Big Data y Tecnologías digitales para la sostenibilidad ambiental (A4C44C1D01)

En este documento vamos a desarrollar el glosario de términos y ampliar conceptos relacionados las aplicaciones de las tecnologías digitales y el big data en referencia a la eficiencia energética y sostenibilidad que se han incluido en los vídeos del nivel.

Como hemos visto en el vídeo “Tecnologías digitales, Big Data y Sostenibilidad Ambiental” relacionado con el big data en este nivel, titulado también “Tecnologías digitales, big data y sostenibilidad ambiental” actualmente nos enfrentamos a retos muy importantes relacionados con la situación ambiental del planeta. Retos que nos afectan en todos los aspectos de nuestra vida diaria y que hemos de modificar para poder adaptarnos a los cambios venideros.

Para ello, los gobiernos y empresas privadas, conscientes del momento decisivo en el que nos encontramos, han comenzado a desarrollar políticas para hacer frente a dichos retos y proteger y conservar los recursos naturales manteniendo el respeto por el medioambiente. Para el desarrollo de estas políticas, utilizan los resultados del uso de herramientas tan eficaces como el análisis del big data, que se ha convertido en una herramienta fundamental para la toma de decisiones, analizando el éxito o fracaso de medidas o conociendo la opinión de la población.

Cada día se generan en todo el mundo millones de datos digitales que, o bien la administración, o bien las empresas almacenan para su posterior uso.

Como se comenta en el vídeo “Tecnologías digitales, Big Data y Sostenibilidad Ambiental” de este nivel, al hablar del big data surgen varias preguntas como ¿qué es?, ¿cómo se origina? y ¿para qué sirve?

Big Data ¿qué es?

El big data son muchísimos datos recogidos en “bruto” que se procesan con programas informáticos específicos para obtener información que pueda ayudar a sectores concretos.

Big Data ¿cómo se origina?

Esta cantidad de información puede ser recopilada de diversas formas. Pueden ser imágenes de satélites, estaciones meteorológicas, dispositivos móviles, sensores de temperatura, sensores de humedad, sensores de luminosidad o incluso se pueden obtener de redes sociales (Facebook, Instagram, Tik Tok...) o bases de datos públicas. Podríamos resumir que las principales fuentes de big data son:

1 |  Producidos por personas. Una gran fuente de información de primera mano y que se considera de muy buena calidad, son las redes sociales. Estas redes recopilan datos, opiniones, reacciones a contenidos e incluso imágenes de los propios usuarios sobre aspectos que puedan interesar a gobiernos y empresas. Por ejemplo, mandar un email, escribir un comentario en Facebook, contestar a una encuesta telefónica, meter información en una hoja de cálculo, responder a un WhatsApp, coger los datos de contacto de un cliente, hacer clic en un enlace de Internet... Infinidad de acciones que realizamos en el día a día suponen una fuente de datos inmensa.

2 |  Generados por el intercambio de información entre máquinas. Además de la interconexión entre personas, las máquinas también están interconectadas y comparten datos directamente, en lo que se conoce como M2M, que viene del inglés «machine to machine». Así, sistemas de control de temperatura, parquímetros, sistemas de riego automático de jardines, GPS de vehículos y teléfonos móviles, máquinas expendedoras de todo tipo situadas en centros públicos y privados, o contadores de electricidad de las viviendas, entre otros muchos sistemas controlados por máquinas, se comunican a través de dispositivos con otros sistemas, a los que transmiten los datos que van recogiendo. Todos ellos utilizan métodos de comunicación para llevar a cabo la interconexión como Wifi, ADSL, fibra óptica o Bluetooth.

3 |  Biométricas. Son datos que provienen de sensores de uso en la vida diaria para acceso a recintos o que llevamos puestos (del inglés weareables), algunos ejemplos son sensores de huellas dactilares de teléfono móviles, escáneres de retina, lectores de ADN, sensores de reconocimiento facial o reconocimiento de voz, pulseras de actividad, pulsómetros, etc. Su uso está muy extendido en materia de seguridad en todas sus variantes (privada, corporativa, militar, policíaca, de servicios de inteligencia, etc.) y también en la tecnología deportiva y médica.

4 |  Marketing web. El aumento del comercio electrónico y los portales de venta online hace que nuestros movimientos en la Red estén sujetos a todo tipo de mediciones que tienen como objeto estudios de marketing y análisis de comportamiento. Por ejemplo, cuando se realizan mapas de calor basados en el rastreo del movimiento del cursor por parte de los usuarios de una web, en la detección de la posición de la página, o en el seguimiento de desplazamiento vertical a lo largo de esta. Con esos datos se llega a conclusiones tales como qué partes de una página atraen más al usuario, o qué productos son los que más le interesan (serán aquellos donde se sitúen los productos sobre los que hace clic o en qué zona de esta pasa más tiempo).

5 |  Transacciones de datos. De la misma forma que ha aumentado el comercio electrónico, los traspasos de dinero de una cuenta bancaria a otra, la reserva de un billete de avión o añadir un artículo a un carrito de compra virtual de un portal de comercio electrónico, serían algunos ejemplos.

Big Data ¿para qué sirve?

