Este documento habla sobre el Big Data, definiéndolo como conjuntos de datos tan grandes y complejos que son difíciles de procesar con herramientas tradicionales. Explora las 3V del Big Data (volumen, velocidad y variedad), herramientas como Hadoop y MongoDB, y los valores y aplicaciones del análisis de Big Data en áreas como marketing, salud y ciencias sociales.

1. Big Data
Valor y Mercado
Óscar Marín Miró
@outliers_es
www.outliers.es

2. Contenidos
‣Historia
‣Las 3V’s
‣Problema, Solución y Fenómeno
¿Qué es Big Data? Pitfalls
‣Data vs Big Data
‣Data Science vs Big Data
‣Costes ocultos
Herramientas
+Escenarios
‣Ecosistema Hadoop
‣NoSQL
‣Real-time
Valor del Big Data
‣Los Gigantes de la Generación de Datos
‣Nadamos en un mar de datos
‣Sectores de Aplicación
Bibliografía

3. ¿Qué es el Big Data?
“Data will help us” - Jonathan Harris

4. Historiahttp://assets.outliers.es/infographics/
BigData_A_Brief_History.pdf

5. “Big Data is a collection of data sets so large
and complex that it becomes difficult to
process using on-hand database management
tools or traditional data processing
applications”
http://en.wikipedia.org/wiki/Big_data
¿Qué es el Big Data?

6. - Big Data y las 3 ‘V’
- Velocidad
- Volumen
- Variedad
http://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-
Volume-Velocity-and-Variety.pdf
¿Qué es el Big Data?

7. !
- Twitter: 340 millones de
tweets diarios (~= 1TB/día)
- Facebook: 800 millones de
status diarios
- Google: 1000 millones de
consultas diarias
http://www.slideshare.net/gigaom/the-3vs-of-big-data-
variety-velocity-and-volume-from-structuredata-2012
¿Qué es el Big Data? (de verdad)

8. Explosión de Uso Explosión Social
Explosión Móvil
¿Qué es el Big Data? (de verdad)

9. Big Data: Dimensiones
‣Problema: 3V’s
‣Solución: Herramientas
‣Fenómeno: Posibilidades

10. ElValor de Big Data
http://labratrevenge.com/pdx

11. http://7.mshcdn.com/wp-content/uploads/2012/06/DataNeverSleeps.jpg
ElValordeBigData

12. ElValor de Big Data:
Big Data Analysis
‣Estadístico
‣Texto
‣Análisis de Redes Sociales
‣Análisis GeoEspacial

13. ElValor de Big Data:
Ámbitos de Aplicación
‣Marketing/Publicidad/Comunicación
‣Customer Insights
‣Growth Hacking
‣Salud
‣Escalabilidad

14. ElValor de Big Data:
Publicidad
https://de5w14y12gh72.cloudfront.net/website/bluefin_mit-tech-review.pdf

15. ElValor de Big Data:
Customer Insights
http://innovabbva.outliers.es/mapas.html

16. ElValor de Big Data:
Growth Hacking
‣Impactos de tests A/B
‣Incrementar el Retention Rate
‣Incrementar los leads
‣Incremental el engagement

17. ElValor de Big Data:
Growth Hacking
https://www.youtube.com/watch?v=eqeS8US10_k

18. ElValor de Big Data:
Salud
https://www.23andme.com/ancestry/

19. ElValor de Big Data
Ciencias Sociales
http://www.pewinternet.org/2014/02/20/part-2-conversational-archetypes-six-conversation-and-group-network-structures-in-twitter/
#network-type-6-support-network

20. ElValor de Big Data:
Publicidad
http://blog.marketo.com/2013/09/get-more-email-opens-and-clicks-using-behavioral-targeting.html

21. ElValor de Big Data
Escalabilidad
http://www.slideshare.net/davidpoblador/spotify-bcn2013slideshare

22. ElValor de Big Data
Antropología
http://www.brainpickings.org/index.php/2014/01/17/uncharted-big-data/
http://www.ted.com/talks/what_we_learned_from_5_million_books.html

23. ElValor de Big Data
Urbanismo
http://bcnbeats.com

24. Big Data Pitfalls

25. Big Data vs Data
‣Big Data ~= MB/s o volúmenes de TB
‣El 90% de los trabajos hablan de Big Data y
quieren decir Data
‣No es lo mismo coger datos de Twitter
que ser Twitter
‣Se confunde el fenómeno con el problema

