Ver esquema

Tema 68. Big data. El análisis de los datos masivos.

Cuerpo Facultativo de Archiveros, Bibliotecarios y Arqueólogos, especialidad Bibliotecas, sistema general de acceso libre · Índice oficial del BOE núm. 313, de 29 de diciembre de 2025 (Resolución de 18 de diciembre de 2025, de la Subsecretaría del Ministerio de Cultura, por la que se convoca proceso selectivo para ingreso, por el sistema general de acceso libre y promoción interna, en el Cuerpo Facultativo de Archiveros, Bibliotecarios y Arqueólogos — BOE-A-2025-26894). El Anexo I de esta convocatoria remite, para el contenido íntegro del programa, al aprobado por la Resolución de 23 de septiembre de 2022, de la Subsecretaría (Ministerio de Cultura y Deporte) — BOE núm. 237, de 3 de octubre de 2022, páginas 135233 a 135250, Anexo II, Sección Bibliotecas (BOE-A-2022-16049) —, que es el texto reproducido en este fichero..

Este cuerpo tiene ámbito estatal (Administración General del Estado, Ministerio de Cultura y Deporte) y comparte proceso selectivo con las especialidades de Archivos y Arqueología: este fichero recoge SOLO la especialidad de Bibliotecas, turno de acceso libre (no cubre promoción interna, que tiene un programa reducido distinto). Se eligió el nivel AGE como referencia, entre los tres niveles administrativos que convocan personal de bibliotecas (AGE, Comunidades Autónomas y Entidades Locales, tal y como advierte la propia descripción del cuerpo en el catálogo del sitio), por ser el que tiene una convocatoria única, estable y mejor documentada en el BOE — las bibliotecas autonómicas y municipales tienen sus propias convocatorias y programas, distintos entre territorios, que NO están cubiertos por este fichero y quedan pendientes de un desarrollo futuro específico por comunidad autónoma. Los 100 temas están transcritos de forma literal, verificados directamente contra el texto del BOE de la Resolución de 23 de septiembre de 2022 (BOE núm. 237, Anexo II).

Desarrolla el concepto de big data o datos masivos, sus rasgos definitorios frente al tratamiento tradicional de la información, y las tecnologías que han hecho posible su almacenamiento y explotación. Presta especial atención a las aplicaciones de estas técnicas en el ámbito bibliotecario y documental (analítica de uso, bibliometría avanzada, gestión de metadatos y preservación digital) y a los retos éticos y de protección de datos que plantea su tratamiento.

← Ver el índice completo del temario

Concepto de big data y origen del término

El término big data (datos masivos) designa conjuntos de datos cuyo volumen, velocidad de generación o variedad de formatos superan la capacidad de las herramientas de gestión de bases de datos convencionales para capturarlos, almacenarlos, gestionarlos y analizarlos en un tiempo razonable. Su origen está ligado al crecimiento exponencial de datos generados por la actividad en internet, los dispositivos conectados (sensores, redes sociales, transacciones electrónicas) y la digitalización masiva de fondos y servicios, incluidos los bibliotecarios y documentales. No se trata solo de una cuestión de tamaño, sino de un cambio de paradigma que exige nuevas arquitecturas de almacenamiento distribuido y nuevos métodos de análisis.

Características definitorias: las «V» del big data

El fenómeno se describe tradicionalmente mediante un conjunto de características conocidas como las «V»: volumen (la escala de datos generados, que se mide en teras, petas o exabytes), velocidad (el ritmo al que se producen y deben procesarse los datos, en muchos casos en tiempo real o «streaming»), y variedad (la heterogeneidad de formatos, desde datos estructurados en tablas hasta datos semiestructurados o no estructurados como texto libre, imágenes, audio o vídeo). A estas tres características iniciales se añaden habitualmente la veracidad (la fiabilidad y calidad de los datos, que pueden ser incompletos, ambiguos o contener ruido) y el valor (la capacidad de extraer de los datos información útil para la toma de decisiones), que son las que justifican la inversión en su tratamiento.

