BIG DATA 155w4e

Muy buenas, pues aquí estamos, otro podcast más. Otro día más aquí en la oficina, otra sala nueva, aunque no lo han ido a anotar, es otra sala.

Parece que no, pero es otra sala. Tenemos tres podcasts, una mesa redonda, vamos a tiro terso.

Sí, sí, empezamos el segundo mes, muy fuerte esto. Vamos a hablar sobre Big Data. Creo que un tema maravilloso porque va muy de la mano con la inteligencia artificial, que fue el tema que tratamos el mes pasado. Y pues súper bien, porque además tenemos aquí a Javier Morales, que es el director de inteligencia artificial de Avanade y también es profesor de inteligencia artificial en la universidad. ¿Qué nos puedes contar más de ti? Bueno, pues lo más importante ya lo has dicho. Soy el director de inteligencia artificial en Avanade, que supongo que si escucháis este podcast ya conocéis Avanade, evidentemente.

Y la verdad es que tenemos muchos proyectos, tenemos un equipo en Avanade bastante grande, 70 personas ya.

70 personas somos en total haciendo inteligencia artificial para los grandes clientes. Y la otra parte de mi profesión es dar clase, me encanta dar clase.

Estoy dando clase en la universidad Camino José Cela en el grado de informática, dándoles los fundamentos de la inteligencia artificial. Y también estoy dando Big Data, fíjate.

Madre mía, qué maravilla. Y bueno, también tenemos a Hugo, que ya le conocéis, Hugo Moreno, estudiante del máster de inteligencia artificial. Y bueno, pues cuéntanos algo de ti, que no nos hayas contado ya.

Nada, que soy el único que no soy de Avanade aquí. Parezco como el chaquetero. Bueno, pero yendo al tema y tal, Javier, nos gustaría saber exactamente, que nos introduzcas un poco, nos lleves a tierra, qué es esto del Big Data.

Perfecto. Bueno, pues a ver, la definición evidente es la del nombre, ¿no? Datos grandes. ¿Qué quiere decir? Quiere decir que estamos tratando con grandes cantidades de datos.

Cuando hablamos de grandes cantidades de datos, hablamos de verdaderamente grandes cantidades de datos. Es decir, es algo que no va a caber en ninguno de nuestros ordenadores de casa y ese tipo de cosas.

Estamos hablando de datos que en origen vienen mayoritariamente, hace ya algunos años, empezaron a partir de los dispositivos, los dispositivos que había sobre todo en la industria, que son ahora dispositivos que están conectados y se llaman dispositivos IoT, que sabéis que es el Internet de las cosas, Internet of Things.

Bueno, pues estos dispositivos generan datos, generan datos además durante un tiempo, pues 24 horas al día, 7 días a la semana. Entonces, bueno, pues se generan verdaderamente grandes cantidades de datos.

Cuando hablamos de Big Data, normalmente estamos hablando de varias decenas, miles de gigabytes para arriba, gigabytes, terabytes. Ahora ya estamos hablando, cuando hablamos de temas de Internet, estamos hablando de ya tamaño de petabytes en cuanto hablamos de Big Data.

Eso implica, y lo iremos hablando a lo largo del podcast, entiendo, implica bastantes diferencias en cómo se tratan esos datos a cómo se tratan, pues, unos datos que podemos tener en nuestro disco duro.

Muy bien, eso me parece una locura, o sea, tratar tantos datos y tal, y siempre me ha generado mucha curiosidad, que ya lo hemos hablado antes previamente y tal, el tema de cómo se gestionan esos datos, a nivel empresarial, cómo se les saca buenos valores, cómo, no sé, cómo se hace el Big Data, cómo se maneja.

Eso es una pregunta muy grande. Empezamos por el principio. ¿Cómo se almacenan? Vamos a empezar pensando en cómo se almacenan. Normalmente estos datos se almacenan, no se almacenan en un único lugar físico, sino que se suelen almacenar en lo que se llama la nube.

Yo entiendo que todos los que están escuchando saben algo de tecnología, pero para los que no lo sepan, la mejor definición que yo he leído nunca de lo que es la nube, la nube es el ordenador de otro. La nube no es nada más que un conjunto de ordenadores, de servidores, que están en algún sitio, que no son míos, que son de otro y yo los pago por usar.

Ahí en eso normalmente el Big Data se reparte entre un número relativamente grande de discos duros y de ordenadores. Como están repartidos, implica varias cosas. Implica primero que tengo que saber cómo acceder a los datos, es decir, tengo que tener algo que me diga dónde están los datos que yo estoy buscando porque están repartidos.

Y al mismo tiempo, como son datos críticos, están duplicados, pero duplicados de una cierta manera para que si alguno de esos ordenadores se cae, entre comillas, entendiendo por qué se cae, que deja de funcionar, esos datos no se pierden y además el a esos datos se sigue manteniendo porque ese trocito de datos está también en otro sitio.

¿Eso qué implica? Implica que por encima de todos estos datos tienen que existir una serie de software, de los cuales hay alguno muy famoso como Hadoop, que seguro que los oyentes lo conocen.

¿Qué es lo que hace? Pues nos prepara una especie de paraguas, una capa por encima, que nos permite gestionar toda esta...