DIGITALIZACIÓN_T5

¿Qué describe mejor un dato?. Información útil para decisiones empresariales. Panel visual con indicadores clave. Archivo histórico con respaldo seguro. Datos crudos sin contexto inmediato.

¿Qué es la información?. Conjunto cifras desordenadas sin significado. Registro bruto sin procesamiento previo. Sensor captura señales ambientales aleatorias. Datos procesados con contexto útil.

¿Qué permitió transformar datos de producción?. Eliminar máquinas defectuosas permanentemente ayer. Cerrar fábrica por baja rentabilidad. Sustituir trabajadores por robots completos. Analizar tendencias y calcular promedios.

¿Primera etapa del ciclo de vida del dato?. Procesamiento análisis convierte información útil. Distribución reportes dashboards alertas inmediatas. Uso estratégico optimiza procesos empresariales. Captura recopilación desde múltiples fuentes.

¿Qué es una API?. Dispositivo físico almacena grandes volúmenes. Base datos guarda información estructurada. Programa edita gráficos y visualizaciones. Puente comunicación entre aplicaciones distintas.

¿Para qué sirve un data lake?. Almacenar únicamente tablas relacionales rígidas. Limpiar datos y normalizarlos automáticamente. Generar dashboards con KPI empresariales. Guardar datos brutos o semiestructurados.

¿Qué implica la limpieza de datos?. Crear gráficos estéticos para directivos. Distribuir informes a usuarios finales. Archivar registros antiguos definitivamente hoy. Eliminar errores y duplicados presentes.

¿Qué es un dashboard?. Archivo legal guardado largo plazo. Sistema cifrado protección datos sensibles. Algoritmo predice comportamientos futuros probables. Panel gráfico muestra indicadores clave.

¿Para qué se usan los datos principalmente?. Borrado seguro discos duros físicos. Almacenamiento nube con múltiples réplicas. Captura sensores IoT en tiempo. Tomar decisiones y optimizar procesos.

¿Qué significa archivar datos?. Procesar datos para visualización avanzada. Modelar relaciones variables matemáticamente complejas. Distribuir alertas mediante aplicaciones móviles. Mover datos antiguos almacenamiento económico.

¿Por qué es clave el análisis de datos?. Eliminar bases datos obsoletas corporativas. Cifrar información para cumplimiento legal. Recopilar encuestas satisfacción clientes recientes. Convertir datos en información útil.

¿Qué es la exploración de datos?. Implementar modelos predictivos avanzados robustos. Desplegar algoritmos aprendizaje automático masivo. Monitorear rendimiento sistemas analíticos continuos. Revisar estructura y calidad datos.

¿Qué usa el análisis descriptivo?. Simular escenarios hipotéticos empresariales futuros. Entrenar redes neuronales profundas complejas. Integrar fuentes heterogéneas en repositorios. Usar gráficos y estadísticas descriptivas.

¿Qué hace el modelado de datos?. Eliminar registros duplicados manualmente siempre. Distribuir reportes semanales a gerencia. Archivar históricos en sistemas secundarios. Crear modelos para realizar predicciones.

¿Qué verifica la validación de modelos?. Visualizar resultados mediante dashboards interactivos. Recolectar datos desde sensores IoT. Limpiar bases datos con algoritmos. Probar precisión con datos validación.

¿Qué implica interpretar resultados?. Desplegar modelos en producción inmediata. Cifrar información para seguridad máxima. Recopilar nuevas métricas operativas clave. Traducir análisis en decisiones empresariales.

¿Qué es big data?. Pequeños conjuntos datos estructurados simples. Almacenamiento local discos duros antiguos. Procesamiento manual hojas cálculo básicas. Infraestructura para grandes volúmenes datos.

¿Qué caracteriza al big data?. Datos siempre perfectamente estructurados homogéneos. Información generada muy lentamente ayer. Análisis exclusivamente retrospectivo empresarial limitado. Datos generados y procesados rápidamente.

¿Qué tipos de datos maneja big data?. Archivos locales guardados manualmente siempre. Texto plano sin metadatos exclusivamente. Únicamente tablas relacionales rígidas siempre. Estructurados semiestructurados y no estructurados.

¿Qué herramienta usa big data?. Calculadoras básicas hojas cálculo simples. Carpetas compartidas red doméstica local. Discos duros externos personales pequeños. Almacenamiento distribuido y procesamiento paralelo.

¿Qué necesita la IA para aprender?. IA funciona sin grandes conjuntos. Big data elimina necesidad análisis. Análisis datos irrelevante para IA. IA necesita grandes volúmenes datos.

