Como Pueden Trabajar En La Escuela Con Big Data?

¿Cómo puede el Big Data mejorar la educación? – Hay una gran variedad de beneficios que el Big Data ofrece en la educación, todos los cuales tienen el poder de cambiar y mejorar el futuro de la educación, y revolucionar la forma en que analizamos y evaluamos la experiencia del e-learning.

Éstos son sólo algunos de los más significativos: Mejorar los resultados de los estudiantes El objetivo general de Big Data dentro del sistema educativo debería ser mejorar los resultados de los estudiantes. A día de hoy, únicamente se dispone de la nota de los exámenes, la respuesta a las tares, y la actitud en general de los estudiantes para valorar el desempeño de los alumnos.

Sin embargo, durante su vida estudiantil, cada alumno genera miles de datos únicos. Este registro de datos puede analizarse en tiempo real para proporcionar un aprendizaje óptimo para el estudiante, así como para obtener una mejor comprensión del comportamiento individual de los alumnos.

Esta recopilación de datos puede englobar desde cuánto tiempo tardan en responder una pregunta, hasta qué fuentes utilizan, qué preguntas omiten, cuánta investigación realizan, cuál es la relación con otras preguntas contestadas, qué consejos funcionan mejor para qué estudiante, etc. Los datos obtenidos se pueden comprobar de forma instantánea y automática para dar retroalimentación inmediata a los estudiantes.

Además, Big Data puede ayudar a crear grupos de estudiantes complementarios, en vez de aleatorios. Con algoritmos es posible determinar las fortalezas y debilidades de cada estudiante, para crear grupos más fuertes que permitirán tener una curva de aprendizaje más pronunciada y ofrecer mejores resultados en grupo.

Crear programas personalizados para cada estudiante
El Big Data puede ayudar a crear un programa personalizado para cada estudiante, sin importar cuantos tenga el centro, para que puedan seguir las clases que les interesan, trabajar a su propio ritmo, y siempre contando con la orientación por parte de los profesores.
Esta personalización masiva en la educación es un desafío, pero gracias a los algoritmos, es posible rastrear y evaluar a cada estudiante individualmente.

Con el Big Data, los profesionales de educación adquieren la habilidad de seguir a todos sus estudiantes a lo largo de todo el proceso educativo, de principio a fin. Ser capaz de atender a miles de estudiantes a la vez, permitirá a las universidades encontrar a los mejores estudiantes de todo el mundo.

Basándose en su comportamiento individual, sus calificaciones, su perfil social y sus algoritmos de habilidades de red, podrán encontrar rápidamente a los mejores estudiantes. Esto servirá para aumentar el nivel general de la universidad. Mejorar la experiencia de aprendizaje en tiempo real Cuando los estudiantes comienzan a trabajar por su cuenta, el profesor puede monitorear a todos sus alumnos en tiempo real, y solucionar las dudas al momento.

Esto ofrece a los estudiantes la posibilidad de obtener una mejor comprensión de los temas.

El aprendizaje en tiempo real puede ayudar a mejorar la experiencia de usuario, mejorando los libros de texto digitales y los esquemas de los cursos.
Los algoritmos pueden monitorear cómo los estudiantes leen los textos, qué partes son difíciles de entender, qué partes son fáciles y qué partes no están claras; basándose en la frecuencia con la que se lee un texto, el tiempo que se tarda en leerlo, el número de preguntas que se hacen sobre ese tema, el número de enlaces en los que se hace clic para obtener más información, etc.
Esto permite a los profesionales identificar las áreas que pueden necesitar ser afinadas dentro del libro, curso o módulo, para satisfacer las necesidades de los estudiantes, mejorando así los resultados generales.

Además, el Big Data puede dar una idea de cómo aprende cada estudiante individualmente. Esta información puede ser utilizada para proporcionar un programa personalizado a cada estudiante, lo que ofrecerá una experiencia de aprendizaje significativa y de alta calidad.

Reducir la tasa de abandono y aumentar los resultados
Todos estos análisis mejorarán los resultados de los estudiantes y reducirán las tasas de abandono en las universidades o institutos.
Cuando los estudiantes reciben retroalimentación instantánea y son instruidos en base a sus necesidades personales, esto puede ayudar a reducir la deserción.

Todos los datos recopilados ofrecerán a los centros la información que necesitan sobre los resultados futuros de los estudiantes. Estas predicciones se pueden utilizar para cambiar un programa si predicen malos resultados, optimizando la eficiencia de los programas educativos que aumentará los resultados, minimizando así el ensayo y error.

El Big Data revolucionará la industria de la educación en los próximos años, y cada vez más y más universidades y colegios están recurriendo al Big Data para mejorar los resultados generales de sus estudiantes. Los sistemas SCADA son utilizados por industrias y empresas de los sectores público y privado para una gran variedad de procesos.

Funcionan bien en diferentes tipos de empresas porque puede abarcar desde configuraciones simples hasta instalaciones grandes y complejas. Pero ¿qué es este sistema? La tecnología ha jugado un papel muy importante en el avance de la mayoría de las áreas de nuestra vida cotidiana, pero también ha supuesto un impulso significativo en el mundo de la industria, como por ejemplo la implementación de para automatizar los procesos industriales.

¿Qué beneficios aporta el Big Data a la educación?

Los beneficios del ‘big data’ en la educación Por Opinno Editor de MIT Technology Review en español. Alba Casilda. El análisis masivo de datos de los estudiantes permite conocer su evolución en tiempo real. Las nuevas herramientas monitorizan sus reacciones, aciertos y fallos.

Una información clave para ofrecer una enseñanza adaptada a las necesidades de cada alumno.
Son las seis de la tarde.
Hora de hacer los deberes.
En vez de subrayar en un libro, un estudiante se conecta a la plataforma online de su colegio para ver un vídeo sobre la lección que debe repasar.
A la mitad, lo para, retrocede unos minutos y vuelve a visualizar una de las partes.

Una vez ha visto el fragmento que le interesaba, lo cierra sin llegar al final. Antes de que ese estudiante regrese al colegio, su profesor podrá deducir si ha asimilado los conceptos clave. Habrá reunido información sobre cuándo se ha conectado para estudiar, cuándo ha detenido o acelerado el vídeo o si lo ha abandonado antes de tiempo.

Todo ello gracias a la aplicación de herramientas de big data, Estas tecnologías recolectan una cantidad ingente de datos sobre el proceso de aprendizaje de los estudiantes, monitorizan sus reacciones y establecen conclusiones: qué áreas se les atragantan más, cuáles son sus habilidades, o si tienen problemas durante el estudio, como déficit de atención.

