La automatización de las tareas en ciencia de datos superará el 40% en 2020

La consultora Gartner acaba de anunciar que, según sus cálculos, la automatización de tareas en ciencia de datos superará el 40% en 2020.

La necesidad de contar con científicos de datos en las plantillas es una realidad creciente para las empresas, que ven en el Big Data la fuente de información más fiable en la toma de decisiones. No solo en los negocios, sino también en otros ámbitos, como la cultura, la seguridad y el tráfico, se requiere de estos profesionales para cubrir unas exigencias que van apareciendo con cada vez más frecuencia. Por lo general, las personas que trabajan en este campo suelen ser científicos expertos en analítica, programación y lógica, especializados en aplicar sus conocimientos a los datos. Según el XI Informe Los + Buscados de Spring Professional de Adecco del 2016, este será además el perfil más demandado en el futuro inmediato.Sin embargo, el ascenso de esta ciencia está estimulando que la mayoría de proveedores de plataformas de software de datos busquen la manera de simplificar las tareas de integración de la información y construcción de modelos a través de la automatización.

Más del 40% automatizado para 2020

Ahora, la consultora Gartner acaba de anunciar que, según sus cálculos, la automatización de tareas en ciencia de datos superará el 40% en 2020. En este sentido, la productividad y el uso de la analítica aumentarán por parte del perfil del científico ciudadano, al que define como alguien capaz de generar modelos que usan un diagnóstico avanzado o capacidades predictivas y prescriptivas, pero cuya función principal queda fuera de las estadísticas o análisis.

Conforme a la consultora, los científicos de datos ciudadanos terminarían con la brecha entre la analítica avanzada de los científicos de datos y la aplicación más sencilla de los usuarios comunes. De este modo, podrían realizar un análisis sofisticado que en el pasado requeriría más experiencia, lo que les permitiría obtener resultados semejantes sin contar con las habilidades que caracterizan a los científicos de datos.

Alexander Linden, Vicepresidente de Investigación de Gartner, apunta que “la clave de la simplicidad es la automatización de tareas que son repetitivas y manuales, y que no requieren de una profunda experiencia en ciencia de datos”. Asimismo, sugiere que con el aumento de la automatización se podrán abordar las mismas cargas de trabajo necesitando menos científicos de datos, aunque cada proyecto avanzado en este campo requerirá al menos uno o dos perfiles de este tipo. “Hacer que los productos de la ciencia de datos sean más fáciles de utilizar incrementará el alcance de los proveedores en la empresa y ayudará a superar el gap en las habilidades”, explica el directivo.

Científicos de datos ciudadanos, un perfil en auge

La consultora también pronostica que en 2019 este perfil superará en productividad a al del científico de datos experto, lo que alimentará al negocio y creará un entorno más generalizado impulsado por el análisis. Se prevé que el resultado sea el acceso a más fuentes de información, incluyendo mayor complejidad, una gama más amplia y sofisticada de capacidades analíticas, y el empoderamiento de una gran audiencia de analistas en toda la organización.

“La mayoría de las organizaciones no cuentan con suficientes científicos de datos siempre disponibles, pero tienen numerosos analistas de información calificados que podrían convertirse en científicos de datos ciudadanos”, apunta Joao Tapadinhas, Director de Investigación de Gartner. “Ahora el acceso a la ciencia de los datos es desigual, esto se debe a la falta de recursos y a la dificultad de las acciones”, afirma Tapadinhas. “Para algunas organizaciones, los ciudadanos científicos de datos serán una solución más simple y rápida en su camino hacia la analítica avanzada”.

En suma, el futuro presenta un panorama donde los nuevos científicos y profesionales de los datos contarán con la beneficiosa compañía de la automatización, que se encargará de mejorar la productividad en las laborales de análisis, y permita exprimir al máximo los beneficios del Big Data.

PUBLICADO POR KARLA CINTHYA FLORES BENITEZ 

6 DE MAYO DEL 2017

Telefónica pone a disposición de las empresas la tecnología para analizar Big Data

Telefónica ofrece a las empresas la posibilidad de desarrollar proyectos de Big Data sin invertir en infraestructura y con el mejor asesoramiento a través de una plataforma de datos Hortonworks de Hadoop. Hewlett Packard Enterprise (HPE) y Telefónica – Partner Platinum de HPE – unen sus estrategias de transformación digital para las grandes empresas con el objetivo de facilitarles las herramientas necesarias para abordar su digitalización. Una meta para la que Telefónica ha creado Living Cloud, propuesta global que abarca todos los elementos tecnológicos y metodológicos imprescindibles en este proceso, donde el Big Data es un pilar imprescindible.

