Casos de Uso de Big Data

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Casos de Uso de Big Data"

Transcripción

1 Big Data España 2015 Casos de Uso de Big Data Wolfram Rozas 2 Octubre International Business Machines Corporation

2 Cambios en el Paradigma Analítico 2014 International Business Machines Corporation

3 Cambios en el Paradigma Analítico BIG DATA TRADITIONAL & ANALYTICS APPROACH APPROACH BIG DATA TRADITIONAL & ANALYTICS APPROACH APPROACH All available information All Analyzed available information analyzed Small amount of carefully organized information Large amount of messy information Analyze Analyze small subsets of all information Leverage more of the data being captured Carefully Analyze cleanse information information as is, before cleanse any as analysis needed Reduce effort required to leverage data BIG DATA TRADITIONAL & ANALYTICS APPROACH APPROACH BIG DATA TRADITIONAL & ANALYTICS APPROACH APPROACH Data Hypothesis Data Exploration Question Analysis Data Repository Analysis Insight Answer Insight Correlation Data Insight Start Explore with hypothesis all data and and test identify against correlations selected data Data leads the way and sometimes correlations are good enough Analyze Analyze data after data it s in been motion processed as it s and landed generated, in a warehouse in real-time or mart Leverage data as it is captured 2014 International Business Machines Corporation 3

4 Cambios en el Paradigma Analítico BIG DATA TRADITIONAL & ANALYTICS APPROACH APPROACH BIG DATA TRADITIONAL & ANALYTICS APPROACH APPROACH What What will happen has happened and what and should why you do Predict and decide the best action the embedded realm of the in everything specialist Intuitive analytics for everyone BIG DATA TRADITIONAL & ANALYTICS APPROACH APPROACH BIG DATA TRADITIONAL & ANALYTICS APPROACH APPROACH Learn Pre-programmed to sense and predict analysis using all on types structured of information data Cognitive computing Scheduled Real-time Analytics as and when you need it 2014 International Business Machines Corporation 4

5 Las 5 categorías de casos de uso 2014 International Business Machines Corporation

6 Innúmeros casos de uso en cada industria Banca Optimización de ofertas Servicio a clientes y eficiencia Detección e investigación de fraude Riesgo de crédito y de contrapartida Seguros Vista 360 del sujeto Modelización catástrofes Fraude y Abuso Analítica de rendimiento producto Telecom. Call Center proactivo Analítica de Red Servicios basados en localización Energía y Utilities Analítica de Smart Meter Predicción/ planificación de carga Mantenimiento basado en condición Ofertas a clientes (TOU) Medios y Entretenimiento Transformación de procesos de negocio Optimización de audiencias y marketing Campañas multicanal Optimización de comercio digital Retail Analítica de Cliente y Fidelización Optimización de Mercancías Precios óptimos Transporte y Turismo Analítica de Cliente y Fidelización Analítica de Mantenimiento Predictivo Optimización de Capacidad y Precios Gran Consumo Disponibilidad Estante Optimización de Trade Funds Cumplimiento de mercancías Alertas/Excepciones de promociones Gobierno Servicios públicos Defensa e Inteligencia Servicios fiscales y tributarios Salud Medir y actuar sobre los resultados de salud Involucrar a los consumidores en su salud Automoción Química y Petróleo Aviación y Defensa Electrónica de Consumo Farmacia Monitorización avanzada de condición Optimización Data Warehouse Analítica de Cliente y Fidelización Vigilancia, Análisis, Optimización Operacional Optimización Data Warehouse Investigación Upstream Plataforma de Acceso Información Uniforme Optimización Data Warehouse Plataforma de Certificación Aerolínea Monitorización avanzada de condición Analítica de clientes/ canal Monitorización avanzada de condición Aumentar la visibilidad de la seguridad y efectividad de los medicamentos 2014 International Business Machines Corporation 6

7 Las 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 2014 International Business Machines Corporation 7

8 Las 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 2014 International Business Machines Corporation 8

9 Exploracion: Necesidades Encontrar, visualizar, comprender todos los datos para mejorar el proceso de toma de decisiones Luchar para gestionar y extraer valor de las 3 V s en la empresa; necesidad de unificar la información en fuentes federadas Incapacidad de relacionar los datos brutos recogidos de logs de sistema, sensores, clickstreams, etc., con datos de clientes y de negocio Riesgo de exponer información de identificación personal y/o datos privilegiados debido a carencias de conciencia de la sensibilidad de la información 2014 International Business Machines Corporation 9

10 Call Center Access all sources or individual source Dynamic categorization Setup alert to notify change Identify topical experts Narrow down results set Refinements based on metadata Highly relevant, secure & personalized results Comment results Tag results Rate results Store & share results 2014 International Business Machines Corporation 10

11 Distintos propósitos de exploración International Business Machines Corporation 11

12 IBM Confidential 2014 International Business Machines Corporation 12

13 2014 International Business Machines Corporation 13 13

14 Las 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 2014 International Business Machines Corporation 14

15 Necesidades Extender las vistas actuales de clientes (MDM, CRM, etc.) añadiendo fuentes de información internas y externas Necesita una mayor comprensión del sentimiento de la clientela Deseo de mejorar la fidelización (activa) del cliente y la satisfacción identificando acciones significativas necesarias Desafío en facilitar la información correcta a los decisores para suministrar a los clientes lo que realmente necesitan (resolver problemas, cross-sell, etc.) 2014 International Business Machines Corporation 15

16 Análisis Actitudinal de Clientes 2014 International Business Machines Corporation 16

17 GeoMarketing 2.0 / Geofencing Pisadas Patrones de movimiento de personas y patrones de estancia Análisis por hora y día Inferencia para métricas de estancias dentro de edificios Sociodemográficos y Conducta Perfil sociodemográfico combinado con movimiento Edad, género, país, dirección vivienda, dirección trabajo, tipo dispositivo (datos, status), patrón de actividad Tránsito Inferencia de rutas de transporte público incluyendo carreteras, trenes, autobuses 2014 International Business Machines Corporation 17

18 Análisis de Público Objetivo basado en Fans Datos lineales Datos no lineales Datos suscripción Datos afinidad y de gasto Datos demográficos Datos Redes Sociales 1 Extraer datos y ejecutar integración de entidades para crear perfiles individuales Text Mining Lista de Prospectos Fan Influencia Procesado Tiempo Real Big Data DW Perfil 360º Estructurado No estructurado 3 Crear lista de prospectos mediante modelos predictivos y producir campañas de marketing 2 Visualización Propensión Análisis Predictivo Motor de Reglas Tipo Fan Desarrolla modelos predictivos Vinculación Churn Gestión de Campañas multicanal Portal Marketing/ Research 2014 International Business Machines Corporation 18

