Mediakits Comerciales
Directorios
Enlaces a medios del Mundo
¿Todavía no tiene su suscripción?
Suscríbase a la guía de medios de comunicación más completa.
SuscribirNoticias
Empresarias
Zurich reinventa la categoría de beneficios y lanza "Club Zurich": el lado B de estar protegido
Buscar Noticias
¿Todavía no tiene su suscripción?
Suscríbase a la guía de medios de comunicación más completa.
SuscribirMultimedia
¿Todavía no tiene su suscripción?
Suscríbase a la guía de medios de comunicación más completa.
SuscribirRRHH
Empleos destacados
¿Todavía no tiene su suscripción?
Suscríbase a la guía de medios de comunicación más completa.
SuscribirTarifas de publicidad
27.09.2023 por TOTALMEDIOS
El dilema de los datos: del Data Lake al Data Warehouse
En un mundo dominado por los datos, ¿cómo balancear entre pocos datos y estar inundado por ellos? Diego Lis, CTO de Seenka Media Data, analiza soluciones a este dilema, partiendo de un Data Lake y llegando a un Data Warehouse, listo para ofrecer información valiosa y oportuna.
En un mundo dominado por los datos, enfrentamos un desafío: ¿Cómo balancear entre tener pocos datos y estar inundado por ellos? ¿De qué sirve tener muchos datos si no se usan? ¿Cómo diferenciar la paja del trigo?
Digamos que quieres conocer la presencia de tu marca en los medios. Tal vez necesitas entender cómo impacta esta presencia en tus ventas, optimizar tu inversión o comparar tu estrategia con la de tu competencia. En cualquier caso, vas a necesitar datos.
Contactas algunas agencias y proveedores y compras un CSV con datos del último trimestre. Luego de algunas semanas de análisis, compruebas que en ese trimestre has perdido decenas de oportunidades. Tomas nota de algunos aprendizajes, pero sabes que esas oportunidades no volverán a aparecer. Comprendes que la información la necesitas en tiempo real.
En busca de más
Por suerte, hay un mundo enorme de datos ahí afuera, esperando ser capturados y analizados. Mediante el método de scraping, capturas noticias de portales, contenido de redes sociales, e incluso te aventuras en el mundo de las señales audiovisuales como YouTube, televisión y radio.
Luego de un año de trabajo, ya tienes funcionando todos los crawlers que trabajarán día y noche. Decides almacenar la información en una base de datos no relacional que permite escalar en volumen y tener flexibilidad en el esquema de datos como Elastic Search o MongoDB.
Además, utilizas un Bucket de Google Storage o S3 para guardar la información audiovisual de manera fiable y performante. Creas así un Data Lake, es decir, un repositorio centralizado de datos en bruto.
Al poco tiempo tu Data Lake tiene millones de datos esperando que los uses. Sin embargo, la información que proviene de los medios es completamente heterogénea. Contiene textos, imágenes, audios, videos, cortos y largos, bien y mal escritos, etc. Necesitas, en efecto, transformar estos datos para normalizarlos y poder consumirlos de manera más homogénea.
Dando sentido a tus datos
La normalización de un dataset es particularmente importante en el caso de los medios. ¿De qué me sirve obtener diariamente el texto de miles de noticias si no sé a quién se menciona y de qué temática se habla? ¿Para qué saber que se han emitido cierta cantidad de publicidades si no puedo identificar cuál es la marca, el mensaje central de la misma, su audiencia e impacto?
Afortunadamente, viene a tu rescate el Machine Learning. En los últimos años, viene creciendo de manera exponencial el interés por este campo en el ámbito académico y en la industria. En este gráfico, podemos ver la cantidad de papers de inteligencia artificial que se han publicado en el sitio arXiv en los últimos 30 años.
Decides entonces contratar un equipo especializado de ingenieros de machine learning. Luego de dos años de trabajo aplicando decenas de técnicas, logras convertir tus datos "no estructurados" en datos "estructurados". Es decir, le das sentido a tus datos.
Y así decides utilizar un motor de base de datos relacional, como PostgreSQL o MySQL, donde vas guardando la información estructurada, normalizada y homogénea, para facilitar su análisis posterior. Estás por cantar victoria cuando descubres algo inquietante: la cantidad de datos que has acumulado, que ya llega a los centenares de millones, es tan grande que resulta demasiado lento hacer cualquier consulta medianamente compleja.
La etapa final: El Data Warehouse
Por fin, logras implementar una última etapa en tu pipeline: utilizas un base de datos orientada a columnas, como BigQuery o ClickHouse, para crear un Data Warehouse, es decir, una base de datos optimizada para el análisis y generación de informes.
Te puede interesar
Otras noticias del día
Medios
El formato de Telefe Studios "Hermanos y Detectives" desembarcó en la televisión francesa
France Télévisions estrenó en horario prime time la adaptación francesa de "Hermanos y Detectives", la serie creada por Damián Szifron y producida originalmente por Telefe Studios. El primer episodio en formato telefilm registró un fuerte rendimiento de audiencia y la cadena evalúa el desarrollo de nuevos capítulos. Ver más
Medios
atresplayer estrena "33 días", la primera serie de ficción de Carles Porta
atresplayer estrenará el domingo 7 de junio "33 días", la primera serie de ficción del periodista de investigación Carles Porta. Protagonizada por José Manuel Poga y Julián Villagrán, la producción de seis episodios está inspirada en la fuga real de dos presos de la cárcel de Ponent, en Lleida, ocurrida en octubre de 2001. Ver más
Campañas
Lanzan en México VigIA, una aplicación con IA para prevenir el abuso sexual infantil
La asociación Infancia Libre de Abuso Sexual (ILAS) presentó en México VigIA, una aplicación gratuita que utiliza IA para prevenir y detectar el abuso sexual infantil. La herramienta transforma celulares, tabletas, relojes inteligentes y asistentes de voz en un sistema de monitoreo que identifica patrones y señales de riesgo en tiempo real. Ver más
Sitios digitales (con Social): TN recuperó terreno en marzo y Página/12 irrumpió en el Top 5
Netflix Ads avanza en la medición de atención publicitaria en Brasil con seguimiento ocular en hogares
YouTube simplifica las etiquetas de IA e incorpora la detección automática
El Grupo Clarín vendió su participación en TyC Sports y Carburando al Grupo Werthein por US$ 25 millones
ESPN suma a Gallardo y Tévez y arma un equipo estelar para el Mundial
Cuando la IA responde por el usuario: qué cambia para las marcas en la nueva economía del marketing
multimedia / campañas publicitarias
Prosegur Alarms
Bajo el concepto "En el deporte nada es seguro, salvo tu hogar", la marca conecta una emoción masiva con su propuesta de valor. La campaña se desplegará en seis mercados y tendrá presencia en TV, radio, redes sociales y medios digitales.