Antes de comenzar
En este laboratorio analizarás una situación de negocio para determinar si realmente requiere una arquitectura Big Data. Encontrarás un escenario configurable de NexoRetail 360, un modelo didáctico de las 5V y un espacio para registrar tu hipótesis, tu análisis y tu decisión de ingeniería.
Producirás una evidencia de aprendizaje descargable con tu hipótesis, tus resultados y tu recomendación justificada. Tiempo orientativo: 25–35 minutos.
Diagnosticar el caos de datos de NexoRetail 360
- Objetivo
- Determinar si el problema de NexoRetail realmente exige Big Data o si todavía puede resolverse con una arquitectura convencional o híbrida.
- Evidencia de éxito
- Justificar una decisión técnica con los datos que observes, no con intuición.
Estado de la misión: Preparando misión
Registra tu predicción y qué tan seguro estás de ella para comenzar.
Recorrido de la misión 0 de 5 pasos vigentes
Logros de razonamiento
0 / 100 XP de razonamiento
Los logros reconocen pasos de razonamiento, no velocidad ni cantidad de clics. No hay clasificación entre estudiantes.
¿Escala o diseño?
- Contexto
- El equipo de datos de NexoRetail 360 recibe presión de varias áreas: marketing reporta que el data warehouse tarda horas en responder, logística pide señales casi inmediatas sobre entregas retrasadas y sistemas advierte que el almacenamiento crece sin control.
- Problema
- Antes de aprobar presupuesto para una plataforma distribuida, la dirección técnica pide un diagnóstico objetivo: ¿el problema es de escala (Big Data) o de diseño (arquitectura convencional mal ajustada)?
- Misión
- Analiza las características del problema, experimenta con diferentes escenarios y emite una recomendación técnica basada en evidencia, no en intuición.
- Decisión esperada
- Clasificar el escenario (Convencional, Híbrida o Big Data) y justificar la arquitectura que recomendarías.
Decidir cuándo el problema exige Big Data
Reconocerás qué características de los datos cambian la clasificación y las conectarás con las 5V para justificar una decisión de arquitectura.
Big Data y las 5V
Big Data no es "mucho dato": es una situación en la que una o más de estas presiones supera lo que una arquitectura convencional puede sostener de forma razonable.
Volumen · Velocidad · Variedad · Veracidad · Valor — cada una es una presión independiente sobre el diseño, no un casillero para marcar.
Ver las 5V explicadas en detalle qué es, por qué importa, qué observarás
- Volumen
- Qué es: la cantidad de datos nuevos que deben almacenarse por unidad de tiempo. Por qué importa: define requisitos de capacidad y costo de almacenamiento. En el laboratorio observarás: la barra "Volumen" reaccionando al control de GB/día.
- Velocidad
- Qué es: qué tan rápido llegan los eventos y qué tan rápido se debe responder. Por qué importa: una velocidad alta con baja latencia tolerable obliga a pensar en streaming, no en lotes. Observarás: la barra "Velocidad" y su efecto en la arquitectura de ingesta sugerida.
- Variedad
- Qué es: el número de fuentes distintas y de tipos de datos (estructurados, semi-estructurados, no estructurados). Por qué importa: más variedad suele exigir almacenamiento flexible en lugar de un esquema rígido. Observarás: la barra "Variedad" y el almacenamiento recomendado.
- Veracidad
- Qué es: qué tan confiable es el origen del dato. Por qué importa: baja veracidad no aumenta el volumen ni la velocidad, pero añade riesgo y esfuerzo de limpieza. Observarás: el indicador "Veracidad de los datos" y la barra "Riesgo de calidad" (son cosas distintas a propósito).
- Valor
- Qué es: qué tan accionable y relevante es el dato para una decisión de negocio. Por qué importa: mucho volumen no implica automáticamente mucho valor. Observarás: la barra "Valor" y una nota si el volumen es alto pero el valor estimado es bajo.
Pasos del laboratorio
- Revisa el escenario inicial (arriba) y el reto de NexoRetail 360.
- Identifica qué características de las 5V crees que serán críticas.
- Registra tu hipótesis aquí abajo antes de ver cualquier resultado.
- Modifica el escenario con un caso profesional o con los controles.
- Ejecuta el diagnóstico y observa las 5V, el índice de presión y la arquitectura sugerida.
