En Big Data también se requiere el recurso humano
Linkedin: Alfredo García Facebook: @AlfredoMXDEV
En última instancia, el valor y la eficacia de los grandes datos depende de los operadores humanos encargados de comprender los datos y formular las consultas adecuadas para dirigir proyectos de Big Data. Algunas grandes herramientas de datos se encuentran con nichos especializados y permiten a los usuarios menos técnicos hacer varias predicciones a partir de datos de negocios cotidianos. Sin embargo, otras herramientas están apareciendo, como los dispositivos Hadoop, para ayudar a las empresas a implementar una infraestructura de computación adecuada para abordar grandes proyectos de datos, minimizando la necesidad de hardware y conocimientos de software de computación distribuida.
Pero estas herramientas sólo abordan casos de uso limitados. Muchas otras grandes tareas de datos, como la determinación de la efectividad de un nuevo fármaco, detección de fraudes bancarios, selección de un conjunto de datos adecuado, identificación de preferencias de clientes, tendencias a nuevos productos, etc., pueden requerir una gran experiencia científica y computacional del personal analítico. Actualmente hay una escasez de científicos de datos y otros analistas que tengan experiencia trabajando con grandes datos en un entorno de código abierto distribuido (como Hadoop).
Los datos grandes se pueden contrastar con los datos pequeños (small data), otro término que se utiliza a menudo para describir los datos cuyo volumen y formato se puede utilizar fácilmente para el análisis de autoservicio. Un axioma comúnmente citado es que «los grandes datos son para las máquinas, los pequeños datos son para las personas».
-Target-