‘Big data’ en las escuelas Pero el profesor no está solo ante la tarea de manejar este cóctel de datos, Estas herramientas suelen ir acompañadas de soluciones basadas en Inteligencia Artificial que ofrecen asesoramiento y marcan a cada estudiante los pasos a seguir para mejorar.

Estas herramientas se presentan como una oportunidad para crear una enseñanza más adaptada a lo que requieren los alumnos en cada momento, Miden cómo se enseña y cómo se aprende, ya que manejar y comparar este volumen de datos a través de sistemas convencionales resulta casi imposible. » Estas metodologías rompen con la idea de la educación tradicional de que todos los estudiantes son iguales.

Cada persona asimila los conocimientos de una forma diferente. No obstante, el big data no es más que una herramienta y, para que funcione, el sistema educativo tiene que permitirlo «, explica el director de la Escuela de Ingeniería Informática de la Universidad de Valladolid, Benjamín Sahelices.

Datos, datos y datos » No es suficiente con poner una nota al final de curso porque así se está creando muy poca información.
Hacen falta modelos educativos que generen datos.
Pueden ser cosas tan sencillas como informes periódicos sobre la asistencia y la participación en clase «, apunta Sahelices.
Según la etapa escolar, se pueden utilizar diversas soluciones: hay apps que registran el progreso de los estudiantes, plataformas que crean itinerarios para resolver las lagunas y fomentar las fortalezas de cada uno, y programas que saben lo que hacen los alumnos en cada momento.

» De momento, la educación basada en analíticas de aprendizaje está en un estado incipiente. Para conocer casos en los que ya se ha implantado de manera plena hay que viajar a lugares con sistemas educativos flexibles, como en los países escandinavos, Reino Unido y Estados Unidos «, dice Sahelices.

La escuela Alt School, en San Francisco (Estados Unidos), es,
En su caso, están orientadas a niños que cursan Primaria.
Los ordenadores que utilizan los alumnos analizan lo que escriben y en las aulas hay cámaras que graban las clases para interpretar los rostros y la forma de hablar de los estudiantes.

Este tipo de cosas ayudan a la escuela a alcanzar su objetivo: crear planes personalizados para cada alumno, Lograr una personalización de la enseñanza es la gran meta del ‘big data’ en la educación » Esto se consigue porque los centros pueden disfrutar de una inteligencia del aula que antes no tenían.

La idea es beneficiar tanto al estudiante más rezagado como al más aventajado «, señala uno de los responsables del Departamento de Innovación de Santillana, Fernando Herranz, quien ha formado parte del proyecto A20. Esta iniciativa, desarrollada por Santillana en colaboración con la empresa de aprendizaje adaptativo Knewton, creó un programa para estudiar álgebra.

Se trata de un proyecto piloto que se probó en nueve países (España, México, Argentina, Colombia, Chile, Ecuador, Guatemala, Perú y Venezuela). Aunque no está listo para la comercialización, sirvió para comprobar cómo se podían marcar rutas de aprendizaje en tiempo real.

Aquí se saca partido de la capacidad predictiva de la tecnología. En función del tiempo que dedica el alumno a responder un problema, su número de aciertos y de fallos, la plataforma le indica cómo seguir avanzando o si necesita ayuda extra del profesor «, comenta Herranz. De la misma forma que el big data predice los mejores ejercicios para progresar, también funciona como un radar para detectar situaciones de riesgo y anticiparse a los problemas,

«Se pueden crear patrones de comportamiento y, a partir de ahí, establecer proyecciones de futuro. Si se produce una variación, significa que hay algo que no funciona», matiza el director del eLearn Center de la Universitat de Catalunya (UOC), Lluís Pastor, que añade que eso les permite hacer frente a uno de los problemas de la formación a distancia: el abandono de los cursos online,

En 2014 empezamos a utilizar estas herramientas y comprobamos que el tiempo era el factor principal por el que los alumnos no acababan sus estudios. En este tipo de formación, los usuarios manejan su propio tiempo y hay que enseñarles a que lo gestionen «, apunta. Así, desarrollaron una serie de patrones para detectar indicios de abandono lo antes posible.

Por ejemplo, las alarmas saltan si, al inicio del curso, un estudiante no se conecta durante los diez primeros días o si los días previos a la entrega de un trabajo, no ha intervenido en actividades participativas. » Con la monitorización de los estudiantes, los tutores pueden mediar antes.

Gracias a eso, hemos logrado reducir la tasa de abandono de los alumnos de grado en un 30% «, asegura Pastor. Los desafíos para ser uno más en el aula Aunque empiece a haber iniciativas de big data en la educación, queda un largo camino para ver su introducción total en las aulas. » En primer lugar, las nuevas herramientas de aprendizaje que se diseñen tienen que ir más allá del dato por el dato.

Los productos deben tener en cuenta temas metodológicos y didácticos «, apunta Herranz, del Departamento de Innovación de Santillana. En este punto, una de las principales apuestas está siendo el diseño de soluciones basadas en gamificación, que imparten lecciones a través de juegos que suponen un desafío para los usuarios y conectan rápidamente con ellos.

Un modelo a seguir son las apps de aprendizaje de idiomas como Duolingo, que introduce conceptos nuevos a medida que el usuario pasa de nivel.
De todas formas, para incorporar estas tecnologías también hace falta que en los centros se puedan utilizar estos dispositivos «, reconoce Herranz.
Pero, sin duda, una de las grandes controversias tiene que ver con la privacidad.

¿Hasta qué punto es ético introducir cámaras en las clases para analizar la actitud de los alumnos, ordenadores que estudien todo lo que escriben o plataformas que conozcan al dedillo sus debilidades? Según apunta Sahelices, además de tener en cuenta la ley, es crucial el consenso de toda la comunidad educativa: profesores, centros, padres y estudiantes.

En cualquier caso, los expertos coinciden en que el big data no es la panacea para solucionar los posibles problemas del modelo educativo, sino una palanca para crear sistemas más adaptados a la sociedad actual. Hace falta un sistema dispuesto a acoger este tipo de herramientas y a cambiar las metodologías de enseñanza.

Sólo así profesores y alumnos podrán disfrutar de los beneficios de la analítica de datos para lograr una educación más eficiente y personalizada. : Los beneficios del ‘big data’ en la educación

¿Qué son las Big Data y cómo afectan y cuál es su uso en la educación?

¿Qué es el Big Data en educación? – El Big Data consiste en la recolección y tratamiento de grandes volúmenes de datos que serían imposibles de procesar mediante herramientas estadísticas tradicionales o bases de datos relacionales. La recogida de datos masivos no otorga ninguna ventaja en sí misma; es el análisis de dicha información lo que permite mejorar la toma de decisiones para obtener beneficios aplicables al mundo real.

