Se propone una variante híbrida de los algoritmos Fuzzy C-Means y K-Means para resolver grandes conjuntos de datos como los presentados en Big Data. El algoritmo Fuzzy C-Means es sensible a los valores iniciales de la matriz de membresía. Por lo tanto, una configuración especial de la matriz puede acelerar la convergencia del algoritmo. En este sentido, se propone un nuevo enfoque, que llamamos Hybrid OK-Means Fuzzy C-Means (HOFCM), y optimiza los valores del parámetro de la matriz de membresía. Este enfoque consta de tres pasos: (a) generar un conjunto de soluciones de un conjunto de datos, aplicando una variante del algoritmo K-Means; (b) seleccionar la mejor solución como base para generar la matriz de membresía optimizada; (c) resolver el conjunto de datos con Fuzzy C-Means. Los resultados experimentales con cuatro conjuntos de datos reales y un conjunto de datos sintético muestran que HOFCM reduce el tiempo hasta en un 93.94% en comparación con el tiempo promedio del estándar Fuzzy C-Means. Se destaca que la calidad de la solución se redujo en un 2.51% en el peor de los casos.