- Compara tus expectativas con los resultados y, si quieres, guarda dos escenarios (A/B).
- Decide si justificarías una solución Big Data y genera tu evidencia de aprendizaje.
1 · Hipótesis
Una hipótesis es tu predicción antes de observar los resultados. No buscamos que aciertes; buscamos comparar lo que esperabas con lo que ocurrió. Regístrala ahora: una vez bloqueada, no podrás cambiarla, solo reformularla después de ver el resultado.
Completa las tres preguntas y pulsa «Registrar hipótesis y comenzar» para desbloquear el análisis.
Antes de ejecutar el diagnóstico
Mientras configuras el escenario, observa especialmente:
- Volumen — cuánto dato nuevo se genera por día.
- Velocidad — cuántos eventos llegan por segundo y cuánta latencia se tolera.
- Variedad — cuántas fuentes y tipos de datos distintos participan.
- Veracidad — qué tan confiable es el origen (no es lo mismo que riesgo de calidad).
- Valor — qué tan accionable es el dato para la decisión de negocio.
Casos profesionales
Carga un caso realista o construye el tuyo con los controles de abajo.
¿Qué característica está haciendo que este problema deje de ser manejable mediante herramientas tradicionales? Piénsalo antes de leer el diagnóstico completo de abajo.
Tablero de señales 5V
El número grande es el puntaje bruto (0–100) de cada V según el simulador; la señal destacada es la de mayor puntaje bruto. El aporte ponderado al índice aparece en pequeño y es secundario. Modelo didáctico, no un estándar de la industria.
Resultado desactualizado: cambiaste la configuración y estos valores corresponden al análisis anterior. Vuelve a analizar.
Analiza un escenario para encender el tablero de señales.
Interpreta el resultado
Antes de decidir, conecta lo que observaste con una conclusión. No se califica: sirve para que tu decisión se apoye en la evidencia vigente.
Analiza un escenario para habilitar tu lectura causal.
Cambiaste la configuración: tu lectura anterior ya no corresponde al resultado. Vuelve a analizar y respóndela sobre el resultado vigente.
Diagnóstico de las 5V
Modelo didáctico: cada barra combina variables observables en un puntaje 0–100 para poder comparar dimensiones heterogéneas. No es un estándar de la industria.
Índice didáctico de presión arquitectónica
Cambios pendientes de analizar: la configuración cambió, pero los resultados de abajo corresponden a la versión anterior.
Ver cómo se calcula el índice (peso × indicador)
Analiza un escenario para ver un resumen basado en tus resultados reales.
Aquí verás la relación entre la configuración que elegiste y el comportamiento observado.
Aquí verás qué implicaría este resultado en una arquitectura real de NexoRetail 360.
Arquitectura conceptual resultante
Comparación A/B
Exploración opcional: guarda dos configuraciones analizadas y compáralas. Solo si cambias una variable entre A y B podrás atribuir el efecto a esa variable.
| Indicador | A | B | Cambio |
|---|
| Variable de configuración | A | B |
|---|
Reto opcional · Pensamiento sistémico
¿Qué recomendarías?
Responde con base en la dimensión crítica observada: ¿por qué?, ¿qué evidencia respalda tu decisión?, ¿qué riesgo o limitación reconoces?
Cierre conceptual
Lo que descubriste: si el escenario configurado presiona más por escala (volumen/velocidad/variedad) o por diseño (calidad/valor mal aprovechado).
Concepto para recordar: mucho volumen no implica automáticamente mucho valor; cada V es una presión independiente sobre la arquitectura.
Conexión con la próxima semana: en la Semana 2 tomarás la dimensión crítica detectada aquí y la usarás para diseñar el ecosistema de datos que efectivamente la resuelva.
Genera tu evidencia
Esta evidencia resume tu hipótesis, tu experimento, tus resultados y tu decisión. Puedes utilizarla para discusión, entrega o reflexión posterior.
Continuidad curricular
Antes: esta es la semana de arranque del laboratorio; no depende de un módulo previo.
Después: en la Semana 2 tomarás la dimensión crítica detectada aquí y la usarás para diseñar el ecosistema (ingesta, almacenamiento NoSQL, procesamiento y consulta) que efectivamente resuelva esa presión.