Cómo compe)r u)lizando Big Data y Analy)cs

Transcripción

1 Cómo compe)r u)lizando Big Data y Analy)cs

2 Es Big Data solo una nueva moda de la tecnología? Big Data: 1,540,000,000 resultados BI: 389,000,000 resultados DW: 73,200,000 resultados

3 Sobrecarga de Información Pero a falta de Insight 44x Gran Cantidad de Datos & Contenidos vienen para la próxima Decada zettabytes 1 de 3 Lideres empresariales frecuentemente toman decisiones basados en información en la que ellos no confian o no tienen. Lideres empresariales dicen no tener acceso a la información que ellos necesitan para hacer su 1 de 2 trabajo ,000 petabytes 80% A nivel mundial datos no estructurados Los CIOs citaron Business 83% intelligence y analytics son parte de sus planes visionarios para mejorar la competitividad. 60% Los CEOs necesitan hacer su mejor trabajo para capturar y entender la información que les permita tomar decisiones empresariales rapidamente.

4 Que nos dicen nuestros Clientes... No conozco que debe ser analizado Los Volumenes pueden ser extremadamente altos Datos potencialmente valiosos estan inactivos o descartados (tamaño/performance) Demasiado cara para justificar la integración de gran volumen de datos no estructurados Gran parte de sus datos son no estructurados, o en estructuras muy variables, que son difíciles de analizar. Dificultad para integrar información que se encuentra distribuida en multiples sistemas e Internet Análisis necesario en el contexto de su información existente

5 Y ya no es sólo para personas! Fuente: hep:// to- get- fido- to- tweet- infographic_b17521

6 Desafio: Estudio de gran Volumen & Variedad de información para encontrar nuevos puntos de vista Multiples-canales para analizar los sentimientos y experiencia del cliente Detectar-afecciones potencialmente mortales en los hospitales al momento de intervenir Predecir los patrones climáticos para planificar el uso de turbinas, y optimizar la inversión de capital en la ubicación del activo. Tomar decisiones de riesgo basados en datos transaccionales en tiempo-real Identicar criminales y amenazas en medios dispares como video, audio, y fuentes de datos

7 3 de 4 organizaciones Renen acrvidades de Big Data en marcha La era de Big Data Casi la mitad de las organizaciones encuestadas, reportaron análisis internos acerca de planes de Big Data Big data se ha movido fuera de IT hacia el área de negocios Poniendo en Marcha Más de un 25% de las organizaciones Renen pilotos o implementaciones de Big Data acrvas El uso de Big Data está siendo real Big data acrvires Acceleración Prevista La canrdad de pilotos ejecutándose, sugiere que las implementaciones de Big Data van a crecer de forma exponencial en los próximos años Una vez que las tecnologías base estén instaladas, el uso se propagará rápidamente en toda la organización Respondents were asked to describe the state of big data acrvires within their organizaron. Total respondents n = 1061 Totals do not equal 100% due to rounding 7

8 Nos estamos moviendo a una Nueva Era de Tecnologías de la Información y Desado de las 4 V Extracción de conocimiento a par0r de un inmeso volumen, variedad y velocidad de datos, en el contexto, más allá de lo que antes era posible 12+ terabytes of Tweets creados diaramente 5+ million Eventos de trading por segundo. Volume Velocity 100 s Variety De diferentes Rpos de datos. Veracity Solo1 in 3 Tomadores de decisiones Creen en la información que Renen. 8

9 Qué hace una Plataforma de Big Data? Analiza una Variedad de Información AnalíRca novedosa en un amplio conjunto de información mixta que antes no se podía analizar Analiza Información en Movimiento Análisis de flujo de datos Saturación de grandes volúmenes de datos y análisis ad- hoc Analiza Volúmenes de Información Excesivos Procesa de manera rentable y analiza PBs de información Administra & analiza grandes volúmenes de datos estructurados relacionales Descubre y Experimenta AnalíRca Ad- hoc, descubrimiento de datos y experimentación GesRona y Planifica Aplica estructura de datos, integridad y control para garanrzar la coherencia de las consultas reperbles

