Big Data
Sinónimos: Datos masivos
Definición ampliada
Big Data describe un problema de datos que requiere una arquitectura escalable para almacenarlos, procesarlos o analizarlos. No existe un umbral universal de gigabytes: depende de los datos, la tarea y los recursos disponibles. El marco del NIST destaca volumen, velocidad, variedad y variabilidad como características que pueden motivar ese cambio de arquitectura [1].
No es un algoritmo de inteligencia artificial. Se puede aplicar aprendizaje automático a datos masivos, pero un conjunto grande no garantiza datos representativos, etiquetas fiables ni predicciones útiles.
Contexto histórico
La expresión se difundió al crecer la captura digital y el procesamiento distribuido. El NIST publicó en 2015 una definición y un vocabulario para describir los problemas de datos que requieren soluciones escalables, y los revisó en 2018 [1]. Las conocidas «tres V» son una regla didáctica; las definiciones técnicas pueden incluir otras características.
Importancia actual
A fecha de septiembre de 2026, la cuestión práctica es qué parte del flujo necesita escalar: ingesta, almacenamiento, limpieza, entrenamiento o consulta. Un volumen grande puede ayudar a entrenar algunos modelos, pero la utilidad depende además de cobertura, calidad, gobernanza y evaluación.
Aplicaciones
Generales
- Procesar flujos de sensores que llegan de forma continua.
- Integrar registros de distinta estructura para análisis poblacional.
Sanitarias
- Estudiar grandes colecciones de registros clínicos o imágenes entre instituciones, una vez definidos permisos, calidad y finalidad.
- Vigilar tendencias agregadas con datos oportunos, comprobando retrasos y cambios de codificación antes de interpretar las señales.
Limitaciones
- Más observaciones del mismo centro no corrigen por sí solas un sesgo de selección ni representan otras poblaciones.
- Integrar fuentes heterogéneas exige aclarar qué significa cada variable.
- La escala aumenta el coste de almacenamiento y de control de acceso; no convierte automáticamente los datos en anónimos.
- Un hallazgo estadístico en datos extensos no demuestra causalidad ni utilidad clínica.
Ejemplos
Un sistema recibe millones de medidas de dispositivos con formatos distintos y debe detectar errores casi en tiempo real. El reto combina velocidad y variedad, aunque cada medida sea pequeña. Antes de entrenar un modelo, el equipo necesita comprobar si los dispositivos miden lo mismo y si faltan grupos de pacientes.