hecho con este tipo de datos .

Orange está tratando de encontrar la forma de crear un patrimonio común de datos que logre una mayor

transparencia, responsabilidad y eficiencia, para detectar dónde se producen eventos inusuales, eventos

extremos, que nos indiquen dónde se está desmoronando la infraestructura. Podemos hacer muchas cosas

con ello, pero tiene que estar disponible.

A media que estas cuestiones se desarrollan, Buckee y Eagle están trabajando en perfeccionar y aumentar

las herramientas de minería de datos en Kenia. Eagle tiene como objetivo utilizar encuestas para refinar y

confirmar la imagen creada por los datos de minería de telefonía móvil a gran escala. El registro de llamadas

no es suficiente, afirma. Encuestar incluso simplemente a algunas personas podría permitir a los

investigadores descartar suposiciones erróneas acerca de lo que muestran los registros. Una vez, mientras

analizaba datos de teléfonos en Ruanda, Eagle observó que la gente no se había movido mucho después de

una inundación. Al principio, su teoría era que una gran cantidad de gente estaba en cama con cólera. Pero

resultó que el diluvio había borrado las carreteras.

Buckee espera extraer datos para atacar a las cepas del parásito de la malaria resistentes ante los

medicamentos. Estas cepas, que emergen en Camboya y en otros lugares, podrían invertir el progreso

contra la enfermedad si se les permite proliferar, advierte. Así que quiere empezar combinando los datos

sobre la propagación de los parásitos en modelos de movilidad para ayudar a producir estrategias para





combatir enfermedades específicas. “Este es el futuro de la epidemiología”, afirma. “Si queremos erradicar

la malaria, así es como lo vamos a hacer” 37

.

La utilidad del Big Data en e-Commerce.

Martin38

sostiene que el impacto de todo lo que se encuentra bajo el paraguas del Big Data en Internet

abarca múltiples aplicaciones. En la mayor parte de las ocasiones, se relacionan sus usos con las Redes

Sociales, donde la riqueza de las interacciones entre los usuarios genera cantidades ingentes de información

que puede ser procesada con diferentes fines. Sin embargo, las aplicaciones en Comercio Electrónico

también pueden resultar muy jugosas, siempre y cuando se cuente con la tecnología y la visión adecuadas.

En el caso del e-Commerce, el principal factor a tener en cuenta es que el objetivo está siempre claro, dado

que “la conversión” añade un elemento de concreción que no es tan fácil de encontrar en otros actores de

Internet (EJ: en el caso de las redes sociales los objetivos pueden ser diversos, pero nunca tan concretos).

Este punto se alinea perfectamente con una toma de decisiones basada en datos bien estructurados, y

cuantos más mejor. La “organización de la información” proveniente de los diversos agentes involucrados en

el negocio (Sistemas de Gestión de Marketing, CRM, Proveedor de e-mail, Sistemas de Recomendaciones,

Datos off-line, Campañas de Marketing) resulta clave, así como su correcta “integración y análisis”.

Tratándose en el caso más normal de grandes cantidades de datos, las tecnologías de almacenamiento y

análisis asociadas al Big Data pueden ser de gran ayuda.

Todo esto lleva a una “toma de decisiones basada en los datos”, una característica deseable en cualquier

negocio, pero que cobra especial interés cuando se goza de una cantidad elevada de información que

incluso puede ser visualizada en tiempo real, y que se actualiza constantemente a alta velocidad. En muchos

casos, las decisiones de los retailers online se basan en impulsos o intuiciones basadas en experiencias que,

aunque en muchos casos pueden resultar acertadas, resultarían mucho más efectivas si pudieran

contrastarse con los verdaderos datos del negocio. La posibilidad de realizar Analítica de Big Data en el

tiempo adecuado, permite ahorrar costos y muchos ensayos de tipo “prueba y error” como los test A/B.

Aunque se encuentra dentro de la analítica del negocio mencionada anteriormente, la Analítica Web

merece una distinción aparte por tratarse de una aplicación puramente Big Data, y que tan relacionada está

con el núcleo del e-Commerce. El registro de los datos de navegación de los usuarios ofrece posibilidades

fuera de toda duda para el conocimiento del negocio. Sin embargo, aún puede avanzarse mucho más en la

explotación que se hace de estos datos, que actualmente se limita al Almacenamiento y la Visualización

(normalmente KPIs contenidos en Dashboards e Informes). Si se comienzan a aplicar en este dominio las

37

MIT Technology review, “Big Data con Teléfonos Baratos”, 09/05/2013,

http://www.technologyreview.es/read_article.aspx?id=42986 38

BrainsSINS, Luis Martin, “La Utilidad del Big Data en e-commerce”, 27/05/2013,

http://www.brainsins.com/es/blog/big-data-en-ecommerce/107266

http://www.technologyreview.es/read_article.aspx?id=42986






herramientas de Análisis Automático e Integración de Datos Asociadas al Big Data, las posibilidades son

infinitas.

Una de las Aplicaciones Inteligentes derivada de la Analítica Web, que ya está aplicando con éxito el e-

Commerce son los Sistemas de Recomendación. Tomando como base la navegación de los usuarios,

complementada con las diversas acciones que pueden realizarse en la Web (añadir al carrito de compra,

“like” –o me gusta-, comentarios,..) se generan perfiles personalizados para adecuar la oferta de productos

en las diferentes componentes del sitio, de tal forma que se aumente la probabilidad de conversión. Hoy en

día, caso todas las tiendas online importantes cuentan con tecnología inteligente de recomendación.

Existen otras aplicaciones del Big Data relacionadas con el Comercio Electrónico, sobre todo en lo relativo a

la explotación de los datos de navegación de los usuarios (Behavioral Targeting, emails personalizados,

seguimientos del abandono del carrito, retargeting,..). Estas y otras muchas aún por llegar, ofrecen un

espectro de aplicación muy interesante para mejorar el negocio. El e-Commerce basado en un análisis

avezado de los datos es hoy una realidad para muchos actores de éxito, y se acentuará su protagonismo en

los próximos años a medida que las tecnologías de Big Data se vayan implementando como servicios a

accesibles para la mayoría.

Según la empresa EMC239

, el Big Data brinda una nueva perspectiva usando aplicaciones Big Data, que

ayudan a automatizar procesos de gran volumen de datos que integran información de diversas fuentes de

Big Data, permiten utilizar métodos de “desarrollo ágil” para crear aplicaciones impulsadas por los datos

que distinguen a los negocios. El Big Data ayuda a “crear un nuevo valor de negocio”, donde el Big Data es la

base para la creación de nuevos niveles de valor para el negocio con aplicaciones, almacenamiento, análisis,

donde el Big Data fomenta la eficiencia, la calidad, productos y servicios personalizados, lo que produce

niveles más altos de experiencia y satisfacción del cliente.

39

EMC2, http://chile.emc.com/index.htm

http://chile.emc.com/index.htm





Big Data Transforma Negocios y la cara Humana del Big Data, entre otros.

A continuación algunos videos que hablan sobre el Big Data y la transformación de los Negocios, así como la

cara humana del Big Data.

El Big Data trasforma Negocios: El Big Data presenta grandes desafíos y oportunidades, permitiendo

transformar negocios y superar a la competencia (ver

video pinchando imagen adjunta o link adjunto).

Fuente: Video EMC2 sobre cómo el Big Data transforma

negocios, http://bcove.me/zzewkq5h

La cara humana del Big Data: ayuda a las organizaciones a trasformar sus negocios y sus vidas (ver video

pinchando imagen adjunta o link adjunto)

Fuente: Video EMC2 sobre cómo el Big Data ayuda a las

organizaciones transformar sus negocios y sus vidas,

http://bcove.me/cnprin0d

Big Data en tesoros históricos: La Biblioteca Vaticana,

una de las más antiguas del mundo, necesitaba

preservar casi 90.000 manuscritos históricos y ponerlos

a disposición de eruditos e historiadores de todo el

mundo (ver video pinchando imagen adjunta o link

adjunto). Fuente: Video EMC2 sobre Big Data en tesoros

históricos, http://bcove.me/v0m19ipj

http://bcove.me/zzewkq5h


http://bcove.me/v0m19ipj




hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note


hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note






Sistemas de Evaluación de Riesgo: Estrategias de Big Data en sistemas de evaluación de riesgo pueden

mejorar la experiencia del cliente, aprovechar el poder del Big Data para ofrecer un mejor servicio y

adoptar un proceso de desarrollo fácil (ver video pinchando imagen adjunta o link adjunto).

Fuente: Video EMC2 sobre Sistemas de Evaluación de

Riesgo con Big Data, http://bcove.me/7n4i9e1k

Desarrollo de Programación Externa y Co-

Diseño con Clientes: El caso de la experiencia de Pivotal

Labs (empresa desarrolladora de software), quienes

gracias a Big Data, permite trabajar conjuntamente con

sus clientes, y hacer realidad la visión de sus clientes (ver video pinchando imagen adjunta o link

adjunto).

Fuente: Video EMC2 sobre la Experiencia de Pivotal Labs

con Big Data, http://bcove.me/8496i3gf

Continuando con la investigación de aplicaciones de Big Data, di con un caso de estudio sobre el Big Data y

el Sector Salud, en casos de estudio de Microsoft:

Caso el Big Data en el Sector Salud (Desbloqueo del Valor oculto de los Datos).

Ascribe Ltda, es un líder de soluciones TI para la industria de la salud, quienes querían ayudar a los médicos

de la National Foundation Trust (NHS) en Inglaterra, a identificar tendencias y mejorar los servicios mediante

el suministro de un acceso más rápido a la información. Sin embargo, la explosión de volúmenes de datos

estructurados y no estructurados obstaculizaban la visión. Los analistas de salud suelen trabajar a partir de

http://bcove.me/7n4i9e1k

http://bcove.me/8496i3gf


hugo

Placed Image

hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note






datos recogidos y codificados cuando los pacientes reciben tratamiento en clínicas y hospitales. En el

momento que reciben la información, por lo general fuera de fecha, los datos ya se han codificado y

almacenado en un sistema de registro, o que se han extraído de un flujo de trabajo de un hospital, y que no

siempre sucede en tiempo real. Además, existen grandes volúmenes de datos potencialmente útiles en

archivos de texto a partir de fuentes tales como vistas no programadas a las salas de emergencia, registros

de asistencia a la escuela, y venta de drogas al por menor. En Internet, se ofrece otro tesoro de información

sin explotar, incluyendo el análisis de clicks y las redes sociales como Twitter. “Si usted piensa en cada

médico que lucha con la obtención de datos oportunos y precisos, y lo acrecienta a escala nacional,

entonces se convierte en un inmenso desafío” (Paul Henderson, Jefe de División de Business Intelligence en

DAD, proveedores de servicios de BI en Bolton, Inglaterra). Tienes un montón de pequeñas piezas de datos

que vienen de varios lugares, y pueden ser muy difíciles de agregar e interpretar. Este es el trabajo de una

persona de “control de infecciones a nivel nacional en cualquier parte del mundo”. La empresa DAD había

trabajado previamente en una solución para apoyar el análisis de la asistencia nacional de salud de atención

de emergencia. El sistema fue diseñado para monitorear el número diario de personas que visitaron las salas

de emergencia en el Reino Unido, y dar la alarma cuando se identificaran los niveles de actividad inusual,

como por ejemplo, un brote de una enfermedad infecciosa.

Sin embargo, desbloquear la solución era difícil. Era difícil reunir los datos de un número cada vez mayor de

profesionales de la salud, incluidos los médicos móviles. Además, los médicos fueron incapaces de utilizar el

volumen de explosión de datos no estructurados de las notas de casos de pacientes y alimentos para los

medios de comunicación social. “El poder de procesamiento que se necesita para manejar toda esa

información está más allá de la capacidad de la mayoría de las organizaciones”, Un hospital no puede

limitarse a defender una granja de servidores para procesar millones de notas de caos de un sistema de

atención de emergencia, además de otros datos. Para resolver el problema, DAD diseñó una prueba de

vigilancia sindrómica del concepto que crearía un enfoque estandarizado para trabajar con os datos de

salud. La empresa pidió ayuda a Leeds Teaching Hospitals, uno de los mayores centros de NHS en el Reino

Unido, para participar en el proyecto. Leeds puede generar cada año hasta medio millón de registros de

accidentes y servicios de urgencia de su sistema. El hospital también genera aproximadamente un millón de

expedientes estructurados cada mes.

DAD no quería solo crear una prueba de concepto de solución BI para el seguimiento de las enfermedades

infecciosas a nivel nacional, sino también una herramienta que podría utilizarse para mejorar las

operaciones de los proveedores locales de atención. “El objetivo era encontrar una manera de hacer que el

flujo de datos fuera más rápido en casi tiempo real”. También querían aumentar los datos clínicamente

codificados con los datos recogidos de notas de casos. De esta forma, DAD quería crear una base de

conocimiento nacional que tanto los analistas de vigilancia sindrómica y los médicos locales pudieran utilizar

para mejorar la salud. Así, atribuyeron que necesitaban una solución altamente escalable, que pudiera

trabajar con varios tipos de datos y fuentes, así como proporcionar herramientas de BI de autoservicio para

los usuarios.





Para resolver el problema, se atribuyó el diseño de una solución híbrida en la Nube (Cloud) con herramientas

de Business Intelligence. La solución también incluyó aplicaciones que se pueden ejecutar en Tablets. Al

simplificar la implementación, la compañía desarrolló una prueba de concepto de un plazo d 6 semanas.

Luego los médicos pudieron responder más rápidos con las herramientas de BI de autoservicio y obtener

una visión práctica de una amplia variedad de datos que incluían el historial clínico, notas de la sala de

emergencia y alimentos por medio de medios de comunicación social.

De esta forma, dentro de los Beneficios obtenidos, con la construcción de una solución de Big Data , DAD

entrega herramientas de salud más rápido, acelerado la respuesta y proporcionando conocimientos útiles en

grandes volúmenes de datos. Se logró transformar la salud con rápido acceso a los datos al trabajar con

una pula de extremo a extremo de software y servicios basados en la nube, atribuyendo rápidamente una

solución proporcionada por Big Data, que puede mejorar la salud a nivel local y nacional. De esta forma,

creando una solución híbrida compleja de Cloud, que pudiera procesar rápidamente grandes volúmenes de

datos procedentes de múltiples fuentes, la solución incluía herramientas de Business Intelligence de

autoservicio, y una interfaz de usuario dinámica y ágil, como herramienta indispensable para los

profesionales sanitarios en prácticamente cualquier lugar. Con la posibilidad de mostrar a los clientes de

DAD la información a través de un Tablet con aplicaciones que proporcionaban acceso en tiempo real a los

datos de salud, pudieron proporcionar un portal clínico móvil que se puede utilizar en cualquier lugar.

Mediante el uso de capacidades de análisis y herramientas de BI de autoservicio, los proveedores de la salud

pueden responder más rápido y colaborar más fácilmente con sus compañeros. Si usted está buscando una

probable propagación de enfermedades infecciosas a nivel nacional, quiere averiguar lo que está

sucediendo tan rápido como sea posible. Con esta solución, los médicos podían saltar de una alerta a un

mapa que mostrara la progresión de la enfermedad. La capacidad de analizar millones de registros en

cuestión de segundos, es inmensamente poderoso.

Mediante el uso de una Plataforma Distribuida a la información agregada, y el proceso de diferentes fuentes

tales como notas de salas de emergencia, registros de asistencia a la escuela, y los medios sociales, DAD

pudo desbloquear el potencial de grandes volúmenes de datos. Como resultado, los médicos hoy en día

pueden identificar las tendencias más rápido y mejorar la calidad de la atención. El Sistema de Vigilancia de

la Salud proporciona una visión práctica. No se trata de un crujido de estadísticas, se trata de comprimir el

tiempo que se necesita para identificar el problema, y actuar en consecuencia de la mejor manera posible40

.

40

Microsoft, Case Studies, “Ascribe Ltda”, 18/03/2013,

http://www.microsoft.com/casestudies/Case_Study_Detail.aspx?CaseStudyID=710000002092






Caso el Big Data en la Industria de Entretención de Juegos (Telemetría

Enriquecida).

La franquicia Halo, es una de las propiedades de coleccón de juegos más galardonadas, que se ha convertido

en un fenómeno de entretenimiento global. Ha la fecha, más de 50 millones de copias de videojuegos de

Halo se han vendido en todo el mundo. Como desarrolladores

preparados para lanzar “Halo 4”, se encargaron de analizar los datos

para obtener información sobre las preferencias de los jugadores y

apoyar un torneo en línea. Para hacer frente a esas peticiones, el

equipo utlizó tecnología Microsoft, basado en el marco Apache

Haddop para Big Data. Utilizando servicios para procesar y analizar

datos brutos, el equipo fue capaz e alimentar las estadísticas del

juego para el operdor del torneo, que utiliza los datos para clasificar a

los jugadores basados en el juego. El equipo también utilizó servicios

para actualizar Halo 4 cada cuatro semanas, y apoyar una campaña de

correo electrónico diario diseñado para aumentar la retención de juegadores. Las organizaciones también

pudieron usar los datos para tomar rápidamente las decisiones de negocios.

La marca “Halo 4” inició la nueva saga de la franquicia de gran éxito mundial en la historia de

entretenimiento que definió y formó a una generación de jugadores. Desarrollado por 343 Industries

Microsoft Studios, exclusivo para sistema de entretenimiento de video juego Xbox de Microsoft. Halo 4 trae

de vuelta al personaje Master Chief en una nueva y épica aventura de ciencia ficción. Lanzado en noviembre

de 2012, el partido logró más de US$ 200 millones en ventas globales en sus primeras 24 horas, y atrajo a

más de 4 millones de jugadores en sus primeros cinco días después de su lanzamiento.

Para el Equipo de Servicios Halo, un equipo de desarrollo de 343 Industries que maneja el juego, uno de los

mayores retos es “la escala para satisfacer las demandas de los jugadores”. Esa es una razón por la que el

equipo utilizó la plataforma de desarrollo Windows Azure en la Nube (Cloud) para poder apoyar los servicios

de Back-End del juego. Estos servicios se ejcutan en características de multijugador clave del juego,

incluyendo tablas de clasificación y avatar de representación. El hosting de las partes multijugador del juego

asegura que el equipo tiene una manera de añadir y eliminar la capacidad del servidor, según sea necesario

de forma rápida y económica.

A medida que el juego se preparó para el lanzamiento, 343 Industries se enfrentó a un nuevo tipo de reto:

“el análisis de datos durante el torneo de “Halo 4 Infinitive Challenger” durante cinco semanas y

proporcionar resultados todos los días a su parea en el torneo, Virgin Gaming. El Halo 4 Infinitive Challenger,

el mayor torneo de juego de libre acceso en línea en el mundo, siguió el puntaje de los jugadores, con la

oportunidad de ganar más de 2.800 premios. Virgin Gaming necesitaba utilizar los datos de Inteligencia de

Negocios (BI) reunidos durante el evento para actualizar las tablas de la web site del torneo.

http://www.youtube.com/watch?v=ldzZCZYa4d8

hugo

Placed Image

hugo

Sticky Note






Para cumplir con estos requerimientos de negocio, 343 Industries sabía que tenian que encontrar una

solución tecnológica de BI que se integrara con Windows Azure. “Una de las mejores cosas de 343 Industries

es cómo utilizan la tecnología de vanguardia, como Azure”, sostiene Alex Gregorio, Gerente de Programas

de Microsoft Studios, que publicó Halo 4. De esta forma, ellos quisieron encontrar el mejor ambiente de BI

que necesitaban para asegurarse de que se integrara con Azure.

Debido a que todos los datos de Halo 4 se encontraban en Azure, el equipo quería encontrar una solución

que pudiera producir eficazmente la información BI a partir de esos datos. Además, el equipo necesitaba

procesar estos datos en el mismo centro de datos, minimizar el costo de almacenamiento y evitar los cargos

de tansferencia de datos a través de dos centros de datos. Además, el equipo quería el control total sobre

las prioridades de trabajo, por lo que el rendimiento y la entrega de consultas analíticas no se verían

afectados por otros puestos de trabajo de procesamiento que se ejecutaran al mismo tiempo. Tenían que

tener una solución flexible que no estaba en las instalaciones, afirma Gregorio. De esta forma, el equipo

comenzó la búsqueda de una nueva solución de BI en los meses previos al lanzamiento programado para

noviembre de Halo 4.

