Preguntas Frecuentes de Big Data y Data Science

En plena era digital, surgen decenas de términos de los que muchas veces hemos oído hablar pero que realmente no sabemos a ciencia cierta a qué se refieren. Base de datos y banco de datos se utilizan muchas veces como sinónimos; pero son conceptos distintos, cada uno con sus propias peculiaridades. Explicamos en qué consiste cada uno de ellos y qué los hace distintos.

¿Qué es una base de datos?

Una base de datos es una plataforma en la que se pueden almacenar datos de una manera estructurada. Puede ser de distintos tipos; desde pequeños ficheros para organizar los libros de una biblioteca local hasta una compleja plataforma que contenga datos de índole gubernamental.

¿Qué es un banco de datos?

Con banco de datos nos referimos a un conjunto de datos, los cuales están clasificados y ordenados de acuerdo a distintos parámetros. El objetivo principal es organizar y clasificar los datos para que éstos puedan ser encontrados de manera más sencilla.

Un banco de datos puede ser estático o dinámico. En el primer caso, es aquel cuya información cambia muy poco o directamente no cambia; es algo que nunca se va a modificar. En el segundo caso, es aquel banco de datos que varía con el tiempo y que puede deberse a una entrada o salida de datos desde la base de datos.

¿Cuál es la diferencia?

Por lo tanto, la diferencia entre ambos conceptos, aunque muchas veces se traten de manera similar, es la siguiente. La base de datos es un sistema informático que funciona a modo de almacén. Mientras, el banco de datos es algo así como un índice para poder ubicar rápidamente los datos dentro de esa base de datos.

Una base de datos es una plataforma en la cual se pueden almacenar y organizar un conjunto de datos de manera estructurada.

¿Qué es una base de datos relacional?

Se conoce como tal a aquella base de datos que cumple con el modelo relacional; es decir, que permite establecer relaciones entre los datos almacenados en distintas tablas. Tras su desarrollo en el año 1970 de la mano de Edgar Frank Cood, empleado de los laboratorios IBM en California, los modelos de bases de datos dieron un giro de 180º.

Una de sus grandes ventajas es que, debido a los años que llevan en el mercado, este tipo de plataformas tienen un excelente soporte. Además, aportan grandes garantías porque los datos deben cumplir requisitos de integridad tanto en tipo de dato como en compatibilidad.

¿Qué es una base de datos no relacional?

Es aquella base de datos de código abierto que no utiliza el modelo relacional.

Si comparamos las bases de datos relacionales con las no relacionales, éstas son muchísimo más abiertas y flexibles; permiten adaptarse a todo tipo de preferencias y necesidades en función del proyecto a desarrollar. Además, se pueden ejecutar en todo tipo de ordenadores.

¿Cuándo utilizar una u otra?

No todo es blanco y negro a la hora de utilizar una u otra base de datos; hay un amplio abanico de factores que influyen en la decisión. No obstante, aquí van algunas reglas genéricas que pueden ayudarte:

• Si los datos deben ser 100% consistentes, sin la más mínima posibilidad de error: Base de datos relacional
• Si las estructuras de datos que se manejan son variables: Base de datos no relacional.
• Si se necesita analizar una gran cantidad de datos en modo lectura: Base de datos no relacional.
• Si el presupuesto es ajustado y se debe ejecutar en un ordenador corriente: Base de datos no relacional.

En los últimos años se viene hablando muchísimo de dos conceptos clave: La robótica y la inteligencia artificial. No obstante, no siempre están claras las diferencias entre ambas, por eso vamos a explicarlas.

¿Que es la inteligencia artificial?

La Inteligencia Artificial, también conocida por sus siglas IA, es un área de la informática que se ocupa del diseño y el desarrollo de máquinas capaces de de actuar de manera similar al funcionamiento de la mente humana.

La IA tiene su origen a mediados de los años cincuenta; fue el inglés Alan Turing quien introdujo el concepto en la comunidad científica. Su idea era que los ordenadores deben diseñarse tomando como modelo el cerebro humano.