El almacenamiento y procesado de macrodatos se ha convertido en algo fundamental en numerosos sectores, como hemos visto en nuestros artículos sobre Big Data en marketing o Big Data en el deporte, Sin embargo, hay muchos otros ámbitos en los que esta tecnología puede ser muy beneficiosa. Por ejemplo, el uso del Big Data en la educación,

Podríamos definir el Big Data en el ámbito educativo como el uso de herramientas de análisis de macrodatos con el objetivo de obtener la información necesaria para mejorar los procesos educativos, fomentando el aprendizaje de alumnos y profesores, y mejorando los modelos educativos.

Cuando hablamos del Big Data en el aula, cobra especial importancia el término de analítica de aprendizaje o learning analytics,
En base a la minería de datos o educational data mining y la búsqueda de patrones se recopila y analizar información sobre los estudiantes, lo que posibilita una mayor comprensión de su entorno y necesidades, con la finalidad de optimizar el aprendizaje.

El Big Data en el ámbito educativo consiste en el análisis de datos con el objetivo de obtener la información necesaria para mejorar los procesos educativos, fomentando el aprendizaje de alumnos y profesores, y mejorando los modelos educativos.

¿Qué otros sectores ya se está trabajando con Big Data?

O aplicaciones de Big Data en medicina. Y es que todas las ventajas que aporta el análisis de datos a las compañías privadas, también se pueden extrapolar a sectores tan dispares como el marketing, el mercado inmobiliario, la investigación científica o el deporte.

¿Qué es Big Data y analiticas de aprendizaje?

Artículo de revisión Big data y analítica del aprendizaje en aplicaciones de salud y educación médica Big Data and Learning Analytics in health and medical education applications a * a Dirección General de Cómputo y de Tecnologías de Información y Comunicación, Universidad Nacional Autónoma de México, Ciudad de México, México.

Resumen: Big data y la analítica del aprendizaje son herramientas que permiten aprovechar enormes cantidades de datos que hoy existen en formato digital, y que se generan durante la prestación de servicios de salud y cuando se incorporan plataformas digitales al proceso de enseñanza-aprendizaje en la formación de médicos.

El objetivo es diseñar proyectos que exploten las ventajas de las capacidades técnicas actuales para el procesamiento automatizado de datos en grandes volúmenes y distintos formatos, para buscar su entendimiento y mejorar la toma de decisiones. Las asociaciones, los patrones y las tendencias que pueden emerger del análisis de datos generados en la educación médica pueden facilitar el seguimiento e incluso modelar la conducta de los estudiantes, y perfilar su desempeño.

Con big data y la analítica del aprendizaje es posible transformar grandes cantidades de datos en información de muy alta calidad. Lo anterior es un área que puede ser aprovechada por el educador médico, quien conoce la información que tiene disponible y la que puede obtener mediante alianzas y acuerdos legales, a partir de un problema que se requiera resolver; se necesita apoyo de expertos técnicos pero, en todo momento, el rumbo del proyecto le corresponde a quien ha definido el problema, pues es quien conoce el marco de referencia y las posibles acciones a tomar con los hallazgos y las ideas que surjan.

Ciertamente se requiere infraestructura, pero con las posibilidades para el trabajo en la nube, y los recursos disponibles en las instituciones médicas y de educación superior, se puede partir de un primer nivel de hardware y software, y escalar a plataformas más sofisticadas cuando la combinación de hallazgos en los datos y de los volúmenes a procesar lo justifique.

Sin duda, big data y analítica del aprendizaje son herramientas en las que el educador médico debe poner atención.
Palabras Clave: Big data; Analítica del aprendizaje; Procesamiento de datos automatizado; Análisis de datos; Toma de decisiones Abstract Big Data and Learning Analytics are tools that allow to take advantage of enormous amounts of data that exist in digital format, and that are generated during the provision of health services and when digital platforms are incorporated into the teaching-learning process in the training of doctors.

The objective is to design projects that exploit the advantages of current technical capabilities for the automated processing of data in large volumes and different formats, to seek their understanding and improve decision making. The associations, patterns and trends that can emerge from the analysis of data generated in medical education can facilitate the tracking and even modeling of student behavior, and shape its performance.

With Big Data and Learning Analytics it is possible to transform large amounts of data into very high quality information. The above is an area that can be exploited by the medical educator, who knows the information that is available and what can be obtained through alliances and legal agreements, based on a problem that needs to be solved; technical support is needed but at all times, the direction of the project corresponds to the professional who has defined the problem, because he/she knows the frame of reference and the possible actions to take with the findings and ideas that arise.

Certainly infrastructure is required but with the possibilities for working in the cloud and the resources available in medical institutions and higher education, projects can start from a first level of hardware and software, and scale to more sophisticated platforms when the combination of findings in the data and the volumes to be processed justify it.

Without a doubt, Big Data and Learning Analytics are tools in which the medical educator should pay attention.
Eywords: Big Data; Learning Analytics; Automatic data processing; Data analysis; Decision making A mediados del siglo XIX, el médico inglés John Snow, precursor de la epidemiología, probó con el apoyo de métodos cartográﬁcos que el cólera que se había extendido por Londres era causado por el consumo de aguas contaminadas con materias fecales de un pozo en Broad Street, y recomendó clausurarlo, con lo que disminuyeron los casos de la enfermedad.

Con la tecnología disponible hoy, Snow podría haber hecho cruces entre la misma información -las ubicaciones de los casos reportados y los datos de los pacientes afectados- y haber resuelto el problema en cuestión de horas 1, En la actualidad, mucho se ha invertido para lograr el registro digital de los expedientes médicos pero, como reconocen distintos especialistas, es importante equiparar esas inversiones con las herramientas que permiten aprovechar toda esa información 2,

Una de esas herramientas es big data,
Big data Big data es un término que escuchamos cada vez con mayor frecuencia.
Con las enormes cantidades de datos que existen en formato digital, y que generamos constantemente con actos cotidianos como el uso de dispositivos electrónicos conectados a Internet, la interacción en redes sociales, el trabajo colaborativo en sistemas digitales, el uso de plataformas para el aprendizaje, entre muchos otros, sumado al incremento de las capacidades de procesamiento automatizado a costos cada vez más bajos, era natural que, en la evolución de los usos y aplicaciones de las tecnologías de información y comunicación en el siglo XXI, se desarrollaran métodos y herramientas para aprovechar esos datos, buscar su entendimiento y mejorar la toma de decisiones.

No se trata solamente del gran volumen de información de la enorme variedad de datos que se pueden procesar, generados tanto por intervención humana como por la comunicación entre las propias computadoras. El entusiasmo radica principalmente en el impacto potencial de los hallazgos que pueden emerger de su análisis, como por ejemplo: incrementos en ventas, reducción de costos, mejoras en la eﬁciencia de las operaciones, entre muchos otros.