343 Industries decidió utilizar el servicio HDINsight, que está basado en Apache Haddop, un marco de

software de código abierto creado por Yahoo! Haddop, que es ideal para ejecutar análisis complejos,

pueden analizar masiva cantidad de datos no estructurados de una manera distribuida. Esto permitiía a los

usuarios obtener nuevos conocimientos a partir de datos no estructurados, a través de los datos de

conexión a herramientas familiares de BI de Microsoft. El equipo estaba especialmente atraído por la

flexibilidad del servicio de HDinsight, lo que permitió separar la cantidad de los datos en bruto, de la talla de

procesamiento necesario para consumir esos datos. Con los sistemas anteriores, nunca tuvieron la

posibilidad de separación entre la producción y los datos en bruto, por lo que siempre había la cuestión de

cómo se ejecutaban los análisis que afectarían la producción, sostiene Mark Vayman, Lead Program

Manager del Equipo de Servicios de Halo (Hadoop resolvió el problema). Cada día, Hadoop maneja millones

de objetos ricos en datos relativos a Halo 4, incluyendo los modos preferidos de juegos, la duración del

juego, y muchos otros artículos…

Dentro de los Beneficios obtenidos, se pudo responder más rápidamente a las peticiones de los clientes. Con

la flexibilidad de la solución, el equipo de servicios Halo es capaz de hacer actualizaciones semanales al

juego y fue capa de ayudar a Virgin Gaming a detectar tramposos en el torneo Infinitive Challenger en línea.

También se pudo apoyar las campañas de correo electrónico personalizado que el equipo de Marketing de

Halo estaba utilizando para mejorar la experiencia del usuario y retener a los jugadores. Además, la solución

se basaba en herramientas conocidas que se podían usar para simplificar la toma de decisiones, se logró

aumentar la agilidad y acelerar el tiempo de respuesta, se pudo ayudar al Equipo de Marca Halo 4 en las

actualizaciones del juego semanal, así como también se pudo tomar sugerencias de los usuarios y darle a los





diseñadores del juego información que se puede considerar para el desarrollo de futuras ediciones de

Halo41

.

Caso de Aplicaciones Big Data en el Deporte.

Con el paso de los años, la tecnología ha progresado y el Big Data se ha hecho una realidad, gracias a la

construcción de máquinas con gran capacidad de cálculo y software para gestionar todo el potencial. Aparte

de las aplicaciones en el ámbito empresarial, comercial o para fines de investigación, el análisis de grandes

cantidades de datos también planea sobre el deporte, aunque de una forma más sofisticada.

La información es clave en el “deporte de alta competición” como en muchos otros campos. En algunos

casos, como en la Fórmula 1, las variables que se miden son muchas y el análisis pormenorizado. Los

equipos ya examinan al detalle cualquier dato relativo, las diferentes partes del coche, al piloto, al circuito y

a las condiciones atmosféricas. De hecho los vehículos cuentan con una serie de controles electrónicos que

reciben información de los niveles del motor, como el aceite o la gasolina, así como el estado de los

neumáticos o la caja de cambios, entre otros factores. Estos datos se envían en tiempo real a una

supercomputadora mediante una conexión de 4Mbps. Por ejemplo, la escudería Catherman F1 utiliza este

sistema y aprovecha los datos no sólo durante la carrera. Después la información se analiza para comprobar

en qué puntos se puede mejorar el tiempo y cuándo se puede evitar los problemas que surgen a lo largo de

la prueba. Hasta tal punto confía el equipo en esta tecnología que ha invertido millones de dólares en una

infraestructura capaz de cumplir con esta tarea.

La Fórmula 1 es un caso claro en el que la información para poner a punto los coches y a los pilotos es

exhaustiva. Son muchas las variables que los equipos tienen en cuenta, sin embargo, una aplicación más

intensa de Big Data podría mejorar si cabe el nivel de precisión al

que están acostumbrados en este sector. No es el único en el que

la tecnología sirve de utilidad.

Adidas, por otro lado, ha creado una tecnología que podría

revolucionar el trabajo de los entrenadores de fútbol. Se trata de

MiCoach Elite System, un chip que se coloca en las camisetas de

los jugadores, monitorizando su velocidad, su seistencia física y

otros parámetros. En total, envía más de 200 registros de datos en

tiempo real a un dispositivo, que podría ser un Tablet o un

Smartphone. El entrenador podrá ver toda esta información sobre

cada individuo, calibrando cuál es su estado físico e incluso psicológico.

41

Microsoft Case Studies, “343 Industries Gets New Users insights from Big Data in the Cloud”, http://www.microsoft.com/casestudies/Windows-Azure/343-Industries/343-Industries-Gets-New-User-Insights-from-Big-Data-in-the-Cloud/710000002102

http://www.microsoft.com/casestudies/Windows-Azure/343-Industries/343-Industries-Gets-New-User-Insights-from-Big-Data-in-the-Cloud/710000002102


http://www.youtube.com/watch?v=oAepPbvdDsw

hugo

Placed Image

hugo

Sticky Note






De esta forma, un entrenador de fútbol podrá “decidir si un jugador necesita más acondicionamiento físico”,

reposo o trabajar sobre otros aspectos. Así, se lograría mantener a cada uno lo más cerca posible del pleno

rendimiento de forma habitual. Mediante un análisis de Big Data también se podría comprobar cuándo se

llega al límite físico para detener el proceso de entrenamiento.

Micoach Elite System va a ser utilizado en la Major League Soccer, la liga de categoría superior que disputan

conjuntamente equipos de Estados Unidos y Canadá. Si bien la solución tecnológica aún tiene camino por

recorrer, su implementación a un nivel más allá de lo anecdótico es un comienzo para la expansión del Big

Data en el fútbol y en otros deportes.

Los Juegos Olímpicos de Londres 2012 supuso asimismo un principio de Innovación Tecnológica en el

deporte. Algunos de los participantes se sirvieron de big Data para tratar de mejorar sus resultados. La atleta

estadosunidense Lolo Jones entrenó con un equipo de 22 científicos y

analistas. Se utilizaron sensores en sus zapatillas, datos de imagen a

cámara lenta y elementos para controlar que su cuerpo funcionara al

máximo rendimiento (ver video pinchando imagen adjunta o link

adjunto).

Fuente: “Lolo Jones High Training with Red Bull Project X”,

http://www.youtube.com/watch?feature=player_embedded&v=ocfsxh

jJzaQ#!

Pero la competición no es el único objetivo que está en el punto de

mira de Big Data. Los deportistas de élite muchas veces obligan a su cuerpo a desarrollar esfuerzos límite y

éstos pasan factura. Un “análisis pormenorizado” también puede ayudar a marcar el terreno de lo que está

al alcance y lo que podría poner en peligro la salud de la persona. Mediante herramientas de monitorización,

como el chip de Adidas o dispositivos que se encuentran actualmente en el mercado (Nike + Fuelband y

otras pulseras inteligentes), se pueden controlar los biorritmos de un deportista constantemente. Llegado el

momento, esto podría evitar casos de falla cardíaco, de los que no están exentos algunos futbolistas o

atletas de élite.

Los equipos informáticos analizarían toda la información relativa a cada deportista individualmente, y

tendrían la posibilidad de cruzarla con datos de otros que realizarán el mismo esfuerzo, evaluando asimismo

las condiciones y el desgaste físico. De esta forma, se podría alertar a cada persona cuando este llegando a

su límite, evitando así consecuencias graves42

.

Otros ejemplos de Big Data hoy en día, pueden referirse al área de “Big Science, RFID” (Radio Frecuency

Identification o Identificación por Radiofrecuencia), Redes de Sensores, Redes Sociales, Análisis de Grandes

42

Think Big, “Aplicaciones de Big Data en el Deporte”, 05/03/2013, http://blogthinkbig.com/big-data-deporte/

http://www.youtube.com/watch?feature=player_embedded&v=ocfsxhjJzaQ


http://blogthinkbig.com/big-data-deporte/


hugo

Placed Image

hugo

Sticky Note






Datos Sociales (debido a la revolución de los Datos Sociales), Textos y Documentos en Internet, Indexación de

búsqueda en Internet, Registros detallados de llamadas, la Astronomía, la Ciencia Atmosférica, la Genómica

(conjunto de ciencias y técnicas dedicadas al estudio integral del funcionamiento, contenido y evolución de

los genomas), la Biogeoquímica (ciencia que estudia la interacción entre los compuestos geoquímicos y los

organismos vivos), la Investigación Científica Compleja, las interdisciplinas biológicas, Vigilancia Militar,

Previsión de Tiempos de Conducción para los Nuevos Compradores de Viviendas, Registros Médicos, Archivos

de Fotografía, Archivos de Video, y el Comercio Electrónico a Gran Escala.

Caso Big Data en la Educación.

Según Mark van Rijmenam,43

las nuevas tecnologías permiten a las escuelas, colegios y universidades

analizar absolutamente todo lo que sucede. De la conducta de los estudiantes, resultados de pruebas,

desarrollo de las carreras de los estudiantes, así como las necesidades educativas basadas en el cambio de

las sociedades. Muchos de estos datos ya se han almacenado y se utilizan para el análisis estadístico de los

organismos gubernamentales, como el Centro Nacional de Estadísticas Educativas (National Center for

Educational Statistics). Con el surgimiento de más y más educación en línea (por Internet) y el desarrollo de

las MOOCs (Massive Online Open Course, o Cursos en Línea Abiertos y Masivos), todos los datos consiguen

un significado completamente nuevo. El Big Data permite cambios muy interesantes en el campo de la

educación que van a revolucionar la manera como los estudiantes aprenden y los maestros enseñan. Para

estimular esta tendencia, el Departamento de Educación de los Estados Unidos (DOE) fue parte de una serie

de organismos para compartir una iniciativa de US$ 200 millones para iniciar la aplicación de análisis de Big

Data con sus respectivas funciones, como se describe en un post de James Locus.

El objetivo general del Big Data en el sistema educativo debe ser “mejorar los resultados de los estudiantes”.

En la actualidad, las respuestas a las tareas y los exámenes son las únicas mediciones sobre el desempeño de

los estudiantes. Durante su vida estudiantil sin embargo, cada estudiante genera un rastro de datos único.

Este sendero de datos puede ser analizado en tiempo real para ofrecer un ambiente óptimo de aprendizaje

para el estudiante y para obtener una mejor comprensión de la conducta individual de los estudiantes.

Es posible controlar todas las acciones de los estudiantes. ¿Cuánto tiempo tardan en responder a una

pregunta, qué fuentes utilizan, qué preguntas se omiten, funcionan mejor para los estudiantes, etc.? Las

respuestas a las preguntas se pueden verificar (excepto para ensayos quizás), dan información de forma

instantánea y automática a los estudiantes.

Además, el Big Data puede ayudar a crear grupos de estudiantes que prosperan debido a la selección de

quién está en un grupo. Los estudiantes suelen trabajar en grupos en los que los estudiantes no son

complementarios entre sí. Con algoritmos será posible determinar las fortalezas y debilidades de cada

43

Smartdata Collective, Mark van Rijmenam, “Big Data will revolutionize Learning”, April 30, 2013,

http://smartdatacollective.com/bigdatastartups/121261/big-data-will-revolutionize-learning






estudiante en base a la forma en que un estudiante aprende en línea, cómo y qué preguntas fueron

respondidas, el perfil social, etc. Esto creará, según Rijmenam, grupos más fuertes que permitan que los

estudiantes tengan una pronunciada Curva de Aprendizaje y obtener mejores resultados del grupo.

Todos estos datos ayudarán a crear un programa personalizado para cada alumno. El Big Data permite la

personalización en los colegios y universidades, incluso si tienen 10.000 estudiantes. Esto puede crear un

Aprendizaje Mixto, una combinación de aprendizaje en línea y fuera de línea. Se dará a los estudiantes la

oportunidad de desarrollar su propio programa personalizado, a raíz de las clases que les interesa,

trabajando a su propio ritmo, teniendo esta posibilidad aun estando fuera de línea sin la orientación de un

profesor. Proporcionar una “personalización masiva en la educación” es un desafío, pero gracias a los

algoritmos, será posible hacer un seguimiento y evaluar a cada estudiante de manera individual.

Ya hemos visto que esto suceda en los MOOCs que se están

desarrollando en todo el mundo en estos momentos.

Cuando Andrew Ng impartió la clase de “la Maquina de

Aprendizaje” en la Universidad de Standford, en general

400 estudiantes participaron. Cuando se desarrolló como

MOOC en Coursera en 2011, atrajo a 100.000 estudiantes.

Normalmente esto llevaría a Andrew Ng unos 250 años de

enseñarlo a la misma cantidad de alumnos (de manera

tradicional). 100.000 estudiantes que participan en una

clase, genera una gran cantidad de datos que ofrecen

variadas ideas. Ser capaz de atender a 100.000 estudiantes

a la vez, también requiere de herramientas adecuadas para

poder Procesar, Almacenar, Analizar y Visualizar todos los

datos que intervienen en el curso. Por el momento, estos MOOC todavía se llevan a cabo en masa, pero en

el futuro, se podrán “personalizar en masa”.

Con 100.000 estudiantes que participan en un MOOC, según Rijmenam, dará a las universidades la

posibilidad de encontrar los mejores estudiantes de todo el mundo. Con base en el comportamiento

individual de los estudiantes, sus calificaciones, su perfil social y sus algoritmos de habilidades de networking

en red, se podrá encontrar a los mejores estudiantes. Estos estudiantes podrán recibir una beca que

aumentará el nivel general de la universidad.

Si consideramos la experiencia de aprendizaje en tiempo real, cuando los estudiantes comienzan a trabajar

por su cuenta en su programas de aprendizaje combinado a medida, la gran cantidad de la enseñanza que la

mayoría de las veces debe ser cubierto por temas generales a los cuales deben apelar todos los estudiantes

en diferentes niveles, se podrá hace en línea y por sí mismos. El profesor podrá supervisar a todos los

estudiantes en tiempo real y comenzar una conversación mucho más interesante y profunda sobre el tema

http://www.youtube.com/watch?v=rVeDAsoNs58

hugo

Placed Image

hugo

Sticky Note






de la elección. Esto les dará a los estudiantes la posibilidad de obtener una mayor comprensión de los

temas.

Cuando los estudiantes son monitoreados en tiempo real, esto puede ayudar a mejorar los libros de texto

digitales y los lineamientos de los cursos que son utilizados por los estudiantes. Los algoritmos pueden

controlar cómo los estudiantes leen los textos. ¿Qué partes son difíciles de entender, qué piezas son fáciles

y qué partes no son claras? Sobre la base de la frecuencia con que se lee un texto, ¿cuánto tiempo se tarda

en leer un texto, el número de preguntas que se hacen en torno a ese tema, el número de enlaces con clic

para más información, etc.? Si esta información se proporciona en tiempo real, los autores podrán cambiar

sus libros de textos para responder a las necesidades de los alumnos, mejorando así los resultados

generales.

Aún más, el Big Data puede dar ideas de cómo cada estudiante aprende a nivel individual. Cada estudiante

aprende de manera diferente y la forma en que un estudiante aprende afecta a la calificación final del curso.

Algunos estudiantes aprenden de manera más eficiente, mientras que otros pueden ser muy ineficientes.

Cuando los materiales del curso están disponibles en línea, se puede controlar cómo aprende un estudiante.

Esta información puede ser utilizada para proporcionar un programa personalizado para el estudiante o

proporcionar información en tiempo real para ser más eficiente en el aprendizaje, y por lo tanto mejorar sus

resultados.

Respecto a al deserción e incrementos de los resultados, Rijmenam sostiene que todos estos análisis van a

mejorar los resultados de los estudiantes, y tal vez también van a reducir las tasas de deserción en las

universidades o colegios. Los abonos de las instituciones educacionales son caros, así como para la sociedad.

Cuando los estudiantes son supervisados de cerca, reciben información instantánea y se entrenan en

función de sus necesidades personales, pudiendo ayudar así a reducir las tasas de abandono..

Con el Análisis Predictivo en todos los datos que se recopilan, pueden dar ideas a los institutos de educación

en el futuro sobre los resultados de los estudiantes. Estas predicciones se podrán utilizar para cambiar un

programa si se predicen malos resultados en un programa en particular o análisis de escenarios incluso

ejecutando un programa antes de que inicie. Las Universidades y Colegios serán más eficientes en el

desarrollo de un programa que aumenten los resultados minimizando así “la prueba y error”.

El Big Data para Rijmenam va a revolucionar la industria del aprendizaje en los próximos años. Más y más

universidades y colegios ya están recurriendo al Big Data para mejorar los resultados generales de los

estudiantes. Alumnos más inteligentes que estudian rápido, tendrán un efecto positivo en las organizaciones

y la sociedad. Por lo tanto, ¿vamos a esperar y no vamos a abrazar el Big Data en la educación?44

.

44

Smartdata Collective, Mark van Rijmenam, “Big Data will revolutionize Learning”, April 30, 2013,







Big Data y el Caso Prism y Boundless Informant para espionaje por parte de

Estados Unidos y otras Naciones.

PRISM es el nombre que recibe un programa de vigilancia electrónica calificado Top Secret a cargo de la NSA

(Agencia de Seguridad Nacional) de los Estados Unidos, desde 200745

. Los informes y documentos filtrados

por Edwards Snowden46

47

48

49

50

, indican que PRISM se emplea como medio para la vigilancia a fondo de las

comunicaciones y otras informaciones almacenadas. El programa tiene como objetivo “a aquellos

ciudadanos que vivan fuera de los Estados Unidos o sean Extranjeros”, aunque también se incluyen a los

ciudadanos estadounidenses que hayan mantenido contacto con personas que habitan fuera de las

fronteras del país51

”. Los datos que supuestamente la NSA es capaz de obtener gracias a PRISM incluyen

“correos electrónicos, videos, chat de voz, fotos, direcciones IP, notificaciones de inicio de sesión,

transferencias de archivos o detalles sobre perfiles en Redes Sociales”52

.

The Washington Post ha señalado que estas revelaciones sitúan a PRISM como “la fuente número uno de

información para los informes analíticos y de inteligencia de la NSA53

”. Empresas de Internet como

Microsoft, Google, Apple o Facebook también se han visto implicadas, pues según las informaciones que se

están suscitando en estos momentos (al momento de elaborar el presente artículo), también eran

45

The Washington Post, “Us Intelligence mining data from nine U.S. Internet companies in broad secret program”,

07/06/2013, http://www.washingtonpost.com/investigations/us-intelligence-mining-data-from-nine-us-internet-companies-in-broad-secret-program/2013/06/06/3a0c0da8-cebf-11e2-8845-d970ccb04497_story.html?hpid=z1 46

Edward Joseph Snowden, consultor tecnológico estadounidense, informante y antiguo empleado de la Agencia de

Inteligencia (CIA) que trabajó como consultor para la Agencia de Seguridad Nacional (NSA). En junio de 2013, Snowden hizo públicos, a través de los periódicos The Guardian y The Washington Post, documentos clasificados como alto secreto sobre varios programas de la NSA, incluyendo el programa de vigilancia PRISM. 47

The Guardian, Edward Snowden failed in attempt to join US Army´s elite special forces unit, 10/06/2013, http://www.guardian.co.uk/world/2013/jun/10/edward-snowden-army-special-forces 48

The Washington Post, “Edward Snowden says motive behind leaks was to expose surveillance state”, 09/06/2013,

http://www.washingtonpost.com/politics/edward-snowden-says-motive-behind-leaks-was-to-expose-surveillance-state/2013/06/09/aa3f0804-d13b-11e2-a73e-826d299ff459_story.html?tid=pm_politics_pop 49

The Washington Post, “Edward Snowden comes forward as source of NSA leaks”, 09/06/2013, http://www.washingtonpost.com/politics/intelligence-leaders-push-back-on-leakers-media/2013/06/09/fff80160-d122-11e2-a73e-826d299ff459_story.html 50

CNN, “NSA leaker comes forward, warns of agency´s existential threath”, 10/06/2013,

http://edition.cnn.com/2013/06/09/politics/nsa-leak-identity/index.html 51

The Guardian, “NSA taps in to internet gigant systems to mine user data, secret files reveal”, 06/06/2013, http://www.guardian.co.uk/world/2013/jun/06/us-tech-giants-nsa-data 52

The Guardian, “NSA taps in to internet giants system to mine user data, secret files reveal”, 06/06/2013,

http://www.guardian.co.uk/world/2013/jun/06/us-tech-giants-nsa-data 53

The Washington Post, “NSA slides explain the PRISM data-collection program”, 06/06/2013,

http://www.washingtonpost.com/wp-srv/special/politics/prism-collection-documents/

http://www.washingtonpost.com/investigations/us-intelligence-mining-data-from-nine-us-internet-companies-in-broad-secret-program/2013/06/06/3a0c0da8-cebf-11e2-8845-d970ccb04497_story.html?hpid=z1


http://www.guardian.co.uk/world/2013/jun/10/edward-snowden-army-special-forces

http://www.washingtonpost.com/politics/edward-snowden-says-motive-behind-leaks-was-to-expose-surveillance-state/2013/06/09/aa3f0804-d13b-11e2-a73e-826d299ff459_story.html?tid=pm_politics_pop


http://www.washingtonpost.com/politics/intelligence-leaders-push-back-on-leakers-media/2013/06/09/fff80160-d122-11e2-a73e-826d299ff459_story.html


http://edition.cnn.com/2013/06/09/politics/nsa-leak-identity/index.html

http://www.guardian.co.uk/world/2013/jun/06/us-tech-giants-nsa-data







conscientes de que el gobierno de Estados Unidos accedía a sus servidores; las compañías lo niegan54

. La

información filtrada salió a la luz tan sólo un día después de que otra filtración develara las “presiones que el

gobierno de Estados Unidos había estado realizando a la empresa de telecomunicaciones Verizon para que

esta entregara a la NSA todos los registros de llamadas telefónicas de sus clientes” 55

56

.

