Los datos en streaming están presentes a nuestro alrededor. Desde los sistemas de radio tradicionales que transmiten audio hasta los dispositivos de usuario final conectados de hoy en día que envían constantemente información o acceden a servicios, los datos fluyen constantemente entre nodos a través de varias redes. La demanda de métodos apropiados de detección de valores atípicos (OD) en los campos de detección de fallas, detección de eventos especiales y detección y prevención de actividades maliciosas no solo es persistente con el tiempo, sino que está aumentando, especialmente con los recientes desarrollos en sistemas de telecomunicaciones como las redes de Quinta Generación (5G) que facilitan la expansión del Internet de las Cosas (IoT). El proceso de selección de un método de OD computacionalmente eficiente, adaptado para un campo específico y que tenga en cuenta la existencia de datos empíricos, o la falta de ellos, no es trivial. Este documento presenta una exhaustiva encuesta de métodos de OD, categorizados por las aplicaciones en las que se implementan, las suposiciones básicas que utilizan según las características de los datos en streaming, y un resumen de los desafíos emergentes, como la estructura y naturaleza en evolución de los datos y su dimensionalidad y temporalidad. Se produce una categorización de conjuntos de datos comúnmente utilizados en el contexto de datos en streaming para ayudar en la identificación de fuentes de datos para investigadores en este campo. Con base en esto, se definen pautas para la selección de métodos de OD, que consideran la flexibilidad y los requisitos de tamaño de muestra y facilitan el diseño de tales algoritmos en Telecomunicaciones y otras industrias.