Big Data: Una Ventaja Competitiva IBM Corporation

Transcripción

1 Big Data: Una Ventaja Competitiva

2 #IBMbigdata

3 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 Care Family, fortunately accompanied by an analytics tool that will help deal with the complexity of more than two million patient contacts a year Data is the new oil. Clive Humby Companies are being inundated with data from information on customer-buying habits to supplychain efficiency. But many managers struggle to make sense of the numbers. At the World Economic Forum last month in Davos, Switzerland, Big Data was a marquee topic. A report by the forum, Big Data, Big Impact, declared data a new class of economic asset, like currency or gold. now Watson is being put to work digesting millions of pages of research, incorporating the best clinical practices and monitoring the outcomes to assist physicians in treating cancer patients. Increasingly, businesses are applying analytics to social media such as Facebook and Twitter, as well as to product review websites, to try to understand where customers are, what makes them tick and what they want, says Deepak Advani, who heads IBM s predictive analytics group. The Oscar Senti-meter a tool developed by the L.A. Times, IBM and the USC Annenberg Innovation Lab analyzes opinions about the Academy Awards race shared in millions of public messages on Twitter.

4 Imagine las Posibilidades de Explotar sus Datos Los desafíos de Big data challenges existen en todas las industrias Gobierno reduce el análisis de videos de horas a 70 Milisegundos Las empresas de energia reducen problemas de cortes al analizar 10 PB en minutos Los hospitales analizan signos vitales para detectar enfermedades 24 horas antes En Retail reducen el tiempo de ejecución de consultas en un 80% para optimizar inventario Stock Exchange reduce los queries de 26 horas a 2 minutos sobre 2 PB Las telcos analizan los datos de la red para reducir el costo de hardware en un 90%

5 Las Caracteríticas de Big Data Procesamiento eficiente de Volumen 50x 35 ZB Responder a gran Velocidad millones RFID Analizar una gran Variedad de datos 80% de los datos son no estructurados Entender la Veracidad de las fuentes de Big Data 1 de 3 líderes de negocio no creen en la información que usan para tomar decisiones

6 Big Data es un tema caliente porque hoy la Tecnología hace posible Analizar TODOS los Datos disponibles Administrar y analizar de manera eficiente todos los datos disponibles en su formato nativo (estructurado, noestructurado, streaming) Website Social Media Billing ERP CRM RFID Network Switches

7 Para capturar Nuevas Oportunidades, es necesario explorar mas allá de las Fuentes Tradicionales Datos Transaccionales Datos de Maquinas Social Data Enterprise Content Volumen Velocidad Variedad Variedad Estructurado Velocidad Semiestructurado Captura Altamente noestructurado Veracidad Altamente noestructurado Volumen

8 La plataforma de Big Data permite comenzar por los requerimientos mas críticos y crecer. Big data no es solo tecnología Es una estrategia de negocios para capitalizar los activos de información no explotados Lo mas importante es comenzar. El éxito en cada punto de entrada es acelerado por los productos de la plataforma de Big Data Comience pequeño pero genere los cimientos para crecer en el resto de los componentes de la plataforma de Big Data

9 Los Puntos de Entrada son acelerados por productos de la plataforma de Big Data 1 Descubra Big Data InfoSphere Data Explorer 2 Analice Datos Crudos InfoSphere BigInsights BI / Reporting Exploration / Visualization Visualization & Discovery Analytic Applications Functional App Industry App Predictive Analytics IBM Big Data Platform Application Development Accelerators Content BI / Analytics Reporting Systems Management 3 Simplifique su DW IBM Warehouse Solutions Hadoop System Stream Computing Data Warehouse 4 Reduzca Costos con Hadoop InfoSphere BigInsights Information Integration & Governance 5 Analice Datos en Movimiento InfoSphere Streams

10 1 Descubra Big Data Necesidades de los Clientes Descubra y entienda las fuentes existentes de datos Disponibilice los datos existentes desde el lugar donde se encuentren, sin necesidad de copiarlos a un repositorio central Realice búsquedas y navege las fuentes de Big Data Propuesta de Valor Aprovechar rapidamente el valor de las fuentes de Big Data, obteniendo solo la informacion relevamente Utilice las fuentes de Big Data en las aplicaciones actuales Ejemplos de Clientes Procter and Gamble Brindo a distintas áreas de negocios con una vision 360 de las fuentes de Big Data Arranque con: InfoSphere Data Explorer