10 Big Data: Integrado en Arquitectura de Información Empresarial Data Warehouse Plataforma Big Data Big Data está aquí para quedarse NO debe ser un Silo Se debe integrar plenamente para ofrecer valor Debe ser facil de implementar e Integrar Integración Empresarial" Recursos Tradicionales" Nuevos Recursos"

11 Los 5 Patrones de Big Data Big Data Explora)on Buscar, visualizar, entender big data para mejorar el conocimiento del negocio. Visión de 360 o del Cliente Mejorada Lograr una verdadera vista únificada que cuente además con fuentes externas a la empresa. Seguridad/Inteligencia Extensión Menor riesgo, detectar fraude y monitorear la seguridad en el web en Rempo real. Análisis de Operacioes Anlizar una variedad de datos generados por instrumentos para mejorar los resultados del negocio. Enriquecimiento del Data Warehouse Integrar las capacidades de big data y data warehouse para mejorar la eficiencia operacional y enriquecimiento de los datos

12 Big Data ExploraRon: Necesidades Encontrar, visualizar, entender todo los datos de tipo big data para mejorar la toma de decisiones" Dificultad para manejar y extraer valor desde las crecientes 4 Vs de datos dentro su empresa; necesidad de unificar la información Inabilidad de relacionar datos crudos extraídos desde logs de sistemas, sensores, clickstreams, etc., con datos de clientes y del negocio manejados en los sistemas empresariales Riesgo de exposición de información no segura de datos personales, como también por falta de seguridad de la información

13 Big Data ExploraRon: Caso Éxito Exploring 4 TB to drive point business solurons (supplier portal, call center, etc.) Single- point of data fusion for all employees to use Reduced costs & improved operaronal performance for the business Key Questions to Ask ü Can you separate the noise from useful content? ü Can you perform data exploraron on large and complex data? ü Can you find insights in new or unstructured data types (e.g. social media and )? ü Can you navigate and explore all enterprise and external content in a single user interface? ü Can you quickly idenrfy areas of data risk? ü Do you have a logical starrng point for your big data inirarves? 13

14 Visión 360º del Cliente Mejorada Extender y mejorar la visión actual del cliente(mdm, CRM, etc) mediante la incorporación de fuentes de información internos y externas que no era posible anteriormente Necesita un entendimiento más profundo del senrmiento del cliente desde fuente externas como internas ObjeRvo de incrementar la lealtad y sarsfacción de los Clientes mediante el entendimiento de las acciones que se deben ejecutar Complejidad para entregar la información correcta a las personas apropiadas para resolver problemas de Clientes, como ejecutar cross- sell y up- sell

15 Visión 360º del Cliente Mejorada: Caso Éxito SOURCE SYSTEMS CRM Name: J Robertson Address: 35 West 15 th Address: Pittsburgh, PA ERP Name: Janet Robertson Address: 35 West 15 th St. Address: Pittsburgh, PA Legacy Name: Address: Jan Robertson 36 West 15 th St. Address: Pittsburgh, PA Master Data Management 360 View of Party IdenRty First: Last: Address: City: State/Zip: Gender: Age: DOB: Janet Robertson 35 West 15 th St Pittsburgh PA / F 48 1/4/64 Unified View of Party s Informa)on BigInsights Streams Warehouse Vista Unficada de la información del Cliente

16 Extensión de Seguridad/Inteligencia Extensión de Seguridad/Inteligencia mejora los sistemas tradicionales mediante el análisis de todos los tipos de fuentes de datos ya sea en reposo o en tiempo real" Mejorar el Conocimiento de Intelligencia & Vigilancia Analizar datos-en-movimiento & en reposo: Encontrar asociaciones Descubrir patrones ny hechos Mantener información fidedigna Predicción & MiRgación de Ataques CibernéRcos Analizar tráfico de red para: Descubrir amenazas tempranamente Detectar amenazas conocidas Tomar acción en Rempo real Prevención & Protección del Crimen Analizar Telco & social data para: Obtener evidencia criminal Prevenir acrviidades criminales Capturar criminales proacrvamente 2013 IBM CorporaRon

