Las tendencias de Big Data de 2017
Diversos pueden ser los factores que están impactando en las tendencias de Big Data, pero lo que es una realidad es que hoy en día esta es una pieza clave para las operaciones, desarrollo y servicios de las empresas. Aquí hay algunas de ellas que se han ido consolidando y no parecen tener un fin próximo:
-
Código abierto
Las aplicaciones de código abierto como Apache Hadoop o Spark, entre otras, están dominando el espacio de Big Data y parece ser una tendencia que continuará. De acuerdo a encuestas, cerca del 60% de las empresas esperan tener clusters Hadoop funcionando para finales de año.
Según algunos expertos, en 2017, muchas empresas ampliarán su uso de tecnologías Hadoop y NoSQL, así como su búsqueda por medidas para agilizar sus procesos de Big Data. Muchas buscarán tecnologías que les permita acceder y responder a la información en tiempo real.
-
Tecnología In-Memory
La In-Memory es una de las tecnologías que se están investigando con miras a agilizar el procesamiento de Big Data. En una base de datos tradicional, la información se almacena en sistemas equipados con discos duros o SSDs, mientras que en la In-Memory el almacenamiento se en memoria RAM, lo cual es considerablemente más veloz.
De acuerdo a reportes, se pronostica que la tecnología de base de datos In-memory, un tipo de memoria que permite procesamiento de grandes volúmenes de información en poco tiempo, aumentará cerca de 30% al año. Hoy en día esta se ofrece por diversos vendedores como SAP, IBM y Pivotal.
-
Machine Learning
A medida que las capacidades de análisis de Big Data han progresado, algunas empresas han comenzado a investigar e invertir en Machine Learning (ML). Este aprendizaje automático es una rama de la IA enfocada en que las computadoras aprendan por sí solas sin ser explícitamente programadas.
El ML, que analiza grandes almacenamientos de datos para llegar a conclusiones que cambian de acuerdo al comportamiento de la aplicación, es una de las tendencias de Big Data relacionadas con las tecnologías estratégicas. Hoy en día, los sistemas más avanzados de IA y ML están moviéndose más allá de los algoritmos tradicionales para crear sistemas de comprensión, aprendizaje, predicción y adaptabilidad para la eventual operación autónoma.
-
Análisis predictivo
Estrechamente ligado al ML, el análisis predictivo permite ir un paso más allá del uso de herramientas de análisis en retrospectivas, utilizando un gran análisis de datos para predecir lo qué sucederá a futuro. El número de organizaciones utilizándolo hoy en día es sorprendentemente bajo; sin embargo, la oferta de herramientas podría revertirlo y mostrar lo útil que es.
Lee también: 8 Ejemplos reales del uso de Big Data
-
Aplicaciones inteligentes
Estas aplicaciones a menudo incorporan análisis de Big Data para analizar el comportamiento de los usuarios y así proveerles servicios personalizados, como, por ejemplo, los motores de recomendación en diversas aplicaciones de comercio electrónico y de entretenimiento.Una de las tendencias de Big Data que parece ir en aumento y que incluso podrá intensificarse a medida que se expanda el uso de IA y ML para las aplicaciones y servicios.
-
Seguridad inteligente
Las empresas están incorporando el análisis de Big Data a sus estrategias de seguridad. El registro de esta última proporciona información sobre ataques previos que puede ser utilizada para predecir, prevenir y mitigar los próximos; muchas incluso están integrando software SIEM con grandes plataformas de datos.
-
IoT
El Internet de las Cosas (IoT) también está teniendo un impacto considerable. Hoy en día, poco menos de un tercio de las empresas han lanzado soluciones de IoT y cerca de la mitad está trabajando en su implementación para los próximos doce meses, y es que con todos los nuevos dispositivos y aplicaciones online necesitarán sistemas y tecnologías para manejar los grandes datos procedentes del IoT.
Fuente: Datamation
