{"id":2625,"date":"2016-09-28T08:45:19","date_gmt":"2016-09-28T08:45:19","guid":{"rendered":"http:\/\/www.fractaliasystems.com\/?p=4526"},"modified":"2023-10-11T09:23:18","modified_gmt":"2023-10-11T09:23:18","slug":"data-lake-volumen-variedad-y-velocidad","status":"publish","type":"post","link":"https:\/\/fractaliasystems.com\/en\/data-lake-volumen-variedad-y-velocidad\/","title":{"rendered":"Data lake: volumen, variedad y velocidad, todo en uno"},"content":{"rendered":"

El mayor reto de las organizaciones de hoy en d\u00eda es el gran volumen de informaci\u00f3n que deben gestionar. Manipular toda esta informaci\u00f3n puede llegar a costar mucho dinero y tiempo, pero si la informaci\u00f3n no se utiliza no tiene ning\u00fan tipo de valor. <\/span><\/p>\n

La clave para ser competitivos es aprovechar toda la informaci\u00f3n posible y organizarla correctamente para ser m\u00e1s eficientes en la toma de decisiones. Aqu\u00ed es donde entran en escena los <\/span>data lake<\/span><\/i><\/a>. Se trata de bancos de datos digitales donde se almacena gran cantidad de informaci\u00f3n. Cada elemento que se quiere almacenar se le asigna un identificador y una etiqueta.<\/span><\/p>\n

DATA LAKE VS DATA WAREHOUSE<\/strong><\/span><\/p>\n

Comparar los <\/span>data lake<\/span><\/a> con los antiguos <\/span>data warehouse <\/span><\/a>es la mejor manera de entender la evoluci\u00f3n de los sistemas de almacenado de datos en los \u00faltimos a\u00f1os. Los data warehouse son dep\u00f3sitos centrales de datos integrados de m\u00faltiples fuentes. Guardan datos actuales e hist\u00f3ricos que se utilizan para la elaboraci\u00f3n de nuevos informes comparativos.<\/span><\/p>\n

Estas son las principales diferencias entre ambos sistemas:<\/span><\/p>\n

1. \u00bfQu\u00e9 tipo de informaci\u00f3n se almacena?<\/strong><\/p>\n

Durante la creaci\u00f3n de <\/span>big data<\/span><\/a> se invierte bastante tiempo analizando todas las fuentes; de d\u00f3nde provienen, qu\u00e9 tipo de contenido presentan, qu\u00e9 pueden aportar si se almacenan, etc. En el caso de los data warehouse, una parte importante del proceso se basa en la toma de decisiones sobre qu\u00e9 datos se almacenan y qu\u00e9 datos no se guardan. Generalmente, si los datos no sirven para responder a temas muy espec\u00edficos o muy bien definidos, quedan excluidos de este tipo de base de datos. Como contraposici\u00f3n, los data lake s\u00ed almacenan todo tipo de contenido. No s\u00f3lo informaci\u00f3n actual, sino tambi\u00e9n datos hist\u00f3ricos.<\/span><\/p>\n

2. Etiqueta, clasificaci\u00f3n y lectura de formatos<\/strong><\/p>\n

Los data warehouse almacenan informaci\u00f3n extra\u00edda de sistemas transaccionales que consisten en datos cuantitativos que aportan informaci\u00f3n muy espec\u00edfica. Por ejemplo, datos contables, fiscales o legales, etc. Por el contrario, no almacenan fuentes de datos no tradicionales tales como registros web, datos de sensores, actividades en las redes sociales, tendencias, etc. Los data lake abarcan todo tipo de datos independientemente de su origen y de su estructura. Se etiquetan para clasificarlos y s\u00f3lo se modifican o adaptan cuando se necesita utilizarlos.<\/span><\/p>\n

3. Fuentes globales de informaci\u00f3n<\/strong><\/p>\n

Los contenidos que encontramos en los data warehouse son una herramienta muy \u00fatil para aquellos usuarios que trabajan con bases de datos muy espec\u00edficas y bien estructuradas. La informaci\u00f3n se encuentra de forma segura, r\u00e1pida y sencilla. Por su parte, los data lake, adem\u00e1s de almacenar datos estructurados y espec\u00edficos, est\u00e1n pensados para aquellos profesionales que se dedican a elaborar an\u00e1lisis complejos, estad\u00edsticas y modelos predictivos. En este caso es necesario fusionar y mezclar todo tipo de informaci\u00f3n para generar nuevos contenidos, estimaciones y previsiones. Por ello, la tendencia es que todos los usuarios pasen a utilizar informaci\u00f3n en los data lake en lugar de en los data warehouse.<\/span><\/p>\n

4. F\u00e1cil adaptaci\u00f3n<\/strong><\/p>\n

Lleva bastante tiempo modificar el contenido de los data warehouse. Aunque el dise\u00f1o del warehouse o almac\u00e9n de datos sea propicio a los cambios, los desarrolladores necesitan tiempo para llevar a cabo las modificaciones pertinentes. Los data lake, sin embargo, no necesitan modificaciones puesto que almacenan datos en su forma m\u00e1s b\u00e1sica (en bruto). Los data lake se actualizan a\u00f1adiendo m\u00e1s informaci\u00f3n, pero nunca se modifica la informaci\u00f3n ya existente.<\/span><\/p>\n

Los data lake permiten almacenar todo tipo de contenido en bruto y estar disponible para todo el mundo en todo momento. Ya no s\u00f3lo es importante que una base de datos sea capaz de almacenar grandes cantidades de informaci\u00f3n, sino que \u00e9sta tiene que estar disponible al instante independientemente de su formato original. El uso de fuentes muy variadas, adem\u00e1s, permite realizar an\u00e1lisis complejos y modelos predictivos. <\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

El mayor reto de las organizaciones de hoy en d\u00eda es el gran volumen de informaci\u00f3n que deben gestionar. Manipular toda esta informaci\u00f3n puede llegar a costar mucho dinero y tiempo, pero si la informaci\u00f3n no se utiliza no tiene ning\u00fan tipo de valor. 
Read more<\/a><\/p>\n","protected":false},"author":2,"featured_media":2626,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9,4],"tags":[25],"class_list":["post-2625","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-internet-fractalia","category-it-fractalia","tag-internet-of-things"],"_links":{"self":[{"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/posts\/2625","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/comments?post=2625"}],"version-history":[{"count":1,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/posts\/2625\/revisions"}],"predecessor-version":[{"id":2804,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/posts\/2625\/revisions\/2804"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/media\/2626"}],"wp:attachment":[{"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/media?parent=2625"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/categories?post=2625"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fractaliasystems.com\/en\/wp-json\/wp\/v2\/tags?post=2625"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}