19 Las 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 2014 International Business Machines Corporation 19

20 Necesidades La extensión de Seguridad/Inteligencia mejora las soluciones de seguridad analizando todo tipo de fuentes Inteligencia mejorada y Vigilancia Predicción y mitigación de ciberataques en tiempo real Predicción y protección de crímenes Analizar datos en movimiento y parados para: Encontrar asociaciones Descubrir patrones y hechos Mantener la actualidad de la información Analizar el tráfico de red para: Descubrir nuevas amenazas tempranamente Detectar amenazas complejas conocidas Actuar en tiempo real Analizar datos sociales y de telecomunicaciones para: Reunir evidencia criminal Prevenir las actividades criminales Prender criminales proactivamente 2014 International Business Machines Corporation 20

21 Modelo Conceptual Análisis de Entidades/ Relaciones Datos no estructurados/en streaming Conectores Appliance de monitorizacion de telemetría de red (Opcional) Ingesta y procesamiento en tiempo real Video/audio Red Geoespacial Predictivo Almacenamiento y Análisis Text mining Data mining Machine learning Data Warehouse Análisis profundo Análisis operacional Gestión de datos estructurado de alto volumen Sistema de Seguimiento de Información Criminal Sistema de Monitorización de Vigilancia Información s de Seguridad y Gestión de Eventos (SIEM) Conectores Datos Estructurados Tradicionales 2014 International Business Machines Corporation 21

22 Gestión de Riesgos Preparar Exposición Límites Capital Stress Documentos Cobertura Reportar Evolución Reunir datos de posiciones, mercados, oportunidades, etc. Estimar Ratings y exposiciones Comparar exposición agregada contra límites Determinar reqs. capital Stress testing y Análisis de Escenarios Mitigación de riesgos legales Limitar el daño usando cobertura Informar involucrados Adaptarse a cambios en negocios clientes productos Datos Históricos Cálculos Scoring Complejos Demasiados datos Minimizar Costes Demasiados What ifs? Gestión Información Respuesta a Tiempo Reporting Limitado Problemas Integridad? Muchos datos, cambiando muy rápido, demasiada variedad Los cálculos de scoring necesitan hacerse más rápido No hay simple vista del riesgo de crédito (muchas vistas) Optimización de las pérdidas de crédito, capital, colaterales Múltiples escenarios de stress ad hoc Gestionar datos no estruc. de oportunidades y colaterales. Falta de herramientas de monitorización de crédito Reporting limitado de exposiciones y colaterales Consistencia del proceso de gestión de riesgo de crédito Gestión de Datos: MDM para las entidades de contrapartida legal Datos no estructurados: Análisis de sentidos como Análisis de Entidades Otras fuentes de datos como geoposicionamiento, redes sociales Análisis en Tiempo Real: Cálculos en casi tiempo real Appliance/función calidad streams App. Riesgo: App de riesgo de crédito y colaterales Análisis masivo: x más rápido que sistemas tradicionales con empleo de Appliance Reporting y búsqueda Escalabilidad: Capacidad a nivel de petabytes para grandes portfolios de crédito 2014 International Business Machines Corporation 22

23 Las 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 2014 International Business Machines Corporation 23

24 Necesidades Analizar una variedad de datos máquina para mejorar los resultados de negocio La capacidad de analizar datos máquina y combinarlos con los datos corporativos obteniendo una vista completa puede capacitar a las organizaciones a: Ganar una visibilidad en tiempo real de las operaciones, experiencia de cliente, transacciones y conducta Planificar proactivamente para mejorar la eficiencia operacional Identificar e investigar anomalías Monitorizar la infraestructura punto a punto para evitar proactivamente la degradación del servicio o las cortes 2014 International Business Machines Corporation 24

25 Modelo Conceptual Logs brutos y datos máquina Sólo almacenar lo necesario Acelerador de Datos Máquina Indexar, buscar Modelización estadística Análisis Causal Análisis en tiempo real Exploración y Descubrimiento 2014 International Business Machines Corporation 25

26 Análisis de los Datos Máquina (M2M) App. Server Logs Ingestión Datos Procesamiento Análisis System Logs Smart Meters Datos en reposo Tiempo real Causa raíz Sensor Data Datos en movimiento Análisis texto Análisis Patrones Utility Systems Extractores Algoritmos adaptativos Detección de Anomalías Facility Systems Estructurado Indexado Análisis Predictivo Message Queues No estructurado Búsqueda Queries Dinámicas Clickstream Data Correlación Visualización Configuration Files Web Access Logs Database Audit Logs and Tables Web Proxy Logs HDFS Logs Solución de Negocio 2014 International Business Machines Corporation 26

27 Detección de Anomalías Datos históricos Ultimos datos Contador Lectura A 100 B 10 C 15 D 200 E 5 1. Para cada punto de suministro se identifican otros puntos que tengan conducta de consumo similar 2. Se identifica cuánto se desvía el último consumo del grupo 3. Se identifican los consumos más anómalos para centrar la investigación 2014 International Business Machines Corporation 27

28 Network Analytics Análisis en tiempo real del uso de los clientes y de su experiencia de los servicios de datos y aplicaciones, para mejorar la experiencia de cliente Soluciones Aplicaciones Mediación, Correlación y Análisis 1. Servicio a Clientes: priorizar problemas de clientes 2. Operaciones de Red: impacto de los eventos de red (cuellos de botella,, llamadas caídas, cortes, etc.) en la calidad de la experiencia de los abonados 3. Ventas & Marketing: aumentar la tasa de aceptación Recogida y extracción de datos 2014 International Business Machines Corporation 28

29 Las 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 2014 International Business Machines Corporation 29

30 Necesidades Integrar las capacidades de big data y de data warehouse par amejorar la eficiencia operacional Necesidad de usar variedad de datos Análisis profundo en streaming de datos estructurados, no estructurados Requerimientos de latencia baja (horas semanas) Se requiere acceso a los datos Extender la infraestructura Almacenamiento optimizado, mantenimiento y costes de licenciamiento para migrar datos raramente usados (fríos) a Hadoop Costes de almacenamiento reducidos por procesamiento inteligente de datos en streaming Rendimiento del data warehouse mejorado determinando 2014 International Business Machines Corporation 30

31 Valor y Modelo Conceptual Pre-Processing Hub Query-able Archive Exploratory Analysis Streams Real-time processing Data Explorer BigInsights Landing zone for all data BigInsights Information Integration Data Explorer Find and view the data Can combine with unstructured information BigInsights Streams Offload analytics for microsecond latency Data Warehouse Data Warehouse Data Warehouse 2014 International Business Machines Corporation 31

32 Offloading Archivar Datos Fríos Base de Datos Ficheros Archive InfoSphere Optim Distribución Hadoop Aplicar políticas de retención de datos Capturar objetos de negocio completos Preservar integridad de datos Preservar metatada Cargar datos a Hadoop según sea necesario Archivar y purgar datos Archivos comprimidos, auditables, y restaurables Almacén interrogable utilizando Hive en Hadoop 2014 International Business Machines Corporation 32

33 Data Lake 2014 International Business Machines Corporation

34 El problema de los Datos Hay una desproporción en el tiempo empleado en preparación de datos en los proyectos de Análisis El Big Data complicará más la situación con la adición de datos de múltiples formatos y la ingesta en tiempo real 2014 International Business Machines Corporation 34

