I.
INTRODUCCIÓN
El
presente trabajo considera uno de los conceptos más conocidos, estudiados y analizados
mediante múltiples nombres referidos en investigaciones anteriores, los
términos comúnmente encontrados son “datos masivos”, “macro datos”,
“inteligencia de datos” o “datos a gran escala”, pero para fines de esta
investigación se usará Big Data para referirnos a la misma tecnología el resto del estudio.
El
objetivo de este estudio fue identificar las tendencias al realizar una
revisión bibliométrica, es decir, se obtuvieron datos de los artículos y autores
más sobresalientes del tema de Big Data y Cloud Computing proporcionando
definiciones, características y clasificación de estas tecnologías, al mismo tiempo,
se detallan algunas discusiones sobre la computación en la nube. También se
aborda la relación entre ambas tecnologías, así como los sistemas de
almacenamiento de datos.
La
justificación al realizar este trabajo es debido a la gran importancia que está
teniendo en la actualidad estas tecnologías, en donde cualquier persona con o sin
conocimientos tecnológicos tienen cierto grado de interés de las formas en que
las empresas almacenan la información que se genera desde Facebook, Twitter o
Instagram, por ello el Big Data alcanza muchos ámbitos de nuestra vida desde la
economía, educación, ciencias tecnológicas, deportes, seguridad, política,
entre otros.
En
cuanto a la metodología utilizada para la revisión bibliométrica, se inició con
la búsqueda de artículos relacionados directamente con el tema en las bases de
datos WoS, Scopus y Google Scholar, apoyándose en estudios similares,
posteriormente se revisaron 111 artículo con alto grado de impacto con el
propósito de obtener el mayor número de datos, cifras, archivos de apoyo,
gráficas, tablas, así como diversas opiniones de expertos en la materia.
En cuanto al contenido del
marco teórico, la información se obtuvo de materiales académicos, formando un
puzzle lo más homogéneo que permita obtener una visión del concepto y las
influencias en el mismo. Posteriormente se llevó a cabo la revisión de la literatura que consistió en profundizar el
tema de Big Data y Cloud Computing de tal forma de obtener información
confiable, veraz, así como de suma relevancia.
Después de lo anterior se
obtiene los siguientes apartados que constituyen esta investigación: En primer
lugar, un acercamiento a la conceptualización de Big Data y Cloud Computing
para establecer las bases de la investigación, en segundo lugar, el
almacenamiento local y remo- to para comprender la importancia de los sistemas
de Cloud Computing, en tercer lugar, los problemas de seguridad de la
información y posibles soluciones, en cuarto lugar, los costos de
almacenamiento de datos así como la disponibilidad, por último algunas
plataformas consideradas casos de éxito en esta temática.
II.
MARCO TEÓRICO
Según
Hashem, Yaqoob, Anuar, Mokhtar, Gani y Khan (2015) establecen que abordar el
tema de Big Data es una tarea desafiante que requiere mucho tiempo de estudio,
así como una gran infraestructura computacional para garantizar el
procesamiento y análisis de datos exitosos. Por otro lado, la computación en la
nube es considerada una tecnología poderosa para realizar computación compleja,
a gran es- cala que elimina la necesidad de mantener hardware informático
costoso, espacio dedicado y software.
Actualmente
la velocidad de generación, así como el crecimiento de datos está aumentando
debido a la proliferación de dispositivos móviles y otros sensores conectados a
Internet, estos datos brindan oportunidades que permiten a las empresas de
todas las industrias obtener información empresarial en tiempo real. Según Yang, Huang, Li, Liu y Hu (2017)
establecen que el Big Data ha surgido en los últimos años como un nuevo
paradigma que proporciona abundantes datos, así como oportunidades para mejorar
y permitir la investigación en aplicaciones de soporte de decisiones con un
valor sin precedentes para el mundo digital, aplicaciones que incluyen
negocios, ciencias e ingeniería.
De
acuerdo con Cai, Xu, Jiang y Vasilakos (2016) las aplicaciones relacionadas con
Internet de las cosas (IoT) se han convertido en un campo importante tanto para
ingenieros como para investigadores, lo que refleja la magnitud y el impacto de
los problemas relacionados con los datos que deben resolverse en las
organizaciones empresariales contemporáneas, especialmente en la computación en
la nube (Stergiou & Psannis, 2017).
