Presentación
Estudiante:
Josías miguel Pérez Santamaría
Matrícula:
2022-2101
Asignatura:
Electiva I
Tema:
conceptos básicos
Profesor:
Francis
Ramírez
Fecha:
28/05/2026
1
Contenido
1. Introducción .................................................................................... 3
2. ............................................... 3
1.1 .................................................................. 3
2.1 ......................................................... 3
de Datos ............................................. 4
.................................................. 4
....................................................... 4
........................................................... 5
Azure .................................................. 5
........................................................ 5
......................................................................... 6
Conclusión ...................................................................................... 6
2
1. Introducción
En el panorama tecnológico actual, los datos representan el activo más valioso de las
organizaciones. Su correcta captura, almacenamiento, procesamiento y análisis dictan
el éxito y la competitividad en el mercado. Este documento presenta un resumen
consolidado de tres áreas fundamentales en el ecosistema de datos: los conceptos
básicos que estructuran la información, los diferentes roles profesionales que
interactúan con ella y una introducción a la ingeniería de datos utilizando las
capacidades que ofrece la nube de Microsoft Azure.
2.
Para trabajar eficientemente con sistemas de información, es primordial comprender
cómo se clasifican y procesan los datos en su nivel más básico.
1.1
Los datos pueden presentarse en múltiples formatos, los cuales determinan la
tecnología necesaria para su almacenamiento:
• Datos Estructurados: Poseen un esquema fijo y estricto. Se organizan
típicamente en filas y columnas dentro de bases de datos relacionales.
• Datos Semi-estructurados: Tienen cierta organización estructural, pero no
requieren un esquema relacional rígido. Utilizan etiquetas o claves para separar
elementos, como es el caso de los documentos JSON, XML o bases de datos
NoSQL.
• Datos No Estructurados: Carecen de un formato definido o esquema
preestablecido. Ejemplos comunes incluyen archivos de video, audio,
imágenes y documentos de texto libre.
2.1
Dependiendo de las necesidades del negocio, los sistemas de datos se diseñan bajo dos
enfoques principales:
3
• Sistemas OLTP (Online Transaction Processing): Optimizados para la gestión de
transacciones diarias (inserciones, actualizaciones y borrados rápidos). Priorizan
la integridad referencial y tiempos de respuesta muy cortos (ej. sistemas
bancarios o carritos de compras).
• Sistemas OLAP (Online Analytical Processing): Diseñados para consultar grandes
volúmenes de datos históricos para análisis y toma de decisiones. Estos
sistemas suelen utilizar bases de datos desnormalizadas y agregaciones
complejas (ej. Data Warehouses).
• Procesamiento: Lotes vs Streaming
• El flujo de datos puede gestionarse por lotes (Batch), donde los datos se acumulan y
• procesan a intervalos regulares programados; o en Streaming (Tiempo Real), donde
los datos se procesan e ingieren en el instante mismo en que son generados.
de
Datos
El ciclo de vida de los datos modernos es complejo y requiere de la especialización en
distintas áreas de conocimiento. Existen tres roles fundamentales en este ecosistema:
El DBA es el responsable de la gestión operativa de las bases de datos transaccionales
(OLTP). Sus responsabilidades principales incluyen el aprovisionamiento de servidores
de bases de datos, la gestión de la seguridad y control de acceso, la monitorización del
rendimiento, y la implementación de estrategias robustas de respaldo y recuperación
(Backup/Restore) para garantizar la alta disponibilidad.
El Ingeniero de Datos se enfoca en la infraestructura y las canalizaciones (pipelines). Se
encarga de extraer, transformar y cargar (ETL) o extraer, cargar y transformar (ELT) los
datos desde diversas fuentes hacia plataformas de almacenamiento analítico como
Data Lakes o Data Warehouses. Preparan la información para que sea consumible por
4
analistas y científicos de datos.
El Analista de Datos tiene la responsabilidad de explorar, modelar y visualizar los datos
procesados para generar "insights" valiosos. Utilizan herramientas como Power BI para
crear informes y cuadros de mando (dashboards) interactivos que respondan a
preguntas de negocio específicas.
Azure
La ingeniería de datos es la disciplina que hace posible el análisis avanzado y la
inteligencia artificial mediante la construcción de arquitecturas de datos a gran escala.
Microsoft Azure proporciona un ecosistema de servicios integrados (PaaS y SaaS) para
cubrir todo el ciclo de vida del dato.
• Azure Data Factory (ADF): Servicio de integración de datos basado en la nube
que permite crear flujos de trabajo orientados a datos para orquestar y
automatizar el movimiento y la transformación de datos.
• Azure Data Lake Storage (ADLS Gen2): Solución de almacenamiento escalable y
segura, diseñada explícitamente para análisis de macrodatos empresariales.
Combina el almacenamiento de objetos con un sistema de archivos
jerárquico.
• Azure Synapse Analytics: Un servicio de análisis ilimitado que unifica la
integración de datos, el almacenamiento de datos empresariales y el análisis de
big data. Proporciona la libertad de consultar datos en sus propios términos,
usando recursos sin servidor (serverless) o aprovisionados.
• Azure Databricks: Plataforma de análisis de datos basada en Apache Spark,
optimizada para la nube de Azure, ideal para la preparación masiva de datos y
el entrenamiento de modelos de Machine Learning.
5
La ingeniería moderna a menudo prefiere el modelo ELT (Extract, Load, Transform), donde los
datos crudos se cargan directamente en un Data Lake en la nube (aprovechando su bajo
costo de almacenamiento) y luego se utilizan potentes motores de cómputo
distribuidos (como Spark en Databricks o SQL Pools en Synapse) para transformarlos y
prepararlos en el mismo destino.
Conclusión
El dominio de los conceptos de datos principales es esencial para diseñar sistemas de
software y arquitecturas de información que respondan de manera eficiente y escalable a
las demandas del mercado. Comprender la diferencia entre cargas transaccionales y
analíticas permite elegir las tecnologías correctas desde la fase de diseño.
Asimismo, la clara delimitación de roles asegura que la administración operativa, el
movimiento masivo de datos y la visualización analítica sean ejecutados por los perfiles
adecuados. Microsoft Azure facilita la unificación de todas estas responsabilidades a
través de sus servicios en la nube, entregando a los ingenieros de datos las
herramientas necesarias —como Data Factory, Synapse y Databricks— para construir
canales robustos, desde la ingesta hasta la entrega del conocimiento final.