¿Que es la robótica?

Por su parte, la robótica es la ciencia y técnica encargada del diseño, fabricación y uso de robots, los cuales están programados para lograr que imiten el comportamiento humano o animal.

En los últimos años, la robótica ha evolucionado a pasos agigantados, dando así lugar al desarrollo de una serie de disciplinas en torno a la misma, como por ejemplo la cirugía robótica. En este campo el mejor ejemplo de la evolución de esta rama es el robot Da vinci, el cual ha conseguido realizar operaciones clave como las de cirugía transoral con éxito.

¿En qué se diferencian?

Por lo tanto, la diferencia entre robótica e inteligencia artificial está clara. La primera se dedica al desarrollo de agentes racionales no vivos; es decir, su objetivo es que las máquinas sean capaces de emular comportamientos inteligentes. Y, la segunda, se encarga del desarrollo de máquinas que reciben unos datos de entrada por parte de los humanos para que efectúen una acción determinada; no deben pensar por sí mismas.

Access y SQL son sistemas de gestión de bases de datos, los cuales permiten administrar datos de una manera sencilla y eficaz. Aunque la base de ambos sistemas sea la misma, hay algunas diferencias entre ellos. Las explicamos a continuación.

Access vs. SQL

Usuarios

Access está más enfocado al uso personal; es un sistema que está especialmente pensado para ser manejado desde un solo equipo, o como mucho, desde una pequeña red local. Sin embargo, SQL permite que miles de usuarios se conecten a una misma base de datos al mismo tiempo.

Internet

Otra de las grandes diferencias entre ambos sistemas es que SQL es totalmente autónomo a la hora de publicar una base de datos en Internet. Mientras, cuando se utiliza Access para dicha tarea, se suele generar una sobrecarga de consumo de memoria que afecta negativamente al servidor web.

Manipulación de datos

Otro de los puntos en los que SQL saca ventaja es que permite que los usuarios puedan manipular los datos de la base desde cualquier ordenador conectado a Internet, independientemente de su ubicación. En cambio, Access sólo permite que el procesamiento se haga desde un solo equipo.

Compatibilidad

A la hora de compartir archivos, Access gana la partida. Ésto se debe a que generalmente la mayoría de los usuarios lo tienen instalado en su ordenador pero SQL no.

Como puedes comprobar, aunque la base de ambos sistemas sean la misma, están creados para públicos totalmente diferentes. Mientras que Access se dirige a un usuario promedio o pequeñas empresas, SQL tiene puesto el ojo en grandes compañías ya que tiene la capacidad de integrar varios equipos.

Actualmente, el mundo de la tecnología está avanzando a pasos agigantados casi cada día, de manera que se introducen nuevos términos en nuestro vocabulario que muchas veces se confunden. Un buen ejemplo de ello son Big Data y Data Science, los cuales a veces se utilizan como sinónimos.

¿Qué es Big Data?

Big Data es el proceso tecnológico utilizado para recabar grandes volúmenes de información que los sistemas tradicionales no pueden abarcar. Una vez recopilados, el Big Data también se encarga de procesarlos y almacenarlos con el objetivo de convertir los datos en información de valor para la empresa.

¿Qué es Data Science?

Se entiende como Data Science al conjunto de métodos y técnicas que se emplean para extraer información de los datos que provienen de distintas fuentes.

Para ello, el Data Scientist en primer lugar realizar un trabajo de Data Mining, o Minería de Datos, y posteriormente de Data Analytics. En la segunda fase entra en juego el Big Data ya que es la tecnología que permite recabar los datos, así como procesarlos y almacenarlos.

Actualmente, el Data Scientist se ha convertido en uno de los perfiles profesionales más demandados por empresas de todo el mundo ya que trata y analiza los datos provenientes de todo tipo de fuentes. Este profesional cuenta con grandes conocimientos técnicos y es capaz de explorar volúmenes colosales de información para descubrir nuevas oportunidades.

