BIG DATA

BIG DATA & ANALYTICS

 ÍNDICE

TEMA 1. Introducción al big data

1.1. ¿POR QUÉ NECESITAMOS EL BIG DATA?...........................................7

1.2. CARACTERÍSTICAS DEL BIG DATA....................................................13

1.3. TECNOLOGÍAS PARA BIG DATA..........................................................16

IDEAS CLAVE...................................................................................................21

GLOSARIO........................................................................................................23

BIBLIOGRAFÍA.................................................................................................25

TEMA 2. Big data en proyectos

2.1. ESTRUCTURA DEL EQUIPO DE TRABAJO........................................29
2.1.1. Desarrollo de productos digitales........................................................................ 34

IDEAS CLAVE...................................................................................................43

GLOSARIO........................................................................................................45

BIBLIOGRAFÍA.................................................................................................47

TEMA 3. Metodologías ágiles

3.1. METODOLOGÍAS DE DESARROLLO..................................................51

3.2. EL FRAMEWORK SCRUM.....................................................................60

3.3. SOFTWARE DE GESTIÓN DE PROYECTOS......................................61

IDEAS CLAVE...................................................................................................63

GLOSARIO........................................................................................................65

BIBLIOGRAFÍA.................................................................................................67
TEMA 4. Inteligencia artificial
4.1. ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?.........................................71

4.2. MACHINE LEARNING Y DEEP LEARNING.........................................77

4.3. TECNOLOGÍAS Y HERRAMIENTAS DISPONIBLES..........................80

IDEAS CLAVE...................................................................................................85

GLOSARIO........................................................................................................87

BIBLIOGRAFÍA.................................................................................................89

TEMA 5. Casos de uso en la industria

5.1. CASOS DE USO EN MEDICINA............................................................93

5.2. CASOS DE USO EN INGENIERÍA CIVIL..............................................97

5.3. CASOS DE USO EN EL SECTOR SERVICIOS.................................100

IDEAS CLAVE.................................................................................................109

GLOSARIO...................................................................................................... 111

BIBLIOGRAFÍA............................................................................................... 113
TEMA 1
Introducción al big data
 Big data
Tema 1. Introducción al big data

OBJETIVOS
• Adquirir conocimientos básicos sobre el big data y sus características para entender lo
que representa.

• Identificar las fuentes de los datos que se analizan mediante las herramientas big data.

• Comprender la utilidad del big data en organizaciones de todo tipo.

• Familiarizarse con conceptos como la ciencia de datos o la tecnología inteligente.

• Conocer ejemplos de tecnologías y dispositivos derivados del big data que contribuyen a
llevar a cabo actividades de diversa índole de la manera más eficiente posible.

6
1.1. ¿POR QUÉ NECESITAMOS EL BIG DATA?
En primer lugar, el término big data hace referencia a los datos masivos, es decir, aquellos
conjuntos de datos de tal magnitud que superan ampliamente la capacidad de los programas
y aplicaciones informáticas tradicionales, y que es necesario tratar en un tiempo relativamente
razonable para llegar al objetivo propuesto.

¿SABÍAS QUE...? Según la Unión Europea, hoy en día se generan 1700 billones de bytes
por minuto, lo que equivale a 360 000 DVD. Cada persona genera en
un solo día 6 megabytes de información, la misma cantidad que creaba
en toda su vida un individuo del siglo XVI. Además, el 90 % de todos
los datos de los que se dispone se ha creado en los últimos dos años.

Se puede decir que el big data requiere desarrollar herramientas y mecanismos que sean capa-
ces de gestionar y procesar una gran cantidad de datos provenientes de muchas fuentes, con el
fin de encontrar patrones repetitivos, modelos predictivos o estadísticas más concretas en ellos.

Por consiguiente, la finalidad de este tratamiento es transformar toda esa cantidad de datos
en información entendible y procesable, capaz de ser interpretada por las personas, y que
todo este proceso facilite la toma de decisiones en diversos ámbitos.

¿DE DÓNDE PROVIENE EL BIG DATA?

Cada situación que se vive, cada acción genera información relevante que puede ser gestio-
nada y analizada por herramientas big data.

Los continuos avances tecnológicos provocan que las fuentes que suministran datos aumen-
ten exponencialmente, de modo que pueden ser de múltiples tipos, como por ejemplo:

• Transacciones entre individuos y organizaciones. Entre ellas pueden citarse la factu-

ración, el envío de e-mails, las llamadas telefónicas, los movimientos financieros y banca-
rios, las inversiones, etc.

• Acciones cotidianas de las personas. Las más relevantes son aquellas que se produ-
cen en las redes sociales, como el envío de mensajes de WhatsApp, las visitas a páginas
web, la visualización de anuncios y las reacciones ante ellos, etc.

• Máquinas. En la actualidad existe un gran número de dispositivos que generan y sumi-

nistran infinidad de datos continuamente, como pueden ser los teléfonos móviles con
mecanismos de geolocalización, los sensores de temperatura, sonido y luz, los relojes
inteligentes que emiten datos sobre la calidad del sueño, las calorías, los kilómetros reco-
rridos o los pasos caminados, y que permiten visualizar medidas físicas como el peso, el
ritmo cardíaco, la tensión arterial, etc.

• Dispositivos biométricos. En este grupo se hallan los lectores de huellas digitales, los
escáneres de ADN, de retina y de iris, las cámaras de reconocimiento facial, etc., integra-
dos en los sistemas de seguridad y defensa.

7
 Big data
Tema 1. Introducción al big data

DESPUÉS DE EXTRAER LOS DATOS, ¿QUÉ SE HACE CON ELLOS?

Una vez generada esa gran cantidad de datos procedentes de aplicaciones, páginas web,
software, etc., quedan almacenados en la nube.

¿SABÍAS QUE...?

En 2020, al menos la tercera parte de la totalidad de los datos generados

pasó por la nube, una red de servidores conectada mediante internet.

A continuación, cada organización o especialista en big data elabora una serie de algoritmos
que son capaces de procesar esta información, para después cruzar todos los datos obteni-
dos que interesan en cada momento.

Después, se identifican los patrones de comportamiento y, una vez concretados, se generan

modelos predictivos que están basados en datos históricos y, a la vez, son casi inmediatos.

Estos resultados son adquiridos por las entidades o individuos interesados, para facilitar la
toma de decisiones.

EL EJEMPLO DE NETFLIX

Se calcula que, actualmente, Netflix ahorra alrededor de mil millones de dólares al año gracias
a los algoritmos de big data que utiliza.

Todo comenzó en 2006, cuando se lanzó el Premio Netflix, valorado en un millón de dólares,
para aquel que inventase un algoritmo que mejorase las recomendaciones basadas en las
opiniones previas de los usuarios sobre las películas y series de la plataforma. Hoy en día, el
80 % de lo que se visualiza en ella tiene su origen en las recomendaciones.

Netflix combina distintas herramientas tradicionales de inteligencia empresarial (como Terada-

ta y MicroStrategy) con tecnologías de big data tan modernas como Hadoop o Hive. El resulta-
do es un algoritmo que determina los contenidos que los usuarios tienen más probabilidades
de ver en la famosa plataforma de streaming.

Teradata es un sistema de gestión de base de datos relacionales escalable realizado por la

empresa Teradata Corp.

Microstrategy, por su parte, es una aplicación de inteligencia empresarial que realiza una infinidad
de análisis de datos. Entre otras muchas, encuentra respuestas al analizar datos comerciales, con
funciones potentes de datos, visualización de datos, inteligencia integrada, informes, etc.

En cuanto a Hadoop, es una estructura de software de código abierto para recopilar y alma-
cenar grandes cantidades de datos, y a continuación ejecutar aplicaciones en clústeres de
hardware comercial.

Hive, por último, es un software diseñado y construido sobre Hadoop. Realiza consultas y
lleva a cabo análisis de grandes cantidades de datos.

8
De este modo, la base del éxito de Netflix es la personalización, en la que el big data juega un
papel importantísimo, ya que permite facilitar experiencias espectaculares y únicas para cada
cliente atendiendo a sus gustos particulares.

Imagen 1. El uso de plataformas como Netflix es resultado de muchos años de desarrollo y evolución.

¿CUÁLES SON LAS UTILIDADES DEL BIG DATA?

Existen ciertos sectores en los que el big data ha tenido un gran impacto e influencia:

• Salud. Gracias a la monitorización de las constantes vitales es posible mejorar la calidad

de vida de un gran número de personas. A través de dispositivos como pulseras, se ana-
liza el estilo de vida de los pacientes, lo que permite detectar anomalías en su pulso, sus
patrones de sueño, etc. Estos datos ayudan a los investigadores a realizar predicciones
sobre la salud del conjunto de la sociedad.

• Banca y seguros. Los bancos, cajas de ahorro, cooperativas de crédito y entidades

financieras en general, así como las aseguradoras, utilizan la monitorización y el cruce
de datos provenientes de las transacciones de sus clientes para segmentarlos, predecir
su comportamiento y determinar su nivel de riesgo. De este modo pueden ofrecerles
productos y servicios adecuados a sus características y necesidades, a la vez que mi-
nimizan el riesgo de impago.

• Geolocalización y transporte. Existen numerosos programas y aplicaciones basados

en big data que son capaces de sugerir rutas más sencillas o rápidas, con menos tráfico,
etc. Ello permite ahorrar tiempo y dinero a los profesionales del sector y a los usuarios
particulares, evitar la saturación de las vías y reducir la contaminación.

• Desarrollo de negocio. Los datos de distribución, facturación, producción, ventas, etc.,

que generan las empresas pueden cruzarse para predecir ciertos comportamientos eco-
nómicos. Esto permite adelantarse a la competencia, aumentar la eficiencia de las orga-
nizaciones, facilitar la toma de decisiones, reducir la incertidumbre y descubrir nuevas
oportunidades de negocio.

9
 Big data
Tema 1. Introducción al big data

• Recursos humanos. En el campo de los recursos humanos, el big data y la inteligencia

artificial pueden ser de gran ayuda.

Así, en los procesos de selección es posible configurar filtros automáticos de bases de

datos para seleccionar aquellos perfiles que mejor se adapten al puesto que se oferte, lo
cual reduce tiempos y costes.

Por otra parte, mediante evaluaciones del desempeño se pueden medir los niveles de
productividad para optimizar el uso del tiempo y mejorar los resultados de cada trabajador.

• Marketing y ventas. Cada vez que una persona navega por internet, deja un rastro que
puede analizarse con herramientas de big data para conseguir diferentes objetivos, tales
como mejorar el diseño de las páginas web, optimizar la rentabilidad de los canales de
venta, llevar a cabo estudios de mercado que ayuden a crear campañas publicitarias de-
bidamente segmentadas a través del posicionamiento SEM, etc.

• Procesos industriales, químicos o meteorológicos. Ciertas condiciones atmosféricas

como la temperatura o la presión se miden a través de sensores, lo que permite extraer
multitud de datos con numerosas aplicaciones en el ámbito de la investigación científica
e industrial.

• Detección de actividad delictiva. Gracias al big data, es posible detectar futuros actos
criminales o el intercambio de mensajes delictivos, así como analizar perfiles psicológi-
cos, algo inviable con los métodos tradicionales.

• Política. Mediante el análisis del comportamiento de los usuarios de las redes sociales
se puede identificar qué es lo que preocupa a los ciudadanos de un área concreta, cuáles
son sus intereses y necesidades, etc. Esta información es utilizada por los partidos políti-
cos para crear campañas a su medida y ganarse su voto.

• Educación / formación. A través del uso de big data en el sector educativo analizando
datos, se persigue obtener información relevante para mejorar los procesos y modelos
educativos, así como el aprendizaje de docentes y alumnos.

En conclusión, entidades de todo tipo pueden beneficiarse del uso del big data, ya que permite
identificar problemas y necesidades de posibles clientes, generar oportunidades de negocio,
priorizar procesos, reducir costes e incrementar ingresos, así como aumentar la calidad de vida,
prevenir enfermedades o curarlas con más eficacia, mejorar las experiencias de los usuarios de
páginas web u optimizar el proceso de búsqueda de empleo, entre otras muchas aplicaciones.

¿SABÍAS QUE...?

Los ingresos de cualquier empresa pueden aumentar un 66 % gracias a

las prácticas de gestión de calidad de los datos.

10
¿A QUÉ DESAFÍOS SE ENFRENTA EL BIG DATA?

Vivimos en la era de la información, con todo lo que conlleva; los ciudadanos cada vez utilizan más
los medios digitales y, por consiguiente, la utilidad y el valor del big data van en aumento. Los pro-
gramas y aplicaciones y las fuentes de obtención de datos están creciendo de forma exponencial.

En este contexto, uno de los desafíos más importantes a los que se enfrenta la sociedad es
la creación de un marco normativo que regule todo lo que acarrea el big data. Además, es
necesario que los ciudadanos sean conscientes del uso que se da a los datos que generan, a
quiénes llegan, cómo y con qué finalidad.

El impacto del big data no solo se nota en la actividad económica, sino también en las Ad-
ministraciones públicas, la sanidad, etc. El análisis de estos datos que se generan de forma
continua es un reto de enorme magnitud. En este sentido, cabe destacar que una de las profe-
siones más demandadas será la de experto en big data y business intelligence, en la que que-
da mucho por investigar y descubrir. Pero en el big data está el futuro de todos los sectores.

CITA

“El crecimiento de la tecnología nos llevará a un escenario más ambicio-

so y lleno de desafíos”. Ignacio Jiménez Pinillos.

EL BIG DATA PARA CONOCER AL USUARIO

Como se sabe, se genera una cantidad infinita de datos que, bien analizados, permiten cono-
cer con todo detalle al cliente, lo que facilita que las empresas y negocios creen procesos que
satisfagan más a los usuarios, se ajusten a sus necesidades y gustos y mejoren la percepción
de sus servicios, así como obtener mayores beneficios.

Uno de los numerosos objetivos de las empresas es conocer realmente cómo son los usuarios
con la ayuda de la herramienta buyer persona, un exhaustivo estudio del perfil del comprador
ideal. Con los datos recabados se puede perfilar su patrón de comportamiento para ofrecer
mejores productos y servicios a todos los clientes.

El big data plantea un escenario interesante. Los cambios que se están experimentando actual-
mente a nivel tecnológico son abrumadores y hacen prever que el análisis de datos irá mucho más
allá. Las empresas saben que sin un proceso de digitalización están condenadas a desaparecer.
Además, son conscientes de que el rastro digital de los usuarios es la clave para tener éxito.

¿SABÍAS QUE...?

El 75 % del total de la información digital está siendo generada por indi-

viduos; las empresas manejan el 80 % de estos datos.

11
 Big data
Tema 1. Introducción al big data

EL FUTURO DEL BIG DATA

¿Qué nos espera en relación con el big data?, ¿hasta dónde puede llegar todo el desarrollo
del análisis de datos?

Los sistemas de recepción y análisis de datos supondrán toda una revolución tecnológica, al
mejorar todos los procedimientos y permitir tomar mejores decisiones con más rapidez.

Otro aspecto a tener en cuenta es que la acumulación de datos servirá para generar lo que se
denomina “aprendizaje automático”, que aportará algoritmos mucho más complejos. El apren-
dizaje automático es un subsistema de la inteligencia artificial que busca desarrollar formas
que aprenden o mejoran el rendimiento, en base a información que consumen.

Como puede apreciarse, el big data se expande a sectores estructurales que van más allá
del económico. Un ejemplo de ello es el sector de la salud, en el que se generan millones de
datos al día. El big data es una herramienta que permite mejorar los tratamientos y aumentar
su eficiencia, y que ofrece la posibilidad de conocer en profundidad ciertas patologías o com-
portamientos de los pacientes. Por tanto, es clave saber interpretar los datos clínicos.

¿SABÍAS QUE...? Los sensores ingeribles ya son una realidad. La empresa Proteus Di-
gital Health ha creado un modelo del tamaño de un grano de arena.
Este dispositivo envía señales eléctricas a un parche que el paciente
lleva sobre la piel o implantado bajo esta. El sensor monitoriza varios
parámetros y los datos pueden enviarse al smartphone del usuario y/o
al ordenador de su médico.

Imagen 2. En la actualidad, el uso del big data es esencial en todos los sectores de la sociedad.

12
1.2. CARACTERÍSTICAS DEL BIG DATA
El análisis de datos es el estudio pormenorizado de grandes cantidades de información, con
la finalidad de facilitar la toma de decisiones y la resolución de problemas.

Durante el análisis, estos datos pueden ser objeto de operaciones para obtener indicadores
estadísticos que ayuden a comprender ciertos comportamientos. Se trata de un proceso ca-
racterístico de la “ciencia de datos”, que se da tras la recolección de la información.

Este análisis comprende un conjunto de herramientas que suelen utilizarse en las bases de
datos, entre las que destacan las representaciones gráficas como los histogramas (datos es-
tadísticos agrupados en intervalos numéricos o en función de valores absolutos), los diagra-
mas de barras, los gráficos circulares, etc.

¿SABÍAS QUE...?

El big data suele definirse a partir de las 3 V: volumen creciente de datos,

velocidad de procesamiento y variedad de la información.

CARACTERÍSTICAS DE LOS DATOS

Los datos objeto de análisis tienen características cuantitativas y cualitativas:

• Cuantitativas. Se trata de información numérica, a partir de la cual se pueden generar

estadísticas para la toma de decisiones. Un ejemplo de ello son las calificaciones de los
alumnos de una clase en un trimestre, de las que pueden extraerse notas medias, el por-
centaje de estudiantes con notas más altas, etc.

• Cualitativas. Se trata de información representada en forma de texto. Un ejemplo es una

encuesta de opinión sobre un determinado producto o servicio.

HERRAMIENTAS DEL ANÁLISIS DE DATOS

Para analizar los datos existen numerosas herramientas que se derivan de la estadística, la
econometría y, como es obvio, las matemáticas.

De este modo, se usan ratios estadísticas como la media aritmética, la desviación típica, la
moda, la mediana, el rango, etc., para obtener información relevante sobre el comportamiento
de una variable.

Por otro lado, la econometría proporciona herramientas esenciales como el análisis de regre-
sión. En la misma línea, también es posible hacer uso de gráficos que brindan información
visual, como los histogramas.

Cabe destacar que el análisis de datos no está exento de limitaciones, ya que existen ciertos
factores que es difícil cuantificar de manera precisa. Por ello, en este ámbito se utilizan con
frecuencia términos relacionados con la probabilidad.

13
 Big data
Tema 1. Introducción al big data

¿CUÁL ES LA UTILIDAD DEL ANÁLISIS DE DATOS?

El análisis de datos tiene múltiples aplicaciones y ámbitos de uso, desde empresas y orga-
nizaciones privadas cuyo objetivo es obtener beneficios económicos hasta organizaciones
oficiales que tienen fines no lucrativos.