35 Una demanda creciente. Negocio quiere... Acceso abierto a más información Herramientas de análisis y visualización más potentes A los equipos IT les preocupan los costes les preocupan los requisitos de gobernanza y regulatorios 2014 International Business Machines Corporation 35

36 Lagos o Pantanos? A medida que recogemos datos Podemos preservar la claridad? Conocemos lo que recogemos? Podemos encontrar lo que necesitamos? Estamos creando pantanos de datos? Cómo construimos confianza en Big Data? Sabemos para qué se usan los datos? Hay que gobernar el dato! 2014 International Business Machines Corporation 36

37 Qué es un lago de datos? Un lago de datos facilita datos a una organización para realizar análisis de todo tipo Servicios del Lago de Datos Repositorios del Lago de Datos Es posible introducir el análisis en el lago de datos para generar conocimiento adicional de los datos cargados Gestión de Información y Gobierno del Dato Lago de Datos Un lago de datos gestiona repositorios compartidos de información para analizarla Cada repositorio del lago de datos se optimiza para un procesamiento particular Los datos pueden replicarse en múlitples repositorios en el lago de datos y tener distintos significados/usos 2014 International Business Machines Corporation 37

38 Arquitectura lógica Deploy Real-time Decision Models Information Service Calls Data Export Data Import Deploy Decision Models Understand Information Sources Advertise Information Source Understand Compliance Events to Evaluate Notifications Information Federation Calls Information Service Calls Data Out Data In Data Refineries STREAMING ANALYTICS Real-time Interfaces Publishing Feeds Information Ingestion Real-time Analyics Descriptive Data Shared Operational Data Deposited Data Harvested Data Advanced Data Provisioning CATALOG CONTENT HUB INFORMATION WAREHOUSE DEEP DATA INFORMATION VIEWS OPERATIONAL STATUS CODE HUB Catalog Interfaces Data Lake Repositories Analyst Interaction Information Access Find Curate Access Provision Reporting Data Marts Understand Information Sources Search Requests Curation Interaction Information Service Calls Data Export Data Import Inter-lake Exchange Report Queries Information Integration & Governance INFORMATION BROKER CODE HUB STAGING AREAS OPERATIONAL GOVERNANCE HUB MONITOR WORKFLOW Management Data Lake 2014 International Business Machines Corporation 38

39 Resumen Lago de Datos = Gestión eficiente, Gobernanza, protección y acceso A medida que la analítica de una organización se hace más compleja, será necesario: Acceder a datos históricos de muchos sistemas Estos datos incluyen datos sensible y valiosos que son el núcleo de la operación Hadoop felxible para almacenar muchos tipos de datso, pero no es suficientemente rápido para alguna analítica en producción. Los datos necesitan ser reformateados y copiados en una plataforma especializada paa el análisis Un lago o embalse suministra: Un extracción sencilla de datos Catalogar y gobernar el dato Interfaces sencillos para que la línea de negocio acceda a la infomración que precisan 2014 International Business Machines Corporation 39

40 Preguntas? Gracias por su atención 2014 International Business Machines Corporation

Cómo Orientar el Potencial de Big Data

Cómo Orientar el Potencial de Big Data Cómo Orientar el Potencial de Big Data Fernando Cortés IBM Software Group, Information Management Especialista IBM Big Data Para Reconocer Nuevas Oportunidades, Es Necesario Pensar Más Allá de las Fuentes

Más detalles

BIG DATA Y SU APLICACIÓN REAL EN LA EMPRESA

BIG DATA Y SU APLICACIÓN REAL EN LA EMPRESA BIG DATA Y SU APLICACIÓN REAL EN LA EMPRESA Javier González Sánchez Director Comercial de Information Management España, Portugal, Grecia e Israel. IBM Software Características de Big Data Procesamiento

Más detalles

Accediendo a nuevas perspectivas y oportunidades a través del Big Data

Accediendo a nuevas perspectivas y oportunidades a través del Big Data Accediendo a nuevas perspectivas y oportunidades a través del Big Data Yolanda Mendoza - Information Management Sales Manager SPGI Madrid, 20 noviembre 2013 PALACIO MUNICIPAL DE CONGRESOS Algo importante

Más detalles

Cómo competir utilizando Big Data y Analytics

Cómo competir utilizando Big Data y Analytics Cómo competir utilizando Big Data y Analytics Guillermo Girón R. Business Information Regional Consultant ggiron@gbm.net Santo Domingo, Septiembre 2014 Sobrecarga de Información Pero a falta de Insight

Más detalles

Gestión del Fraude. Pilar Sirvent, Arquitecto Senior de Software

Gestión del Fraude. Pilar Sirvent, Arquitecto Senior de Software Gestión del Fraude Pilar Sirvent, Arquitecto Senior de Software Áreas de Apoyo Gestión del Fraude Grandes Cantidades de Datos (Big Data) Volumen - Variedad - Velocidad Integración Visión 360º Análisis

Más detalles

Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza

Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza IBM Software Information Management White Paper Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza Un enfoque de appliance simplifica el uso de la analítica avanzada Cómo aprovechar la

Más detalles

La siguiente generación de Datawarehouse : Más allá del Data Warehouse permitir information on demand. IBM Information Management

La siguiente generación de Datawarehouse : Más allá del Data Warehouse permitir information on demand. IBM Information Management La siguiente generación de Datawarehouse : Más allá del Data Warehouse permitir information on demand José Ramón Mora IBM Software Group Nuestra visión sobre Business Intelligence Acercamiento Desde hace

Más detalles

ÍNDICE. Introducción... Capítulo 1. Conceptos de Big Data... 1

ÍNDICE. Introducción... Capítulo 1. Conceptos de Big Data... 1 ÍNDICE Introducción... XIII Capítulo 1. Conceptos de Big Data... 1 Definición, necesidad y características de Big Data... 1 Aplicaciones típicas de Big Data... 4 Patrones de detección del fraude... 4 Patrones

Más detalles

Luis Reina Juliá luis_reina@es.ibm.com IBM Software Group Arquitecto de Datos. Data Warehousing: el reto de extraer el valor de los datos

Luis Reina Juliá luis_reina@es.ibm.com IBM Software Group Arquitecto de Datos. Data Warehousing: el reto de extraer el valor de los datos Luis Reina Juliá luis_reina@es.ibm.com IBM Software Group Arquitecto de Datos Data Warehousing: el reto de extraer el valor de los datos AGENDA Data Warehouses Problemáticas típicas de Data Warehouse Soluciones

Más detalles

Big Data y Manejo de Datos Maestros

Big Data y Manejo de Datos Maestros Objetivos 1.- El alumno identificará el contexto, la problemática y utilizará diversas herramientas de Manejo de Datos Maestros. Esto permitirá formarse un criterio sobre cómo implementar un proyecto de