Respecto a las respuestas de las compañías involucradas, sin negar completamente la cooperación con la

NSA, varios ejecutivos corporativos comunicaron a The Guardian que “no tenían conocimiento del programa

PRISM en particular”. Las declaraciones de las compañías señaladas en los documentos filtrados fueron

reportadas por TechCrunch:

Facebook: “Nosotros no proveemos acceso directo a los servidores de Facebook a ningún organismo

gubernamental. Cuando a Facebook le son requeridos datos o información acerca de personas específicas,

verificamos cuidadosamente de que la petición cumpla con las leyes vigentes y sólo proporcionamos

información autorizada por ley”57

.

Google: “Google se preocupa mucho por la seguridad de los datos de sus usuarios. Proporcionamos

información al gobierno de acuerdo a la ley y revisamos toda petición cuidadosamente. De vez en cuando,

algunas personas dicen que hemos creado una Puerta Trasera en nuestros sistemas, pero Google no tiene

tal acceso para que el gobierno tenga acceso a los datos privados de nuestros usuarios”.

Apple: “Nunca hemos escuchado acerca PRISM. Nosotros no proveemos acceso directo a nuestros

servidores a ninguna agencia gubernamental y toda petición de información del cliente por parte de las

agencias gubernamentales debe hacerse por medio de una orden judicial”.

Microsoft: “Nosotros proveemos datos de los clientes cuando recibimos una orden judicial o una citación

para hacerlo, y nunca de forma voluntaria. Adicionalmente, sólo cumplimos con peticiones acerca de

cuentas o identificadores específicos. Si el gobierno tiene un programa nacional de seguridad para

recopilar datos de clientes voluntariamente, nosotros no participamos en él”.

Dropbox: “Hemos visto reportes de que Dropbox pudo haber sido requerido para tomar parte de un

programa gubernamental llamado PRISM. Nosotros no somos parte de tal programa y seguimos

comprometidos a proteger la privacidad de los usuarios”.

54

El País, “Estados Unidos accede a información de usuarios de los gigantes de internet”, 07/06/2013,

http://internacional.elpais.com/internacional/2013/06/07/actualidad/1370564066_752776.html 55

The Guardian, NSA collecting phone records of millions of Verizon Customers daily”, 05/06/2013, http://www.guardian.co.uk/world/2013/jun/06/nsa-phone-records-verizon-court-order 56

New York Times, “U.S. says it gathers online data abroad”, 06/06/2013,

http://www.nytimes.com/2013/06/07/us/nsa-verizon-calls.html?_r=1& 57

Ars Technica, “Google, Facebook and more”, 06/06/2013, http://arstechnica.com/tech-policy/2013/06/new-leak-feds-

can-access-anything-in-your-google-facebook-and-more/

http://internacional.elpais.com/internacional/2013/06/07/actualidad/1370564066_752776.html

http://www.guardian.co.uk/world/2013/jun/06/nsa-phone-records-verizon-court-order

http://www.nytimes.com/2013/06/07/us/nsa-verizon-calls.html?_r=1&

http://arstechnica.com/tech-policy/2013/06/new-leak-feds-can-access-anything-in-your-google-facebook-and-more/






Las nueve compañías que accedieron (tampoco es que podrían

haberse opuesto mucho a la medida) al programa son Microsoft,

Yahoo, Google, Facebook, PalTalk, AOL, Skype, Youtube y Apple.

Microsoft habría ingresado al programa en 2007, Yahoo en 2008,

Google en 2009, Facebook en 2009, PalTalk en 2009, Youtube en

2010, Skype en 2011, AOL en 2011, Apple en 2012. Cabe aclarar

que al revés del programa de espionaje a los clientes de Verizon,

que registra absolutamente toda la información de los clientes, la

NSA sólo accede a revisar la actividad de usuarios sospechosos

específicos. Aun así, PRISM es la fuente de información de uno de

cada siete reportes de Inteligencia de la NSA. Si un agente

sospecha de un usuario cualquiera de estos servicios de estar

involucrado en grupos terroristas, de ser un espía o de buscar armas nucleares, con solo unos clicks puede

acceder a prácticamente toda su información privada en cualquiera de estos servicios (basta con ver las

diapositivas inferiores)58

.

Fuente: “NSA Slides explain the PRISM data-collection program”, The Washington Post, June 6, 2013.

En respuesta a las negaciones de las compañías tecnológicas acerca del acceso directo de las agencias

gubernamentales a sus servidores, el New York Times reportó que sus fuentes han dicho que la NSA estaba

recopilando la información desde las compañías usando otros medios técnicos en respuesta a las órdenes

judiciales emitidas para bloques específicos de información. El Washington Post sugirió que “es posible que

el conflicto entre la presentación de PRISM y los portavoces de las compañías sea el resultado de la

imprecisión del autor del archivo de la NSA”. En otro reporte clasificado obtenido por The Post, la

58

FayerWayer, “Revelan masivo programa de recolección de datos de gobierno estadounidense”, 06/06/2013,

http://www.fayerwayer.com/2013/06/revelan-masivo-programa-de-recoleccion-de-datos-de-gobierno-norteamericano/




hugo

Placed Image

hugo

Sticky Note






distribución de la información en el mismo es descrita como permisiva para que los administradores

repiladores (Collection Managers) envíen información a través de equipos instalados directamente en

lugares controlados por las compañías, en lugar de acudir directamente a sus servidores59

.

Con el transcurso del tiempo, se ha ido sabiendo más al respecto60

. Por ejemplo, tal como lo hicieran

Google, y Facebook, Apple publicó un inusual comunicado de prensa asegurando que nunca habían

escuchado del programa de vigilancia PRISM antes de que aparecieran en la prensa. Al igual que los demás,

niega que haya “acceso directo” a sus servidores por parte del gobierno: “No les entregamos a ninguna

agencia de gobierno acceso a nuestros servidores” y cualquier agencia de gobierno que requiera contenido

de clientes requiere de una orden judicial. No recolectamos ni mantenemos una montaña de detalles

personales sobre los clientes, en primer lugar”, sostienen.

Pese a las declaraciones, la compañía reveló algunas de las cifras de solicitudes de datos que efectivamente

han recibido del gobierno, señalando que entre el 1º de diciembre de 2012 y el 31 de mayo de 2013, Apple

recibió entre 4.000 y 5.000 requerimientos de las agencias por datos de clientes. Entre 9.000 y 10.000

cuentas o dispositivos fueron especificados en esos requerimientos, que llegaron de parte de autoridades

federales, estatales y locales, incluyendo investigaciones criminales y asuntos de Seguridad Nacional. “Sin

importar las circunstancias, nuestro equipo legal evalúa cada requerimiento y, solo si es apropiado,

recogemos y entregamos la información lo más restringida posible a las autoridades. De hecho, cuando

vemos inconsistencias o inexactitudes, rechazamos cumplirlas”, sostiene Apple.

Al respecto, varias empresas han comenzado a revelar cifras en rangos estimados, ante la imposibilidad de

dar a conocer números concretos porque se los prohíbe la ley. Así, Microsoft aseguró que recibió entre

6.000 y 7.000 requerimientos de datos sobre entre 31.000 y 32.000 cuentas en los últimos seis meses,

mientras que Facebook recibió requerimientos por unas 19.000 cuentas de usuarios.

Apple agrega a su comunicado que algunos datos, como los mensajes enviados a través de iMessage y

Facetime, están cifrados de punto de origen a punto final, por o que ni siquiera ellos pueden verlos.

El Co-fundador de Apple, Steve Wozniak, sostiene y equipara lo que sucede en Estados Unidos con el

programa PRISM, a la vigilancia que se ha visto en regímenes comunistas.

Sin embargo, según últimas informaciones al respecto, aclararían que no se trata sólo de un puñado de

empresas de tecnología. Las compañías que comparten datos con el gobierno como parte del programa de

59

Wikipedia, “Prism: Programa de Vigilancia”, http://es.wikipedia.org/wiki/PRISM_%28programa_de_vigilancia%29 60

Fayerwayer, “Apple dice que no sabía de PRISM”, 17/06/2013, http://www.fayerwayer.com/2013/06/apple-dice-que-

no-sabia-de-prism/

http://es.wikipedia.org/wiki/PRISM_%28programa_de_vigilancia%29

http://www.fayerwayer.com/2013/06/apple-dice-que-no-sabia-de-prism/






vigilancia PRISM alcanzaría las “miles”, según un reporte de la Agencia Bloomberg61

, incluyendo al sector de

telecomunicaciones, ISPs, empresas de software, fabricantes y del sector de las finanzas, entre otros.

La información entregada no sólo era para proteger al país, como se ha argumentado, sino también para

“infiltrarse en las redes de los adversarios”. Según Bloomberg, Microsoft entregaba a las agencias de

inteligencia información sobre bugs en su software antes de lanzar el parche para repararlos. Tal

información podría usarse para proteger los computadores del gobierno, pero también para explotar la falla

en los computadores de gobiernos extranjeros.

En otros casos, empresas de telecomunicaciones entregaban acceso a datos de instalaciones en el

extranjero, aun cuando tal acceso normalmente requería de una orden judicial.

En un artículo publicado por el New York Times62

, se describe “cómo las empresas eran puestas en una

encrucijada para entregar los datos”. Según el periódico, Yahoo presentó en 2008 un caso ante una corte

secreta en Washington para tratar de rechazar una orden enviada por agentes del gobierno, donde se

solicitaba ayuda para espiar a ciertos usuarios extranjeros sin una orden judicial. Yahoo no quiso cooperar,

afirmando que tales requerimientos eran inconstitucionales. Los jueces de la corte no estuvieron de

acuerdo, y Yahoo se quedó con dos opciones: Entregar los datos, o vulnerar las leyes. Así, la compañía entró

al programa de vigilancia de la Agencia Nacional de Inteligencia (NSA). La corte secreta operaba bajo la

Foreing Intelligence Surveillance Act (FISA), una ley que permite al gobierno recabar inteligencia sobre

extranjeros.

Los datos respecto a la participación de las demás compañías no están demasiado claros. Todavía hay cierta

resistencia de parte de las empresas, aunque no conocemos aún el detalle de las “cortes secretas”63

.

Por otro lado, el Congreso de Estados Unidos, habría recibido un documento desclasificado por agencias de

inteligencia el fin de semana del 15/06/2013, que fue hecho público a algunos medios de comunicación por

el Comité de Inteligencia del Senado, en un intento por justificar la función de la polémica vigilancia. El

documento señala que el programa PRISM para recopilar datos “ayudó a evitar planes terroristas en Estados

Unidos y en más de 20 otros países”. Además, aseguran que el año pasado se contrastaron menos de 300

números telefónicos con las bases de datos de los millones de números que son recopilados diariamente por

la Agencia de Seguridad Nacional (NSA), lo que sugeriría que “no es tan invasivo”. El documento también

señala que la NSA debe eliminar todos los registros después de cinco años, y que los programas dentro de la

61

Blomberg, “U.S. Agencies said to swap data with thousands of firms”, 15/06/2013,

http://www.bloomberg.com/news/2013-06-14/u-s-agencies-said-to-swap-data-with-thousands-of-firms.html 62

The New York Times, “Secret Court Ruling put Tech Companies in Data Bind”, 13/06/2013,

http://www.nytimes.com/2013/06/14/technology/secret-court-ruling-put-tech-companies-in-data-bind.html?pagewanted=all&_r=0 63

Fayerwayer, “Las Empresas colaborando con PRISM serían miles en Estadas Unidos”, 14/06/2013,

http://www.fayerwayer.com/2013/06/las-empresas-colaborando-con-prism-serian-miles-en-ee-uu/

http://www.bloomberg.com/news/2013-06-14/u-s-agencies-said-to-swap-data-with-thousands-of-firms.html

http://www.nytimes.com/2013/06/14/technology/secret-court-ruling-put-tech-companies-in-data-bind.html?pagewanted=all&_r=0







NSA son revisados cada 90 días por una corte secreta autorizada por la ley Foreing Intelligence Surveillance

Act (FISA). Los metadatos de llamadas (que incluyen la hora y la duración de la llamada) sólo pueden ser

inspeccionados cuando se sospecha una relación con terrorismo.

En el centro de la defensa al accionar de la NSA está el artículo 703 de la ley FISA, que autorizaría estas

acciones. Sin embargo, nadie ha podido leer la interpretación hecha por el gobierno de este artículo, que fue

renovado en diciembre de 2012. Bajo este punto, una corte secreta autoriza la recolección de la información

de inteligencia64

.

Al respecto, el presidente de los Estados Unidos, Barak Obama, en una entrevista en la televisión pública de

ese país, “defendió el polémico programa de vigilancia y espionaje llevado a cabo por la NSA”. Cita: “lo que

puedo decir en forma inequívoca es que si eres una persona de Estados Unidos, la NSA no puede escuchar tus

llamadas, no puede leer tus correos… y no lo han hecho. No pueden y no lo han hecho, por ley y por regla, a

menos que (y usualmente no serían ellos, sería el FBI) vayan a una corte, obtengan una orden, y busquen una

causa probable, de la misma forma que siempre ha sido”.

Snowden ha rechazado este argumento, afirmando que “los agentes sí pueden escuchar llamadas de

ciudadanos estadounidenses sin necesidad de una orden”. Snowden argumenta que prácticamente no hay

barreras técnicas para impedir el acceso a los datos, por lo que los agentes podrían obtener el acceso de

forma simple.

Según afirmó Barak Obama en una ocasión anterior, el programa está enfocado a “buscar sospechosos

extranjeros”. El mandatario reiteró que esto es así, y que las agencias pueden solicitar a las compañías como

Yahoo! ó Google datos. “Sólo puede estar relacionado de cerca con contraterrorismo, proliferación de

armas, ciber ataques o hackeos, y un selecto número de identificadores”, dijo.

Para obtener información de personas que son estadounidenses, los organismos de inteligencia deben

recurrir a una corte secreta amparada bajo la ley Foreing Intelligence Surveillance Acto (FISA). Según

reportes, esta corte “nunca ha rechazado un requerimiento”, asunto que no fue descartado por Obama

cuando se le consultó al respecto. “El número de requerimientos es sorpresivamente bajo, número uno.

Número dos, la gente no llega con una consulta a menos que tengan una muy buena sospecha”, explicó.

Consultado respecto a si tomará medidas tras las filtraciones, el presidente afirmó que pidió a las agencias

de inteligencia “revisar cuánta información es posible desclasificar sin comprometer el programa”. Si las

personas están haciendo juicios en base a estas “diapositivas” que se filtraron, no están obteniendo la

historia completa, señaló.

64

Fayerwayer, “PRISM habría ayudado a detener terrorismo en más de 20 países, según la NSA”, 17/06/2013,

http://www.fayerwayer.com/2013/06/prism-habria-ayudado-a-detener-terrorismo-en-mas-de-20-paises-segun-la-nsa/






En segundo lugar, afirmó que se reunirá con agrupaciones de “derechos civiles”. “Los que quiero hacer es

establecer y estructurar una conversación nacional, no sólo sobre estos programas, sino del problema

general de los datos, grandes sets de datos, porque no estará restringido a entidades gubernamentales”,

afirmó65

66

.

Sin embargo, al parecer la NSA no serían los únicos en trabajar con BIG Data en este aspecto. “El diario

francés Le Monde67

ha publicado importante información referente al caso PRISM, que aunque no lo toca

directamente, se ve relacionado. Según este diario, el servicio secreto y de espionaje francés, “Direction

générale de la sécurité extérieure” o más conocido como “DGCE”, también tendría su propio sistema de

espionaje a ciudadanos.

Aunque Le Monde da a entender que es un sistema enfocado a buscar información entre comunicaciones en

Francia, también se tiene acceso a datos fuera del territorio francés, lo que podría acarrear graves

problemas para Francia dentro de la Unión Europea, incluyendo sanciones. El sistema sería bastante similar

a PRISM, enfocado a buscar Metadatos dentro de las comunicaciones, como la duración de una llamada, a

dónde se dirigía, autor de un correo electrónico y destinatario (o también en mensajes de texto).

Hay que recordar que el presidente de la República Fracçois Hollande, al igual que otros vocales de países

como Reino Unido (del que se dice también tiene un sistema de espionaje similar), protestaron formalmente

a Estados Unidos por el caso PRISM y el supuesto caso de espionaje a ciudadanos fuera de Estados Unidos.

Viviane Reding, François Hollande o David Cameron han criticado PRISM por entrometerse en las

comunicaciones y en la privacidad de sus ciudadanos, en los europeos, franceses y británicos. Pero parece

que “existe una doble moral” presente entre los mandatarios que de puertas afuera deben mostrar una cara

de descontento y de traición hacia la propia soberanía , cuando sus propios organismos de espionaje tienen

sistemas similares.

La Unión Europea debe pedir explicaciones a Estados Unidos, sí, pero también debería ofrecer explicaciones

a los países miembros que se espían entre sí, y sobre todo qué información se está recopilando.

Reino Unido, según información de The Guardian, tiene un servicio llamado “Tempora” operado por el

Cuartel General de Comunicaciones del Gobierno o GCHQ. Su principal objetivo, según información filtrada

por Snowden a The Guardian, es recopilar la mayor cantidad de tráfico telefónico y datos de internet

posibles, para almacenarlos e investigarlos. Wired UK define este sistema como “un sistema de intercepción

65

Fayerwayer, “Obama defiende el programa de vigilancia de la NSA”, 18/06/2013, http://www.fayerwayer.com/2013/06/obama-defiende-el-programa-de-vigilancia-de-la-nsa/ 66

BuzzFedd, Politics, “President Obama Defends NSA Spying”, 17/06/2013,

http://www.buzzfeed.com/buzzfeedpolitics/president-obama-defends-nsa-spying 67

Le Monde, Jacques Follorou et Franck Johannès, “Révélations sur le Big Brother français”, 04/07/2013,

http://www.lemonde.fr/societe/article/2013/07/04/revelations-sur-le-big-brother-francais_3441973_3224.html

http://www.fayerwayer.com/2013/06/obama-defiende-el-programa-de-vigilancia-de-la-nsa/

http://www.buzzfeed.com/buzzfeedpolitics/president-obama-defends-nsa-spying






de datos”, con 200 cables de fibra óptica conectados a las empresas que gestionan las redes, de forma

voluntaria o bien obligadas, dando hasta 10 Gigabits de datos por segundo.

Lo irónico de todo esto, es que la Comisión Europea acaba de votar a favor de una resolución que sustente la

cooperación entre Europa y Estados Unidos para intercambiar información.

George Orwell se debería estar retorciendo en su tumba, ya que nos hemos convertido en sociedades que

son capaces de espiarse unas a otras mediante organismos cuyo secretismo se defiende por la seguridad

nacional. El presidente de los Estados Unidos defendió PRISM como un sistema que ha ayudado a detener

muchos intentos de atentados por todo el mundo, incluyendo dentro del territorio norteamericano. Pero no

se duda de que este sistema ha ayudado a evitar estos ataques, lo que se duda es que su uso sea exclusivo

para temas de terrorismo. Deberíamos quitarnos la venda de los ojos, no somos niños que no saben nada. Si

tu país tiene un servicio de espionaje y de información, que tiene espías, evidentemente espiarán, finaliza el

reportaje Manu Contreras” 68

.

Respecto al Sistema denominado Boundless Informant (Informante sin límites) de la NSA, tendría la función

de darle coherencia y orden al monitoreo que se lleva a cabo desde una óptica orientada a Metadatos, los

que ayudan a saber cuánta información se ha capturado por país desde las fuentes que son susceptibles de

este tipo de supervisión. Piensen esto como “una herramienta analítica que puede tomar datos y dividirlos

bajo ciertos patrones que son asignados por el usuario sin poder acceder a detalles finos, pero que permiten

tener un panorama muy claro de lo que está siendo investigado en ese país en especial”.

Fuente: “Boundless Informant: the NSA´s secret tool to track global surveillance data”, The Guardian, June

11, 2013.

El periódico británico “The Guardian”, compartió capturas de pantalla que muestran la interfaz que vería

cualquier persona que tuviera acceso a esta herramienta que despliega un mapa plano del mundo con

países pintados con colores que denotan la cantidad de información captada. Va desde color verde, el que

68

Fayerwayer, Manu Contreras, “Francia y Reino Unido tienen su propio Prism”, 05/07/2013,

http://www.fayerwayer.com/2013/07/francia-y-reino-unido-tiene-su-propio-prism/


hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note






indica de países poco monitoreados, luego pasa a amarillo, naranja y rojo. Eso va mostrando

progresivamente más datos recolectados en diversos territorios, lo que claramente denota el nivel de

intervención en cada país, dejando al rojo como el color que señala captación de mayor cantidad de datos.