Según
Sookhak (2015) la computación en la nube se ha convertido en un nuevo paradigma
que ofrece un gran potencial para almacenar datos de forma remota. Por ello,
muchas organizaciones han reducido la carga del almacenamiento y mantenimiento
de datos locales al externalizar el almacenamiento de datos a la nube. Sin
embargo, la integridad y seguridad de los datos subcontratados sigue siendo
motivo de gran preocupación para los propietarios de datos debido a la falta de
control, así como posesión física sobre los datos.
III.
REVISIÓN DE LA LITERATURA
El
aumento continuo del volumen, así como de- talles de los datos capturados por
las organizaciones, como el auge de las redes sociales, Internet de las Cosas (IoT)
y multimedia, han producido un flujo abrumador de datos en formato estructurada
y no estructurada. La creación de datos está ocurriendo a una velocidad récord,
referida aquí como Big Data, y se ha convertido en una tendencia ampliamente
reconocida (Zhang, Yang, Chen, Li & Bu, 2018).
Según
Hashem et al. (2018) estudiar el tema de Big Data es una tarea retadora, que
requiere mucho tiempo y una gran infraestructura computacional para garantizar
un procesamiento y análisis de datos exitosos, por tal situación dicho tema
está llamando poderosamente la atención de la academia, el gobierno y la
industria. Así mismo Yang et al. (2017) aborda que esta tecnología ha surgido
en los últimos años como un nuevo paradigma que proporciona abundantes datos y
oportunidades para mejorar y permitir la investigación y aplicaciones de so-
porte de decisiones con un valor sin precedentes para el mundo digital,
aplicaciones que incluyen negocios, ciencias e ingeniería.
Conceptualización de Big Data y Cloud Computing
Según
Hashem et al., (2018) establece que el término Big Data se caracteriza por
cuatro V´s: volumen, variedad, velocidad y veracidad, por lo tanto, la
siguiente definición se propone con base
a las características mencionadas anteriormente, así como el análisis de la
esencia de los grandes datos. Big Data es un conjunto de técnicas y tecnologías
que requieren nuevas formas de integración para descubrir grandes valores
ocultos de grandes conjuntos de datos en una escala diversa, compleja y de gran
ta- maño (Manogaran, Thota, & Kumar, 2016).
En el mismo sentido se
aborda el término computación en la nube denominada Cloud Computing para usos
posteriores, la cual es una tecnología poderosa para realizar computación
compleja y a gran escala que elimina la necesidad de mantener hardware
informático costoso, espacio dedicado y software (Hashem et al., 2015).
Para Sookhak (2015) el Cloud Computing se ha
convertido en un nuevo paradigma que ofrece un gran potencial para almacenar
datos de forma remota, es por ello que actualmente, mu- chas organizaciones han
reducido la carga del almacenamiento y mantenimiento de datos loca- les al
externalizar el almacenamiento de datos a la nube. Sin embargo, la integridad y
seguridad de los datos subcontratados sigue siendo motivo de gran preocupación
para los propietarios de datos debido a la falta de control y posesión física
sobre los datos, por lo cual algunos investigadores han propuesto técnicas de
auditoría remota de datos (RDA).
Figura 1. Dimensiones o características de Big Data
En este
sentido se propone un marco seguro basado en el Cloud Computing para la gestión
de la información de Big Data en redes inteligentes, que se denomina
"marco inteligente", la idea principal de este marco es construir una
estructura jerárquica de centros de computación en la nube para proporcionar
diferentes tipos de servicios informáticos para gestión de información y
análisis de Big Data, como resultado, este marco propuesto logra no solo
escalabilidad y flexibilidad, sino también características de seguridad en
donde se han implementado pruebas de concepto para este marco con una gestión
simple basada en la identidad para la confidencialidad de los datos (Baek, Vu,
Liu, Huang & Xiang, 2014)
Almacenamiento local y remoto
La
generación de datos a gran escala y velocidad ha ocasionado la búsqueda de
nuevos mecanismos de almacenamiento de información, por ello, la computación en
la nube se ha convertido en una importante alternativa que ofrece un gran
potencial para almacenar datos de forma remota. En consecuencia, muchas
organizaciones han decidido reducir la carga del almacenamiento y mantenimiento
de datos locales al externalizar el almacenamiento de datos en la nube
(Sookhak, 2015).