Más detalles

PREVIEW BIDOOP 2.0. Big Data Brunch

PREVIEW BIDOOP 2.0. Big Data Brunch PREVIEW BIDOOP 2.0 Big Data Brunch 08 de Julio 2014 Quién soy? Trabajando con Hadoop desde 2010 sluangsay@pragsis.com @sourygna CTO de Pragsis Responsable departamento sistemas Preventa Instructor de Hadoop

Más detalles

Las cinco mejores formas de abordar big data

Las cinco mejores formas de abordar big data IBM Software Thought Leadership, documento técnico Junio de 2013 Las cinco mejores formas de abordar big data 2 Las cinco mejores formas de abordar big data Big data: una oportunidad de alto riesgo Se

Más detalles

CONECTANDO DATOS CON NEGOCIO

CONECTANDO DATOS CON NEGOCIO CONECTANDO DATOS CON NEGOCIO Big Data y Data Science consulting Valor de negocio a través de los Datos Synergic Partners es una firma especializada en Big Data, Data Science y Data Engineering comprometida

Más detalles

IBM Software Hadoop en la Nube

IBM Software Hadoop en la Nube IBM Software Hadoop en la Nube Aproveche Big Data & Analytics de manera fácil y económica con IBM 1 2 3 4 5 Introducción Analítica en la Nube: el nuevo motor de crecimiento para su empresa Cómo mejorar

Más detalles

Alicia Iriberri Dirección de Tecnologías de Información. I.- Definición del foco estratégico

Alicia Iriberri Dirección de Tecnologías de Información. I.- Definición del foco estratégico Alicia Iriberri Dirección de Tecnologías de Información I.- Definición del foco estratégico II.- Establecimiento de mediciones a través del Balanced Scorecard (Tablero de Comando) III.- Despliegue del

Más detalles

Descubrimiento e investigación de amenazas avanzadas. DESCRIPCIÓN GENERAL

Descubrimiento e investigación de amenazas avanzadas. DESCRIPCIÓN GENERAL Descubrimiento e investigación de amenazas avanzadas. DESCRIPCIÓN GENERAL PUNTOS DESTACADOS Presentación de RSA Security Analytics, que proporciona: Monitoreo de seguridad Investigación de incidentes Creación

Más detalles

una solución para mejorar la toma de decisiones Performance Management Reporting & Analysis Data Warehouse

una solución para mejorar la toma de decisiones Performance Management Reporting & Analysis Data Warehouse una solución para mejorar la toma de decisiones Performance Management Reporting & Analysis Data Warehouse Difícil de Usar Requiere un manejo distinto al habitual Fragmentada Funcionalidad segmentada en

Más detalles

Business Analytics. Mucho mas que inteligencia de negocios. SBI Technology. Insurance Analytics

Business Analytics. Mucho mas que inteligencia de negocios. SBI Technology. Insurance Analytics Business Analytics. Mucho mas que inteligencia de negocios. SBI Technology Insurance Analytics Presentación SBI Technology. Quienes Somos? Más de 20 años de experiencia a nivel internacional en BI aplicado

Más detalles

El Camino a PureData. Analía Irene Ramos - Certified IT Specialist. ramos@ar.ibm.com - 7 de Junio de 2013. Accelerating Your Success

El Camino a PureData. Analía Irene Ramos - Certified IT Specialist. ramos@ar.ibm.com - 7 de Junio de 2013. Accelerating Your Success El Camino a PureData Analía Irene Ramos - Certified IT Specialist ramos@ar.ibm.com - 7 de Junio de 2013 Accelerating Your Success Desafíos - Tecnología 1 Factores que impactan las organizaciones: 1.Factores

Más detalles

LA FÁBRICA DE ANALYTICS

LA FÁBRICA DE ANALYTICS LA FÁBRICA DE ANALYTICS MODELADO MASIVO CON FACTORY MINER DAVID CERVI HEAD OF PRACTICE ANALYTICS & FORECASTING DAVID.CERVI@SAS.COM ANALYTICSIDEAS.COM AGENDA Analytics? Naturaleza de las decisiones La fábrica

Más detalles

Gestión Analítica de Negocios y herramientas de Business Intelligence BI

Gestión Analítica de Negocios y herramientas de Business Intelligence BI 33 Gestión Analítica de Negocios y herramientas de Business Intelligence BI Fundamentos de las herramientas y tecnologías de la Inteligencia de Negocios (BI) El concepto de Business Intelligence (BI) es

Más detalles

La gestión de procesos de negocio

La gestión de procesos de negocio La gestión de de Sylvia Moreno López WebSphere Sales sylvia.moreno@es.ibm.com Agenda Necesidades actuales de la gestión de Definición de BPM de IBM Capacidades y beneficios del BPM de IBM Experiencia de

Más detalles

Introducción a Big Data Analytics

Introducción a Big Data Analytics Introducción a Big Data Analytics Luis Zamora - Sales Manager Iberia Greenplum Pedro Algaba - EMC Greenplum Solutions Architect 1 BIG DATA: Retos y Requerimientos Big Data Analytics plantea unos requerimientos

Más detalles

04/11/2008. Las preguntas que nunca pensó que podría responder! Ahora es posible con Business Intelligence y Data Mining

04/11/2008. Las preguntas que nunca pensó que podría responder! Ahora es posible con Business Intelligence y Data Mining 04/11/2008 Las preguntas que nunca pensó que podría responder! Ahora es posible con Business Intelligence y Data Mining Business Intelligence Qué es Business Intelligence? Business Intelligence Qué es

Más detalles

IBM PERFORMANCE EVENTS. Smarter Decisions. Better Results.

IBM PERFORMANCE EVENTS. Smarter Decisions. Better Results. Smarter Decisions. Better Results. 1 Aumente el valor de su BI con Análisis Predictivo José Ignacio Marín SPSS Sales Engineer 25/11/2010 2 Agenda Cómo está cambiando la toma de decisiones La potencia del

Más detalles

Beneficios de Big Data con analítica

Beneficios de Big Data con analítica Beneficios de Big Data con analítica Edward Roske, CEO Oracle ACE Director info@interrel.com BLOG: LookSmarter.blogspot.com WEBSITE: www.interrel.com TWITTER: Eroske Sobre interrel Ganador del Premio Oracle

Más detalles

IBM Security Systems. QRadar, Plataforma de inteligencia de seguridad (SIEM) QRadar Log Manager

IBM Security Systems. QRadar, Plataforma de inteligencia de seguridad (SIEM) QRadar Log Manager IBM Security Systems QRadar, Plataforma de inteligencia de seguridad (SIEM) QRadar constituye una plataforma de inteligencia de seguridad líder en el mercado gracias a su enorme capacidad de aportar inteligencia

Más detalles

Más Información = Mejores Modelos = Mayor Rentabilidad

Más Información = Mejores Modelos = Mayor Rentabilidad NOVIEMBRE 2014 Más Información = Mejores Modelos = Mayor Rentabilidad Cómo optimizar el ciclo del crédito: Originación, gestión y cobranza, a partir del análisis de toda la información generada por los

Más detalles

SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA

SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA SISTEMAS DE INFORMACION GERENCIAL LIC.PATRICIA PALACIOS ZULETA Qué es inteligencia de negocios? (BI) Business Intelligence es la habilidad para transformar los datos en información, y la información en

Más detalles

SMART ENERGY. avanzados. de la medida. Más de 140 compañías de utilities en todo el mundo disponen de soluciones Indra. indracompany.

