Comprender los casos de uso comunes del análisis de datos

[Raf] Ahora que ya conocen la diferencia entre los distintos tipos de análisis de datos, voy a mostrarles ejemplos de cómo estos análisis están presentes en sus vidas, como consumidores o quizás profesionales. Hoy en día, el análisis de datos está muy presente en muchos sectores verticales. Por ejemplo, en videojuegos, redes sociales, comercio electrónico, tiendas virtuales, sitios web, estadísticas, también conocidas como secuencia de clics, motores de recomendaciones, Internet de las cosas (IoT), procesamiento de registros y mucho más.

Les daré un par de ejemplos en los que el análisis de datos es beneficioso para algunos de esos casos, y podrán comprender cuál es el verdadero propósito del análisis de datos en estos contextos. Supongamos que les gustan los videojuegos, como a mí. ¿Y a quién no?

Así que, si les gusta jugar en teléfonos, computadoras o en alguna consola, quizás les suene la casilla de verificación que deben marcar antes de empezar a jugar. Esa casilla suele decir "Send anonymous data statistics for game developers to improve gaming experiences (Enviar estadísticas de datos anónimas para que los desarrolladores mejoren la experiencia de juego)" o algo parecido. Básicamente, lo que hace es permitir la recopilación de información sobre su forma de jugar para detectar posibles bloqueos del juego, errores de diseño y demás datos. En este caso, está claro que los datos de la vida real, como los de las partidas, se transforman en información que permite a los desarrolladores sortear posibles problemas y mejorar la experiencia de juego. Esa es la verdadera razón de ser del análisis de datos y por qué es tan importante para el mundo moderno.

Se preguntarán por qué es tan popular hoy en día. Jugamos desde la infancia, y esto no pasaba antes. Los videojuegos se vendían en cartuchos. Simplemente los compraban y jugaban, ¿no? Bueno, sí. Sin embargo, si pensamos un poco, esos juegos no eran tan complejos como los de hoy en día. Y eso es a lo que quiero llegar.

El análisis de datos sirve para que las personas desarrollen perspectivas, y estas ayuden a resolver problemas complejos. No importa si se trata de videojuegos, mercados de valores, datos inmobiliarios, información de tránsito, sistemas informáticos para la moda, servidores web o registros de seguridad; el análisis de datos nos ayuda a dar respuestas para situaciones complejas.

Dado que los precios de almacenamiento bajan día tras día, las empresas suelen recopilar datos que tal vez no usen actualmente. Sin embargo, si mañana surge una pregunta, quizás la respuesta esté en los datos ya recopilados.

El mundo actual es mucho más complejo de lo que era hace 10 años. Contar con la ayuda de sistemas informáticos es fundamental por dos razones principales: escalabilidad y toma de decisiones a partir de datos. Otra parte importante del análisis de datos es el análisis de registros. Voy a profundizarlo un poco más, porque ahí es donde me centraré sobre todo en este curso, en concreto en los registros de seguridad.

Cuando hablamos de análisis de registros, solemos referirnos a la información que generan los sistemas informáticos acerca de los eventos. Ese evento puede ser una solicitud HTTP realizada a una página web, información de registro de usuarios, llamadas de API o cualquier otro tipo de solicitudes. API es el acrónimo de Interfaz de programación de aplicaciones (en inglés), que es en esencia una interfaz informática que establece las interacciones entre varios intermediarios de software.

Define los tipos de llamadas o solicitudes que se pueden hacer, cómo hacerlas, los formatos de datos que deben usarse, las convenciones para seguir, etc. Desde el análisis de datos, es muy común registrar todas esas actividades en algún lugar.

Un ejemplo típico de análisis de datos es usar los registros de servidor web para obtener perspectivas sobre los visitantes en un sitio web. Supongamos que cada solicitud a un servidor HTTP se registra en archivos de un sistema de archivos. Se suelen llamar registros de acceso. Si se agrega una línea nueva al registro de acceso por cada visita al sitio web, se podría decir que la cantidad de líneas en este registro equivale a la de solicitudes procesadas por el servidor web.