Big data es la razón por la que empresas como Google, Facebook o Amazon nos hacen llegar información que se ajusta en gran medida a nuestras necesidades potenciales. La educación médica mediada por computadora es un campo idóneo para la aplicación de big data, ya que las plataformas de aprendizaje recopilan datos que permiten dar seguimiento e incluso modelar la conducta de los estudiantes, y perﬁlar su desempeño.

Se puede deﬁnir big data como las acciones que se pueden realizar sobre conjuntos de datos a gran escala, cuya variedad y volumen excede la capacidad del software tradicional para su captación, gestión y procesamiento en tiempos razonables de acuerdo con la gran velocidad a la que se producen tanto por intervención humana como por la interacción entre dispositivos digitales, con la ﬁnalidad de analizarlos, entenderlos, generar hipótesis, tomar decisiones, extraer nuevas ideas y conocimientos, o crear nuevas formas de valor.

Big data se enfoca en encontrar asociaciones, patrones y tendencias entre los datos, a diferencia de otras técnicas que buscan encontrar relaciones causa-efecto o proyecciones basadas en la probabilidad. Por ello, comprende y requiere técnicas, algoritmos y enfoques analíticos en conjunto con nuevas propuestas para diseñar la arquitectura de la información que se procesa.

Esto es, la aplicación de big data permite transformar grandes cantidades de datos en información de muy alta calidad, para lo cual se requieren herramientas tecnológicas para la captura, el procesamiento, el almacenamiento, el análisis y la visualización de datos, pero también, y de manera muy importante, se necesita conocimiento profundo de la o las disciplinas relacionadas con la naturaleza de los conjuntos de datos que se están transformando.

Muchos especialistas denominan a esto la «ciencia de datos», que el National Consortium for Data Science de Estados Unidos, una agrupación de líderes de la academia, industria y gobierno para analizar el conjunto de oportunidades en torno a la ciencia de datos, deﬁne como «el estudio sistemático de la organización y el uso de datos digitales para acelerar descubrimientos, mejorar los procesos de toma de decisiones críticas, y habilitar una economía orientada a los datos» 3,

En medicina, la tecnología de big data puede ser aplicada en la toma de decisiones clínicas, en el seguimiento de enfermedades, en la salud pública y en la investigación. La despersonalización de los datos que se utilicen en estas aplicaciones, es decir, la operación de procesos técnicos que aseguren que la información que se va a procesar proteja la privacidad de los individuos, es parte de los retos éticos que demanda el uso de big data en el campo médico.

Analítica del aprendizaje La inclusión de las tecnologías de información y comunicación en la educación médica posibilita la aplicación de la analítica del aprendizaje, al ampliar el espacio de enseñanza-aprendizaje a través del uso de plataformas digitales como los LMS ( Learning Management System, sistemas de gestión del aprendizaje), la implementación de exámenes electrónicos, y la interacción digital -sincrónica y asincrónica- entre profesores y alumnos, no solo en aulas virtuales, sino aun durante las prácticas clínicas, tanto a nivel individual como grupal.

Lo anterior permite disponer de una gran cantidad de insumos cuyo análisis ofrecerá elementos fundamentados en información para descubrir relaciones y asociaciones entre los datos que permitan proponer innovaciones en la educación médica, entre otras: estrategias de personalización del aprendizaje, seguimiento del progreso académico de los estudiantes y aun la proyección de su rendimiento a futuro; pero también apoya: la valoración del impacto del trabajo docente, la calibración de reactivos para la integración de instrumentos de evaluación, y las mejoras del diseño instruccional.

La analítica del aprendizaje «es la medida, colección, análisis y reporte de datos sobre estudiantes y su contexto con el propósito de entender y optimizar el aprendizaje y el ambiente en el cual ocurre», por lo que emplea los datos de los educandos para «crear mejores pedagogías, centrarse en los estudiantes con problemas y evaluar si los programas diseñados son efectivos y han de mantenerse» 4,

También se deﬁne como «el uso de técnicas de análisis para ayudar a enfocar los recursos instruccionales, curriculares y de apoyo para impulsar el logro de objetivos de aprendizaje especíﬁcos» 5, Las aulas virtuales en sistemas como Moodle o Blackboard, y los repositorios digitales que se asocian a estas, almacenan grandes cantidades de datos al registrar las huellas de la interacción entre los estudiantes y los docentes, y aun entre los propios alumnos.

Para convertirse en analítica del aprendizaje, se requiere que esos datos sean procesados para identiﬁcar patrones de conducta, tanto de los educandos como de los educadores médicos, y de esta manera contar con elementos objetivos para evaluar el impacto y los resultados de la aplicación de iniciativas institucionales para la mejora de los programas de estudio y los métodos pedagógicos asociados a ellos.

Tipos de datos de big data Big data se basa en la posibilidad de procesar enormes cantidades de datos, pero a diferencia de otras tecnologías, no se requiere que la información esté totalmente estructurada. Es decir, se pueden emplear datos aun cuando estos no tengan el mismo formato (como puede ocurrir si se tienen archivos jpg, png, mp3 o amr), o que sean de muy diferentes tipos (videos, audios, textos, imágenes, entre otros).

Las herramientas tecnológicas que habilitan big data permiten su análisis de manera ágil y mucho menos costosa que lo que tomaría «normalizar» esos datos, lo que implicaría transformarlos en información estructurada para su procesamiento con tecnologías tradicionales como las bases de datos relacionales.

Aunque big data permite procesar datos no estructurados, por supuesto una de las primeras fuentes de información que alimentan sus aplicaciones son, precisamente, los datos de los sistemas con bases de datos tradicionales, entre ellos: aplicaciones administrativas como la contabilidad y la nómina, las operaciones de compra-venta, los directorios de clientes y el historial de sus operaciones, los expedientes clínicos, y todas las transacciones a sistemas de información que se realizan en línea y desde dispositivos móviles.

Existen otro tipo de sistemas en las organizaciones que también aportan insumos de valor para las aplicaciones de big data, ya que su operación implica generar datos constantemente, los cuales se almacenan por ser la memoria de su funcionamiento; entre ellos se encuentran las bitácoras de las visitas recibidas en los sitios web o de las llamadas realizadas desde un call center, las mediciones de aparatos, y los registros de equipos como veletas y anemómetros, dispositivos móviles y sensores industriales; todo lo que pueda medir, registrar y comunicar el posicionamiento, la vibración, la temperatura, la humedad e incluso los cambios químicos del ambiente.