Diversas instancias gubernamentales han asegurado durante los últimos años (e incluso recientemente) que

Estados Unidos y sus ciudadanos no eran víctimas de esta captación de información, pero las imágenes

compartidas por el diario inglés muestran lo contrario. De hecho, dejan claro que existen 3.000 millones de

datos tomados en 30 días en el país. Claro es que, sigue siendo menos que lo que la NSA captó dentro de

irán, Pakistán, Jordania, Egipto y la India, donde en el mismo período sacó 97.000 millones de datos.

El mapa muestra que los países de los que más información se ha adquirido en Latinoamérica son México,

Brasil, Venezuela.

De esta forma, no queda duda que tanto PRISM como Boundless Informant son piezas clave de estas

investigaciones realizadas en nombre de la libertad y la seguridad por parte de la NSA. La duda que se

plantea tras todo esto es clara: ¿Cuánto más queda por ser revelado, y qué efecto tendrán esas filtraciones

en nuestras redes de comunicación como la conocemos?69

. Pero en realidad, los metadatos objeto de la

orden judicial obtenida por la NSA, que incluyen números de teléfono, tiempo de llamada y duración, así

como información acerca de las interacciones con las torres de dispositivos móviles, ofrecen a los analistas

de inteligencia una ventana abierta a las interacciones de carácter delicado y los movimientos de la

población de Estados Unidos.

El término “metadatos” simplemente se refiere a la información que se utiliza para realizar el seguimiento

de otro dato, o escribirlo, ya sea una conversación de teléfono móvil o una transferencia de dinero. Un

estudio publicado en marzo de 2013, que ha utilizado los registros proporcionados por un proveedor de

servicios inalámbrico europeo, muestra la potencia de vigilancia de los metadatos de telecomunicaciones.

Vincent Blondel, matemático aplicado en el MIT (Instituto Tecnológico de Massachusetts, Estados Unidos) y

la Universidad Católica de Lovaina en Bélgica, ha analizado junto a sus colaboradores 15 meses de registros

anónimos de llamadas de 1,5 millones de personas. Su equipo fue capaz de identificar individualmente los

movimientos del 95% de las personas a partir de solo cuatro registros, utilizando únicamente la ubicación de

una estación móvil cercana y la hora a la que fue hecha cada llamada.

“Se pueden inferir muchas cosas, como por ejemplo el sitio donde trabaja y vive la gente”, señala Blondel.

“No necesitas información sobre el contenido de la llamada”. A partir de ahí, conectar estos movimientos

con la verdadera identidad de una persona sería algo tan relativamente simple como hacer referencias

cruzadas con registros de otras fuentes de datos. La NSA podría hacerlo con las transacciones de tarjeta de

69

Fayerwayer, “Así funciona Boundless Informant, el sistema de análisis de datos de la NSA”, 08/06/2013,

http://www.fayerwayer.com/2013/06/asi-funciona-boundless-informant-el-sistema-de-monitoreo-de-datos-de-la-nsa/






crédito o comunicaciones por correo electrónico, indica Blondel, o simplemente sabiendo a quién pertenece

el número de teléfono.

Estas técnicas podrían revelar actividad delicada, como la asistencia a una iglesia en particular o una visita a

una clínica de abortos. Los analistas podrían incluso hacer conjeturas sobre dónde y cuándo se van a reunir

dos personas cara a cara, asegura Blondel, o construir un diagrama de intrincadas relaciones entre

comunidades remotas

Según un artículo del MIT “Technology Review”70

, los registros de llamadas móviles pueden revelar mucha

información a la NSA (una investigación demuestra qué cantidad de información podría extraer la Agencia

de Seguridad Nacional de Estados Unidos de los registros de llamadas, y por qué los esfuerzos para

minimizar la importancia de estos metadatos son engañosos). Los “registros limitados” que afirma haber

obtenido la NSA, pueden dar a la agencia una enorme cantidad de información sobre los movimientos de las

personas. La colección de metadatos de los registros de llamadas en Estados Unidos de Verizon podría ser lo

más preocupante. A pesar de haber garantizado que la información recopilada está limitada en cuando a su

alcance, los académicos que estudian este tipo de datos, señalan que aun así podría revelar mucho acerca de

las personas que están siendo vigiladas (el anonimato hoy en día es casi imposible71

).

Jessica Leber -autora del artículo en cuestión-, sostiene que “para defender el programa, varios miembros

del Congreso de Estados Unidos han recibido instrucciones para hacer referencia a estos registros como

Registros Limitados, según señala un conjunto de temas de conversación filtrados72

”.

No se sabe exactamente cómo y en qué medida está extrayendo la NSA los datos de Verizon, al margen de

que está recogiendo información todos los días. Y la práctica bien podría ayudar a la NSA a localizar

presuntos terroristas o redes que estén buscando activamente evadir la detección. “Estas personas son muy

conscientes de que hay una alta probabilidad de que sus comunicaciones estén siendo vigiladas”, afirma

Drew Conway, científico residente en AI Venture, que ha estudiado las técnicas de extracción de datos

utilizadas en esfuerzos antiterroristas. Sin embargo, un enfoque más intensivo computacionalmente y que

use Big Data, sin objetivos o preguntas específicas en mente, podría también ser utilizado para marcar

patrones de comunicación no habituales con la esperanza de predecir actividad sospechosa, señala.

En el artículo, se sostiene que ya se han usado con éxito tácticas similares contra Estados Unidos. En 2011, el

partido militante libanés Hezbollah fue supuestamente capaz de identificar una red de la CIA extrayendo

70

MIT Technology Review, Jessica Leber, “Los Registros de llamadas móviles pueden revelar mucha información a la NSA”, 20/06/2013, http://www.technologyreview.es/read_article.aspx?id=43344 71

MIT Technology Review, Patrick Tucker, ¿Han hecho el Big Data que el anonimato sea imposible?”, 16/05/2013,

http://www.technologyreview.es/read_article.aspx?id=43072 72

The Huffington Post, Zach Carter, NSA Talking Point Issued by House Intelligence Committee Instructs Lawmakers on

Defending Programs”, 13/06/2013, http://www.huffingtonpost.com/2013/06/13/nsa-talking-points_n_3437518.html



http://www.huffingtonpost.com/2013/06/13/nsa-talking-points_n_3437518.html





datos de teléfonos móviles en busca de anomalías, como por ejemplo teléfonos que se utilizaran solo en

raras ocasiones y en lugares específicos.

En los últimos años, algunas compañías de telefonía móvil han puesto algunos tipos de metadatos anónimos

a disposición de usos que van desde Marketing hasta estudios de desarrollo y planificación del transporte. A

diferencia de lo que está recogiendo la NSA, estos conjuntos de datos no incluyen números de teléfonos

reales u otros identificadores personales únicos. Sin embargo, los métodos de extracción y deducción de

información son similares, y también lo son sus usos potenciales.

A raíz de las revelaciones del mes de junio de 2013, a los defensores de la privacidad les preocupa saber qué

otros tipos de metadatos podría recoger la NSA ahora o en el futuro. El Wall Street Journal ha informado73

,

por ejemplo, que las compras con tarjeta de crédito y los metadatos de los proveedores de servicios de

Internet (ISP) podrían ser parte de un programa similar, junto con datos de llamadas de las compañías

telefónicas estadounidenses AT&T y Sprint. Empresas de tecnología como Google y Facebook (como se ha

visto tocado en este artículo) han negado haber entregado metadatos de forma general, aunque también

han afirmado temer que una orden pueda obligarles a hacerlo. El significado de los metadatos en línea es

más difuso que en el contexto de las llamadas telefónicas. Si se recogiera este tipo de datos, extenderían

significativamente el alcance de la vigilancia del Gobierno.

“Uno de los problemas es que los metadatos son una especie de término relativo”, afirma Julián Sánchez,

investigador en el Instituto Cato en Washington, DC. “Hay información considerada como metadatos por

Facebook y Google que podría no serlo para una ISP”. En el contexto del correo electrónico, por ejemplo, los

metadatos podrían incluir las direcciones IP del remitente y el destinatario, y tal vez una indicación de la

hora, o posiblemente, la frase del asunto. Para Facebook, tal vez sea información sobre cuándo se ha

efectuado una solicitud de amistad74

.

En términos más generales, no estará claro si los beneficios de la seguridad de este sistema de barrido de

vigilancia son superiores a los costos de privacidad hasta que el Gobierno de Obama desclasifique

información detallada sobre casos en que dichos datos hayan resultado cruciales para la lucha contra el

terrorismo, y que hubieran sido difíciles de obtener con una orden judicial. Sánchez cree que es poco

probable que el gobierno pueda probar la validez del caso.

Dada la revelación del Plan PRISM y otros de la NSA, que permiten vigilar la información que tienen

empresas como Google, Microsoft, Facebook y otros de las personas, ha sido fuertemente condenado en ese

país. Sin embargo, no hay muchas pistas de que el plan vaya a dejar de funcionar, pese al escándalo.

73

The Wall Street Journal, Siobhan Gorman, Evan Perez, “U.S. Collects Vast Data Trove”, 07/06/2013,

http://online.wsj.com/article/SB10001424127887324299104578529112289298922.html 74

MIT Technology Review, Jessica Leber, “Los registros de llamadas móviles pueden revelar mucha más información a la

NSA”, 20/06/2013, http://www.technologyreview.es/read_article.aspx?id=43344

http://online.wsj.com/article/SB10001424127887324299104578529112289298922.html






Por esa razón, empresas como Mozilla, Reddit, 4Chan y Electronic Frontier Foundation (EFE), junto a 86

organizaciones diferentes, firmaron una carta y lanzaron una campaña online75

, exigiendo el fin de este

programa.

“Ahora es el momento de que el Congreso actúe. No necesitamos una pequeña reparación de la Patriot Act,

necesitamos una responsabilización completa y pública de cómo Estados Unidos está usando sofisticada

tecnología de espionaje contra sus propios ciudadanos, necesitamos que los funcionarios públicos se

responsabilicen y necesitamos una reforma de las leyes para asegurar que estos abusos nunca puedan volver

a ocurrir”.

Mark Rumold, Abogado de la EFE

La campaña recuerda a la que se realizó en contra de SOPA, PIPA Y ACTA, donde varias empresas pintaron

de negro sus sitios en señal de protesta y personas salieron a las calles a protestar. Alex Flowler de Mozzila

señaló que “necesitamos esa energía más que nunca para que nuestros representantes electos tomen las

acciones necesarias para iluminar cómo las actuales políticas de vigilancia están siendo implementadas76

”.

Caso Big Data y las Smart Cities.

En un artículo anterior habíamos desarrollado el tema de las Smart Cities77

, en el cual definíamos a las Smart

Cities como “un concepto que no depede de la dotación de una ciudad en cuanto a su infraestructura (capital

físico), sino también, y cada vez más, de la disponibilidad y calidad de la comunicación del Conocimiento e

Infraestructura Social (capital intelectual o social)”. Son “un mecanismo estratégico para abarcar modernos

factores de producción urbanos en un marco común, así como para poner de relieve la creciente

importancia de las tecnologías de la información y comunicaciones (TIC), Capital Social y Ambiental en el

perfil de la Competitividad de las Ciudades”. De esta forma, la importancia de estos dos activos (capital

social y ambiental) involucran un largo camino para distinguir las Smart Cities de sus contrapartes más

cargadas a la tecnología, trazándose una línea entre ellos, vale decir entre las Ciudades Digitales y las Smart

Cities. Una Smart Citie es un concepto novodoso aplicado a las ciudades en el que están presentes: la

Administración Pública (cuyo objetivo es ofrecer nuevos y mejores servicios), los Ciudadanos (pieza

fundamental en el desarrollo de la ciudad), Eficiencia Energética y Sostenibilidad (dirigido a un equilibrio con

75

“Stop Watching Us”, https://optin.stopwatching.us/ 76

Fayerwayer, “Mozilla, Reddit, 4Chan y más se unen para exigir el fin del plan de espionaje del gobierno de Estados

Unidos”, 11/06/2013, http://www.fayerwayer.com/2013/06/mozilla-reddit-4chan-y-mas-unen-para-exigir-el-fin-del-plan-de-espionaje-del-gobierno-de-ee-uu/ 77

HCGlobal Group, Hugo Céspedes A., “Smart Cities: La Innovación Social, Tecnológica, Urbana y Económica para el

Futuro es Ahora”, 23/01/2013, www.hcglobalgroup.comhttp://www.hcglobalgroup.com/HCGlobal%20Group/Smart%20Cities,%20La%20Innovacion%20Social,%20Tecnologica,%20Urbana%20y%20Economica%20para%20el%20Futuro%20es%20Ahora.htm

https://optin.stopwatching.us/

http://www.fayerwayer.com/2013/06/mozilla-reddit-4chan-y-mas-unen-para-exigir-el-fin-del-plan-de-espionaje-del-gobierno-de-ee-uu/


http://www.hcglobalgroup.com/


http://www.hcglobalgroup.com/HCGlobal%20Group/Smart%20Cities,%20La%20Innovacion%20Social,%20Tecnologica,%20Urbana%20y%20Economica%20para%20el%20Futuro%20es%20Ahora.htm





entorno y los recursos naturales), Tecnologías de la Información y Comunicaciones –TIC- (como soporte y

herramientas facilitadoras para la provisión de servicios). Todo esto, se lleva a cabo dentro de un contexto

Ciudadano Individual, Privado, Colectivo desde un punto de vista Laboral, Persona y Ocio, constituyéndose

como los principales receptores de los servicios que ofrecen, así como también en un contexto de Entornos

que se encuentran respaldados por sistemas tecnológicos en los que se desarrolla la vida de la ciudad

(hogares, empresa, movilidad, turismo, asistencia socio sanitaria, entre otros). Son estos factores lo que

crean una diversidad de entornos sobre los que se desarrollan las tecnologías que conforman lo que se

denomina Ambiente Inteligente (Inteligencia Ambiental) y servicios disponibles y ubicuos. Por tanto, de esta

forma las Smart Cities pueden considerar los diferentes ámbitos o entornos de la ciudad a través de los

servicios que ofrece. Implica un desarrollo coordinado y coherente de todos ellos que permiten identificar a

una Smart Citie: Personas, Economía/Negocios, Gobierno, Habilidad, Movilidad, Ambiente.

Una vez aclarado el contexto de las Smart Cities, vamos a relacionarlo con el Big Data.

Para IBM, una Smart City y su relación con el Big Data, radica en tres cosas: “Sistema Interconectado de

Sistemas, una Dinámica de Trabajo en Curso con el progreso como lema, un Trípode que se basa en un

fuerte apoyo y entre cada uno de sus pilares, para convertirse en una ciudad más inteligente de todos”.

Vale decir, tiene que ver con “Planeación y Gestión de Infraestructura , Operaciones, Personas”.

Las Smart Cities impulsan el Crecimiento Económico Sostenible y la prosperidad para sus ciudadanos. Sus

líderes tienen herramientas para analizar datos para tomar mejores decisiones, anticiparse a los problemas

para resolverlos de forma proactiva y coordinar los recursos para actuar con eficacia.





Dado que las Demandas Aumentan, y los Presupuestos se contraen, las soluciones también tienen que ser

más inteligentes frente a la ciudad en su conjunto. Mediante la recopilación y el análisis de los abundantes

datos generados cada segundo de cada día, las herramientas de Big Data ayudan a coordinar y compartir

datos en una única imagen para la toma de decisiones que apoyen a las Smart Cities.

Cuando mejor sea la salud de sus ciudadanos, más fuerte será la vitalidad económica de la ciudad. El Big

Data (a través de sus herramientas) revela información valiosa sobre el estilo de vida, determinantes

sociales y factores clínicos que permiten la atención integral e individualizada para optimizar los resultados,

reduciendo los costos.

I. Servivios de Planificación y Servicios: La Planificación y Gestión son los medios de creación y

realización de formas de una ciudad para darse cuenta de su potencial durante el tiempo que se

mantiene en funcionamiento eficiente día a día. Los líderes de la ciudad tienen que pensar de

manera holística acerca de la visión de operaciones, policiales y de gestión de emergencias, el gobierno y

la administración de la agencia, así como la planificación urbana (como edificios inteligentes)78

.

a) Seguridad Pública: Por todo, desde el tráfico y su relación con las brechas de seguridad, los

organismos de seguridad pública, pueden reunir datos desde fuentes diversas, entregarlo en

tiempo real a las principales partes interesadas, gestionar tomas de decisiones de emergencia

y socorro. Los análisis se utilizan para derivar nuevos conocimientos y descubrir tendencias antes de que

se conviertan en problemas sistémicos o eventos delictivos.

Las fuerzas de seguridad se enfrentan a una presión creciente. El papel tradiciional de “proteger y servir” ha

crecido más allá de la policía, y ahora incluye funciones tales como la

reducción de reincidencia, la gestión de emergencias y la interdicción del

terrorismo. Cuando se añaden redución de presupuestos y enfrentar

más retos, las presiones sobre las fuerzas del orden y seguridad pueden

crear un ambiente estresante y difícil. Las soluciones policiales de IBM

para Smarter Cities ayudan a combinar visualizaciones de datos, con la

colaboración en tiempo real y capacidades de análisis que le permiten

asignar limitados recursos de manera más inteligente, actuando sobre

recopilación de percepciones en el lugar, y procesamiento de

información.

La solución va por maximizar el valor de la información, elemento vital de las organizaciones. Los datos a

nivel de la calle ayudan a los oficiales a responder a las llamadas, resolver crímenes, y a veces impiden que

se produzcan. Pero ¿qué pasa si nos ponemos a recoger información valiosa, incluso desde fuera de la

78

IBM, “Smarter Cities: Planning and Management Services”,

http://www.ibm.com/smarterplanet/us/en/smarter_cities/management/index.html

http://www.ibm.com/smarterplanet/us/en/smarter_cities/management/index.html

http://www.youtube.com/watch?v=6FEKGRf3mLo

http://www.ibm.com/smarterplanet/us/en/public_safety/ideas/index.html

hugo

Stamp

hugo

Sticky Note






agencia y ponerlo en una vista situacional en un solo vistazo cohersitivo? ¿Y si esos datos pudieran ayudar a

cambiar la realidad a partir de una actitud reaccionaria a un enfoque predictivo para garantizar la seguridad

pública? Las aplicaciones tecnológicas de Ley de IBM para Smart Cities pueden ayudar a dar este salto. La

utilización de componentes diseñados para funcionar juntos y sin problemas, perimten a estas soluciones

unificar atos del pasado y del presente, reservas penales a los informes de campo y activos en video y

medios de comunicación social. Estas soluciones son algo más que una enorme base de datos. Permiten

compartir datos seguros entre oficiales y los organismos asociados, lo que facilita la colaboración entre

jurisdicciones, organismos y organizaciones de base comunitaria. Lo más importante es que, las soluciones

policiales para Smart Cities ofrecen cada pieza de datos sensibles sólo a los usuarios autorizados

especificados para acceder a ella. Es suministrada a ellos en tiempo real, incluso en dispositivos móviles.

Esto puede proporcionar información oportuna, conocimiento para salvar vidas en los eventos y la actividad

criminal en potencia.

Dentro de los beneficios que aparejan, involucra una mejor seguridad pública a partir de dato intligentes.

Las agencias policiales de todo el mundo pueden aprovechar las soluciones de IBM para Smart Cities y su

aplicación tecnológica de la Ley de manera más inteligente. La protección de una pequeña comunidad o la

mantención del orden público en una gran metrópolis, ayudarán a los organismos que adquieran esta

solluciones a:

Mejorar la seguridad del vecindario mediante la integración de video y monitoreo de audio con sistemas

de llamadas de emergencia.

Reducir homicidios mediante la identificación y difusión de las listas de vigilancia electrónica.

Aumentar la eficacia de respuesta al disminuir el tiempo de análisis de datos.

Maximizar los recursos limitados mediante la automatización y la integración de la gestión de casos.

Genrar una brecha en las redes criminales mediante la aplicación de análisis de datos de las redes

sociales.

Estas potentes heramientas integradas de lucha contra el crimen (Smarter City Enforcement Solution) se

basan en componentes especializados que trabajan juntas y se pueden escalar para satisfacer sus

necesidades sin importar el tamaño de las agencias. Estos componentes incluyen IBM Intelligence Law

Enforcement, Soluciones de Análsis Predictivo, Soliciones Integrales de Análisis de Video, Análisis de

Contenido79

.

La Solución de Análisis de Inteligencia Integrada enfrentan la evolución de las amenzas a la seguridad

pública. El entorno de la seguridad pública ha cambiado drásticamente. Mientras las agencias de seguridad

pública siguen siendo la primera línea de defensa, las amenazas a las que las agencias de inteligencia se

79

IBM, “Smarter Cities solution for law enforcement”, http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/solution/planning_mgt_solutions/I883414K66583V41.html

http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/solution/planning_mgt_solutions/I883414K66583V41.html






enfrentan ahora son más sofisticadas. Los autores detrás de estas amenazas utilizan tecnología moderna,

operando en varias jurisdicciones y son expertos en el uso de disfraz y el logro de sus objetivos. Aunque las

agencias pueden combatir estas amenazas con la información, el universo de información de hoy en día se

ha convertido en un área abrumador, donde la información se encuentra ampliamente dispersa y puede ser

casi imposible de reconstrir.

