Big Data Analytics con Hadoop. Copyright 2010, SAS Institute Inc. All rights reserved.

Transcripción

1 Big Data s con Hadoop Copyright 2010, SAS Institute Inc. All rights reserved.

2 Hadoop será una tecnología altamente adoptada en las compañías Actuar basado en predicciones analíticas será un estándar Reaccionar en tiempo real será clave para mantenerse competitivo Copyright 2010, SAS Institute Inc. All rights reserved.

3 DEPLOY & MONITOR DOS ENFOQUES CÓMO SE ESTÁ UTILIZANDO HADOOP? Hadoop como Repositorio de datos Hadoop como núcleo de la nueva generación de plataformas analíticas MANAGE DATA EXPLORE DATA TEXT DEVELOP MODELS

4 1er ENFOQUE HADOOP COMO REPOSITORIO DE DATOS QUIÉN? Tecnología POR QUÉ? PARA QUÉ? Incremento volumen de datos Costes de almacenamiento Latencia en proporcionar la información Sistema de almacenamiento y procesamiento distribuido de fácil escalado

5 PATRONES DE USO HADOOP COMO NUEVO REPOSITORIO Fuentes operacionales DATA WAREHOUSE Data Data

6 PATRONES DE USO HADOOP COMO OTRO ORIGEN PARA EL DATA WAREHOUSE Fuentes operacionales DATA WAREHOUSE Data Data

7 PATRONES DE USO HADOOP COMO DESCARGA DEL DATA WAREHOUSE Fuentes operacionales DATA WAREHOUSE Data Data

8 PATRONES DE USO HADOOP COMO DATA LAKE Fuentes operacionales DATA WAREHOUSE Data Data

9 DEPLOY & MONITOR 2º ENFOQUE HADOOP COMO NÚCLEO DE LA PLATAFORMA ANALÍTICA MANAGE DATA QUIÉN? Negocio TEXT EXPLORE DATA POR QUÉ? Nuevas preguntas sobre nuevos datos Necesidad de flexibilidad Superar limitaciones DEVELOP MODELS PARA QUÉ? Ganar agilidad y autonomía en la búsqueda de respuestas

10 PATRONES DE USO CON SAS CÓMO PUEDE TRABAJAR SAS CON HADOOP? SAS/Access to Hadoop SAS In-Database SAS In-Memory s SQL In-DB Code Network Network High Speed High Speed High Speed High Speed Hadoop Hadoop Hadoop EP EP Hive Impala Data Loader Accelerators HPA LASR

11 Preparación de Datos Exploración Modelización Despliegue SAS DATA LOADER Menús Point & Click Sin conocimiento en Hadoop Self-Service HTML 5 Permite a los usuarios de negocio la preparación de datos en Hadoop Copyright 2010, SAS Institute Inc. All rights reserved.

12 Preparación de Datos Exploración Modelización Despliegue SAS VISUAL ANALYTICS Facilita Autoservicio BI a usuarios finales Independiente de los modelos de datos Analítica avanzada de manera sencilla Datos en memoria. Alto rendimiento Dispositivos móviles trabajando offline Copyright 2010, SAS Institute Inc. All rights reserved.

13 Preparación de Datos Exploración Modelización Despliegue SAS VISUAL STATISTICS Simplifica la construcción de modelos predictivos Toda la potencia analítica de SAS Visualización de resultados de los modelos Datos en memoria. Alto rendimiento Evaluación y comparación interactiva de modelos Copyright 2010, SAS Institute Inc. All rights reserved.

14 Preparación de Datos Exploración Modelización Despliegue SAS ACCELERATORS Modeling Data Preparation SAS Scoring Accelerator SAS Data Quality Accelerator SAS Modeling SAS Scoring SAS Code Accelerator Copyright 2010, SAS Institute Inc. All rights reserved.

15 CONCLUYENDO Única plataforma analítica que cubre todo el ciclo Preparacion > Exploración > Modelización > Despliegue Aunando la potencia de ambas plataformas Toda la capacidad analítica de SAS in-memory HDFS, MapReduce, cómputo distribuido, escalabilidad No disruptivo para los usuarios Facilita la adopción y el uso de Hadoop Capacidad autoservicio

16 Gracias Y ahora vamos a verlo en acción Copyright 2010, SAS Institute Inc. All rights reserved.

17 SAS VISUAL STATISTICS INTRODUCCIÓN A LOS DATOS DEL EJEMPLO Un supermercado ofrece una nueva línea de productos orgánicos. La dirección del supermercado quiere anticipar qué clientes tendrán propensión a comprar estos productos. El supermercado cuenta con un programa de fidelización. Como parte del plan de incentivación para primeros compradores, el supermercado proporcionó cupones para los productos orgánicos a todos los integrantes del programa de fidelización y recogió los datos de qué clientes compraron estos productos. El conjunto de datos contiene 1.68 millones de registros y 36 variables