Así está evolucionando el Big Data en 2017

2017 es sin duda un gran año para el big data. Se prevé un mayor crecimiento de los sistemas que admiten grandes volúmenes de datos y una mayor exigencia por parte del mercado de plataformas que permitan a los responsables de datos las tareas de administración y seguridad de los big data.

Los big data se vuelven más rápidos y simples.

La necesidad de los usuarios por generar dashboards de KPI más rápidos e iterativos ha potenciado la adopción de bases de datos más rápidas y tecnologías que permiten realizar consultas más ágiles.

El uso de motores SQL y tecnologías OLAP en Hadoop, están provocando que la línea de separación entre almacenes de datos tradicionales y el mundo de los big data sea cada vez más estrecho.

Las tecnologías diseñadas específicamente para Hadoop se vuelven obsoletas.

2017 pone fin al auge de las tecnologías diseñadas exclusivamente para satisfacer las necesidades de análisis en Hadoop. Ahora, las empresas con entornos complejos y heterogéneos ya no desean adoptar un punto de acceso a BI aislado para una sola fuente de datos.

Ahora, las respuestas se encuentran en un conjunto de fuentes, desde sistemas de registros y almacenes de datos en la nube, hasta datos estructurados y no estructurados incluidos en fuentes de Hadoop u otros tipos. Los clientes exigirán todo tipo de datos.

Mares de datos para mejorar el rendimiento

En primer lugar se generan los clúster que se llenan de datos y que se utilizan para realizar análisis predictivos, aprendizaje automático, seguridad cibernética, etc…

Para obtener respuestas con mayor rapidez, las organizaciones ya exigen el uso iterativo y ágil del mar de datos para realizar análisis detenidos de los resultados de negocio antes de invertir en personal e infraestructura.

Las plataformas de autoservicio serán consideradas como las herramientas que permiten aprovechar los recursos de los big data.

Ni volumen ni velocidad: la variedad será lo que impulse las inversiones en Big Data

A medida que el volumen y la velocidad crecen, la variedad se convierte en el factor más decisivo a la hora de evaluar una inversión en big data.

Los formatos de datos se multiplican, por lo que los conectores son cada vez más fundamentales y ya se están evaluando las plataformas de análisis en función de su capacidad para proporcionar conectividad directa a esta diversidad de fuentes y en tiempo real.

Spark y el aprendizaje automático dinamizan el mundo de los big data

Las grandes capacidades del cómputo big data pusieron en primer plano a las plataformas que ofrecen aprendizaje automático con cálculo exhaustivo, inteligencia artificial y algoritmos gráficos.

En particular el aprendizaje automático de Microsoft Azure se ha destacado, gracias a su facilidad de uso. adaptada para principiantes y la integración simplificada con plataformas existentes de Microsoft.

Poner el aprendizaje automático a disposición de las masas conducirá a la creación de más modelos y aplicaciones que generes petabytes de datos. A medida que las máquinas aprendan y los sistemas se vueñvan más inteligentes, toda la atención se centrará en los proveedores de software de autoservicio.

Confluencia entre IoT, la nube y los Big Data para crear nuevas oportunidades de análisis de autoservicio

La IoT está generando volúmenes masivos de datos estructurados y no estructurados que cada vez más, se implementa en servicios en la nube.

El acceso a estos datos y su comprensión todavía suponen un importante desafío final que como resultado se traduce en la demanda de herramientas analíticas que combinan una amplia variedad de fuentes de datos hospedados en la nube y que se conecten con ellas sin problemas.

Datos de Autoservicio

Los usuarios corporativos desean reducir los tiempos y la complejidad de preparar datos para el análisis, lo que se vuelve particularmente importante a la hora de procesar tipos y formatos diversos de datos.

Los big data crecen

Una tendencia de aumento es la trasformación de Hadoop en una parte fundamental del entorno TI empresarial. Veremos un crecimiento de la inversión en los componentes de seguridad y administración que rodean a los sistemas empresariales.

Incremento de catálogos de metadatos

Mediante las herramientas de autoservicio, los catálogos de metadatos pueden ayudar a los usuarios a descubrir y comprender datos relevantes y dignos de análisis.

Las organizaciones utilizan el aprendizaje automático para automatizar el trabajo de encontrar datos.

Catalogan archivos con etiquetas, encuenytra relaciones entre activos de datos e incluso proporcionan sugerencias de consultas a través de interfaces de usuario que permiten realizar búsquedas.

Vía Tableau