Big data la revolución de los datos masivos pdf

Las influencias globales en la atención sanitaria incluyen

Si definimos los «big data» como enormes cantidades de información sobre el comportamiento de los agentes económicos individuales, los «small data» deben ser pequeñas cantidades de información sobre el comportamiento de enormes colecciones de individuos. En este artículo, exploramos la importancia de los datos pequeños en la modelización del riesgo y otras aplicaciones, y explicamos cómo el análisis de los datos pequeños puede ayudar a que los análisis de big data sean más útiles. Consideramos el problema de la representatividad y si los datos pequeños pueden ayudar a que los big data sean más representativos de la población subyacente. También examinamos las recesiones y el potencial de utilizar los big data a la hora de hacer predicciones. Por último, examinamos la calibración de los modelos de big data para agregar las predicciones realizadas mediante el análisis de small data.

¿Qué tiene un punto de datos concreto que lo hace «grande»? La mayoría diría que un registro completo de mis búsquedas anteriores en Internet es «grande», pero entrevistarme para preguntarme si tengo empleo es mucho más pequeño. Explorar los movimientos de los usuarios para descubrir sus preferencias en cuanto a restaurantes es, en términos de datos, enorme. Llamar a un teléfono fijo para preguntar sobre esas preferencias, aunque se repita un millón de veces, es microscópico.

La revolución de los datos, kitchin

El propósito de este artículo es esbozar una agenda para investigar la relación entre las redes habilitadas por la tecnología -como los medios sociales y el big data- y la función contable. Al hacerlo, se vincula el contenido de una investigación de área en desarrollo con los trabajos publicados en este número especial de la revista Accounting, Auditing and Accountability.

El artículo examina la bibliografía existente, que aún está en sus inicios, y propone formas de enmarcar la investigación temprana y futura. La intención no es ofrecer una revisión exhaustiva, sino estimular la conversación.

Los autores repasan varios estudios existentes que exploran las redes habilitadas por la tecnología y destacan algunos de los aspectos clave que presentan los medios sociales y el big data, antes de ofrecer una clasificación de los esfuerzos de investigación existentes, así como las oportunidades para la investigación futura. Se identifican tres áreas de investigación: los nuevos indicadores de rendimiento basados en los medios sociales y el big data; la gobernanza de los recursos de información de los medios sociales y el big data; y, por último, la alteración de los procesos de información y toma de decisiones por parte de los medios sociales y el big data.

Google scholar

Los autores escriben que los macrodatos son mucho más potentes que la analítica del pasado. Los directivos pueden medir y, por tanto, gestionar con más precisión que nunca. Pueden hacer mejores predicciones y tomar decisiones más inteligentes. Pueden dirigir intervenciones más eficaces en áreas que hasta ahora han estado dominadas por el instinto y la intuición en lugar de por los datos y el rigor. Las diferencias entre el big data y la analítica son una cuestión de volumen, velocidad y variedad: Ahora cruzan por Internet más datos cada segundo que los que se almacenaban en todo Internet hace 20 años. La información casi en tiempo real permite a una empresa ser mucho más ágil que sus competidores. Y esa información puede proceder de redes sociales, imágenes, sensores, la web u otras fuentes no estructuradas.

Sin embargo, los retos de gestión son muy reales. Los responsables de la toma de decisiones de alto nivel tienen que aprender a hacer las preguntas correctas y adoptar una toma de decisiones basada en pruebas. Las organizaciones deben contratar a científicos que puedan encontrar patrones en conjuntos de datos muy grandes y traducirlos en información empresarial útil. Los departamentos de TI tienen que trabajar duro para integrar todas las fuentes de datos internas y externas relevantes.

Conceptualización de los datos

La palabra Big Data no sólo se refiere a los grandes conjuntos de datos, sino que también incluye los marcos y herramientas utilizados para analizarlos. Todos los días llegan cientos de gigabytes de datos procedentes de diversas fuentes, como las redes sociales, la sanidad, los servicios públicos y los motores de búsqueda. Todos los datos que siguen son importantes y se almacenan. Con este tipo de tecnología, la recopilación de datos no es un problema, pero el problema oculto de esta inmensa cantidad de datos es que la mayoría de los datos recopilados no están estructurados. Es muy difícil analizar estos datos inciertos, lo que se denomina «diluvio de datos», que es el principal problema al que se enfrentan los macrodatos. Este artículo habla de cómo superar este problema y de la importancia de los grandes datos, la complejidad que conlleva el análisis de los mismos, la necesidad de los grandes datos para superar los problemas empresariales y las nuevas técnicas de análisis de los grandes datos.

Con el rápido desarrollo de la Internet de las cosas, la computación en la nube y la Internet móvil, el aumento de los datos masivos ha atraído cada vez más atención, lo que no sólo trae grandes beneficios, sino también desafíos cruciales sobre cómo gestionar y utilizar los datos masivos. En mi artículo, me gustaría discutir la aplicación de Big Data en varios verticales y este artículo examina las oportunidades y preocupaciones sobre Big Data en varios felid. El término «BIG DATA» fue dado por Roger Magoulas de O’Reilly media en 2005. Explicó que, debido a su enorme tamaño y complejidad, una amplia gama de conjuntos de datos se está volviendo casi insoluble de manejar y gestionar a través de las herramientas tradicionales de gestión de datos. Los big data se pueden ver en la banca y en los negocios para la gestión de inventarios, el comportamiento de los clientes y el comportamiento del mercado. Los big data también se ven en las ciencias de la vida para analizar y avanzar en la investigación en la secuenciación del genoma, los datos clínicos y las áreas de datos de los pacientes. Los datos masivos también pueden verse en otras áreas como la astronomía y la oceanografía (Buchel, 2015).