¿Dónde se sitúa la ingeniería de datos?. Al final ciclo vida dato. Únicamente durante fase visualización final. Después minería extracción conocimiento avanzado. Al inicio ciclo vida datos.

¿Qué significa ETL?. Evaluar tiempo libre del trabajo. Eliminar totalmente datos antiguos corporativos. Exportar tablas lineales complejas masivas. Extraer transformar y cargar datos.

¿Qué es integración de datos?. Crear gráficos estéticos llamativos modernos. Borrar registros inconsistentes definitivamente siempre. Archivar copias seguridad remotas diarias. Combinar fuentes distintas vista unificada.

¿Qué garantiza la gobernanza de datos?. Acelerar procesamiento masivo inmediato técnico. Visualizar resultados mediante dashboards interactivos. Recolectar datos desde sensores IoT. Garantizar calidad integridad y seguridad.

¿Qué es almacenamiento en la nube?. Guardar datos discos duros locales. Procesar información en tiempo real. Analizar patrones comportamiento usuarios digitales. Guardar datos servidores remotos internet.

¿Para qué sirve el almacenamiento de objetos?. Ideal bases datos relacionales clásicas. Dividir información bloques fijos numerados. Acceder archivos carpetas tradicionales locales. Adecuado grandes datos no estructurados.

¿Para qué se usa el almacenamiento en bloques?. Guardar imágenes metadatos complejos asociados. Compartir documentos edición colaborativa simultánea. Almacenar vídeos streaming masivo global. Usado bases datos y virtuales.

¿Qué ventaja clave tiene la nube?. Requiere comprar hardware permanente costoso. Impide integración aplicaciones externas totalmente. Depende conexión local exclusivamente siempre. Aumentar disminuir capacidad según necesidades.

¿Cómo se paga en la nube?. Cobro fijo mensual independiente uso. Tarifa única por tiempo. Inversión inicial servidores propios locales. Pagar únicamente por almacenamiento consumido.

¿Cómo usa BI la dirección?. Eliminar empleados bajo rendimiento inmediato. Cerrar departamentos menos rentables rápido. Reducir gastos personal sistemáticamente siempre. Monitorear KPI dashboards tiempo real.

¿Qué son las pruebas A/B?. Lanzar productos sin pruebas previas. Ignorar opiniones clientes sistemáticamente siempres previas. Copiar competidores diseño idéntico siempre. Comparar versiones para elegir efectiva.

¿Qué hace el mantenimiento predictivo?. Reparar máquinas únicamente avería grave. Comprar equipos nuevos cada semana. Detener producción ante mínima falla. Predecir fallos con sensores tiempo.

¿Qué es segmentación de clientes?. Eliminar bases datos antiguos corporativos. Enviar misma publicidad todos clientes. Copiar campañas competidores directamente siempre. Agrupar clientes por comportamientos similares.

¿Cómo funcionan recomendaciones tipo Netflix?. Mostrar contenido aleatorio usuarios siempre. Ignorar historial navegación completamente digital. Ofrecer mismos productos todos perfiles. Sugerir productos según comportamiento pasado.

¿Para qué sirven los chatbots con IA?. Atender clientes únicamente horario laboral. Responder mensajes con retraso constante. Evitar interacción clientes deliberadamente siempre. Asistir clientes veinticuatro siete continuo.

¿Qué analiza RRHH con datos?. Contratar personal al azar siempre. Despedir empleados con antigüedad automática. Ignorar indicadores desempeño totalmente siempre. Predecir riesgo salida empleados clave.

¿Qué hace ciencia de datos en TI?. Aumentar velocidad red interna corporativa. Instalar programas entretenimiento para empleados. Comprar nuevos ordenadores mensualmente siempre. Detectar anomalías tráfico red corporativa.

¿Qué protege mejor las cuentas?. Usar contraseñas muy simples siempre. Compartir credenciales correo compañeros habitual. Desactivar antivirus equipos trabajo diario. Activar autenticación múltiples factores protección.

¿Qué es clave para seguridad de datos?. Guardar archivos únicamente localmente siempre. Eliminar respaldos tras actualización inmediata. Ignorar riesgos pérdida información siempre. Realizar copias seguridad periódicas externas.

¿Qué diferencia principal existe entre data warehouse y data lake?. Ambos funcionan idénticamente siempre igual. Ambos almacenan información estructurada exclusivamente. Lake guarda tablas organizadas limpias. Warehouse estructura datos lake bruto.

¿Qué almacena principalmente un data warehouse?. Archivos multimedia sin clasificación específica. Registros sociales caóticos en bruto. Datos sin limpiar múltiples formatos. Datos estructurados listos para análisis.

