Hay cosas que se aprenden en la universidad que es difícil obtener en otro lado. En este punto de mi carrera profesional un título no me va a generar más dinero, pero lo que sí me va a ayudar la universidad es a saber más fundamentos, tener mejores conocimientos, contactos y tener mejor proyectos personales. La universidad, por tanto, es una herramienta que si la aprovechas vale totalmente la pena.

¿Hay algo más recompensante que la satisfacción de aprender por auténtica curiosidad intelectual sin que nadie te obligue? Tengo un problema con Audible y es que se me hace complicado retener lo que escucho. Con los podcasts no me pasa esto. Trato de apuntar todo lo que me resulta más interesante. Siempre tengo un cuaderno o app de notas al lado, y puedo hacerlo mientras voy de camino al trabajo o hago la compra. Las distracciones siempre estarán ahí, pero intento hacer uso de ellas para ser productivo.

No ha habido un mejor momento para ser analista de BI (Business Intelligence) como ahora pero es bueno también volver no solo a los beneficios que puede aportar la inteligencia de negocio sino también a los retos que tiene desplegar este tipo de iniciativas dentro de una organización.

Me gusta la frase de Séneca “Si uno no sabe a que puerto se dirige cualquier viento es un buen viento”. Hay cuatro cosas por las que me levanto cada mañana y que me importan más en mi vida: mi trabajo (desarrollo profesional), mi familia, mis amigos (la gente que quiero) y la parte espiritual de la vida.

Estos son algunos ejemplos de riesgos referentes a la preservación de la privacidad o anonimización que consiste en alterar o introducir ruido en los datos para que la reidentificación de los usuarios no sea posible:

Podemos prever que los sistemas operacionales reciben multitud de transacciones repetitivas y conocidas y el almacén de datos recibe consultas masivas, puntuales y no conocidas.

Como diferencia encontramos también el rendimiento, la volatilidad, los usuarios (más expertos en el almacén de datos), estructura (relacional versus multidimensional), alcance histórico, detalle de los datos y el volumen, mucho mayor en un almacén de datos. Los datos que contiene el almacén de datos han de estar integrados en una estructura consistente porque, entre sus objetivos, está el de eliminar las posibles inconsistencias que se dan entre los diferentes sistemas operacionales.

LinkedIn decidió migrar uno de sus servicios internos (Babylonia) de usar Oracle a Espresso, con el requerimiento principal de mantener corriendo Babylonia ininterrumpido en producción durante la migración para que esta transición no afectase a los usuarios finales. El uso del modelo relacional (Oracle) era poco adecuado para resolver el problema planteado con Babylonia porque a medida que el sistema crecía, ellos estaban almacenando más datos en la base de datos y lanzando más queries contra ella. Los trabajos (jobs) periódicos que necesitaban para correr las tablas de la base de datos se estaban volviendo pesados.

En esta ocasión, he decidido investigar y desarrollar un análisis del valor que está extrayendo de los datos Facebook haciendo referencia a:

• Cuál es el origen de los datos y cómo se capturan (origen).
• Qué valor se genera con esos datos recogidos (valor).
• Cómo el valor de esos datos le diferencia o ayuda a nivel de competitividad sobre otros actores de su mercado (competitividad).
• Qué posibles nuevos usos de esos datos en Facebook podrían generar un impacto claro en el valor del producto o servicios ofrecido o que incluso, dieran lugar a un nuevo producto/servicio (proyecto).