SMART ENERGY. avanzados. de la medida. Más de 140 compañías de utilities en todo el mundo disponen de soluciones Indra. indracompany. SMART ENERGY Soluciones y Dispositivos avanzados de gestión de la medida Más de 140 compañías de utilities en todo el mundo disponen de soluciones Indra indracompany.com SMARt ENERGY Soluciones y Dispositivos

Más detalles

Safe Harbor Statement

Safe Harbor Statement Safe Harbor Statement The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment

Más detalles

Servicio Business Intellingence integrado con Data Management & Big Data Del dato al conocimiento

Servicio Business Intellingence integrado con Data Management & Big Data Del dato al conocimiento Servicio Business Intellingence integrado con & Big Del dato al conocimiento Servicio BI integral: Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento,

Más detalles

Incorpora la localización en tu compañía. Mejora la rentabilidad con la solución Location Analytics de Esri

Incorpora la localización en tu compañía. Mejora la rentabilidad con la solución Location Analytics de Esri Incorpora la localización en tu compañía Mejora la rentabilidad con la solución Location Analytics de Esri Qué es la pregunta Dónde es la respuesta En la era actual de sobrecarga de datos el éxito en los

Más detalles

Big Data: Una Ventaja Competitiva. 2012 IBM Corporation

Big Data: Una Ventaja Competitiva. 2012 IBM Corporation Big Data: Una Ventaja Competitiva #IBMbigdata Data is the new Oil En su forma pura, el petróleo tiene poco valor. Una vez procesado y refinado, ayuda a mover el mundo. Big Data has arrived at Seton Health

Más detalles

Deloitte Analytics. Deloitte Analytics

Deloitte Analytics. Deloitte Analytics Deloitte Analytics. Deloitte Analytics Deloitte tiene la capacidad de ver a las empresas desde adentro hacia afuera, transformando la información en una herramienta útil y procesable, que aporte entendimiento

Más detalles

Por qué BI? Avances tecnológicos y su costo de adquisición

Por qué BI? Avances tecnológicos y su costo de adquisición Business Intelligence Seminario Business Intelligence Por qué BI? Avances tecnológicos y su costo de adquisición Definición de Intelligence Transformación de información en conocimiento Ciclo de Inteligencia

Más detalles

Los Datos Maestros y la Visión Única de los Activos Esenciales: Clientes y Productos

Los Datos Maestros y la Visión Única de los Activos Esenciales: Clientes y Productos Los Datos Maestros y la Visión Única de los Activos Esenciales: Clientes y Productos Danilo Novelli Director, Worldwide Information Governance Sales IBM Pg 1 Qué son los Datos Maestros? Los Datos Maestros

Más detalles

Analítica. Alejandro Regueiro (regueial@ar.ibm.com) Business Analytics and Optimization Argentina Leader. 2011 IBM Corporation

Analítica. Alejandro Regueiro (regueial@ar.ibm.com) Business Analytics and Optimization Argentina Leader. 2011 IBM Corporation Evolución y tendencias en la provisión ió de Información Analítica Alejandro Regueiro (regueial@ar.ibm.com) Business Analytics and Optimization Argentina Leader BAO es una de las principales iniciativas

Más detalles

Cuáles son algunos de los padecimientos que enfrentan las empresas hoy día?

Cuáles son algunos de los padecimientos que enfrentan las empresas hoy día? Qué es Inteligencia de Negocios? Una interesante definición para inteligencia de negocios o BI, por sus siglas en inglés, según el Data Warehouse Institute, lo define como la combinación de tecnología,

Más detalles

How organizations are influenced by Business Analytics? Octubre 2014

How organizations are influenced by Business Analytics? Octubre 2014 How organizations are influenced by Business Analytics? Octubre 2014 El boom de los datos Fuente: Gestión. Artículo: Big Data: La nueva moneda en el mundo de los negocios. Martes, 07 de octubre del 2014

Más detalles

SAS Business Analytics

SAS Business Analytics SAS Business Analytics Montevideo, 2 de Agosto de 2012 Fernando Mogetta Gerente de Consultoría de Negocios La empresa Años de experiencia 36 Instalaciones +45,000 1 o Empresa privada de software más grande

Más detalles

Juan Carlos Olarte B Innovation and Business Development Management. BIG DATA & ANALYTICS: El Futuro es Ahora

Juan Carlos Olarte B Innovation and Business Development Management. BIG DATA & ANALYTICS: El Futuro es Ahora Juan Carlos Olarte B Innovation and Business Development Management BIG DATA & ANALYTICS: El Futuro es Ahora Temas a Tratar Evolución y Tendencias Big Data & Analytics Data Mining, Data Science y Big Data

Más detalles

Decisiones Analíticas en Tiempo Real

Decisiones Analíticas en Tiempo Real Decisiones Analíticas en Tiempo Real Pablo O. Hadjinian Consultor de Preventas Agenda Introducción SAS Real Time Decision Manager Casos de Uso Arquitectura Funcional Qué entendemos por Marketing en Tiempo

Más detalles

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Álvaro J. Méndez Services Engagement Manager IBM SPSS / Profesor Econometría UAM Jecas, 22 Oct 2010 Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Business Analytics software Agenda Minería

Más detalles

HP Operations Analytics

HP Operations Analytics HP Operations Analytics Andrea Laguna Ruiz andrea.laguna.ruiz@hp.com HP Business Service Management Asegurando la calidad de las aplicaciones y los servicios de negocio Business Service Management Operations

Más detalles

Consultas de bases de datos potentes y fáciles de utilizar para DB2 en la plataforma IBM i. IBM DB2 Web Query para i

Consultas de bases de datos potentes y fáciles de utilizar para DB2 en la plataforma IBM i. IBM DB2 Web Query para i Consultas de bases de datos potentes y fáciles de utilizar para DB2 en la plataforma IBM i IBM DB2 Web Query para i Características principales Moderniza los informes de Query for IBM iseries (Query/400)

Más detalles

Retos en la gestión de Información requieren Smarter Computing

Retos en la gestión de Información requieren Smarter Computing Retos en la gestión de Información requieren Smarter Computing Diana Ortega zstack Information Architect 1 Operacionales Decisiones Estratégicas Alcance del Business Analytics Análisis y Conocimiento Mejora

Más detalles

Appliance IBM Netezza High Capacity

Appliance IBM Netezza High Capacity Appliance IBM Netezza High Capacity Archivado de datos con escala peta, análisis y recuperación de desastres Appliance de alta capacidad de IBM Netezza Puntos destacados: Permite la consulta y el análisis

Más detalles

Loca%on Analy%cs: Integración IBM Business Analy%cs + Esri Maps

Loca%on Analy%cs: Integración IBM Business Analy%cs + Esri Maps Loca%on Analy%cs: Integración IBM Business Analy%cs + Esri Maps Javier Alexander Rengifo Silva, MSc. Business Analy,cs Specialty Architect jrengifo@co.ibm.com 2012 IBM Corporation Agenda ü Introducción

Más detalles

Estos datos fluyen a velocidades cada vez mayores.

