Una experiencia de Big Data en el transporte metropolitano. Potenciando el valor de los datos

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Una experiencia de Big Data en el transporte metropolitano. Potenciando el valor de los datos"

Transcripción

1 Una experiencia de Big Data en el transporte metropolitano Potenciando el valor de los datos

2 Contenido La emergencia de Big Data... 3 Un nuevo rol: Data Scientist... 3 El caso de la tarjeta SUBE... 4 Una empresa dentro del sistema SUBE... 4 Los datos de la empresa... 4 Comprensión y análisis de los datos... 5 Cuándo se suben los pasajeros?... 5 En la búsqueda del viajero frecuente... 7 La huella digital de cada línea... 8 El tiempo para volver a casa... 9 La distribución en el espacio Combinando la información espacial y temporal El valor para el negocio del análisis de datos Algunas lecciones aprendidas sobre Big Data Conclusiones... 14

3 La emergencia de Big Data A diario en el mundo se generan 2.5 trillones de bytes de información en un fenómeno que crece en velocidad: el 90% de los datos a nivel mundial se han creado en los últimos 2 años. Esta información proviene de todos lados, entre otros de los GPS de los teléfonos móviles, sensores que recogen información climática, publicaciones en las redes sociales, imágenes y videos digitales, y registros de nuestras compras. Cuando el valor potencial de uso de esta información es mayor que el costo del equipamiento, nos encontramos frente al fenómeno de Big Data. Big Data es la nueva forma de gestión los datos en esta nueva configuración, ya que este volumen y flujo de datos no puede ser almacenado, procesado, analizado, entendido, visualizado ni gestionado usando las prácticas, el hardware y software que usamos desde hace años. Las prácticas, tecnologías y herramientas de Big Data forman un entramado en el que se destacan las grandes proveedoras de Plataforma as a service (Amazon es el primer caso, Microsoft, EMC y SAP) y grandes empresas multinacionales como proveedoras de servicios asociados. Esta situación representa un espacio interesante y un desafío particular para las empresas de Tecnología de la Información de la región, que buscan presentarse como candidatos de primera opción para desarrollar servicios de Big Data. No son muchas las empresas que suman capacidad y vocación para responder a este desafío. En el país existen múltiples organizaciones y empresas que se verían beneficiados con la aplicación de tecnologías de Big Data. Son candidatas naturales las empresas de energía (en particular aquellas de Oil&Gas), el área de agricultura, las empresas de venta retail y los bancos. A nuestro entender una de las principales limitaciones para la incorporación de estas tecnologías es la falta de una oferta de servicios de primer nivel, confiable y a precios competitivos, que conozca la realidad donde estas empresas operan. Un nuevo rol: Data Scientist Un nuevo rol aparece hoy como clave: lo desarrollan personas, o más usualmente equipos integrando profesionales en matemáticas y estadísticas, dominio de la programación, ciencias de la computación y capacidad de adquirir conocimiento del dominio de aplicación. Es el rol del Data Scientist. El equipo de ciencia de datos también debe tener la capacidad y los conocimientos necesarios para comunicar sus hallazgos a medida que los tiene, no sólo al área de tecnología sino también al negocio. Estadística (+ machine learning) Prosumer Equipo multidisciplinario Dominio de aplicación En este domino no hay otras Almacenamiento y reglas de oro que las de la procesamiento Procesos de ciencia y el enfoque en el Datos captura valor para el cliente. Cada conjunto de datos es hoy un lienzo en blanco y se debe factorizar los procesos y el desarrollo para garantizar la extracción del valor de los datos.

4 Para responder a la aparición de Big Data y el nuevo rol que se abre, Pragma Consultores conformó un grupo interdisciplinario de Data Science con competencias que van de la infraestructura y proceso de captura y almacenamiento de datos al análisis estadístico, con capacidades propias para interactuar con los actores del negocio. El caso de la tarjeta SUBE SUBE es una iniciativa del Gobierno Nacional argentino para facilitar la movilidad en el área metropolitana. Es una tarjeta prepaga que puede usarse en los medios de transporte colectivos, incluyendo colectivos, subterráneos y trenes en la región Metropolitana de Buenos Aires. Esta misma tarjeta permite al estado implementar políticas sociales y además actualmente pueden pagarse las autopistas de la ciudad y hay planes inmediatos de soportar micro pagos en quioscos, librerías, taxis, etc. A nivel institucional el sistema que soporta la operatoria de SUBE es gestionado por la empresa estatal Nación Servicios, que maneja las redes de recarga y de uso. La red de uso está compuesta por colectivos, 5 líneas de subtes y las líneas ferroviarias metropolitanas, y diariamente vende 12 MM de boletos. Una empresa dentro del sistema SUBE Nacion Nuestro cliente, prosumer de los datos y del conocimiento es una empresa de transporte de la zona metropolitana de Buenos Aires, que tanto por su tamaño como por su modelo de negocio representa un caso típico dentro de la red de uso. Esta empresa cuenta con 3 líneas, con diferentes ramales, que provee servicios desde Puente Saavedra a Pilar, Derqui y Escobar. La empresa cuenta con 110 internos conducidos por 200 choferes. Red de uso Usuarios Servicios Quioscos Red de Recarga Los datos de la empresa Los datos que nos brindaron son la venta de boletos, y la geolocalización de los internos para el período que va de noviembre del 2011 a abril de 2014, lo que resulta en 40 MM de boletos y 150 MM de geolocalizaciones. Como en las demás empresas de la red de uso, los datos de los boletos son generados en cada interno, que cuenta con un lector de tarjetas SUBE de cual debita cada uso, datos que son descargados a un concentrador al final del día por medio de WiFi, al mismo tiempo que se actualizan sus parámetro. El concentrador almacena los datos localmente para fiscalizar la venta, y los envía a Nación Servicios, que en un plazo fijado deposita el importe en el Banco Nación. El lector de tarjetas cuenta con un GPS, pero la información que genera no está disponible para la empresa de transporte. La empresa contrató un servicio de seguimiento que brinda la geolocalización GPS a cada interno, que es enviada cada minuto por telefonía móvil a la empresa proveedora del servicio.

5 Comprensión y análisis de los datos El primer punto en la comprensión de los datos fue identificar y subsanar las limitaciones de los datos, en particular del hecho que los relojes de los lectores del sistema SUBE y los GPS no estén sincronizados, y la información que permite ligar el GPS al interno y con ello al lector se mantiene de manera manual, y no siempre está actualizada. Avanzada esta tarea de preparación de los datos, las tareas de análisis incluyeron la elaboración de histogramas, gráficos de series temporales, heatmaps en varias variables, generación de imágenes geolocalizadas de la concentración de venta de boletos. Cuándo se suben los pasajeros? Una de las primeras cuestiones tratadas es cuándo se compran los boletos. Esto puede analizarse en al menos dos dimensiones: la escala organizacional (por unidad en la Ilustración 8, ramal, línea o la empresa toda en las Ilustraciones 1 y 2) y la escala del tiempo. El tiempo se analizó en varias escalas: en la primera parte del período considerado, para observar la transición del pago en monedas previo al SUBE a la nueva modalidad (Ilustraciones 1 y 3), mes a mes para estudiar la estacionalidad (Ilustración 2) y a nivel días del mes y de hora del día para identificar comportamientos de consumo en ciclos más cortos (Ilustraciones 4 y 5). Ilustración 1. Venta de boletos por medio del sistema SUBE desde su implementación. Se observa en la gráfica: la curva de adopción, estancamiento inicial. La diferenciación de tarifas (SUBE o Monedas) implica una masiva adopción del sistema. Caída de ventas en fin de semana, paros, verano. Ilustración 2. Venta de boletos por sistema SUBE agrupamiento mensual, se hace evidente la estacionalidad de la venta.