Se estima que hay más de 30 millones de sensores interconectados en distintos sectores como automotriz, transportación, industrial, servicios y comercial, y se espera que este número crezca en un 30% anualmente 6, Con big data se pueden aprovechar las bases de datos de encuestas y estudios, con información tanto estructurada como no estructurada, y aun con insumos del sector público, como los censos de población, los registros ﬁscales, las videograbaciones del tráﬁco, entre muchos otros.

Las plataformas digitales como los blogs y las redes sociales son una fuente importante de datos para las aplicaciones de big data, y presentan retos similares a los que implica el procesamiento de otros tipos de insumos como los videos, los audios, mapas y datos de ubicación de los GPS.
Cada visita, cada clic, cada inicio de sesión y cada comentario son almacenados en algún lugar.

Además de la estimación global de que existen más de 1,000 millones de páginas web en Internet, estadísticas de Brandwatch 7, un servicio para el análisis de redes sociales, señalan que: Facebook Messenger y Whatsapp manejan 60,000 millones de mensajes diarios, a través de WordPress se publican mensualmente 56 millones de entradas en sus blogs, Facebook genera 4 nuevos petabytes de datos cada día (como referencia, si partimos de los gigabytes que almacenamos en memorias USB, un petabyte es equivalente a un millón de gigabytes, o bien a 1,000 terabytes); cada minuto se suben 300 horas de video a YouTube, 80 millones de fotos son compartidas en un día promedio en Instagram, Google procesa 40,000 búsquedas por segundo y todos los días se envían 500 millones de mensajes a través de Twitter.

Existen algunas características que distinguen los datos que pueden ser explotados con técnicas de big data para aplicaciones en la educación. Prakash et al. señalan que los datos en educación son jerárquicos: al nivel de la interacción con los dispositivos (como los clics o los likes), al nivel de las sesiones de los usuarios, al nivel de los alumnos y la interacción entre ellos, al nivel de cada grupo o salón, del maestro y de ahí en los niveles que puedan seguir, de acuerdo con la organización de cada institución educativa: departamentos académicos, clínicas, escuelas o facultades, e institutos o universidades; todos los niveles están «anidados» uno dentro del otro.

Otras características a analizar son: el contexto, para determinar bajo qué condiciones funciona un determinado modelo; el tiempo, que indica por ejemplo cuánto invierte el alumno o en qué momentos del día le es más viable interactuar con la plataforma de aprendizaje; y la secuencia, para evaluar el orden que se eligió en el diseño instruccional para la presentación de conocimiento y la realización de actividades 8,

Aplicaciones en la educación médica Entre las fuentes de big data disponibles en medicina se encuentran: expedientes y registros clínicos y administrativos, datos biométricos, información reportada por el paciente, imágenes médicas, datos de biomarcadores, estudios prospectivos y ensayos clínicos 9,

Los hospitales, los laboratorios, las compañías de seguros y la industria farmacéutica pueden contribuir con grandes cantidades de datos ﬁnancieros, de enfermedades y de medicamentos 10, De la naturaleza de estos datos se desprenden distintos retos para el aprovechamiento de big data en medicina, tales como la disposición a compartirlos y los acuerdos legales y éticos adecuados para hacerlo, el gran volumen de insumos de información con el que se contará, la despersonalización de los datos privados de los pacientes, la disparidad y aun la periodicidad de las fuentes, ya que algunas aportarán datos cada segundo, y otras se actualizarán de manera anual.

También es importante considerar los desafíos para la recolección de información por autores tan diversos como personal médico y de enfermería, administradores, alumnos, encuestadores, personal de compañías de seguro y farmacéuticas, entre muchos otros, lo que contribuye a la enorme variedad de datos que pueden ser insumos de las aplicaciones de big data en medicina.

Además de la diversidad de actores que los recopilan, es necesario considerar los procesos de normalización que permiten codiﬁcar la información que se registra en los textos tanto manuscritos como digitales de los reportes médicos, así como la complejidad inherente a que los datos que se generan a través del tiempo durante la evolución de un caso clínico guardan distintos formatos, por ejemplo, imágenes, reclamaciones de seguro y aun comentarios hechos en medios sociales, desde la fase de diagnóstico y hasta el cierre de cada caso.

Todo lo anterior, bajo un marco de legalidad, códigos de ética, transparencia, conﬁdencialidad, protección de datos personales y de su privacidad, para lo cual se requiere consentimiento de los pacientes y los procesos de despersonalización de la información que se han mencionado, donde la diversidad de leyes aplicables en cada país puede ser un factor que detenga la realización de proyectos de alcance internacional.

A partir de datos tan heterogéneos, las aplicaciones de big data en medicina pueden promover grandes beneﬁcios, como la prevención de enfermedades, la evaluación de los costos de la atención médica, la valoración de la eﬁcacia de los medicamentos y la planeación de mejoras en las políticas de salud pública.

Los datos que los expertos en educación médica pueden aprovechar para aplicar las técnicas de big data en el marco de la analítica del aprendizaje se recopilan a partir de «acciones estudiantiles explícitas, como completar las tareas y tomar exámenes, y de las acciones tácitas, incluyendo las interacciones sociales en línea, actividades extracurriculares, mensajes en los foros de discusión», entre otras 4,

Por su parte, Prakash et al. proponen ocho áreas de aplicación para la analítica del aprendizaje 8 :

a) Modelos del conocimiento del usuario, que buscan indagar sobre los contenidos y las habilidades que el estudiante domina, con base en sus respuestas, los errores cometidos y repetidos, las habilidades que practicó y su desempeño en general a partir de su trabajo en plataforma o bien por los resultados obtenidos en exámenes estandarizados. b) Modelos de la conducta del usuario, con el objetivo de conocer más sobre la motivación de los alumnos y los patrones de interacción que muestran los estudiantes a través del proceso de aprendizaje, por vía de datos muy similares a los del punto anterior, a los que se agrega el análisis de los cambios en el contexto de cada alumno durante un período. c) Modelos de la experiencia del usuario, para evaluar su nivel de satisfacción, a través de sus respuestas a encuestas y cuestionarios, y de la evaluación de las decisiones que tomen y el desempeño que muestren en los siguientes cursos o unidades de aprendizaje. d) Perﬁles de los estudiantes, que se logran al identiﬁcar los grupos de alumnos a partir de los datos disponibles que se mencionan en otras áreas de aplicación. Con los perﬁles deﬁnidos pueden diseñarse acciones remediales, por ejemplo, si se detecta que un grupo ha tenido diﬁcultades en el desarrollo de ciertas competencias. e) Modelos de los dominios, para valorar el nivel de desagregación que más conviene para dividir los temas en módulos y la secuencia en que deben ser presentados. f) Análisis de los componentes del aprendizaje y de los principios instruccionales, para identiﬁcar los elementos que son más eﬁcaces. g) Análisis de tendencias, para indagar sobre el impacto de las acciones a través del tiempo, para lo cual se requieren datos sobre al menos tres momentos, con la ﬁnalidad de lograr identiﬁcar una tendencia; la información requerida incluye registros de ingreso y egreso de alumnos. h) Adaptación y personalización, que es uno de los objetivos de la mayoría de los proyectos de analítica de aprendizaje, con el objetivo de identiﬁcar las acciones idóneas que se deben sugerir a cada individuo, y cómo debe modiﬁcarse la experiencia para el siguiente usuario a partir de lo sucedido previamente, tanto para el propio estudiante como para otros alumnos y, de ser posible, lograr este nivel de personalización en tiempo real. Para ello normalmente se requiere recolectar datos históricos sobre cada usuario, de la misma manera como lo hacen las redes sociales.