Por otro
lado, el almacenamiento local tiene sus beneficios en la imposibilidad de que
los datos salgan de nuestro disco si disponemos de un sistema con la seguridad
apropiada, tiene un costo medio y particularmente se debe procurar que el
dispositivo tenga un sistema de backup (respaldo) apropiado, la gran desventaja
de este sistema es que no se tiene los datos disponibles en cualquier lugar, si
no, solamente en la red de trabajo (Wang, Ma, Yan, Chang & Zomaya, 2018).
Por
ello, es importante mencionar que las tecnologías han evolucionado para atender
las necesidades de almacenamiento, actualmente se encuentran en una etapa
compleja donde es más fácil producir datos que guardarlos y administrarlos.
Dicho lo anterior, se tiene que cada año en el mundo se produce entre tres y
cinco Exabytes de información (Lyman & Varian, 2003). Aunque en 2007 se
almacenaron de manera comprimida 2.9 Zettabytes, se comunicaron cerca de dos
Zettabytes y se ejecutaron 6.4 Exabytes de instrucciones por segundo en
computadoras de propósito general (Hilbert & López, 2011), se cree que en
el año 2020 se tendrán 35 Zettabytes (Li & Cao, 2014).
IV. METODOLOGÍA
En este
apartado de metodología se realizó un análisis bibliométrico considerado
también como un estudio bibliométrico de la cantidad y calidad de artículos basados
en el tema de Big Data y Cloud Computing, así como la relación existente entre
los mismos, para ello se ha llevado a cabo la selección y búsqueda de dichos
artículos en las principales bases de datos, así como buscadores de Internet.
A partir de las búsquedas
realizadas el 30 y 31 de enero de 2020 acerca de los artículos más importante o
sobresalientes en las bases de datos WoS y Scopus y en el buscador google
académico, se obtienen como resultado archivos en diferentes formatos como son:
archivos de texto (txt), archivos en formato comma-separated values (CSV) y
archivos en formato BibTex (Bib).
Según Aria y Cuccurullo (2017)
en el entorno R, se han publicado recientemente otros paquetes en el
repositorio oficial (CRAN, The Comprehensive RArchive Network, https://cran.r-
project.org/) que abordan la bibliometría. Cada uno de ellos proporciona
funciones de análisis específicas; sin embargo, ninguno aborda todo el flujo de
trabajo.
Es importante indicar que
durante el proceso de búsquedas se utilizaron diferentes operadores booleanos,
esto con la finalidad de obtener mejores resultados, entre las búsquedas más
sobresalientes fueron: Big Data, Big Data AND Cloud Computing, Cloud Computing,
Industry 4.0 AND Big Data, Industry 4.0 AND Cloud Computing.
El resultado obtenido de WoS se
puede exportar y analizar fácilmente para la mayoría de los autores,
instituciones, países, revistas, áreas temáticas, citas y mapeo de palabras
clave más activos. Las palabras clave utilizadas en este estudio son relevantes
para llegar a resultados éxitos (Belfiore, Iovino y Tafuri, 2019). Después de
las búsquedas, se realiza una criba en la que, mediante la lectura de los
resúmenes de cada artículo, se eligen los artículos más importantes y de
interés particular, dando como resultado una lista más concreta de los
artículos a revisar con más detalle, teniendo como resulta- do un total de 111
artículos para su análisis, exploración y determinación de los datos más
sobresalientes respecto al tema investigado.