La solución va por la precisión, actualización y estructura. Debido a que estas sofisticadas amenazas son

múltiples y móviles, se requiere de una adaptación de la inteligencia. Esto significa que se debe tener acceso

a información precisa, actualizada e información estructurada y no estructurada, entidades, enlaces y datos

propietarios. Igual de importante es la capacidad de analzar rápida y completamente la información para

extraer inteligencia procesable. Las soluciones de analisis de inteligencia integrada que propone IBM,

pueden ayudar a hacer esto posible, utilizando potentes herramientas de análisis automatizados, las

soluciones de inteligencia pueden proporcionar la herramienta para ayudar a identificar, descubrir,

interrumpir, disuadir y procesar estas amenazas. Los resultados del análisis están disponibles para los

usuarios cuando y dónde sea necesario, con la modificación de datos restringidos sólo a usuarios

autorizados para modificar los mismos.

Mientras que la inteligencia sea segura y viable, es crucial para los esfuerzos de seguridad pública, de

manera de que las soluciones de análisis de inteligencia también pueden quedar dentro de las

infraestrucutras organizativas y de Tecnologías TI existentes. Las soluciones que propone IBM son fáciles de

usar, y hacen que sea fácil para el personal acceder a ella, consultar y actualizar el repositorio de datos,

ayudando a minimizarel costo y los requisitos administrativos.

Dentro de los beneficios del análisis de inteligencia de manera fácil, alrededor de 2.500 organizaciones de

todo el mundo, sostiene IBM, se han dado cuenta de que la tecnología y las capacidades que se encuentran

en las soluciones de Análisis Integrados de Inteligencia, ayuda al enfoque del personal para garantizar la

seguridad pública en lugar de escudriñar a través de los datos. Las soluciones hacen esto mediante la

automatización de la expotación de datos y la comprobación de hipótesis, proporcionando de esta manera

al personal distintos elementos de los datos que necesitan para armar una visión situacional coherente. Las

agencias y organizaciones que aprovechen estas soluciones, serán capaces de:

Revelar información a través del Análisis Inteligente.

Integrar la Inteligencia en las infraestructuras orgaizativas y de TI existentes.

Proporcionar al personal de inteligencia en cualquier lugar oportuno, seguro y disponible.

Administrar y manipular datos de manera eficiente a través de fronteras geográficas y jurisdicciones.

Estas herramientas específicas de Análisis automatizado, incluyen: Plataforma IBM I2 para Análisis de

Inteligencia, IBM i2 Análisis Portátil, Notebook Prima de Análisis), lo que ayuda a hacer evidente el hecho de

que se entienden los rendimientos adquiridos por un enfoque avanzado e integral que incluye:

Almacenamiento de datos en un repositorio de análisis escalable para su aplicación en cualquier agencia u





organización grande; un rico entorno de análisis visual, basado en un repositorio de análisis a nivel local

optimizado que presenta los datos a través de una interfaz en cualquier lugar consistente disponible;

creación acelerada que represente y comprenda la difusión de la red, el análisis temporal, estadístico o

geoespacial en ese ambiente; acceso a los datos que utiliza la clasificación de seguridad basado en el nivel

de autorización de un usuario, la función y la pertenencia a grupos, así como segmentar los datos basados

en el funcionamiento, caso u otro requerimiento de la organización80

.

Las Soluciones de Correlación de Video y Suite de Análisis, trabajan sobre la base de que el mundo de hoy

requiere vigilancia integral para proteger aeropuertos, vías férreas, puentes y puertos de sabotajes,

terrrorismo, robo o vandalismo. La vigilancia de video por sí solo no ha mejorado la seguridad como para

reducir los riesgos, incluso con un mayor número de cámaras. Las cintas magnéticas tienen espacio de

almacenamiento, pero con el tiempo se desgastan y no se pueden compartir fácilmente entre los centros de

seguridad. La revisión de un evento puede durar horas o incluso semanas para encontrar pruebas. La

tecnología digital y el análisis de video ofrecen la oportunidad de obtener más valor del contenido del video

capturado y almacenado.

La solución va por el acceso en tiempo real a los eventos y análsis resgitrados. La correlación de video y

suites de análisis (VCAS) proporcionan la capacidad de ver, controlar y registrar digitalmente en todo el

entorno con acceso en tiempo real a la información de seguridad crítica. VCAS incorpora la seguridad

informática y seguridad física para que sea más fácil para los aeropuertos y estaciones de ferrocarril el uso

de video vigilancia parael sguimiento y análisis de flujo de peatones, seguridad de los mismos, la inspección

de carga y otros aspectos logísticos de transporte. VCAS ofrece una serie de ventajas sobre las soluciones de

video tradicionales, incluyendo:

Alertas en tiempo real que pueden ayudar a anticipar los incidentes mediante la identificación de

comportamientos sospechosos.

Capacidades forenses mejorados que permiten la indexación y búsqueda única basada en atributos de

eventos de video para clasificar los objetos en categorías como las personas y los coches.

Conocimiento de la situación de un lugar, la identidad mediante el reconocimiento facial y la actividad de

los objetos en un espacio controlado, como equipaje abandonado.

Debido a que VCAS está basado en IP, es instrumentado, capturado como flujo de video, y transportado a

través de una red basada en IP para una mayor indexación y análisis. Pueden establecerse reglas para la

detección de actividades inusuales. El video puede ser interconectado y compartido entre varios lugares de

seguridad, generando actividades de seguimiento a través de múltiples locales, reduciendo potencialmente

la necesidad de dotación de personal. Los videos en formato digital se pueden comprimir, archivar y

80

IBM, “Integrated Intelligence Analisis”, http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/solution/planning_mgt_solutions/E006405Y37523N34.html

http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/solution/planning_mgt_solutions/E006405Y37523N34.html






almacenar lejos por años, por lo que la recuperación de los videos digitales archivados es un tarea mucho

más fácil que la recuperación de una cinta de video análoga en una instalación de almacenamiento físico.

Además de la captura en video básico, VCAS pueden ser integrados con tecnología avanzada, como redes

inalámbricas, análisis de reconocimiento facial, reconocimiento de matrículas y análisis de datos para

mejorar la eficiencia operativa y proporcionar inteligencia para responder de forma inmediata en tiempo

real.

Los beneficios apuntan a avanzar en la tecnología de vigilancia digital. Los VCAS pueden mejorar la seguridad

en las instalaciones de transporte, incluyendo aeropuertos, puertos, ferrocarriles y carreteras. La solución

puede ayudar a:

Proporcionar un análisis de datos de secuencias de video eficiente, ya sea en tiempo real o después de

que un evento ocurra.

Utilizar las tecnologias existentes para reducir los costos de implementación.

Utilizar la búsqueda de metadatos, que es compatible con una amplia gama de consultas sobre eventos

que se pueden o no se han definido previamente como alertas.

Seguimiento de vehículos en las carreteras o las personas en el pavimento para comprender mejor los

patrones de tráfico, la congestión, proporcionar informes de asistencia de tráfico en tiempo real y la

planificación del apoyo de tráfico.

Las soluciones de VCAS de IBM incluyen: IBM Websphere Applicatrion Server, IBM BladeDB2 Workgroup

Server Edition, IBM BladeCenter, IBM SystemX, IBM Trivoli Storage Manager, IBM Tivoli Surveillance

Analytics.

Las Soluciones Smarter Cities para la Gestión de Emergencias se enfocan en el reto de Altas Expectativas,

Escasez de Recursos. Se espera que el personal que conduce respuestas de emergencias e incidentes

mitigue las sisutaciones menores para que no se conviertan en grandes eventos, planifique y se prepare

para los acontecimientos que puedan producirse, respondan con rapidez y sin problemas a los eventos, y

restaure las operaciones a la normalidad despues del evento. Todo ello con presupuestos estáticos o en

disminución, por lo que el conflicto es evidente. Irónicamente, los primeros y máximos responsables de

seguridad de la comunidad, se sienten a menudo la peor parte del conflicto. Las soluciones de gestión de

emergencias al respecto, integran la Gestión de Datos y herramientas de Análisis para convertir los Datos en

Conocimiento para ayudar a satisfacer estas expectativas.

La solución va por “datos más inteligentes al alcance”. Las organizaciones tienen datos a partir de registros

computarizados que registran eventos pasados y datos recopilados actualmente como vías de evacuación y

desvíos, lugares públicos y lugares de respuestas. Pero ¿qué pasa si usted pudiera aprovechar e

interconectar todos los datos para que cada respuesta tenga acceso casi en tiempo real? ¿Qué pasa si

pudiera compartir esa información a través de fronteras organizativas para multiplicar su valor? Las

soluciones de Gestión de Emergencias para Smart Cities pueden ayuda a hacer esto en su realidad. Estas





soluciones están diseñadas para recoger y agregar sus datos de información de eventos históricos, actuales y

futuros a los datos del sensor en el estado del Sistema de Video. Sin embargo, las soluciones de Gestión de

Emergencias para Smart Cities son algo más que un repositorio de datos. Permiten el intercambio de datos a

través de fronteras organizativas, ponen la información donde más se necesita, cuando se necesita. Sin

embargo, por sí solos más datos pueden sobrecargar los respondedores ya gravados. Por lo tanto, las

soluciones de Gestión de Emergencias Smart Cities utilizan motores de análisis sofisticados para procesar

automáticamente los datos y proporcionan una visión inteligente en Indicadores y tendencias clave de

rendimiento. Esto proporciona una visión inteligente en indicadores y tendencias clave de rendimiento. Esto

proporciona respuesta con calidad de datos, no sólo la calidad de datos, aún más, los análisis pueden

proporcionar una visión para el futuro incidente mediante planificación que ayuda a satisfacer el aumento

de las expectativas de rendimiento, independiente de futuras restricciones presupuestarias.

Dentro de los beneficios de estas soluciones, está la satisfacción de las partes interesadas en todos los

niveles. Organizaciones de todo el mundo han descubierto que las soluciones de Gestión de Emergencias

para Smart Cities pueden ayudar a mitigar los eventos potenciales, prepararse para futuras amenazas y

eventos adversos, responder profesionalmente a esos eventos, y volver rápidamente a la comunidad a la

normalidad. Las organizaciones que se valen de estas soluciones pueden beneficiarse mediante:

Reducción del tiempo de respuesta con acceso casi en tiempo real a los datos de calidad.

Mayor seguridad de respuesta, ya que pueden compartir datos a través de las fronteras

organizacoinales.

Apoyo público de elevado rendimiento visiblemente mejorado.

Reducción de los costos indirectos debido a un menor número de efectos adversos de la comunidad.

Dentro de las soluciones que IBM ofrece al respecto (potentes, escalables y de cohesión) para Smarter Cities,

incluyen: Centro de Operaciones Inteligentes, Soluciones de Análisis de Video.

b) Edificios Inteligentes y la Planificación Urbana: Gestionando a través de un repositorio

central, los edificios son diseñados con sensores inteligentes y sistemas de control que

pueden medir, detectar y ver la condición de prácticamente todo en ellos. Edificios

inteligentes tienen menor mantenimiento y bajos costos de energía, mejorando la fiabilidad y

sostenibilidad. Dentro de las Soluciones para Edificios Inteligentes y Planificación de Soluciones Urbanas,

IBM abarca: Optimización de Energía, Gestión de Activos Empresariales, Gestión de Instalaciones.

Las Soluciones de Optimización de Energía se enfocan en el reto de que “demasiados edificios urbanos

consumen demasiada energía”. Los edificios consumen hasta un 42% de toda la energía del mundo. En 2025

los edificios serán probablemente los mayores consumidores de energía y los mayores emisores de gases de

efecto invernadero en el planeta. Incluso peor, aproximadamente el 30% del costo total de operación de un

edificio va para la energía. Por tanto, ya que el costo de la energía aumenta, la necesidad de reducir tanto

los gastos generales de las edificiaciones como el consumo, adquiere nueva urgencia.

http://www.ibm.com/smarterplanet/us/en/green_buildings/overview/index.html





La solución apunta a la creación de Smart Cities con la construcción de Edificios Inteligentes. La mejor

manera para que un edificio sea más inteligente, es mediante la potenciación de los levantamiento de

información y métricas operativas de propietarios y gerentes de edificios, en una única ubicación

centralizada, aplicando capacidad de análisis y optimización de toda la

organización para obtener información a partir de esa información. La

oferta integrada de software proporciona un fácil entendimiento de la

visión integral de información, la cual es vital, como la demanda

energética mensual máxima y el consumo de energía. Cuadros de

Mando (Dashboards) pueden adaptar al personal para tareas (de alerta

y órdenes de trabajo). Los filtros de datos también se pueden utilizar

para mostrar una amplia variedad de gráficos visualizando el consumo

de energía y otras tendencias. Las capacidades de recolección y análisis

de datos en tiempo real permiten a los administradores de edificios hacer

frente a los problemas de servicio de forma proactiva antes de que ocurran, y visualizar la energía,

indicadores de desempeño ambiental, cartera de superficie bajo

manejo. La solución mejora la gestión de calefacción, aire

acondicionado, consumo de energía para ayudar a reducir los

costos y emisiones.

Los beneficios apuntan a un “edificio más inteligente como

inversión sabia”. IBM Trirga Energy Optimization proporciona

una vista única en roles e datos, lo que permite visualizar la

enrgía, rendimiento de métricas de beneficios ambientales y de

cartera. Puede ayudar a:

Guíar el uso de energía y reducir costos.

Lograr la eficiencia y la responsabilidad ambiental.

Aumentar la eficacia de gestión de edificios y productividad.

Majorar la eficiencia energética y aumentar la satisfacción de los residentes.

Centralizar eventos en tiempo real para la consolidación, correlación, e inicio de acciones sobre la base

de normas analíticas aplicadas a los datos energéticos y operativos.

Como parte de las soluciones de Optimización de Energía de IBM, se ofrecen: IBM Tririga Energy

Optimization, IBM Global Business Services81

.

81

IBM, “Energy Optimization Solution for Smart Cities”, http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/solution/planning_mgt_solutions/U481210X53127D39.html

http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/solution/planning_mgt_solutions/U481210X53127D39.html


http://www.youtube.com/watch?v=tebpYBs_XAA

http://www.youtube.com/watch?v=NU19fWq6MRY

hugo

Placed Image

hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note






Las Soluciones de Gestión de Instalaciones apuntan al reto de “si el edificio tiene sus propias respuestas

para el éxito”. Los Edificios y lugares de trabajo de hoy en día son los principales generadores y

consumidores de datos. En edificios que una vez eran simplemente infraestructuras físicas compuestas de

hormigón, cables y acero, los edificios de ahora también incluyen una gran variedad de “sensores y sistemas

conectados” que constantemente generan volúmenes de información sobre el edificio. Pero ¿cómo

aprovechar esta información para mejorar la gestión de sus instalaciones? ¿cómo se puede entregar más

valor a la organización mediante el aumento de la eficacia operativa y mejorar el rendimiento financiero y

ambiental?

La solución apunta a “saber para qué trabajan los datos de su edificio”. El aumento de la instrumentación

proporciona datos, pero también la interconexión de los datos combinados con análisis y automatización de

procesos que permite una auténtica inteligencia a entregar. IBM Tririga Gestión de Instalaciones ofrece

servicios de planificación estratégica y gestión de espacios, gestión de movimiento y capacidades de gestión

de reservas en el lugar de trabajo. Permite centralizar e integrar los procesos de gestión de instalaciones

críticas para ayudar a mejorar la eficacia de una fuerza de trabajo distribuida, aumentar la utilización del

espacio y acelerar la configuración del puesto de trabajo de las organizaciones. IBM Tririga Facility Manager

integra los procesos y análisis para ayudar a controlar y mantener la utilización, la densidad, las tasas de

desocupación, la seguridad y la información de proximidad. Le puede ayudar a saber exactamente dónde

hay ubicaciones en su organización, el personal y dónde los activos están o deberían estar. Esta solución

centraliza y coordina los procesos de gestión del lugar de trabajo, incluyendo el espacio y la utilización de las

instalaciones, movimientos, adiciones o cambios de personal, activos y organizaciones, generando y

asignando a los proyectos y tareas de movimiento de trabajo y costos asociados. Ayuda a mejorar la

eficiencia y afecta directamente a la rentabilidad de una organización a través de la automatización y la

consolidación de los procesos.

Los beneficios de los Edificios Inteligentes se transforman en Negocios Inteligentes. Los procesos y análisis

integrados incluidos en las soluciones de IBM Tririga, ofrecen capacidades críticas para mejorar la

planificación de la gestión de instalaciones, agilizando los controles operacionales y aumentando la

utilización de las instalaciones:

Identificando áreas de trabajo vacantes, se asignan utilizando análisis de gestión de instalaciones

prediseñados.

Determina la subutilización y el espacio no utilizado.

Permite a los empleados automatizar enrutamiento y el cumplimiento de peticiones de las instalaciones

de servicios, de producto y de recursos.

Aumenta la utilización de los espacios y equipamiento compartidos con espacio avanzado y capacidades

de programación de las instalaciones.

Dentro de las soluciones específicas al respecto, el principal que ofrece IBM dice relación con IBM Tririga.





c) Gobierno y Aministración de Agencia: En las Smart Cities, los líderes de éxito están

encontrando maneras para reorientar su tecnología y las políticas de informacion para guiar el

crecimiento inteligente, y atender las necesidades de sus ciudadanos y empresas.

Dentro de las soluciones que plantea IBM para Gobiernos y Administración de Agencias se encuentran:

Sistemas de Información Geográfica para el Gobierno, Gestión del Rendimiento para el Gobierno,

Inteligencia Colaborativa Soical para el Gobierno en el Cloud, Cloud Comuting para Gobiernos Regionales

y Locales.

Los Sistemas de Información Geográfica para los Gobiernos, enfrentan el reto de Integrar los Datos

Geográficos a través de su organización, desde la ubicación en conciencia de los activos y recursos , la

planificación de la logística y la evaluación fiscal, la respuesta de emergencias y el análisis de los datos de

delicencuencia, las organizaciones que rigen involucra el estar basados en datos relacioandos

geográficamente. La integración de Sistemas de Información Geográfica (SIG) con aplicaciones de

gobierno, tales como la Gestión de Activos, Gestión del Agua, Almacenamiento de Información sobre el

Crimen, y la Respuesta a Emergencias, puede ampliar el valor de las aplicaciones mediante el aumento

de la precisión, la eficiencia y la productividad.

La Solución va por recoger, gestionar y analizar datos geoespaciales para un mejor gobierno. Soluciones

GIS para el Gobierno, están diseñados para ayudar a las organizaciones a administrar y entregar los datos

espaciales por ubicación geográfica, e integrar estos datos con las aplicaciones existentes. Esto puede

ayudarles a visualizar escenarios, extender la inteligencia, tomar decisiones más informadas y abordar

problemas complejos, tales como:

Gestión de Activos, respilación y resumen de los datos a través de localizaciones geográficas, rastreo

del movimiento de los activos en el tiempo, identificación de las tendencias y predicción de los

acontecimientos futuros con mayor precisión mediante el análisis y visualización de los patrones de

uso de los activos.

Gestión del agua utilizando redes de sensores sofisticados, aplicando la computación y el análisis

avanzado para apoyar la política del agua con mayor conocimiento y toma de decisiones.

Prevención de Delitos, integrando los datos recogidos a través de los Sistemas de Posicionamiento

Global (GPS) en un nuevo repositorio de información fiable y consistente, que luego se presenta en

múltiples puntos de vista de negocio, incluidos los delitos o incidentes, despacho de historiales y

arrestos.

Sistemas Integrados de respuesta a emergencia, basado en sensores de identificación por

radiofrecuencia (RFID) para proporcionar comunicaciones ininterrumpidas, gestión de respuesta a

incidentes, cartografía de escritorio y colaboración en tiempo real a través de GPS.

Para compartir y visualizar estos datos, IBM proporciona soporte interconectado, a través de la gestión

de base de datos, para el conjunto de productos, con el objetivo de trabajar de forma integrada en

toda la organización. Los usuarios pueden acceder a información de inteligencia sobre los datos GIS

http://www.ibm.com/smarterplanet/us/en/government/ideas/index.html





utilizando desktop basados en navegadores o bien, en navegadores móviles, permitiendo que las

aplicaciones y servicios gestionen los datos espaciales, realizando visualización y análisis espacial.

Dentro de los Beneficios específicos, la tecnología ayuda a que los sistemas de información geográfica

sean más simples. IBM ofrece una amplia gama de hardware, software y servicios profesionales críticos

para hacer aplicaciones para empresas. ESRI suministra la tecnología de sistemas de información

geográfica (GIS). Juntos ofrecen una solución de extremo a extremo (IBM DB2 Spatial Extender, Sistemas

de Gestión de Bases de Datos Relacional Web-ready; IBM WebSphere, Software para entornos SOA; IBM

SOA Foundation; IBM Informix Dynamic Server, IBM Maximo Spatial Asset Management; ESRI ArcGis,

ESRI ArcGIS Desktop).

