Gestionde D+I

Según la investigación de Francis X. Diebold sobre el origen y la implantación del término big data, ¿a qué autor y año se remonta su primer uso en el ámbito académico?. A Laney, en 2001, con el trabajo Three V's of Big Data. A Tilly, en 1984. A John Mashey, en Silicon Graphics Inc., a mediados de los años noventa. A Weiss e Indurkbya, en 1998. Al propio Diebold, en el año 2000.

Dentro de la clasificación de los datos según su grado de estructuración, ¿cuál de las siguientes descripciones corresponde a los datos semiestructurados?. Información que se encuentra ordenada en la mayoría de las bases de datos, con campos y relaciones definidas. Texto libre, datos de sensores, audio, video, flujos de clics y archivos de log. Datos que representan un híbrido entre los dos tipos anteriores, como las hojas de cálculo de Excel. Datos que se recopilan pero nunca se analizan y cuyo valor permanece ignorado por la organización. Datos que solo pueden ser procesados en tiempo real y que se descartan una vez consultados.

De acuerdo con el dato de IDC citado en la lectura, ¿cuál era la proyección sobre el crecimiento del universo digital de datos?. Que se duplicaría cada cinco años hasta alcanzar 2,7 zettabytes en 2020. Que se multiplicaría por un factor de 12 hasta alcanzar 9 terabytes en 2020. Que se multiplicaría por un factor de 44 hasta llegar a 35 zettabytes en 2020. Que se mantendría estable porque el 70 % de los datos serían descartados por las empresas. Que crecería solo en el segmento empresarial, responsable de más del 70 % de los datos creados.

Un equipo de ingeniería de procesos busca reducir el consumo eléctrico de una planta sin realizar todavía inversiones en equipamiento nuevo. Propone instalar visualizadores de consumo instantáneo en los accesos de cada sector productivo, de modo que los operarios vean en tiempo real los kW que se están consumiendo. ¿Qué principio de la lectura respalda esta decisión?. Que la lectura manual y periódica del contador por parte de un operador entrenado es más precisa que la medición automática. Que el ahorro comienza cuando uno percibe de forma numérica lo que consume, por lo que la visualización en tiempo real modifica los comportamientos. Que el ahorro efectivo depende exclusivamente de reemplazar los equipos por otros de clase A o A+. Que los datos de consumo solo resultan útiles si se almacenan durante al menos un año antes de ser analizados. Que la medición del consumo debe expresarse siempre en kWh y nunca en Wh para facilitar su interpretación.

¿Qué se entiende por dark data en el marco de la evolución de los datos?. Los datos que se aplican en el momento indicado para crear experiencias y personalizar la relación con el cliente en tiempo real. Los datos que, además de detectar posibles problemas, permiten predecir comportamientos futuros y simplificar los procesos de los usuarios. Los datos que se recopilan y almacenan pero que no son estructurados ni analizados, por lo que se ignora el valor que tienen. Los datos de navegación obtenidos exclusivamente en redes anónimas y de acceso restringido. Los datos cifrados que las organizaciones deben segregar para no vulnerar normativas de privacidad.

Una empresa de ingeniería industrial instala sensores conectados (M2M) en los equipos críticos de una línea de producción para transmitir mediciones a una aplicación central. ¿Cuál es la principal ventaja que, según la lectura, aportan estos dispositivos a la gestión del proceso?. Que eliminan la necesidad de almacenar datos históricos, ya que toda la información se consume en el momento. Que permiten reducir costos, aumentar la eficiencia en el soporte y actuar con proactividad al diagnosticar el problema antes de que aparezca. Que convierten automáticamente los datos no estructurados en datos biométricos aptos para la identificación de operarios. Que garantizan por sí solos el cumplimiento de las normativas de seguridad y privacidad de los datos. Que reemplazan a la analítica de textos como única fuente válida de información para la toma de decisiones.

Según el estudio de Cisco Mobile citado en la lectura, ¿cuál era el consumo medio mensual de datos de un teléfono celular inteligente y cuál la proyección para 2016?. Una media de 15 megabytes al mes, con una proyección de 250 megabytes. Una media de 150 megabytes al mes, con una proyección de 2,5 gigabytes. Una media de 1,5 gigabytes al mes, con una proyección de 25 gigabytes. Una media de 500 megabytes al mes, con una proyección de 5 gigabytes. Una media de 2,5 gigabytes al mes, con una proyección de 15 gigabytes.

Una planta industrial posee equipos de distintos fabricantes, con protocolos de comunicación heterogéneos, y no logra consolidar los datos de tecnología operativa (OT) para analizarlos. En el caso de Google Cloud presentado en la lectura, ¿qué solución responde específicamente a este problema?. Las plantillas sin código de la plataforma Looker BI, para que los directores de planta armen cuadros de mando personalizados. La API Time Series Insights, que identifica cambios injustificados en los datos de máquinas y sensores y emite alertas. La herramienta Manufacturing Connect, con una biblioteca de back-end de más de 250 protocolos de máquinas. Los modelos de aprendizaje automático preconstruidos que se despliegan para realizar mantenimiento predictivo. El lago de datos optimizado de fábrica que provee almacenamiento con un modelo de datos común.

En el análisis de datos de texto, ¿cómo se denomina el proceso de crear datos estructurados a partir de texto no estructurado, que forma parte de la gestión documental?. Análisis sintáctico o parsing. Análisis de sentimientos o análisis de opinión. Extracción de información. Procesamiento del lenguaje natural. Lingüística computacional.

