Tendencias del Big Data con la ciencia estadísticas: Una revisión documental
Big Data trends in statistical science: A documentary reviewContenido principal del artículo
La convergencia entre el Big Data y la ciencia estadística ha redefinido los paradigmas de análisis de información en la era digital. El objetivo de este estudio consiste en analizar las tendencias del Big Data con la ciencia estadística mediante una revisión documental exhaustiva. La metodología empleada se basa en un enfoque cualitativo de tipo revisión documental, con diseño de revisión narrativa, consultando bases de datos como SciELO, Redalyc y Google Académico en el periodo 2018-2025. Se identificaron inicialmente 65 estudios, de los cuales se incluyeron 15 tras aplicar criterios de relevancia, vigencia y rigor metodológico. Los resultados indican que la integración de métodos estadísticos avanzados, como la minería de datos y la estadística bayesiana, permite procesar volúmenes masivos de datos estructurados y no estructurados para la toma de decisiones estratégicas. Se concluye que el Big Data actúa como un catalizador de la ciencia estadística, requiriendo una evolución constante de los modelos predictivos para enfrentar los desafíos de la datificación global.
The convergence between Big Data and statistical science has redefined the paradigms of information analysis in the digital era. The objective of this study is to analyze Big Data trends in statistical science through an exhaustive documentary review. The methodology employed is based on a qualitative approach of a documentary review type, with a narrative review design, consulting databases such as SciELO, Redalyc and Google Scholar in the period 2018-2025. Initially, 65 studies were identified, of which 15 were included after applying criteria of relevance, validity and methodological rigor. The results indicate that the integration of advanced statistical methods, such as data mining and Bayesian statistics, allows the processing of massive volumes of structured and unstructured data for strategic decision making. It is concluded that Big Data acts as a catalyst for statistical science, requiring constant evolution of predictive models to face the challenges of global data.
Descargas
Detalles del artículo
Aceña, V., Martín, I., y Lancho, C. (2025). Inferencia estadística. Escuela Técnica Superior de Ingeniería Informática. Obtenido de https://burjcdigital.urjc.es/bitstreams/fdfd1671-9292-4a93-9d36-4cb009f2e5b7/download
Aranibar, E., Salinas, F., & Seguil, N. (2023). Explorando tendencias del devenir público: cienciometría y revisión sistemática. Revista de Ciencias Sociales y Humanas, XXI(39), 109-135. doi:https://doi.org/10.17163/uni
Ávila, L., Alvarado, J., Munayco, J., y Reinoso, D. (2024). Métodos avanzados de estadística para la investigación en nivel superior: nuevas perspectivas y aplicaciones. Revista Social Fronteriza, 4(5). doi:https://doi.org/10.59814/resofro.2024.4(5)494
Batini, C., y Scannapieco, M. (2016). Data and information quality: Dimensions, principles and techniques. Springer. https://doi.org/10.1007/978-3-319-24106-7
Boyd, d., & Crawford, K. (2012). Critical questions for Big Data. Information, Communication & Society, 15(5), 662–679. https://doi.org/10.1080/1369118X.2012.678878
Davenport, T. H., & Patil, D. (2012). Data scientist: The sexiest job of the 21st century. Harvard Business Review, 90(10), 70–76. https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., & Chazerand, P. (2018). AI4People—An ethical framework for a good AI society. Minds and Machines, 28, 689–707. https://doi.org/10.1007/s11023-018-9482-5
González-Calatayud, V., Prendes-Espinosa, M. P., & Roig-Vila, R. (2021). El potencial de la IA para revolucionar el aprendizaje universitario. Revista Iberoamericana de Educación a Distancia, 24(3), 201–218. https://doi.org/10.5944/ried.24.3.30235
Gutierrez, J. (2018). Big Data y nuevas geografías: la huella digital de las actividades humanas. Documents d’Anàlisi Geogràfica, 64(2), 195-217. doi:https://doi.org/10.5565/rev/dag.526
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning (2nd ed.). Springer. https://doi.org/10.1007/978-1-0716-1418-1
Kelleher, J. D., Mac Namee, B., & D’Arcy, A. (2020). Fundamentals of machine learning for predictive data analytics (2nd ed.). MIT Press. https://mitpress.mit.edu/9780262044691/fundamentals-of-machine-learning-for-predictive-data-analytics/
Lasso, L., Franco, D., y Estrada, R. (2022). Aplicaciones de la datificación y Big Data en América Latina entre el 2015 y 2019. Revista Logos Ciencia & Tecnología, 14(2), 125-143. Obtenido de https://revistalogos.policia.edu.co:8443/index.php/rlct
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Unleashed: An argument for AI in Education. Pearson
Manzano, F., y Avalos, D. (2022). La utilidad del Big Data en las estadísticas públicas y empresas privadas. Cad Metrop. Sao Paulo, 24(55), 989-1005. doi:http://dx.doi.org/10.1590/2236-9996.2022-5506
Medina, J. (2024). Big data en la predicción de flujos turísticos. Visión Académica, 2(4), 10-19. doi:https://doi.org/10.70577/rmgp0d53
Mayer‑Schönberger, V., & Cukier, K. (2013). Big Data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt. https://www.hmhco.com/shop/books/Big-Data/9780544002692
Peláez, J. (2025). Implementación de big data para mejorar el análisis de indicadores de eficiencia. Revista INVECOM, 5(1). Obtenido de https://ve.scielo.org/scielo.php?pid=S2739-00632025000102074&script=sci_arttext
Provost, F., & Fawcett, T. (2013). Data Science for Business. O’Reilly Media. https://www.oreilly.com/library/view/data-science-for/9781449374273/
Quiroz, J., Pérez, A., Román, G., Castro, M., y Aguilar, M. (2024). Explorando la ciencia de datos: desde la estadística hasta el Big Data. Contactos, Revista de Educación en Ciencias e Ingeniería(137), 115-121. doi:https://contactos.izt.uam.mx/index.php/contactos/article/view/450
Rivadeneira, J., Herrera, M., Casanova, C., & Bueno, F. (2022). Estadística y crecimiento empresarial: análisis bibliométrico. AlfaPublicaciones, 4(2), 6-20. doi:https://doi.org/10.33262/ap.v4i2.195
Rudin, C. (2019). Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1, 206–215. https://doi.org/10.1038/s42256-019-0048-x
Salazar, C., y Del Castillo, S. (2018). Fundamentos básicos de estadística (Primera Edición ed.). Obtenido de https://gc.scalahed.com/recursos/files/r161r/w24899w/Trabajo%20Final/Fundamentos_Basicos_de_Estadistica.pdf
Sigman, M. y Bilinkis, S. (2023). Artificial: La nueva inteligencia y el contorno de lo humano. Debate.Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
Universidad Católica San Pablo. (2026). Big Data: definición, tipos, características y beneficios. Obtenido de postgrado.ucsp.edu.pe/articulos/que-es-big-data/
Zuñiga, F., Mora, D., y Llerena, W. (2023). El Big Data y su implicación en el Marketing. Revista de Comunicación de la SEECI(56), 302-321. doi:http://doi.org/10.15198/seeci.2023.56.e832