Por ejemplo, una organización que busque combatir la desnutrición infantil en África es-
tudiará y analizará constantemente los valores de anemia de la población de un rango de
edad determinado.

Del mismo modo, un negocio con ánimo de lucro puede estudiar los datos de satisfacción de sus
clientes, llevando a cabo encuestas entre los compradores de sus productos durante un plazo
determinado, para así poder tomar decisiones estratégicas respecto al futuro de la empresa.

Hoy en día, las empresas disponen de enormes bases de datos, accesibles mediante progra-
mas y aplicaciones informáticas para el público que desee información sobre ellas.

CITA

“El éxito radicará en la capacidad que tengas para intercambiar activos

digitales con otras organizaciones”. Tomás Mendo.

LA CIENCIA DE DATOS

La ciencia de datos es una rama de la ciencia que está íntimamente asociada con la gestión
de bases de datos, grandes archivos digitales de los que se extrae información relevante
como ratios e indicadores estadísticos cuya correcta valoración e interpretación puede ayudar
a todo tipo de entidades a tomar decisiones que afecten a su futuro.

Igualmente, la ciencia de datos ofrece herramientas que, además de suministrar e interpretar

información, logran representar los resultados de este análisis visualmente.

De todo esto se deduce que la ciencia de datos es interdisciplinaria, ya que abarca conoci-
mientos de estadística, matemáticas e informática.

BREVE HISTORIA DE LA CIENCIA DE DATOS

Se puede afirmar que el iniciador de la ciencia de datos fue el estadístico estadounidense

John Wilder Tukey, que en la década de los sesenta destacó la importancia de llevar a cabo
un análisis de los datos en lugar de ensayar modelos estadísticos.

No obstante, el término “ciencia de datos” no se utilizó hasta el año 1996, en que apareció por
primera vez en el título de una conferencia, en el marco de una reunión de miembros de la In-
ternational Federation of Classification Societies (IFCS) celebrada en Kobe (Japón): “Ciencia
de datos, clasificación y métodos relacionados”.

14
Avanzando en el tiempo, en el año 2005 el National Science Board publicó el trabajo Long-Li-
ved Digital Data Collections: Enabling Research and Education in the 21st Century, en el
que se describe a los científicos de datos como especialistas en informática, programadores
de bases de datos y software, de vital importancia para la gestión y el análisis eficiente de
cualquier colección digital de datos.

Aunque se ha evolucionado enormemente en este campo, continúa en fase de desarrollo.

CITA
“Con demasiada frecuencia nos olvidamos de que el genio también de-
pende de los datos a su alcance; de que Arquímedes no podría haber
ideado los inventos de Edison”. Ernest Dimnet.

CIENCIA DE DATOS Y TIPOS DE DATOS

Los datos pueden ser, fundamentalmente, de dos tipos:

• Estructurados. Son aquellos que están debidamente organizados en tablas con filas y
columnas, con categorías y campos definidos, como por ejemplo nombre, apellidos, direc-
ción, e-mail, teléfono, municipio, provincia, etc.

• No estructurados. Son aquellos que no disponen de un formato genérico y, por ello, no

pueden clasificarse. Un ejemplo de ello es un texto escrito de manera libre: hay que utili-
zar una aplicación de procesamiento del lenguaje natural para poder entender el conteni-
do y, a partir de ello, analizar y procesar todo aquello que sea de utilidad.

IMPORTANTE
Considerando lo anterior, los profesionales especializados en ciencia de
datos no solo deben tener aptitudes analíticas, sino también la capaci-
dad de comunicar el contenido de la información que se ha procesado.

¿EN QUÉ RADICA LA IMPORTANCIA DE LA CIENCIA DE DATOS?

Como se ha visto, la ciencia de datos es de gran relevancia para las organizaciones e ins-
tituciones empresariales, las cuales trabajan con una gran cantidad de información muy
valiosa para ellas.

Por todo ello, la ciencia de datos se relaciona estrechamente con el big data, que desarrolla
los mecanismos capaces de gestionar, analizar y procesar grandes cantidades de datos de
diversa procedencia (transacciones de actividades financieras, búsquedas en internet, geo-
localización, información biométrica, etc.). El objetivo es convertirlos en información útil que
pueda ser interpretada por las personas y que ayude en la toma de decisiones.

15
 Big data
Tema 1. Introducción al big data

1.3. TECNOLOGÍAS PARA BIG DATA

Se puede definir la tecnología inteligente como aquella que, mediante procesos estructurados
y automatizados, asimila, valora, estudia y analiza los datos masivos recogidos para extraer
información relevante y tomar las mejores decisiones. En este sentido, el mayor desafío es
llevar a cabo este proceso con la metodología más eficaz y eficiente posible.

EJEMPLO METRO DE BARCELONA

El Metro de Barcelona ha implementado el sistema “RESPIRA”, que

utiliza la inteligencia artificial para mejorar la ventilación y la calidad del
aire y ayudar a controlar las infecciones por coronavirus en la red de
transporte subterráneo de la ciudad catalana.

Este modelo de control estudia y analiza distintas variables como la

sensación térmica, la humedad, la temperatura, etc., así como el con-
sumo eléctrico del sistema de ventilación.

Todos estos factores se combinan de forma centralizada para conse-

guir la estrategia óptima de ventilación, gracias al uso de un algoritmo
dinámico basado en técnicas de machine learning.

CARACTERÍSTICAS DE LA TECNOLOGÍA INTELIGENTE

En la tecnología inteligente están presentes tres variables fundamentales:

• Eficiencia. Los procesos deben llevarse a cabo sin consumir más recursos de los nece-
sarios. Por ejemplo, este tipo de tecnología ayuda a determinar en qué épocas del año es
más seguro y eficiente sembrar cierta clase de semillas, con lo que se consigue un gran
ahorro de agua, trabajo y energía.

• Eficacia. Es preciso ajustarse a la finalidad propuesta, teniendo muy presente que debe
ser la solución más cercana a la perfección. Por ejemplo, las distintas tecnologías inteli-
gentes permiten determinar cuál es el mejor momento para comer, dormir o tener un hijo
basándose en los datos personales de cada individuo.

• Evitación del error humano. Muchos procesos pueden llevarse a cabo de manera
manual, pero con un coste inasumible de tiempo (y, por tanto, mayor ineficiencia) y mu-
chas más probabilidades de que se cometan errores en la cadena, lo que conllevaría la
repetición de cada procedimiento hasta obtener el resultado deseado. El uso de tecno-
logía inteligente contribuye enormemente a evitar los errores humanos y a mantener la
eficiencia y la eficacia.

No obstante, la tecnología inteligente aún necesita evolucionar para dejar de depender de la

acción humana. Ejemplos claros de ello son los asistentes de voz o los coches inteligentes.

16
 IMPORTANTE No deben confundirse los términos “automático” e “inteligente”.

El término “automático” hace referencia a la posibilidad de realizar una

actividad de manera programada y, en ciertas ocasiones, incluso igno-
rando su entorno más cercano, mientras que el término “inteligente”
se aplica a la realización de aquellas actividades que tienen puntos
relevantes en común.

Por ejemplo, un vehículo automático cambia de marcha sin que el con-

ductor realice ninguna acción, mientras que un vehículo inteligente
puede o no ser automático y presenta funcionalidades adicionales.

DERIVADOS DE LA TECNOLOGÍA INTELIGENTE

Se debe señalar que la tecnología inteligente no es una rama específica de la tecnología, sino
más bien un conjunto de ellas, que interactúan y utilizan procesos de automatización, inteli-
gencia artificial o big data, entre muchos otros. Algunos de sus derivados son:

• Ciudades inteligentes. Más conocidas como smart cities, son aquellas que aspiran a
utilizar recursos e información para que la vida de sus ciudadanos sea lo más sostenible
y sencilla posible.

• Hogares inteligentes. La domótica es clave para conseguir la eficiencia energética y, de

este modo, la sostenibilidad en masa de casas, urbanizaciones, localidades, etc.

Imagen 3. El uso de la domótica en los hogares inteligentes ayuda a muchas familias a generar tareas de la
manera más eficiente.

17
 Big data
Tema 1. Introducción al big data

• Contratos inteligentes. El contrato inteligente se caracteriza por utilizar la tecnología

blockchain o de cadena de bloques, consistente en un registro público donde se expone
la totalidad de las transacciones efectuadas sobre algún producto, servicio o tema en con-
creto para evitar las falsificaciones.

Según esta tecnología, dependiendo de si el suceso “A” se da o no, se obtendrá una respues-
ta del tipo “B” o “C”. Por ejemplo, si se paga el alquiler de una vivienda, la cerradura inteligente
de esta aceptará la entrada del inquilino al inmueble; por el contrario, si no se ha pagado la
cuota, la cerradura impedirá su entrada.

Como puede observarse, los programas y aplicaciones de las nuevas tecnologías inteligentes
ofrecen un amplio y variado campo de opciones, y en la actualidad no existen restricciones
para su desarrollo y aplicación.

CITA

“Hay una distancia muy grande entre la inteligencia artificial y el negocio,

y el desafío está en reducirla”. Manuel Zaforas.

EJEMPLOS DE PRODUCTOS Y SERVICIOS INTELIGENTES

A continuación, se citarán algunos de los numerosos ejemplos de tecnología inteligente que

existen hoy en día, en su mayoría de uso cotidiano, pero a cuyas funciones no solemos sacar
todo el partido posible:

• Móviles, relojes y televisores inteligentes. Estos objetos hacen la vida más fácil y, en
muchas ocasiones, proporcionan una gran cantidad de información que inicialmente no se
ha solicitado, pero que, en efecto, puede ser muy útil.

La contrapartida es la facilitación de datos personales. Cuando un dispositivo inteligente

nos aporta estadísticas sobre nuestras horas de sueño, nos indica las series que más se
adaptan a nuestros gustos o nos muestra la publicidad que nos parece más relevante, no
es al azar, sino que este nivel de personalización es producto de la recopilación de datos
sobre nuestras actividades del día a día.

• Chatbots. Este término hace referencia a la figura del asistente virtual, cada vez más
presente en las webs, que ofrece ayuda y responde a las dudas de los visitantes sin ne-
cesidad de intervención humana.

• Aspersores y conductos de riego inteligentes. Estos mecanismos están diseñados

para adaptarse a la época del año y la meteorología, entre otros aspectos, con el fin de
hacer llegar el agua a los cultivos de la forma más eficiente posible, minimizando el des-
perdicio y optimizando el uso de este recurso tan escaso en ocasiones.

18
 ¿SABÍAS QUE...?
Se estima que en los próximos años se superará la cifra de 50 000 millo-
nes de dispositivos smart conectados en el mundo, los cuales serán ca-
paces de recopilar, analizar y compartir todo tipo de datos. Esto supondrá
un aumento masivo que afectará al desarrollo de herramientas big data.

A medida que se vaya evolucionando en el campo de los programas y aplicaciones digitales,

aumentará la innovación en otros sectores, de manera que se pase de la fase de I+D a la im-
plementación de productos y servicios reales y de gran utilidad para la sociedad.

19
IDEAS CLAVE
• El big data requiere desarrollar herramientas y mecanismos que sean capaces de gestio-
nar y procesar una gran cantidad de datos provenientes de muchas fuentes, con el fin de
encontrar patrones repetitivos, modelos predictivos o estadísticas más concretas en ellos.

• Los continuos avances tecnológicos provocan que las fuentes que suministran datos au-
menten exponencialmente, de modo que pueden ser de múltiples tipos.

• Entidades de todo tipo pueden beneficiarse del uso del big data, ya que permite identificar
problemas y necesidades de posibles clientes, generar oportunidades de negocio, priorizar
procesos, reducir costes e incrementar ingresos, así como aumentar la calidad de vida, pre-
venir enfermedades o curarlas con más eficacia, mejorar las experiencias de los usuarios de
páginas web u optimizar el proceso de búsqueda de empleo, entre otras muchas aplicaciones.

• Para analizar los datos existen numerosas herramientas que se derivan de la estadística,
la econometría y las matemáticas.

• La ciencia de datos es una rama de la ciencia que está íntimamente asociada con la
gestión de bases de datos, grandes archivos digitales de los que se extrae información
relevante como ratios e indicadores estadísticos cuya correcta valoración e interpretación
puede ayudar a todo tipo de entidades a tomar decisiones que afecten a su futuro.

• En la tecnología inteligente están presentes tres variables fundamentales: eficiencia, efi-

cacia y evitación del error humano.

21
GLOSARIO
— Big data. Conjunto masivo de datos que superan en gran medida la capacidad de los
programas y aplicaciones informáticas tradicionales, y que es necesario tratar en un
tiempo relativamente razonable para llegar al objetivo propuesto.

— Chatbots. Asistente virtual que ofrece ayuda y responde a las dudas de los visitantes
de páginas web sin necesidad de intervención humana.

— Ciencia de datos. Rama de la ciencia íntimamente asociada con la gestión de bases

de datos, grandes archivos digitales de los que se extrae información relevante cuya
correcta valoración e interpretación puede ayudar a todo tipo de entidades a tomar de-
cisiones que afecten a su futuro.

— Contrato inteligente. Contrato que se caracteriza por utilizar la tecnología blockchain o

de cadena de bloques, consistente en un registro público donde se expone la totalidad
de las transacciones efectuadas sobre algún producto, servicio o tema en concreto para
evitar las falsificaciones.

— Fuentes biométricas. Hace referencia a dispositivos como los lectores de huellas digi-
tales, los escáneres de ADN o de retina, etc.

— Inteligencia artificial. Conjunto de sistemas y procesos que simulan la inteligencia

humana a la hora de realizar tareas y actividades propias de las personas.

— Smart cities. Ciudades que aspiran a utilizar recursos e información para que la vida
de sus ciudadanos sea lo más sostenible y sencilla posible.

23
BIBLIOGRAFÍA
Aldana Montes, J. F. (2018). Introducción al trabajo con datos. García-Maroto Editores.

Casas Roma, J. (2019). Big data: análisis de datos en entornos masivos. Editorial UOC.

25
TEMA 2
Big data en proyectos
 Big data
Tema 2. Big data en proyectos

OBJETIVOS
• Permitir al alumno la comprensión de cómo está estructurado un equipo de trabajo están-
dar y los puestos disponibles.

• Hacer entender la gran variedad de productos digitales existentes.

• Entender cómo abordar el desarrollo de un producto digital.

• Ayudar al alumno a desarrollar ideas que permitan satisfacer las necesidades del mer-
cado objetivo.

• Mejorar las capacidades del alumno a la hora de crear estrategias sobre cómo promocio-
nar los productos digitales.

• Lograr conectar al alumno con los negocios digitales en la actualidad.

28
2.1. ESTRUCTURA DEL EQUIPO DE TRABAJO
Se define la estructura de un equipo de trabajo de big data en la planificación, gestión y or-
ganización generada por toda actividad que permite conseguir una formación de los recursos
humanos de una organización en las tareas descritas de big data.

Y todo ello encaminado en la realización y consecución de una meta final para el conjunto
de los miembros.

En definitiva, como en la organización de todo proyecto, la estructura del equipo humano en

un proyecto de big data debe ir encaminada a gestionar un equipo de individuos, asignándoles
a cada uno de ellos ciertas y concretas tareas en relación a sus cualidades.

CITA

“Tenemos que dejar de interrumpir lo que a la gente le interesa y ser lo

que a la gente le interesa”. (Craig Davis).

La cabeza visible y principal responsable de todo proyecto es el director, que tiene la misión
de generar la estructura del equipo de trabajo.

Del mismo modo, se debe gestionar el proyecto de la manera más eficiente posible para poder
administrar en las mejores condiciones los recursos necesarios.

Así pues, se puede asegurar que la dirección del proyecto como la organización del mismo
están estrechamente relacionados.

INTEGRANTES Y ROLES DE CADA MIEMBRO EN UN PROYECTO DE BIG DATA

A pesar de las diferentes posibilidades a la hora de realizar un proyecto de big data, como
mínimo hay que incluir un estándar de roles que incluya las iniciativas de integración de datos,
jefe de proyecto, consultor de integración y arquitecto.

A continuación, las funciones de cada uno de ellos:

• Jefe de proyecto. Es el director y máximo responsable del proyecto, desde el principio

hasta el fin. Sus funciones son la organización, ejecución y control. Su misión es conse-
guir el objetivo del proyecto en el tiempo estipulado, con el nivel de calidad requerida.
Debe seguir una metodología y gestionar los riesgos.

• Consultor de integración. Debe desarrollar el proyecto respetando los requerimientos

del cliente. Además, es el responsable del cumplimiento del proyecto, del nivel del servicio
y debe coordinar y solucionar los puntos críticos.

Debe informar al jefe de proyecto del avance realizado.

• Arquitecto. Tiene la responsabilidad de apoyar estratégicamente el diseño de la solución

a alcanzar. Aporta una visión integral de los miembros que interactúan con la plataforma
de integración y debe optimizar los procesos a realizar.

29
 Big data
Tema 2. Big data en proyectos

Un aspecto fundamental es la interacción de los roles. El jefe de proyecto definirá los roles
necesarios y sus responsabilidades. Por ejemplo, consultará y supervisará numerosas si-
tuaciones con el arquitecto. Cuando todo esté bien, iniciarán la implementación y llevarán
a cabo los diferentes roles.

¿CUÁL ES LA IMPORTANCIA QUE TIENE TODA ORGANIZACIÓN DE BIG

DATA EN UN PROYECTO Y TODO LO QUE ELLO ACARREA?

Para poder gestionar y administrar un proyecto de la mejor manera es necesario que se pla-
nifique y organice de la manera más eficiente.

En principio puede parecer sencillo, pero es un gran problema que conlleva este tipo de pro-
yectos en las diferentes organizaciones.

Si no se sabe lo que se quiere realizar y cómo se quiere hacer, utilizando los recursos de la
mejor manera posible, el proyecto estará destinado a fracasar. Por ello es de vital importancia
una buena organización.

Por todo lo anterior, es imprescindible la figura del director del proyecto de big data.

También es imprescindible generar una gran organización y gestionar al equipo para poder dirigirlo.

Una manera importante de llevar una gran distribución de tareas y responsabilidades de los
distintos recursos en cada sector es un buen plan de organización.

¿CUÁL ES EL PLAN EN LA ORGANIZACIÓN DE UN PROYECTO DE BIG DATA?

El plan que desarrolla la dirección del proyecto debe ir enfocado en todas las tareas que des-
empeña la empresa.

La organización del proyecto se centra, ante todo, en el factor de las personas para generar un
buen engranaje, ya que lo principal es poder situar a cada individuo en la función más adecuada.

IMPORTANTE

El plan que desarrolla la dirección del proyecto debe enfocarse en todas

las tareas que desempeña la empresa.