6 Ilustración 3. Venta de boletos sistema SUBE para interno 3. Se observa que en un día, el sistema estuvo mal configurado y 2 colectivos fueron ingresados como interno 3, por lo tanto duplicó la recaudación. El gráfico de la Ilustración 4, muestra un heatmap donde cada punto corresponde a la cantidad de boletos para un interno en el período de 1 hora. El gráfico de la Ilustración 5 muestra un agrupamiento diario mostrando un período de 1 mes, fácilmente se ven los períodos donde cada interno no trabaja o cuales son los colectivos que trabajan los fines de semana. Ilustración 4. Heatmap de venta de boletos sistema SUBE para 1 día. X: Internos, Y: horas [0 hs, 24 hs]. Se observan colectivos que no trabajaron ese día, hora de inicio de ventas. Ilustración 5. Heatmap de venta de boletos sistema SUBE para 1 día. X: Internos, Y: días del mes. Se observan colectivos que durante un período grande en días no trabajaron, fines de semana. La Ilustración 6 muestra la Cantidad de internos x día. Mientras que la Ilustración 7 y la Ilustración 8 muestran la venta de boletos a lo largo de un día agrupados por hora para toda la empresa o sólo para un interno en particular. Aquí se observan los 3 picos de demanda que se producen a

7 la mañana, durante el mediodía y por la tarde, coincidiendo con el inicio y el fin de las jornadas laborales. Ilustración 6. Se observa que durante los fines de semana y verano disminuyen los internos circulando. Ilustración 7. Cantidad de boletos vendidos por hora a lo largo de 1 día. Permite conocer la hora en la que las personas empiezan a desplazarse. Ilustración 8. Venta de boletos por hora para el interno 2 durante 1 día En la búsqueda del viajero frecuente Un dato que consideramos relevante estudiar es la frecuencia de uso del sistema de transporte por cada usuario, que puede verse graficando histogramas de frecuencia de uso de cada tarjeta. En la Ilustración 9 un pico muy grande en las tarjetas que se usan una sola vez en esta empresa y luego una fuerte caída en la cantidad de tarjetas agrupadas por uso. Esta caída es efectivamente exponencial, como puede verse en la Ilustración 10, que está en escala logarítmica. La Ilustración 11 se grafican los box plot mensuales. Llama poderosamente la atención la gran cantidad de tarjetas usadas por única vez en el sistema, un comportamiento que se extiende a lo largo del tiempo, como se ve en la Ilustración 11. La

8 pendiente creciente en la ilustración es un artefacto del análisis y corresponden a tarjetas que seguramente serán utilizadas en el futuro, fuera del marco del tiempo analizado. Aproximadamente se observan 250 tarjetas de uso único por día, que pueden entenderse como usuarios casuales de la empresa, aunque no necesariamente del sistema SUBE como un todo. Ilustración 9.Histograma venta de boletos por chip de tarjeta. Ilustración 10. Histograma venta de boletos por chip de tarjeta. Escala log. Ilustración 11.Frecuencia de uso mensual. Media igual a 6 usos. Ilustración 12. Cantidad de tarjetas por fecha que tienen un único uso. La huella digital de cada línea Las dificultades para sincronizar la información de los boletos con la geolocalización motivó la idea de trabajar únicamente con la serie temporal de los primeros. Allí encontramos patrones de venta de boletos de cada ramal, la huella digital que nos permite identificar con un cierto margen de error el ramal al cual pertenece una serie de venta de boletos, con independencia de la localización geográfica. En la Ilustración 13 se grafica las ventas de un colectivo por cada ramal a lo largo del día. A modo de ejemplo, seleccionamos la primera vuelta del colectivo 106 y cross-correlacionamos con toda la secuencia de ventas del día. Los 4 máximos de la Ilustración 14 corresponden a las 4 vueltas que se observa que realiza el colectivo.

9 Ilustración 13. Secuencia de venta de boletos para venta boletos a lo largo de 1 día para colectivos de ramales diferentes. Ilustración 14. Cross-correlación entre una vuelta y la secuencia de boletos de todo el día. El tiempo para volver a casa Se establecieron las relaciones entre la frecuencia de uso sucesivo de una tarjeta SUBE, lo que sería un indicador del tiempo entre el viaje de ida y el viaje de vuelta. Con esto vimos que las personas que más frecuentemente usan el transporte por semana, el tiempo de su primer boleto (ida) y el tiempo del segundo (vuelta) incrementa. Luego ese tiempo disminuye cuando se usa más de 14 veces por semana. En términos de negocio esto puede verse que la primera población es la que usa el transporte trabajan un promedio de 8 horas y los que lo usan más de 14 veces por semana potencialmente son grupos de personas que se desplazan con una sola tarjeta. Ilustración 15.Frecuencia de uso (semanal) vs tiempo transcurrido entre el primer boleto y el último boleto del día. Otra dato que llama la atención es que muchas tarjetas son usadas de forma consecutiva en pocos segundos. Esto puede tener relación directa con un mal uso de las políticas sociales implementadas, ya que ciertas tarjetas tienen un cuadro tarifario diferente, asociado a la situación social de cada persona (jubilado o está inscripto en un plan social, etc.). Por ello el

10 hecho que esa tarjeta se utilice para sacar boletos de diferentes personas puede implicar una defraudación al sistema. La distribución en el espacio Para tener percepción de la distribución de la venta de boletos en el espacio realizamos un estudio multi-escala sobre la densidad de venta de boletos a diferentes horarios. Para ello imprimimos en un mapa los boletos vendidos en un día. Esa información por sí sola no aporta gran ayuda debido a que no se observa la concentración de ventas. Para resolver ese problema, sustituimos cada posición donde se vende un boleto por una función Gaussiana en 2 dimensiones y sumando los resultados. Con esta nueva imagen sobreimpuesta en un mapa, es posible observar los núcleos de mayor venta de boletos (ver Ilustración 16). En la Ilustración 17 se visualiza el agrupamiento de boletos de acuerdo a su posición geográfica. En la Ilustración 18 se observa otra metáfora visual donde los puntos correspondientes a cada coordenada GPS fueron dispersos hasta 5 pixeles y se presentan en color diferente cada línea de colectivos. De esta manera es posible observar los núcleos de venta de menor intensidad. Ilustración 16. Venta de boletos geolocalizada. Se observan los recorridos, zonas de mayor concentración de ventas.

11 Ilustración 17. Clustering de las coordenadas GPS. Asigna una etiqueta de acuerdo a la proximidad de los datos. Ilustración 18.Venta de boletos de un día, en colores las diferentes líneas. De forma aleatoria se movió cada posición GPS para observar la superposición de ventas. Combinando la información espacial y temporal Si analizamos de manera conjunta la distribución de venta de boletos en las horas del día y en el espacio, observa que en el ramal Derqui-Pilar por la mañana la gente mayormente se desplaza desde el la localidad Presidente Derqui hacia la cabecera del partido de Pilar. En cambio por la tarde las personas vuelven a su lugar de origen. También cabe destacar que mayoritariamente los boletos se venden cerca de las cabeceras del ramal o en núcleos urbanos. Ilustración 19. Ventas de boletos para el ramal Derqui-Pilar realizadas de 7 hs a 10 hs. Ilustración 20. Ventas de boletos para el ramal Derqui-Pilar realizadas de 18 hs a 20 hs.

