Aloysius, JA, Hoehle, H. y Venkatesh, V. (2016). Explotación de Big Data para beneficios de clientes y minoristas. Revista internacional de gestión de operaciones y producción, 36(4), 467–486.
CrossRef Google Académico
Beneficiarse de Big Data. (2013). Recuperado en 2020, de https://www.strategyand.pwc.com/media/file/Strategyand_Benefiting-from-Big-Data_A-New-Approach-for-the-Telecom-Industry.pdf
Bradlow, ET, Gangwar, M., Kopalle, P. y Voleti, S. (2017). El papel de los grandes datos y el análisis predictivo en el comercio minorista. Diario de venta al por menor, 93(1), 79–95.
Google Académico
Chapman, P. (2000). CRISP-DM 1.0: Guía de minería de datos paso a paso.
Google Académico
CIO. (2019). La IA libera el poder de los datos no estructurados. Recuperado en 2021, de https://www.cio.com/article/3406806/ai-unleashes-the-power-of-unstructured-data.html
Constine, J. (22 de agosto de 2012). ¿Qué tamaño tienen los datos de Facebook? 2500 millones de piezas de contenido y 500 terabytes ingeridos cada día. Recuperado el 27 de noviembre de 2017, de https://techcrunch.com/2012/08/22/how-big-is-facebooks-data-2-5-billion-pieces-of-content-and-500-terabytes-ingested -todos los días/
Daim, T., Chan, L. y Estep, J. (2018). Gestión de infraestructura y tecnología. Saltador. ISBN-13:978-3319689869, ISBN-10:331968986X.
CrossRef Google Académico
Davenport, T. y Patil, D. (2012). Científico de datos: el trabajo más sexy del siglo XXI. Revisión de negocios de Harvard. Obtenido de https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century
Dar, V. (2013). Ciencia de datos y predicción. Comunicaciones de la ACM, 56(12), 64–73.
CrossRef Google Académico
Halo Business Intelligence. (2017). Análisis descriptivo, predictivo y prescriptivo explicado. Obtenido de https://halobi.com/blog/descriptive-predictive-and-prescriptive-analytics-explained/
HBR. (2012) A. McAfee y E. Brynjolfsson, Big Data: The Management Revolution. Revisión de negocios de Harvard.
Google Académico
He, W., Shen, J., Tian, X., Li, Y., Akula, V., Yan, G. y Tao, R. (2015). Obtener inteligencia competitiva a partir de los datos de las redes sociales. Gestión industrial y sistemas de datos, 115(9), 1622–1636.
CrossRef Google Académico
Jothimani, D. (2016). Big Data: Retos, oportunidades y realidades. Recuperado en 2020, de https://arxiv.org/pdf/1705.04928.pdf
Puerro, J. (2013). La palabra clave en “ciencia de datos” no son datos, es ciencia. Simplemente estadísticas, 12.
Google Académico
Leonardo, P. (2014). Análisis de datos de clientes: Configuración de privacidad para negocios de ‘Big Data’. Ley Internacional de Privacidad de Datos, 4(1), 53–68. https://doi.org/10.1093/idpl/ipt032
CrossRef Google Académico
Metz, C. (4 de junio de 2017). Conozca a los cerebros de datos detrás del auge de Facebook. Obtenido en 2020, de https://www.wired.com/2013/02/facebook-data-team/
Mollah, MB, Islam, KR e Islam, SS (2012). Próxima generación de computación a través de la tecnología de computación en la nube. En 2012 25a conferencia canadiense IEEE sobre ingeniería eléctrica e informática (CCECE) (págs. 1 a 6).
Google Académico
Oremus, W. (3 de enero de 2016). Quién controla realmente lo que ves en tu feed de Facebook y por qué siguen cambiándolo. Obtenido en 2021, de http://www.slate.com/articles/technology/cover_story/2016/01/how_facebook_s_news_feed_algorithm_works.html
Petrov, C. (2021). Más de 25 impresionantes estadísticas de Big Data para 2021. Recuperado de https://techjury.net/blog/big-data-statistics/
Sato, K. (2012). Una mirada al interior de Google BigQuery. Consultado en 2021, https://cloud.google.com/files/BigQueryTechnicalWP.pdf
Muro, M. (4 de marzo de 2014). Big Data: ¿Estás listo para el despegue? Obtenido en 2020, de http://www.bbc.com/news/business-26383058
Wiener, J. y Bronson, N. (2014). Los principales problemas de datos abiertos de Facebook. Consultado en 2021, https://research.fb.com/blog/2014/10/facebook-s-top-open-data-problems/