Por todo ello, es importante llevar a cabo las siguientes fases:

• Tener presente con quien se cuenta. Lo primero de todo es realizar un inventario de

los recursos humanos existentes, realizando un análisis de los puntos fuertes y débiles.
Se necesita conocer aquellas funciones que mejor son desempeñadas por cada persona.

• Hacer lo mismo con las tareas. Se debe hacer una disgregación del proyecto de big
data en partes pequeñas para descomponerlas. Esto lleva a que se necesite la colabora-
ción de todos los individuos del proyecto. Una vez que se consigue, se pueden dirimir las
tareas formalizando una tabla de doble entrada con ambas variables.

30
 • Asignar cada persona su tarea. Sabiendo cuál es la tarea más idónea para cada per-
sona, se ha de tener en cuenta la formación y experiencia de cada uno, además de sus
motivaciones personales en el proyecto.

Llegado a este punto, se suele utilizar la asignación de tareas a través del método húngaro.

• Finalmente, hay que concretar unos plazos de finalización de tareas, unas holguras
que se pueden dar por retrasos y un control adecuado. Después de realizar cada
tarea se debe comprobar si se ha producido alguna desviación en relación a los objetivos
establecidos.

Lo más adecuado, es generar un organigrama para llevar a cabo este paso.

¿SABÍAS QUE...?

Los productos y servicios que más se compran por Internet son entrete-
nimiento (68 %), tecnología (66 %) y alimentación (62 %).

Hay que tener presente

con quién se cuenta.

Hay que hacer lo mismo

con las tareas.
Plan en la organización
de un proyecto
de big data
Asignar a cada persona
su tarea.

Concretar unos plazos de

finalización de tareas, unas
holguras que se pueden dar
por retrasos y un control
adecuado.

El importante paso de realizar un organigrama en la organización de un proyecto de

big data

En primer lugar, se debe definir qué es un organigrama.

31
 Big data
Tema 2. Big data en proyectos

¿QUÉ ES UN ORGANIGRAMA?
Un organigrama es un gráfico que permite valorar y estudiar la estructura del proyecto y, de
este modo, saber quién llevará a cabo el proyecto de big data a los mejores términos.

El director del proyecto tiene la obligación de conocer cómo es cada uno de los empleados del
proyecto, así como las tareas y funciones asignadas, con el fin de poder organizar y hacerlo
de la mejor de las maneras.

Existen diferentes tipos de organigramas:

• Vertical.

• Jerárquico.

• Lineales.

Este tipo de organigramas se realizan cuando la autoridad está bien definida y la toma de
decisiones está centralizada.

Además, tenemos organigramas horizontales y circulares, que se utilizan en los proyectos

con una autoridad más dispersa.

Y por último se pueden diferenciar organigramas:

• Analítico. Analizando procesos.

• Matricial. Se utiliza para estructurar la organización del proyecto.

Vertical

Jerárquico

Lineal

Tipos de Horizontal
organigramas

Circular

Analítico

Matricial

32
EJEMPLO DE ORGANIZACIÓN DE UN PROYECTO DE BIG DATA

Supongamos la formalización y puesta en marcha de un proyecto de big data en una empresa

como, por ejemplo, una consultora en ingeniería informática.

El primer paso a realizar por el director del proyecto es reunirse con los socios del propio pro-
yecto en cuestión. A continuación, se fijan los objetivos a alcanzar y los trabajos a desarrollar
para alcanzar las metas.

Dicha reunión se debe formalizar por escrito y lo más detallado posible. Algo que se suele
hacer es la tan famosa “lluvia de ideas”, en la que se deben expresar todas las ideas para,
posteriormente, elegir las más interesantes.

Imagen 1. El director del proyecto asigna a cada equipo las tareas para el buen desarrollo del trabajo.

Después, hay que saber con quién se cuenta, además del equipo promotor. Es decir, se deben de-
terminar los trabajos que serán realizados por ciertos miembros y qué empleados se contratarán.

Adicionalmente, se deberá determinar el tipo de contrato que se concertará con los trabajado-
res, además de establecer los sueldos.

El siguiente paso será repartir los trabajos. A través de medios informáticos se puede diseñar
la programación y el resultado final. Una herramienta muy importante pueden ser los diagra-
mas de Pert.

Finalmente, se elabora el plan de la organización del proyecto de big data.

Este plan consiste en reflejar por escrito todo lo detallado anteriormente. Incluso se detallará
la manera de control por medio de la retroalimentación y cómo se corregirán las posibles des-
viaciones. Y todo ello, sin olvidar un plan de contingencias acondicionado a los imprevistos
que puedan surgir en el proyecto.

33
 Big data
Tema 2. Big data en proyectos

2.1.1. DESARROLLO DE PRODUCTOS DIGITALES

En primer lugar, debemos responder a la siguiente pregunta: ¿Cuáles son los productos
digitales?

Los productos digitales, a diferencia de los tradicionales productos físicos, son todos aquellos
que presentan un formato digital y son distribuidos a través de la venta online.

Por esta causa, para empezar a desarrollar un producto digital, como puede ser una app, un
banco de imágenes, una website, e-books o videoclases, no hay que realizar inversiones muy
elevadas ni crear ningún sistema de logística a gran escala.

IMPORTANTE

Los productos digitales siempre presentan formatos digitales.

Debido a la facilidad con la que se pueden desarrollar estos productos, el emprendimiento

digital ha avanzado de manera considerable a nivel mundial. Y muchos productos digitales se
han convertido en auténticos éxitos, como Whatsapp, Uber o Facebook, entre otros.

Poder llevar a cabo la gestión y el desarrollo de un producto digital requiere de un mínimo de

aptitudes digitales.

EJEMPLO

• Ebook. El ebook es uno de los productos digitales por excelencia y más populares hoy
en día.

El ebook se caracteriza por su exclusividad, puesto que los clientes pueden acceder al
contenido.

Para poder obtener un ebook, el cliente debe rellenar un formulario y, a continuación, re-
cibirá el contenido en su email.

• Clases virtuales. Este tipo de producto digital o infoproducto es uno de los más tradicio-
nales de internet.

Debido a sus aplicaciones de interacción virtual, este infoproducto se ha visto favorecido

con el tiempo, convirtiéndose en una herramienta casi indispensable y muy importante
para la realización de cursos online.

Las clases virtuales son excepcionales para impartir contenidos y formaciones que nece-
sitan imperiosamente una aplicación práctica.

Al combinar vídeos explicativos se optimiza el aprendizaje por parte del alumno, facilitan-
do la concreción de lo enseñado.

Actualmente, YouTube es uno de los recursos más solicitados en relación a vídeos y cla-
ses virtuales.

34
 Las grandísimas posibilidades de actividad comercial que plantean los productos digitales
suponen una evidente puerta al futuro laboral y empresarial más inmediato.

PASOS A SEGUIR PARA GENERAR UN PRODUCTO DIGITAL

• Tener una buena idea. No hay que inventar la bombilla o la rueda, pero se ha de dar con
una idea que satisfaga necesidades de las personas o aporten un valor añadido.

Pero hay veces que no surge ninguna idea que, a priori, pueda parecer la ideal, por lo que
es necesario pensar y estar atento sobre aquellas situaciones que puedan ser resueltas
con tus ideas y satisfacer las necesidades correspondientes.

¿SABÍAS QUE...?

El 53 % de los usuarios de smartphones abandona una web si no carga

en menos de tres segundos.

• Estudiar el mercado. Una vez generadas aquellas ideas interesantes, o la idea importan-
te, es el momento de realizar un estudio de mercando. El estudio de mercado es funda-
mental para conocer a nuestros competidores y los gustos de nuestros clientes.

En el mundo digital, un estudio de mercado se puede llevar a cabo con una investigación
en internet, y así conocer qué empresas y/o competidores existen, a la vez de observar si
nuestra idea está presente en el mercado.

A su vez se pueden probar aplicaciones de otros contenidos para poder identificar mejo-
ras a realizar y protocolos que se pueden incorporar a nuestra idea clave para el desarro-
llo de nuestro producto digital.

• Mínimo producto viable. El siguiente paso será llevar a cabo un producto mínimo viable
(MVP, en inglés) para que pueda ser probado por un grupo de clientes potenciales y estu-
diar las posibles mejoras a realizar.

Ejemplo

– Podcast. Este infoproducto tiene su contenido en audio y se caracteriza por los servi-
cios de streaming, como es el caso de Spotify.

Los podcasts ofrecen el audio de programas de temática muy variada y que el cliente
puede reproducir en cualquier momento.

Ofrecidos en diversas plataformas, como cadenas de radio, el usuario puede acceder a

los podcasts cuando quiera y escuchar así su programa favorito de noticias, deportes o
ciencia. El cliente puede aprender e informarse las 24 horas del día los 365 días del año.

Desde el punto de vista de los creadores, la realización de un podcast requiere la crea-

ción de guiones, equipos informáticos (ordenadores), micrófonos y contar con un lugar
silencioso para poder realizar las grabaciones sin interrupciones externas.

35
 Big data
Tema 2. Big data en proyectos

• Habilidades. Como en cualquier otro proyecto o negocio, realizar un producto y desarro-

llarlo requiere de necesite de ciertos conocimientos en tecnología, experiencia de usuario
(UX), de proyectos empresariales digitales, así como de programaciones ágiles.

Adicionalmente al desarrollo del producto digital, se debe definir el plan de marketing

(con una estrategia de comunicación, posicionar el producto digital, así como un plan
para monetizar).

• Relacionamiento. Una de las cosas más importantes que se puede realizar para adquirir
más conocimientos es el de asistir a charlas, eventos y encuentros con profesionales del
sector digital, ya que, además de poder aprender de ellos y estar actualizado, en estas
actividades puedes encontrar colaboradores e incluso generar nuevas ideas con las que
crear nuevos productos digitales.

• Cómo monetizarlo. Al igual que con cualquier otro tipo de producto, para poder estable-
cer un precio de mercado hay que investigar y tener en cuenta el precio que establecen
los competidores, además de manejar los costes de producción; los factores y necesi-
dades de los clientes objetos; calcular el valor que se le otorga al producto por parte del
público y hacer una prospección de futuros ingresos y gastos.

Llegados a este punto, se pueden hacer estudios para concretar la mejor de las estrate-
gias. Por ejemplo, en primer lugar, se puede lanzar el producto digital de forma gratuita o
a un precio bastante bajo. O al contrario, lanzarlo con un precio alto.

Si producto va añadido sin ningún tipo de coste, se pueda monetizar mediante la publicidad,
al igual que se realiza con muchas aplicaciones de móviles que se descargan gratuitamente.

Ejemplo

– Webinar. Este producto digital, basado en ofrecer una conferenciante, curso o semina-
rio, resulta esencial para la difusión y captación futuros clientes.

Se suele contar con la colaboración de un especialista para hablar de un tema espe-

cial, aportando un valor añadido, creando confianza y credibilidad.

Así pues, el webinar es un gran formato para vender cursos y formaciones, además de
otros productos digitales.

• ¿Dónde se puede vender? Como se ha comentado en líneas anteriores, los productos

digitales se pueden vender a través de internet, por lo que se debe contar con una página
web, además de llevar y mantener redes sociales que publiciten el producto.

En el caso de una aplicación móvil, ésta debe estar disponible en las tiendas de apps,
como Google Play o App Store.

• ¿Cómo se puede promocionar? Para realizar una buena promoción del producto digital
es imprescindible tener ciertos conocimientos en marketing digital, puesto que se va de-
ben realizar acciones de email marketing, establecer estrategias de publicidad en redes
sociales y emplearse en el posicionamiento del website o blog.

En definitiva, se han de tener conocimientos en posicionamiento SEO y SEM, además de

saber interpretar determinadas métricas para evaluar cómo va la estrategia elegida.

36
 IMPORTANTE

Un aspecto clave para poder vender bien el producto es saber cómo

promocionarlo y hacerlo lo más visible.

• Cómo realizar el análisis. Una vez lanzado el producto digital, aún hay mucho trabajo
que realizar.

Esta fase se debe enfocar en poder entender cómo funciona el ciclo de ventas, además
de conocer el patrón de ventas que tienen en cuenta los clientes y cuáles son las objecio-
nes que ponen a la hora de comprar el producto.

Ejemplo

– Ezines.

Existen revistas electrónicas que se pueden presentar en dos formatos:

» En PDF.

» Contenido privado.

Este producto se caracteriza por su publicación periódica, al igual que ocurre con una
publicación en papel, y el cliente puede comprar cada edición con la periodicidad co-
rrespondiente mediante la compra por internet.

El éxito de este tipo de productos está provocando que las revistas en formato papel
estén trabajando con versiones online. Por ello es muy importante tener en cuenta los
indicadores que nos aportan información para poder evaluar, estudiar y tomar las me-
jores decisiones posibles para el proyecto.

• ¿Cómo se puede estar actualizado? Se ha de tener en cuenta que tanto las tecnologías
como los hábitos de consumo van evolucionando a pasos agigantados.

Por tanto, es imprescindible el estar al tanto y actualizado con las nuevas tendencias y
adaptarse a ellas. Aquellos que han creado un producto digital de éxito también deben
permanecer atentos, ya que las estrategias de venta y los modos de comercialización van
cambiando y hay que saber adaptarse a las nuevas situaciones.

• Factores para el éxito. Desarrollar un producto digital con éxito no es imposible, pero hay
que tener muchos conocimientos, dedicación, asistir a eventos, charlas, rodearse de los
mejores y, como no, estar siempre actualizado.

CITA
“Céntrate siempre en el crecimiento de tu base de datos: los nuevos
suscriptores son más reactivos y comportan valores más sanos de ta-
sas de apertura y de ROI”. (Karl Murray).

37
 Big data
Tema 2. Big data en proyectos

A continuación, se muestra una breve relación sobre cómo crear un producto digital con cierto
grado de éxito:

• Pensar en la idea sobre la cual se va a desarrollar el producto digital.

• Realizar el formado del producto digital.

• Investigar sobre los productos digitales de los competidores.

• Definir tu buyer persona.

• Ponerse a trabajar en el proyecto.

• Concretar el canal de venta.

• Determinar los formatos de contenido digital más usados.

• Analizar lo que se debe evaluar antes de crear un producto digital.

Pensar en la idea sobre la cual se va a

desarrollar el producto digital.

Realizar el formado del producto digital.

Investigar los productos digitales de

los competidores.

Definir tu buyer persona.

Cómo crear un
producto digital

Ponerse a trabajar en el proyecto.

Concretar el canal de venta.

Determinar los formatos de contenido

digital más usados.

Analizar lo que se debe evaluar antes de

crear un producto digital.

38
¿CUÁL ES LA FINALIDAD DE TODO PRODUCTO DIGITAL?

Este tipo de productos son comercializados en diferentes formatos.

Los productos digitales tienen como finalidad poder dar a conocer información de forma ac-
cesible, y que los diferentes usuarios de internet puedan adquirir conocimiento sobre algo en
concreto. Todo ello, a través de workshops online, cursos libres, etc.

POR QUÉ CREAR Y VENDER PRODUCTOS DIGITALES

El desarrollo tecnológico y la universalidad facilitan cada vez más el acceso a internet. Y cada
vez más personas acceden, buscan y solucionan problemas a través de la red, lo que conlleva
la creación y desarrollo de multitud de productos digitales.

Este tipo de productos también es conocido como infoproducto y normalmente consiguen

corregir muchas necesidades de los clientes potenciales en internet, como adquirir conoci-
mientos a través de cursos gratis en los medios virtuales.

Gracias a todo ello se ha convertido en una de las principales bases para todo aquel que quie-
ra emprender un negocio digital y ganar dinero a través de internet.

PERO, ¿CÓMO ES POSIBLE CREAR Y VENDER UN PRODUCTO DIGITAL Y

QUE SEA EXITOSO?
Aunque hoy en día los productos digitales tienen mucho éxito entre los emprendedores digi-
tales, ello no resta preocupación entre los empresarios con más experiencia del mercado, ya
que la tecnología y el mundo digital van evolucionando muy rápidamente y se debe trabajar
con acciones innovadoras para mantener un negocio o producto digital en el mercado.

Como seguramente se sabrá, los infoproductos son una de las mejores estrategias del co-
mercio, además de las nuevas y mayores oportunidades del mundo online que se presentan
en la actualidad.

Pero como este sector es algo inicialmente novedoso, existen muchas dudas en relación a
todo este mundo.

El infoproducto es un producto generado en un archivo o documento creado para generar una

serie de experiencias y/o aportar una serie de conocimientos.

El producto digital se formaliza bajo muchos tipos de formatos. Estos productos tienen la mi-
sión de dar información de manera sencilla y clara, facilitando de este modo que los clientes
en la red puedan obtener conocimientos sobre algún tema concreto, a través de cursos, we-
binars, etc. O de otro modo, resolver unas necesidades.

Por tanto, la misión más importante de todo producto digital o infoproducto será educar, facilitar
la vida de los clientes y, sobre todo, solucionar problemas de la manera más clara y sencilla.

39
 Big data
Tema 2. Big data en proyectos

¿CUÁLES SON LOS BENEFICIOS DE LOS INFOPRODUCTOS?

Al estudiar los pros y los contras de un proyecto digital se deben tener en cuenta numerosos
factores.

• Mínimo coste de inversión. La persona que se adentre en este mundillo debe invertir
sobre todo en la divulgación y promoción de su producto.

• Fomenta la inclusión social. El hecho de llevar a cabo un negocio de estas características

promueve la accesibilidad a este tipo de productos a una amplia cantidad de población.

• Gran solución para aquellas personas ocupadas. Cuando una persona se encuentra
muy ocupada en su día a día, el hecho de poder acceder rápidamente a una formación le
otorga grandes soluciones.

• Es un negocio escalable. El poder presentarse con productos digitales a través de in-

ternet a todo el mundo hace que se puedan vender estos productos a todos los países.

De este modo, empezar y crearse una imagen con productos digitales puede ser una gran
decisión. Pero como con cualquier negocio, al emprender hace que se requieran constan-
cia, mucha paciencia y una gran estrategia.

Mínimo coste de inversión.

Fomenta la inclusión social.

Beneficio de los
infoproductos
Gran solución para aquellas
personas ocupadas.

Es un negocio escalable.

¿CUÁLES SON LAS DIFERENCIAS ENTRE UN PRODUCTO DIGITAL Y UN

NEGOCIO DIGITAL?

Como último punto a destacar, dentro de una gran lista de beneficios que aporta el sector
digital, se ha de resaltar lo que significa el negocio digital.

Hay que aclarar que no es lo mismo negocio digital que producto digital.

El negocio digital es aquel modo de trabajo en el que muchas empresas se están iniciando
y con ello ofrecen soluciones completamente digitales, como las gestiones que realizan las
entidades financieras de forma online.

De este modo, se puede entender mejor la diferencia entre ambos conceptos. Un producto digi-
tal puede conllevar la creación de un negocio digital, como por ejemplo Uber, que empezó como
un servicio de transporte mediante aplicación y hoy cuenta con una base de servicios online.

