Macrodatos (big data)

Se llama macrodatos (en inglés, big data) a los volúmenes de información que superan lo que una hoja de cálculo o una base de datos convencional en un solo servidor pueden manejar con soltura. La descripción clásica habla de las «tres V»: volumen (muchísimos registros), velocidad (llegan sin parar, como los clics de una tienda en línea) y variedad (tablas, textos, fotos, audios, señales de sensores). Con el tiempo se sumaron otras, como veracidad y valor.

Para trabajar con ellos se usan sistemas distribuidos: los datos se reparten entre muchas computadoras que procesan pedazos en paralelo, normalmente en un centro de datos o en servicios de cómputo en la nube. Sobre esa base se hace minería de datos, analítica y entrenamiento de modelos.

La relación con la IA es directa: el aprendizaje profundo y los grandes modelos de lenguaje mejoraron en buena medida porque hubo enormes cantidades de texto, imágenes y registros para entrenarlos. Pero más datos no garantizan mejores resultados: si están sucios, duplicados o sesgados, el modelo aprenderá esos defectos.

Una confusión común es pensar que «big data» es una tecnología concreta. En realidad es una situación (tener datos demasiado grandes o rápidos) que obliga a cambiar de herramientas y de prácticas. También implica obligaciones: muchos de estos datos son personales, así que su uso debe respetar la ley de protección de datos aplicable.