Cabe agregar en este punto que, el Big Data ayuda a Producir información procesable82

donde los

gobiernos pueden proporcionar una gran variedad de programas y servicios que producen y requieran

Big Data No Estructurados, los cuales a menudo y cada vez son utilizados en tiempo real. Estos datos

proceden de numerosas fuentes, incluyendo fuentes históricas, video, audio, juegos, información

geoespacial, imágenes, sensores, redes sociales y mucho más. A partir de la prevención del delito,

transaporte, la defensa, la seguridad nacional, la gestión dde ingresos, cuidado del medio ambiente y los

servicios sociales, los gobiernos deben luchar todos los días con la Gestión y el uso de Big Data. El análisis

de Grandes Volúmenes de Datos (Big Data) pueden mejorar la eficiencia y la eficacia a través de la amplia

gama de responsabilidades de gobierno, mediante la mejora de los procesos y operaciones existentes,

permitiéndo otros completamente nuevos. Para esto, IBM por ejemplo ofrece Soluciones de Big Data

también para la Predicción de Amenazas y Prevención, Fraudes en Programas Sociales, Cumplimiento

fiscal, Predicción y Prevención del Crimen.

Respecto a su Solución Predicción de Amenza y Prevención, hoy en día se requiere de un nuevo enfoque

en la gestión de la información. La variedad cada vez mayor, la velocidad y el volumen de datos hace que

más agencias anticipen y se adelanten a las nuevas tendencias en la actividad, aumentando los niveles

aceptados de respuesta. Para predecir con mayor eficacia y evitar las amenzas, las organizaciones

gubernamentales deben ser capaces de administrar varios tipos de datos y el uso de analítica avanzada y

en tiempo real diseñados para transformar los Datos en Conocimiento. La Plataforma de Big Data de

IBM proporciona seguridad nacional para los organismos de defensa con nuevas capacidades para

predecir y prevenir el terrorismo y la delincuencia. Los beneficios incluyen: comprensión más fiable de un

objetivo o área de interés, encontrar los puntos pertienentes conectándolos y ayudando a los analistas a

entender lo que no saben y mantenerlo al día, un uso más eficaz del tiempo y el enfoque de los analistas,

mejora de la colaboración y la respuesta más rápida. Tal es el caso de “TerraEchos”.

82

IBM, “Big data at the Speed of Business: Government Industry”, http://www-

01.ibm.com/software/data/bigdata/industry-government.html#threat

http://www-01.ibm.com/software/data/bigdata/industry-government.html#threat

http://www-01.ibm.com/software/data/bigdata/industry-government.html#threat





Por otra parte, en lo que se refiere a Fraude en Programas Sociales, las organizaciones de salud y

servicios humanos se enfrentan a una presión constante para recaudar más ingresos, reducr costos

operativos, garantizar que los ciudadanos elegibles reciben beneficios, reclamos con menor tiempo de

respuesta, mejora en la recaudación y mantención integral de programas. El objetivo es detectar y

prevenir fraudes y el abuso antes de que se efectúen los pagos. Así, mediante la incorporación de una

gran variedad de datos estructurados y no estructurados a partir de fuentes internas y externas, en este

caso la Plataforma de Big Data de IBM puede ayudar a presentar una Visión Centrada en el Ciudadano

mucho más claro, descubrir conexiones invisibles y ofrecer en tiempo real el intercambio de información

para el analista, asistente social o ejecutivo del gobierno. Los beneficios incluyen: Reducción de Pagos

Indebidos de Beneficios y Abuso, Detección Proactiva y Disuación de Fraude y Abuso, Reducción del

Tiempo de Análisis y Mejora de la Eficiencia, Mejora de la Integridad de Programas y Preservación de

Presupuestos limitados para los Ciudadanos Elegibles.

Por último, en lo que se refiere a Cumplimiento Fiscal (Fraude y Abuso), las organizaciones fiscales

pierden una gran cantidad de dinero a través de fradue, derroche y abuso de los impuestos no pagados.

Hay una presión constante para recuadar más ingresos, reducir costos operativos por casos y mejora de

la recaudación. El objetivo es detectar y prevenir el fraude y el abuso. Así, en este caso IBM ofrece un

enfoque integrado de la lucha contra el fraude fiscal, los abusos y errores. Mediante la incorporación de

una gran variedad de datos estructurados y no estructurados a partir de fuentes internas y externas, la

Plataforma de Big Data de IBM puede ayudar a las agencias fiscales a determinar con mayor precisión

que debe ser investigado por temas de fraude o devoluciones denegadas, ayudando a detectar las

nuevas tácticas de engaño, el descubrimiento de las identidades múltiples y la identificación de

comportamiento sospechoso. Los beneficios incluyen: Reducir al mínimo la brecha fiscal, Detección y

Disuación proactiva de fraude y abuso, Reducción de tiempos de análisis, Mejora de la eficiencia y ahorro

de dinero de los contribuyentes.

II. Servicios de Infraestructura: Los Servicios de Infraestructura permiten que una ciudad sea

“habitable y llevadera”. Estos servicios fundamentales, tanto para las necesidades y

comodidades de los ciudadanos y empresas, inlcuyen los servicios públicos como agua y energía, así

como el transporte y las áreas ambientales.

a) Energía y Agua: La Red Inteligente de Sensores Digitales, Redes de Comunicación Avanzadas y

Análisis Sofisticados ayudan a “entender la demanda de servicios en tiempo casi real, gestionar

más eficazmente la oferta y la demanda, poniendo un mayor control del uso de la enrgía en las

manos de los consumidores”. La Gestión Inteligente del Agua crea una visión integral del agua y aguas

residuales, a través de departamentos, silos y sistemas mediante la agregación, integración y

visualización de los datos claves como el consumo, calidad, el flujo y la presión.

http://www.ibm.com/smarterplanet/us/en/smarter_cities/infrastructure/index.html

http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/infrastructure_solutions/index.html





Dentro de las soluciones de energía y agua que ofrece IBM, se tiene: IBM Solution Network para Utilidad

Inteligente, Medición Inteligente y más allá, IBM Gestion de Activos Empresariales de la Energía y los

Servicios Públicos, IBM Agua Inteligente, IBM Gestión de Activos Empresariales para empresas de Agua.

La Solución de IBM Solution Red de Utilidad Inteligente, apunta al reto de “transformar la información en

poder”. Si la red de Estados Unidos solo fuera un 5% más eficiente, sería como eliminar

permanentemente el combustible y las emisiones de gases de efecto invernadero de 53 millones de

automóviles. Esta es una razón de por qué las empresas de servicios públicos de todo el mundo están

buscando maneras aún más inteligentes de hacer negocios. A tal fin, la Solución de Red de Utilidad

Inteligente de IBM transforma la forma en que las organizaciones de servicios públicos administran y

operan los sistemas de transmisión y distribución (la forma en que los clientes pueden participar en la

cadena de valor de la energía, habilitándola con mayor inteligencia a lo largo de la red). Esto puede

reducir drásticamente las interrupciones y fallos de energía, mejorar la capacidad de respuesta, permite

a las empresas de servicios públicos entender la demanda actual y futura, aumentar la eficiencia y la

gestión de costos.

La Solución apunta “a una mejor gestión de la red de utilidad de la información”. Mediante el uso de un

enfoque instrumentado, que incluye sensores digitales, redes de comunicación avanzada y sofisticados

análisis, la solución Intelligent Utility Network de IBM puede ayudar a su empresa a entender la demanda

en tiempo casi real, gestionar más eficazmente la oferta y la demanda, y poner mayor control del

consumo de energía en manos de los consumidores. El canal brinda una cadena de valor interconectado,

que une a los participantes en múltiples niveles de la planta de energía para iniciar. A continuación, se

permite el flujo inteligente de la información, que puede ser utlizado para transformar y optimizar la

regulación, generación, suministro y consumo de electrícidad.

Los Beneficios apuntan a “una energía más inteligente para un

mundo más inteligente”. La solución Intelligent Utility network de

IBM puede ayudar a;

Mejorar la planificación de redes, operaciones y mantenimiento.

Mejorar la transparencia de la información para el negocio, los

reguladores y los mercados, así como para los clintes.

Experimentar menos y más cortas interrupciones.

Proporcionar un mejor servicio al cliente.

Reducir el capital, costos de operación y mantenimientos.

Participar en las operaciones más precisas y seguras del mercado.

Proporcionar una plataforma para la gestión de la demanda, además de las energías renovables y una

mejor utilización de la red.

http://www.youtube.com/watch?v=QYTi881c0_0

hugo

Placed Image

hugo

Sticky Note






Las especificaciones apuntan a “mayor fiabilidad y eficiencia”. Los servicios públicos se guían por la

solución Intelligent Utility network de IBM , a través de todas fases

de su transformación, desde el desarrollo de la estrategia, la

planificación y las operaciones en curso. IBM ofrece soluciones

para:

La medición inteligente y más allá: Incluye la integración de las

iniciativas de medición Inteligente de utilidad en la empresa y las

posibilidades derivadas de que la medición inteligente capacite a

ambos, tanto la utilidad como al consumidor.

Operaciones que abarcan monitoreo de cuadrícula remota y la

gestión de activos, así como los sistemas de gestión de energía necesarias para mejorar el rendimiento

de la red y la planificación, y su integración en el entorno de utilidad para la automatización de

procesos, información, inteligencia de negocios y operaciones.

Utilidad de la red inteligente de seguridad ofrece una gama completa de servicios de seguridad en la

evaluación, diseño, implementación, administración y soporte.

Redes y servicios de información para permitir la conectividad entre todos los componentes de la red

inteligente de comunicaciones de datos.

La Solución “IBM Agua Inteligente”, apunta al hecho de que el agua es una de las sustancias más

abundantes del mundo. Sin embargo, también se está convirtiendo en uno de los recursos más

estresados del planeta. El acceso al agua potable es un problema crítico que afecta a la actividad

económica, al desarrollo y negocios en todo el mundo. Las

crecientes presiones regulatorias, el cambio climático, el

envejecimiento de la mano de obra, infraestructuras que fallan, y

un enfoque cada vez mayor en la responsabilidad social y gestión

de riesgos ambientales, están obligando a las organizaciones a

reevaluar el impacto de la gestión del agua en su bienestar

económico. Dado que los desafíos sobre Gestión de Costos de

Agua y Aguas Residuales siguen aumentando, las tecnologías de

la información y la Innovación Colaborativa desempeñan un

papel vital en las comunidades, las empresas y los gobiernos que

se ocupan de cuestiones complejas relativas al agua. La combinación de la nueva instrumentación y la

explosión del Big Data, nuevos tipos de datos, demada respuestas en tiempo real, lo cual requiere un

nuevo tipo de Gestión Inteligente del Agua. Los sistemas actuales son generalmente independientes y

limitados en su escalabilidad, lo que inhibe la toma decisiones eficaz de todos los departamentos y

organizaciones. El Sistema de Gestión Inteligente de Agua, debe proporcionar una imagen operativa

integrada con robustos análisis en tiempo real, modelos y capacidades de soporte de decisiones. De esta

forma, la Solución IBM Agua Inteligente está diseñada para optimizar las operaciones de agua y para

http://www.youtube.com/watch?v=PRdYy7XWhEI

http://www.youtube.com/watch?v=jhpAchTnbLU&list=PLrLdFD5aTAq5JU_0M6uzTO2_O54aaMdUP

hugo

Stamp

hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note






crear nuevas oportunidades para la Innovación y valor para el negocio, mediante la entrega de

Conocimientos Integrados en la Infraestructura, los Acivos y las Operaciones de Servicio Público. La

solución utiliza tecnologías avanzadas de gestión, visualización y correlación de datos colaborativos para

transformar las enormes cantidades de datos dispares recibidos de los diversos dispositivos (incluidos

sistemas de medición), los activos, los sistemas y los interesados en información que pueda guiar las

decisiones ejecutivas y operativas.

Así, los beneficios apuntan a tener una vista de extremo a extremo de sus operaciones. La Solución de

Agua Inteligente ayuda a hacer sus operaciones y la infraestructura más confiables y eficientes. Se

integra y analiza una amplia variedad de fuentes de datos y proporciona una forma intuitiva de visualizar

y comprender los patrones y anomalías, y una manera fácil de actuar sobre ellos. El resutado es una vista

de las operaciones de agua o aguas residuales que trasciende los sistemas individuales, dispositivos y

departamentos. Esta Visión de Extremo a Extremo da la información clave que necesita para tomar

mejores decisione que ayuden a reducir los costos y el riesgo, mientras que aumenta la recuperación de

ingresos, y mejora la Satisfacción del Cliente. La Solución de Agua Inteligente ayuda a operadores de

agua y aguas residuales:

Datos Operativos aprovechan la manera integral para crear ideas y una mejor previsión de la demanda

de agua a largo plazo.

Coordinar los recursos para proteger el suministro de agua y la conservación de la unidad y la

sostenibilidad.

Respecto a las Especificaciones sobre la Base de Operaciones Inteligentes, Agua Inteligente incluye

producto tecnológico Operaciones inteligentes de IBM para Gestión de Agua, que es una pataforma de

gestión de agua que mejora la visibilidad de la infraestructura para ofrecer un nivel avanzado de

conocimiento de la situación, eventos y gestión de incidentes, la adopción de decisiones, y la

colaboración entre las partes interesadas. El producto ayuda con:

Mitigación combinada de desbordamientos de alcantarillado.

Conservación del Agua y la Medición Inteligente.

Conocimiento de la Situación y Gestión de Calidad de Agua y Aguas Residuales.

Presión y Gestión de Fugas.

Gestión de Inundaciones Urbanas.

Trabajo de Optimización de Programación.





b) Ambiental: Las Smart Cities abarcan un nuevo objetivo que es “optimizar las operaciones para minimizar

el impacto ambiental y mejorar los resultados sociales de una

manera que también maximiza el rendimiento”. Esta área involucra

Soluciones de Software Integrados para mejorar la Gestión de

Edificios y Operaciones de Instalaciones. Es así, como por ejemplo,

IBM Taririga Energy Optimization combina los sistemas de

monitoreo en tiempo real con las instalaciones y organización de

eventos. Ayuda a analizar y optimizar las operaciones de las

instalaciones, reducir el gasto de energía, y mejorar la gestión de

activos y la fiabilidad. De esta forma, ahora los propietarios de

edificios y administradores pueden recolectar las mediciones

operaciones de gasto de energía en tiempo real, aplicar el análisis a toda la empresa, y ver los datos en

un tabero de instrumentos para apoyar la optimización. De esta forma proporciona:

Recolección de datos en tiempo real y análisis de métricas de energía y de funcionamiento de todos los

activos de infraestructura.

Vista de un panel básico con roles consolidados de datos de construccion. Ahora se puede visualizar la

energía, mediciones de datos sobre medio ambiente y rendimiento de cartera.

Integración de Energía y Operaciones de las Instalaciones para ayudar a aumentar la eficacia de la

gestión de la construcción, productividad del personal y la eficiencia enrgética.

Soporte para múltiples sistemas de gestión de edificios para proporcionar una solución de gestión

integral de edificios.

c) Transporte: En los alrededores de la ciudad, la gente y las mercancías siempre se están moviendo. Los

sistemas de transporte inteligentes mejoran la capacidad, mejoran la experiencia de viaje y se mueven

de forma más segura, más eficiente. Los gestores de tráfico ganan visibilidad en toda la ciudad para

ayudar a aliviar la congestión y responder rápidamente a los incidentes.

Las Soluciones de Transporte Inteligente de IBM proporcionan

soluciones de análisis de tráfico y capacidad de predicción en una

plataforma escalable integral para la gestión de tráfico. Los datos se

agregan a partir de múltiples dispositivos que identifican y miden la

velocidad del tráfico y el volumen del tráfico en las carreteras de la

ciudad. Se visualiza las condiciones de tráfico de la ciudad en

tiempo real, donde los datos pueden ser capturados desde

diferentes fuentes tales como Cámaras, Radares, Detectores de

Carreteras, así como de los sistemas basados en tecnología

Bluetooth o Teléfono Móvil.

Al respecto, la “Solución de Gestión Inregrada de Tarifas para el Transporte” implica cambiar la

percepción del transporte público de pasajeros. En las ciudades de todo el mundo, las opciones de

http://www.youtube.com/watch?v=luCPlezZ114

http://www.youtube.com/watch?v=ryr0Lezm_bs

hugo

Placed Image

hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note






transporte público se encuentran disponibles, pero a menudo infrautilizados. Los pasajeros se quejan de

que el uso del transporte público es un inconveniente, sobre todo si tienen que interactuar con múltiples

sistemas de pago asociados a estacionamiento, metros, autobuses y servicios similares para y durante

sus desplazamientos (les preocupa el costo). La Solución Integrada de Gestión de Tarifas para el

Transporte de IBM puede ayudar a los Gestores de Redes de Transporte a construir un Sistema de

Recolección de Tarifas más Inteligente que atrae a más usuarios con todas las comodidades y ahorro, así

como también con la reducción de costos operativos. La solución proporciona acceso rápido y cómodo al

transporte, ofreciendo un enfoque de instrumentos necesarios para la gestión que arroja información

sobre los pagos de los clientes y el uso de múltiples sistemas de operadores de transporte, la creación de

un sistema interconectado que permite a los pasajeros utilizar una única tarjeta inteligente para acceder

y pagar por la totalidad de sus necesidades de transporte. Las tarjetas pueden incluso extenderse a otras

áreas, como pago de autobus, peajes de carretera, control de acceso a edificios o incluso a asistencia.

Esto se traduce en mejora del servicio al reducir los tiempos de embarque, la creación de líneas más

cortas para la compra de tickets y la eliminación de la necesidad de cambio correcto. Las transacciones

son rápidas, seguras y convenientes, siendo las tarjetas adaptables y reutilizables.

La Solución también proporciona a los operadores la Inteligencia y Comprensión que necesitan para

visualizar las tendencias en el uso, lo que les permite optimizar el uso de los activos y de las redes. La

Gestión de Tarifas Integradas mejora el servicio al ayudar a que el sistema sea más fácil de usar.

Proporciona una herramienta para poner en práctica las políticas de tarifas creativas y flexibles,

fomentando el uso a través de actividades de transacciones, pudiendo disminuir los problemas de

seguridad para los operadores, reduciendo las oportunidades de evasión y pérdida por fraude. Además,

los lectores de tarjetas no tienen partes móviles, lo que hace que sean más fáciles y menos costosas de

mantener.

Los Beneficios del sistema generan una situación “win-win” (ganar-ganra) para las partes involucradas.

Ayuda a los operadores de sistemas de transporte , beneficiándose de:

- La Reducción simplificada del manejo de caja y efectivo.

- Transferencia de pasajeros más eficiente en los distintos modos de transporte y operadores.

- Participación en los ingresos y distribución basada en el uso real.

- Almacenamiento de prueba de manipulaciones de las actividades de transacción.

- Menos evasión y fraude.

- Volumen de producción probado con tecnología fiable.

- La capacidad de implementar políticas de tarifas creativas y flexibles.

- Una fuerte generación de ingresos adicionales.

- Una gran cantidad de datos para ser utilizados en una mejor planificación de rutas y horarios.

Además, la solución puede ayudar a mejorar la satisfacción del cliente, dando a los pasajeros:

- Una reducción de tiempos de embarque y menos tiempo de espera para abordar.

- Minimización de la necesidad de uso de dinero en efectivo y cambio correcto.





- Transacciones rápidas, seguras y convenientes.

- Atención personalizada que brinda la posibilidad de recargar o cancelar la tarjeta.

- Acceso a operaciones de transporte.

Dentro de la especificaciones, si bien la aplicación de la Gestión Integrada de Tarifas puede ser bastante

complicada (debido a la orquestación de una variedad de componentes de hardware y software), la

coordinación entre las numerosas partes interesadas, todos los niveles de servicio al cliente, y la

agregación de dificultades adicionales; con este sistema se proporciona un elemento de asesoría para

todo el hardware, software y componentes de servicio, junto con una solución de aplicación para el

apoyo en la gestión que proporciona gestión de tarjetas de entrada, reconciliación y centro de servicios

de liquidación a todos los proveedores de transporte público.

Por otra parte, la “Solución de Sistemas de Opeación de Aeropuertos” de IBM involucra el intercambio y

colaboración de información en tiempo real. Como los sistemas de información de un aeropuerto se

extienden a través de múltiples proveedores de servicios, la coordinación en tiempo real y la

colaboración son puntos realmente críticos. Implementar un Sistema de Puntos Mültiples diseñados para

cumplir con las áreas de trabajo específicas puede aumentar la complejidad, mientras disminuye su

capacidad de coordinar y responder a eventos en tiempo real. La solución necesaria no sólo puede

satisfacer las necesidades puntuales, sino que también puede proporcionar una base sostenible para

Mejoras Operativas Continuas, Reducir Costos, Añadir Capacidades y Satisfacer las Demandas de

Cumplimiento.

