Tema 41 Gestión de Sistemas e Informática: minería y Big Data

En resumen: El tema 41 de Gestión de Sistemas e Informática cubre minería de datos, OLAP, Big Data, entornos Hadoop y bases de datos NoSQL. Aporta 11 preguntas al banco oficial (1,6 %) y en las convocatorias recientes se ha preguntado sobre todo por herramientas y por MLOps. Aquí tienes el epígrafe, el peso por años y tres preguntas oficiales comentadas.

El tema 41 Gestión de Sistemas e Informática se titula «Minería de datos, OLAP y Big Data» y pertenece al Bloque 3, Desarrollo de sistemas. Es un tema con una parte conceptual clara (qué es la minería de datos, qué es OLAP) y otra muy pegada a herramientas reales, que es donde suelen caer las preguntas.

Qué entra según el epígrafe oficial

El enunciado oficial del tema es literal: «Minería de datos. Aplicación a la resolución de problemas de gestión. Tecnología y algoritmos. Procesamiento analítico en línea (OLAP). Big data. Entornos Hadoop o similares. Bases de datos NoSQL».

Es decir, tienes que dominar cinco bloques:

• Minería de datos: concepto, aplicación a problemas de gestión, tecnologías y algoritmos.
• OLAP: procesamiento analítico en línea.
• Big Data: concepto y características.
• Entornos Hadoop o similares.
• Bases de datos NoSQL.

Fíjate en el detalle de «aplicación a la resolución de problemas de gestión»: no es solo teoría de algoritmos, también cómo se usa la minería de datos para resolver problemas concretos de una organización.

Cuánto pesa el tema 41 en el examen

El tema aporta 11 preguntas al banco oficial, lo que supone el 1,6 % del total. Es un peso moderado: no es de los temas que más caen, pero tampoco es residual.

La distribución por convocatorias (sumando libre, promoción interna y extraordinarias de cada año, sin contar repetidas) es esta:

El dato importante: en 2024 se concentraron 5 preguntas, el año de mayor peso. La tendencia reciente confirma que el tema se pregunta con regularidad, así que conviene llevarlo preparado y no dejarlo para el final.

Qué tipo de preguntas han caído

Con las preguntas de ejemplo del banco se ve el patrón: preguntas de herramientas y plataformas concretas, no de definiciones puras. Vamos con las tres.

1. Bibliotecas de redes neuronales (2024)

El enunciado describe el deep learning como rama del aprendizaje automático que modela el mundo real mediante redes neuronales y pregunta cuál de las opciones NO es una biblioteca usada para operar con redes neuronales.

• a) Keras
• b) AutomaticDL
• c) TensorFlow
• d) PyTorch

La correcta es la b). Keras, TensorFlow y PyTorch son bibliotecas reales y muy conocidas para trabajar con redes neuronales. «AutomaticDL» suena plausible —tiene la estructura de un nombre técnico— pero no es una biblioteca. La trampa típica de este tema: opciones inventadas con nombres que imitan a los reales.

2. Plataforma de analítica Big Data con Spark (2022)

Pregunta qué plataforma permite hacer analítica Big Data e inteligencia artificial con Spark de forma sencilla y colaborativa.

• a) Databricks Lakehouse Platform
• b) Data Lake Lakehouse Platform
• c) Data Mart Lakehouse Platform
• d) Data Warehouse Lakehouse Platform

La correcta es la a). Las otras tres opciones mezclan términos que sí existen por separado (data lake, data mart, data warehouse) con «Lakehouse Platform», generando combinaciones que suenan bien pero no son la plataforma. Aquí la clave es reconocer el nombre propio: Databricks.

3. Degradación de modelos en producción (2025)

El caso: una organización despliega modelos de machine learning con un pipeline automatizado que entrena y publica a diario el modelo con mejor métrica offline. Tras meses, el rendimiento en producción se degrada. Preguntan la causa estructural más probable desde la perspectiva de MLOps.

• a) El sistema optimiza únicamente métricas offline y no monitoriza data drift ni rendimiento en producción.
• b) La validación cruzada introduce sesgo estadístico acumulativo.
• c) Reentrenar a diario genera inestabilidad estadística inevitable.
• d) La automatización del despliegue impide la revisión manual experta.

La correcta es la a). El enunciado ya te da la pista: «mejor métrica offline» y «degradación en producción». Si solo optimizas offline y no monitorizas el data drift ni el rendimiento real, el modelo se degrada sin que te enteres. Las opciones b) y c) presentan como inevitables problemas que no lo son, y la d) confunde automatización con falta de control.

Este tipo de pregunta —caso práctico con cuatro explicaciones plausibles— es la más exigente del tema, porque no basta con memorizar: hay que razonar qué falla en un flujo de trabajo real.

Normas que hay que llevar al día

Las preguntas de ejemplo del banco no citan ninguna norma concreta: son preguntas técnicas sobre herramientas, plataformas y prácticas de MLOps. No hay, por tanto, normativa específica asociada a este tema que estudiar de memoria.

Cómo preparar el tema 41

Por lo que se pregunta, el estudio rentable es:

• Reconocer nombres propios: bibliotecas (Keras, TensorFlow, PyTorch), plataformas (Databricks) y entornos (Hadoop). Muchas preguntas se resuelven descartando el nombre inventado.
• Entender los conceptos de MLOps: métricas offline frente a producción, data drift, monitorización.
• Distinguir los términos de datos: data lake, data mart, data warehouse, lakehouse. Las opciones incorrectas suelen ser mezclas de estos.
• Repasar OLAP y NoSQL según el epígrafe, aunque en los ejemplos recientes pesen menos.

Si quieres repasar temas del bloque de desarrollo de sistemas, puedes leer el artículo del tema 36 sobre Java EE o el artículo del tema 17 sobre contenedores.

Preguntas frecuentes

¿Cuántas preguntas tiene el tema 41 en el banco oficial?

11 preguntas, el 1,6 % del banco. En 2024 se concentraron 5, el año de mayor peso hasta ahora.

¿Qué entra en el tema 41 de Gestión de Sistemas e Informática?

Minería de datos y su aplicación a problemas de gestión, tecnología y algoritmos, OLAP, Big Data, entornos Hadoop o similares y bases de datos NoSQL, según el epígrafe oficial.

¿Qué tipo de preguntas caen en el tema 41?

Sobre todo preguntas de herramientas y plataformas (bibliotecas de redes neuronales, Databricks) y casos prácticos de MLOps, como el de degradación de modelos en producción de 2025.

¿Hay que estudiar normativa para este tema?

No. Las preguntas de ejemplo del banco no citan ninguna norma: son técnicas, sobre herramientas y prácticas de datos y machine learning.

Siguiente paso

La mejor forma de comprobar si llevas el tema controlado es enfrentarte a preguntas reales. Haz el test del tema 41 con preguntas oficiales y revisa los fallos. Si quieres ampliar, tienes tests gratis con preguntas oficiales de Gestión de Sistemas e Informática y el calendario de convocatorias y fechas de examen para planificar el estudio.