12 El siguiente grupo de figuras consta de 4 imágenes (Ilustración 21 a Ilustración 24) correspondientes a diferentes períodos de tiempo donde se observa la distribución de la demanda a lo largo del día. Ilustración 21. Ventas de boletos de toda la empresa realizadas de 0 hs a 1 hs Ilustración 22. Ventas de boletos de toda la empresa realizadas de 0 hs a 1 hs Ilustración 23. Ventas de boletos de toda la empresa realizadas de 12 hs a 13 hs Ilustración 24. Ventas de boletos de toda la empresa realizadas de 18 hs a 19 hs El valor para el negocio del análisis de datos Este trabajo de análisis de datos permitió al cliente contar con herramientas para conocer de forma profunda y con altísimo nivel de detalle la distribución de la demanda. Esta información permite agregar valor a la empresa mediante varios mecanismos, ya que conocer el detalle de la demanda habilita el uso de herramientas que de otra forma no se conocen y se aproximan por intuición o experiencia, lo que no siempre coincide con la situación actual y dinámica del negocio. En este caso: Permite realizar una mejor asignación de recursos, por ejemplo, conocer cuándo la empresa debe comenzar sus recorridos y la dirección de la demanda. En este caso en particular, la evaluación permite optimizar las frecuencias para capturar demanda. Da la posibilidad de segmentar los clientes de la empresa por patrones de consumo para poder realizar campañas eficientes de promoción, por ejemplo gratificar a los usuarios frecuentes para fomentar la fidelidad o realizar campañas (encuestas) de uso limitadas a usuarios frecuentes.

13 Permite conocer con gran detalle el tráfico, pudiendo reasignar recorridos de acuerdo a condiciones extraordinarias y externas a la empresa. Posibilita la capacidad de visualizar sobre un mapa los boletos vendidos, haciendo evidente información desconocida que la empresa siempre tuvo y que permite una evaluación ortogonal a las estrategias comúnmente utilizadas. Analizar de esta forma los datos, permite tomar mejores decisiones y de forma más rápida que los competidores, y de manera accesoria permite a la empresa vender estos datos, con su valor agregado, a otras empresas de otros rubros, por ejemplo publicidad. La posibilidad de juntar la información a disposición de la empresa con información y necesidades de otros rubros le agrega un valor a los datos que hasta el momento era desconocido o subestimado. Esto ocurre también en otros dominios de aplicación: datos que para la operación de la empresa son relevantes pero no fundamentales pero a que otra empresa pueden cambiarle el modelo de negocio. Dejamos en último lugar el punto clave: el cumplimiento de la promesa detrás de la Data Science. El mayor valor para el negocio está en conocer lo que los datos dicen sobre la naturaleza del negocio. En este caso aportar una nueva visión del negocio, donde el peso del viajero frecuentes es muy pequeña, es algo que contradice la intuición previa. Como lo hace muchas veces la ciencia. Herramientas utilizadas HDFS Hadoop Hive R Google Maps 3 años datos 200 millones registros Algunas lecciones aprendidas sobre Big Data Las lecciones aprendidas en este proyecto en algunos casos confirman la intuición que teníamos y validan nuestra estrategia, pero además agregan nueva luz a los procesos a desplegar en estos proyectos. Entre las lecciones aprendidas se pueden mencionar: Es un gran esfuerzo trabajar con datos reales: no vienen en el formato acordado, los clientes no saben con qué datos cuentan, no están documentados, los errores humanos en carga de datos "embarran" los procesos. La masividad de datos enlentece todo, y en muchos casos la calidad de los datos no es la esperada. Nuestra experiencia previa de años en servicios relacionados con calidad de datos ha resultado más importante de lo que creíamos a la hora de atacar estos proyectos. En la comunidad existe una diversidad de herramientas de software y librerías muy grande y con diferentes prestaciones y características. Esto incluye bases de datos de todos los tipos, relacionales, no relacionales, para grafos, GIS, etc. Lo mismo sucede con las herramientas de cloud, o virtualización. Existe una amplia variedad de algoritmos de Machine Learning y visualización. La posición de Pragma Consultores es que ninguna tecnología reemplaza una comprensión acabada del problema y que el principal problema es utilizar la tecnología con inteligencia, poner la inteligencia en el análisis de datos. Para esto, es importante realizar una búsqueda profunda de herramientas que maximicen el alcance de los objetivos, ya que la herramienta correcta permite ahorrar muchísimo tiempo y su costo se paga en resultados.

14 La preminencia de R. R es una excelente librería/ lenguaje, gratuito, open source. Contienen miles de paquetes contribuidos por la comunidad. Todos los paquetes comerciales (entre ellos Hana, los de EMC) incluyen una distribución R. De alguna forma se ha convertido en un estándar y base para el análisis. Esto no quiere decir que sea la única librería ni que sirva para todo, pero es un estándar y una línea base para el análisis. Los paquetes comerciales, ofrecen una rápida instalación y puesta en marcha. La obvia desventaja son los costos. La elección de la estrategia tecnológica debe responder al problema a resolver y al análisis costo/ beneficio. En muchos casos, el uso de software libre permite avanzar rápidamente para iniciar algunos pilotos. Existe una importante oferta de capacitación en Big Data, incluyendo cursos cortos, online, e incluso cursos de grado o postgrado dictados en grandes universidades, que recorren desde temas básicos hasta análisis de datos avanzados. Esto demuestra la demanda existente para desarrollar capacidades y la escasez de recursos con experiencia. El valor de desarrollar estos proyectos, por lo tanto, se potencia porque se desarrollan capacidades que permiten competir en forma temprana. En el trabajo con Big SUBE se dedicó mucho tiempo al escenario de aprendizaje "vivir con la escasez" (por ejemplo, trabajar sólo con datos de boletos sin la geolocalización), y los resultados más interesantes están en los datos más ricos. Un adecuado balance entre el esfuerzo dedicado a enriquecer datos y el análisis de los mismos es necesario. Nuestra aproximación es una metodología incremental que permita enriquecer los datos y realizar sucesivas aproximaciones de análisis. Hadoop está quedando obsoleto ya que permite una masividad sobre datos que se encuentran en disco con una latencia de acceso muy grande. Es por eso que deben ser incorporadas al esquema de almacenaje y procesamiento para acelerar los procesos de ejecución, bases de datos organizadas en columnas o bases datos en memoria. También existen métodos que por su naturaleza de interrelación de datos no pueden paralelizarse. Hadoop no es la herramienta que resuelve todos los problemas y en muchos casos existen soluciones alternativas superadoras. Conclusiones En este trabajo se utilizaron técnicas de Big Data sobre la venta de boletos de una empresa de transporte metropolitano, apoyado principalmente por la inmensa cantidad de datos generado por el sistema de la tarjeta SUBE. En términos de granularidad organizacional, distintas escalas de tiempo y geolocalización estos análisis brindan a la empresa una nueva dimensión de comprensión de sus procesos cotidianos. El primer resultado es la mejor comprensión de la extensión de la idea de viajero frecuente, que contra la intuición previa tiene un impacto en órdenes de magnitud menor del esperado. Eso impulsa una manera completamente renovada de ver el negocio, de manejar sus costos y mejorar su rentabilidad.