Estos datos fluyen a velocidades cada vez mayores. Big Data La solución La información 1 2 Las nuevas tecnologías han incrementado enormemente la cantidad de información producida. Estos datos fluyen a velocidades cada vez mayores. 3 Se necesita una manera

Más detalles

Concepto. Las empresas como ecosistemas de relaciones dinámicas

Concepto. Las empresas como ecosistemas de relaciones dinámicas Concepto Las empresas como ecosistemas de relaciones dinámicas PÁG 02 Hoy en día, ante la creciente necesidad de integración de los procesos de negocio, las empresas se enfrentan al desafío de innovar

Más detalles

Contenido CAPÍTULO 2 FUENTES DE GRANDES VOLÚMENES DE DATOS... 23. Parte I. La era de Big Data CAPÍTULO 1 QUÉ ES BIG DATA?... 1

Contenido CAPÍTULO 2 FUENTES DE GRANDES VOLÚMENES DE DATOS... 23. Parte I. La era de Big Data CAPÍTULO 1 QUÉ ES BIG DATA?... 1 Contenido Parte I. La era de Big Data CAPÍTULO 1 QUÉ ES BIG DATA?... 1 Definición de Big Data... 2 Tipos de datos... 3 Datos estructurados... 4 Datos semiestructurados... 4 Datos no estructurados... 5

Más detalles

Soluciones Big Data & Analytics Martes 10 de junio de 2014 Museu Nacional d'art de Catalunya

Soluciones Big Data & Analytics Martes 10 de junio de 2014 Museu Nacional d'art de Catalunya Software & Servicios Soluciones Big Data & Analytics Martes 10 de junio de 2014 Museu Nacional d'art de Catalunya Juan Carlos Morán Software & Servicios Saytel E-mail: jcmoran@saytel.es Agenda Qué es Big

Más detalles

Business Intelligence: Competir con Información

Business Intelligence: Competir con Información Business Intelligence: Competir con Información Reus, 16 de Noviembre de 2011 Página 1 Página 2 Sumario Sistemas de Información - Introducción Introducción Business Intelligence Datawarehouse OLAP Data

Más detalles

INTRODUCCIÓN A LA COMPUTACION EN LA NUBE Y BIG DATA (1) Ing. Carlos Ormella Meyer

INTRODUCCIÓN A LA COMPUTACION EN LA NUBE Y BIG DATA (1) Ing. Carlos Ormella Meyer INTRODUCCIÓN A LA COMPUTACION EN LA NUBE Y BIG DATA (1) Ing. Carlos Ormella Meyer En los últimos años, el interés por la Computación en la Nube (Cloud Computing), tanto para uso personal como para negocios,

Más detalles

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003 MINERÍA DE DATOS Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE Octubre - 2003 CONTENIDO Qué es Data Warehousing Data Warehouse Objetivos del Data Warehouse

Más detalles

Casos de Exito del Mundo Real. Marzo 12, 2014

Casos de Exito del Mundo Real. Marzo 12, 2014 Casos de Exito del Mundo Real Humberto Parraguirre H. Marzo 12, 2014 Gerente IN MOTION Analytics Agenda Quién es In Motion Analytics: Tendencias y retos Telco Retail Resumen 2014 SAP AG or an SAP affiliate

Más detalles

Competir con Analytics Fernando Mogetta Gerente de Consultoría de Negocios SAS Argentina. Copyright 2010, SAS Institute Inc. All rights reserved.

Competir con Analytics Fernando Mogetta Gerente de Consultoría de Negocios SAS Argentina. Copyright 2010, SAS Institute Inc. All rights reserved. Competir con Analytics Fernando Mogetta Gerente de Consultoría de Negocios SAS Argentina OCHO NIVELES DE ANALYTICS 4 ALERTAS Contesta las preguntas: Cuándo reaccionar? Qué acciones son necesarias? 3 2

Más detalles

monitoreo efectivo del desempeño en entornos SAP

monitoreo efectivo del desempeño en entornos SAP INFORME OFICIAL Septiembre de 2012 monitoreo efectivo del desempeño en entornos SAP Los desafíos clave y cómo CA Nimsoft Monitor ayuda a abordarlos agility made possible tabla de contenido resumen 3 Introducción

Más detalles

Gestionando y asegurando tu infraestructura Cloud

Gestionando y asegurando tu infraestructura Cloud Gestionando y asegurando tu infraestructura Cloud Desplegando IT como servicio de confianza Claudio Pajuelo Senior Technology consultant 41 Iniciativas Actuales en las Organizaciones de Cloud Computing

Más detalles

Marketing interactivo: maximizar su inversión y estrategia de marketing. José Yáñez

Marketing interactivo: maximizar su inversión y estrategia de marketing. José Yáñez Marketing interactivo: maximizar su inversión y estrategia de marketing de José Yáñez Enterprise Marketing clientes Management Bringing science to the art of digital marketing 2 Es la era del consumidor

Más detalles

Algunos de sus clientes están por entrar en Default, sepa cuales son

Algunos de sus clientes están por entrar en Default, sepa cuales son Algunos de sus clientes están por entrar en Default, sepa cuales son Lo que nunca pensó que podría responder, ahora es posible hacerlo con Business Intelligence y Data Mining Business Intelligence Qué

Más detalles

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE BUSINESS INTELLIGENCE PRESENTACIÓN Ramón Díaz Hernández Gerente (1.990) Nuestro Perfil Inversión permanente en formación y nuevas tecnologías. Experiencia en plataforma tecnológica IBM (Sistema Operativo

Más detalles

Soluciones de Software para zenterprise. Alberto GonZáleZ Dueñas System z Client Technical Professional alberto-gonzalez@es.ibm.com @AlbertoGlezDue

Soluciones de Software para zenterprise. Alberto GonZáleZ Dueñas System z Client Technical Professional alberto-gonzalez@es.ibm.com @AlbertoGlezDue Soluciones de Software para zenterprise Alberto GonZáleZ Dueñas System z Client Technical Professional alberto-gonzalez@es.ibm.com @AlbertoGlezDue El mundo está cambiando Está nuestra infraestructura IT

Más detalles

30 oct. SAP Fraud Management. El Camino a la transparencia. La necesidad Gestionar en tiempo real. El medio Una plataforma in-memory

30 oct. SAP Fraud Management. El Camino a la transparencia. La necesidad Gestionar en tiempo real. El medio Una plataforma in-memory SAP Fraud Management 30 oct 2014 El Camino a la transparencia SAP Fraud Management La necesidad Gestionar en tiempo real El medio Una plataforma in-memory La necesidad Gestionar en tiempo real 3 La necesidad:

Más detalles

DATA WAREHOUSE DATA WAREHOUSE

DATA WAREHOUSE DATA WAREHOUSE DATA WAREHOUSE DATA WAREHOUSE Autor: Roberto Abajo Alonso Asignatura: Sistemas Inteligentes, 5º Curso Profesor: José Carlos González Dep. Ing. Sistemas Telemáticos, E.T.S.I. Telecomunicación Universidad

Más detalles

CURSO INTRODUCCIÓN A BUSINESS INTELLIGENCE

CURSO INTRODUCCIÓN A BUSINESS INTELLIGENCE CURSO INTRODUCCIÓN A BUSINESS INTELLIGENCE Ponente: Ibertia Fecha: del 19 al 23 de octubre Horario: 17:00 a 21:00 Nº horas: 20 Lugar: Centro Nacional de Formación en Nuevas Tecnologías de La Rioja- Think

Más detalles

Marketing Advanced Analytics. Predicción del abandono de los clientes. Whitepaper

Marketing Advanced Analytics. Predicción del abandono de los clientes. Whitepaper Marketing Advanced Analytics Predicción del abandono de los clientes Whitepaper El reto de predecir el abandono de los clientes Resulta entre cinco y quince veces más caro para una compañía captar nuevos

Más detalles

Botón menú Objetivo de la Minería de datos.

Botón menú Objetivo de la Minería de datos. Titulo de Tutorial: Minería de Datos N2 Botón menú: Introducción. Las instituciones y empresas privadas coleccionan bastante información (ventas, clientes, cobros, pacientes, tratamientos, estudiantes,

Más detalles

The IBM Software Story

The IBM Software Story The IBM Software Story Andrés Dagotto Gerente de Software para SSA Lima Marzo 22, 2011 Smarter Planner & Software Nuestro mundo se está volviendo más INSTRUMENTADO Sensores Nuevos Datos Nuestro mundo se

Más detalles

MS_20246 Monitoring and Operating a Private Cloud

MS_20246 Monitoring and Operating a Private Cloud Gold Learning Gold Business Intelligence Silver Data Plataform Monitoring and Operating a Private Cloud www.ked.com.mx Por favor no imprimas este documento si no es necesario. Introducción. Este curso

Más detalles

Soluciones de virtualización de datos

Soluciones de virtualización de datos Soluciones de virtualización de datos Cómo obtener una ventaja competitiva gracias al uso de los datos El contexto de cambio vertiginoso en las diferentes actividades de negocio requiere en la actualidad

Más detalles

IBM Smarter Cities. IOC Centro de Operaciones Inteligente. IBM Software Group Industry Solutions. Madrid, 6 de noviembre de 2012

IBM Smarter Cities. IOC Centro de Operaciones Inteligente. IBM Software Group Industry Solutions. Madrid, 6 de noviembre de 2012 IBM Smarter Cities IOC Centro de Operaciones Inteligente IBM Software Group Industry Solutions Madrid, 6 de noviembre de 2012 Leopoldo Andrés (leopoldo_andres@es.ibm.com) Felipe Sevillano (felipe.sevillano@es.ibm.com)

Más detalles

Pon el factor Dónde en tu organización. Mejora tu rentabilidad con Esri Location Analytics

Pon el factor Dónde en tu organización. Mejora tu rentabilidad con Esri Location Analytics Pon el factor Dónde en tu organización Mejora tu rentabilidad con Esri Location Analytics Location-Analytics-ES.indd 1 10/10/2014 12:55:36 Qué es la pregunta. Dónde es la respuesta. El éxito de un negocio

Más detalles

El Modelo de MECLABS. Investigación científica aplicada a Marketing Online

El Modelo de MECLABS. Investigación científica aplicada a Marketing Online El Modelo de MECLABS. Investigación científica aplicada a Marketing Online MECLABS es un laboratorio de investigación -investigación básica- con una consultoría -aplicación de la investigación básica-

Más detalles

Presentamos Qlik Sense Libere su intuición

Presentamos Qlik Sense Libere su intuición Presentamos Qlik Sense Libere su intuición Qlik Sense es una aplicación avanzada de visualización de datos que capacita a cualquier persona para crear con facilidad unas visualizaciones flexibles, interactivas,

Más detalles

Retos para competir en BigData

Retos para competir en BigData Retos para competir en BigData #ProCom15 Jornada ProCOM 2015 21 de Mayo Algunos datos sobre BIGDATA Source: www.datacenterknowledge.com BigData Data Data Data 50.000 EXABYTES CRECIMIENTO UNIVERSAL DE LOS

Más detalles

Portafolio de soluciones BO Plataforma Tecnológica Única

Portafolio de soluciones BO Plataforma Tecnológica Única Portafolio de soluciones BO Plataforma Tecnológica Única Noviembre, 2011 Agenda Objetivo Oferta de Valor Portafolio de Productos Enterprise Information Management Information Discovery and Delivery Preguntas

Más detalles

Contenido Digital de Marketing en plataformas ECM

Contenido Digital de Marketing en plataformas ECM IBM Software Solutions Enterprise Content Management Software Contenido Digital de Marketing en plataformas ECM Enterprise Content Management The purpose of business is to create and keep a customer --

Más detalles

ANÁLISIS Y DESARROLLO DE UNA PLATAFORMA BIG DATA

ANÁLISIS Y DESARROLLO DE UNA PLATAFORMA BIG DATA ANÁLISIS Y DESARROLLO DE UNA PLATAFORMA BIG DATA Autor: de la Cierva Perreau de Pinninck, Leticia Director: Sonia García, Mario Tenés Entidad Colaboradora: VASS RESUMEN DEL PROYECTO Tras la realización

Más detalles

APROVECHE LA INFORMACIÓN DE SU EMPRESA Y AUMENTE SUS VENTAS

APROVECHE LA INFORMACIÓN DE SU EMPRESA Y AUMENTE SUS VENTAS APROVECHE LA INFORMACIÓN DE SU EMPRESA Y AUMENTE SUS VENTAS SILVIO FRANCO ARISTIZABAL Autoridad latinoamericana en optimización de procesos gerenciales, comerciales y de desempeño humano. Psicólogo de

Más detalles

Servicios Cloud, piedra angular en la diseño de iniciativas de ciudades inteligentes, eficiencia energética y movilidad sostenible

Servicios Cloud, piedra angular en la diseño de iniciativas de ciudades inteligentes, eficiencia energética y movilidad sostenible Servicios Cloud, piedra angular en la diseño de iniciativas de ciudades inteligentes, eficiencia energética y movilidad sostenible Septiembre 02 de 2015 Víctor Manuel Bernal Olaya vbernal@internexa.com.co

Más detalles

Los Cuatro Pilares de la Tercera Plataforma de Tecnología y Su Impacto En El Sector Minero