La Solución implica Integración e Interoperabilidad de los puntos del Sistema. Ofrece una serie de

aplicaciones para ayudar a atender las necesidades de sistemas de información de los aeropuertos.

Utilizando metodologías probadas y mejores prácticas, puede ayudar a gestionar sistemas de puntos con

múltiples proveedores en un entorno de gran seguridad, que se ocupa de la planificación integrada de

recursos, la experiencia de los pasajeros y la gestión de activos. Estas soluciones, junto con la capacidad

de Integración de Sistemas, puede ayudar a establecer una base sólida de flexibilidad operativa,

capacidad de crecimiento sin interrupciones y una capacidad única para optimizar costos.

Dentro de los Beneficios de la solución, se considera proporcionar una base escalable para hacer frente a

las necesidades de un sistema de información. La solución ayuda a los operadores de aeropuertos a

reunir Sistemas de Puntos Dispares de múltiples proveedores en un entorno más seguro e integrado que

permite el intercambio de información en tiempo casi real y con respuesta a eventos. La solución utiliza

una arquitectura orientada a servicios (SOA) y capacidad inteligente para aeropuertos con una

metodología basada en las normas de aviación y sus correspondientes normas y conjuntos de

procedimientos, complementado con una capa de integración altamente configurable, aplicable a uno o

más aeropuertos de manera normal. El sistema ofrece la capacidad de ejecución central de planificacón y

gestión de recursos, así como la visualización de información de vuelo, con apoyo de una base de datos

central de aeropuerto. La solución incluye:





- Sistema de Operaciones Aeroportuarias, incluyendo base de datos de operación de aeropuertos,

gestión de ingresos, pantalla de información de vuelo, gestión de equipajes, gestión de carga y de uso

común para sistemas de facturación.

- Sistema de planificación de recursos empresariales para aeropuertos con especificaciones para

sistemas de facturación para la aviación.

- Sistemas de seguridad como vigilancia por video.

- Soluciones de experiencia de pasajeros, incluyendo sistemas de “quiosco” común y “quiosco” de

información, así como la habilitación de una plataforma móvil.

- Infraestructura de soluciones de datos, voz e inalámbrica.

- Bus de Servicio Empresarial personalizado para aeropuertos.

- Análisis y optimización de negocio y gestión de activos.

III. Humano: Los Servicios Humanos apoyan las necesidades del ciudadano como individuo, tanto

como bases de desarrollo y la asistencia social. Típicamente, esto incluye los servicios de mano

de obra, programas sociales, salud y educativos.

a) Programas Sociales: La condución de programas sociales para ciudadanos permiten el acceso oportuno a

los programas adecuados, la entrega efectiva de estos programas, y mejorar los resultados adecuados

para asegurar que los ciudadanos sean cada vez más beneficiados (con reducción de costos en la

entrega).

b) Salud: Herramientas de Big Data sobre Análisis de la Salud, convierten los datos en conocimiento y

negocios, en tiempo real para tomar decisiones en el punto de atención y productividad,

respectivamente. Las organizaciones con visión de futuro están conectando su datos sanitarios, sistemas

y procesos para facilitar las comunicaciones seguras y el intercambio de información.

Al respecto, para “aprovechar los recursos de datos en el sistema de salud”83

, se debe tener claro que los

datos están creciendo y moviéndose más rápido que lo que las organizaciones de salud pueden,

consumiendo el 80% de los datos médicos no estructurados y clínicamente relevantes. Estos datos

residen en varios lugares como RME (ERM´s, por su siglas en inglés) individuales, laboratorios y sistemas

de imágenes médicas, notas, correspondencia médica, reclamaciones, sistemas de CRM y finanzas.

Obener acceso a estos valiosos datos y análisis clínicos y avanzados es fundamental para mejorar la

atención y resultados, incentivar el comportamiento correcto y la eficiencia de la conducción.

Las Organizaciones de Salud están aprovechando la tecnología de Big Data para capturar toda la

información sobre el paciente para obtener uan visión más completa para conocer a fondo la

coordinación del cuidado y modelos de reembolso basados en resultados, gestión de la salud de la

población y el compromiso del paciente y la divulgación. Con éxito, el Big Data están aprovechando el

potencial desatado para lograr tres obtjetivos fundamentales para la transformación de la salud:

- Construir Sistemas de Salud Sostenibles.

83

IBM, “Big Data at The Speed of Business”, http://www-01.ibm.com/software/data/bigdata/industry-healthcare.html

http://www-01.ibm.com/software/data/bigdata/industry-healthcare.html

http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/human_solutions/index.html





- Colaborar para mejorar la atención y los resultados.

- Aumentar el acceso a la Asistencia Sanitaria.

De esta forma, para Construir Sistemas de Salud Sostenibles la industria de la salud está bajo presión de

la competencia y área legislativa para reducir costos de atención, gestión eficiente de recursos y mejora

de la atención del paciente. Los cambios sociales, tales como la forma en que los consumidores esperan

comprar y recibir atención, el estilo de vida, incluyendo el uso de los medios sociales y la tecnología

móvil, el continuo aumento de las enfermedades crónicas, el empuje para expandir el acceso a la

atención primaria están transformando la forma en que la saludo es

obtenida, entregada y pagada. Las organizaciones de salud están

sentando las bases para la empresas de Análisis de Datos de Salud con

Big Data obtengan una comprensión más profunda del paciente en su

contexto, lo que son y conducen a la utilización eficaz de los recursos

en todo el ecosistema de salud. Por ejemplo, para manejar mejor el

crecimiento exponencial de los datos de los pacientes, Fletcher Allen

ayudó a IBM a poner en práctica información refinada analíticamente

en manos de profesionales medicos para mejorar la calidad de la

atención.

También a continuación podrá visualizar un video sobre las bondades del Big Data en acción aplicadas el

área de salud:

Las organizaciones de Salud necesitan mejorar la calidad y la eficiencia en la atención cultivado en la

centralidad del paciente a través del compromiso y la personalización de la salud. Los cambios

http://www.youtube.com/watch?v=wOwept5WlWM

http://www.youtube.com/watch?v=5Xpp2U7C_gI

hugo

Placed Image

hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note






regulatorios y de mercado requieren una mayor comprensión y gestión de los riesgos en las poblaciones

de pacientes con el fin de obtener mejores resultados y reducir las tasas de reingreso.

5 Proyectos Big Data que pueden Impactar tu Vida84.

Como hemos visto, el Big Data tiene el potencial de cambiar drásticamente la forma en que nuestros

campos de negocios, gobierno el mundo académico u los servicios de salud operan actualmente. Esto, en

base a la idea de “cantidades masivas de información que pueden ser utilizadas para encontrar patrones

ocultos, enterrados bajo terabytes de números, en Facebook, mensajes de Google, búsquedas de compras

en Amazon, etc. De esta forma, se pueden predecir las tendencias sociales, y en algunos casos, rediseñar

la forma en que vivimos”. Por ejemplo:

1º.- Tiempo de Tránsito en Nueva York: El Tiempo de Tránsito de Nueva York, es un mapa interactivo

desarrollado por WNYC, el cual permite a lo neoyorkinos hacer clic en un punto cualquiera de los cinco

distrititos de la ciudad, para de esta forma ver la estimación de tiempos de viaje en metro. Para crearlo,

Steve Meléndez, principal desarrollador de WNYC dividió la ciudad en 2.930 hexágonos, para luego pulir

los datos extrayéndolos desde la plataforma de código abierto OPenTripPlanner, software de mapa de

Wikipedia, y conjuntamente descargar la información con la información pública MTA del horario del

metro. Como resultado de la inserción, surge una recopilación de 4 millones de “viajes virtuales”, todos

simulador como si partieran a las 9:00 am de un día laboral. Meléndez sostiene que le llevó cuatro

Servicios de Amazon Elastic C2, solo para

albergar la información (había que darle

una oportunidad). De esta forma, se

construyó el Tiempo de Tránsito de NYC

utilizando Aplicaciones Open Source

(Código Abierto), y luego compartir la

experiencia en un blog, de forma que la

gente comenzó a seguir sus pasos y así

sucesivamente.

De esta forma, la estructura del equipo del

proyecto, se alimentaba sobre una base

regular con datos interactivos. Los más

84 Eric Larson, “5 Big Data Projects that Could IMpact your Life”, StravCorp: Strategic Innovation Corporation, July 19,

2013, http://www.stravcorp.com/news/5-big-data-projects-that-could-impact-your-life.aspx

http://www.stravcorp.com/news/5-big-data-projects-that-could-impact-your-life.aspx

http://project.wnyc.org/transit-time/#40.72332,-73.95447,10,undefined

hugo

Placed Image

hugo

Sticky Note






recientes incluyen un mapa que descompone “los precios de arriendo por área de Nueva York”, y un

gráfico de diferente graduación de escuelas de la ciudad y “un rastreador de huracanes”.

2º.- Topografía de los Tweets: En una entrada de un blog, Twitter dio a conocer un nuevo mapa de

visualización de datos que muestra miles de millones de twits con etiquetas geográficas en formato de

paisaje en 3D. El objetivo es mostrar, de manera topográfica, desde qué partes de algunas ciudades la

gente está twitteando.

http://project.wnyc.org/housing-costs/

http://project.wnyc.org/news-maps/hurricane-tracker/

hugo

Placed Image

hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note






Los picos más altos simmbolizan el “mayor número de mensajes de twitter”; los canales más bajos

representan menos. Uno puede explorar el paisaje desde diferentes puntos de vista, como “Heat”,

“Grid” o “Marca de Agua”, y darle la vuelta al mapa de un total de 360 grandos para poder verlo desde

cualquier ángulo.

Sólo una pequeña proporción de todos los tweets son georeferenciales, pero ayudan a obtener

conocimiento más profundo en la forma de tweet”. A Julio de 2013 solo en tres ciudades se presenta el

proyecto (New York, San Francisco y Estambul), así como tampoco por el momento es claro si se

añadirán más ciudades al proyecto.

3º.- Reloj de Homicidios en DC: Reloj de Homicidios en DC es un sitio de información impulsado por la

comunidad que tiene como objetivo

cubrir todos los asesinatos llevados a

cabo en el Distritito de Columbia.

Está clasificado por “perfiles de

víctimas”, “sospechosos”,

pudiendose especificar el nombre, la

edad, raza, así como artículos

originales reportados por el personal

de “observación de Homicidios”.

En el Mapa Interactivo, se marca

cada crimen violento ubicado dentro

de los límites del Distrito de

Columbia, y se hace clic en uno de

https://blog.twitter.com/2013/topography-tweets

http://homicidewatch.org/homicides/map/

hugo

Placed Image

hugo

Sticky Note


hugo

Placed Image

hugo

Sticky Note






los iconos de color rojo, el cual lo transfiere a la página del perfil respecto de la víctima.

Chris Amico, quien co-fundó el proyecto en 2010 junto a su esposa Laura, sostiene que su objetivo es

hacer que el Reloj de Homicidios DC sea el lugar actualizado para datos de asisinatos, desde crímenes a

condenas”, sirviendo incluso para honrar a los difuntos.

“DC es una gran liberación de datos públicos. De hecho, hay un portal llamado “Data.DC.gov” que tiene

prácticamente todo lo que se refiere a datos de cimen”, sostiene Amico. El único problema es que, por lo

general, demora un día en actualizarse. Cuando hay un homicidio, las personas desean conocer detalles

inmediatamente (especialmente si esto sucedió en su vecindario). Nosotros tratamos de asegurarnos de

que cualquier información al respecto sea ingresada a la base de datos lo antes posible”.

El enfoque de la colección de datos se encuentra de forma más detallada que técnica. Acá, Amico y su

equipo de pasantes, recogen datos sobre la delincuencia (por lo general de los informes policiales y

documentos publiciados de fuentes públicas) y de forma manual los introducen al final del proceso. Es un

trabajo tedioso, la mayor parte de la información es recogida en pedazos a medida que se rueda hacia

afeura. Amico sostiene que “no debería existir una diferenciación en el interés periodístico de los

homicidios”. “Todos importan, por o que se lleva a cabo una asignación, donde ningún periodista o

político es capaz de buscar y preguntar ¿Existe alguna correlación entre el lugar donde los homicidios se

producen? La única manera de saberlo es cubriéndolo todo”. Hoy en día, Amico se ha asociado con

proyectos de homicidio similares en Trenton, Nueva Jersey y Chicago, teniendo la esperanza de inspirar a

más ciudades de todo el país para poner en marcha sus propias bases de datos (en código abierto) de

delitos.

4º.- Falling Fruit: ¿Puedes encontrar un árbol de manzana oculto en tu viaje en bicicleta diario?

FalllingFruit.org puede hacerlo. La página web destaca por considerar las zonas comestibles de todo el

mundo. Mediante la recopiación de información pública del departamento de Agricultura de Estados

Unidos, los inventarios de árboles municipales, mapas y bases de datos de árboles de forraje en las

calles, el sitio ha creado una red de 615

tipos de productos comestibles en más

de 570.000 localidades. El objetivo es

recordar a los habitantes de las

ciudades que, la agricultura existe

dentro de los límites de la ciudad, lo

que pasa es que es más difícil de

encontrar.

Por ejemplo, en la captura de pantalla,

si destacamos Minneapolis, Minnesota,

cada punto simpboliza un comestibe

con dirección y la información de la

fuente. El mapa está abierto para ser

http://fallingfruit.org/

hugo

Placed Image

hugo

Sticky Note


hugo

Sticky Note


hugo

Sticky Note






editado, también, por lo que es libre de introducir una dirección de todos los árboles en su vecindario

para destacar. La base de datos de árboles de alimentos puede ser descargada en forma de hoja de

cálculo, pero teniendo cuidado.

5º.- AIDSVu: AIDSVu es un mapa interactivo que ilustra la prevalencia de VIH en los Estados Unidos. Los

datos provienen de los informes del Centro de Nacional de Control de Enfermedades (específicamente

vigilancia del VIH) de Estados Unidos, que son recogidos en los planos estatales y del condado cada año.

Enormes bases de datos del sitio le pemiten ver los perfiles de cada estado. Rompe las tasas de

prevalencia del VIH por raza y estimaciones de porcentajes de personas que viven con el VIH en algunas

zonas, lo que permite que sea más fácil encontrar sitios de prueba cerca de su casa. Puede ver el mapa

completo del país o buscar ciudades individuales, cada cual se encuentran codificados por color según el

número de adultos diagnosticados por cada 100.000 infectados, lo más visible en el margen de arriba.

Puede descargar cada mapa del sitio (número selecto de las grandes ciudades con datos individuales de

codigo postal, haciéndolos libre de ser descargados).

El proyecto fue desarrollado por un equipo de investigadores de la Universidad de Emory (Escuela de

Salud Pública), donde Patrick S. Sullivan, PhD, Profesor de epidemiología de la Emory y fundador del

proyecto, dice que el objetivo era simplemente visualizar un conjunto de datos gigantes. La mayoría de

los datos sobre el VIH es accesible al público, pero siempre aparece en grandes informes tabulados. Hay

tanta información disponible y muchas formas de usarlo, por lo cual tenía sentido tratar de presentarla

en con una visión diferente que más llamara la atención. Esto ya que, honestamente, “la mayoría de la

gente normalmente no entiende los grandes informes de los datos de vigilancia”. Sullivan sostiene que,

los datos se actualizan una vez al año, en correlación con los informes, pero otros datos (como lugares de

prueba) que surgen a lo largo del año, por ejemplo, se actualizan tan pronto como la información esté

http://aidsvu.org/map/

hugo

Placed Image

hugo

Sticky Note






disponible. Sullivan sostiene que “quieren llevar los recursos a donde sirvan”, lo cual es la esencia de lo

que tratan de hacer en salud pública. Esto es sólo una herramienta básica para que la gente saque el

máximo provecho de los recursos báicos, que todos tengan aceso a ella.

6º.- (Bonus) Yelp Hispter Watch: ¿A dónde los jóvenes van se retiran en estos días? Portland, Oregon y

Brooklyn, Nueva York, son las respuestas obvias pero con un truco de “Yelp” puede encontrar qué bares

y restaurantes en su ciudad están de moda. Selecionando una ciudad y buscando la palabra clave

“hipster” (inconformista). Usted verá un mapa basado en el número de veces que el la palabra ha sido

utilizada en revisiones previas. A juzgar por el brillo oscuro de Williamsburg, Brooklyn (en el mapa -

mancha a la derecha-), es un método de búsqueda muy precisa.

Cómo se Comportan los Clientes: Utilizando Datos para Conducir la Innovación, Desarrollo & Estrategia

Digital85

.

Hoy en día, el auge de lo digital ha transformado completamente la forma en que, como sociedad,

interactuamos, nos comunicamos y hacemos negocios. La mayor tranformación ha sido en “los

consumidores”. Los compradores potenciales, armados de dispositivos móviles como smartphones y

tablets, son capaces de comprar, comparar productos y servicios examinándolos a la vez en la marcha.

La tendencia creciente móvil también ha impulsado nuevas estrategias de negocio. Para mantenerse al

frente de estos consumidores digitales, muchas empresas se ha subido rápidamente al tren móvil. A

pesar de sus buenas intenciones, sin embargo, muchos líderes de negocios están aprendiendo

85

Digital GrowthInsights, “How Customers Behave: Using Data to drive Innovation, Development & Digital Strategy”, 25, July, 2013, http://www.digitalgrowthinsights.com/media/how-customers-behave-using-data-to-drive-innovation-development-digital-strategy/?goback=.gmr_43593.gde_43593_member_260834405

http://www.digitalgrowthinsights.com/media/how-customers-behave-using-data-to-drive-innovation-development-digital-strategy/?goback=.gmr_43593.gde_43593_member_260834405


http://www.yelp.com/wordmap/sf/hipster

hugo

Placed Image

hugo

Sticky Note






“simplemente a abrazar lo móvil no es suficiente y que, es una Estrategia exitosa” donde muchos van a

las implicaciones del mercado que deben ser consideradas, pasando lo móvil a ser sólo el primero de

muchos pasos. Además, el éxito es a menudo, también depende de “la capacidad de cambiar la forma de

pensar y adoptar nuevos modelos de negocios ágiles”. Con el fin de cosechar todos los beneficios del

“nuevo consumidor móvil”, es esencial tener un conocimiento profundo y exhaustivo de los diversos

personajes sobre su Consumo, Necesidades y Comportamientos que impuslan su negocio. Este

conocimiento proporciona una valiosa Visión, Plataformas, Sistemas Operativos, etc. De hecho, en un

reciente artículo “Developing a fine-grained look at how digital consumers behave” (Ewan Duncan, Eric

Hazan, Kevin Roche)86

, que trata sobre la comprensión de los consumidores digitales de hoy en día, se

declara que “…comprender y actuar sobre los contornos probables del cambio, exige una reflexión y un

profundo conocimiento del comportamiento de lso clientes, la dinámica de la industria, y

retroalimentación. Estas ideas pueden ayudar a los jugadores a formar de nuevo sus modelos de

negocios para aprovechar los cambios estructurales y amortiguar los choques potenciales”.

En este sentido, algunas organizaciones pueden pensar que “la comprensión del comportamiento del

cliente” se puede ver en las tendencias y generalidades de gran escala. Aunque es verdad hasta cierto

punto, la consultora Mckinsey señala que “en la mayoría de los casos, pequeños grupos de usuarios, a

menudo pasados por alto en los análisis superficiales, en realidad impulsan la economía”. Por tanto, la

mejor manera de obtener una comprensión detallada de cómo se comportan los consumidores, es a

través del aprovechamiento del Big Data. Al segmentar a los consumidores en función de su

características demográficas, características del hogar, patrones de uso, el gasto, actitudes y

necesidades, el “Big Data proporciona el nivel de conocimiento granular necesario para entender el

Comportamiento del Consumidor y la postura de su organización en consecuencia”. La conclusión, para

Mckinsey, es que “la extracción de valor en un espacio que cambia rápidamente, lleva a las empresas a

que no sólo deben centrarse en la fracción de los usuarios que manejan la economía, sino que también

construyen simultáneamente una diversidad de modelos de negocios para hacer frente a la audiencia

más amplia”.

Según Forbes “las empresas que utilizan Análisis de Big Data son cinco a seis veces más rentables que

sus pares”. Además, las empresas que ponen los datos al centro de sus decisiones de marketing y ventas,

mejoran su rendimiento de inversión en marketing (MROI) por 15% a 20%.