Figura 2. Diagrama de
la metodología
Un análisis bibliométrico
usa el paquete bibliometrix en el software R, este paquete utiliza los
metadatos en las citas de la Web of Science para calcular y clasificar la
producción del país, las fuentes de las revistas y las colaboraciones de los
países (Nafade, Nash, Huddart, Pande, Gebreselas-sie, Lienhardt & Pai,
2018). Para hacer un manejo óptimo, eficiente y adecuado del contenido de los
artículos, se realiza una búsqueda web particular de cada uno de los 111
artículos, para lo cual utilizamos herramientas computacionales para acceder al
documento digital original o copia, y en consecuencia des-cargar dichos
artículos (en su idioma original o traducido), así como tener información
completa para su posterior estudio y desarrollo. En referencia al contenido del marco teórico, toda la información se
alimenta de los materiales académicos descargados, teniendo como resultado una
visión más completa del Big Data y el Cloud Computing, así como los retos y
oportunidades del mismo en el mundo digital.
De tal
forma que se lleva a cabo la metodología de recogida de datos y utilización de
los mismos, con la finalidad de poseer los elementos de información con mayor credibilidad respecto al tema
investigado. Después del proceso anterior se tiene como resultado los
siguientes apartados incluidos en el trabajo de investigación. En primer lugar, se desarrolla un breve
resumen, la revisión del marco teórico, la revisión de la literatura, el
planteamiento de la metodología, análisis de datos y resultados, y por último
las conclusiones. Enseguida se presenta el diagrama de la metodología aplicada
en el desarrollo de esta investigación. Es importante
mencionar que para la obtención de datos confiables se revisaron cada uno de los cuartiles a los que pertenecen las
revistas responsables de publicar los 111 artículos del tema en cuestión, en
donde se indica que la mayoría son del Q1, Q2, Q3 y muy pocos de Q4.
V.
RESULTADOS
La
computación en la nube es una tecnología poderosa para realizar computación
compleja y a gran escala que elimina la necesidad de mantener hardware
informático costoso, espacio dedicado y software sofisticado. Además, el Big
Data es un término utilizado para referirse al aumento en el volumen de datos
que son difíciles de almacenar, procesar y analizar a través de las tecnologías
de bases de datos tradicionales (Hashem et al., 2015).
El tema de Big Data y Cloud
Computing ha tenido un gran auge en los últimos años, de acuerdo con la
revisión bibliométrica en Scopus y WoS de 111 artículos, en el Figura
3 se muestran los autores más relevantes que estudian estos temas,
dichos autores son: Dong F, Hsu Ch, Agrawal D y Li K.
Figura 3. Principales autores de artículos sobre el Big Data y Cloud Computing
De
acuerdo a la Figura 3 se observa que 276 autores han escrito al menos un
artículo, 28 autores han desarrollado estudios de al menos dos artículos, 12 autores
han escrito tres artículos y solo 4 autores han escrito cuatro artículos. Por
otro lado, Gani A. (2015) fue unos de los autores más citados con un total de
741 citas, seguido de Anuar Nb. (2015) con un total de 681 citas y en tercer lugar encontramos a Has-hemIat (2015) con
el mismo número de 681 citas.
Además, se examinó la producción
científica de los autores a lo largo del tiempo, en la Figura 4 se muestra que
Gupta B. en el año 2018 desarrollo tres artículos relacionados con este tema.
Figura 4. Principales autores de artículos sobre el Big Data y
Cloud Computing
Figura 5. Principales países y la producción científica de artículos sobre el Big
Data y Cloud Computing
La
producción científica es uno de los parámetros más importantes para predecir el
desarrollo de un país, por ello en la Figura 5 se observa que China es uno de
los países que encabeza los estudios del tema de Big Data y Cloud Computing,
seguidos de Estados Unidos, India y Grecia.
Sin embargo, de acuerdo a la
Figura 6, se observa que Malasia encabeza el ranking de los países más citados
en dicho tema con 741 citas totales y 185.25 citas promedios por artículo,
seguido de Estados unidos y China, cabe mencionar que los países de América
Latina no tienen grandes estudios relacionados al tema de Big Data y Cloud
Computing, por ello podemos encontrar un vacío en la literatura para abordar
dichos temas en diferentes áreas de conocimiento.