Telefónica pone a disposición de las grandes empresas los servicios de su plataforma de Big Data Hortonworks de Hadoop, sustentada en la tecnología de Hewlett Packard Enterprise (HPE), para que las compañías puedan optimizar sus datos sin necesidad de invertir en infraestructuras y asesoramiento, lo que les faculta para mejorar sus recurso y procesos empresariales, agilizar la toma de decisiones o emprender nuevos retos de negocio.

En un contexto de mercado cada vez más competitivo, los datos son un activo de gran relevancia para las empresas. Su análisis predictivo ayuda a reducir costes de producción optimizando partes críticas de sus procesos, mejorar la experiencia de sus clientes e incluso emprender nuevos retos de negocio, mejorando así su posición en el mercado. Un paso clave para abordar la ya conocida y necesaria Transformación Digital en las empresas.

Big Data: La clave está en el análisis

La plataforma de datos Hortonworks de Hadoop con Telefónica tiene dos funciones: por un lado, permite a las organizaciones recolectar y almacenar en un repositorio todo tipo de información; por otro, lanzar procesos de transformación de datos, analítica predictiva y prescriptiva sobre esta misma información; todo ello imprescindible para el uso de Big Data en grandes compañías.

El servicio de Big Data que Telefónica ofrece a las empresas se sustenta en una plataforma independiente que garantiza el mayor rendimiento y seguridad, pues está construida sobre una arquitectura de referencia, creada a partir del conocimiento y la experiencia de Telefónica, y permite crecer y decrecer manteniendo el rendimiento.

Además, Telefónica ofrece a las empresas consultoría tecnológica para mantener sus procesos de gestión y extracción de datos siempre actualizados, así como servicios de analítica avanzada con las aplicaciones que mejor se adapten a sus necesidades.

PUBLICADO POR KARLA CINTHYA FLORES BENITEZ  

30 de  abril del 2017

Big data y la meteorología

El clima y la meteorología tienen un impacto claro en los hábitos de consumo de la gente, es decir, dependiendo de las condiciones climatológicas, los consumidores tienen unas necesidades u otras. Esta conclusión que parece obvia tiene un potencial económico en la cuenta de resultados de aquellos retailers que han empezado a integrar las predicciones meteorológicas en la gestión de su negocio. Las cadenas de distribución que consigan integrar en su modelo de gestión y correlacionar los datos facilitados por el clima y las predicciones meteorológicas con los datos de comportamiento de los consumidores a través del Big Data y las tecnologías analíticas, contarán con una ventaja competitiva sobre el resto.

En este contexto, Tinámica, trabajando conjuntamente con Meteogrid como socio especialista en datos meteorológicos y de clima de calidad empresarial, ha identificado 7 ventajas que esta práctica puede suponer a las empresas de fabricación y distribución de productos de gran consumo.

• Aumento de ventas. Debido a una mayor disponibilidad de stock de los artículos más demandados en cada ubicación incorporando las previsiones meteorológicas.
• Mejoras en optimización de niveles de inventario y de reaprovisionamiento. Adaptando los niveles de stock y el reaprovisionamiento de cada tienda a la meteorología prevista y clima de cada lugar. El impacto es especialmente alto en artículos de temporada o estacionales (moda, jardín u otros). 
• Mejor adaptación a la demanda. A través del cálculo de demanda prevista y planificación en cada tienda y ubicación teniendo en cuenta, adicionalmente a otros factores, el historial de la demanda y el impacto de la meteorología en la misma.
• Servicio al cliente. Anticipando las necesidades de los clientes y ofreciéndoles los artículos que mejor encajen con la meteorología y clima de cada lugar.
• Eficiencia de acciones de marketing. Lanzando acciones de marketing que tengan en cuenta, además de otros factores, también la meteorología de cada ubicación, y huyendo de políticas y acciones decididas de forma única para toda la red de tiendas.
• Gestión de rebajas y descuentos. Adecuando el momento de las mismas o de los descuentos a la meteorología de cada lugar y cada momento. Especialmente relevante en productos perecederos y artículos de temporada (moda u otros).
• Planificación de recursos en las tiendas. Dimensionado y planificación de turnos de trabajo por días y horarios utilizando también los datos meteorológicos previstos.