15 PRAGMA CONSULTORES

Conceptos básicos de Big Data

Conceptos básicos de Big Data Conceptos básicos de Big Data Este documento no podrá ser reproducido, total o parcialmente, sin el permiso expreso de TRC Informática, S.L. Correos electrónicos, mensajes de textos, datos en formularios

Más detalles

INFORME EJECUTIVO DE IDC

INFORME EJECUTIVO DE IDC INFORME EJECUTIVO DE IDC De qué forma Big Data transforma la protección y el almacenamiento de datos Agosto 2012 Escrito por Carla Arend Patrocinado por CommVault Introducción: De qué forma Big Data transforma

Más detalles

ÍNDICE. Antecedentes Generales. Módulo de Terreno. Módulo de Reportes. Aspectos Técnicos

ÍNDICE. Antecedentes Generales. Módulo de Terreno. Módulo de Reportes. Aspectos Técnicos ÍNDICE Antecedentes Generales Módulo de Terreno Actualización Identificación de Razón Social y Unidad de Consulta Registro de Variables asociadas al Punto de Observación Registro de Punto de Observación

Más detalles

BIG DATA. Jorge Mercado. Software Quality Engineer

BIG DATA. Jorge Mercado. Software Quality Engineer BIG DATA Jorge Mercado Software Quality Engineer Agenda Big Data - Introducción Big Data - Estructura Big Data - Soluciones Conclusiones Q&A Big Data - Introducción Que es Big Data? Big data es el termino

Más detalles

XII Encuentro Danysoft en Microsoft Abril 2015. Business Intelligence y Big Data XII Encuentro Danysoft en Microsoft Directos al código

XII Encuentro Danysoft en Microsoft Abril 2015. Business Intelligence y Big Data XII Encuentro Danysoft en Microsoft Directos al código Business Intelligence y Big Data XII Encuentro Danysoft en Microsoft Directos al código Ana María Bisbé York Servicios Profesionales sp@danysoft.com 916 638683 www.danysoft.com Abril 2015 Sala 1 SQL Server

Más detalles

Soluciones Cloud. Diagnóstico Desarrollo Implementación. Innovación I Creatividad I Compromiso

Soluciones Cloud. Diagnóstico Desarrollo Implementación. Innovación I Creatividad I Compromiso Soluciones Cloud Diagnóstico Desarrollo Implementación Innovación I Creatividad I Compromiso Quienes somos Negocios Cloud Desarrollo y Aplicaciones CONTENIDO Soluciones Consultoría Proyectos Contacto 2

Más detalles

ENTORNO E-COMMERCE. Automatización flexible para entornos E-Commerce

ENTORNO E-COMMERCE. Automatización flexible para entornos E-Commerce ENTORNO E-COMMERCE Automatización flexible para entornos E-Commerce Dentro de las operaciones del evolución de la distribución del comercio electrónico, emplear los La sistemas adecuados para procesar

Más detalles

EL PORTAL MÓVIL DE SU NEGOCIO

EL PORTAL MÓVIL DE SU NEGOCIO EL PORTAL MÓVIL DE SU NEGOCIO La tecnología no es una opción, es una obligación The Radical QR Por qué una Wap de su NEGOCIO O EMPRESA? En misevilla.mobi, creemos en el pequeño comercio, de hecho nos hemos

Más detalles

Capítulo 1. Sistema de Control de Inventario y Reportes de Falla

Capítulo 1. Sistema de Control de Inventario y Reportes de Falla Capítulo 1 Sistema de Control de Inventario y Reportes de Falla 1.1 Descripción del Problema La Universidad de las Américas, Puebla (UDLA) cuenta con la Dirección de Capacitación y Servicios en Sistemas

Más detalles

FaceFinder MÓDULO DE BÚSQUEDA DE PERSONAS DENTRO DE UNA BASE DE DATOS DE ROSTROS

FaceFinder MÓDULO DE BÚSQUEDA DE PERSONAS DENTRO DE UNA BASE DE DATOS DE ROSTROS FaceFinder MÓDULO DE BÚSQUEDA DE PERSONAS DENTRO DE UNA BASE DE DATOS DE ROSTROS Introducción Los algoritmos utilizados para el procesamiento de imágenes son de complejidad computacional alta. Por esto

Más detalles

Cloud Computing: Transformando el panorama de la infraestructura en TI.

Cloud Computing: Transformando el panorama de la infraestructura en TI. Visiones de Telefónica. Paper Nº I, año 2011. Cloud Computing: Transformando el panorama de la infraestructura en TI. Hicham Abdessamad, Vicepresidente Senior de Servicios Globales de Hitachi Data Systems.

Más detalles

Videovigilancia, un escenario de desafíos

Videovigilancia, un escenario de desafíos Videovigilancia, un escenario de desafíos Por Carlos Di Muccio, Solution Development Manager de Logicalis para el Cono Sur En la actualidad la dinámica de los cambios tecnológicos, se acelera exponencialmente.

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

Multipedidos es un sistema de ventas on-line que permite gestionar pedidos por internet en tiempo real de manera económica, simple y eficaz.

Multipedidos es un sistema de ventas on-line que permite gestionar pedidos por internet en tiempo real de manera económica, simple y eficaz. Presentación Multipedidos es un sistema de ventas on-line que permite gestionar pedidos por internet en tiempo real de manera económica, simple y eficaz. El sistema está pensado para empresas que deseen

Más detalles

E-Learning y Capacitación. Gerencial. Aprendidas en AulaGlobal con el uso de la plataforma LMS Dokeos. Experiencias y Lecciones

E-Learning y Capacitación. Gerencial. Aprendidas en AulaGlobal con el uso de la plataforma LMS Dokeos. Experiencias y Lecciones E-Learning y Capacitación Experiencias y Lecciones Aprendidas en AulaGlobal con el uso de la plataforma LMS Dokeos Gerencial Freddy Arraez Juana Rincón Ponencia presentada al II Congreso Venezolano de

Más detalles

SISTEMA INTEGRAL DE ADMINISTRACIÓN DE FLOTILLAS (SIAF)

SISTEMA INTEGRAL DE ADMINISTRACIÓN DE FLOTILLAS (SIAF) 1 SISTEMA INTEGRAL DE ADMINISTRACIÓN DE FLOTILLAS (SIAF) 2 3 www.onetech.us Descripción del Sistema Integral de Administración de Flotillas (SIAF). La plataforma SIAF es una innovadora solución, desarrollada

Más detalles

EL CENTRO DE DATOS Y LA NEUTRALIDAD EN CONECTIVIDAD Y CLOUD

EL CENTRO DE DATOS Y LA NEUTRALIDAD EN CONECTIVIDAD Y CLOUD EL CENTRO DE DATOS Y LA NEUTRALIDAD EN CONECTIVIDAD Y CLOUD Significado, importancia actual e implicaciones futuras INTRODUCCIÓN El uso generalizado de las TI, la movilidad, las redes sociales, el big

Más detalles

Una de las formas más

Una de las formas más Estrategias E Comerce: Creación de página e-commerce intuitiva, de fácil navegabilidad y adaptada sus productos, clientes y objetivos de venta de su negocio. Una de las formas más inteligentes de expandir

Más detalles

TRANSPRO EL TRANSPORTE URBANO DEL MONTEVIDEO DEL MAÑANA

TRANSPRO EL TRANSPORTE URBANO DEL MONTEVIDEO DEL MAÑANA EL TRANSPORTE URBANO DEL MONTEVIDEO DEL MAÑANA TRANSPRO Solución Tecnológica para Control Satelital de Flotas, Información de Arribo y Cobranza Inteligente TRANSPRO es la única Solución Tecnológica capaz

Más detalles

IT SKILLS INDUSTRY INNOVATION. hays.es. Newsletter sector IT

IT SKILLS INDUSTRY INNOVATION. hays.es. Newsletter sector IT IT SKILLS INDUSTRY INNOVATION Newsletter sector IT Este mes: - Entrevista a Eva Martín, Co-fundadora y CEO de Tiendeo. - Introducción a los conceptos básicos del Big Data. hays.es FLEXIBILIZANDO LA RELACIÓN