Aunque las cifras parecen sorprendentes a primera vista, se vuelven más claras cuando consideramos

que las empresas que utilizan Big Data (grandes volúmenes de datos) son más exitosas porque tienen

una comprensión mejor y más profunda de las necesidades y el comportamiento de sus clientes, así

86

Ewan Duncan, Eric Hazan, Kevin Roche, “Developing a fine-grained look how digital consumers behave”, Insights &

Publications, Mckinsey Company, July 2013, http://www.mckinsey.com/Insights/Telecommunications/Developing_a_fine-grained_look_at_how_digital_consumers_behave?cid=other-eml-alt-mip-mck-oth-1307

http://www.mckinsey.com/Insights/Telecommunications/Developing_a_fine-grained_look_at_how_digital_consumers_behave?cid=other-eml-alt-mip-mck-oth-1307

http://www.mckinsey.com/Insights/Telecommunications/Developing_a_fine-grained_look_at_how_digital_consumers_behave?cid=other-eml-alt-mip-mck-oth-1307





como la Visón para identificar Nuevas Oportunidades rentables. Estas son las compañías que seguirán

creciendo y ganando Cuota de Mercado87

.

CONCLUSIONES Y PALABRAS AL CIERRE.

Como podrán percatarse, el fenómeno del Big Data no es una moda tecnológica, es una verdadera

revolución tecnológica que está trasformándose en una Innovación Disruptiva en todo ámbito e industrias a

nivel global, que más que generar una oportunidad de negocio, está permitiéndo a la sociedad evolucionar a

un nuevo contexto social, cuyo objetivo no es otro que el de mejorar el nivel de vida de la ciudadanía (en

este caso del ser humano sin distinción alguna). Según mi punto de vista, esto marca un precedente de un

“antes y un después del Big Data”, dado que, si creemos que esto es una revolución (por la prerrogativa y

capacidad de poder predecir eventos a partir de datos), lo que sucederá en el corto plazo será aún mayor y

con un impacto inconmensurable. Es cosa de comenzar a pensar “fuera de la caja”, sin considerar los

paradigmas bajo los cuales hemos y estamos funcionando, para darnos cuenta del potencial del Big Data. Si

sumamos “la automatización”, “la aplicación de tecnología de sensores”, “el internet de las cosas”, “la

domótica”, “las nuevas tecnologias emergentes (como realidad aumentada, tecnología holográfica,

tecnología de impresión 3D, tecnología que permite la interacción con aparatos electrónicos y tecnológicos

con la mente, realidad virtual, entre muchos otros)”, “la implementación de ampliación geográfica para el

internet vía wifi para los 5.000 millones de personas que aún no tienen acceso a internet a nivel global”,

“desarrollo de Inteligencia Artificial (AI),“entre muchos otros”, a quienes nos especializamos en estos

ámbitos, nos permite dimensionar apenas la punta del iceberg de desarrollo tecnológico y humano que

estamos a punto de afrontar.

Muchos podrán pensar que se trata de un guión de película de ciencia ficción de Hollywood, pero no, es una

realidad que estamos y continuaremos viviendo, permitiéndonos mejorar la calidad de vida del ser humano

¿cómo? A través de la Innovación en la industria de Actuales y Nuevos Servicios. Esto es fácil de verificar si

analizamos la rapidez y profundidad como se están llevando a cabo Innovaciones no solo en productos y

servicios, sino por sobre todo en Modelos de Negocios que atañen a descubrimientos de oportunidades de

negocios que involucran a la tecnología. Con esto no quiero decir que la tecnología sea un pilar necesario

para el desarrollo y aplicación de Innovación, ¡para nada!. Sin embargo, la influencia y participación crítica y

necesaria para generar Innovación en el ámbito del área de la Industria de Servicios, eso sí es otra cosa. Esto

se debe a que, como sabemos quienes estamos embarcados en el ámbito del Emprendimiento y la

Innovación, los “Servicios (que no son escalables) para ser Escalables (y poder tener un horizonte de

desarrolo y cobertura a nivel global), necesitan de la aplicación de la tecnología”, transformando los

Servicios en Productos Tecnológicos, los cuales, utilizando las bondades de Internet, permiten la captura,

87

Editoral Staff, “How Customers Behave: Using Data to Drive Innovation, Development & Digital Strategy”, Digital Growth (Insights), 25 July 2013, http://www.digitalgrowthinsights.com/media/how-customers-behave-using-data-to-drive-innovation-development-digital-strategy/?goback=.gmr_43593.gde_43593_member_260834405







creación y desarrollo, así como la distribución de Valor, de nuevos beneficios para consumidores/ usuarios/

ciudadanos/ ser humano en general, a través de nuevas Propuestas de Valor que ayudan a la sociedad a

solucionar sus problemas, a satisfacer necesidades de maneras que antes ni siquiera el mismo mercado

habría considerado posible.

Por lo tanto, si me preguntan que nos depara el futuro del desarrollo tecnológico y la Innovación en

Servicios, yo me atrevería a decir que, lo que actualmente estamos viviendo es a pensa la punta del iceberg.





BIBLOGRAFÍA

- “A Very Short History of Big Data”, Forbes, Gil Press, 09/05/2013, http://www.forbes.com/sites/gilpress/2013/05/09/a-very-short-history-of-big-data/

- “Amazon Technology”, Money.howstuffworks.com, Layton, Julia, 05/03/2013, http://money.howstuffworks.com/amazon1.htm

- “Apple dice que no sabía de PRISM”, Fayerwayer, 17/06/2013, http://www.fayerwayer.com/2013/06/apple-dice-que-no-sabia-de-prism/

- “Aplicaciones de Big Data en el Deporte”, Think Big, 05/03/2013, http://blogthinkbig.com/big-data-deporte/

- “Ascribe Ltda”, Microsoft, Case Studies, 18/03/2013, http://www.microsoft.com/casestudies/Case_Study_Detail.aspx?CaseStudyID=710000002092

- “Así funciona Boundless Informant, el sistema de análisis de datos de la NSA”, Fayerwayer, 08/06/2013, http://www.fayerwayer.com/2013/06/asi-funciona-boundless-informant-el-sistema-de-monitoreo-de-datos-de-la-nsa/

- “Big Data in Action –Let´s Get Starterd”, Forbes, Rachel West, 24/06/2013, http://www.forbes.com/sites/emc/2013/06/24/big-data-in-action-lets-get-started/

- “Big Data: Necesidades y Aplicaciones”, BrainsSINS, Luis Martin, http://www.brainsins.com/es/blog/big-data-necesidades-y-aplicaciones/103589

- “Big Data: Origen de los Datos”, A partir de XAMQ, Francesc Máñez, 01/04/2013, http://www.qmaxsl.com/bqmax/big-data-origen-de-los-datos/

- “Big Data”, Wikipedia, http://en.wikipedia.org/wiki/Big_data - “Big Data: ¿La Nueva Llave para el Desarrollo”, América Economía,, Pablo Albarracín,

http://www.americaeconomia.com/analisis-opinion/big-data-la-nueva-llave-para-el-desarrollo - “Big Data con Teléfonos Baratos”, MIT Technology review, 09/05/2013,

http://www.technologyreview.es/read_article.aspx?id=42986 - “Big Data en Tesoros Históricos”, EMC2, http://bcove.me/v0m19ipj - “Big Data y Sistemas de Evaluación de Riesgo”, EMC2, http://bcove.me/7n4i9e1k - “Big Data y la Experiencia de Pivotal Labs”, EMC2, http://bcove.me/8496i3gf - “Big Data will revolutionize Learning”, Smartdata Collective, Mark van Rijmenam, April 30, 2013,

http://smartdatacollective.com/bigdatastartups/121261/big-data-will-revolutionize-learning - “Big Data will revolutionize Learning”, Smartdata Collective, Mark van Rijmenam, April 30, 2013,

http://smartdatacollective.com/bigdatastartups/121261/big-data-will-revolutionize-learning - “BigData@CSAIL”, http://bigdata.csail.mit.edu/ - “CERN Brochure 2010”, http://cds.cern.ch/record/1278169?ln=en - “Boundless Informant: the NSA´s secret tool to track global surveillance data”, The Guardian, June

11, 2013. - “Cómo el Big Data Transforma Negocios”, EMC2, http://bcove.me/zzewkq5h - “Cómo el Big Data Ayuda a las organizaciones a transformar sus negocios y sus vidas”, EMC2,

http://bcove.me/cnprin0d - “Convergencia de Business Intelligence y Big Data Analytics”, Rachel West, Forbes.


http://money.howstuffworks.com/amazon1.htm









http://www.qmaxsl.com/bqmax/big-data-origen-de-los-datos/






http://bcove.me/8496i3gf



http://bigdata.csail.mit.edu/








- “Data, data everywhere”, The Economist, http://www.economist.com/node/15557443 - “Edward Snowden comes forward as source of NSA leaks”, The Washington Post, 09/06/2013,


- “Edward Snowden failed in attempt to join US Army´s elite special forces unit”, The Guardian, 10/06/2013, http://www.guardian.co.uk/world/2013/jun/10/edward-snowden-army-special-forces

- “Edward Snowden says motive behind leaks was to expose surveillance state”, The Washington Post, 09/06/2013, http://www.washingtonpost.com/politics/edward-snowden-says-motive-behind-leaks-was-to-expose-surveillance-state/2013/06/09/aa3f0804-d13b-11e2-a73e-826d299ff459_story.html?tid=pm_politics_pop

- “Energy Optimization Solution for Smart Cities”, IBM, http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/solution/planning_mgt_solutions/U481210X53127D39.html

- “Estados Unidos accede a información de usuarios de los gigantes de internet”, El País, 07/06/2013, http://internacional.elpais.com/internacional/2013/06/07/actualidad/1370564066_752776.html

- FICO.com, http://www.fico.com/en/Products/DMApps/Pages/FICO-Falcon-Fraud-Manager.aspx - “Francia y Reino Unido tienen su propio Prism”, Fayerwayer, Manu Contreras, 05/07/2013,

http://www.fayerwayer.com/2013/07/francia-y-reino-unido-tiene-su-propio-prism/ - “Gartner says Solving Big Data Challenge involves more than just managing volumes of Data”,

Gartner, Beyer, Mark, 27 de Junio de 2011, Gartner, http://www.gartner.com/newsroom/id/1731916 .

- “Google, Facebook and more”, Ars Technica, 06/06/2013, http://arstechnica.com/tech-policy/2013/06/new-leak-feds-can-access-anything-in-your-google-facebook-and-more/

- “Groundbreaking Ceremony held for US$ 1.2 billion Utah Data Center”, National Security Agency Central Security Service, 18/03/2013, http://www.nsa.gov/public_info/press_room/2011/utah_groundbreaking_ceremony.shtml

- “¿Han hecho el Big Data que el anonimato sea imposible?”, MIT Technology Review, Patrick Tucker, 16/05/2013, http://www.technologyreview.es/read_article.aspx?id=43072

- “High Energy Physics: Down the Petabyte Highway”, Nature (International Weekly Journal of Science)”, Brumfield, Geoff 2009, http://www.nature.com/news/2011/110119/full/469282a.html

- “Infosys launches BigDataEdge to analyse Big Data”, The Economic Times, 21/02/2013, http://articles.economictimes.indiatimes.com/2013-02-21/news/37201267_1_big-data-infosys-vice-president-unstructured-data

- How Customers Behave: Using Data to Drive Innovation, Development & Digital Strategy”, Editoral Staff, Digital Growth (Insights), 25 July 2013, http://www.digitalgrowthinsights.com/media/how-customers-behave-using-data-to-drive-innovation-development-digital-strategy/?goback=.gmr_43593.gde_43593_member_260834405

- “Infosys launches BigDataEdge”, Express Computer, 21/02/2013, http://computer.financialexpress.com/sections/news/1161-infosys-launches-big-data-edge

- “Integrated Intelligence Analisis”, IBM. http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/solution/planning_mgt_solutions/E006405Y37523N34.html

- “Intel univeil new initiatives addressing Big Data”, MIT News, MIT, May 31, 2012, http://web.mit.edu/newsoffice/2012/big-data-csail-intel-center-0531.html




http://www.guardian.co.uk/world/2013/jun/10/edward-snowden-army-special-forces






http://internacional.elpais.com/internacional/2013/06/07/actualidad/1370564066_752776.html

http://www.fico.com/en/Products/DMApps/Pages/FICO-Falcon-Fraud-Manager.aspx


http://www.gartner.com/newsroom/id/1731916



http://www.nsa.gov/public_info/press_room/2011/utah_groundbreaking_ceremony.shtml


http://www.nature.com/news/2011/110119/full/469282a.html






http://computer.financialexpress.com/sections/news/1161-infosys-launches-big-data-edge



http://web.mit.edu/newsoffice/2012/big-data-csail-intel-center-0531.html





- “MapReduce: Simplified Processing on Large Clusters”, Google Inc, Jeffrey Dean, Sanjay Ghemawat, http://static.googleusercontent.com/external_content/untrusted_dlcp/research.google.com/es//archive/mapreduce-osdi04.pdf

- ”MapReduce: Arquitectura BigData”, Globant, , bigdata.globant.com/wp-

content/uploads/2012/07/Apache-Pig-1.ppt

- “Mozilla, Reddit, 4Chan y más se unen para exigir el fin del plan de espionaje del gobierno de Estados Unidos”, Fayerwayer, 11/06/2013, http://www.fayerwayer.com/2013/06/mozilla-reddit-4chan-y-mas-unen-para-exigir-el-fin-del-plan-de-espionaje-del-gobierno-de-ee-uu/

- “NSA leaker comes forward, warns of agency´s existential threath”, CNN, 10/06/2013, http://edition.cnn.com/2013/06/09/politics/nsa-leak-identity/index.html

- “NSA taps in to internet gigant systems to mine user data, secret files reveal”, The Guardian, 06/06/2013, http://www.guardian.co.uk/world/2013/jun/06/us-tech-giants-nsa-data

- “NSA slides explain the PRISM data-collection program”, The Washington Post, 06/06/2013, http://www.washingtonpost.com/wp-srv/special/politics/prism-collection-documents/

- “NSA Collecting phone records of millions of Verizon Customers daily”, The Guardian, 05/06/2013, http://www.guardian.co.uk/world/2013/jun/06/nsa-phone-records-verizon-court-order

- “NSA Talking Point Issued by House Intelligence Committee Instructs Lawmakers on Defending Programs”, The Huffington Post, Zach Carter, 13/06/2013, http://www.huffingtonpost.com/2013/06/13/nsa-talking-points_n_3437518.html

- “La Utilidad del Big Data en e-commerce”, BrainsSINS, Luis Martin, 27/05/2013, http://www.brainsins.com/es/blog/big-data-en-ecommerce/107266

- “Las Empresas colaborando con PRISM serían miles en Estadas Unidos”, Fayerwayer, 14/06/2013, http://www.fayerwayer.com/2013/06/las-empresas-colaborando-con-prism-serian-miles-en-ee-uu/

- “LHC Guide: A collection of facts and figure about the Large Hadron Collider (LHC) in the form of questions and answers”, CERN Brochure 2008, http://cds.cern.ch/record/1092437?ln=en

- “Lolo Jones High Training with Red Bull Project X”, Youtube, http://www.youtube.com/watch?feature=player_embedded&v=ocfsxhjJzaQ#!

- “Los Registros de llamadas móviles pueden revelar mucha información a la NSA”, MIT Technology Review, Jessica Leber, 20/06/2013, http://www.technologyreview.es/read_article.aspx?id=43344

- “Obama defiende el programa de vigilancia de la NSA”, Fayerwayer, 18/06/2013, http://www.fayerwayer.com/2013/06/obama-defiende-el-programa-de-vigilancia-de-la-nsa/

- “Predicting Commutes More Accurately for Would-Be Home Buyers”, Bits.blogs.nytimes.com, Nick Wingfield, http://bits.blogs.nytimes.com/2013/03/12/predicting-commutes-more-accurately-for-would-be-home-buyers/

- “President Obama Defends NSA Spying”, BuzzFedd, Politics, 17/06/2013, http://www.buzzfeed.com/buzzfeedpolitics/president-obama-defends-nsa-spying

- “Prism: Programa de Vigilancia”, Wikipedia, http://es.wikipedia.org/wiki/PRISM_%28programa_de_vigilancia%29

- “PRISM habría ayudado a detener terrorismo en más de 20 países, según la NSA”, Fayerwayer, 17/06/2013, http://www.fayerwayer.com/2013/06/prism-habria-ayudado-a-detener-terrorismo-en-mas-de-20-paises-segun-la-nsa/

- “Proyecto Genóma Humano”, Wikipedia, http://es.wikipedia.org/wiki/Proyecto_Genoma_Humano





http://edition.cnn.com/2013/06/09/politics/nsa-leak-identity/index.html



http://www.guardian.co.uk/world/2013/jun/06/nsa-phone-records-verizon-court-order

http://www.huffingtonpost.com/2013/06/13/nsa-talking-points_n_3437518.html






http://www.fayerwayer.com/2013/06/obama-defiende-el-programa-de-vigilancia-de-la-nsa/



http://www.buzzfeed.com/buzzfeedpolitics/president-obama-defends-nsa-spying

http://es.wikipedia.org/wiki/PRISM_%28programa_de_vigilancia%29



http://es.wikipedia.org/wiki/Proyecto_Genoma_Humano





- ¿Qué es Big Data?, IBM, Ricardo Barranco Fragoso, DeveloperWorks, 18/06/2012, http://www.ibm.com/developerworks/ssa/local/im/que-es-big-data/index.html?cmp=BS&ct=SocialMedia&cr=twitter

- “Revelan masivo programa de recolección de datos de gobierno estadounidense”, FayerWayer, 06/06/2013, http://www.fayerwayer.com/2013/06/revelan-masivo-programa-de-recoleccion-de-datos-de-gobierno-norteamericano/

- “Révélations sur le Big Brother français”, Le Monde, Jacques Follorou et Franck Johannès, 04/07/2013, http://www.lemonde.fr/societe/article/2013/07/04/revelations-sur-le-big-brother-francais_3441973_3224.html

- “Secret Court Ruling put Tech Companies in Data Bind”, The New York Times, 13/06/2013, http://www.nytimes.com/2013/06/14/technology/secret-court-ruling-put-tech-companies-in-data-bind.html?pagewanted=all&_r=0

- “Smart Cities: La Innovación Social, Tecnológica, Urbana y Económica para el Futuro es Ahora”, HCGlobal Group, Hugo Céspedes A., 23/01/2013, www.hcglobalgroup.comhttp://www.hcglobalgroup.com/HCGlobal%20Group/Smart%20Cities,%20La%20Innovacion%20Social,%20Tecnologica,%20Urbana%20y%20Economica%20para%20el%20Futuro%20es%20Ahora.htm

- “Smarter Cities solution for law enforcement”, IBM, http://www.ibm.com/smarterplanet/us/en/smarter_cities/solutions/solution/planning_mgt_solutions/I883414K66583V41.html

- “Stop Watching Us”, https://optin.stopwatching.us/ - “The Importance of Big Data: A Definition”, Douglas, Laney, Gartner, 21 de Junio de 2012,

http://www.gartner.com/DisplayDocument?id=2057415&ref=clientFriendlyUrl - “The NSA is Building the Country´s Biggest Spy Center (Watch What you Say)”, Wired Magazine,

Hoover, J. Nicholas, http://www.wired.com/threatlevel/2012/03/ff_nsadatacenter/all/1 - “The World´s Technological Capacity to Store, Communicate, and Compute Information”, Science

332 (6065) Hilbert, Martin; López, Priscilla (2011), http://martinhilbert.net/WorldInfoCapacity.html - “Us Intelligence mining data from nine U.S. Internet companies in broad secret program”, The

Washington Port, 07/06/2013, http://www.washingtonpost.com/investigations/us-intelligence-mining-data-from-nine-us-internet-companies-in-broad-secret-program/2013/06/06/3a0c0da8-cebf-11e2-8845-d970ccb04497_story.html?hpid=z1

- “U.S. Agencies said to swap data with thousands of firms”, Blomberg, 15/06/2013, http://www.bloomberg.com/news/2013-06-14/u-s-agencies-said-to-swap-data-with-thousands-of-firms.html

- “U.S. Collects Vast Data Trove”, The Wall Street Journal, Siobhan Gorman, Evan Perez, 07/06/2013, http://online.wsj.com/article/SB10001424127887324299104578529112289298922.html

- “343 Industries Gets New Users insights from Big Data in the Cloud”, Microsoft Case Studies, http://www.microsoft.com/casestudies/Windows-Azure/343-Industries/343-Industries-Gets-New-User-Insights-from-Big-Data-in-the-Cloud/710000002102

- “5 Big Data Projects that Could IMpact your Life”, Eric Larson, StravCorp: Strategic Innovation Corporation, July 19, 2013, http://www.stravcorp.com/news/5-big-data-projects-that-could-impact-your-life.aspx















https://optin.stopwatching.us/

http://www.gartner.com/DisplayDocument?id=2057415&ref=clientFriendlyUrl

http://www.wired.com/threatlevel/2012/03/ff_nsadatacenter/all/1

http://martinhilbert.net/WorldInfoCapacity.html






http://online.wsj.com/article/SB10001424127887324299104578529112289298922.html





Big Data y la innovación Global en Servicios Actual y Futura

Technology

Transcript of Big Data y la innovación Global en Servicios Actual y Futura