Si solo se trata de un servidor y un pequeño sitio web con un par de visitas por minuto, se podrían usar algunas herramientas básicas, como editores de texto, para analizar esos archivos y extraer lo que se busca. Para hacer algo un poco más útil que solo sumar líneas del archivo de registro, es esencial usar una herramienta de análisis de datos.

Recomendamos usar herramientas de análisis de datos en todas partes, pero se necesitan herramientas profesionales capaces de manejar la escala para la agregación y visualización de registros. Imaginen que cuentan con decenas de servidores web que procesan miles de usuarios por segundo. Pueden calcular que cada archivo de registro de cada servidor se llenaría con mucha velocidad. Por lo tanto, es necesario tener todos esos datos concentrados en algún lugar.

Además, quizás necesiten una forma de visualizarlos en un gráfico de líneas, que podría facilitarles la identificación de picos, también llamados desviaciones o valores atípicos. Otro gran uso del análisis de datos hoy en día es la seguridad de datos. Si tienen sistemas que generan registros de seguridad a los que pueden acceder con facilidad para extraer análisis de datos, están en clara ventaja si necesitan determinar cuándo se hizo una solicitud, quién la hizo, desde cuándo, desde dónde y cuál fue la respuesta del sistema.

Si llegan al nivel de hacer análisis predictivos sobre estos datos, hasta podrían llegar a bloquear automáticamente las solicitudes erróneas a los sistemas informáticos antes de que se produzcan o, también, crear una arquitectura de autorreparación que empiece a generar un entorno de conmutación por error cuando el entorno actual presente una degradación.

Eso puede lograrse con la ayuda de herramientas de automatización de infraestructura en la nube. El servicio de AWS llamado AWS CloudTrail registra la actividad de API realizada a una cuenta de AWS, y otro llamado Amazon S3 es un servicio de almacenamiento. Les hablaré brevemente de ellos.

Esto es lo que CloudTrail almacena cada vez que alguien (ustedes u otras personas) crea un registro en la cuenta de AWS mediante la consola de administración de AWS. Esto se almacena en Amazon S3 y contiene información como quién hizo la solicitud, desde qué dirección IP, qué se solicitó, cuál fue la respuesta y otros datos útiles sobre información de cumplimiento que puede convertirse fácilmente en evidencia, de ser necesario. Debido a su naturaleza, CloudTrail es un servicio que permite gobernanza de la infraestructura, y auditorías operativas y de riesgos para la cuenta de AWS.

Si necesitan indagar en los datos de texto de CloudTrail en cada ocasión, puede resultar algo difícil. Aprender sobre análisis de datos ayuda mucho a potenciar lo que pueden hacer con todos estos datos de cumplimiento. Si tuvieran herramientas de visualización de datos sobre la información generada por CloudTrail, podrían contar con tableros de seguridad con gráficos y alertas de actividades inusuales. Si de repente aparecen registros de actividades de inicio de sesión fallido, quizás se deban a que alguien intentó iniciar sesión en la cuenta de AWS o que cambiaron la contraseña y la olvidaron.

Suelo decir que el análisis de datos de seguridad no sirve solo para los informes de cumplimiento, sino que resulta muy útil para solucionar problemas. Si aplican ese concepto a los paquetes de firewall, a la actividad de la red, al equilibrador de carga, a los registros del servidor y a otras cuestiones de infraestructura, podrán identificar fácilmente los valores atípicos y resolver problemas rápidamente. Siempre hay que pensar para qué más podrían usar el análisis de datos y cómo los ayudaría a tener mejores perspectivas sobre lo que ocurre, ya sea en relación con la seguridad, la mejora del producto, una mejor experiencia del cliente o cualquier otra cuestión del espectro del análisis de datos.

Ya que las posibilidades son ilimitadas, en el siguiente video hablaré de por qué hacer todo esto en la nube ofrece grandes ventajas y cómo facilita el análisis de datos en cualquier lugar, en cualquier momento y para todo el mundo.