40
Del mismo modo, empezar con un negocio digital puede derivar en la creación de un pro-
ducto digital.

En consecuencia, cuando una empresa trabaja mediante soluciones digitales, a través de su

evolución puede ir creando nuevos productos digitales a su catálogo, teniendo en cuenta las
nuevas necesidades.

IMPORTANTE
Se pueden crear negocios digitales a partir de un producto digital. Ama-
zon es una organización actual y con mucho éxito que, además de co-
mercializar productos físicos a través de una tienda online, es un modelo
de comercio electrónico.

41
IDEAS CLAVE
• La organización de todo proyecto y, por lo tanto, la estructura del equipo humano en
un proyecto de big data, debe ir encaminado a gestionar un equipo de individuos, asig-
nándoles a cada uno de ellos ciertas y concretas tareas en relación a las cualidades de
cada uno de ellos.

• Es imprescindible la formación de la figura del director del proyecto de big data.

• La organización del proyecto tiene como objetivo situar a cada individuo en la función más
adecuada.

• Después de realizar cada tarea se debe comprobar si se ha producido alguna desviación

en relación a los objetivos establecidos.

• Para empezar a desarrollar un producto digital, como pueden ser las apps, banco de imá-
genes, websites, ringtones, e-books o videoclases, no hay que realizar inversiones muy
caras ni crear ningún sistema de logística enorme.

• No hay que inventar la bombilla o la rueda, pero se ha de dar con una idea que satisfaga
necesidades de las personas o añada valor.

43
GLOSARIO
— Estructura de un equipo de trabajo de big data. Es la planificación, gestión y organi-
zación generada por toda actividad que permite conseguir una formación de los recur-
sos humanos de una organización en las tareas descritas de big data.

— Infoproducto. Sinónimo de producto digital.

— Negocio digital. Es aquel modo de trabajo en el que muchas empresas se están ini-
ciando y con ello ofrecen soluciones completamente digitales.

— Organigrama. Es un gráfico que permite valorar y estudiar la estructura del proyecto

y, de este modo, saber quién es en la estructura del proyecto de big data para llevar a
cabo el proyecto a los mejores términos.

— Productos digitales. Son todos aquellos que presentan un formato digital, lo que con-
lleva a que todo este tipo de productos son distribuidos a través de la venta online.

— Websites. Páginas web de diferentes temáticas y empresas.

45
BIBLIOGRAFÍA
Aldominos Gómez, A. (2017). Procesamiento y análisis inteligente de Big Data. García Maroto
Editores.

Casas Roma, J. (2019). Big data: análisis de datos en entornos masivos. Editorial UOC.

Joyanes Aguilar, L. (2013). Big data: análisis de grandes volúmenes de datos en organiza-
ciones. Marcombo.

47
TEMA 3
Metodologías ágiles
 Big data
Tema 3. Metodologías ágiles

OBJETIVOS
• Entender las ventajas y peculiaridades de cada uno de las metodologías de desarrollo de
proyectos existentes.

• Comprender el funcionamiento y ventajas del framework Scrum.

• Tener una visión general de las herramientas de gestión de proyectos digitales y las ven-
tajas de cada una.

50
3.1. METODOLOGÍAS DE DESARROLLO
Las metodologías de desarrollo se definen como un conjunto de pautas a seguir para lograr o con-
seguir un proyecto de desarrollo de software, utilizando diferentes herramientas, normas o fases.

La creación de metodologías de proyectos está continuamente evolucionando, destacando

Agile, Kanban, Scrum, Waterfall, PRINCE2, etc.

Existe muchísimas diferencias en las diferentes metodologías de gestión de proyectos con las que
realizaríamos los proyectos. Conocer cuáles son las distinciones entre cada una de ellas y cuál es
la metodología que se debe usar en cada proyecto puede llegar a ser algo bastante complicado.

A continuación, se muestran diferentes metodologías, exponiendo cuál de ellas es la mejor

opción para los distintos tipos de proyectos.

• Agile. Metodología importante para realizar proyectos de manera interactiva para cual-
quier trabajo.

La metodología Agile es una herramienta que sirve para la toma de decisiones en aque-
llos proyectos de software referidos a métodos de ingeniería, relacionados con desarrollo
iterativo e incremental, donde las especificaciones y soluciones van cambiando a lo largo
del tiempo, dependiendo de las necesidades del proyecto.

EJEMPLO Zara elabora productos sobre los que es difícil realizar pronósticos. Tienen
un ciclo de vida relativamente corto y no se sabe si van a gustar a no. La
compañía suele hacer previsiones a la baja y, si al final faltan productos,
pone en marcha la rueda de creación y envío exprés, que está continuamen-
te preparada, y en 15 días a lo sumo tiene el stock del producto preparado.

• Scrum. Scrum es un método de trabajo en el que se realizan de manera regular un

grupo de buenas prácticas para trabajar en equipo, y de este modo, generar mejores
resultados en los proyectos.

Las características de esta metodología son:

– Se establece una estrategia de desarrollo incremental.

– Se prioriza la calidad del trabajo basado en el conocimiento tácito de los individuos en

equipos autoorganizados.

– Se solapan los siguientes ciclos de desarrollo del proyecto.

Un ejemplo de la metodología Scrum se da cuando grupos de empleados tienen que lle-

var a cabo trabajos complejos.

El uso de este método proporciona ventajas como el hecho de que es una metodología
participativa y colaborativa tanto entre los miembros del grupo como con el cliente.

Para trabajar con esta metodología, es necesario que el equipo sea competente, que ten-
ga bien claras las tareas y que el cliente pueda colaborar con el equipo. A partir de ahí, se

51
 Big data
Tema 3. Metodologías ágiles

llevarán a cabo una serie de reuniones diarias, no muy extensas, para ver la evolución del
proyecto y que el cliente pueda comprobar el resultado del trabajo.

EJEMPLO Steve Jobs explicó en repetidas ocasiones cómo se gestionaban los

equipos en Apple para conseguir que todo fuera bien.
Según Jobs, Apple se organizaba como una startup y a través de una
metodología Agile.
Apple es una organización colaborativa en la que hay individuos que es-
tán a cargo de proyectos. Hay personas que se sitúan al frente del siste-
ma operativo de IPhone, otras se responsabilizan del hardware del Mac,
otras se responsabilizan de la ingeniería del hardware del IPhone, etc.

• Kanban. Ayuda a aumentar la velocidad y la calidad de la entrega del proyecto, creando

un aumento de la visibilidad.

• Scrumban. La metodología de desarrollo Scrumban limita el proyecto que está en pro-

greso y lo condensa en pasos más sencillos para lograr realizar el proyecto en fases muy
concretas.

• Lean. Organiza y elimina lo que no sea importante.

• XP. Es una metodología de programación externa. Congrega un desarrollo muy robusto

generando una gran calidad.

• Waterfall. Realiza una gran planificación del proyecto de manera global. A partir de ello, rea-
liza las fases.

• Prince2. Esta metodología realiza una gestión del proyecto de forma muy controlada.

• PMBOK de PMI. Esta metodología establece pautas generalistas para la gestión del
proyecto.

Metodologías de gestión de proyectos

• Agile • Scrumban • Waterfall

• Scrum • Lean • Prince2

• Kanban • XP • PMBOK de PMI

Una metodología de proyectos de gestión se define como aquel sistema de prácticas, proce-
dimientos y normas realizadas por quienes trabajan en alguna disciplina. Cada metodología
se adapta según el proyecto a realizar.

Cada metodología se adapta mejor a los requerimientos y especificaciones del proyecto que
se debe realizar. De ahí la importancia de conocer las características de cada metodología
para trabajar en las mejores condiciones.

52
Ciertas metodologías de gestión de proyectos concretan sólo principios, como es el caso de
Agile. Sin embargo, otros definen un marco de metodología, como temas, procesos, etc. para
establecer el proyecto, como es el caso de Prince2.

Otros se definen por una gran lista de estándares con algún proceso, como es el caso de
PMBOK de PMI, y algunos son bastante ligeros y sólo establecen el proceso, como Scrum.

Pero en vez de dialogar y concretar que es una metodología de gestión de proyectos y que no
lo es, se puede establecer que las metodologías de gestión de proyectos son sólo los marcos
de los métodos para llevar a cabo el proyecto en cuestión.

Una metodología de trabajo debería ser una forma de gestión de forma global para imple-
mentar genéricamente. Antes de comenzar a desarrollar un proyecto se debe tener bien claro
cómo se va a trabajar, cuáles van a ser las fases a realizar, las herramientas con las que se
cuentas, los métodos, etc.

Pero antes de seguir, se debe puntualizar que, a pesar de la existencia de muchas y diver-
sas metodologías, no se puede afirmar que haya una metodología buena para todo tipo de
proyectos. De este modo, no se puede establecer una metodología que sea la correcta y se
adapte a todos los proyectos.

En último lugar, la mejor metodología es la que se adapta y da sentido a cada proyecto, el

grupo, y el usuario final.

METODOLOGÍA COMÚN DE GESTIÓN DE PROYECTOS

• Metodología Agile. Este tipo de metodología se centra en la colaboración para entregar

de manera iterativa cualquier proyecto.

Lo cierto es que Agile no es realmente una metodología de proyecto. Es un conjunto de

normas para llevar a cabo el desarrollo de un software.

Las normas que caracterizan la metodología ágil se desarrollan en cuatro puntos:

• Individuos e interacciones. Los miembros del grupo deben colaborar conjuntamente

para conseguir el éxito del proyecto, fomentado las interacciones entre todos ellos y tra-
bajando en equipo.

• Software de trabajo. Por encima de documentación completa, existen unas herramientas

o software de trabajo que facilitan el trabajo en equipo, pautando normas y requisitos.

• Colaboración del usuario. Más allá del establecimiento de los contratos, deben producir-
se reuniones periódicas del equipo de trabajo con el cliente para facilitar la colaboración.

• Responder a los cambios. Va más allá de llevar a cabo un plan. Al producirse reuniones
periódicas con el cliente, este concretará aspectos a mejorar o a modificar, por lo que es
un buen ejemplo para poder responder ante los cambios exigidos.

53
 Big data
Tema 3. Metodologías ágiles

Individuos e interacciones.

Normas que Software de trabajo.

caracterizan la
metodología ágil

Colaboración del usuario.

Responder a los cambios.

En vez de una metodología que se aplica a un proyecto determinado, la metodología ágil es

más bien una costumbre y un grupo de principios a establecer.

Cuando los individuos dialogan en relación a la metodología ágil de gestión de proyectos, lo

realmente claro es que es un proceso de diseño y construcción que se adapta.

Los proyectos ágiles se centran en una serie de pautas que se gestionan, establecen y adap-
tan dependiendo del proyecto, en vez de ser un método preestablecido.

La metodología ágil ayuda a los gestores de proyectos a la adaptabilidad mediante procesos

de trabajos incrementales e iterativos.

EJEMPLO La marca de moda Finery London logró establecer que hay quien ne-
cesita dos años y medio para saber qué es lo que se va a poner y ocho
años de shopping. Y se decidió a cambiar esta situación.

¿Y cómo lo consigue? Utiliza la inteligencia artificial para saber la forma

de vestir de los clientes. Utiliza un sistema operativo para conocer todo
lo que hay en un armario y a partir de ello generar catálogos a través
de compras realizadas por los clientes.

De este modo se anima a llevar las prendas que ya integran gran parte
de un armario.

¿Y qué resultados obtiene? Consiguió 100.000 suscriptores en el pri-

mer año de andadura.

Del mismo modo que un gran peón de construcción comprueba su trabajo a través del pro-
yecto realizado, un proceso ágil de gestión de proyectos necesita a grupos de profesionales
que establezcan una gran planificación. Y también que, conforme se va avanzando, se esta-
blezcan evaluaciones del mismo.

La metodología ágil es la mejor para situaciones en las que se puede cambiar de requisitos,
como son los casos de programas informáticos y juegos.

54
• Metodología de Kanban. Esta metodología de gestión de proyectos consigue una mejo-
ra de la velocidad y la calidad en la entrega, debido a que consigue una mejor visibilidad
del desempeño que se va realizando, y, por consiguiente, pone límites a la multitarea.

La metodología Kanban es una forma de gestión de proyectos que se basa en los princi-
pios Lean y un establecimiento rígido para aumentar la eficiencia.

Es muy parecido en muchos puntos a Scrum, ya que intenta llevar a cabo los proyectos
de forma rápida, y con un equipo autogestionado en el que todos los miembros colaboran
los unos con los otros.

A diferencia de la metodología Scrum, la manera de trabajar de Kanban es más desarro-

llada y sencilla, puesto que es menos prescriptivo.

Kanban es una metodología sencilla y ligera en el trabajo, se adapta, no tiene pautas pre-
establecidas, y de este modo consigue mejorar el rendimiento del equipo, haciendo ver
qué cosas son las importantes.

Lo que más comúnmente se realiza con Kanban es visualizar el intercambio de trabajo,

medir los tiempos de entrega, conseguir que las normas de proceso sean explicitas y vi-
sualizar lo realmente mejorable.

El enfoque de Kanban se sitúa en que se realiza el trabajo de una manera más sencilla,
clara y de mayor calidad.

Con Kanban se suele trabajar en entornos operativos donde lo importante puede variar con
mucha asiduidad. Se concentra en saber cuál es el tiempo para la entrega y cuánto se retrasa.

Los responsables de proyectos trabajan con notas adhesivas en una pizarra Kanban o
con una herramienta en línea llamada Trello para exponer el intercambio de trabajo, esta-
bleciendo puntos como “tareas hechas”, “tareas pendientes”, etc.

De este modo, se puede ver a simple vista lo que se quiere hacer y limita el trabajo en
progreso (WIP) para que el intercambio de trabajo sea mejor mientras se determina y
optimiza el tiempo medio para completar los elementos.

Además, se le da al equipo una proyección visual de lo que se va a realizar de inmedia-

to, lo que conlleva a la reorganización, determinar los problemas y conseguir que no se
detenga el proyecto de gestión. Adicionalmente se puede establecer que cualquier nueva
responsabilidad. Kanban se debe usar para llevar a cabo proyectos que necesiten un tra-
bajo constante, como producción o soporte y mantenimiento.

Para el sector de las agencias puede ser un factor importante, puesto que es más adap-
tativo a los cambios. Si Scrum puede parecer una metodología demasiado estricta para la
gestión de un proyecto, Kanban sería la mejor opción.

• Metodología Scrumban. La metodología Scrumban se caracteriza por limitar el trabajo,

como la metodología Kanban, realizando una reunión al día como la metodología Scrum.

Scrumban es una metodología de gestión de proyectos intermedia que mezcla las de

Scrum y Kanban.

55
 Big data
Tema 3. Metodologías ágiles

Coge la adaptabilidad de Kanban y toma parte de la estructura de Scrum para llevar a

cabo una nueva metodología de gestión de proyectos.

En vez de gestionar proyectos en iteraciones con plazos de tiempo y normas estrictas,

Scrumban usa una norma de planificación según el proyecto para ir terminando el trabajo
acumulado. Las funciones son realizadas y hechas por los miembros del grupo, como en
el caso de Kanban.

Todo esto nos hace entender que el trabajo en progreso es limitado y los miembros se
centran en el trabajo prioritario. A pesar de todo, no es como Kanban. Scrumban tiene una
pizca de la metodología Scrum diario, con revisiones para ir mejorando el trabajo que se
va realizando. Adicionalmente, sin la restricción de las iteraciones, el trabajo se lleva a
cabo según las necesidades, en vez de alrededor de una repetición.

Hay que destacar que Scrumban suma la adaptabilidad de Scrum, quitando las repeticio-
nes y centrándose en la planificación. Además, inserta una estructura con reuniones para
ayudar a optimizar el proceso.

Scrumban es una metodología que se adapta perfectamente para la generación de pro-

yectos o productos en los que no se tiene claro cómo llevarlo a cabo, y donde se necesita
incluir nuevos aspectos para conseguir el fin determinado.

• Metodología Lean. La metodología Lean gestiona y elimina aquello que no sea necesario
para entregar lo realmente necesario. Es una forma de gestión de proyectos cuyo objetivo
principal es la eficiencia. Está muy relacionada con Agile e intenta “hacer más con menos”.

Lo primero que hace es tener bien claro qué es lo que aporta valor. A continuación, lo en-
fatiza mediante la mejora continua al maximizar el intercambio de valor y dejar a un lado
lo que no vale.

En vez de establecer procesos y pautas a realizar, esta metodología resalta qué es lo que
se puede hacer utilizando menos recursos. Y lo hace mediante las 3M: Muda, Mura y Muri.

– Muda. Intenta quitar los puntos no necesarios o los que no aporten valor al usuario. En
el mundo virtual, todo ello se puede eliminar mediante las revisiones pautadas.

– Mura. Quita las variaciones. No tiene en cuenta la sobrecarga que provocan las varia-
ciones en la gestión.

– Muri. Intenta eliminar el sobretrabajo. La mejor forma de funcionar es hacerlo en torno

al 60-70 %. De este modo, se minimiza el número de proyectos para llevar a cabo.

Muda

Las 3Ms Mura

Muri

56
La metodología Lean modifica la manera en cómo se trabaja para centrarse en la entrega de
valor. Intenta hacer un cambio en el enfoque de la optimización de todos los elementos utiliza-
dos: tecnologías, departamentos, etc.

Lean puede hacer cambiar la mentalidad cuando se realizan revisiones del proyecto a entregar.

• Metodología XP. Es una metodología de gestión de proyectos extrema, pues lleva a cabo
el proyecto de manera muy brusca para asegurar su calidad.

Imagen 1. Esta metodología se basa en la concreción de unas normas y reglas.

Extreme Programming (XP) es una metodología de gestión de proyectos para el desarro-

llo de software que define pautas y normas para conseguir una buena calidad del software
y asegurar la reacción a los nuevos requerimientos del cliente.

Se asemeja bastante a la metodología Scrum, pues se caracteriza por su simplicidad. El

punto en el que no se asemeja es en la definición de pautas o normas prescriptivas.

Algunas de estas pautas o normas son iguales a la metodología Scrum, pero otras relacio-
nadas a las prácticas de diseño, las pruebas, etc., son distintas. Se deben introducir historias
de usuario, evolucionar el proyecto a través de pruebas, programar a través de pares, etc.

• Metodología Waterfall. La metodología Waterfall realiza la planificación completa de los

proyectos y la lleva a cabo mediante diferentes fases.

Waterfall, también llamada “ciclo de vida

del desarrollo de software”, es una forma
de trabajar muy sencilla que se centra en
una planificación fuerte. Las normas de
esta metodología se concretan antes de
empezar el proyecto.

El proyecto se va realizando en cascada,

a través de diferentes fases. Cada ciclo
debe estar terminado para poder avanzar
al siguiente. Con Waterfall, el resultado
conseguido en una fase sirve para empe-
zar la siguiente. Imagen 2. Esta metodología se caracteriza por estar
definida en diferentes fases.