“La mejora de la gestión basada en tecnología y servicios analíticos de datos, que combinen datos meteorológicos y climatológicos, de clientes y de ventas por ubicación es una información muy útil para las empresas de distribución y gran consumo” ha destacado Enrique Serrano, director general de Tinámica. Para quien, “la integración de esos datos meteorológicos y de clima en la gestión de las operaciones supone para las compañías de gran consumo no solo una oportunidad de negocio y ventaja competitiva sino también una gestión más eficiente de sus recursos”.

Publicación realizada por: Edwin E. Jiménez C.

10 RAZONES POR LAS QUE EL BIG DATA ESTÁ CAMBIANDO EL MUNDO

Está claro que el Big Data ha venido para quedarse y, aunque a veces no se alcance a ver la magnitud del cambio, está claro que los datos están cambiando el mundo tal y como lo conocemos.

¿Tienes claro por qué el Big Data es tan importante? Clarke Patterson, de Cloudera, te da no uno ni dos, sino 10 motivos para convencerte de su importancia.

1. Reducir el riesgo en los negocios.

Un informe reciente de PwC sugiere que las amenazas de ciberseguridad están creciendo a un ritmo sin precedentes: en 2015, estos incidentes aumentaron un 38%. El big data juega un papel muy importante en la contención de esta preocupante tendencia.

Pero el big data no solo puede ayudar en el ámbito cibernético, sino que también puede hacerlo frente a otro tipo de amenazas para el negocio al que las empresas se enfrentan a diario, y que se pueden mitigar gracias al correcto análisis y uso de datos.

2. Aprovechar la información del cliente.

Aunque es muy importante estudiar al cliente para ofrecerles la mejor experiencia posible, es momento de atender a un elemento que hasta ahora no se tenía demasiado en cuenta: el contexto. No solo por las personas que están en él, sino por lo que están haciendo en él en un momento determinado.

Conocer el contexto en el que se encuentra el cliente nos da las claves sobre su comportamiento.

3. Mejorar la eficiencia de los servicios y productos.

Las compañías disponen de más datos que nunca y pueden ver su negocio desde perspectivas distintas. ¿El resultado? Las organizaciones hacen más eficientes los procesos de desarrollo de productos, mejoran la calidad de los mismos y reducen los costes generales.

Quizás una de las áreas que ha tomado la delantera en este sentido es la industria del automóvil o la logística. Impulsados por el Internet de las cosas (IoT), sus productos y servicios se están ofreciendo como nunca antes.

4. Modernizar la arquitectura de datos.

La mayoría de los problemas a los que hacen frente las organizaciones hoy en día no son nuevos, pero sí que ha cambiado la forma de enfrentarse a ellos.

Las arquitecturas de datos modernas permiten a las empresas aprovechar todos los datos, estructurados o no, para solucionar los retos de las compañías con métodos nuevos y transformadores.

5. Hacer relevante lo que hasta ahora no lo era.

Gracias a una estrategia orientada a los datos, las empresas se están reinventando a sí mismas. Un hecho que supone un giro fundamental sobre las nuevas perspectivas de empleo y está permitiendo que las generaciones más jóvenes pueden encontrar un trabajo fresco y dinámico.

6. Reinvención de la industria.

La industria está en un estado de transición. Empresas de sectores tradicionales (como el transporte, por poner un ejemplo), están obligando al resto de actores de su área a transformarse. La empresa que no dispone de datos en medio de este proceso, tiene un problema.

7. Fomentar el desarrollo de nuevas habilidades.

El big data permite la irrupción de nuevas herramientas tecnológicas. Y no solo las empresas están abriéndose paso en este nuevo territorio, las universidades también están integrando en sus planes de trabajo el desarrollo del big data como una fuerza de trabajo del futuro.

8. Open source, un movimiento que está a punto de llegar.

El Open source no es nada nuevo; pero hasta ahora, éste estaba limitado al ahorro de costes. En la era del big data, open source ya no es sólo un factor para ahorrar, también se tiene en cuenta en el fomento de la colaboración e innovación.