Tecnologías de almacenamiento y procesamiento distribuido

El tratamiento de datos masivos requiere infraestructuras de computación distribuida capaces de repartir el almacenamiento y el procesamiento entre múltiples nodos que trabajan en paralelo, en lugar de depender de un único servidor. El ecosistema tecnológico de referencia se articula en torno a Apache Hadoop, un marco de trabajo de código abierto que combina un sistema de archivos distribuido (HDFS) con el modelo de programación MapReduce para procesar grandes volúmenes de datos en paralelo. A este ecosistema se suman las bases de datos NoSQL (not only SQL), diseñadas para almacenar datos no estructurados o semiestructurados con esquemas flexibles, y motores de procesamiento en memoria como Apache Spark, orientados a analítica más rápida que el modelo clásico de MapReduce.

Aplicaciones en bibliotecas y centros de documentación

En el ámbito bibliotecario, las técnicas de big data se aplican al análisis de los registros de uso de catálogos, repositorios y recursos electrónicos (logs de acceso, préstamos, consultas en el OPAC) para conocer patrones de comportamiento de los usuarios y mejorar los servicios de información y las políticas de desarrollo de colecciones. También se emplean como apoyo a la bibliometría y a la evaluación científica, al permitir el tratamiento conjunto de grandes volúmenes de metadatos bibliográficos y de citación procedentes de distintas fuentes. Otras aplicaciones relevantes son el enriquecimiento y la explotación de metadatos como datos enlazados (linked data), y el análisis de grandes colecciones digitalizadas mediante técnicas de minería de textos (text mining) para la investigación en humanidades digitales.

Retos éticos, de privacidad y de gobierno del dato

El tratamiento de datos masivos plantea retos relacionados con la protección de datos personales, especialmente cuando se combinan fuentes diversas que permiten reidentificar a personas a partir de datos aparentemente anónimos, lo que exige aplicar principios como la minimización de datos, la anonimización o seudonimización y el cumplimiento del Reglamento General de Protección de Datos (RGPD) y de la normativa española de desarrollo. Otros retos son el sesgo algorítmico, cuando los datos de partida no son representativos y los análisis reproducen o amplifican desigualdades existentes, y la necesidad de políticas de gobierno del dato (data governance) que definan la calidad, la trazabilidad y las responsabilidades sobre los datos a lo largo de todo su ciclo de vida.

Relación con la ciencia de datos y los datos abiertos

El big data se relaciona estrechamente con la ciencia de datos (data science), disciplina que combina estadística, programación y conocimiento del dominio para extraer conocimiento útil de los datos, y con el movimiento de datos abiertos (open data), que promueve la publicación de conjuntos de datos públicos en formatos reutilizables. Los profesionales de la información desempeñan un papel relevante en ambos campos, aportando competencias en organización, descripción, curación y preservación de datos que resultan imprescindibles para garantizar su calidad, su interoperabilidad y su reutilización a largo plazo.

Ideas clave para el examen — memoriza esto

  • Big data (datos masivos): conjuntos de datos cuyo volumen, velocidad o variedad superan la capacidad de las herramientas convencionales de gestión de bases de datos.
  • Las «V» clásicas: volumen, velocidad y variedad; ampliadas habitualmente con veracidad y valor.
  • Volumen: escala de datos, medida en teras, petas o exabytes.
  • Velocidad: ritmo de generación y necesidad de procesamiento en tiempo real o streaming.
  • Variedad: heterogeneidad de formatos, estructurados, semiestructurados y no estructurados.
  • Veracidad: fiabilidad y calidad de los datos, que pueden ser incompletos o contener ruido.
  • Valor: capacidad de extraer información útil para la toma de decisiones.
  • Apache Hadoop: marco de código abierto para almacenamiento (HDFS) y procesamiento distribuido (MapReduce).
  • Bases de datos NoSQL: esquemas flexibles para datos no estructurados o semiestructurados.
  • Apache Spark: motor de procesamiento en memoria, más rápido que el modelo clásico de MapReduce.
  • Aplicaciones bibliotecarias: análisis de logs de uso, OPAC y recursos electrónicos para mejorar servicios y colecciones.
  • Apoyo a la bibliometría y evaluación científica mediante el tratamiento masivo de metadatos de citación.
  • Minería de textos (text mining) sobre grandes colecciones digitalizadas, base de las humanidades digitales.
  • Retos de privacidad: minimización de datos, anonimización/seudonimización y cumplimiento del RGPD.
  • Sesgo algorítmico: los análisis pueden reproducir o amplificar desigualdades si los datos de partida no son representativos.
  • Gobierno del dato (data governance): calidad, trazabilidad y responsabilidades sobre los datos en todo su ciclo de vida.
  • Ciencia de datos (data science): combina estadística, programación y conocimiento del dominio.
  • Datos abiertos (open data): publicación de conjuntos de datos públicos en formatos reutilizables.
Ver el esquema con tus propios subrayados →

Ponte a prueba

11 preguntas sobre este tema, en orden aleatorio. Sin registro, sin límite de intentos.

