Soluciones Big Data & Analytics Miércoles 4 de junio de 2014 Estadio Santiago Bernabeu

Transcripción

1 Saytel Informática S.L. Soluciones Big Data & Analytics Miércoles 4 de junio de 2014 Estadio Santiago Bernabeu Juan Carlos Morán Software & Servicios Saytel jcmoran@saytel.es

2 Agenda Qué es Big Data & Analytics? Actualización del Data Warehouse Diseño de la Solución Análisis de Negocio Cognos: Informes SPSS: Minería de Datos

3 Big Data Es Todos los Datos Volumen Variedad Velocidad Veracidad Datos en enormes Cantidades Datos en Muchos Formatos Datos en Movimiento Datos Poco Fiables

4 Big Data: Propaganda y Realidad Muy poca implantación con datos no estructurados (Web, Redes sociales, etc.) Sólo los grandes y para pruebas Los datos de mayor valor son mis propios datos

5 Datos en Movimiento: IBM Streams Interés en Hospitales Monitorización de datos de pacientes en tiempo real Toma de decisiones en el acto basándose en sistemas expertos

6 Análisis de Datos en la Prensa El análisis, en cabeza. El análisis de datos, las herramientas sociales y la movilidad son los tres aspectos a los que las grandes empresas dedicarán más esfuerzos de inversión a lo largo de 2014 en el área tecnológica. Así se desprende de la Sexta Encuesta sobre el coeficiente digital de las compañías, elaborada por PwC a partir de entrevistas a directivos y líderes de IT de empresas de 11 sectores en 36 países.

7 Qué es Business Analytics? Conocer mi negocio a partir del análisis de datos Me ayuda en la toma de decisiones y en la comprobación de resultados Creación de Promociones Reducción de referencias Apertura de nuevas tiendas, etc., etc. Herramientas ETL (Extracción, Transformación y Carga) Data Warehouse / Data Marts Business Intelligence Minería de Datos

8 Aplique análisis en Procesos de Negocio Clave Crear nuevos modelos de negocio Transformar los procesos de gestión Atraer, crecer, retener clientes Big Analytics Data & Big Data & Analytics Gestionar el riesgo Mejorar la economía en IT Optimizar operativa; anti fraude y riesgos

9 Porqué ahora? Que hay de nuevo? Podemos manejar enormes volúmenes de datos Acceso a gran velocidad Gran capacidad de proceso A un precio razonable

10 Mejores Resultados con el Análisis de los Datos

11 Actualización de Data Warehouse Sustituir Contenedores de Bases de Datos tradicionales por especializados Problemas de Proceso & Espacio Adaptado a Análisis de Datos Crecimientos continuos Facilidad de Gestión

12 Arquitectura Solución Business Analytics CSV XML Data Warehouse XLS ETL IBM InfoSphere Information Server (DataStage) PureData for Analytics IBM DB with BLU Acceleration IBM DB2 for IBM i

13 ETL: InfoSphere Information Server (DataStage) Barra de herramientas Repositorio Menús Lienzo Paleta Logs

14 ETL: InfoSphere Information Server (DataStage) Método sencillo de Programación Programación por Etapas Configuración de las Opciones de las Etapas Interconexión de las Etapas Fácil de mantener

15 Data Warehouse & Data Marts Contenedor de datos Procesamiento de consultas Procesamiento de Analytics In-database Soluciones IBM Power 8 & IBM 10.5 Advanced con BLU Acceleration PureData for Analytics (Poweerd by Netezza)

16 In-memory database Consulta de Datos en memoria Aceleración de Consultas Reduce la necesidad de indexación de datos y almacenamiento de datos pre-agregados en cubos OLAP o tablas agregadas

17 Columnar database Base de Datos que almacena los datos en columnas en vez de registros Tradicional 1, Pérez, Juan, 8000, 2, Sánchez, Luisa, 4000, 3, López, Samuel, 1000 Columnar ID Apellido Nombre Bonus 1 Pérez Juan Sánchez Luisa López Samuel , 2, 3, Pérez, Sánchez, López, Juan, Luisa, Samuel, 8000, 4000, 1000 Puede ser altamente comprimida

18 El Modelo de Datos: OLTP vs Warehouse PROVEEDORES ARTICULOS TICKETS ALMACENES CLIENTES TICKETS TIENDAS LOGISTICA

19 Business Intelligence: IBM Cognos Informes Consultas Gráficas Cuadros de Mando Qué ha pasado? Confirmación de hipótesis

20 Minería de Datos: IBM SPSS Modeler Modelos Predicciones Afinidades Agrupaciones Qué va a pasar? Sin hipótesis: Conocimiento a partir de los datos

21 The Saytel Madrid/Valencia Software Team Unai Fernández DataStage, Netezza, DB BLU Rebeca García DB BLU, Cognos Alberto García DataStage, Netezza, DB BLU Juan Carlos Morán Coordination Inés Rodríguez Notes, Portal & Programación Gemma Moreno RPG & DB2

22 GRACIAS! Saytel Madrid C/Consuegra, 3 Tel Saytel Valencia Más información en: IBM InfoSphere DataStage IBM PureData System for Analytics IBM BLU Acceleration Solution - Power Systems IBM SPSS Modeler Saytel C/Menorca, 19 Planta 6º Oficina 7 Tel Saytel Barcelona C/Pujades, 350 2ª planta Tel Saytel Zaragoza Avda. Gómez Laguna, 25 Planta 9ª Oficina 2ª Tel