<\/span><\/h2>\n\u00a0<\/strong>Tradicionalmente, los datos se almacenan en arquitecturas centralizadas, mientras que el Big Data se sirve de arquitecturas distribuidas<\/strong>, dividiendo el bloque de datos en porciones m\u00e1s peque\u00f1as y repartiendo la tarea de computaci\u00f3n en diferentes ordenadores, comunicados entre s\u00ed.<\/p>\nLa computaci\u00f3n distribuida permite en el caso de grandes vol\u00famenes de datos:<\/p>\n
\nConseguir mejores prestaciones.<\/strong><\/li>\nRealizar tareas de an\u00e1lisis con menores costos.<\/strong><\/li>\nConseguir escalabilidad<\/strong>.<\/li>\n<\/ul>\nEl Big Data tiene fundamento cuando se dan las siguientes condiciones:<\/p>\n
\nVariedad<\/strong>. Los datos proceden de varias fuentes diferentes, a menudo incoherentes entre s\u00ed: ERPs, CRMs, SGAs, archivos Excel, se\u00f1ales GPS, m\u00f3viles, etc. En el procesamiento, es necesario hacer que los datos puedan \u201chablar\u201d entre s\u00ed.<\/li>\nVolumen<\/strong>. Big Data habla de cantidades grandes, muy grandes, tan grandes que no pueden ser gestionadas por un ordenador, del orden de petabytes de datos (1 petabyte = 1015 <\/sup>bytes).<\/li>\n<\/ul>\nNo entra<\/strong> dentro de \u201cBig Data\u201d la informaci\u00f3n sobre clientes, proveedores, pedidos, etc.<\/strong><\/p>\n\nVeracidad<\/strong>. Datos de m\u00faltiples fuentes y en grandes cantidades deben ser revisionados para controlar su integridad (vale el principio garbage in\/garbage out<\/strong>: la calidad de la salida depende de la calidad de la entrada).<\/li>\n<\/ul>\nEl procesamiento de Big Data implica la eliminaci\u00f3n de errores o incertidumbres en los datos, cosa que se hace en la fase de Transformaci\u00f3n del proceso de ETL.<\/p>\n
\nVelocidad<\/strong>. Se habla de Big Data cuando la inmediatez del an\u00e1lisis juega un papel decisivo. Se aplica a an\u00e1lisis de datos en tiempo real, por ejemplo para el control de instalaciones con sensores recopilando informaci\u00f3n en continuo y necesidad de tiempos de respuesta muy cortos.<\/li>\n<\/ul>\n <\/p>\n
<\/span>\u00bfNecesito BIG Data?<\/strong><\/span><\/h2>\n\u00a0<\/strong>La respuesta es s\u00ed si quieres aprovechar fuentes de datos diferentes<\/strong> (Volumen + Variedad) o quieres analizar en tiempo real<\/strong> (Velocidad) la evoluci\u00f3n de las variables para mejorar tu negocio.<\/p>\nUnos ejemplos:<\/p>\n
\npara tener en cuenta las variables meteorol\u00f3gicas<\/strong> y cruzarlas con los datos de venta del a\u00f1o anterior<\/strong> para ajustar la predicci\u00f3n de la demanda, optimizar\u00a0<\/strong>el proceso de compra y la gesti\u00f3n de stocks<\/strong><\/li>\npara aprovechar la informaci\u00f3n de las RRSS<\/strong>, monitorizar el sentimiento<\/strong> acerca de tu marca, estudiar tu competencia<\/strong>, medir las tendencias del mercado<\/strong><\/li>\npara seguir en tiempo real<\/strong> las variables registradas por sensores (posici\u00f3n GPS, temperatura, velocidad, etc.) y monitorizar un sistema o una red log\u00edstica<\/strong><\/li>\n<\/ul>\n<\/span>Si soy una PYME, \u00bfel Big Data es para m\u00ed?<\/strong><\/span><\/h2>\n\u00a0<\/strong>S\u00ed<\/strong>. En LIS-Solutions<\/strong> tenemos el cometido de hacer la transformaci\u00f3n digital accesible para todas las empresas<\/strong>.<\/p>\nPara ello, implantamos nuestras herramientas consiguiendo velocidad de implantaci\u00f3n<\/strong>, seguridad<\/strong> de los datos y sobre todo gran reducci\u00f3n de costes<\/strong>.<\/p>\nAdem\u00e1s, trabajamos con metodolog\u00edas \u00e1giles (SCRUM), dividiendo los proyectos en fases para poder escalar la inversi\u00f3n<\/strong> y evaluar el grado de cumplimiento en cada fase para asegurar el \u00e9xito de la implantaci\u00f3n.<\/p>\n<\/span>\u00bfPor qu\u00e9 elegir la soluci\u00f3n BIG Data de LIS-Solutions?<\/strong><\/span><\/h2>\nLa\u00a0clave del \u00e9xito<\/strong>\u00a0de un proyecto de Big Data aplicado a log\u00edstica (pero lo mismo ser\u00eda con producci\u00f3n, marketing, finanzas\u2026) consiste en llevar\u00a0constantemente de la mano<\/strong>\u00a0la componente de IT con la componente de negocio.<\/strong><\/p>\n\u00bfPor qu\u00e9? Porque el\u00a0dato sin conocimiento es est\u00e9ril<\/strong>, y el\u00a0conocimiento sin dato es ciego<\/strong>.<\/p>\nEn LIS Solutions lo sabemos, por ello\u00a0siempre ofrecemos el equipo multidisciplinario <\/strong>compuestos por perfiles expertos en\u00a0IT, Log\u00edstica, Matem\u00e1ticas e Industria.<\/p>\n<\/span>COMPARTE ESTE POST<\/span><\/h4>\nShare on facebook \nShare on google \nShare on twitter \nShare on linkedin \nShare on pinterest \nShare on print \nShare on email<\/p>\n","protected":false},"excerpt":{"rendered":"
Big Data es una expresi\u00f3n que indica cualquier cantidad voluminosa de datos estructurados, semiestructurados y no estructurados. M\u00e1s en general, Big Data se refiere al conjunto de t\u00e9cnicas utilizadas para el procesamiento y el an\u00e1lisis de esos datos, con el objetivo de extraer informaci\u00f3n utilizable y rentable para las compa\u00f1\u00edas. Sin embargo y a pesar […]<\/p>\n","protected":false},"author":1,"featured_media":1399,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0},"categories":[31,111],"tags":[],"acf":[],"yoast_head":"\n
Log\u00edstica: BIG DATA vs Consultor\u00eda tradicional | LIS Data Solutions<\/title>\n \n \n \n \n \n \n \n \n \n \n \n\t \n\t \n\t \n \n \n \n\t \n\t \n\t \n