La relevancia de los datos en la sociedad actual es incuestionable. Un buen porcentaje de empresas, las conocidas como empresas digitales, fundamentan su modelo de negocio en la recolección, almacenamiento y análisis de cualquier dato relevante para su negocio. Esta filosofía implica un cambio radical a la hora de gestionar las operaciones de las organizaciones, ya que requiere la digitalización de todos sus procesos de negocio, como, por ejemplo, creando sistemas informáticos para interactuar con los clientes o proveedores (sean páginas web, aplicaciones móviles o sistemas GPS) o sensorizando los procesos mecánicos para monitorizarlos, entre otros.

A pesar de que la digitalización de una organización es una tarea pesada, los datos generados y recogidos una vez llevada a cabo, pueden ser analizados con el objetivo de generar información crucial para la toma de decisiones del negocio. Este hecho, a estas alturas, se ha identificado como un factor de éxito determinante y diferenciador que aumenta la competitividad de las organizaciones.

Actualmente, el término big data se emplea para referirse a un nuevo tipo de sistemas que recogen y analizan datos de cualquier naturaleza, y que comportan una serie de retos. La definición más popular del big data está basada en las tres "Vs", que representan sus tres principales retos: Volumen (la digitalización de ciertos procesos puede generar grandes volúmenes de datos), Variedad (procedentes de fuentes de datos heterogéneas) y Velocidad (en referencia al potencial tiempo de llegada y procesamiento de los datos en real-time).

El big data presenta nuevos desafíos para las organizaciones en dos aspectos tecnológicos principales: la gestión y el análisis de los datos. Desde el punto de vista de la gestión, el big data requiere tanto nuevas arquitecturas (principalmente basadas en cloud computing y la gestión distribuida de los datos y la memoria) como nuevos modelos de datos (como los documents grafs, key-value o streams). Desde el punto de vista del análisis, hay que considerar nuevos tipos de datos semi-estructurados o no estructurados (como texto o imagen), que hoy en día representan una fracción importante de los nuevos datos que se generan. Además, hay que adaptar las técnicas de análisis tradicionales a las características del big data, y esto complica la preparación, el entrenamiento y la validación de los modelos.

La barrera de entrada para incorporar soluciones big data continúa siendo muy alta para la mayoría de organizaciones, puesto que la gestión y mantenimiento de estos sistemas tiene su particularidad. Además, las actuales herramientas son muy poco maduras y requieren un alto grado de especialización para poderlas emplear correctamente. Por este motivo, la especialización en este ámbito implica un reciclaje específico basado en los principales conceptos que existen detrás de estas tecnologías. En el ámbito de estos sistemas hay que distinguir entre la gestión de datos en sistemas big data (Big Data Management) y el análisis de estos datos para extraer conocimiento relevante para la organización con algoritmos de data mining y machine learning (Big Data Analytics). Además, no existe una solución universal ni de gestión ni de análisis que se pueda replicar fácilmente en cualquier dominio, puesto que, por definición, en estos entornos la solución depende del caso de uso (explotación) que tengamos entre manos.

En este contexto, el máster en Big Data Management, Technologies and Analytics ofrece una visión global de un ecosistema big data profundizando en ambos aspectos: gestión de los datos (Big Data Management) y explotación de los datos (Big Data Analytics), aportando aplicabilidad (Big Data Technologies) y visión de negocio, es decir, como extraer valor dentro de este mundo.