Tema 6

Qué aplicación del big data puede darse en turismo?. Eliminar temporadas bajas en alojamientos. Identificar destinos turísticos en tiempo real. Gestionar el transporte público. Mejorar la experiencia del cliente mediante análisis de hábitos.

Qué ocurre si no se organiza bien la información dentro de una empresa?. Mejora la toma de decisiones. Aumenta la velocidad de procesamiento. Se reduce la cantidad de datos disponibles. Puede llevar a decisiones confusas o incorrectas.

Qué herramienta utiliza la ciencia de datos para extraer conocimientos?. Redes neuronales en todas las fases. Sensores para recolectar datos en tiempo real. Modelos predictivos, visualización y estadística. Exclusivamente herramientas de big data.

Cuál es una aplicación del big data en seguridad informática?. Optimizar redes de transporte público. Mejorar el diseño de dispositivos electrónicos. Detectar patrones anómalos para prevenir ataques. Generar datos para campañas de marketing.

Cuál de estas acciones no forma parte de convertir datos en información?. Reutilizar. Contextualizar. Condensar. Categorización.

Cuál es el uso principal de la información en una empresa?. Reducir costos operativos. Facilitar la toma de decisiones. Almacenar datos históricos. Generar reportes financieros.

Cuál es la última etapa del ciclo de vida de los datos?. Visualización en dashboards. Captura. Procesamiento. Almacenamiento permanente o eliminación.

Cuáles son las 5V del big data?. Variabilidad, versatilidad, volumen, valor, velocidad. Volumen, viabilidad, velocidad, veracidad, variedad. Velocidad, volumen, variedad, veracidad, valor. Variedad, viabilidad, veracidad, velocidad, valor.

Cuál es el propósito principal de contextualizar los datos?. Presentarlos en gráficos comprensibles. Reducir el volumen de datos. Proporcionar un marco de referencia para interpretarlos. Convertir datos irrelevantes en esenciales.

Qué desventaja se menciona en relación con el big data?. Imposibilidad de usar datos en tiempo real. Dependencia exclusiva de análisis manuales. Falta de acceso a datos actualizados. Complejidad para procesar grandes volúmenes de datos.

Por qué tener muchos datos puede ser problemático?. Porque dificultan enfocar en lo importante. Porque suelen ser erróneos. Porque siempre son obsoletos. Porque no se pueden procesar en tablas.

Cuál de las siguientes afirmaciones es correcta sobre los datos?. Los datos, por sí solos, son irrelevantes para tomar decisiones. Los datos ya procesados no requieren contexto adicional. Los datos siempre tienen significado sin necesidad de procesarlos. Los datos no necesitan almacenamiento para su análisis.

Cuál es la principal diferencia entre big data y ciencia de datos?. Ciencia de datos no utiliza métodos científicos. Big data trabaja exclusivamente con datos pequeños. Big data se enfoca en la infraestructura, y la ciencia de datos en extraer conocimientos. Ciencia de datos es una etapa previa al big data.

Cuál es la principal relación entre big data y machine learning?. Big data almacena datos y machine learning genera reportes. Machine learning gestiona la infraestructura de big data. Big data proporciona datos para el aprendizaje de modelos. Ambos procesos son independientes.

Qué aspecto caracteriza al big data respecto a la velocidad?. Los datos deben procesarse en orden secuencial. La velocidad no es un factor importante. Los datos siempre se generan lentamente. Se requiere un análisis rápido de grandes volúmenes.

Qué aspecto del big data se refiere a la diversidad de formatos de datos disponibles?. Velocidad. Variedad. Veracidad. Volumen.

Qué etapa del ciclo de vida de los datos incluye la creación de informes y gráficos?. Procesamiento y visualización. Almacenamiento. Uso operativo. Captura.

Cómo ayuda el big data en las ciudades inteligentes?. Sustituye la intervención humana en las decisiones. Facilita el análisis manual de los problemas urbanos. Reduce la cantidad de datos utilizados. Optimiza la gestión del tráfico y reduce el crimen.

Por qué los datos por sí solos no apoyan la toma de decisiones?. Porque están sujetos a errores humanos. Porque carecen de contexto, análisis y significado. Porque se presentan en formatos inadecuados. Porque siempre son irrelevantes.

Cuál es el objetivo del análisis exploratorio de datos (EDA)?. Eliminar datos duplicados o erróneos. Presentar resultados al usuario final. Identificar patrones y tendencias en los datos. Guardar datos en repositorios de seguridad.