Más detalles

Es una estrategia. Estrategias

Es una estrategia. Estrategias Estrategias Posicionamiento en buscadores: A través de la combinación de las técnicas de posicionamiento en buscadores (SEO y SEM), conseguiremos que su web aparezca por aquellas combinaciones de palabras

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

Curso de Android con Java

Curso de Android con Java Todos los Derechos Reservados Global Mentoring Experiencia y Conocimiento para tu Vida 1 Este es un tiempo único para el mundo de los celulares, en particular de los Smartphones. Este tipo de dispositivos

Más detalles

Conferencia de Usuarios 2014

Conferencia de Usuarios 2014 Conferencia de Usuarios 2014 Bienvenidos GIS Integrando Nuestro Mundo Propósito Tú Una Red Global de Profesionales de SIG Visión SIG Transformando Nuestro Mundo Nuestro Mundo Está Enfrentando Serios Retos

Más detalles

Sistemas de Información Geográficos (SIG o GIS)

Sistemas de Información Geográficos (SIG o GIS) Sistemas de Información Geográficos (SIG o GIS) 1) Qué es un SIG GIS? 2) Para qué sirven? 3) Tipos de datos 4) Cómo trabaja? 5) Modelos de datos, Diseño Conceptual 6) GeoDataase (GD) 7) Cómo evaluamos

Más detalles

BIG DATA MARÍA PARRA AMAT. Almería, 5 junio 2015

BIG DATA MARÍA PARRA AMAT. Almería, 5 junio 2015 BIG DATA MARÍA PARRA AMAT Almería, 5 junio 2015 BIG DATA "Petróleo del XXI" Nuevo enfoque en el entendimiento y la toma de decisiones Conjunto de técnicas y herramientas ORIGEN Estadística Metodologías

Más detalles

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica.

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica. RAID Como se dijo anteriormente, el ritmo de mejora de prestaciones en memoria secundaria ha sido considerablemente menor que en procesadores y en memoria principal. Esta desigualdad ha hecho, quizás,

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

CAPÍTULO 1: CONCEPTOS DE MICROSOFT DYNAMICS CRM

CAPÍTULO 1: CONCEPTOS DE MICROSOFT DYNAMICS CRM Capítulo 1: Conceptos de Microsoft Dynamics CRM CAPÍTULO 1: CONCEPTOS DE MICROSOFT DYNAMICS CRM Objetivos Los objetivos son Resumir de forma general Microsoft Dynamics CRM y sus áreas de ventas, marketing

Más detalles

MAPA DE ALFABETISMO EN LAS TIC MATEMÁTICAS

MAPA DE ALFABETISMO EN LAS TIC MATEMÁTICAS http://www.eduteka.org/habilidadesmatematicas.php MAPA DE ALFABETISMO EN LAS TIC MATEMÁTICAS El Consorcio de Habilidades Indispensables para el Siglo XXl (http://www.21stcenturyskills.org/) ha desarrollado

Más detalles

Roadmap para la adopción de nuevas arquitecturas de información

Roadmap para la adopción de nuevas arquitecturas de información Roadmap para la adopción de nuevas arquitecturas de información Qué es Big Data..? es el nombre que se le da a conjuntos de información que crecen de una manera tan exponencial que resulta prohibitivo

Más detalles

Tecnología VoIP integrada en Sistemas de Emergencia Policiales

Tecnología VoIP integrada en Sistemas de Emergencia Policiales Tecnología VoIP integrada en Sistemas de Emergencia Policiales Mariela E. Rodriguez 1, José Farfan 2, & José V. Zapana 3 Cátedra de Modelos de Desarrollo de Programas y Programación Concurrente / Facultad

Más detalles

Habilitando la empresa ágil a través de datos unificados La travesía hacia la plataforma de datos analítico-transaccionales

Habilitando la empresa ágil a través de datos unificados La travesía hacia la plataforma de datos analítico-transaccionales Habilitando la empresa ágil a través de datos unificados Agosto de 2015 Cómo se utilizan los datos hoy Los datos analíticos se derivan y separan a partir de datos transaccionales. Requieren bases de datos

Más detalles

ArcGIS. Catálogo de cursos

ArcGIS. Catálogo de cursos ArcGIS Catálogo de cursos 2015 ArcGIS Desktop ArcGIS Desktop ArcGIS 1: Introduction to GIS (10.2)... 2 ArcGIS 2: Essential Workflows (10.2)... 3 ArcGIS 3: Performing Analysis (10.2)... 3 Building Geodatabases

Más detalles

CA Automation Suite for Hybrid Clouds

CA Automation Suite for Hybrid Clouds HOJA DEL PRODUCTO: For Hybrid Clouds for Hybrid Clouds for Hybrid Clouds está diseñada para aumentar la agilidad y la eficacia, de forma que pueda hacer lo siguiente: Sobrellevar las ráfagas de demanda

Más detalles

Integración HMI-PLC. una ventaja competitiva real.

Integración HMI-PLC. una ventaja competitiva real. La manufactura esbelta es una poderosa herramienta probada que aumenta la eficiencia en los procesos de producción. Conceptos y prácticas similares que eliminan "desperdicios" (equipo innecesario y los

Más detalles

GUÍA PRÁCTICA PARA IMPLEMENTAR TECNOLOGÍA MÓVIL EN EL SECTOR DE MICROFINANZAS.

GUÍA PRÁCTICA PARA IMPLEMENTAR TECNOLOGÍA MÓVIL EN EL SECTOR DE MICROFINANZAS. GUÍA PRÁCTICA PARA IMPLEMENTAR TECNOLOGÍA MÓVIL EN EL SECTOR DE MICROFINANZAS. White Paper formiik Thinking Big with Small Devices septiembre 2014 El valor agregado de la tecnología móvil La tecnología

Más detalles

w w w. s p y r o t o u c h. c o m

w w w. s p y r o t o u c h. c o m w w w. s p y r o t o u c h. c o m Aplicaciones empresariales de movilidad SPYRO TOUCHes un conjunto modular de Apps empresariales, concebidas desde su análisis y desarrollo, para dar solución a los distintos

Más detalles

ANEXO 11. Elementos técnicos necesarios el mantenimiento de la Bitácora Ambiental

ANEXO 11. Elementos técnicos necesarios el mantenimiento de la Bitácora Ambiental ANEXO 11. Elementos técnicos necesarios el mantenimiento de la Bitácora Ambiental Para cumplir con las tareas descritas anteriormente, el sistema utilizado para manejar la bitácora ambiental debe tener

Más detalles

PROCESO DE VENTA CONSULTIVA MÓDULO DE GESTIÓN DE OPORTUNIDADES DE NEGOCIO

PROCESO DE VENTA CONSULTIVA MÓDULO DE GESTIÓN DE OPORTUNIDADES DE NEGOCIO PROCESO DE VENTA CONSULTIVA MÓDULO DE GESTIÓN DE OPORTUNIDADES DE NEGOCIO Este módulo permite al ejecutivo comercial definir, calificar y documentar cada una de las oportunidades de negocio en las cuales

Más detalles

Formulación de una propuesta de solución al problema

Formulación de una propuesta de solución al problema Etapa 3 Formulación de una propuesta de solución al problema A - Investigación exploratoria de opciones de solución En la etapa anterior se mencionó cuál es el problema principal en la empresa, el cual

Más detalles

Emprendiendo negocios juntos

Emprendiendo negocios juntos Emprendiendo negocios juntos Definiendo Cloud Computing Un modelo que permite de manera muy sencilla el acceso a una red de recursos informáticos, los cuales con poco esfuerzo son configurables por el

Más detalles

Diez aspectos inteligentes que debe conocer sobre el almacenamiento

Diez aspectos inteligentes que debe conocer sobre el almacenamiento Diez aspectos inteligentes que debe conocer sobre el almacenamiento Tendencias, innovaciones y consejos para aumentar la eficiencia del entorno de almacenamiento Las decisiones inteligentes están basadas

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

Novedades desde Qlik Sense 1.0. Qlik Sense 2.0.4 Copyright 1993-2015 QlikTech International AB. Reservados todos los derechos.

