Como SAS está apalancando las nuevas tecnologías. Copyright 2014, SAS Institute Inc. All rights reserved.

Transcripción

1 Como SAS está apalancando las nuevas tecnologías

2 BIG DATA ANALYTICS Es el volumen o la complejidad de datos que te saca de tu zona de confort VOLUMEN VARIEDAD VELOCIDAD VALOR COMPLEJIDAD Definición Tradicional Addressing only volume leads to some serious self-delusion regarding what you have accomplished. James Richardson

3 BIG DATA ANALYTICS Desde cuándo el big data es big data? Líneas de Código 70,000 Sistema Operativo MVS PL/1, Ensamblador Líneas de Código 1,500,000 Sistema Operativo PC-DOS, SUN/HP UNIX C Ensamblador Líneas de Código Líneas de Código Líneas de Código Líneas de Código 35, ,000 8,000,000 50,000,000 Sistema Operativo Sistema Operativo Sistema Operativo Sistema Operativo MVS PL/1, Ensamblador MVS, VM/CMS PL/1, Ensamblador Win, Mac, UNIX, OS/2 C Ensamblador MVS, UNIX, Windows C Java Flex 140Kb RAM HTML5 C++

4 BIG DATA ANALYTICS Qué ha cambiado? Precios Históricos RAM Año Precio / MB 1957 $ 411,041, $ 5,242, $ 2,642, $ 734, $ 421, $ 6, $ $ $ $ $ $ $ 0.01 Precios Históricos HD Año Precio / GB 1980 $ 193, $ 120, $ 53, $ $ $ $ $ ,000,000,000 de Cálculos por segundo por cada $1000 USD *The Kurzweil Curve, Raymond Kurzweil

5 BIG DATA ANALYTICS SMP vs MPP SMP Symmetrical Multi-Processing Una arquitectura de hardware basada en una computadora con dos o más procesadores que comparten la misma memoria y son controlados por una sola instancia de Sistema operativo. MPP Massively Parallel Processing Un Sistema de computo con memoria distribuida que esta conformado por diferentes nodos individuales, cada uno de los cuales es una computadora en si misma, con su propio procesador, memoria y conexión a red, la cual permite que los nodos se interconecten.

6 BIG DATA ANALYTICS SAS High-Performance Analytics

7 BIG DATA ANALYTICS SAS Grid Computing AMBIENTE GRID AMBIENTE SAS GRID CTRL GRID NODO1 GRID NODON SAS GRID MANAGER

8 SAS Grid Capacidades clave INFRAESTRUCTURA ANALÍTICA

9 SAS SAS Grid Manager

10 C 0 SAS Grid SAS Grid Manager Control Server SAS Grid Manager Nodes...

11 SAS Grid Balanceo de Cargas Multi-Usuario Balanceo de cargas en paralelo Programación empresarial de procesos distribuidos Alta disponibilidad Escalabilidad

12 SAS Grid Razones para paralelizar procesos

13 Bank of America SERVICIOS FINANCIEROS Retos Reducir el tiempo de procesamiento entorno al modelado del riesgo de crédito y pronostico de pérdidas Mas tiempo para hacer análisis AdHoc Asegurar la continuidad del negocio y garantizar disponibilidad Solución SAS Enterprise Risk Management SAS Grid Manager RESULTADOS /BENEFICIOS Reducir el calculo de la probabilidad de incumplimiento de 96 horas a 4 horas. Decisiones oportunas en torno a la cartera vencida minimizar perdidas por incumplimiento. Búsqueda de nuevas oportunidades en torno a la cartera del banco. Historia completa Copy r i ght 2013, SAS I nsti tute I nc. All r i ghts r eser ved.

14 SAS HIGH-PERFORMANCE ANALYTICS SAS In-Database AMBIENTE RDBMS CAPACIDADES SAS IN- DATABASE

15 NEW Product SAS In-Database Quality Accelerator NOMBRE DIRECCIÓN TEL INDICE CÓDIGO DE CONCORDANCIA RDBMS RDBMS

16 SAS In-Database Consulta resuelta en SAS resultado escrito en Data Sets SAS T1 T2 DBMS SAS R Consulta resuelta en DBMS resultado escrito en Data Sets SAS T1 T2 R DBMS SAS Consulta resuelta en DBMS resultado escrito en DBMS T1 T2 R DBMS SAS

17 SAS In-Database Consulta resuelta en SAS bases de datos heterogéneas T1 T2 DBMS 1 DBMS 2 SAS R Consulta resuelta en DBMS bases de datos heterogéneas T1 T2 DBMS 1 DBMS 2 R SAS Resolución proceso analítico dentro DBMS T1 DBMS 1 R SAS

18 Anónimo SERVICIOS FINANCIEROS Retos Presiones regulatorias que lo forzaban a tener una infraestructura de administración de riesgo más integrada y gobernada. Publicar scores en Batch y en tiempo real Acelerar el desarrollo y la implementación de modelos Solución SAS Credit Scoring for Banking SAS Model Manager SAS Scoring Accelerator for Oracle RESULTADOS /BENEFICIOS Reducir a un par de meses el proceso actual de 12 a 18 meses para el desarrollo e implementación de modelos. Cumplir los requerimientos regulatorios y mejorar las decisiones en torno al riesgo tomadas por la organización. Copy r i ght 2013, SAS I nsti tute I nc. All r i ghts r eser ved.