Figura 6. Principales países más citados de artículos sobre el Big Data y Cloud
Computing
Considerando
lo anterior, en la Figura 7 Mapa de colaboración de países se presentan los
países como USA (Estados unidos de América), China, Australia, Japón, entre
otros que han optado por enfocar sus investigaciones a estas tecnologías.
Figura 7. Mapa de colaboración de los
países que estudian Big Data y Cloud Computing
Big Data ha surgido en los
últimos años como un nuevo paradigma que proporciona abundantes datos y
oportunidades para mejorar y habilitar aplicaciones de investigación y apoyo a
la toma de decisiones con un valor sin precedentes para aplicaciones digitales
de la tierra, incluyendo negocios, ciencias e ingeniería (Yang et al., 2017).
Por tal motivo muchos investigadores se han dado a la tarea de profundizar en
los beneficios que traería al implementar estas tecnologías en las
organizaciones.
Figura 8. Autores más citados acerca de Big Data y Cloud Computing
En la
Figura 8 se muestra los autores más citados, en donde se aprecia que Cuzzocrea,
Yang y Sultan son los tres autores más citados, en este sentido es importante
señalar que mediante este ejercicio se puede apreciar a los investigadores que
se debe considerar para plantear algunas situaciones de estudio. Por otro lado,
al realizar búsquedas de información relacionada con Big Data y Cloud Computing
encontrará las co-citaciones que unos autores hacen de otros, por lo tanto,
existe una relación directa de la temática en el desarrollo de investigaciones.
Esta revisión presenta innovaciones futuras y una agenda de investigación para
la computación en la nube que respalda la transformación del volumen, la
velocidad, la variedad y la veracidad en valores de Big Data para aplicaciones
y aplicaciones de ciencias de la tierra digitales locales a globales (Yang et
al., 2017).
En la Figura 9 Revistas con más
publicaciones de Big Data, se observa el ranking de las revistas que más
publican artículos relacionados con estas tecnologías, es importante mencionar
que con el surgimiento continuo de una variedad de nuevos métodos de difusión
de información y el surgimiento de las tecnologías de computación en la nube e
IoT, los datos aumentan constantemente con una alta velocidad, por ello la
escala de datos globales aumenta continuamente a un ritmo de dos veces cada dos años (Chen, Li, Tang,
Bilal, Yu, Weng & Li, 2016).
Figura 9. Revistas con más publicaciones de Big Data y Cloud Computing
Según
Baek et al. (2014) La computación en la nube se ha vuelto popular recientemente
debido a varias ventajas sobre los modelos informáticos tradicionales. Las
ventajas típicas incluyen flexibilidad, escalabilidad, agilidad, eficiencia
energética y ahorro de costos. Por lo anterior, al momento de implementar
nuevos sistemas informáticos aparecen una serie de palabras que convergen en un
mapa semántico y por ende permiten la creación de nuevos espacios al conocimiento.
VI.
CONCLUSIONES
Conforme
al objetivo de este trabajo, se identificaron las tendencias más significativas
de los documentos científicos de alto impacto analizados con respecto al Big
Data y Cloud Computing durante el periodo comprendido entre los años 2010 al
2020.
Los
datos brindan oportunidades que permiten a las empresas de todas las industrias
obtener información comercial en tiempo real, es así como con el uso de
servicios en la nube para almacenar, procesar y analizar datos que ha estado
disponible durante algún tiempo obtienes enormes beneficios, por un lado, ha
cambiado el contexto de la tecnología de la información y ha hecho realidad las
promesas del modelo de servicio bajo demanda (Hashem, 2015).
La
presente investigación se enfocó en com- prender la relación existente entre el
Big Data y Cloud Computing, así como la aplicación de dichas tecnologías en las
actividades cotidianas de las empresas, es importante mencionar que dentro de
las limitaciones de esta investigación se encuentra la búsqueda de información
en bases de datos WoS, Scopus y algunos artículos de google Scholar, por lo
cual se recomienda incluir para futuras investigaciones algunas bases de datos
universitarias, así como usar otros criterios para ampliar la búsqueda
considerando las palabras claves “Big Data*” y “Cloud Computing and applications”.