9. Todo el mundo es analista.

Cada área del negocio, desde las finanzas a la comercialización del producto, utiliza los datos en su actividad diaria. No solo las personas que tienen el título de analista trabajan con datos, sino que prácticamente todo el mundo está trabajando con ellos.

10. Cualquier cosa es posible.

Más allá del matiz tecnológico, lo más importante del big data es el impacto que está teniendo en el mundo tal y como lo conocemos: vemos ciudades más inteligentes, mejoras en el cuidado y la prevención del paciente, reducción del fraude y las amenazas se combaten más rápido que nunca.

Con tantos datos, económicos y accesibles, es difícil saber qué va a pasar. Sin embargo, lo que sí sabemos es que estamos empezando a hacer posible lo imposible y tendrá una profunda trascendencia. ¿Dónde estaremos dentro de 10 años?

PUBLICADO POR: VENICE AQUINO MORALES

Lo que el Big Data sabe de las mujeres

Satélites, móviles y redes sociales visibilizan los problemas con un nivel de detalle sin precedentes. Así lo revela el primer estudio global sobre macrodatos y género.

Poner medios, no excusas. También cuando se trata de rellenar los enormes vacíos de información sobre el bienestar de las mujeres a escala global para diseñar políticas y programas de ayuda eficaces. Si hace falta, recurriendo al torrente de datos digitales —anonimizados— que ofrecen las imágenes por satélite, las redes sociales y el uso de móviles y tarjetas de crédito. Con esta filosofía, expertos internacionales bajo el paraguas de la Fundación ONU han puesto a prueba durante dos años el potencial de los macrodatos para arrojar luz sobre el estatus social, económico y de salud de las mujeres en cuatro continentes. De aquí han emergido unos retratos en tiempo real y con un nivel de detalle geográfico sin precedentes. ¿Cuánta precisión es esta? Tanta, que "nos preguntamos si los responsables de la toma de decisiones serán capaces de aprovechar el nivel de granularidad que ofrecen los mapas”, apunta Rebecca Furst-Nichols, vicedirectora de la iniciativa de la Fundación ONU para los datos de género —Data2X—.

El estudio se inició en 2014, en vista de que "nadie estaba investigando de qué modo el big data puede aumentar el rango, cantidad y calidad de los datos sobre las vidas de las niñas y mujeres", explica Furst-Nichols, al frente de los programas de macrodatos de Data2X. Con este objetivo, pusieron en marcha cuatro proyectos piloto para evaluar las grandes categorías de macrodatos. "También seleccionamos cuestiones con una falta de datos persistente y que suponen un riesgo desproporcionado para las mujeres". Por ejemplo, problemas de salud mental y acceso a la educación. La premisa era sencilla: las fuentes de datos convencionales, como las estadísticas oficiales y encuestas de hogar, no cubren todo el territorio y se realizan con poca frecuencia —a menudo, cada cinco años—. Los datos digitales pueden complementar a los tradicionales porque se generan de forma continua y se recolectan pasivamente, cubriendo zonas, temas y grupos de población que a día de hoy son invisibles para sus propios Gobiernos.

El big data también es útil para comprender grandes conmociones —desde desastres naturales hasta recesiones, pasando por vuelcos en políticas macroeconómicas—. "Por definición, los choques son imprevisibles. Planificar y realizar encuestas convencionales con presteza para evaluar sus impactos es difícil, tanto desde un punto de vista logístico como financiero", señala el economista de salud pública y coordinador de la investigación, Bapu Vaitla. "Además, la posibilidad de desglosar los macrodatos permite analizar el impacto en diferentes territorios y sub-grupos de población". Un matiz fundamental, puesto que los efectos de una inundación, por ejemplo, pueden ser moderados en el conjunto de un país, pero devastar sus comunidades más marginalizadas.

Paisajes de desigualdad

Cuatro de cada cinco países sí producen de forma más o menos periódica estadísticas desglosadas por sexo, apunta el informe Big data y el bienestar de mujeres y niñas de Data2x. Sin embargo, estos datos no tienen la precisión geográfica suficiente para orientar políticas o planes de ayuda a escala local —programas sobre cuestiones de tanto calado como el analfabetismo y el acceso a contraceptivos por parte de las mujeres—. Los encuestadores gubernamentales no llegan a todas las aldeas de Kenia, Tanzania, Nigeria, Bangladesh y Haití, pero las imágenes de satélite sí. ¿Y qué tienen que ver el clima, la producción agrícola o la distancia a carreteras que muestran estas capturas con el estatus social y de salud de las mujeres? Lo suficiente para inferir su bienestar en territorios que nunca ha pisado un funcionario.

