Datos generados por máquina

Los datos generados por máquinas son información generada automáticamente por un proceso informático , una aplicación u otro mecanismo sin la intervención activa de un ser humano. Si bien el término se remonta a más de cincuenta años, ^[1] existe cierta indecisión actual en cuanto a su alcance. Curt Monash de Monash Research lo define como "datos producidos completamente por máquinas O datos que tienen más que ver con la observación de humanos que con el registro de sus elecciones". ^[2] Mientras tanto, Daniel Abadi, profesor de informática en Yale , propone una definición más limitada: "Los datos generados por máquinas son datos que se generan como resultado de una decisión de un agente computacional independiente o una medición de un evento que no es causado por una acción humana". ^[3] Independientemente de las diferencias de definición, ambas excluyen los datos ingresados ​​manualmente por una persona. ^[4] Los datos generados por máquinas atraviesan todos los sectores industriales . A menudo y cada vez más, los humanos no son conscientes de que sus acciones están generando los datos. ^[5]

Los datos generados por máquinas no tienen una única forma; más bien, el tipo, el formato, los metadatos y la frecuencia responden a algún propósito comercial particular. Las máquinas suelen crearlos según un cronograma definido o en respuesta a un cambio de estado, una acción, una transacción u otro evento. Dado que el evento es histórico, los datos no son propensos a actualizarse o modificarse. En parte debido a esta cualidad, los sistemas judiciales de los Estados Unidos consideran que los datos generados por máquinas son altamente confiables. ^[6]

Los datos generados por máquinas son el elemento vital de la Internet de las cosas (IoT). ^[7]

En 2009, Gartner publicó que los datos crecerán un 650% en los siguientes cinco años. ^[8] La mayor parte del crecimiento de los datos es el subproducto de los datos generados por máquinas. ^[4] IDC estimó que en 2020 habrá 26 veces más cosas conectadas que personas. ^[9] Wikibon emitió un pronóstico de $514 mil millones que se gastarán en la Internet industrial en 2020. ^[10]

Dada la naturaleza bastante estática pero voluminosa de los datos generados por máquinas, los propietarios de datos confían en herramientas altamente escalables para procesar y analizar el conjunto de datos resultante . Casi todos los datos generados por máquinas no están estructurados, pero luego se derivan en una estructura común. ^[4] Por lo general, estas estructuras derivadas contienen muchos puntos de datos /columnas. Con estos puntos de datos, el desafío radica principalmente en analizar los datos. Dados los altos requisitos de rendimiento junto con los grandes tamaños de datos, la indexación y partición de bases de datos tradicionales limita el tamaño y el historial del conjunto de datos para su procesamiento. Existen enfoques alternativos con bases de datos en columnas, ya que solo se accedería a "columnas" particulares del conjunto de datos durante un análisis particular.

• Registros del servidor web ^[11]
• Registros de detalles de llamadas ^[11]
• Operaciones con instrumentos financieros ^[11]
• Registros de eventos de red ^[11]
• Registros transmitidos desde fuentes de seguridad, red y sistema operativo a sistemas de gestión de eventos e información de seguridad (SIEM)
• Telemetría recogida por el gobierno ^[11]