57
 Big data
Tema 3. Metodologías ágiles

Una vez aprobada la propuesta, no se puede improvisar, a no ser que sea necesario
cambiar. Los cambios que se deban introducir se deben hacer después de solicitarlos
y ser aprobados.

El trabajo se va realizando mediante las normas establecidas, incluido el diseño, las prue-
bas, la implementación y el mantenimiento. Con la metodología Waterfall hay poco mar-
gen para improvisar.

Cuando se está en la fase de prueba resulta muy complicado modificar lo que ya estaba
definido. Hay que incidir en que no se tiene la obligación de mostrar los avances al cliente.
Es decir, se realiza el proyecto al completo y el cliente lo revisa después.

La metodología Waterfall es vista con cierto recelo dentro del mundo de la gestión de
proyectos, puesto que posee un enfoque tradicional y algo antiguo. A pesar de ello, si las
normas están establecidas, las pautas son claras y la tecnología es entendible, Waterfall
puede ser bastante útil.

Waterfall puede conseguir un mejor resultado cuando los fines están claramente definidos.

• Metodología Prince2. Prince2 es una metodología de gestión de proyectos que no

deja nada al azar. Trabaja en cascada de “pila completa” que introduce normas y pau-
tas. Prince significa “proyectos en entornos controlados”.

Business
Progress Case
Organization

Change PRINCE 2
Processes Quality

Risks Plan

PRINCE 2 Themes

PRINCE 2 Principles

Imagen 3. La metodología Prince2 prioriza conocer la verdadera necesidad del proyecto.

Prince2, creada en el año 1996 en el Reino Unido para llevar a cabo proyectos de tecnolo-
gías de información (TI), es una metodología que se centra en varios trabajos, dividiendo
en muchas fases el proyecto. Esta metodología crea entradas y salidas para cada ciclo de
un proyecto con el fin de que todo quede bien establecido.

Se centra en saber cuál es la verdadera necesidad del proyecto, quién es el cliente que lo
solicita y determinar los costes del proyecto.

58
 Prince2 se caracteriza en ocho ciclos de alto nivel y posibilita un gran control de los recur-
sos, además de tener un alto porcentaje de minimizar el riesgo.

Esta metodología está creada para la realización de proyectos de TI a gran escala, por lo
que no es recomendable para una agencia que funciona por gestión de proyectos.

• Metodología PMBOK de PMI. Este tipo de metodología se basa en la aplicación de ge-

neralidades para la gestión de proyectos en cascada.

No se puede decir que sea una metodología en cuestión, sino una manera de trabajar
mediante cinco fases para concretar el proyecto. Estas cinco fases son: iniciar, planear,
ejecutar, controlar y cerrar.

Imagen 4. Metodología rígida que sigue unas pautas para trabajar.

Este tipo de metodología es más teórica y, debido a su rigidez, no se adapta a todo tipo de
proyectos y clientes. A pesar de ello, se pueden utilizar las normas para conseguir un lenguaje
estándar y las mejores pautas para generar un proyecto.

Si se compara con Prince2, se puede pensar que son complementarios, en vez de entender
que son dos maneras diferentes de trabajar en cascada.

¿CUÁL ES LA MEJOR METODOLOGÍA DE GESTIÓN DE PROYECTOS?

Establecer una metodología para la gestión de proyectos es una de las decisiones más impor-
tantes, ya que al llevar a cabo esta decisión se establece el método para trabajar.

Las diferentes metodologías de gestión de proyectos generan guías para llevar a cabo un
proyecto. Al decidir la metodología con la que trabajar hay que tener muy claro la naturaleza
del proyecto, el cliente, los recursos disponibles, los plazos, etc.

No hay una metodología ideal de proyectos que consiga el éxito para todo tipo de organizacio-
nes empresariales, pues cada una tiene sus puntos fuertes y sus puntos débiles. La metodolo-
gía de gestión elegida debe culminar un proyecto que satisfaga las necesidades del cliente. La
mejor metodología de gestión de proyectos es aquella que se adapta de forma clara y concisa
al proyecto, además de gustar y generar confianza al cliente.

59
 Big data
Tema 3. Metodologías ágiles

3.2. EL FRAMEWORK SCRUM

Esta metodología hace que un equipo formado por pocos miembros, autogestionado y multi-
funcional, realice la entrega rápida del proyecto.

Scrum es una metodología de gestión de proyectos que incide en normas y pautas para hacer
mejorar la entrega del proyecto.

Además, en el desarrollo del software, Scrum es una de las metodologías más famosas y
claras que se asemeja a los principios de Agile.

La meta de Scrum es innovar y desarrollar la comunicación, la velocidad y el trabajo en equipo

en el proyecto.

Se puede afirmar que Scrum no es exactamente una metodología de gestión de proyectos. Es

un desarrollo para el establecimiento de unas pautas y su mantenimiento de forma continua
de productos muy complejos.

La metodología Scrum es definida como un grupo sencillo de funciones y pautas para concre-
tar de forma eficiente y posibilitar una funcionalidad valiosa y coherente.

Además, esta metodología intenta hacer desarrollar y evolucionar al equipo autogestionado

para conseguir y definir los puntos clave del propio equipo. Y así concretar las responsabili-
dades y lograr una presión aceptable para crear un trabajo de calidad, de forma correcta y en
plazo establecido.

¿SABÍAS QUE...? Scrum es una forma de trabajar y colaborar en equipo, en la que el

resultado se produce de manera incremental.

Para conseguirlo, se planifican periodos relativamente cortos de traba-

jo, en los que siempre se siguen las mismas normas.

Además, la metodología Scrum se puede aplicar a todo tipo de organi-

zaciones empresariales, no solo a aquellas de base tecnológica.

La metodología Scrum intenta llevar a cabo la utilización de un pequeño equipo, como máxi-
mo formado por nueve individuos, que interactúa en productos de una cartera de pedidos.
Resulta un establecimiento previo del usuario y que ha sido requerido y establecido por el
propietario del producto.

El proyecto se clasifica en “iteraciones”, y tarda en concretarse entre dos y cuatro semanas.

En ese plazo se llevan a cabo scrums (reuniones) diarias en las que los miembros del equipo
informan sobre los avances y problemas que van surgiendo. Las iteraciones son repeticiones
de un proceso para conseguir un objetivo. Cada repetición se llama iteración, y el resultado
obtenido se usa como punto de partida para la siguiente iteración o repetición.

Al cabo de cada iteración, el trabajo realizado es revisado en una reunión de demostración

de requisitos establecidos para establecer, junto al dueño del producto, si pasa la definición
de finalización.

60
Scrum es facilitado y supervisado por un “facilitador” (Scrum master), que posibilita la supervi-
sión de los requisitos realizados y las revisiones hechas, lo que provoca que el equipo realice
su trabajo de mejor manera. También realiza una retrospectiva para conocer el desarrollo del
trabajo, que se mejora y optimiza continuamente.

FASES DEL PROCESO SCRUM

Inicio

Planificación

Fases del proceso

Scrum Implementación

Revisión y
retrospectiva

Lanzamiento

3.3. SOFTWARE DE GESTIÓN DE PROYECTOS

Un software de gestión de proyectos es un grupo de aplicaciones que mejoran la eficiencia
del equipo de la organización que desarrolla un proyecto, al tiempo que permite controlar los
recursos con los que se trabaja.

A continuación, se citan las principales tareas de un software de gestión de proyectos:

• Planificar los proyectos.

• Controlar los costes.

• Asignar actividades y funciones.

• Centralizar la gestión y organización.

• Facilitar la comunicación y colaboración entre los miembros del equipo.

EJEMPLOS DE SOFTWARE DE GESTIÓN DE PROYECTOS

• Holded. Es una aplicación de gestión creada para pequeñas y medianas empresas, ade-
más de para autónomos.

Es una ERP en la nube que automatiza las áreas del negocio gracias a sus muchas fun-
cionalidades, como por ejemplo la gestión de proyectos.

61
 Big data
Tema 3. Metodologías ágiles

La parte de la gestión de proyectos está creada para aumentar la productividad de la or-

ganización. Cuenta con versiones de pago y gratuitas.

Ayuda a planificar mediante la colaboración y a poder controlar los proyectos a cada

miembro del equipo y cada actividad realizada.

• Monday.com. Es una aplicación en la nube que facilita el trabajar en equipo, pudiendo

ser este de cualquier tamaño.

Los equipos de trabajo forman proyectos con plantillas, sin tener que programar, y en una
plataforma que se adapta de forma automatizada, estableciendo conexiones en los equi-
pos de trabajo de manera digital.

Debido a la sencillez de su interfaz, que es muy visual, es muy fácil de utilizar.

• Wrike. Es un software de gestión de proyectos con versión gratuita y de pago.

Se trata de una aplicación en la nube que se caracteriza por el trabajo en equipo, pudien-
do estar sus miembros en diferentes lugares.

Posibilita soluciones a los proyectos desde el principio, llevando un seguimiento y obte-

niendo resultados finales.

Además, puede generar informes para determinar el resultado final del proyecto.

• Asana. Trabaja con aplicación móvil para poder trabajar en cualquier lugar.

Su misión es simplificar la gestión de proyectos a través de la organización de actividades

y equipos, aunque estos trabajen en remoto.

Es uno de los software más populares, y ayuda a que se organice el trabajo para que cada
persona del equipo sepa lo que tenga que hacer, cómo hacerlo y cuándo.

62
IDEAS CLAVE
• La creación de metodologías de proyectos está continuamente evolucionando, destacan-
do Agile, Kanban, Scrum, Waterfall, Prince2, etc.

• La metodología ágil ayuda a los gestores de proyectos a la adaptabilidad mediante proce-

sos de trabajos incrementales e iterativos.

• La meta de Scrum es innovar y desarrollar la comunicación, la velocidad y el trabajo en

equipo.

• La metodología Kanban es una forma de gestión de proyectos que se basa en los princi-
pios Lean y un establecimiento rígido para aumentar la eficiencia.

• Scrumban es una metodología que se adapta para generar proyectos o productos en los
que no se tiene claro cómo llevar a cabo el proyecto.

• Waterfall, también llamada “ciclo de vida del desarrollo de software”, es una forma de tra-
bajar muy sencilla que se centra en una planificación fuerte y realizar las funciones bien
hechas.

• Las diferentes metodologías de gestión de proyectos generan guías para llevar a cabo el
proyecto.

63
GLOSARIO
— Agile. Metodología importante para realizar proyectos de manera interactiva para cual-
quier trabajo.

— Kanban. Ayuda a aumentar la velocidad y la calidad de la entrega del proyecto, crean-

do un aumento de la visibilidad.

— Lean. Organiza y elimina lo que no sea importante.

— PMBOK de PMI. Metodología que establece pautas generalistas para la gestión del
proyecto.

— Prince2. Esta metodología realiza una gestión del proyecto de forma muy controlada.

— Scrum. Favorece a un pequeño equipo de trabajo, multinacional y autogestionado, que

realice la entrega de manera muy rápida.

— Scrumban. Limita el proyecto que está en progreso.

— Waterfall. Realiza una gran planificación del proyecto de manera global y a partir de
ello realiza las fases.

— XP. Es una metodología de programación externa. Congrega un desarrollo muy robusto

generando una gran calidad.

65
BIBLIOGRAFÍA
Casas Roma, Jordi. Big data: análisis de datos en entornos masivos. Barcelona: Editorial
UOC, [2019].

González Díaz, I. (2017). Big data para CEOs y directores de marketing. IndependentlyPublished.

Greenberg, P. (2008). CRM at theSpeed of Light. McGraw-Hill.

67
TEMA 4
Inteligencia artificial
 Big data
Tema 4. Inteligencia artificial

OBJETIVOS
Con el estudio de la presente lección, el alumno será capaz de:

• Entender qué es un proyecto de inteligencia artificial.

• Entender qué es Machine Learning y Deep Learning. Diferencias, limitaciones y ventajas.

• Identificar las herramientas existentes en el mercado para abordar un proyecto con éxito.

70
4.1. ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?
La inteligencia artificial es una ciencia que se desarrolla mediante una serie de sistemas, al-
goritmos y procesos determinados con el objetivo de simular la inteligencia de las personas,
para desarrollar tareas y habilidades propias de los individuos.

Existen dos tipos principalmente de inteligencia artificial:

• Machine learning. Este tipo de inteligencia artificial se usa cuando se tiene que estu-
diar y analizar una gran cantidad de datos. Se utilizan algoritmos y se identifican patro-
nes para poder anticiparse y evitar comportamientos, y de este modo, poder gestionar
miles de datos.

• Deep learning. Este tipo de inteligencia artificial tiene la misión de simular habilidades de
las personas, como por ejemplo, poder identificar imágenes.

Imagen 1. El uso de la inteligencia artificial tiene entre sus misiones simular comportamientos del ser humano.

La inteligencia artificial (IA) aglutina un número muy grande de muchas aplicaciones informá-
ticas, que usan una serie de pautas para llevar a cabo inferencias.

La inteligencia artificial moderna, colaborando con tecnologías actuales, tiene diversas funcio-
nalidades y crea muchos tipos de beneficios a los distintos usuarios.

Por ejemplo, en las aplicaciones comerciales, las funciones de la inteligencia artificial se

unen con multitud de sistemas para generar beneficios a las empresas, como tener un con-
trol y seguimiento de su inventario, controlar el proceso de fabricación o llevar una base de
datos actualizada.

HISTORIA DE LA INTELIGENCIA ARTIFICIAL

• 1854. George Boole afirma que el razonamiento lógico podría sistematizarse como la re-
solución de un sistema de ecuaciones.

• 1921. En su obra de teatro R.U.R., Karel Apek introduce el término “robot”, proveniente de
la palabra eslava robota, “trabajo duro”.

• 1936. Alan Turing, en un artículo sobre números computables, introduce el concepto de

“algoritmo” y pone las bases de la informática.

71
 Big data
Tema 4. Inteligencia artificial

• 1941. Aparece la primera computadora programable y totalmente automática, Z3.

• 1941. Isaac Asimov define las leyes de la robótica en su cuento Círculo vicioso.

• 1950. Test de Turing, una prueba de comunicación verbal hombre-máquina que evalúa si
estas pueden hacerse pasar por humanos.

• 1956. John McCarthy acuña el término “inteligencia artificial” en la conferencia de Darmouth.

• 1957. Rosenblat diseña la primera red neuronal artificial.

• 1966. Joseph Weizenbaum, del MIT, desarrolla ELIZA, un programa que incorpora el pro-
cesamiento del lenguaje natural humano a las computadoras para que se comunique con
nuestro lenguaje y no con código de programación.

• 1969. Aparece Perceptrones, trabajo de Marvin Misnky considerado fundamental para el

análisis de redes neuronales artificiales.

• 1979. Un pequeño vehículo autónomo diseñado en la Universidad de Stanford (EE. UU.)

recorre sin tropiezos un espacio ocupado por obstáculos.

• 1996. El campeón del mundo de ajedrez Garri Kaspárov es derrotado por Deep Blue, una
supercomputadora de IBM.

• 2005. Raymond Kurzweil, usando la ley de Moore, predice que las máquinas alcanzarían
el nivel de inteligencia humano en 2029 y lo superarían en un billón de veces para 2045.

• 2012. Un superordenador creado por Google aprende, gracias a YouTube, a identificar

gatos, caras y cuerpos humanos.

• 2014. El bot computacional Eugene Goostman hace creer a 30 de los 150 jueces del test
de Turing al que se le sometió que están hablando con un niño ucraniano de 13 años.

• 2015. La computadora AlphaGo gana a un profesional del juego del go.

CITA

“El big data es básico en la génesis de todo lo que es tendencia hoy en

día: el social media, el mobile, la nube y el juego online”. Chris Lynch.

DESARROLLO DE LA INTELIGENCIA ARTIFICIAL

Coloquialmente, se puede decir que la inteligencia artificial es el desarrollo de las computado-

ras para imitar lo que piensas las personas.

Los investigadores quieren diseñar ordenadores que pueden procesar lenguajes y razona-
mientos propios del ser humano. Cuando las computadoras son capaces de procesar idiomas
como el francés o el castellano, las personas pueden dar indicaciones y realizar preguntas sin
tener que saber de lenguajes informáticos.

72
Con esta perspectiva, las computadoras pueden aprender de experiencias y plasmarlas para
resolver problemas.

Los investigadores aún deben seguir investigando y desarrollando los diferentes sistemas
informáticos, pero puede ser que hayan dado con la invención de la “lógica difusa”.

DIFERENTES ALGORITMOS QUE SE PUEDEN ENCONTRAR

LÓGICA DIFUSA

Los ordenadores funcionan en relación al “sí” o el “no”, por lo que no pueden razonar sobre
algo intermedio. Aquellos ordenadores más modernos, capaces de resolver millones de cál-
culos por segundo, no pueden saber lo que es un “tal vez”.

Esta situación tan sencilla ha llevado a los científicos a muchos interrogantes durante años,
pero el Dr. Lofti A. Zadeh realizó un estudio, denominado “lógico difusa”.

La lógica difusa se centra en generar al ordenador “conjuntos difusos” con información con-
creta y relativa. Por ejemplo, en un conjunto difuso para maquinaria industrial, si se tiene una
temperatura de unos 1500 grados, se puede tener una “membresía” (valor relativo) de 0,95,
mientras que con una temperatura de unos 800 grados puede tener una membresía de 0,50.

Una aplicación informática puede generar instrucciones como “cuanto más alta esté la tempe-
ratura, más baja será la presión”. De este modo, los científicos pueden hacer que las compu-
tadoras puedan calcular con palabras, y no con números.

SISTEMAS EXPERTOS

Además de poder utilizar infinidad de programas y aplicaciones de inteligencia artificial, existe

uno que se llama “sistema experto”.

El sistema experto es un software que aplica el conocimiento primordial de un especialista en

cualquier sector que se pueda aplicar (derecho, medicina, matemáticas, etc), y todo ello para
conseguir resolver situaciones complejas sin la intervención del ser humano.

Al llevarlos a cabo, los investigadores colaboran junto con especialistas para desarrollar los
sistemas y las pautas para concretar la información y normas de decisión (heurísticas) para
resolver problemas.

Básicamente, estos sistemas imitan la inteligencia de las personas sin la intervención de

estas últimas.

Los sistemas expertos adquieren el conocimiento y la experiencia del ser humano, por lo que
presenta muchas ventajas. Por ejemplo, favorecen a las personas. experiencias de la vida
real y en cualquier sector, ya que la inteligencia artificial se desarrolla en cualquier ámbito.

IMPORTANTE El sistema experto de una aplicación informática que es implantado

como el conocimiento esencial de un profesional, en el sector que sea,
como puede ser en arquitectura, puede conseguir resolver situaciones
complejas en poco tiempo y evitar muchos errores, sin que tenga que
realizar ninguna tarea el ser humano.