De hecho, los mapas generados en el estudio para cuestiones como el analfabetismo revelan paisajes de desigualdad —tanto de género como entre regiones de un mismo país— que estaban ocultos hasta la fecha, y abren la puerta al diseño de intervenciones dirigidas a las mujeres más vulnerables. Aunque la correlación entre fenómenos geoespaciales y el estatus de las mujeres varía en cada país, ya hay resultados prometedores. En Nigeria, se han visualizado zonas de clara desigualdad entre niños y niñas en cuanto a retraso en el crecimiento. "Lo revelador es que esta desventaja de las niñas frente a los niños en Nigeria no se puede generalizar", remarca Vaitla. "Lo que se observa es un complejo patchwork de desigualdades relacionadas con la zona geográfica, la densidad de población, los sistemas agrícolas y otros factores geoespaciales".

Otro hallazgo destacado parte de los datos sobre uso de móviles y tarjetas de crédito —en concreto, de las gestiones anonimizadas de 150.000 usuarios en México D.F.—. Los investigadores analizaron el tipo de compras, en qué orden se hacían y cómo eran los patrones de movilidad de los usuarios. Ello permitió identificar siete grupos diferentes según el estilo de vida económico. Los que se ocupan del hogar, por ejemplo, realizan la mayoría de sus compras en verdulerías, tienen menos movilidad, disponen de una red social menos diversa y gastan menos con tarjetas de crédito. Las mujeres no solo están sobre-representadas en este grupo, sino que tienen peores indicadores que los hombres en la misma categoría. Las "fuertes diferencias de género" se repiten en todos los grupos, destaca Vaitla. En el caso de Los que viajan para ir al trabajo, los hombres se desplazan a más lugares y viven mucho más cerca del centro de la ciudad, lo que indica un mayor acceso a oportunidades económicas. En el grupo Jóvenes, "las mujeres tienen un radio de movimiento mucho menor, lo que vuelve a evidenciar un mundo social y económico reducido".

Este conocimiento tiene aplicaciones prácticas porque los subgrupos tienen necesidades sociales y económicas diferentes. Identificarlos "permite analizar los costes y beneficios relativos de las políticas dirigidas a mejorar el acceso a comida, transporte o servicios de información", apunta el estudio. Analizar el comportamiento de la población en tiempo real también puede alertar del deterioro en la calidad de vida de algunos sectores, y ayudar a diseñar sistemas de protección social efectivos. El desplome de la movilidad en un grupo con niveles bajos de gasto, por ejemplo, podría indicar que los más pobres ya no pueden costearse el transporte necesario para acceder a los mercados y a los servicios gubernamentales. "A largo plazo, este enfoque podría revelar cómo las mujeres enfrentan factores de estrés como desastres ambientales y recesiones".

Publicado por: Viridiana Tello.

LA BIBLIOTECA DE ALEJANDRÍA PARA EL ‘BIG DATA’ CÓSMICO, EN CHILE

La gigantesca información que producen los telescopios necesita organizarse: la Astroinformática.

La legendaria Biblioteca de Alejandría fue el primer centro de investigación en el mundo. Hoy, el corazón del saber universal ya no es una ciudad de Oriente Medio sino el Cosmos y la forma de almacenar ese gigantesco Big Data se llama 

Astroinformática.

La abundancia de instalaciones astronómicas, como las que hay en el norte de Chile, con sus avanzados telescopios como el European Extremely Large Telescope (E-ELT) y el Large Synoptic Survey Telescope (LSST), requiere también del desarrollo de algoritmos y programas inteligentes que analicen la ingente cantidad de información que producen.

Este es el origen de la astroinformática, un conocimiento interdisciplinario en el que colaboran astrónomos, matemáticos e ingenieros estadísticos para manejar ese big data.

El chileno Jorge Ibsen dirige desde 2010 el departamento de computación e informática de Alma, el gigantesco radiotelescopio de 66 antenas instalado en el desierto de Atacama. 