Novedades desde Qlik Sense 1.0. Qlik Sense 2.0.4 Copyright 1993-2015 QlikTech International AB. Reservados todos los derechos. Novedades desde Qlik Sense 1.0 Qlik Sense 2.0.4 Copyright 1993-2015 QlikTech International AB. Reservados todos los derechos. Copyright 1993-2015 QlikTech International AB. Reservados todos los derechos.

Más detalles

BIG DATA Desde que se cronometran las carreras, se corre más rápido

BIG DATA Desde que se cronometran las carreras, se corre más rápido BIG DATA Desde que se cronometran las carreras, se corre más rápido Santa Cruz, Bolivia 2014 Manual para aprender @sorprendida @sorprendida HACE UN BILLÓN DE: HORAS nació el homo sapiens MINUTOS empezó

Más detalles

MINING SOLUTIONS LIMITADA

MINING SOLUTIONS LIMITADA MINING SOLUTIONS LIMITADA Contenido... 1 Resumen Ejecutivo... 3... 4 Nuestros Servicios... 5 Administración de proyectos... 6 Operación y mantenimiento sobre los Sistema de Manejo de la Información Geológica

Más detalles

Introducción. Descripción técnica

Introducción. Descripción técnica Introducción WIFI EMBARCADO es el sistema de red WiFi integrado en autocares, que permitirá a las operadoras de transporte ofrecer la posibilidad de proporcionar conexiones de internet de alta velocidad

Más detalles

TEXTILGEST. Software para Tienda de Ropa y Calzado

TEXTILGEST. Software para Tienda de Ropa y Calzado TEXTILGEST Software para Tienda de Ropa y Calzado Clientes / Marketing / Fidelización / Gestión de reservas de prendas (entrega a cta, fechas, seguimiento, ). Cobro directo desde la propia reserva. Históricos

Más detalles

Planificación del Help Desk de su escuela

Planificación del Help Desk de su escuela Capítulo 1 Planificación del Help Desk de su escuela Después de terminar este capítulo usted será capaz de: Describir cuál es la función de un Help Desk; Describir qué es el soporte de nivel 1; Explicar

Más detalles

Las propuestas que competirán en la última instancia son las siguientes: Exit. Tecnología móvil para mejorar la movilidad.

Las propuestas que competirán en la última instancia son las siguientes: Exit. Tecnología móvil para mejorar la movilidad. 28/10/2014 BUENOS AIRES FORD ARGENTINA ANUNCIÓ LOS 10 FINALISTAS DEL CONCURSO FUTURO DE LA MOVILIDAD Los proyectos finalistas se presentan como soluciones innovadoras a los problemas de movilidad de grandes

Más detalles

FACILITADOR DE COMERCIO ELECTRÓNICO: DIRECTORIO DE CENTRALES DE RESERVAS

FACILITADOR DE COMERCIO ELECTRÓNICO: DIRECTORIO DE CENTRALES DE RESERVAS FACILITADOR DE COMERCIO ELECTRÓNICO: DIRECTORIO DE CENTRALES DE RESERVAS Director de Estrategia y Tecnología Sociedad Estatal de Gestión de la Información Turística (SEGITUR) Jefe de proyecto de Desarrollo

Más detalles

CIF-GPS GUÍA DE USUARIO

CIF-GPS GUÍA DE USUARIO CIF-GPS GUÍA DE USUARIO Secciones 1. VENTAJAS DE CIF-GPS 2. INSTALAR CIF-GPS 3. FUNCIONAMIENTO DE LA APLICACIÓN. 3.1 Visión general y conceptos 3.2 Entrar en CIF-GPS. 3.3 Ventana Principal. 3.4 Menús contextuales

Más detalles

El valor de una infraestructura optimizada

El valor de una infraestructura optimizada El valor de una infraestructura optimizada El Estudio del Estado del CIO 2006 (CIO Research, 2006) muestra que los CIO están buscando, cada vez más, introducir, de forma proactiva, soluciones de tecnología

Más detalles

Automatización de la nube

Automatización de la nube Folleto Automatización de la nube Gestión abierta y ampliable para el ciclo de vida de los servicios en nubes privadas e híbridas Índice 3 Introducción 4 Casos de uso para la automatización del servicio

Más detalles

Agencia de Marketing Online

Agencia de Marketing Online Agencia de Marketing Online Plan de Negocio Fecha: 2011-09-23 Índice El negocio... 4 Descripción del negocio Historia de la empresa Socios Productos y servicios... 5 Actuales A futuro Mercado... 6 Descripción

Más detalles

Estudio de creación de valor Análisis de las ventajas de las soluciones de reserva de coches de alquiler para las agencias de viajes

Estudio de creación de valor Análisis de las ventajas de las soluciones de reserva de coches de alquiler para las agencias de viajes Estudio de creación de valor Análisis de las ventajas de las soluciones de reserva de coches de alquiler para las agencias de viajes Madrid, septiembre de 2009 ALTEN ÍNDICE SUMARIO 4 RESUMEN 5 INTRODUCCIÓN

Más detalles

Recruitment Process Outsourcing:

Recruitment Process Outsourcing: Recruitment Process Outsourcing: Qué Debes Buscar en un Proveedor de RPO? James F. McCoy Vicepresidente y Jefe de Operaciones RPO Anteriormente, las empresas se enfocaban exclusivamente en el costo y

Más detalles

Analítica en transporte Impulsamos la eficiencia, reducimos la congestión y llevamos a las personas a donde desean ir de manera más eficiente.

Analítica en transporte Impulsamos la eficiencia, reducimos la congestión y llevamos a las personas a donde desean ir de manera más eficiente. Analítica en transporte Impulsamos la eficiencia, reducimos la congestión y llevamos a las personas a donde desean ir de manera más eficiente. Analítica en transporte Impulsamos la eficiencia, reducimos

Más detalles

operación de los sitios Web www.minaet.go.cr y de la sección de la Direccion de cambio climático www.minaet.go.cr/dcc

operación de los sitios Web www.minaet.go.cr y de la sección de la Direccion de cambio climático www.minaet.go.cr/dcc PROYECTO Plan de Trabajo para la Gestión del Cambio Climatico Consultoría: Contratación de una empresa para el diseño, construcción y puesta en operación de los sitios Web www.minaet.go.cr y de la sección

Más detalles

Soluciones Integrales en Inteligencia de Negocios

Soluciones Integrales en Inteligencia de Negocios Soluciones Integrales en Inteligencia de Negocios QUIENES SOMOS NUESTRA MISIÓN DATAWAREHOUSE MINERÍA DE DATOS MODELOS PREDICTIVOS REPORTERÍA Y DASHBOARD DESARROLLO DE APLICACIONES MODELOS DE SIMULACIÓN

Más detalles

INTRODUCCIÓN A LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA. Francisco J. Dávila Martínez Cartoteca Servicio de Documentación Geográfica y Biblioteca IGN

INTRODUCCIÓN A LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA. Francisco J. Dávila Martínez Cartoteca Servicio de Documentación Geográfica y Biblioteca IGN INTRODUCCIÓN A LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICA Francisco J. Dávila Martínez Cartoteca Servicio de Documentación Geográfica y Biblioteca IGN 1 Introducción a los S.I.G. Qué es un SIG/GIS? Conceptos