Para aplicar los beneﬁcios de big data en la educación médica es necesario promover un cambio de paradigma no solo entre alumnos y profesores, sino también entre los profesionales y todos aquellos actores involucrados en el cuidado de la salud, con la ﬁnalidad de promover que no exista brecha entre los ambientes en los que se forman los médicos, respecto de la práctica profesional, la prestación de servicios asociados, la educación continua y la investigación médica, pues se espera una fuerte tendencia hacia la personalización del cuidado de la salud 10,

Lo anterior requiere asimismo que los responsables de estos programas sean entrenados en la gestión del cambio cultural que todo esto representa. El programa Health Care by the Numbers de la Universidad de Nueva York (NYU) es un ejemplo de la aplicación de big data en la educación médica. Se trata de un programa curricular que tiene como objetivo la formación de los estudiantes de medicina en el planteamiento y ejecución de proyectos de big data con la ﬁnalidad de identiﬁcar áreas de oportunidad para la mejora de los cuidados de la salud.

Para ello, los alumnos disponen de datos despersonalizados provenientes tanto de los servicios externos del Centro Médico Langone de la propia NYU como de datos abiertos gubernamentales de los más de 2.5 millones de pacientes admitidos cada año en los hospitales estatales (datos que pueden ser utilizados, reutilizados y distribuidos libremente por cualquier persona y que se encuentran sujetos al requerimiento de atribución y de compartirse en los mismos términos en que fueron publicados).

La intención es que los futuros médicos adquieran competencias en el manejo de herramientas que les permitan desarrollar programas tanto para el cuidado de la salud individual como de grupos de la población 11, Los datos pueden incluir edad, grupo racial, grupo étnico, diagnósticos, procedimientos, costos, entre otros, y el hecho de estar despersonalizados implica que no pueden conocerse los nombres de los pacientes, o datos que conduzcan a su identiﬁcación.

Con las herramientas de big data, los estudiantes pueden hacer pronósticos médicos basados en la información procesada, o incluso proponer sistemas de farmacovigilancia para rastrear las reacciones adversas a los medicamentos o los errores en la práctica 10,

Todo ello, con datos reales. Ellaway et al. proponen algunas aplicaciones de big data en la educación médica, entre ellas: poder determinar cuándo se puede permitir atender pacientes vivos a un médico en formación que ha practicado en simuladores de laboratorio, a partir de los resultados obtenidos en las aplicaciones de computadora.

Otra aplicación interesante resulta de combinar datos de acervos de instituciones educativas con repositorios de información clínica, para correlacionar los resultados de los tratamientos a los pacientes que se almacenan en los sistemas de información de los hospitales, con los diferentes modelos educativos de cada escuela de medicina, o de un grupo de instituciones.

También se puede pensar en comparar datos de distintas instituciones educativas en el mismo período, en relación con el desempeño de los alumnos, para rastrear el impacto de eventos signiﬁcativos en el contexto escolar tales como desastres naturales, epidemias, conﬂictos sociales o crisis políticas 12,

Establecer proyectos similares para enriquecer la educación médica requiere la colaboración de los educadores médicos con los profesionales de las TIC, para la provisión de infraestructura de hardware y software, y con los equipos legales para el establecimiento de acuerdos para el intercambio de datos.

Es necesario también interactuar con los profesionales en ciencia de datos, que son especialistas que al día de hoy se forman a través de programas de posgrado, y que se espera que en el mediano plazo se cuente con oferta de carreras aﬁnes para el nivel de licenciatura.
Las competencias que se requiere integrar en los equipos de trabajo multidisciplinarios incluyen el análisis predictivo, visual y gráﬁco, así como el procesamiento de lenguaje natural, la inteligencia artiﬁcial y las técnicas para cosechar -recopilar- datos no estructurados.

¿Qué hacer para iniciar un proyecto de big data o analítica del aprendizaje? Para empezar a deﬁnir un proyecto de big data o analítica del aprendizaje para la salud o la educación médica, el primer paso es hacer un inventario de la información que se tiene disponible, y de aquella que se puede obtener mediante el establecimiento de alianzas o acuerdos locales o aun interinstitucionales.

En paralelo, es necesario deﬁnir el problema que queremos resolver, o la línea temática en la cual se buscarán las tendencias y los patrones que resulten del análisis de los datos disponibles.
Para mejor referencia, se recomienda revisar algunas demostraciones disponibles en línea 13 – 15,
Se requerirá el apoyo de expertos técnicos cuando se tengan datos en distintos formatos, por ejemplo: videos, imágenes y publicaciones en redes sociales, pero en todo momento es importante tener presente que el rumbo que tome el análisis y el procesamiento de los datos será establecido por quien esté interesado en resolver el problema que se deﬁnió, el cual conoce su marco de referencia y las posibles acciones a tomar con los hallazgos y las ideas que surjan.

Por supuesto se requiere infraestructura, pero con las posibilidades para el trabajo en la nube y los recursos disponibles en las instituciones médicas y de educación superior, se puede contar con elementos técnicos y escalarlos de acuerdo con los volúmenes de datos a procesar y en razón de los resultados que arrojen las primeras corridas de análisis.

Conclusión Es indudable que el uso y el aprovechamiento de la tecnología es un diferenciador entre los profesionales del cuidado de la salud, por lo que la incorporación de técnicas de big data y de analítica del aprendizaje para los estudiantes y profesores de medicina es una necesidad que cada vez tendrá mayor demanda, pues también requiere la interacción con otros especialistas, a ﬁn de lograr sus beneﬁcios.

En este artículo se han presentado los principales conceptos en torno a estas herramientas, pero sin duda es importante resaltar que para su aplicación es necesario contar con la visión y el apoyo de las instituciones educativas, por las inversiones, decisiones y cambio cultural que implica la incorporación de proyectos aﬁnes en los programas de educación médica.