Debido a sus condiciones atmosféricas, los cielos del norte de Chile están considerados los mejores del mundo para la observación astronómica. El país austral concentra actualmente el 40 % de la capacidad mundial de observación astronómica y para 2024 se calcula que alcanzará el 70 % gracias a sus avanzados telescopios.

“El número de astrónomos se ha multiplicado por diez en la última década, lo mismo que el de personas interesadas en trabajar en ingeniería y tecnología para la astronomía”, comenta.

“El Atacama Large Millimeter Submillimeter Array (Alma), produce 0,25 petabytes (equivalentes a 250 billones de bytes) al año. El LSST, que se construye en (la provincia chilena de) La Serena y estará operativo en el 2022, producirá 10 petabytes al año. Y el teles-copio que se instalará en Australia, el Square Kilometer Array (SKA), producirá 6,5 exabytes al año (equivalentes a 6.500 peta-bytes). Necesitamos disponer de una tecnología que permita alojar todos estos datos y una granja de computadores que los procesen con recetas algorítmicas”, apostilla. 

LINK DEL TEMA

https://youtu.be/3YgOinre59I

PUBLICADO POR: EDGAR SORIANO PAREDES

Almacenamiento NoSQL

El término NoSQL se refiere a Not Only SQL y son sistemas de almacenamiento que no cumplen con el esquema entidad-relación. Proveen un sistema de almacenamiento mucho más flexible y concurrente y permiten manipular grandes cantidades de información de manera mucho más rápida que las bases de datos relacionales.

• Almacenamiento clave-valor (key-value): Los datos se almacenan de forma similar a los mapas o diccionarios de datos, donde se accede al dato a partir de una clave única. Los valores (datos) son aislados e independientes entre ellos, y no son interpretados por el sistema. Pueden ser variables simples como enteros o caracteres, u objetos. Por otro lado, este sistema de almacenamiento carece de una estructura de datos clara y establecida, por lo que no requiere un formateo de los datos muy estricto. Apache Cassandra es la tecnología de almacenamiento clave-valor más reconocida por los usuarios.

• Almacenamiento documental: las bases de datos documentales guardan un gran parecido con las bases de datos Clave-Valor, diferenciándose en el dato que guardan. Si en la anterior no requería una estructura de datos concreta, en este caso guardamos datos semiestructurados. Estos datos pasan a llamarse documentos, y pueden estar formateados en XML, JSON, Binary JSON o el que acepte la misma base de datos.Todos los documentos tienen una clave única con la que puede ser accedido e identificado explícitamente. Estos documentos no son opacos al sistema, por lo que pueden ser interpretados y lanzar queries sobre ellos. Un ejemplo que aclare cómo se usa lo encontramos en un blog: se almacena el autor, la fecha, el título, el resumen y el contenido del post.

• Almacenamiento en grafo: las bases de datos en grafo rompen con la idea de tablas y se basan en la teoría de grafos, donde se establece que la información son los nodos y las relaciones entre la información son las aristas, algo similar en el modelo relacional. Su mayor uso se contempla en casos de relacionar grandes cantidades de datos que pueden ser muy variables. Por ejemplo, los nodos pueden contener objetos, variables y atributos diferentes en unos y los otros. Las operaciones de join se sustituyen por recorridos a través del grafo, y se guarda una lista de adyacencias entre los nodos. Encontramos un ejemplo en las redes sociales: en Facebook cada nodo se considera un usuario, que puede tener aristas de amistad con otros usuarios, o aristas de publicación con nodos de contenidos. Soluciones como Neo4J y GraphDB son las más conocidas dentro de las bases de datos en grafo.
  

• Almacenamiento orientado a columnas: Su modelo de datos es definido como “un mapa de datos multidimensional poco denso, distribuido y persistente”.26 Se orienta a almacenar datos con tendencia a escalar horizontalmente, por lo que permite guardar diferentes atributos y objetos bajo una misma clave. A diferencia del documental y el clave-valor, en este caso se pueden almacenar varios atributos y objetos, pero no serán interpretables directamente por el sistema. Permite agrupar columnas en familias y guardar la información cronológicamente, mejorando el rendimiento. Esta tecnología se acostumbra a usar en casos con 100 o más atributos por clave.28 Su precursor es BigTable de Google, pero han aparecido nuevas soluciones como HBase o HyperTable.

Publicación realizada por Edwin E. Jiménez C.