Resumen

Big data es el término utilizado para designar enormes conjuntos de datos que difieren de otras bases de datos clásicas en cuatro aspectos principales: volumen (enorme), velocidad (alta), variedad (mucho mayor) y valor (grande). En general, los datos se almacenan de forma distribuida y en nodos informáticos, por lo que los big data pueden ser más susceptibles de sufrir ataques de piratas informáticos. Este artículo presenta un modelo de riesgo para los macrodatos, que comprende el Análisis Modal de Fallos y Efectos (AMFE) y la Teoría Gris, más concretamente el análisis relacional gris. Este enfoque presenta varias ventajas: proporciona un planteamiento estructurado para incorporar el impacto de los factores de riesgo de los macrodatos; facilita la evaluación del riesgo al desglosar el riesgo global de los macrodatos; y, por último, sus eficaces criterios de evaluación pueden ayudar a las empresas a reducir los riesgos asociados a los macrodatos. Para ilustrar la aplicabilidad de nuestra propuesta en la práctica, se ha desarrollado un ejemplo numérico, con datos realistas basados en el conocimiento de expertos. El ejemplo numérico analiza cuatro dimensiones, a saber, la gestión de la identificación y el acceso, el registro del dispositivo y la aplicación, la gestión de la infraestructura y el gobierno de los datos, y 20 modos de fallo relativos a las vulnerabilidades del big data. Los resultados muestran que el aspecto más importante del riesgo para los big data está relacionado con la gobernanza de los datos.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Big data; modelo de riesgo; análisis modal de fallos y efectos; teoría gris; enfoque estructurado; gobernanza de datos
• Keywords:Big data; risk model; failure mode and effects analysis; grey theory; structured approach; data governance