Los proyectos que se pueden desarrollar en la educación médica con apoyo de big data y analítica del aprendizaje dependen en gran medida de los niveles de acceso a los datos disponibles, sus formatos y su calidad, en términos de la precisión, representatividad y conﬁabilidad que se alcance bajo las consideraciones señaladas en el texto sobre la diversidad de actores que participan en la generación de los insumos de estos proyectos.

Se requieren estándares de datos, métodos y procesos técnicos y analíticos sobre ellos, para intentar evitar caer en sesgos que puedan derivarse de no contar con todos los elementos necesarios para el procesamiento de la información disponible. En su momento, y de haber contado con más información de la que se requería procesar, John Snow pudo haber llegado a conclusiones equivocadas respecto a las causas de la epidemia de cólera, de ahí la importancia de contar con métodos robustos y profundo conocimiento de la disciplina.

Aun con los retos mencionados, se considera que el educador médico debe familiarizarse con big data y la analítica del aprendizaje para incorporar estas técnicas al conjunto de herramientas con las que se pueden preparar proyectos multidisciplinarios de innovación educativa, con las ventajas que implica poder basar su diseño y la toma de decisiones en una cantidad cada vez mayor y más diversa de datos, en contraste con los métodos de investigación tradicionales.

Responsabilidades éticas Protección de personas y animales. Los autores declaran que para esta investigación no se han realizado experimentos en seres humanos ni en animales. Confidencialidad de los datos. Los autores declaran que en este artículo no aparecen datos de pacientes. Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons

¿Qué es el Big Data en la educación?

Se trata de un conjunto de tecnologías y prácticas que hacen posible el almacenamiento, tratamiento y análisis de las enormes cantidades de datos que se generan en el mundo.

¿Qué es el Big Data de la educación?

Big Data en el mundo de la Educación Concretamente, el funcionamiento del Big Data en la educación incluye la medición, recopilación, análisis y valoración de grandes volúmenes de datos estructurados y no estructurados sobre los estudiantes y, en general, todo el entorno educativo.

¿Qué problemas se pueden resolver con Big Data?

1. Datos más fiables y con una muestra mayor – El big data permite recopilar un gran número de datos lo que, ante el análisis de los especialistas en la materia, favorece que las muestras revelen más información sobre los proyectos, servicios o productos que tienen en curso las organizaciones.

Una aplicación muy utilizada en estos días es a través del marketing, en el cual, por medio de cada búsqueda realizada en buscadores como Google se agrupan personas o usuarios que comparten los mismos intereses y que probablemente están buscando la misma solución ante un determinado problema.
A partir de allí, la publicidad en línea, por dar un ejemplo, segmenta los leads de clientes potenciales para mostrarles los productos que más se corresponden de acuerdo con los datos almacenados.

Por eso, es usual que veamos más anuncios sobre el término en particular y comprobemos que nos aparecen en más plataformas ya sea redes sociales o páginas en las que leemos un artículo. Esto ocurre porque demostramos la importancia que tiene para nosotros las alternativas de solución al inconveniente que buscamos resolver.

¿Qué situaciones actuales resolvemos con Big Data?

▷¿Qué problemas resuelve el Big Data en una empresa? Ciertamente el Big Data cada vez es más conocido e importante en el mundo tecnológico y de marketing. Pero realmente su valor no se debe a los propios datos, sino en lo que transmiten a los expertos.

¿Qué es el Big Data ejemplos?

¿Qué es big data? – Big data es un vocablo que proviene del inglés: Big = grande, Data = datos. Podemos definir qué es big data como el conjunto de estrategias que posibilitan recopilar, y analizar una gran cantidad de datos, en los cuales se detectan patrones ocultos que hacen visible información relevante.

A su vez contribuye a la toma de decisiones acertadas que optimizan las soluciones digitales de la empresa,
Los datos que se procesan incluyen información estructurada y no estructurada que proviene de muy diversas fuentes como: redes sociales, motores de búsqueda, dispositivos móviles, maquinaria, vehículos, GPS, call centers, etc., por esta razón debe combinar sus técnicas de smart data con aplicaciones comerciales convencionales como bases de datos, ERP o CRM.

Dar a conocer sus características esenciales es un aporte crucial para complementar la respuesta al interrogante: ¿qué es big data y para qué sirve?

¿Qué es la Big Data para niños?

1- El Big Data nos permite conocer y satisfacer sus necesidades: – Cada dato que nos brinda un estudiante nos dice de una manera u otra cuales son sus necesidades. En resumidas cuentas nos indica sus debilidades y fortalezas. ¿Dónde tienen problemas los pequeños a la hora de aprender? ¿Qué podríamos hacer para ponérselo más fácil? Los datos obtenidos nos son de gran utilidad para responder mejor a estas preguntas de manera que el personal docente pueda mejorar sus métodos de enseñanza.

¿Qué relación tiene el Big Data con el aprendizaje automático?

¿Cómo se diferencia el big data del machine learning y deep learning? – Entendiendo los tres conceptos que hemos visto anteriormente, tenemos que las principales diferencias entre big data, machine learning y deep learning son:

El big data extrae y procesa grandes cantidades de datos muy complejos para luego organizarlos, con la finalidad de facilitar su consulta por parte de personas y programas. Sin embargo, el big data no realiza ningún tipo de análisis inteligente sobre ellos. El machine learning ejecuta análisis inteligentes sobre grandes cantidades de datos para encontrar patrones y tendencias, con la finalidad de apoyar las decisiones de negocio. Sin embargo, el machine learning no extrae ni procesa los datos para aplicarles orden. El deep learning utiliza los datos para aprender de ellos sin intervención humana, con la finalidad de automejorar el sistema y el algoritmo. Sin embargo, el deep learning tampoco extrae ni procesa los datos para disponibilizar su consulta,

En síntesis, mientras el big data se preocupa por las fuentes de datos y la naturaleza de estos, el aprendizaje automático y el profundo se ocupan es de los análisis y del aprendizaje computacional. Esta es la mayor diferencia entre big data, machine learning y deep learning.

¿Qué tipo de datos se pueden analizar con Big Data?

1. Volumen – La cantidad de datos importa. Con el big data, tendrás que procesar grandes volúmenes de datos no estructurados de baja densidad. Pueden ser datos de valor desconocido, como los canales de datos de Twitter, rastros de clics en una página web o en una aplicación de celular o equipos con sensores habilitados.

¿Qué es Big Data y como usarlo?

Big Data es un término que describe el gran volumen de datos, tanto estructurados como no estructurados, que inundan los negocios cada día, Pero no es la cantidad de datos lo que es importante. Lo que importa con el Big Data es lo que las organizaciones hacen con los datos, Big Data se puede analizar para obtener ideas que conduzcan a mejores decisiones y movimientos de negocios estratégicos.

¿Qué es Big Data en pocas palabras?