26. Data Science vs Big Data
‣Técnicamente:
‣Data Science crea modelos
‣Big Data provee de infraestructura
‣En la práctica:
‣Si creas un modelo a partir de una
muestra de Big Data haces Big Data
‣Los perfiles son COMPLETAMENTE
diferentes!!
‣Big Data sin Data Science no es NADA

27. Big Data: Costes Ocultos
‣Computer Science First, Big Data Second!!
‣Probar en muestras significativas, SIEMPRE
‣Llegar hasta la presentación de los datos
con la muestra, lo más rápido posible
‣Funcionar con hipótesis

28. Herramientas

29. ¿Qué es un Cluster Hadoop?
!
Un conjunto de servidores (nodos), sobre el que se
ejecutan procesos MapReduce y que comparten
datos mediante HDFS (Hadoop Distributed File
System
El ecosistema Hadoop

30. MAPREDUCE: Divide y vencerás
MAP:
Función de procesado.
Los datos se particionan y se pasa cada ‘trozo’ a una función ‘map’
La función ‘map’ es sin estado
REDUCE
Función de reducción
La salida del map es la entrada del reduce
Se usa para consolidar y eliminar redundancias
Ecosistema Hadoop

31. MAPREDUCE: Contar las palabras de
un fichero
MAP:
< Hello, 1>
< World, 1>
!
< Bye, 1>
< World, 1>
REDUCE:
< Hello, 1>
< World, 2>
< Bye, 1>
Ecosistema Hadoop

32. MAPREDUCE: Control
!
‣ Se ejecutan ‘jobs’ que el framework divide
en ‘tasks’
‣ Master JobTracker
‣ TaskTracker por nodo
Ecosistema Hadoop

33. HDFS
!
‣ Implementa un único sistema de ficheros
‘juntando las capacidades’ de todos los
nodos
‣ Es transparente para el programador
‣ Se implementa tolerancia a fallos con nodos
de ‘backup’
Ecosistema Hadoop

34. HDFS
http://codemphasis.wordpress.com/2012/09/27/big-data-hadoop-hdfs-
and-mapreduce/
Ecosistema Hadoop

35. http://oreilly.com/data/radarreports/planning-for-big-data.csp
Ecosistema Hadoop

36. VS
Soluciones NoSQL

37. Soluciones NoSQL: MongoDB

38. Problemas de las BBDD
relacionales
!
‣ Leer datos completos es costoso (‘joins’)
‣ Transacciones (‘integridad’)
‣ Escalabilidad
‣ Cambio del modelo de datos (migraciones)

39. Soluciones NoSQL
!
‣ Almacenes clave-valor (Redis, BerkeleyDB,
Tokyo Cabinet)
‣ Orientadas a documento (MongoDB,
CouchDB, ElasticSearch, Solr)
‣ Orientadas a columnas (Cassandra, HBase,
BigTable)

40. Real-time processing
!
‣ Batch vs Real-time
‣ Hadoop anclado en Java
‣ Spark (Scala)
‣ Storm (Clojure)
http://www.ibm.com/developerworks/library/os-spark/#resources

41. Outliers Collective: Nuestras
Herramientas!
‣ Visualización: D3.js
‣ Análisis:
‣ Texto: Python + Pattern
‣ Redes: Networkx + Gephi
‣ Estadística: R
‣ Persistencia: MongoDB, ElasticSearch

42. Trabajos y ejemplos
http://assets.outliers.es/15memociones/

43. http://elpais.com/especiales/2014/planeta-futuro/mapa-de-migraciones/
Outliers Collective+ProdigiosoVolcán, 2014

44. http://www.324.cat/eleccions-catalunya-2012/tuitometre
Outliers Collective, 2012

45. http://www.paginasamarillas.es/
En Paradigma Tecnológico, 2009-2011

46. http://www.lainformacion.com/
En Paradigma Tecnológico, 2008

47. Outliers Collective yYolanda Quintana, 2013
http://viralgezi.outliers.es/

48. Outliers Collective,Alberto González Paje, Rafael Höhr, 2013
http://innovabbva.outliers.es/

49. http://flocker.outliers.es
Outliers Collective, 2013

50. http://assets.outliers.es/SocialGood/
Outliers Collective + Alberto González, 2013

51. http://vimeo.com/71084828
http://bcnbeats.outliers.es/
Outliers Collective + Telenoika + Rocío Márquez + Patricia Benitez + Alberto González, 2013

52. #LoQueCrece: IdeasForChange + Outliers Collective

53. Referencias
http://www.goodreads.com/shelf/show/big-data

54. ¿Preguntas?
¡Gracias por el interés!