11 2 Analice los Datos Crudos Necesidades de los Clientes Cargue datos as-is en Hadoop y obtenga resultados Procese gran volumen de datos diversos en Hadoop Combine los resultados con los del DW Analisis Ad-hoc de bajo costo con Hadoop para probar nuevas hipotesis Propuesta de Valor Obtener nuevos resultados desde una variadad y combinación de fuentes Supere el alto costo de convertir los datos noestructurados a estructurados Extender el valor del DW al incorporar nuevas fuentes no tradicionales Experimente con el análisis de diferentes combinaciones de datos para enriquecer los modelos analiticos del DW Ejemplos de Clientes Financial Services Regulatory Org managed additional data types and integrated with their existing data warehouse Arranque con: InfoSphere BigInsights

12 3 Simplifique su DW Necesidades de los Clientes Mejore la performance de su DW optimice los queries que toman horas en ejecutar Cubra las distintas necesidades de análisis que se requieren analisis historicos tradicionales y predictivos Abilidad para cargar gran volumen de datos estructurados y ejecutar consultas complejas en forma concurrente Propuesta de Valor Velocidad x mas rápido en analisis complejos Simplicidad mínima administración y tuning Integracion sistema integrado y optimizado; arranque mucho mas rápido Ejemplos de Clientes Catalina Marketing ejecuta 10 veces mas requerimientos de analisis predictivo con el mismo equipo de gente Arranque con: IBM PureData for Analytics (Netezza), InfoSphere Warehouse

13 4 Reduzca Costos con Hadoop Necesidades de los Clientes Reduzca el costo total para mantener el DW a menudo algunos datos no son tan usados y se mantienen por las dudas Baje los costos a medida que el volumen de datos aumenta en el DW Reduzca la infraestructura compleja para procesar gran volumen y complejas transformaciones Propuesta de Valor Resolver los requerimientos actuales y futuros de manera efectiva mientras mantiene el acceso y las consultas existentes Menor costo de Storage Reducir los costos al reaprovechar hardware barato que forma para el procesamiento paralelo de Hadoop. Ejemplos de Clientes Empresa Financiera llevó el procesamiento de reportes a Hadoop manteniendo los desarrollos actuales Arranque con: IBM InfoSphere BigInsights

14 5 Analice los Datos en Movimiento Necesidades de los Clientes Capture y procese datos en movimiento Seleccione los datos valiosos para próximos procesamientos Procese y analice rapidamente datos volatiles y tome una accion en tiempo y forma Propuesta de Valor Reducir significativamente el tiempo de procesamiento y los costos procese y luego almacene solo los datos valiosos Tome acciones en tiempo real para capturar oportunidades de negocio antes de que expiren Streaming Data Sources Streams Computing ACTION Ejemplos de Clientes Ufone Análisis de CDRs en Telco para prevencion y reduccion del Churn de Clientes Arranque con: InfoSphere Streams

15 Existen Muchos otros Casos de Uso para Big Data Conozca Todo de sus Clientes Analisis de Sentimiento de Clientes Optimizacion de Promociones Segmentación Rentabilidad de Clientes Analisis de Click-streaming Procesamiento de CDRs Analisis de Programas de Fidelizacion Predicción del Churn Innove con nuevos productos u ofertas Social Media Analisis del sentimiento sobre el producto / marca Estrategia de Marca Analisis de Mercado Analisis y tracking de RFIDs Analisis de Transacciones para generar ofertas basadas en el consumo Ejecute Operaciones con Latencia Cero Administracion de Dispositivos de Medicion Optimización de inventario & merchandising Monitoreo de Datos de Pacientes Detección de Enfermedades Optimización de Redes de Transporte Optimizacion de la Distribución del Retail Analisis de Uso Analisis de Redes Analisis de Websites Analisis de Logs Detección Real-Time de Riesgo y Fraude Vigilancia Seguridad Electronica Detección de Fraude Administración del Riesgo

16 Ventajas de la Plataforma de Big Data La plataforma provee beneficios incrementales a medida que se van implementando los casos de uso BI / Reporting Analytic Applications Exploration / Visualization Functional App Industry App Predictive Analytics Content BI / Analytics Reporting La integración entre los componentes disminuye los costos de implementación Puntos Claves de Integración Reuse el Text Analytics entre Streams y Hadoop Conectores para HDFS entre Streams e Information Integration Integración, metadata y gobierno comun entre todos los motores Los aceleradores están construidos para todos los motores analisis común, modelos, y visualización Visualization & Discovery Hadoop System IBM Big Data Platform Application Development Accelerators Stream Computing Systems Management Data Warehouse Information Integration & Governance

17 Clientes en Telecomunicaciones

18 Clientes en Sector Financiero

19 Clientes en el Mercado Mayorista

20 Como Empezar!!!! Aprenda sobre Big Data Foros Big Data University ebooks & White Papers Big Data Workshops Gratis Best practices Casos de Uso Casos de Negocio Business value assessment Test Drive Pruebe los productos..

21