¿Qué caracteriza al data lake?. Repositorio exclusivamente relacional organizado rígido. Sistema únicamente financiero contable empresarial. Plataforma visualización ejecutiva dashboards internos. Almacena datos variados en bruto.

¿Qué representan las 5 V del Big Data?. Volumen valor variable visualización validación. Vector virtual velocidad verticalización validación. Valoración versatilidad visión vigilancia variable. Volumen velocidad variedad veracidad valor.

¿Qué significa veracidad en Big Data?. Cantidad masiva datos generados. Rapidez procesamiento información empresarial. Diversidad fuentes información digital. Calidad fiabilidad datos utilizados.

¿Qué busca el clustering?. Eliminar registros duplicados automáticamente. Visualizar tendencias mediante gráficos. Validar precisión modelos predictivos. Agrupar datos según similitud.

¿Qué es un outlier?. Variable dependiente modelo estadístico. Indicador clave rendimiento empresarial. Patrón comportamiento repetido frecuente. Dato atípico fuera patrón.

¿Qué analiza la correlación?. Orden cronológico eventos empresariales. Número total registros almacenados. Nivel seguridad infraestructura tecnológica. Relación entre variables distintas.

¿Qué permite la simulación en análisis?. Limpiar bases datos corruptas. Integrar múltiples fuentes heterogéneas. Visualizar resultados ejecutivos finales. Probar escenarios hipotéticos posibles.

¿Qué diferencia ingeniería y minería de datos?. Ambas realizan predicciones estadísticas avanzadas. Ambas construyen dashboards ejecutivos. Ambas eliminan duplicados automáticamente. Infraestructura versus extracción conocimiento.

¿Qué construye la ingeniería de datos?. Modelos estadísticos predicción futura. Algoritmos recomendación usuarios digitales. Informes financieros trimestrales empresariales. Pipelines flujo continuo información.

¿Qué implica normalización de datos?. Crear gráficos interactivos dinámicos. Borrar registros antiguos archivados. Ejecutar modelos aprendizaje profundo. Unificar formatos para coherencia.

¿Qué es procesamiento en tiempo real?. Analizar datos meses después. Guardar información sin analizar. Archivar registros históricos antiguos. Analizar datos mientras se generan.

¿Qué permite arquitectura microservicios?. Sistema único bloque indivisible. Aplicación monolítica rígida tradicional. Software dependiente servidor físico. Servicios independientes comunicándose entre sí.

¿Qué hacen los sistemas IDS?. Reparar automáticamente servidores dañados. Borrar registros sospechosos permanentemente. Optimizar rendimiento red empresarial. Detectar intrusiones red informática.

¿Qué función cumplen los IPS?. Mostrar gráficos tráfico histórico. Generar informes cumplimiento legal. Cifrar correos electrónicos corporativos. Prevenir ataques bloqueando actividad sospechosa.

¿Qué ventaja estratégica tiene pago por uso?. Obliga inversión inicial elevada. Requiere contratos permanentes rígidos. Genera gastos fijos constantes. Reduce costes según consumo real.

¿Qué necesita IA para generalizar correctamente?. Pequeños conjuntos datos aislados. Información estática limitada histórica. Bases datos cerradas restringidas. Grandes volúmenes datos variados.

¿Por qué análisis depende del Big Data?. Porque reemplaza estadística clásica. Porque elimina necesidad modelos. Porque evita interpretación humana. Proporciona cantidad suficiente información.

¿Qué ocurre sin análisis adecuado?. Datos generan automáticamente decisiones. Infraestructura sustituye dirección empresarial. IA aprende sin entrenamiento previo. Datos carecen valor práctico.

¿Qué implica gobernanza además seguridad?. Aumentar velocidad procesamiento masivo. Reducir número empleados tecnológicos. Comprar hardware última generación. Definir roles responsabilidades claras.

¿Qué aporta procesamiento paralelo?. Almacenar datos formato texto. Archivar información largo plazo. Validar manualmente modelos predictivos. Acelerar análisis grandes volúmenes.

¿Qué sucede al desplegar modelos?. Se archivan permanentemente sistemas. Se eliminan datos históricos anteriores. Se desconectan servidores secundarios. Se integran procesos operativos reales.

¿Qué busca monitoreo continuo?. Crear nuevas bases datos. Eliminar informes anteriores. Cambiar proveedores nube constantemente. Mantener modelos precisos actualizados.

¿Qué permite visualización efectiva?. Reducir almacenamiento físico necesario. Sustituir análisis estadístico complejo. Eliminar necesidad interpretación humana. Facilitar comprensión decisiones estratégicas.