19 SAS HIGH-PERFORMANCE ANALYTICS SAS In-Memory Analytics

20

21 Anónimo SERVICIOS FINANCIEROS RESULTADOS /BENEFICIOS Retos Transformar al Banco con cálculos de riesgo efectuados cerca del tiempo real. El proceso del calculo diversos factores de riesgo sobre millones de créditos e instrumentos tomaba varios días, y era muy lento. Solución SAS High-Performance Analytics El banco ahora es capaz de realizar sus cálculos de riesgo en un tiempo cercano al tiempo real, lo cual les ha permitido llevar nuevos productos al mercado más rápidamente, así como salir de mercados más rápidamente, así como descubrir nuevas oportunidades en los mercados, lo cual les ha permitido lograr una ventaja competitiva. Copy r i ght 2013, SAS I nsti tute I nc. All r i ghts r eser ved.

22 Miles de Millones de Dispositivos BIG DATA ANALYTICS Cada vez más todo estará conectado con todo Billion Objetos Inteligentes Punto de Inflexión Tiempo Índice de adopción de la infraestructura digital: 5X más rápido que la electricidad y la telefonía Población Mundial

23 BIG DATA ANALYTICS Una ciudad, un país, una empresa Conectados Centro de Control & Comando Municipal Red eléctrica Inteligente Nube, Servicios & Datos Abiertos Optimización de Servicios de Salud Optimización de Redes de Comunicación Optimización del Flujo de Tráfico Gestión de Energía en El Hogar Optimización de La Fabrica Optimización de Logística CIUDAD INTELIGENTE Dispositivos Médicos Inteligentes Ambulancias Conectadas HOSPITAL INTELIGENTE Señalización Digital Inteligente VIALIDADES INTELIGENTES Sistemas Automotrices automatizados FABRICA INTELIGENTE Cámaras Source: Intel

24 BIG DATA ANALYTICS El reto actual Source: IDC Digital Universe Study, sponsored by EMC, May 2010 Ordenes de Magnitud Métrica Equivalencia 8 Bits 1 Byte 1024 Bytes 1 Kilobyte 1024 Kilobytes 1 Megabyte 1024 Megabytes 1 Gigabyte 1024 Gigabytes 1 Terabyte 1024 Terabytes 1 Petabyte 1024 Petabytes 1 Exabyte 1024 Exabytes 1 Zettabyte 1024 Zettabytes 1 Yottabyte

25 BIG DATA ANALYTICS La tendencia $120,000,000 $100,000,000 $80,000,000 $60,000,000 $40,000,000 $20,000,000 $95,263,072 $70,175,437 $61,448,422 $53,751,684 Costo por Genoma Genoma Humano 1.5 Gb 120,000,000 $4,008 $5,096 $5,550 $5,826 $5,671 $6,618 $5,985 $5,901 $7,666 $7,743 $10,497 $16,712 $20,963 $29,092 $31,125 $31,512 $46,774 $70,333 $108,065 $154,714 $232,735 $342,502 $752,080 $1,352,982 $3,063,820 $7,147,571 $8,927,342 $9,047,003 $9,408,739 $10,474,556 $11,455,315 $11,732,535 $12,585,659 $13,801,124 $16,180,224 $16,159,699 $17,534,970 $18,519,312 $19,934,346 $20,442,576 $28,780,376 $40,157, ZB 171 PB $ Costo por Genoma

26 Conclusiones Por donde comenzar? Gente Procesos Estado Actual Corto Plazo Mediano Plazo Largo Plazo Capacitación del Personal Nuevas Tecnologías Nuevos Roles en la organización Roles y responsabilidades del personal involucrado en el Plan de Big Data Mecanismos de adquisición de información Datos Entrenar personal en visualización y exploración de Datos Automatizar procesos de Adquisición y homologación de Datos Auditoria de datos, análisis de brechas Calidad de Datos Estrategia EDW Limpieza y estandarización de datos Tecnología Entrenar al personal en herramientas de análisis avanzado Desarrollar flujos de análisis avanzados y automatizarlos Tecnologías Adecuadas de Adquisición de Datos Arquitectura de Datos Generar estructuras adecuadas por tipo de análisis Escalabilidad Capacity Plan Usar tecnología de que permita soportar en flujo completo Gestionar los Datos como un Activo Institucional Mejores practicas para el uso de la tecnología Cultura Estado Futuro Comité Ejecutivo de Gobierno de Información Casos del uso para utilización de la tecnología Fase 3 Análisis avanzado de Datos Gobierno de información Fase 2 Calidad de Datos Exploración y descubrimiento de Datos Escalabilidad Fase 1 Capacitación Nuevos Roles Herramientas de gestión de datos Arquitectura de Datos

27 Text Copyright 2010, SAS Institute Inc. All rights reserved.