Por lo tanto, el Big Data es una parte del proceso de Data Science, el cual engloba además otros métodos y procesos. El principal objetivo de esta tecnología es el de obtener la mayor información posible para captar las nuevas tendencias del mercado y aprovechar al máximo las oportunidades que este presenta.

Hoy en día estamos expuestos a un amplísimo abanico de conceptos relacionados con las nuevas tecnologías. En el mundo de las bases de datos, se habla mucho de MySQL y MongoDB, aunque no todo el mundo sabe la diferencia entre ambos sistemas de BBDD.

¿Qué es MySQL?

MySQL es uno de los sistemas de base de datos más utilizados en todo el mundo. Su principal característica es que es escalable; es decir, puede crecer si la aplicación que utilizan los usuarios necesitan más.

¿Qué es MongoDB?

Cuando hablamos de MongoDB nos referimos a un sistema de base de datos NoSQL que es multiplataforma; es decir, puede ejecutarse en Windows, Linux y OSx. De esquema libre, permite intrdocucir doumentos y está escrito en lenguaje C++.

Sus dos mayores ventajas son, por un lado, su velocidad, mucho más alta que la de otros sistemas de BBDD; y, por otro lado, el sistema de consulta de los contenidos introducidos en la base de datos.

MongoDB vs MySQL

MongoDB es un gestor de base de datos orientado a documentos, por lo que la primera diferencia fundamental entre ambos es precisamente el propio almacenamiento de datos.

En el caso de MySQL todas las filas de una tabla tienen exactamente la misma estructura, mientras que en MongoDB los documentos no están sujetos a un orden fijo.

Otra diferencia clave entre ambos gestores es que como base de datos NoSQL, MongoDB no utiliza SQL como lenguaje de consulta; cuenta con su propio lenguaje a la hora de procesar los datos introducidos. De ésta manera, puede ajustarse al lenguaje de programación de los usuarios.

¿Cuándo utilizar MongoDB o MySQL?

En líneas generales, MongoDB es más recomendable cuando se quieren llevar a cabo proyectos web que se basen en grandes conjuntos de datos sin estructura ya que no tiene ningún esquema fijo.

En el mundo de los gestores de bases de datos en muchos casos hay términos que tienden a confundirse, pero que sin embargo son diferentes. Pues bien, hoy vamos a establecer las diferencias entre MySQL y SQL Server, dos de los gestores más distribuidos por la red.

¿Qué es MySQL?

Se conoce como MySQL al gestor de base de datos más popular distribuido por la red a día de hoy a nivel mundial. Desde sus inicios ha tenido dos grandes características que le han valido para posicionarse en el primer puesto: Ser el gestor más rápido y libre. No obstante, para ello ha tenido que renunciar a otras tantas características también muy bien valoradas por los usuarios como el ser compatible con ACID.

¿Qué es SQL Server?

Un gestor de base de datos desarrollado por Microsoft, cuya mayor ventaja es que es compatible con casi todo. Su única desventaja es su elevado precio, aunque para competir con MySQL hace algunos años que también tiene una versión libre.

MySQL vs. SQL Server

La primera diferencia entre ambos gestores de bases de datos es que MySQL está disponible para prácticamente todas las plataformas, como Windows y Linux; mientras que SQL Server sólo es compatible para Windows. En ambos casos el límite de tamaño de la base de datos está limitado por el propio sistema operativo.

Respecto a la compatibilidad ACID, en el caso del gestor MySQL depende básicamente del motor de almacenamiento, mientras que SQL Server siempre es compatible.

Desde Datos Conciencia esperamos que esta explicación te haya servido para entender las características y diferencias entre ambos gestores de bases de datos. Si tienes cualquier tipo de duda o consulta, puedes dejarnos un comentario. Estaremos encantados de atenderte y responder a tus preguntas.