Más detalles

PROYECTOS Y DESAFIOS DE MOVILIDAD URBANA

PROYECTOS Y DESAFIOS DE MOVILIDAD URBANA PROYECTOS Y DESAFIOS DE MOVILIDAD URBANA ROSARIO 17 municipios y comunas integran el AMR Censo Nacional 2001: Población Rosario: 909.397 habitantes Población AMR: 1.156.372 Fuente: INDE - IPEC No se puede

Más detalles

TRANSMILENIO. ITDP Asistencia Técnica para Optimización Operacional. Informe Final

TRANSMILENIO. ITDP Asistencia Técnica para Optimización Operacional. Informe Final TRANSMILENIO ITDP Asistencia Técnica para Optimización Operacional Informe Final Diciembre, 2007 índice i. preliminares ii. resumen del diagnostico de los sistemas troncal y alimentador iii. análisis y

Más detalles

Spectrum Power TG - Descripción General

Spectrum Power TG - Descripción General El Spectrum Power TG ha sido diseñado teniendo en consideración las necesidades específicas de la industria eléctrica. Este sistema puede operar tanto bajo ambiente Windows y Linux. Arquitectura del Sistema

Más detalles

CENTRALITAS DE VOZ IP ASTERISK SOBRE MAQUINAS VIRTUALES XEN

CENTRALITAS DE VOZ IP ASTERISK SOBRE MAQUINAS VIRTUALES XEN CENTRALITAS DE VOZ IP ASTERISK SOBRE MAQUINAS VIRTUALES XEN QUE ES LA VOZ SOBRE IP? Es un método de enviar paquetes de voz mediante redes de datos de área local o extensa. Podemos acceder a esas redes

Más detalles

INTRODUCCION A LAS BASES DE DATOS ESPACIALES

INTRODUCCION A LAS BASES DE DATOS ESPACIALES INTRODUCCION A LAS BASES DE DATOS ESPACIALES Índice Introducción Qué es un SIG? Arquitectura de un SIG La información n en un SIG Uso y aplicación n de los SIG Bases de datos Introducción Antecedentes:

Más detalles

1.- SOBRE NADILUX 2.- GESTIÓN DE INVENTARIO Y GEOLOCALIZACIÓN

1.- SOBRE NADILUX 2.- GESTIÓN DE INVENTARIO Y GEOLOCALIZACIÓN INDICE 1.- SOBRE NADILUX... 2 2.- GESTIÓN DE INVENTARIO Y GEOLOCALIZACIÓN... 2 2.1 - CENTROS DE MANDO... 3 2.2 - PUNTOS DE LUZ... 4 2.2.1 MODIFICAR PUNTOS DE LUZ... 5 2.3 MAPA... 5 2.3.1 STREET VIEW...

Más detalles

Resumen de la solución SAP Soluciones SAP para pequeñas y medianas empresas SAP Business One

Resumen de la solución SAP Soluciones SAP para pequeñas y medianas empresas SAP Business One de la solución SAP Soluciones SAP para pequeñas y medianas empresas SAP Business One Objetivos Gestione con éxito y haga crecer su pequeña empresa Gestione con éxito y haga crecer su pequeña empresa La

Más detalles

Portafolio de Servicios y Productos

Portafolio de Servicios y Productos Portafolio de Servicios y Productos Introducción Somos una empresa que se dedica a generar ventajas competitivas para nuestros clientes a través de desarrollos y consultoría en inteligencia de negocios

Más detalles

Servicios: Marketing Online

Servicios: Marketing Online Servicios: Envío masivo de emails a suscriptores,10 mil cada mes ya sea a todo Sinaloa o a todo México, según se requiera. Con la misión de generar publicidad de la empresa y la marca para incrementar

Más detalles

CURSO: APACHE SPARK CAPÍTULO 2: INTRODUCCIÓN A APACHE SPARK. www.formacionhadoop.com

CURSO: APACHE SPARK CAPÍTULO 2: INTRODUCCIÓN A APACHE SPARK. www.formacionhadoop.com CURSO: APACHE SPARK CAPÍTULO 2: INTRODUCCIÓN A APACHE SPARK www.formacionhadoop.com Índice 1 Qué es Big Data? 2 Problemas con los sistemas tradicionales 3 Qué es Spark? 3.1 Procesamiento de datos distribuido

Más detalles

Tendencias Tecnológicas Estratégicas Gartner Group

Tendencias Tecnológicas Estratégicas Gartner Group Tendencias Tecnológicas Estratégicas Gartner Group María Esther Ordóñez O. mordonez@ordonezasesores.com.co Ordóñez Ordóñez y Asociados Ltda. Agosto 2013 Convergencia de Fuerzas Tecnologías Estratégicas

Más detalles

Informe sobre la Situación Tecnológica de las Medianas Empresas en País Vasco, Aragón y Navarra contado por sus protagonistas

Informe sobre la Situación Tecnológica de las Medianas Empresas en País Vasco, Aragón y Navarra contado por sus protagonistas Informe sobre la Situación Tecnológica de las Medianas Empresas en País Vasco, Aragón y Navarra contado por sus protagonistas Índice 1 Introducción pág.3 2 3 4 Tendencias tecnológicas para 2015 Cloud Computing

Más detalles

Bienvenidos a ACYCLICA

Bienvenidos a ACYCLICA Bienvenidos a ACYCLICA Acyclica ha redefinido el monitoreo, supervisión y rendimiento del tránsito en tiempo real con su línea de productos Compass. Además de cálculo de tiempos y duración de viajes, la

Más detalles

STETIC. Software Gestión Centros de Estética

STETIC. Software Gestión Centros de Estética STETIC Software Gestión Centros de Estética Clientes / Marketing / Fidelización / CRM Fichas técnicas datos médicos generales de los clientes (medicación, hábitos, motivo de la visita, antecedentes familial

Más detalles

Un enfoque estratégico para satisfacer la demanda de servicios en la nube

Un enfoque estratégico para satisfacer la demanda de servicios en la nube Informe técnico Para los proveedores de nube Un enfoque estratégico para satisfacer la demanda de servicios en la nube Introducción: Los nuevos desafíos del cliente impulsan la adopción de la nube En un

Más detalles

Educación y Juventud. A la Vanguardia: Lecciones en Tecnología y Desarrollo de las PYMEs Líderes del Perú. Inclusión Social. Competitividad Nacional

Educación y Juventud. A la Vanguardia: Lecciones en Tecnología y Desarrollo de las PYMEs Líderes del Perú. Inclusión Social. Competitividad Nacional Educación y Juventud A la Vanguardia: Inclusión Social Competitividad Nacional Lecciones en Tecnología y Desarrollo de las PYMEs Líderes del Perú Noviembre 2014 Introducción El presente informe, preparado

Más detalles

Funciones igd módulo Sistema

Funciones igd módulo Sistema Funciones igd módulo Sistema El módulo Sistema proporciona las bases para que los demás módulos puedan conectarse, interactuar y utilizar la estructura por él creada. Maneja perfiles, usuarios, sucursales,

Más detalles

Denominación: MICROSOFT SHAREPOINT 2010 Modalidad: PRESENCIAL Duración: 30 horas

Denominación: MICROSOFT SHAREPOINT 2010 Modalidad: PRESENCIAL Duración: 30 horas Denominación: MICROSOFT SHAREPOINT 2010 Modalidad: PRESENCIAL Duración: 30 horas Objetivos generales Después de completar este curso los alumnos serán capaces de preparar e instalar un SharePoint, configurar,

