El bigdata se está convirtiendo cada vez más en un reto para las grandes empresas. El término "Big Data" es una metáfora de una montaña de datos sin valor en la que hay que buscar el conocimiento. La minería de bigdatos describe los métodos estadísticos utilizados para buscar tendencias, conexiones cruzadas y nuevos datos. Datos se busca en los datos de masa. El tratamiento manual de estos enormes conjuntos de datos no es posible, por lo que hay que utilizar métodos asistidos por ordenador. Estos métodos también pueden utilizarse para cantidades de datos más pequeñas. La extracción de datos suele referirse únicamente a la etapa de análisis dentro del proceso.
La minería de datos y los grandes datos
Con la minería de datos, se pueden examinar cantidades considerables de datos mediante programas asistidos por ordenador. El término "minería de datos" es algo engañoso, ya que no se trata de generar datos, sino de extraer conocimientos de los datos. El término se ha hecho popular principalmente porque es corto y preciso. En general, la extracción de datos puede describirse como un proceso en el que se extraen conocimientos que antes se desconocían y que se consideran potencialmente útiles. Bigdata se utiliza para describir cantidades de datos que son demasiado complejas o grandes o que simplemente cambian con demasiada rapidez. Por lo tanto, la entrada manual o el procesamiento con métodos clásicos es imposible. Los bigdatos recopilados que se utilizarán para la extracción de datos pueden proceder de todas las fuentes posibles. Éstos van desde la comunicación electrónica de las empresas y las autoridades hasta los registros de los sistemas de vigilancia. El deseo de analizar bigdatos para utilizar los conocimientos adquiridos entra a menudo en conflicto con los derechos personales de otras personas, por lo que es aconsejable protegerse de antemano.
Minería de datos y grandes datos: Métodos convencionales
La minería de datos de Big Data implica el análisis de selecciones y colecciones de datos. Se eliminan los conjuntos de datos incompletos y se añaden las fuentes importantes o los valores de comparación. A continuación, se buscan en los datos patrones de comportamiento específicos y se presentan los resultados obtenidos. Estos son examinados y evaluados por expertos para poder decidir si se puede alcanzar el objetivo previsto. Los conocimientos adquiridos se incorporan a nuevas investigaciones o se utilizan como parámetros de comparación para que los resultados de la siguiente búsqueda sean aún más precisos. Si bien la minería de datos en Bigdata se utilizaba principalmente en el ámbito de la informática en épocas anteriores, cada vez son más las empresas que se interesan por los métodos utilizados y el considerable potencial de Bigdata. En el sector financiero, la minería de datos se utiliza para la detección de fraudes y la verificación de facturas. En la calificación crediticia, el Bigdata se utiliza para calcular la probabilidad de impago. En Marketing La minería de datos se utiliza para calcular el comportamiento de compra de los clientes y qué medidas publicitarias interesan a los clientes potenciales. En las tiendas online se analizan los carros de la compra y luego se modifican los precios y la colocación de los productos. Además, se pueden buscar grupos objetivo para campañas publicitarias y examinar los perfiles de los clientes. En Internet, el Bigdata Mining se utiliza para detectar ataques, recomendar servicios y analizar las redes sociales. Otros ámbitos de aplicación son, por ejemplo, la medicina, la bibliometría y la enfermería.
Cosas que hay que saber sobre Bigdata y la minería de datos
El bigdata o la minería de datos puede considerarse una disciplina neutral a nivel científico. En la minería de datos se pueden analizar datos de todas las fuentes imaginables. Sin embargo, en cuanto los datos se refieren a una persona, pueden surgir rápidamente conflictos morales y legales. En su mayoría no se refieren al análisis de los datos, sino sólo al proceso de extracción. Los datos que no han sido suficientemente anonimizados pueden, en determinadas circunstancias, ser asignados a personas concretas. Por lo tanto, al realizar la minería de datos de Bigdata, siempre se debe tener cuidado de garantizar que los datos se anonimizan de tal manera que no se puedan extraer conclusiones sobre individuos o grupos de individuos. Además de los conflictos jurídicos, cabe señalar que se plantean cuestiones morales. Es cuestionable que se autorice a los ordenadores a dividir a las personas en "categorías" o "clases". En la extracción de datos, por ejemplo, las personas se presentan como solventes o no solventes. En general, hay que señalar que el proceso en sí mismo es extremadamente neutro y anónimo. El procedimiento desconoce las consecuencias y probabilidades del cálculo. Sin embargo, en cuanto la gente se ve confrontada con los datos en términos reales, por ejemplo por Schufa, esto puede provocar reacciones alienadas, ofendidas o sorprendidas. En el gigante de los motores de búsqueda Google, en Google Analytics Se proporcionaron datos sobre los grupos objetivo de los operadores del sitio web.
Oportunidades y perspectivas de futuro
En el mundo globalizado, la extracción de datos de Big Data es cada vez más relevante. En el pasado, las empresas americanas podían determinar si sus clientes estaban embarazadas o no basándose en su comportamiento de compra. Sobre la base de estos hallazgos, se enviaron vales y consejos de compra de manera selectiva, lo que incrementó las ventas. Debido a la naturaleza de las compras fue posible incluso predecir la fecha de nacimiento, aunque no al día. La extracción de datos de Big Data es de gran importancia para las empresas hoy en día. A través de la extracción de datos específicos de Big Data, se pueden obtener importantes conocimientos sobre los usuarios y clientes potenciales. La minería de datos conduce en última instancia a mayores ventas y beneficios y por lo tanto será aún más importante en el futuro. No es de extrañar: en el mundo globalizado y técnicamente inteligente, la recopilación de datos es ahora normal y será aún más importante en el futuro próximo.