Un área de innovación quiere agrupar a los usuarios de su aplicación móvil según su comportamiento, actualizar esa segmentación de forma periódica y usarla para activar campañas personalizadas. En el caso de data modelling para la compañía TELCO, ¿qué procedimiento se siguió para lograrlo?. Se crearon clústers con autoML y BQ ML mediante el algoritmo de K-means y luego se clasificó mensualmente a todos los usuarios en esos clústers con autoML. Se aplicó un único modelo de regresión lineal sobre los datos históricos de facturación, actualizado una vez al año. Se construyó un data warehouse local sin capacidades de machine learning y se delegó la segmentación en el equipo comercial. Se segmentó a los usuarios manualmente a partir de encuestas de satisfacción y se cargaron los resultados en planillas de cálculo. Se reemplazaron los dashboards por informes estáticos mensuales para evitar la complejidad del entorno automatizado.

Según Joyanes Aguilar, ¿cuáles de las siguientes situaciones constituyen riesgos derivados de la no adopción de las tendencias de big data por parte de una organización?. Que la voluminosa cantidad de información lleve a una confusión que impida ver las oportunidades y amenazas del negocio, con la consiguiente pérdida de competitividad. Que la velocidad y el flujo constante de datos en tiempo real afecten a las ventas y a la atención al cliente. Que la variedad y la complejidad de los datos y de sus fuentes lleven a la vulneración de determinadas normativas de seguridad y privacidad. d) Que la organización quede legalmente obligada a migrar la totalidad de sus sistemas a la nube. e) Que las fuentes de datos se conviertan automáticamente en estructuras relacionales típicas.

De acuerdo con la clasificación de las fuentes de big data presentada en la lectura, ¿cuáles de las siguientes constituyen categorías de origen de los grandes volúmenes de datos?. Web social y medios sociales (flujos de clics, feeds de Twitter, entradas de Facebook, contenido web). Máquina a máquina (lecturas de medidores inteligentes, RFID, sensores de plataformas petroleras, señales GPS). Dark data, entendido como una fuente independiente de generación de datos. Biometría (genética y reconocimiento facial). Datos de transacciones grandes (demandas de salud, llamadas de telecomunicaciones, registros de detalles y de facturación).

Una distribuidora de energía eléctrica evalúa desplegar una red inteligente con medidores y sensores en toda su área de concesión. Según la lectura, ¿qué capacidades habilita la medición en tiempo real del consumo y su posterior analítica?. Deducir qué tipos de clientes demandan más energía y durante qué períodos de tiempo, para personalizar los gastos de hogares, organizaciones y empresas. Facilitar el intercambio bidireccional de energía e información entre productoras, proveedores y consumidores. Generar ahorros de costes tanto para las empresas distribuidoras como para los clientes. Eliminar la necesidad de desplegar sensores a lo largo de la región geográfica donde se instala la red. Suprimir la lectura manual del contador, ya que el medidor inteligente captura datos de modo automático y periódico.

Un comité de transformación digital de una empresa industrial toma como referencia el concepto de «empresa inteligente» desarrollado en la lectura. ¿Sobre qué tendencias se sustenta ese modelo de empresa?. La nube (cloud computing). La movilidad. Los negocios sociales (social business). El big data. La fabricación aditiva y la robótica colaborativa.

Una organización con gran volumen de datos de clientes quiere replicar el enfoque de infraestructura descrito en el caso de Walmart. ¿Cuáles de las siguientes decisiones forman parte de ese enfoque?. Limpiar los datos como primer paso, segregando nombres, teléfonos y correos y encriptando otros detalles para no vulnerar la privacidad. Conformar un equipo diverso que adquiera los datos, opere las herramientas analíticas e implemente la infraestructura. Permitir que cientos de equipos accedan simultáneamente a los datos anonimizados, sin burocracia ni largas cadenas de aprobación. Combinar múltiples herramientas analíticas y de BI de distintos partners, proveedores, código abierto y desarrollos internos. Centralizar el acceso a los datos en un único equipo con aprobaciones sucesivas, para garantizar el control de la información.

La historia del término big data puede dividirse en dos etapas: una primera, entre 1984 y 2007, en la que el concepto nace y se expande dentro del campo científico y de negocios con un uso restringido a la jerga técnica y académica; y una segunda, que se inicia en 2008, marcada por la difusión del término con criterio tecnológico y económico. Verdadero. Falso.

El smart data es un sinónimo del big data: ambos designan un sistema de gestión que se limita a detectar problemas ya existentes a partir de grandes volúmenes de registros. Verdadero. Falso.

En el caso analizado sobre vehículos autónomos, Tesla decidió eliminar los radares de sus automóviles y depender únicamente de las cámaras para su sistema de asistencia al conductor, mientras que la mayoría de los fabricantes optó por combinar cámaras con radares o con lídar. Verdadero. Falso.

De acuerdo con la lectura, la parte «big» es más importante que la parte «data», porque el valor de esta megatendencia depende directamente de la cantidad específica de datos que una organización logre acumular. Verdadero. Falso.

Para colocar la pinza amperimétrica de un smart meter doméstico es necesario manipular la instalación eléctrica, contar con un permiso y recurrir obligatoriamente a un profesional certificado. Verdadero. Falso.