Más detalles

Plataforma web de LOCATEL

Plataforma web de LOCATEL Localización y gestión de recursos en movilidad de última generación Plataforma web de LOCATEL Manual de Usuario 1 Bienvenido Gracias por depositar su confianza en Locatel: localización y gestión de recursos

Más detalles

Centro de datos unificado de Cisco La infraestructura óptima para aplicaciones y entornos de Microsoft

Centro de datos unificado de Cisco La infraestructura óptima para aplicaciones y entornos de Microsoft Centro de datos unificado de Cisco La infraestructura óptima para aplicaciones y entornos de Microsoft SIMPLIFIQUE SU TI TRANSFORME SU EMPRESA Ineficacia del personal de TI Tiempos de inactividad no programados

Más detalles

Contrato a firmar para obtener una WEB BÁSICA GRATIS Empresa firmante: Representante: Optimizatuempresa Representante: Fecha de contratación:

Contrato a firmar para obtener una WEB BÁSICA GRATIS Empresa firmante: Representante: Optimizatuempresa Representante: Fecha de contratación: Contrato a firmar para obtener una WEB BÁSICA GRATIS Empresa firmante: Representante: Optimizatuempresa Representante: Fecha de contratación: 1 INDICE: 1.- Descripción... 2 2.- Plataforma y herramienta

Más detalles

Guía del Participante Programa de Programa De Social Media Networker: Una Realidad para la Promoción de las Empresas en la Web

Guía del Participante Programa de Programa De Social Media Networker: Una Realidad para la Promoción de las Empresas en la Web Guía del Participante Programa de Programa De Social Media Networker: Una Realidad para la Promoción de las Empresas en la Web 1. Introducción... 3 2. Objetivos del Programa... 3 3. Características del

Más detalles

Operación Microsoft Windows XP

Operación Microsoft Windows XP Entornos de red Concepto de red En el nivel más elemental, una red consiste en dos equipos conectados entre sí mediante un cable de forma tal que puedan compartir datos. Todas las redes, no importa lo

Más detalles

Propuesta de Sistema Web Personalizable para el Control de Reservaciones en Hoteles

Propuesta de Sistema Web Personalizable para el Control de Reservaciones en Hoteles Propuesta de Sistema Web Personalizable para el Control de Reservaciones en Hoteles Betzabet García-Mendoza, Carlos R. Jaimez-González Departamento de Tecnologías de la Información, Universidad Autónoma

Más detalles

Big Data: retos a nivel de desarrollo. Ing. Jorge Camargo, MSc, PhD (c) jcamargo@bigdatasolubons.co

Big Data: retos a nivel de desarrollo. Ing. Jorge Camargo, MSc, PhD (c) jcamargo@bigdatasolubons.co Big Data: retos a nivel de desarrollo Ing. Jorge Camargo, MSc, PhD (c) jcamargo@bigdatasolubons.co Cámara de Comercio de Bogotá Centro Empresarial Chapinero Agenda Introducción Bases de datos NoSQL Procesamiento

Más detalles

WE ARE EXPERTS IN DATA PROCESSING & ANALYTICS IDATHA. BIG DATA Conceptos Generales: White Paper - IDATHA. Diciembre 2014. IDATHA.

WE ARE EXPERTS IN DATA PROCESSING & ANALYTICS IDATHA. BIG DATA Conceptos Generales: White Paper - IDATHA. Diciembre 2014. IDATHA. BIG DATA Conceptos Generales: White Paper -. Diciembre 2014..COM Qué es Big Data? Si bien Big Data es un término que hace ya algunos años se viene utilizando, aún hoy en día es difícil encontrar una definición

Más detalles

Modelo Smart City. Telefónica España

Modelo Smart City. Telefónica España Modelo Smart City 1 En los últimos años nuestras vidas se han convertido en digitales España es el 1er país de Europa en penetración de Smartphones En España se descargan al día 2,7mill Apps 30 Apps por

Más detalles

GUESTCENTRIC. Marketing Digital para Hoteles Todo-en-Uno Fácil, Inteligente y Poderoso. www.guestcentric.com

GUESTCENTRIC. Marketing Digital para Hoteles Todo-en-Uno Fácil, Inteligente y Poderoso. www.guestcentric.com GUESTCENTRIC Marketing Digital para Hoteles Todo-en-Uno Fácil, Inteligente y Poderoso. GUESTCENTRIC PROPRIETARY. 1 GuestCentric Marketing digital todo-en-uno para hoteles Fácil, inteligente, poderoso.

Más detalles

PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA LA PRESTACIÓN DEL SERVICIO PYME.NET COMERCIO ELECTRÓNICO

PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA LA PRESTACIÓN DEL SERVICIO PYME.NET COMERCIO ELECTRÓNICO PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA LA PRESTACIÓN DEL SERVICIO PYME.NET COMERCIO ELECTRÓNICO DENOMINACIÓN: SERVICIO PYME.NET COMERCIO ELECTRÓNICO DE CÁMARA TERUEL 1. INTRODUCCIÓN Y OBJETIVOS 2. ALCANCE

Más detalles

Ileana del Socorro vázquez Carrillo migración de negocios a la nube digital Las así denominadas TI han representado una nueva manera de

Ileana del Socorro vázquez Carrillo migración de negocios a la nube digital Las así denominadas TI han representado una nueva manera de InFORmÁTICA PymE Ileana del Socorro vázquez Carrillo migración de negocios a la nube digital Las así denominadas TI han representado una nueva manera de hacer negocios, ya que las funciones más importantes

Más detalles

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica C1. Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar

Más detalles

Yersinio Jiménez Campos Analista de datos Banco Nacional de Costa Rica

Yersinio Jiménez Campos Analista de datos Banco Nacional de Costa Rica Fundamentos Título de de Big la Data presentación utilizando MATLAB Yersinio Jiménez Campos Analista de datos Banco Nacional de Costa Rica 1 Agenda Qué es Big Data? Buenas prácticas en el manejo de memoria.

Más detalles

Capítulo 3. Software para el Monitoreo de Redes

Capítulo 3. Software para el Monitoreo de Redes Capítulo 3 Software para el Monitoreo de Redes No basta saber, se debe también aplicar. No es suficiente querer, se debe también hacer. Johann Wolfgang Goethe Software para el Monitoreo de Redes El estilo

Más detalles

Cómo pagamos: Resultados del Último Estudio sobre Pagos de la Reserva Federal

Cómo pagamos: Resultados del Último Estudio sobre Pagos de la Reserva Federal Volume 16, Number 1 First Quarter 2014 Cómo pagamos: Resultados del Último Estudio sobre Pagos de la Reserva Federal Los cambios en tecnología han afectado no solo cómo la gente vive y trabaja, sino también

Más detalles

Cisco Commerce Workspace Guía de pedidos para el usuario

Cisco Commerce Workspace Guía de pedidos para el usuario Cisco Commerce Workspace Guía de pedidos para el usuario Contenido Acerca de Cisco Commerce Workspace...2 Acerca de esta Guía del usuario...2 Navegación general...2 Sección 1: Página de inicio...3 Sección

Más detalles

CENTRO DE DATOS Y POP

CENTRO DE DATOS Y POP Virtual y física. Pública y privada. Por horas o por meses. Nuestra plataforma unificada proporciona infraestructuras en la nube a nivel de Internet. Todo lo que quiera, desplegado bajo demanda y en tiempo

Más detalles

Manual de Instrucciones

Manual de Instrucciones Manual de Instrucciones Audi connect (myaudi) Manual de Instrucciones Audi connect (myaudi) Spanisch 11.2014 152566AMH60 www.audi.com Audi Vorsprung durch Technik 2014 AUDI AG AUDI AG trabaja constantemente

Más detalles