Los Cuatro Pilares de la Tercera Plataforma de Tecnología y Su Impacto En El Sector Minero Los Cuatro Pilares de la Tercera Plataforma de Tecnología y Su Impacto En El Sector Minero Federico Amprimo IDC Latinoamérica Si, Steve Jobs se llevó nuestros trabajos Alexander Stubb, Primer Ministro

Más detalles

HAVEn Big Data Platform by HP

HAVEn Big Data Platform by HP HAVEn Big Data Platform by HP BigData CyL 20 de Mayo de 2014 HAVEn Caso de uso: Marketing individual 2 HAVEn Big Data platform by HP HAVEn Hadoop/ HDFS Autonomy IDOL Vertica Enterprise Security n Apps

Más detalles

Conectores Pentaho Big Data Community VS Enterprise

Conectores Pentaho Big Data Community VS Enterprise Conectores Pentaho Big Data Community VS Enterprise Agosto 2014 Stratebi Business Solutions www.stratebi.com info@stratebi.com Índice 1. Resumen... 3 2. Introducción... 4 3. Objetivo... 4 4. Pentaho Community

Más detalles

Anuncio de software ZP12-0247 de IBM Europe, Middle East, and Africa, con fecha de 29 de mayo de 2012

Anuncio de software ZP12-0247 de IBM Europe, Middle East, and Africa, con fecha de 29 de mayo de 2012 con fecha de 29 de mayo de 2012 IBM Content Analytics with Enterprise Search V3.0 combina la potencia de búsquedas y análisis de contenidos unificados para utilizarse con grandes cantidades de datos y

Más detalles

Solución Integral IBM para la Prevención y Gestión del Fraude

Solución Integral IBM para la Prevención y Gestión del Fraude Solución Integral IBM para la Prevención y Gestión del Fraude Miguel Angel Aranguren Romero CISA, CISM, CGEIT, CRISC, CISSP, ITIL V3 FC, COBIT FC, OSCP Risk Analytics SSA y LCR El análisis correcto El

Más detalles

FORMACIÓN PARA LA CERTIFICACIÓN OFICIAL MICROSOFT. MCSA: SQL Server Solutions Associate

FORMACIÓN PARA LA CERTIFICACIÓN OFICIAL MICROSOFT. MCSA: SQL Server Solutions Associate FORMACIÓN PARA LA CERTIFICACIÓN OFICIAL MICROSOFT MCSA: SQL Server Solutions Associate DETALLE DE LA ACCION FORMATIVA Mediante la siguiente acción formativa se formará a las personas asistentes para la

Más detalles

BEEVA DATA PLATFORM TODA LA POTENCIA DEL BIG DATA A TU MEDIDA

BEEVA DATA PLATFORM TODA LA POTENCIA DEL BIG DATA A TU MEDIDA BEEVA DATA PLATFORM TODA LA POTENCIA DEL BIG DATA A TU MEDIDA EXPLOTA EL BIG DATA A TRAVÉS DE UNA PLATAFORMA DISEÑADA A MEDIDA PARA TU NEGOCIO Inmersos en la era de la información, las nuevas tendencias

Más detalles

Customer 360 Data Hub para el Sector Asegurador GFT e Informatica. Whitepaper

Customer 360 Data Hub para el Sector Asegurador GFT e Informatica. Whitepaper Customer 360 Data Hub para el Sector Asegurador GFT e Informatica Whitepaper Whitepaper Indice 1. La transformación digital es necesaria para garantizar una mejor experiencia de cliente.... 2 1.1 La experiencia

Más detalles

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

Big Data Analytics con Hadoop. Copyright 2010, SAS Institute Inc. All rights reserved. Big Data s con Hadoop Copyright 2010, SAS Institute Inc. All rights reserved. Hadoop será una tecnología altamente adoptada en las compañías Actuar basado en predicciones analíticas será un estándar Reaccionar

Más detalles

MAPINFO EN EL MERCADO DE RETAIL. Utilizar las soluciones de location intelligence para ser más competitivos

MAPINFO EN EL MERCADO DE RETAIL. Utilizar las soluciones de location intelligence para ser más competitivos MAPINFO EN EL MERCADO DE RETAIL Utilizar las soluciones de location intelligence para ser más competitivos Localización, localización, localización! MapInfo proporciona soluciones líderes para el análisis

Más detalles

Big Data Analytics. Copyright 2012, SAS Institute Inc. All rights reserved.

Big Data Analytics. Copyright 2012, SAS Institute Inc. All rights reserved. Big Data Analytics El desafío? Source: IDC Digital Universe Study, sponsored by EMC, May 2010 NUESTRA PERSPECTIVA Big Data esun términorelativo no ABSOLUTO Big Data Cuando el volúmen, velocidad o variedad

Más detalles

Symantec Enterprise Vault 7.0

Symantec Enterprise Vault 7.0 Symantec Enterprise Vault 7.0 Almacene, administre e identifique información empresarial vital La presión a la que están sometidas las organizaciones para proteger y administrar los datos se ha intensificado

Más detalles

Customer Intelligence Fernando Mogetta Gerente de Consultoría de Negocios SAS Argentina. Copyright 2010, SAS Institute Inc. All rights reserved.

Customer Intelligence Fernando Mogetta Gerente de Consultoría de Negocios SAS Argentina. Copyright 2010, SAS Institute Inc. All rights reserved. Customer Intelligence Fernando Mogetta Gerente de Consultoría de Negocios SAS Argentina Ciclo completo de Customer Intelligence Gestión de Datos Vista Integrada del Cliente Segmentación Análisis del Cliente

Más detalles

Qlik lanza Qlik Sense para responder a la necesidad de la visualización de datos y un BI de autoservicio gobernado (Governed Self-Service BI)

Qlik lanza Qlik Sense para responder a la necesidad de la visualización de datos y un BI de autoservicio gobernado (Governed Self-Service BI) Qlik lanza Qlik Sense para responder a la necesidad de la visualización de datos y un BI de autoservicio gobernado (Governed Self-Service BI) Los usuarios pueden crear fácilmente visualizaciones, cuadros

Más detalles

El modelo ebusiness (2) SIE II. Curso 2004/05

El modelo ebusiness (2) SIE II. Curso 2004/05 El modelo ebusiness (2) SIE II. Curso 2004/05 Elemento central en una estrategia ebusiness: capa de aplicaciones Procesos de Negocio (producción, logística, dirección, ) Aplicaciones de Negocio (SCM, ERP,

Más detalles

SOFISTICACION ANALITICA PARA EL CONOCIMIENTO DEL CLIENTE Y PERSONALIZACIÓN DE LA PROPUESTA DE VALOR

SOFISTICACION ANALITICA PARA EL CONOCIMIENTO DEL CLIENTE Y PERSONALIZACIÓN DE LA PROPUESTA DE VALOR SOFISTICACION ANALITICA PARA EL CONOCIMIENTO DEL CLIENTE Y PERSONALIZACIÓN DE LA PROPUESTA DE VALOR Carlos Mendoza Astroz SAS INSTITUTE Domain Expert carlos.mendoza@sas.com AGENDA 1. La nueva visión del

Más detalles