Los
resultados del análisis bibliométrico de- muestran la importancia que tiene hoy
en día la investigación sobre el Big Data y Cloud Computing, siendo notable el
incremento a partir del
año 2010, por otro lado, es importante
señalar que los países más destacados en la investigación de estos temas son:
China, Estados Unidos, Japón, Malasia, Australia seguidos por otros países
asiáticos. Cabe resaltar que, en la región de Latinoamérica, los temas de Big
Data y Cloud Computing son poco estudiados.
En este
estudio bibliométrico se reconoce el trabajo de los principales autores y
países que realizan los mejores estudios de estos temas, teniendo en cuenta que
Big Data es una nueva tecnología que se desarrolla rápidamente en diversos
campos de estudio, hemos intentado combinar con el Cloud Computing, esto para
comprender su importancia en la actualidad y verificar las características
comunes, así como descubrir los beneficios de estas dos tecnologías con respecto
a su uso con las aplicaciones de Big Data (Lo’ai, 2016).
Una de
las limitantes respecto a estas tecnologías es el rezago tecnológico de los
países en desarrollo, así como el acceso limitado a las bases de datos como WoS
y Scopus. Es importante recalcar que hay muchos retos y problemas por resolver,
así como oportunidades para cambiar el uso de las tecnologías de Big Data y
Cloud Computing en el futuro.
VII. AGRADECIMIENTOS
Expreso
mi agradecimiento al Consejo Nacional de Ciencia y Tecnología (CONACyT) por el
apoyo en el financiamiento otorgado para la realización de estudios doctorado
en el programa de Planeación Estratégica y Dirección de Tecnología en la UPAEP
en el período del 2020 al 2023.
VIII.
REFERENCIAS
Aria, M., & Cuccurullo, C.
(2017). bibliometrix: An R-tool for comprehensive science mapping analysis.
Journal of In- formetrics, 11(4), 959-975.
Baek, J., Vu, Q. H., Liu, J. K.,
Huang, X., & Xiang, Y. (2014). A secure cloud computing based framework for
big data information management of smart grid. IEEE transac- tions on cloud
computing, 3(2), 233-244. doi: 10.1109/TCC.2014.2359460
Belfiore, P.,
Iovino, S., & Tafuri, D. (2019). Sport manage- ment
and educational management: a bibliometric analysis. Sport Science, 12(1),
61-64.
Cai, H., Xu, B., Jiang, L., &
Vasilakos, A. V. (2016). IoT- based big data storage systems in cloud
computing: perspectives and challenges. IEEE Internet of Things Journal, 4(1),
75-87. DOI: 10.1109/JIOT.2016.2619369
Chen, J., Li, K., Tang, Z., Bilal,
K., Yu, S., Weng, C., & Li, K. (2016). A parallel random forest algorithm
for big data in a spark cloud computing environment. IEEE Transac- tions on
Parallel and Distributed Systems, 28(4), 919- 933. DOI:
10.1109/TPDS.2016.2603511
Gai, K., Qiu, M., Zhao, H., &
Xiong, J. (2016, June). Privacy- aware adaptive data encryption strategy of big
data in cloud computing. In 2016 IEEE 3rd International Confe- rence on Cyber
Security and Cloud Computing (CSCloud) (pp. 273-278). IEEE. doi:
10.1109/CSCloud.2016.52
Hashem, I. A. T., Yaqoob, I., Anuar,
N. B., Mokhtar, S., Gani, A., & Khan, S. U. (2015). The rise of “big data”
on cloud computing: Review and open research issues. Informa- tion systems, 47,
98-115. DOI: 10.1016/j.is.2014.07.006
Hilbert, M. y López, P. (2011). The
world's technological capacity to store, communicate, and compute information.
Science, 332(60), 60-65.
Lo’ai, A. T., Mehmood, R., Benkhlifa,
E., & Song, H. (2016). Mobile cloud computing model and big data analysis
for healthcare applications. IEEE Access, 4, 6171-6180. DOI:
10.1109/ACCESS.2016.2613278
Lo'ai, A. T., Bakheder, W., &
Song, H. (2016, June). A mobi- le cloud computing model using the cloudlet
scheme for big data applications. In 2016 IEEE First International Conference
on Connected Health: Applications, Systems and Engineering Technologies (CHASE)
(pp. 73-77). IEEE. DOI: 10.1109/CHASE.2016.40
Li, M. y Cao, S. (2014). A serie
method of massive information storage, retrieval and sharing. En Mechatronics
and Automation (ICMA), 2014 IEEE International Conference on (pp. 1171-1175).