73
 Big data
Tema 4. Inteligencia artificial

Pero los sistemas expertos no tienen los típicos problemas que las personas, enfermedades o
cansancio, y, si están bien realizados, son menos propensos a incoherencias y errores. Todo
ello genera una gran atracción para su uso en las grandes organizaciones empresariales.

Los negocios también utilizan este tipo de sistemas expertos para el análisis de su actividad.
Por ejemplo, General Electric desarrolló un sistema llamado Delta que ayudaba a los emplea-
dos de mantenimiento a detectar y reparar los fallos en las locomotoras.

Cuando un sistema experto se instala de forma efectiva se produce un gran ahorro en horas
de trabajo humano y en los costes provocados por los errores de los trabajadores.

¿SABÍAS QUE...?
Los países con la mayor densidad de robots, como Singapur, Corea del
Sur y China, tienen también las tasas de desempleo más bajas, con
entre el 5% y el 6%. La combinación correcta de tecnología y humanos
impulsan la prosperidad.

Se calcula que en las grandes organizaciones empresariales se producen unos ahorros de

alrededor de decenas de millones de euros al año.

Un sistema de medio, con un tamaño alrededor de unas 300 pautas de decisión, tendría un
coste de entre 250 000 y 500 000 euros.

JUEGOS EXPERIMENTALES

Para demostrar que una máquina podía pensar por sí misma, sin la intervención del hombre,
los investigadores de los años 60 generaron computadoras capaces de jugar al ajedrez.

Imagen 2. En los años 60, se crearon ordenadores que simulaban el comportamiento humano para poder jugar
al ajedrez.

Gracias al desarrollo de árboles de decisiones avanzados, capaces de dibujar posibles ca-

minos, se produjeron muchísimos avances tecnológicos. Pero este tipo de sistema ofrecía
tantas alternativas posibles que ni siquiera los superordenadores modernos podían gestio-
narlas en un tiempo aceptable.

74
Al reducirse los tiempos y alternativas posibles, los ordenadores pudieron jugar al mismo nivel
que los maestros del ajedrez. Para simular el proceso de pensamiento, los ordenadores em-
pezaron a procesar muchas cantidades de información sobre muchos movimientos.

REDES NEURONALES

Las redes neuronales están más avanzadas que los sistemas expertos para poder resolver
problemas. Llevan a cabo pautas de información para conseguir nuevas habilidades y apren-
den a realizar actividades para el usuario, generando una nueva preparación, alimentando los
datos del sistema para, a continuación, buscar patrones.

Esta manera de funcionar demuestra que es más eficiente en diferentes sectores, como las
finanzas, economía, sector de la salud, etc.

Un ejemplo sería una red neuronal para saber qué operaciones financieras son las más arriesgadas.

La red neuronal estudia y evalúa todos los datos a fondo y genera sus propios criterios de
evaluación. Después, con la generación de nuevas aplicaciones, la máquina aplicaría todo
ese conocimiento para predecir los riesgos asociados.

Conforme va avanzando el tiempo, la red neuronal, se va entrenando con nuevos datos e in-
formación, perfeccionando su forma de actuar y actuando en relación a las nuevas tendencias.

IMPORTANTE
Las redes neuronales realizan un estudio completo de la situación y crean
su propio método con criterios propios. Además, consiguen llevar a cabo
actividades nuevas para el usuario, alimentando los datos del problema.

¿QUÉ APLICACIONES EN INTELIGENCIA ARTIFICIAL EXISTEN EN EL MUNDO

EMPRESARIAL?

La inteligencia artificial se usa activamente en el mundo empresarial, por ejemplo, en los campos
de la gestión y administración, economía y finanzas, derecho, medicina, industria militar, etc.

Algunas implementaciones de la inteligencia artificial se introducen en el procesamiento de

lenguaje natural, consultoría de expertos, robótica, etc.

La gestión tiene cada día más confianza en los sistemas de inteligencia artificial y los utiliza para
ayudar los ingenieros, arquitectos, médicos, etc., para crear nuevos sistemas de conocimiento.

Los responsables de muchas empresas usan sistemas de inteligencia artificial para planificar
sus trabajos, realizar análisis competitivos, asignar recursos, etc.

Además, usan aplicaciones informáticas para ayudar en el diseño de equipos, producción de

bienes, asesoramiento y evaluación de los trabajadores, etc. De este modo, la inteligencia
artificial ayuda a las empresas en muchos aspectos de su gestión y actividad económica.

Adicionalmente, la inteligencia artificial también trabaja en campos como la ciencia y la ingenie-

ría. Las aplicaciones de estos campos se usan para organizar y gestionar cantidades cada vez

75
 Big data
Tema 4. Inteligencia artificial

más grandes de información y datos. La inteligencia artificial realiza procesos complejos, como
espectrometría de masas, creación de circuitos semiconductores y elementos de vehículos.

La inteligencia artificial se usa cada vez más en el análisis de imágenes, robótica, diseño de
centrales eléctricas, etc. La mayor utilización de la inteligencia artificial se centra en la robótica.

Los robots se usan cada vez más en sectores empresariales como el farmacéutico.

En 1990 se usaban más de 200 000 robots en empresas de los Estados Unidos.

Los grandes especialistas creen que para el año 2025 los robots pueden sustituir a los hu-
manos en muchos trabajos de fabricación de productos y prestación de servicios (esquilar
ovejas, pulir paredes, etc.). A pesar de todo, siempre será necesaria la presencia del hombre
para, precisamente, diseñar y crear a los robots. Eso sí, conforme los robots puedan pensar y
ejecutar, la presencia del hombre será menos necesaria.

CARACTERÍSTICAS DE LA INTELIGENCIA ARTIFICIAL

Las principales características de la inteligencia artificial son:

• Gestión de datos. Es una de las mayores características de la inteligencia artificial.

Se consigue gestionar una gran cantidad de datos y, de este modo, las diferentes orga-
nizaciones empresariales han salido muy beneficiadas, puesto que, al recopilar muchos
datos, las empresas gestionan esta información y consiguen saber los gustos y necesida-
des de sus clientes, ofreciéndoles mejores servicios y productos.

Por ejemplo, en el caso de Netflix, los usuarios al hacen búsquedas sobre un tipo de se-
rie o película. La plataforma, en relación a esas búsquedas, les ofrece series y películas
relacionadas con los gustos a partir de esas búsquedas.

• Anticipación. La inteligencia artificial favorece la automatización de actividades y organi-

za las formas de utilizar los flujos de información generada. Gracias a ello, las empresas
pueden fabricar nuevos bienes y mejorar en los existentes para poder ser más competiti-
vas y anticiparse a los gustos del mercado.

• Imitación de las personas. La inteligencia artificial tiene como meta conocer al ser hu-
mano y lograr funcionar y trabajar como él. El objetivo es ayudar y resolver problemas en
todas las áreas posibles.

Además, con la inteligencia artificial se pueden conseguir muchas pautas y actividades

del hombre en la sociedad, puesto que la nueva tecnología consigue realizar las activida-
des del hombre que son complejas, generando pautas artificiales y, de este modo, evitan-
do los errores que suelen producir los hombres.

¿SABÍAS QUE...? Los sensores ingeribles son una realidad. La empresa Proteus Digital
Health ha creado uno del tamaño de un grano de arena. Este dispositivo
envía señales eléctricas a un parche que el paciente lleva implantado
sobre o debajo de la piel, de tal manera que el sensor monitoriza varios
parámetros y los datos pueden enviarse al smartphone del usuario y/o
al ordenador de su médico.

76
 • Supresión de actividades monótonas. La inteligencia artificial elimina la realización de
actividades recurrentes que antes eran realizadas por las personas. En las organizacio-
nes empresariales, las máquinas van sustituyendo muchas de las tareas de los trabaja-
dores. De este modo se perfeccionan los procesos para que las máquinas puedan hacer
las tareas de manera repetitiva, ilimitadamente y sin errores ni descanso, consiguiendo
grandes resultados.

Son muchos los avances obtenidos gracias a la inteligencia artificial. En el sector de la

sanidad, ha posibilitado optimizar la gestionar y funcionamiento de hospitales y centros
sanitarios mejorando gracias a la organización de las tareas de los profesionales sanita-
rios y en el registro de los ingresos.

Si nos fijamos en el campo de los videojuegos, la inteligencia artificial ha mejorado los

gráficos de los juegos y la manera de interactuar de los jugadores, que pueden competir
de manera individual contra el propio videojuego.

¿CUÁL ES EL FUTURO DE LA INTELIGENCIA ARTIFICIAL?

La inteligencia artificial ha protagonizado muchos avances en los últimos tiempos. La socie-

dad es cada día más receptiva a las ventajas que ofrece, lo que genera que existan más inver-
sores para el desarrollo de aplicaciones para muchos sectores. Por ejemplo, los sistemas de
pedidos de clientes, los diseños de motores de vehículos y los sistemas de autodiagnóstico,
entre otras aplicaciones, están desarrollados a través de la inteligencia artificial.

4.2. MACHINE LEARNING Y DEEP LEARNING

Los primeros en desarrollar la inteligencia artificial querían crear maquinas capaces de emular
la inteligencia del ser humano. Aunque programar una máquina para que puede pensar como
una persona parezca algo muy complicado, se está desarrollando a pasos agigantados gra-
cias al uso del Machine Learning y el Deep Learning.

Ambos términos están englobados dentro de la inteligencia artificial, que se desarrolla para
que las máquinas lleguen a ser incluso más inteligentes que los seres humanos.

Aunque Machine Learning y Deep Learning se traten como aspectos diferentes, tienen bas-
tante relación.

¿QUÉ SIGNIFICA MACHINE LEARNING Y DEEP LEARNING?

Hay que partir citando que hay que diferencias entre la inteligencia artificial robusta y la inte-
ligencia artificial aplicada.

• Inteligencia artificial robusta o strong. Se centra en aquella inteligencia por el que las
máquinas pueden simular la capacidad cognitiva de las personas. Es aquella inteligencia
que, desde el desarrollo de este campo, se pretende alcanzar desde el comienzo.

• Inteligencia artificial aplicada weak (narrow AI o applied AI). Este sector se genera a
través de algoritmos y aprendizaje a través del Machine Learning y Deep Learning.

77
 Big data
Tema 4. Inteligencia artificial

El Machine Learning es el desarrollo de algoritmos para analizar datos, poder aprender de

ellos, y generar predicciones.

Los informáticos saben que tienen que perfeccionar los algoritmos sobre un conjunto de
variables para conseguir tareas fiables y concretas.

Como bien se sabe, las máquinas son entrenadas mediante una gran cantidad de datos
y, a partir de ahí, generar algoritmos cada vez más perfeccionados.

Desde el principio del desarrollo de la inteligencia artificial los algoritmos han evoluciona-
do a través de árboles de decisión y programación lógica inductiva (ILP) para almacenar
grandes cantidades de datos.

IMPORTANTE
Los profesionales informáticos siguen trabajando y perfeccionando los
algoritmos para conseguir métodos más fiables y seguros.

El desarrollo del Machine Learning en los últimos años ha generado una nueva técnica
concreta, conocida como Deep Learning.

Deep Learning es un subconjunto dentro del Machine Learning que funciona con la idea
del aprendizaje desde el ejemplo.

En vez de enseñar a la máquina una cantidad enorme de pautas para solucionar proble-
mas, Deep Learning le aporta una manera de actuar para evaluar ejemplos y algunas
instrucciones que consigue que altere el modelo al producirse errores. Avanzando en el
tiempo, esos modelos son capaces de resolver los problemas de manera más eficaz, ya
que el sistema crea nuevos patrones.

Hay que decir que existen diferentes técnicas para desarrollar Deep Learning. Una de las
más famosas es simular un sistema de redes artificiales de neuronas dentro del software.

Esa red artificial de neuronas está formada por diferentes cuerpos, además de contactos
y una dirección en la que se propagan los datos que atraviesan cada cuerpo con una
función especial de análisis. De este modo se intenta trasladar una cantidad de datos
suficiente a los cuerpos de neuronas para que puedan reconocer pautas y clasificarlas.

Una gran ventaja sería trabajar con datos no etiquetados y evaluar sus pautas de com-
portamiento.

Un ejemplo de esto podría ser tener una imagen como información del primer cuerpo. En
este lugar se divide en miles de trozos que cada neurona estudiará por separado. Aquí
se estudiará la forma, el comportamiento, etc., y de este modo cada cuerpo o parte se
especializa de una característica en concreto.

Por último, los cuerpos o partes del final de neuronas aglutinan toda la información y ge-
neran el resultado. Cada neurona aporta un peso a la entrada, siendo correcto o erróneo
de manera relativa a su función. La salida se generará a través de la suma de esos pesos.

78
 Por ejemplo, la imagen de una taza se puede estudiar como la forma que representa, el
fondo, su asa, etc.

La red neuronal finalizará si aporta una señal o no, y con el tiempo se podrá finalizar con
mejores probabilidades de acierto en cada cuerpo o parte.

Actualmente, la tecnología ha avanzado lo suficiente para poder asegurar el manejo real

de Deep Learning.

EL PRESENTE Y EL FUTURO DE DEEP LEARNING

El Deep Learning está avanzando de tal manera que el progreso nos lleva a otra realidad,
siendo capaces de interpretar el mundo de diferentes maneras mediante el análisis del len-
guaje y el reconocimiento de imágenes.

Existen muchas organizaciones empresariales que en la actualidad están desarrollando gran-

des aplicaciones.

En 2012, la revolución de Deep Learning, a través de Andrew NG, consiguió un hito en Goo-
gle, reconociendo un gato entre más de 10 millones de vídeos de YouTube. Por aquel enton-
ces se necesitaron unos 16 000 ordenadores.

En la actualidad existen ejemplos como Facebook, donde se pueden etiquetar las fotos que
se suben a la red, o Uber, que utiliza la inteligencia artificial para optimizar los viajes que rea-
lizan sus clientes tomando como referencia diferentes datos propios de la logística, en vez de
utilizar variables del transporte urbano.

Otra de las áreas importantes de Deep Learning es el reconocimiento de voz. Google trabaja
desde hace muchos años usando técnicas como Long Short-term Memory Recurrent Neural
Networks para conseguir mejorar sus funciones.

¿A QUÉ SE ENFRENTA MACHINE LEARNING?

La necesidad de entrenar las grandes redes de neuronas hace que sea primordial aumentar
la capacidad de procesamiento.

Para ello, en los últimos tiempos se han usado GPU para conseguir esas funciones de forma
más eficiente, consiguiendo ahorrar la necesidad de tener a su disposición grandes cantida-
des de máquinas para conseguir realizar los cálculos.

Se puede asegurar que Nvidia es una de las principales tecnologías, tomando como refe-
rencia muchos de sus elementos, trabajando en el uso de procesadores para la inteligencia
artificial de manera independiente, como es el caso de los drones.

79
 Big data
Tema 4. Inteligencia artificial

4.3. TECNOLOGÍAS Y HERRAMIENTAS DISPONIBLES

INSURTECH

Insurtech está relacionado con el sector de los seguros. Insurance significa seguros y techno-
logy es tecnología. De este modo, insurtech serían las nuevas tecnologías de big data que se
utilizan en el sector de los seguros.

Imagen 3. En los últimos años, herramientas como Insurtech se aplican en sectores como el de seguros para
ofrecer las mejores soluciones a los clientes.

El término fintech hace referencia a empresas de reciente creación, es decir, startups que
comercializan servicios financieros con elementos tecnológicos. Es decir, son empresas fi-
nancieras que utilizan tecnología de inteligencia artificial en su comercialización y actividad.

Estos dos términos han ido ganando importancia en los últimos años conforme la tecnología
ha ido evolucionando.

De este modo, se intentan implantar nuevos métodos que consigan optimizar el funcionamiento y
análisis de este tipo de empresas para ofrecer sus productos y servicios en las mejores condiciones.

TECNOLOGÍA EMPLEADA EN EL SECTOR INSURTECH

• Inteligencia artificial. Con la inteligencia artificial se puede conseguir repetir razona-

mientos o pautas que están íntimamente relacionadas con el ser humano. La inteligencia
artificial se aplica en teléfonos móviles, televisiones, etc.

• La nube. Es un grupo muy amplio de servidores repartidos por todo el mundo y capaces
de almacenar grandes cantidades de información. De este modo, toda esa información no
se tiene que guardar en un disco o una memoria USB.

• Big data. Es una tecnología que desarrolla métodos y procesos de grandes cantidades
de datos. A partir de ahí se crean modelos más eficientes para conseguir realizar opera-
ciones más precisas y sin errores.

• Blockchain. Este tipo de tecnología ofrece un intercambio de información de forma anó-

nima y encriptada, evitando de este modo que se realicen falsificaciones.

80
 ¿SABÍAS QUE...?
El big data es un fenómeno que puede beneficiar a todos si sabemos
cómo tratarlo, pero no debemos olvidar que esta generación masiva
de datos puede afectarnos personalmente, por lo que aumentar su
seguridad deberá ser algo esencial.

EJEMPLO DE INSURTECH

Un ejemplo de este tipo de tecnología podría ser un programa o aplicación informática que ofre-
ce a los clientes generar una póliza de seguro en relación a sus necesidades particulares, ade-
más de poder iniciar la contratación de la misma a través de la aplicación de su teléfono móvil.

Esta aplicación facilitaría las transacciones de los clientes y, además, ofrecería a las organiza-
ciones empresariales de seguros generar información sobre sus clientes y público en general.

Otro ejemplo de insurtech podría ser el peritaje que realizan hoy en día las empresas asegu-
radoras. Todos sabemos que cuando se asegura un coche a través de una compañía existe
una aplicación que realiza la peritación. De esta forma no se precisa perito ni tener que llevar
el vehículo hasta un lugar en concreto para su peritaje.

PERO, ¿CUÁLES SON LAS HERRAMIENTAS DE BIG DATA MÁS IMPORTAN-

TES EN LA ACTUALIDAD?

• Python. Esta aplicación es un lenguaje muy avanzado de programación muy conocido, ya

que su uso es bastante sencillo en relación a otros.

Se trata de un software utilizado en el big data usado por su sencillo uso en el estudio y
análisis de datos.

Python es único por su condición de código abierto, que hace que sea una herramienta muy
colaborativa, ya que los usuarios permiten a los siguientes utilizarla en mejores condiciones.

• Lenguaje R. Este tipo de lenguaje ofrece un entorno de software para calcular datos es-
tadísticos y gráficos. Es la herramienta de big data más usada por parte de empresas y
profesionales del sector de la estadística.

Al igual que Python, su lenguaje de programación es de filosofía colaborativa, contando

con una licencia de código abierto.

De este modo, ofrece a los usuarios internarse en una gran cantidad de información de
librerías de la comunidad R.