Una de las preguntas que más se hace hoy en día, sobre todo teniendo en cuenta que para el público en general este concepto es bastante novedoso, es la utilidad o los beneficios que aporta el big data. Existen muchas utilidades y beneficios, entre las que destacan:

1 |  Reducir los costes de producción y optimizar recursos. Las grandes tecnologías de datos y el análisis basado en la nube aportan importantes ventajas en términos de costes cuando se trata de almacenar grandes cantidades de datos e identificar maneras más eficientes de gestionar recursos para dedicarlos a las actividades que darán mejor rendimiento o beneficio, ya sea económico, social o tecnológico.

2 |  Detectar el comportamiento fraudulento u opiniones sobre acciones realizadas. Cuando los gobiernos o empresas toman medidas o lanzan productos, utilizan el big data para sondear el resultado de dichas acciones. Dichos datos analizados y estructurados dan mucha información para modificar, mejorar o cancelar la continuación de esas acciones.

3 |  Tomar decisiones inteligentes y disminuir el tiempo de ellas. La velocidad del análisis, mezclada con la capacidad de examinar nuevas fuentes de datos, hace que las organizaciones puedan tomar decisiones basadas en lo que han aprendido.

4 |  Determinar las causas de origen de fallos, problemas y defectos casi en tiempo real.

5 |  Desarrollar nuevos productos. Con la capacidad de evaluar las necesidades de los clientes y su satisfacción, viene el poder de darles lo que quieren. Esto significa que es posible crear nuevos ítems para dar respuesta a esos requerimientos.

6 |  Optimizar las ofertas. El big data permite predecir cómo se comportarán los compradores en el futuro en función de sus comportamientos anteriores, por lo que se pueden establecer ofertas de un modo fundamentado y ahorrar dinero.

7 |  Generar cupones para los clientes en el punto de venta basados en sus hábitos de compra.

8 |  Tener un mayor conocimiento del mercado.

9 |  Seguimiento de la competencia. Los macrodatos proporcionan una mayor comprensión de la competencia y anticiparse a ella.

10 |  Información en tiempo real. La información anticuada no tiene valor aplicable en el presente y menos en el futuro, por eso la recopilación de datos de manera diaria que proporciona esta tecnología permite disponer de un feedback casi en el momento.

Estructurados

Cualquier dato que se pueda almacenar, acceder y procesar en formato fijo recibe el nombre de dato «estructurado». Son los que tradicionalmente se han usado en el tratamiento de datos. Sus características principales son que se pueden almacenar en tablas y tienen una clara definición de longitud y formato.

Entre ellos, se encuentran los números, cadenas de caracteres y las fechas. Aunque haya otros tipos de datos que contengan más información, no significa que estos no tengan importancia. No obstante, hoy en día, existen problemas con respecto al tamaño de dichos datos ya que crecen en gran medida, llegando a dimensiones típicas del rango de múltiples zettabytes.

No estructurados

Son cualquier dato de forma desconocida o cuya estructura se clasifica como un dato no estructurado. Además, de ser enormes en tamaño, los datos no estructurados plantean múltiples desafíos con respecto a su procesamiento para derivar valor de ellos.

Se trata de datos en su forma original, tal y como fueron recogidos. No poseen un formato específico que permita almacenarlos de forma tradicional, pues no se puede desglosar la información que facilitan a tipos de datos definidos en longitud y formato. Entre ellos son comunes, por ejemplo, los emails, las presentaciones multimedia como los PowerPoint, documentos de procesadores de textos o los archivos en formato PDF.

Un ejemplo típico de datos no estructurados son las fuentes de datos heterogéneos que contienen una combinación de archivos de texto simples, imágenes, vídeos, entre otros.

En la actualidad, las organizaciones cuentan con una gran cantidad de datos disponibles. Pero, desafortunadamente, no saben cómo derivar valor de ellos porque estos datos se encuentran en su forma cruda o formato no estructurado.

Semiestructurados

Los datos semiestructurados pueden contener ambos tipos de datos. Suelen tener un formato que se puede definir, pero el usuario no lo puede comprender fácilmente y requiere el uso de reglas complejas que ayuden a determinar cómo leer cada pieza de la información. Un ejemplo de un dato semiestructurado es un dato representado en un archivo XML.

Siguen una especie de estructura, pero esta no es lo suficientemente regular como para gestionarla como datos estructurados. Posee ciertos patrones comunes que los describen y dan información sobre las relaciones entre los mismos. Como ejemplo, el HTML, lenguaje para la elaboración de páginas web, donde su sistema de etiquetas permite detectar esas pautas comunes.

Además de los ejemplos mostrados en el vídeo “Tecnologías digitales, Big Data y Sostenibilidad Ambiental” sobre este tema, existen muchos más ejemplos de uso del big data para la sostenibilidad, como por ejemplo el proyecto de la compañía leonardo (leonardo.com). Esta compañía está desarrollando diferentes proyectos basados en el big data utilizando información de satélites.

Entre varios proyectos, destacan el uso de imágenes satelitales que procesan con potentes algoritmos para ayudar a alcanzar los Objetivos de Desarrollo Sostenible (ODS) de la Agenda 2030 de la ONU, como la gestión sostenible del suelo, los recursos hídricos, los bosques y las ciudades. Los satélites hacen una contribución muy importante ya que, a través de un único punto de observación, ofrecen una medida de las variables y fenómenos que queremos observar, es decir, globales, objetivas y trasladables de un punto a otro del planeta, para correlacionarlos con indicadores de sostenibilidad.