Pregunta 1 de 110 aciertos

¿Qué es Apache Spark según el tratamiento del big data?

Preguntas frecuentes

¿De qué trata el Tema 68 de Bibliotecario?

Desarrolla el concepto de big data o datos masivos, sus rasgos definitorios frente al tratamiento tradicional de la información, y las tecnologías que han hecho posible su almacenamiento y explotación. Presta especial atención a las aplicaciones de estas técnicas en el ámbito bibliotecario y documental (analítica de uso, bibliometría avanzada, gestión de metadatos y preservación digital) y a los retos éticos y de protección de datos que plantea su tratamiento.

¿Qué hay que memorizar del Tema 68 para el examen?

Big data (datos masivos): conjuntos de datos cuyo volumen, velocidad o variedad superan la capacidad de las herramientas convencionales de gestión de bases de datos. Las «V» clásicas: volumen, velocidad y variedad; ampliadas habitualmente con veracidad y valor. Volumen: escala de datos, medida en teras, petas o exabytes. Velocidad: ritmo de generación y necesidad de procesamiento en tiempo real o streaming. Variedad: heterogeneidad de formatos, estructurados, semiestructurados y no estructurados. Veracidad: fiabilidad y calidad de los datos, que pueden ser incompletos o contener ruido. Valor: capacidad de extraer información útil para la toma de decisiones. Apache Hadoop: marco de código abierto para almacenamiento (HDFS) y procesamiento distribuido (MapReduce). Bases de datos NoSQL: esquemas flexibles para datos no estructurados o semiestructurados. Apache Spark: motor de procesamiento en memoria, más rápido que el modelo clásico de MapReduce. Aplicaciones bibliotecarias: análisis de logs de uso, OPAC y recursos electrónicos para mejorar servicios y colecciones. Apoyo a la bibliometría y evaluación científica mediante el tratamiento masivo de metadatos de citación. Minería de textos (text mining) sobre grandes colecciones digitalizadas, base de las humanidades digitales. Retos de privacidad: minimización de datos, anonimización/seudonimización y cumplimiento del RGPD. Sesgo algorítmico: los análisis pueden reproducir o amplificar desigualdades si los datos de partida no son representativos. Gobierno del dato (data governance): calidad, trazabilidad y responsabilidades sobre los datos en todo su ciclo de vida. Ciencia de datos (data science): combina estadística, programación y conocimiento del dominio. Datos abiertos (open data): publicación de conjuntos de datos públicos en formatos reutilizables.

¿Hay preguntas de test de este tema exacto?

Sí, 11 preguntas tipo test sobre este tema, en el apartado "Ponte a prueba" de esta misma página. Sin registro y sin límite de intentos.

¿De dónde sale el temario de este tema?

Del índice oficial de BOE núm. 313, de 29 de diciembre de 2025 (Resolución de 18 de diciembre de 2025, de la Subsecretaría del Ministerio de Cultura, por la que se convoca proceso selectivo para ingreso, por el sistema general de acceso libre y promoción interna, en el Cuerpo Facultativo de Archiveros, Bibliotecarios y Arqueólogos — BOE-A-2025-26894). El Anexo I de esta convocatoria remite, para el contenido íntegro del programa, al aprobado por la Resolución de 23 de septiembre de 2022, de la Subsecretaría (Ministerio de Cultura y Deporte) — BOE núm. 237, de 3 de octubre de 2022, páginas 135233 a 135250, Anexo II, Sección Bibliotecas (BOE-A-2022-16049) —, que es el texto reproducido en este fichero. (Cuerpo Facultativo de Archiveros, Bibliotecarios y Arqueólogos, especialidad Bibliotecas, sistema general de acceso libre).

Mientras tanto, practica con tests gratis de Bibliotecario.

Empieza gratis ahora