IEEE.
Li, J., Huang, L., Zhou, Y., He, S.,
& Ming, Z. (2017).
Computation
partitioning for mobile cloud computing in a big data environment. IEEE
Transactions on Industrial Informatics, 13(4), 2009-2018. DOI: 10.1109/TII.2017.2651880
Li, Y., Gai, K., Qiu, L., Qiu, M.,
& Zhao, H. (2017). Intelligent cryptography approach for secure distributed
big data storage in cloud computing. Information Sciences, 387, 103-115. DOI:
10.1016/j.ins.2016.09.005
Liu, X., Singh, P. V., &
Srinivasan, K. (2016). A structured analysis of unstructured big data by
leveraging cloud computing. Marketing Science, 35(3), 363-388. DOI:
10.1287/mksc.2015.0972
Lyman, P. y Varian, H. (2003). How
much information. Estados
Unidos: Universidad de California. Recuperado de
http://www2.sims.berkeley.edu/research/projects/howmuchinfo2003
Manogaran,
G., Thota, C., & Kumar, M. V. (2016). Meta-
CloudDataStorage architecture for big data security in cloud computing.
Procedia Computer Science, 87, 128- 133. DOI: 10.1016/j.procs.2016.05.138
Nafade, V., Nash, M., Huddart, S.,
Pande, T., Gebreselas- sie, N., Lienhardt, C., & Pai, M. (2018). A bibliometric analysis of tuberculosis research,
2007–2016. PLoS One, 13(6).
Pérez,
M. M. S. (2015). Big Data O La Acumulación Masiva De Datos Sanitarios :
Derechos En Riesgo, 10–12.
Sookhak, M. (2015). Dynamic remote
data auditing for secu- ring big data storage in cloud computing (Doctoral dis-
sertation, University of Malaya). DOI: 10.1016/j.ins.2015.09.004
Stergiou, C., & Psannis, K. E.
(2017). Recent advances delivered by Mobile Cloud Computing and Internet of
Things for Big Data applications: a survey. International Journal of Network
Management, 27(3), e1930. DOI: 10.1002/nem.1930
Varatharajan, R., Manogaran, G.,
& Priyan, M. K. (2018). A big data classification approach using LDA with
an en- hanced SVM method for ECG signals in cloud compu- ting. Multimedia Tools
and Applications, 10195-10215. DOI:10.1007/s11042-017-5318-1 Yang, C., Huang,
Q., Li, Z., Liu, K., & Hu, F. (2017). Big Data and cloud computing:
innovation opportunities and cha- llenges. International Journal of Digital
Earth, 10(1), 13- 53.
Wang, L., Ma, Y., Yan, J., Chang, V.,
& Zomaya, A. Y. (2018). pipsCloud: High performance cloud computing for
remote sensing big data management and proces- sing. Future Generation Computer
Systems, 78, 353- 368. DOI: 10.1016/j.future.2016.06.009
Xu, J., Huang, E., Chen, C. H., &
Lee, L. H. (2015). Simula- tion optimization: A review and exploration in the
new era of cloud computing and big data. Asia-Pacific Jour- nal of Operational
Research, 32(03), 1550019. DOI:10.1142/S0217595915500190
Yang, C., Huang, Q., Li, Z., Liu, K.,
& Hu, F. (2017). Big Data and cloud computing: innovation opportunities and
challenges. International Journal of Digital Earth, 10(1), 13-53.
Zhang, Q., Yang, L. T., Chen, Z., Li,
P., & Bu, F. (2018). An adaptive dropout deep computation model for
industrial IoT big data learning with crowdsourcing to cloud com- puting. IEEE Transactions on Industrial Informatics, 15(4),
2330-2337. DOI: 10.1109/TII.2018.2791424
Tendencias del big data y cloud computing: 