Otro dato a destacar es la herramienta RStudio, ofreciendo un editor de sintaxis que apo-
ya la ejecución de código, además de metodologías para el trazado, entre otras.

• Hadoop. La herramienta Hadoop también tiene licencia de código abierto y está considera-
da como el framwork ideal para el almacenamiento de grandes cantidades de información.

Adicionalmente, se usa para evaluar y estudiar datos. Es una importante herramienta en

el sector de big data utilizada por empresas como Yahoo! y Facebook.

81
 Big data
Tema 4. Inteligencia artificial

Sus principales ventajas son:

– Tolerancia a generar fallos. De este modo, si falla un nodo, el trabajo realizado se en-
camina a otras formas para asegurar el éxito del trabajo.

– Capacidad para poder almacenar y procesar inmensas cantidades de información al

momento.

– Poder procesar a gran velocidad.

• Apache Spark. Esta herramienta es una de las piezas clave en el procesamiento de da-
tos más rápido en la actualidad.

Tiene licencia de código abierto, ofreciendo mejores soluciones generadas por los usua-
rios. De este modo, la comunidad facilita la resolución de problemas de nuevos procesos.

La gran ventaja de Apache Spark es que puede funcionar con una gran cantidad de len-
guajes de programación. De este modo, los usuarios pueden programar con cualquier
lenguaje, ya sea R, Scala o Python.

• MongoDB. La diferencia que ofrece Mongodb es su especialización en relación al resto

de base de datos relacionales.

MongoDB es una base de datos que se centra en los documentos. Almacena los datos en
documentos y no en registros. Los documentos se almacenan en formato BSON, que es
una representación binaria de JSON.

• Apache Cassandra. Es uno de los software que más se usan en la actualidad. Es una
base de datos que ofrece un alto rendimiento en la entrada y salida de datos.

Su facilidad para su utilización es muy sencilla. Tolera fallos, aunque sea una base de
datos de alto rendimiento.

• Elasticsearch. Esta aplicación es una de las herramientas más potentes de big data para
la búsqueda de importantes cantidades de información. Es un software que se puede
usar, aunque trabaje con datos complejos.

Lo que hace relevante a esta herramienta es el permiso de indexación y análisis en tiempo

real de grandes cantidades de información, pudiendo realizar consultas sobre la misma.

• Apache Storm. Apache Storm es una herramienta de big data con mayor capacidad para
procesar mucha cantidad de datos en tiempo real.

Este software es muy eficiente a la hora de monitorizar procesos. Es decir, puede identifi-
car información de redes sociales con una alta volatilidad.

• Apache Drill. Un aspecto fundamental del big data es poder integrar diferentes aplicacio-
nes dentro de un mismo software. En este punto aparece Apache Drill como un verdadero
guía de consultas SQL, que aglutina muchos tipos de base de datos y sistemas de archi-
vo, que se citan a continuación:

82
 – DDFS.

– MongoDB.

– HBase.

– MapR-DB.

• Apache Oozie. Apache Oozie ofrece a los administradores del clúster diseñar cambios de
datos complejos a partir de múltiples tareas de componentes.

Así pues, la manera en la que fluye el trabajo ofrece gestionar los trabajos de Hadoop.

¿SABÍAS QUE...?
Estudios de Vanson Bourne revelan que el 45 % de las empresas que
no cuentan con un plan sustentado en big data tienen el propósito de
incorporarlo en un plazo de tres años.

83
IDEAS CLAVE
• La inteligencia artificial moderna, colaborando con tecnologías actuales, tiene diversas
funcionalidades y crea muchos tipos de beneficios a los distintos usuarios.

• Los ordenadores funcionan en relación al “sí” o el “no”, por lo que no pueden razonar so-
bre algo intermedio. Además, aquellos ordenadores más modernos capaces de resolver
millones de cálculos por segundo no pueden saber lo que un “tal vez”.

• Los sistemas expertos no tienen los típicos problemas que las personas (enfermedades o
cansancio) y son menos propensos a incoherencias y errores.

• Las redes neuronales llevan a cabo pautas de información para conseguir nuevas habilidades.

• Los responsables de muchas organizaciones empresariales usan sistemas para planificar

sus trabajos, ayudando en funciones como análisis competitivo, asignación de recursos, etc.

• Aunque Machine Learning y Deep Learning se traten como aspectos diferentes, tienen bas-
tante relación. Hay que incidir en la importancia que están teniendo en los avances tecnológi-
cos actuales y futuros, tanto en sectores empresariales como en la vida diaria de las personas.

• El Deep Learning está avanzando de tal manera que el progreso nos lleva a otra realidad,
siendo capaces de interpretar el mundo de diferente manera, mediante análisis del lengua-
je, reconocimiento de imágenes, y con ello, anticiparse a muchos problemas existentes.

85
GLOSARIO
— Deep Learning. Es un subconjunto que estaría dentro del Machine Learning y que fun-
ciona con la idea del aprendizaje desde el ejemplo.

— Fintech. Hace referencia a empresas de reciente creación, es decir, startups que co-
mercializan servicios financieros con elementos tecnológicos. Son empresas financie-
ras que utilizan tecnología de inteligencia artificial en su comercialización y actividad.

— Insurtech. Está relacionado con el sector de los seguros. Insurance significa seguros y
technology es tecnología. De este modo, insurtech sería las nuevas tecnologías de big
data que se utiliza en el sector seguros.

— Inteligencia artificial. Inteligencia artificial (IA) es la ciencia que tiene como fin que las
máquinas hagan cosas como si las estuvieran haciendo las personas.

— Lógica difusa. Tradicionalmente los ordenadores han trabajado con decisiones ab-
solutas, en las que todo puede ser un “si” o un “no”. La lógica difusa sería un término
medio en el que se puede aceptar un “tal vez”.

— Machine Learning. Es el desarrollo de algoritmos para recopilar datos, aprender de

ellos y generar predicciones.

— Redes neuronales. Llevan a cabo pautas de información para conseguir nuevas habi-
lidades. Aprender a realizar actividades para el usuario, generando una nueva prepara-
ción, alimentando los datos del sistema para a continuación, buscar patrones.

— Sistema experto. Es un software de ordenador que aplica el conocimiento primor-

dial de un especialista en cualquier sector que se pueda aplicar, como por ejemplo en
derecho, medicina, matemáticas, etc., y todo ello para conseguir resolver situaciones
complejas sin la intervención del ser humano.

87
BIBLIOGRAFÍA
Aldominos Gómez, A. (2017). Procesamiento y análisis inteligente de Big Data. García Maroto
Editores.

Casas Roma, J. (2019). Big data: análisis de datos en entornos masivos. Editorial UOC.

Joyanes Aguilar, L. (2013). Big data: análisis de grandes volúmenes de datos en organiza-
ciones. Marcombo.

89
TEMA 5
Casos de uso en la industria
 Big data
Tema 5. Casos de uso en la industria

OBJETIVOS
Con el estudio de la presente lección, el alumno será capaz de:

• Entender los beneficios que puede aportar el big data en el sector de la medicina.

• Entender los beneficios que puede aportar el big data en el sector de la ingeniería civil.

• Entender los beneficios que puede aportar el big data en el sector servicios.

92
5.1. CASOS DE USO EN MEDICINA
Los usos del big data en la medicina, y en el sector de la salud en general, se pueden utilizar
en diferentes ámbitos como en ensayos clínicos, genómica, operativa clínica, teleasistencia,
gestión administrativa, etc.

¿SABÍAS QUE...?
Las técnicas de big data aplicadas a la salud han permitido el procesamien-
to y análisis del gran volumen de datos que cada día produce la actividad en
el campo de la medicina, facilitando la labor de médicos e investigadores.

El futuro inmediato del sector de la medicina está íntimamente ligado al uso de herramientas
digitales para analizar y consultar, de manera segura y organizada, la gran cantidad de datos
e información que se van creando con la evolución tecnológica.

Existen multitud de datos generados por todas aquellas técnicas de big data, como datos per-
sonales, informes clínicos, etc.

Toda esta información genera una medicina más eficaz, obteniendo datos y medicina perso-
nalizada, predictiva y organizada.

IMPORTANTE
El uso del big data en el sector de la salud se lleva a cabo en muchísi-
mos ámbitos como en teleasistencia, gestión administrativa o ensayos
clínicos, entre otros.

Aplicaciones del uso del big data en la medicina:

• Medicina poblacional y tecnologías big data.

• Big data para una medicina preventiva.

• Técnicas big data y medicina participativa.

• Medicina personalizada con big data.

• Modelos algorítmicos para una medicina predictiva.

MEDICINA POBLACIONAL Y TECNOLOGÍAS BIG DATA

El análisis e investigación de la salud se realizaba tomando como referencia un conjunto de

individuos que representaban a la población, y a continuación, se extrapolaban estos datos al
resto de las personas.

Este enfoque ha quedado en desuso debido a la evolución de las tecnologías como el análisis
del genoma humano.

93
 Big data
Tema 5. Casos de uso en la industria

¿SABÍAS QUE...?

¿Sabías que se estimó que en 2020 el volumen de datos de salud del

mundo pudo haber rellenado 500 billones de archivadores de 4 cajones?

A continuación, empezó a desarrollarse la medicina personalizada para acometer las enfer-

medades de cada persona.

• Los individuos de una sociedad pueden beneficiarse si se aplican técnicas de análisis de

datos en medicina, como, por ejemplo:

• Evaluar la eficacia de todos aquellos efectos secundarios de todo medicamento o de un

tratamiento determinado.

• Generar un repositorio centralizado, organizado y normalizado de alertas.

• Generar patrones de comportamiento de individuos y profesionales de la medicina.

• Segmentar la población en diferentes grupos a través de distintas características so-

ciosanitarias.

• Detectar antes a aquellos pacientes que necesiten tratamientos sanitarios.

• Clasificar a los individuos de una sociedad para escoger a aquellas personas y mejorar la
eficacia de los ensayos clínicas.

La medicina poblacional ahorra costes, y lo más importante, tiempo.

Debido a las nuevas tecnologías en big data, se puede analizar la información y evaluar las dife-
rentes situaciones, mostrándose la mejor posibilidad o tratamiento para cada paciente en cuestión.

BIG DATA PARA LA MEDICINA PREVENTIVA

Poder anticiparse, y de este modo conseguir satisfacer las necesidades de los individuos enfer-
mos, es uno de los objetivos del big data en el uso de la medicina, además de generar un mejor
funcionamiento en laboratorios y centros sanitarios, aplicando las nuevas tecnologías de big data.

IMPORTANTE
Las nuevas tecnologías asociadas a big data permiten analizar información,
mostrando la mejor posibilidad para atajar cualquier problema del paciente
en cuestión.

Evaluar y estudiar el impacto de estas nuevas tecnologías en lo social y en datos históricos

puede generar políticas preventivas concretas:

• Políticas públicas que consigan una evolución de la educación para la salud.

94
 • Campañas de salud medioambiental.

• Observación sobre posibles brotes de epidemias.

• Estudios sobre posibles apariciones de nuevas enfermedades.

• Creación de investigaciones sobre salud pública.

• Generación de servicios para la gestión de la calidad asistencial.

• La medicina preventiva se sitúa en un principio con una serie de datos, y a partir del es-
tudio de estos, se genera un aumento del bienestar social, puesto que nos hace obtener
información relevante sobre nuestra salud mental y física.

TECNOLOGÍAS BIG DATA Y LA MEDICINA PARTICIPATIVA

La evolución de internet y nuestra dependencia hacia él ofrece tanto a individuos como a los
profesionales sanitarios el poder crear y participar directamente en grupos de participación
online, poniendo de relieve conceptos como e-paciente, así como desarrollar propuestas so-
bre big data como el análisis de texto libre, estudio del sentimiento, y codificación automática
de datos clínicos para obtener:

• Reducción de errores sanitarios.

• Trato personalizado.

• Resolución de test con mejores resultados.

• Medidas de prevención con mejores resultados.

• Realización de nuevos tratamientos.

• Seguimiento y mejora de las pautas terapéuticas.

• Adherencia a tratamientos.

¿SABÍAS QUE...?
Mediante técnicas de big data se podrían almacenar los datos de un
paciente para crear un historial clínico al que podrían acceder todos
los médicos, predecir la aparición de ciertas enfermedades e incluso
recomendar tratamientos especializados para el paciente gracias al
cruce de los datos de la población.

La medicina participativa hace que los ciudadanos sean más participativos y responsables en
relación con su propio estado de salud.

Con el estudio de datos obtenidos, las personas deciden sobre su salud y las enfermedades.

Se produce una mayor implicación, facilitando mejores diagnósticos y asimilación a los nue-
vos tratamientos.

95
 Big data
Tema 5. Casos de uso en la industria

MEDICINA PERSONALIZADA CON BIG DATA

Cuando se usan las nuevas tecnologías de big data aplicadas al sector de la medicina, se
consigue salvar vidas, siendo lo más importante, y además minimizar los costes.

Además, se consigue una mayor calidad de la asistencia, teniendo un trato cercano, directo
y personalizado.

Es por ello, que, con las técnicas utilizadas de big data en el sector de la medicina, se permite:

• Aumentar el autocuidado de los individuos, debido a una mayor y mejor información en

todo lo relativo a la salud.

• Fomentar nuevas soluciones para tomar las mejores decisiones.

• Aprovechar toda la información generada a través de las redes sociales, aplicaciones de

salud, etc.

• Optimizar la teleasistencia.

• Promulgar la planificación sobre tratamientos.

La medicina personalizada hace que se produzcan relaciones más estrechas y personalizadas

entre los distintos profesionales sanitarios y los pacientes, provocando una gran participación
de todos ellos.

¿SABÍAS QUE...?
Es posible facilitar los procesos dentro del sistema de salud, e incluso
mejorar las capacidades de diagnóstico y tratamiento de enferme-
dades, ya que el médico cuenta con un cuadro completo del paciente.

La realización del análisis de datos provoca el modelar al individuo y posibilitar a cada uno lo
que mejor le convenga, aumentando la eficacia del sistema correspondiente.

MODELOS ALGORÍTMICOS PARA UNA MEDICINA PREDICTIVA

Tomando como referencia el modelo existente, y todos los datos que se tienen, se pueden
crear modelos algorítmicos en el sector de la salud permitiendo mejorar la información, ge-
nerar y estudiar en mejores condiciones a los individuos y sus necesidades, apoyando a los
profesionales sanitarios:

• Control de epidemias.

• Detección de enfermos hiperfrecuentadores (los que acuden a consulta médica de cabe-

cera doce o más veces al año).

• Predicción de reingresos.

• Sistemas de alertas inteligentes.

96
 • Detección temprana de enfermedades.

• Evaluación de gastos.

• Diagnóstico preventivo de enfermedades neurodegenerativas.

La medicina predictiva se anticipa a las posibilidades de que ocurra algo, posibilitando preve-
nir situaciones antes de que sucedan. La analítica predictiva se usa para obtener datos, y a
partir de ellos, poder salvar vidas.

Además, existen infinidad de posibilidades para poder mejorar el sistema sanitario, el bienes-
tar general de las personas, etc.

IMPORTANTE
La medicina predictiva se anticipa a las distintas opciones, y de este
modo, se pueden prevenir situaciones que podrían pasar.

Estas nuevas tecnologías ofrecen infinitas posibilidades que en breve harán revolucionar
cómo gestionar el sistema sanitario.

Por ejemplo, llevar a cabo las distintas técnicas analíticas (prescriptiva, predictiva y descripti-
va) a la medicina en general, estudiar de forma eficiente los riesgos de los procesos, y saber
cuál puede ser el mejor tratamiento eficaz para el individuo, conocer cuáles son las necesida-
des de las organizaciones y, además, cuál es la disponibilidad de las camas en un hospital,
entre otros muchos problemas existentes.

Otro de los éxitos de la aplicación de estas nuevas tecnologías es poder reducir el gasto en
servicios sanitarios y los números en mortalidad, utilizando técnicas de big data en la medicina.

El análisis de datos en la salud, deporte, y el bienestar general aumenta la probabilidad de

éxito de todos los sistemas que funcionan en el sector de la salud.

El objetivo es encontrar un software de éxito para aprovechar la información que se obtiene

de los datos, y poder tomar la mejor de las decisiones.

5.2. CASOS DE USO EN INGENIERÍA CIVIL

Como bien se sabe, es de vital importancia hoy en día el uso de big data en muchos sectores
y, sobre todo, en el sector de la ingeniería civil y en sus procesos.

Es de vital importancia a la hora de realizar preguntas para poder decidir sobre cuestiones
muy importantes y relevantes.

A continuación, se van a exponer algunas de las aplicaciones del mundo de la ingeniería en

las que el big data juega un papel fundamental:

97
 Big data
Tema 5. Casos de uso en la industria

BIG DATA EN SMART CITIES

Como bien se sabe, el concepto de smart city es bastante conocido.

Sin embargo, y sabiendo que muchas ciudades del mundo se autodenominan inteligentes,
en realidad hay muy pocas que llevan a cabo el uso de las nuevas tecnologías de big data,
y es por ello que la eficacia conseguida por estas ciudades se aleja bastante de lo que real-
mente se puede considerar una ciudad inteligente.

Aparte de instalar multitud de sensores por todos los rincones de la ciudad en cuestión, y
como es obvio, recoger información y datos a través de aquellos.

Para que una ciudad se considere smart, se deben conocer todas las variables que puedan
afectarle y coordinarlas para conseguir eficiencia en temas como movilidad urbana, gestión de
recursos, seguridad ciudadana, etc.

¿SABÍAS QUE...?
Un procesador de lenguaje natural que es capaz de leer 200 millones
de páginas en tres segundos, y de esa forma, puede analizar el histo-
rial de un paciente y sus síntomas, y crear una lista de enfermedades
probables, ayudando a dar un diagnóstico correcto.

Uno de los puntos más importantes de las ciudades inteligentes y que las nuevas tecnologías
del big data pueden aportar es en la gestión del tráfico.

Con la suficiente información, y usando una serie de técnicas machine learning adecuadas, se
puede conseguir saber antes de tiempo cómo se va a comportar algo o qué va a pasar, para
de este modo tomar decisiones.

EJEMPLO
Amazon Polly es una herramienta que convierte un texto en voz, permi-
tiendo crear aplicaciones que hablan, además de nuevas categorías de
productos con esa capacidad.

Con esta información, se puede:

• Calcular los costes de las rutas correspondientes.

• Evaluar patrones de movimientos.

• Estudiar qué pasa cuando se producen eventos importantes, como conciertos o partidos
de fútbol.

• Estudiar cómo interfiere el tiempo en el transporte.

• Visualizar cómo repercute el tráfico de una ciudad, cómo este afecta a los tiempos cuando
los ciudadanos van a su trabajo y estudiar puntos calientes.

• Evaluar patrones de movimiento.

98
Es, por tanto, una de las herramientas que más repercusión tendrá en el futuro dentro de
las ciudades modernas, siendo imprescindible en el desarrollo y evolución de estas en los
próximos años.