17 Extensión de Seguridad/Inteligencia Asian Government Agency Na)onal Intelligence Pladorm Extension Using InfoSphere Streams to filter & analyze all Internet traffic (social media, , etc) to track persons of interest (drug/sex traffickers, terrorists, illegal refugees/ immigrants) and civil/border acrvity. Key Ques)ons to Ask ü Do you want to enrich your security or intel system with unused or underleveraged data sources (video, audio, smart devices, network, Telco, social media)? ü Do you need sub second detecron, idenrficaron, resoluron of physical or cyber threats? ü Do you want to follow acrvires of criminals, terrorists, or persons in a blacklist? ü Do you want to enhance your surveillance system with real- Rme data from video, acousrc, thermal or other security sensors? ü Are you wanrng to correlate lots of technical or human intel data and sources looking for associarons or paeerns (big data forensics)? ü Do you want to enhance your Security InformaRon & Event Management (SEIM) soluron with unstructured data ( , social) to improve cyber threat detecron & remediaron?

18 Análisis de Operaciones Analizar una variedad de machine data para mejorar el resultado del negocio" Aprovechar y entender los datos generados por sensores o servidores que antes costaba mucho poder procesar La habilidad de analizar machine data y combinarla con los datos empresariales para tener una visión completa, permite: Ganar visibilidad en Rempo real acerca de las operaciones, experienica de clientes, transacciones y comportamiento Planificación de aumento de eficiencia operacion de forma proacrva IdenRficar y invesrgar anomalías Monitorear de punta a punta la infraestructura para que proacrvamente se pueda evitar degradación de servicio o caídas de los sistemas

19 Cisco Implementó la solución de Big Data para la gesrón de Infraestructura OpRmiza el consumo de energía del edificio con vigilancia centralizada y control del sistema de monitoreo del edificio AutomaRza el mantenimiento prevenrvo y correcrvo de los sistemas correcrvos del edificio URliza Streams, InfoSphere BigInsights y Cognos 26 - AnalíRca de Registro - PronósRco del Gasto de Energía - OpRmización del consumo de energía - Detección de uso anómalo - GesRón consciente de la energía - Aplicación de polírcas

20 Enriquecimiento del Data Warehouse Integrar capacidades de big data y data warehouse para incrementar la eficiencia operacional" Necesidad de analizar variedad de datos Fuentes de datos Estructurados, No- Estructurados, y datos de Rpo streaming que son requeridos para análisis profundo y detallado Requerimiento de baja latencia Extender la infraestructura del DW OpRmización de storage, mantenimiento y oprmización de costos de licenciamiento mediante la migración de datos no urlizados hacia Hadoop Preprocesamiento de datos previa a la carga del data warehouse

21 Caso de Estudio: Visa Establecer un sistema en el cual los comercios envían ofertas focalizadas, basadas en la ubicación geográfica de sus clientes inscritos en el programa mediante su dispositivo móvil en tiempo real basado en la utilización de su tarjeta de crédito

22 Infraestructura de BIG DATA Las nuevas aplicaciones analí)cas impulsar los requisitos para una plataforma big data Integrar y gesronar toda la variedad, velocidad, volumen y veracidad de datos (V4) Aplicar análisis avanzados a la información en su forma narva Visualizar todos los datos disponibles para análisis ad- hoc Entorno de desarrollo para la construcción de nuevas aplicaciones analírcas OpRmizado para Workload y scheduling SoluRons AnalyRcs and Decision Management Big Data Pladorm VisualizaRon & Discovery Hadoop System Accelerators ApplicaRon Development Stream CompuRng InformaRon IntegraRon & Governance Big Data Infrastructure Systems Management Data Warehouse

23 Big Data enabled doctors from University of Ontario to apply neonatal infant monitoring to predict infection in ICU 24 hours in advance IBM Data Baby youtube.com 23

24 Dónde Encontrar Más Información?

25 Muchas Gracias!!