echiechi - Fotolia

Noticias Manténgase informado sobre las más recientes actualizaciones de productos y noticias de tecnología empresarial.

Seis predicciones de Oracle sobre big data para 2017

Este año, los proyectos de big data se integrarán con la nube, las aplicaciones, la IoT y la analítica para impulsar la transformación empresarial, dice Oracle.

Hoy todo está conectado. Los teléfonos inteligentes, las computadoras portátiles, las máquinas con sensores, los vehículos y las aplicaciones. Todos los aparatos mencionados anteriormente y sus conexiones generan cantidades masivas de datos. Esta información, para las compañías que sepan utilizarla y administrarla, puede representar una gran oportunidad y una fuente de conocimiento que aumenta la competitividad frente a sus competidores.

En este sentido, big data impacta todas las industrias y también a los individuos, desde profesionales de TI y líderes de negocio, hasta los consumidores finales. De ahora en adelante, contaremos con los siguientes escenarios:

  • Quienes estén de compras en una boutique podrán recibir descuentos o direcciones de tiendas de posible interés, mientras adquieren sus piezas favoritas, basados en sus gustos y preferencias.
  • Los consumidores en línea pueden obtener ofertas personalizadas de productos y servicios.
  • Los fabricantes pueden medir el éxito de un producto nuevo en cuestión de días, no en semanas.
  • Los conductores pueden tener acceso fácil a lugares de estacionamiento en la calle, basados en datos reales que interaccionan con sus dispositivos inteligentes.

Big data y la nube son dos tecnologías que hacen posible la transformación digital en el mundo. Ahora que comienza 2017, existen nuevas tendencias que se apoderarán de todas las industrias. Es importante que las compañías estén preparadas para reaccionar adecuadamente, y así puedan aprovechar las nuevas tecnologías para estar delante de sus competidores. A continuación, algunas de nuestras predicciones:

1. La era de la máquina omnipresente ha llegado

El aprendizaje automático ya no es exclusivo de grupos dedicados a la recaudación de datos. La importancia y la adopción de la habilidad de aplicar el conocimiento obtenido, a través de la automatización, a una gran variedad de datos, se está incrementando. Existirá un gran crecimiento en la transformación de este tipo de aprendizaje, a herramientas para analistas de negocios y consumidores finales; en consecuencia, habrá un impacto en cómo las corporaciones e instituciones de gobierno ejecutan sus labores. El aprendizaje automático afectará la interacción del usuario con absolutamente todo: el seguro personal, la electricidad, el sistema de salud y hasta el estacionamiento público. La era de la máquina omnipresente finalmente ha llegado.

2. Si los datos no se pueden mover, la nube irá a los datos

No siempre podemos trasladar los datos a un centro de datos externos, por cuestiones de privacidad, regulaciones y soberanía de datos, que son temas a considerar. En ocasiones, el volumen es tal, que el costo de movilizarla es mayor que los posibles beneficios. La respuesta siempre está en la implementación de la nube. En el futuro, más y más organizaciones deberán desarrollar estrategias de este tipo para manejar los datos en múltiples locaciones y tener mayor campo de acción.

3. Las aplicaciones, no solo la analítica, impulsarán la adopción de big data

Los primeros casos de uso de la tecnología de big data se centraron principalmente en la eficiencia de TI, el procesamiento de datos a gran escala y los patrones de solución analítica. Ahora, existe una amplia variedad de necesidades específicas de la industria impulsadas por las empresas que, a su vez, potencian una nueva generación de aplicaciones dependientes de big data, las cuales continúan impulsando su adopción.

4. La internet de las cosas (IoT) integrará las aplicaciones de la empresa

La internet de las cosas es más que objetos inanimados. Todo, desde proveer un sistema de salud para mejorar la asistencia a pacientes, hasta maximizar la experiencia del consumidor a través de aplicaciones en dispositivos móviles, requiere un monitoreo constante y una ejecución basada en los datos que las personas generan, a través de los equipos con los que interactúan.

Las compañías deben simplificar el desarrollo de las aplicaciones de IoT para integrar rápidamente esta información a sus aplicaciones de negocio. Al fusionar las nuevas fuentes de datos con la analítica, en tiempo real, y con información del comportamiento del usuario, se puede desarrollar una nueva generación de aplicaciones en la nube capaz de adaptarse y aprender rápidamente. El impacto se sentirá no solo en el mundo de los negocios, sino también en los proyectos globales de las ciudades y naciones inteligentes.

5. La virtualización de los datos será la luz al final del túnel

En las compañías, los silos de datos proliferan en plataformas como Hadoop, Spark and NoSQL. Los datos con un valor potencial se quedan en la oscuridad y, por ello, es difícil accesarlos (también encontrarlos). La virtualización de los datos está emergiendo como un camino para poner foco en los datos que hoy tienen poca visibilidad, mientras se minimiza el movimiento de los mismos.

6. La arquitectura del cómputo de próximas generaciones permite aprendizajes profundos en una nube escalable

Capas de virtualización, tecnologías de aceleración (GPUs y NVMe), el posicionamiento óptimo del almacenamiento y el cálculo, una red de alta capacidad y facilitadora, son parte de la convergencia, y juntos permiten arquitecturas en la nube que realizan mejoras del orden de magnitud en la computación. ¿El resultado? Un aprendizaje profundo, escalable y una integración sencilla con aplicaciones del negocio y sus procesos.

Balaji Thiagarajan es vicepresidente del grupo de Big Data en Oracle.

Próximos pasos

Más sobre big data:

Cuatro tendencias de big data y AI a las que echarles un ojo

Gerentes de TI sopesan los mayores beneficios de la analítica de big data

Big data, una espada de doble filo en la ciberestrategia de este CIO

Big data desafía las técnicas de modelado de datos tradicionales

Este artículo se actualizó por última vez en febrero 2017

Profundice más

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Enviando esta solicitud usted acepta recibir correos electrónicos de TechTarget y sus socios. Si usted reside afuera de Estados Unidos, esta dando autorización para que transfiramos y procesemos su información personal en Estados Unidos.Privacidad

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close