BIG DATA APLICADA A LA LOGÍSTICA

Hoy en día, las personas no somos conscientes de la importancia que tiene en la vida real
la logística, y de que esta tiene un papel protagonista en el mundo tal y como lo conocemos.

Es por ello por lo que, debido a su importancia, y a la constante evolución del sector, se debe
trabajar para que la logística sea más eficiente, y por consiguiente aumentar la gestión y pla-
nificación en todos los sentidos.

IMPORTANTE
El big data aplicado a las nuevas tecnologías de la información y comu-
nicación genera grandes beneficios en el sector de la logística, ya que
permite, entre otras funciones, facilitar mejores rutas en los transportes,
poder estudiar datos relativos a los costes, y de este modo, mejorar las
experiencias de los clientes.

Se ha de señalar que un aspecto que revolucionó el transporte por mar ha sido la estandarización del
contenedor, y es a través de las nuevas tecnologías del big data, que sigue evolucionando el sector.

Hoy en día, y debido al uso de aplicaciones big data, las organizaciones empresariales del
sector pueden consultar en tiempo real los transportes y envíos para poder controlar todos los
aspectos clave del negocio.

De este modo, las aplicaciones big data en relación con la logística provocan un gran aumento
de la eficiencia, además de mejorar la experiencia del cliente, e incluso conseguir crear nue-
vos modelos de negocio.

En relación con el transporte por carretera, el sistema ORION (on-road integrated optimiza-
tion and navigation) mejora la planificación y gestión de rutas comerciales, debido al estudio
y evaluación de rutas mediante un sistema de recomendaciones, mejorando la eficiencia del
transporte por carretera.

OTRAS APLICACIONES

Como bien se sabe, el uso y el desarrollo de las tecnologías big data se centra sobre todo en
la gestión y planificación.

En puntos anteriores se ha visto el uso big data en smart cities y en la gestión de la logística,
pero se puede usar, además, en aeropuertos, seguridad vial, etc.

Hay que añadir que el uso de big data no está limitado a la gestión y planificación de alguno
de los sectores. Todo lo contrario. En un futuro próximo, se usará e implantará a cualquier uso
o sector de la ingeniería civil.

Solo hay que esperar y valorar las grandezas de las nuevas tecnologías y los éxitos que se
lograrán.

99
 Big data
Tema 5. Casos de uso en la industria

EJEMPLO Un ejemplo claro de aprendizaje automático son aquellas aplicaciones

de música bajo demanda como Spotify, Deezer o Tidal.

En estas aplicaciones, a la hora de decidir qué nuevas canciones o can-

tantes recomendar, los algoritmos asocian las preferencias del usuario
con otros oyentes que tienen gustos similares.

Esto mismo ocurre con aquellas plataformas de películas y series como

HBO o Disney+.

5.3. CASOS DE USO EN EL SECTOR SERVICIOS

FINANZAS
El sector de las finanzas es un mercado que está en continuo movimiento.

Los mercados están continuamente funcionando y operando, y las operaciones que se llevan
a cabo provocan un constante flujo que genera millones de movimientos, de los cuales se
puede extraer muchísima información:

• Minimizar los riesgos.

• Anticiparse a posibles oportunidades.

• Detectar ilegalidades.

• Gestión de aplicaciones de forma inteligente.

• Visibilidad avanzada persistente.

• Relacionar ingresos con operaciones.

• Optimizar balanceos de carga.

• Nuevas técnicas de big data.

¿SABÍAS QUE...?

Ahora es mucho más fácil obtener un mejor conocimiento sobre clientes,

el estado de la industria, el crecimiento de una empresa, etc.

SECTOR PÚBLICO
Bien es sabido que las Administraciones públicas son las que gestionan y realizan aquellas ta-
reas que deben ser resueltas en situaciones bastantes problemáticas en los siguientes ámbitos:

• Economía.

100
 • Transporte.

• Seguridad.

• Medio ambiente.

Es por ello por lo que continuamente se buscan soluciones que resuelvan los problemas y así
satisfacer las necesidades correspondientes:

• Mejorar los servicios.

• Detectar de manera automáticas fraudes, ilegalidades y malversación de fondos públicos.

• Gestión del conocimiento.

• Nuevas aplicaciones en investigación científica, entre otras.

• Detección de actividades criminales.

• Ciberseguridad.

• Infraestructuras.

• Evaluación de datos para llevar a cabo una mejor gestión de quejas y reclamaciones lle-
vadas a cabo por la ciudadanía.

MEDIOS Y TELECOMUNICACIONES

Como bien es sabido, en los últimos años, ha evolucionado y lo está haciendo a pasos agi-
gantados el sector de los medios de telecomunicación.

• Es por ello por lo que los diferentes medios en este sector se deben centrar en:

• Obtener predicciones a través de la información recogida para poder tomar decisiones

acertadas.

• Mantener la infraestructura del backend.

• Detectar las diferentes incidencias que se puedan producir en tiempo real, y de este modo,
dar respuesta lo antes posible.

RETAIL

El sector del comercio en sus distintas vertientes sigue transformándose continuamente y a

una velocidad aterradora.

IMPORTANTE
Las aplicaciones de big data en el sector retail suministran información
importante de los clientes reflejando gustos, tendencias y formas de
pago en las decisiones de compra.

101
 Big data
Tema 5. Casos de uso en la industria

Es por ello por lo que este sector aprovecha las diferentes tecnologías del big data para con-
seguir mejores experiencias para sus clientes:

De este modo, el sector debe utilizar las diferentes tecnologías big data para las siguientes
acciones:

• Segmentación por perfiles.

• Inventarios.

• Gestión de gastos.

• Gestión de ingresos.

• Estudio y evaluación para ofrecer mejores experiencias.

• Estudio del tipo de compra por parte de los clientes.

• Estudios de mercado.

• Estudios de gustos y necesidades.

• Localización de lugares estratégicos.

• Ayuda a la creación de marca.

• Detección en la filtración de datos.

• Generación de nuevas aplicaciones.

• Enfoque orientado a los clientes.

Big data es un término que está de moda, y aún hoy en día, genera muchos interrogantes
cada vez que se nos plantea.

Cada vez se crean más aplicaciones y ejemplos de big data en diferentes sectores.

Por ejemplo, cuando ponemos de manera aleatoria Netflix o Spotify, estos nos proponen con-
tenidos y música en función de búsquedas anteriores o reproducciones ya efectuadas en las
aplicaciones.

¿SABÍAS QUE...?

Se estima que la librería de Netflix tiene un peso de 1 Petabyte, algo así

como mil millones de terabytes. Y sigue en aumento.

Aunque no se aprecia a simple vista la velocidad y cantidad de información que usan estas
aplicaciones, existen infinidad de tecnologías de machine learning trabajando para mejorar las
experiencias de los clientes.

Hay áreas de big data que están siendo un gran diferenciador.

102
Ya se ha hablado de diferentes sectores donde el big data mejora los contenidos y experien-
cias de las personas, pero, además, estas aplicaciones se concentran en sectores económi-
cos, provocando mejores resultados:

• Big data en marketing digital. Es bien sabido que el marketing tradicional usaba las
relaciones con los clientes y las encuestas para generar su trabajo.

Antes, las organizaciones realizaban anuncios en diferentes medios de comunicación

y demás, y se sabía realmente el impacto que generaban todo este tipo de anuncios
en los individuos.

Pero llegó internet y el desarrollo de las tecnologías big data, y el marketing digital se
transformó.

Hoy en día, el big data puede generar cantidades enormes de información y datos en poquí-
simo tiempo, y de este modo, conocer los comportamientos y necesidades de los clientes.

Este estudio de datos e información ayuda a los profesionales del sector a realizar cam-
pañas y noticias, enfocadas directamente a sus clientes, dependiente de sus preferencias
y gustos, para poder generar mejores experiencias entre sus clientes.

Uno de los mayores éxitos y ejemplos de big data en este sector es Amazon, que analizó
y estudió los millones de compras realizadas por sus clientes en todo el mundo, para des-
pués analizar las preferencias de gustos y compras y las formas de pago, para de este
modo, generar ofertas y anuncios enfocados a todos estos gustos y formas de actuar.

• Big data en business insights. Una de las mayores aplicaciones de big data es la manera
de generar información empresarial.

En torno al 60 % de la información recogida por las organizaciones empresariales y redes

sociales no está estudiada por ellos mismos.

Si estos datos se utilizaran de forma correcta, podrían resolverse muchos problemas exis-
tentes en la actualidad.

Se generarían grandes ganancias, desarrollo de productos y grandes experiencias en la

satisfacción del cliente.

Sin embargo, hay que decir que cada vez más las organizaciones se están dando cuenta
de la importancia del big data y de la utilización de estas tecnologías para analizar toda la
información y generar grandes resultados empresariales.

Por ejemplo, se puede poner como ejemplo el éxito de Netflix, que usa los datos obteni-
dos para saber cómo se comportan los clientes, cuáles son las series y películas que les
gustan, etc.

• Big data en el sector bancario. La cantidad enorme de información y datos que recibe
continuamente el sector bancario se ha disparado con la irrupción de la pandemia.

Este aumento de información crece anualmente de manera exponencial.

103
 Big data
Tema 5. Casos de uso en la industria

Con la información recibida, se pueden realizar estudios y análisis para poder ayudar, por
ejemplo, a actividades ilícitas, como puede ser:

– Uso indebido de tarjetas.

– Blanqueo de capitales.

– Alteración de datos.

En la actualidad, existen diferentes aplicaciones para poder detectar el blanqueo de capi-

tales, como por ejemplo SAS AML, que usa data analytics in banking para detectar opera-
ciones sospechosas y estudiar los datos de este tipo de movimientos.

EJEMPLO Hoy en día, todas las entidades bancarias trabajan con aplicaciones informá-
ticas que recrean y tienen fichas y estadísticas de todos y cada uno de sus
clientes para, en relación con sus productos y servicios contratados, ofrecer-
les aquellos otros productos o servicios que mejor les pueda interesar.
Por ejemplo, si en una determinada entidad, un cliente tiene cierta can-
tidad de dinero en una de sus cuentas, las herramientas informáticas de
ese banco ofrecerán en pantalla posibilidades de inversión en productos
como fondos de inversión o plazos fijos, para mover ese dinero.
Los empleados de esa entidad obtendrán esa información, y a continua-
ción se sentarán con el cliente para ofrecerles esa posibilidad de inversión
y poder generar rentabilidad a sus ahorros.

• Big data en la industria de los medios y el entretenimiento. Cuando los clientes

acceden a diferentes servicios y además a través de distintos dispositivos, se crea una
gran cantidad de datos.

Es por ello por lo que hoy en día se genera gran cantidad de información que debe ser
analizada por aplicaciones big data en el sector de los medios y el entretenimiento.

EJEMPLO Un ejemplo del uso de big data en la industria de los medios y el en-
tretenimiento es la plataforma streaming para ver películas y series
Amazon Prime.
Cuando se busca en esta plataforma algún tipo de serie (aventuras,
comedia, ciencia ficción) la plataforma recopila información sobre los
gustos de los usuarios, y de este modo sabe qué información mostrar,
generando información útil. Por ejemplo, si una persona recientemente
ha buscado películas de ciencia ficción, la plataforma lo reconoce y
volverá a mostrar resultados o películas relacionadas con esa temática.

Adicionalmente, existen plataformas en las redes sociales que generan mucha informa-
ción al interactuar con ellas.

A continuación, las organizaciones de este sector han visto como una gran posibilidad
tratar estos datos con las distintas aplicaciones big data para poder crecer.

104
 A continuación, se citan algunos de los muchos beneficios del uso de big data en las
redes sociales:

– Conocer los gustos de los clientes.

– Al conocer estos gustos, realizar anuncios orientados a estos gustos.

– Predecir las audiencias.

– Programar de forma optimizada.

¿SABÍAS QUE...?
El uso del big data en la industria del entretenimiento está creciendo a
un ritmo sin precedentes desde hace muy pocos años, y es que cada
vez más empresas del sector están utilizando el análisis de grandes
cantidades de datos para ofrecer productos más específicos.

• Big data en el sector gubernamental. Hoy en día los gobiernos recopilan gran cantidad
de información y datos a diario. Esto conlleva que deben gestionar y analizar las tenden-
cias y gustos de los ciudadanos, además de diferentes variables como casos geográficos,
recursos energéticos, etc.

Toda esta información se hace posible gracias a las tecnologías big data.

Este estudio y evaluación por parte de los gobiernos ayuda a estos de muy diversas ma-
neras como:

– Superar circunstancias adversas como el terrorismo, desempleo, problemas medioam-

bientales, etc.

– Saber estudiar y evaluar diferentes circunstancias para poder tomar decisiones inme-
diatas y adecuadas.

– Tomar decisiones inmediatas con respeto a programas políticos.

EJEMPLOS DE HERRAMIENTAS PARA TRABAJAR CON BIG DATA

Hoy en día el big data utiliza infinidad de herramientas y aplicaciones que abarcan infinidad de
datos en continuo movimiento y crecimiento.

Las aplicaciones y programas informáticos tradicionales utilizan bases de datos que no son
las más adecuadas.

¿SABÍAS QUE...? El sector de medios siempre ha generado datos, ya sea de investiga-

ción, ventas, bases de datos de clientes, archivos de registro, etc. Las
soluciones técnicas, estrategias, y el conjunto de datos de big data
ofrecen la capacidad de administrar y diseminar datos a velocidades y
escalas que nunca se habían visto.

105
 Big data
Tema 5. Casos de uso en la industria

Adicionalmente, se necesitan urgentemente aplicaciones actuales de análisis y estudio

para poder recuperar mucha cantidad de información y datos para conseguir los objetivos
empresariales.

EJEMPLO
Un ejemplo del uso del big data en la actualidad es Amazon Translate.
Se trata de un servicio de traducción automática neuronal que traduce
idiomas de manera fácil y sencilla.

A continuación, se muestran algunas algunos programas para gestionar big data:

• Hadoop. Es una herramienta open source que ayuda a tratar gran cantidad de datos, y a
partir de esa recuperación, estudiarlos y evaluarlos.

Hadoop implementa MapReduce, siendo una forma de programación que da soporte al

procesador sobre grandes cantidades de información y datos.

Una de las empresas que ha usado Hadoop, hasta el punto de firmar un acuerdo de
colaboración con Cloudera, distribuidora de software y servicios basados en Hadoop, es
Oracle. Muchos de los clientes de esta empresa tenían un problema con sus datos: desde
principios de la década de 2010, crecían a un ritmo del 40 % anual, lo que suponía un
aumento también anual de entre un 3 y un 5 % de los presupuestos para tecnologías de
la información.

Oracle cuenta con Oracle Big Data Appliance, que es capaz de reducir hasta diez veces
el volumen de datos para poder consolidar su almacenamiento y aumentar su nivel de
sostenibilidad. No obstante, cuando la cantidad de datos es problemática, Oracle recu-
rre a Hadoop.

• NoSQL. Son sistemas que no usan SQL como lenguaje de consultas, por lo que, aunque
no se puede asegurar la integridad de los datos, se puede obtener beneficios importantes
en escalabilidad y rendimiento.

Entre las bases de datos NoSQL más importantes están MongoDB y Cassandra.

Cassandra es una base de datos que funciona con código abierto y cuya característica
más relevante es que sirva para unir Dyname de Amazon y BigTable de Google. De este
modo, ofrece la posibilidad de solucionar el problema asociado al rendimiento del motor
de búsqueda. De hecho, esta aplicación se creó para que las configuraciones de explota-
ción fueran muy escalables, económicas y horizontales.

Entre las organizaciones que lo emplean, podemos citar Facebook, Netflix o Twitter.

• Spark. Esta herramienta es un framework en clúster de código abierto que ayuda a eva-
luar la información de forma muy rápida.

Ayuda a escribir aplicaciones en Scala, R, Java, Python y SQL.

Algunas de las empresas que usan Spark para análisis de big data son:

106
– Pinterest. Esta red social usa Spark para saber cómo reaccionan sus usuarios ante
determinados pins en tiempo real, con lo que su algoritmo puede realizar recomenda-
ciones personalizadas en base a esas interacciones.

– Conviva. Esta plataforma de transmisión de vídeos utiliza Spark para optimizar el trá-
fico de los vídeos y, entre otras cosas, reducir su rotación.

– Uber. Estructura la ingente cantidad de información que reúne de los viajes de sus
usuarios mediante varios programas, entre ellos, Spark Streaming. Sin embargo, los
análisis más complejos de los datos estructurados solo los realiza con Spark.

107
IDEAS CLAVE
• Existen multitud de datos generados por todas aquellas técnicas de big data, como datos
personales, informes clínicos, etc.

• Aplicaciones del uso del big data en la medicina:

– Medicina poblacional y tecnologías big data.

– Big data para una medicina preventiva.

– Técnicas big data y medicina participativa.

– Medicina personalizada con big data.

– Modelos algorítmicos para una medicina predictiva.

• Poder anticiparse y de este modo, conseguir satisfacer las necesidades de los individuos
enfermos es uno de los objetivos del big data en el uso de la medicina.

• Cuando se usan las nuevas tecnologías de big data en el sector de la medicina, se consi-
gue salvar vidas, siendo lo más importante, y además minimizar los costes.

• El análisis de datos en la salud, deporte, y el bienestar general, aumenta la probabilidad

de éxito de todos los sistemas que funcionan en el sector de la salud.

• El sector del comercio en sus distintas vertientes sigue transformándose continuamente y

a una velocidad aterradora.

• Hoy en día, los gobiernos recopilan gran cantidad de información y datos a diario. Esto
conlleva que deben gestionar y analizar las tendencias y gustos de los ciudadanos, ade-
más de diferentes variables como casos geográficos, recursos energéticos, etc.

109
GLOSARIO
— Big data en business insights. Manera de generar información empresarial.

— Big data en finanzas. Herramientas y aplicaciones informáticas enfocadas al estudio y

desarrollo de datos de información en el sector bancario y financiero.

— Big data en marketing digital. Big data que permite generar cantidades enormes de
información y datos en poquísimo tiempo, y de este modo, conocer los comportamien-
tos y necesidades de los clientes.

— Medicina predictiva. Se anticipa a las posibilidades de que ocurra algo, y de todo lo

que ello repercute, posibilitando prevenir situaciones antes de que sucedan.

— Retail. Sector del comercio.

111
BIBLIOGRAFÍA
Casas, J. (2019). Big data: análisis de datos en entornos masivos. Barcelona: Editorial UOC.

Martínez, M. Á. (2018). Conceptos de salud pública y estrategias preventivas. Editorial Vital-

Source.

Marr, B. (2016). La utilización del Big Data, el análisis y los parámetros SMART para tomar
mejores decisiones y aumentar el rendimiento. Editorial Teell S.L.

113