Definición de big data – ¿Qué es, exactamente, big data? El término «big data» abarca datos que contienen una mayor variedad y que se presentan en volúmenes crecientes y a una velocidad superior. Esto también se conoce como «las tres V». Dicho de otro modo, el big data está formado por conjuntos de datos de mayor tamaño y más complejos, especialmente procedentes de nuevas fuentes de datos.

¿Qué es el Blockchain en la educación?

¿Por qué la tecnología Blockchain en la educación significa una gran transformación para el sistema educativo? La Blockchain en la educación tiene diversas aplicaciones que pueden mejorar los procesos en colegios, universidades y centros de formación.

¿Qué es diplomado en Big Data?

El Diplomado en Big Data y Ciencias de Datos entrega competencias básicas para poder comenzar a trabajar con datos rápidamente o iniciarse en el camino hacia convertirse en un especialista en el futuro. Este diplomado es de tipo presencial, complementado con actividades no presenciales y horas de estudio.

¿Qué beneficios nos proporciona la Big Data?

Planes estratégicos Inteligentes de Marketing: – A través de los datos que nos proporciona el Big Data, a día de hoy es posible analizar y predecir el comportamiento que un usuario tendrá en la red, conocer qué piensan los clientes sobre una marca o un producto, y cuáles son sus necesidades reales sobre la adquisición de productos o servicios.

¿Qué es el Big Data y cuáles son sus beneficios?

Definición de big data – El big data (datos masivos) es el término que describe un gran volumen de datos, el cual crece de manera exponencial con el paso del tiempo. En pocas palabras, es un conjunto de datos tan grande y complejo que ninguna de las herramientas tradicionales de datos es capaz de almacenarlos o procesarlos de manera eficiente.

¿Qué es Big Data y sus beneficios?

2. ¿Por qué el Big Data es tan importante? – Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que tenían. En otras palabras, proporciona un punto de referencia,

Con una cantidad tan grande de información, los datos pueden ser moldeados o probados de cualquier manera que la empresa considere adecuada.
Al hacerlo, las organizaciones son capaces de identificar los problemas de una forma más comprensible,
La recopilación de grandes cantidades de datos y la búsqueda de tendencias dentro de los datos permiten que las empresas se muevan mucho más rápidamente, sin problemas y de manera eficiente,

También les permite eliminar las áreas problemáticas antes de que los problemas acaben con sus beneficios o su reputación. El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos y utilizarlos para identificar nuevas oportunidades, Eso, a su vez, conduce a movimientos de negocios más inteligentes, operaciones más eficientes, mayores ganancias y clientes más felices.

Reducción de coste, Las grandes tecnologías de datos, como Hadoop y el análisis basado en la nube, aportan importantes ventajas en términos de costes cuando se trata de almacenar grandes cantidades de datos, además de identificar maneras más eficientes de hacer negocios.
Más rápido, mejor toma de decisiones, Con la velocidad de Hadoop y la analítica en memoria, combinada con la capacidad de analizar nuevas fuentes de datos, las empresas pueden analizar la información inmediatamente y tomar decisiones basadas en lo que han aprendido.
Nuevos productos y servicios, Con la capacidad de medir las necesidades de los clientes y la satisfacción a través de análisis viene el poder de dar a los clientes lo que quieren. Con la analítica de Big Data, más empresas están creando nuevos productos para satisfacer las necesidades de los clientes.

Consulta a un experto cómo implementar un proyecto de Gobierno de Datos y garantizar el cumplimiento de las normativas Por ejemplo:

Turismo: Mantener felices a los clientes es clave para la industria del turismo, pero la satisfacción del cliente puede ser difícil de medir, especialmente en el momento oportuno. Resorts y casinos, por ejemplo, sólo tienen una pequeña oportunidad de dar la vuelta a una mala experiencia de cliente. El análisis de Big data ofrece a estas empresas la capacidad de recopilar datos de los clientes, aplicar análisis e identificar inmediatamente posibles problemas antes de que sea demasiado tarde.
Cuidado de la salud : El Big Data aparece en grandes cantidades en la industria sanitaria. Los registros de pacientes, planes de salud, información de seguros y otros tipos de información pueden ser difíciles de manejar, pero están llenos de información clave una vez que se aplican las analíticas. Es por eso que la tecnología de análisis de datos es tan importante para el cuidado de la salud. Al analizar grandes cantidades de información – tanto estructurada como no estructurada – rápidamente, se pueden proporcionar diagnósticos u opciones de tratamiento casi de inmediato.
Administración: La administración se encuentra ante un gran desafío: mantener la calidad y la productividad con unos presupuestos ajustados. Esto es particularmente problemático con lo relacionado con la justicia. La tecnología agiliza las operaciones mientras que da a la administración una visión más holística de la actividad.
Retail : El servicio al cliente ha evolucionado en los últimos años, ya que los compradores más inteligentes esperan que los minoristas comprendan exactamente lo que necesitan, cuando lo necesitan. El Big Data ayuda a los minoristas a satisfacer esas demandas. Armados con cantidades interminables de datos de programas de fidelización de clientes, hábitos de compra y otras fuentes, los minoristas no sólo tienen una comprensión profunda de sus clientes, sino que también pueden predecir tendencias, recomendar nuevos productos y aumentar la rentabilidad.
Empresas manufactureras: Estas despliegan sensores en sus productos para recibir datos de telemetría. A veces esto se utiliza para ofrecer servicios de comunicaciones, seguridad y navegación. Ésta telemetría también revela patrones de uso, tasas de fracaso y otras oportunidades de mejora de productos que pueden reducir los costos de desarrollo y montaje.
Publicidad: La proliferación de teléfonos inteligentes y otros dispositivos GPS ofrece a los anunciantes la oportunidad de dirigirse a los consumidores cuando están cerca de una tienda, una cafetería o un restaurante. Esto abre nuevos ingresos para los proveedores de servicios y ofrece a muchas empresas la oportunidad de conseguir nuevos prospectos.
Otros ejemplos del uso efectivo de Big Data existen en las siguientes áreas:
- Uso de registros de logs de TI para mejorar la resolución de problemas de TI, así como la detección de infracciones de seguridad, velocidad, eficacia y prevención de sucesos futuros.
- Uso de la voluminosa información histórica de un Call Center de forma rápida, con el fin de mejorar la interacción con el cliente y aumentar su satisfacción.
- Uso de contenido de medios sociales para mejorar y comprender más rápidamente el sentimiento del cliente y mejorar los productos, los servicios y la interacción con el cliente.
- Detección y prevención de fraudes en cualquier industria que procese transacciones financieras online, tales como compras, actividades bancarias, inversiones, seguros y atención médica.
- Uso de información de transacciones de mercados financieros para evaluar más rápidamente el riesgo y tomar medidas correctivas.