Juan Carlos Olarte B Innovation and Business Development Management. BIG DATA & ANALYTICS: El Futuro es Ahora

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Juan Carlos Olarte B Innovation and Business Development Management. BIG DATA & ANALYTICS: El Futuro es Ahora"

Elvira Quiroga Cortés
hace 8 años
Vistas:

1 Juan Carlos Olarte B Innovation and Business Development Management BIG DATA & ANALYTICS: El Futuro es Ahora

2 Temas a Tratar Evolución y Tendencias Big Data & Analytics Data Mining, Data Science y Big Data Aplicaciones Analíticas Qué Sigue? Preguntas y Respuestas

3 Evolución y Tendencias Big Data & Analytics

4 Evolución y Tendencias 2013(1): Los Datos son el corazón de Analytics. Business Analytics: Datos para direccionar la estrategia y el desempeño del negocio Inteligencia Colectiva: Acceder al contenido inexplorado de su red (interno y externo), aplicando analítica para compartir pensamientos e ideas se convierte en una ventaja competitiva. Transición de BI hacia algoritmos aplicados que le ofrecen opciones de decisión. No solamente es búsqueda de lo que ocurrió en el pasado, para mirar hacia planeación y modelado predictivo. Analytics pasa de ser un iniciativa a una exigencia de negocio. Combine datos, análisis estadístico, modelado predictivo, Analítica de Medios Sociales con un objetivo claro de negocio.(2)

aplicando analítica para compartir pensamientos e ideas se convierte en una ventaja competitiva. Transición de BI hacia algoritmos aplicados que le ofrecen opciones de decisión.

5 Evolución y Tendencias 2013(1): Crecimiento Exponencial de los Datos: La cantidad de datos generados en el mundo de negocios se duplica cada año, debido a la existencia de dispositivos, máquinas, redes sociales (2) Demanda de nuevas soluciones, herramientas, plataformas. Reto: Combinar: DWH + Datos transaccionales + Logs + Datos de Click Streams de Internet + Social Media + Información Capturada por Sensores ruido = Nueva Ola de Analítica Mejor visualización. Desbloquear el significado oculto en los textos(3). Mejores Decisiones: Optimizar Proceso Operacional: Reglas de Negocio + Optimización + Análisis Predictivo

Reto: Combinar: DWH + Datos transaccionales + Logs + Datos de Click Streams de Internet + Social Media + Información Capturada por Sensores ruido = Nueva

6 #ExperienciaAnalítica2015 Alta 2013(1) Retrospectiva Perspectiva Previsión Analítica Avanzada Gestión de Desempeño Inteligencia de Negocios Gestión de Datos Personas Procesos Tecnología Estrategia y Gobierno Capacidad Analítica del Negocio Baja

Desempeño Inteligencia de Negocios Gestión de Datos Personas

7 Evolución y Tendencias 2014(4): De acuerdo con Jack Phillips y Tom Davenport: 1. Expansión de la Cultura de Negocio basada en los datos. 2. Big Data es solo una parte de Analytics. 3. Moverse de Reporteo a Predicciones. 4. Los equipos analíticos crecen en tamaño e importancia. 5. Rol del Data Warehouse Reducido 6. Poniendo a punto la variedad 7. Sacar provecho de los datos

Big Data es solo una parte de Analytics. 3. Moverse de Reporteo a Predicciones. 4.

8 Evolución y Tendencias 2014(4): Explosión de Big Data: Según Gartner: En 2014, 73% de las compañías han invertido o planeado invertir en soluciones para Big Data Mobile BI Algunos fabricantes exploran BI y Analytics en memoria y en la nube.

o planeado invertir en soluciones para Big Data Mobile BI

9 Evolución y Tendencias 2015(4): Algunas compañías han iniciado con iniciativas de Big Data pero varias no saben qué hacer con ellas es el año de la experimentación con Big Data. La analítica se encuentra fuertemente integrada en los procesos de operaciones y toma de decisiones. El lenguaje de programación de Código Abierto R se está tornando altamente penetrante. Phyton está abriendo la puerta a programadores de propósito general en Analítica Avanzada.

La analítica se encuentra fuertemente integrada en los procesos de operaciones y toma de decisiones.

10 Evolución y Tendencias(2) El análisis correcto El paso indicado La mejor decisión» Un solo lugar

11 Evolución y Tendencias 2015(5 y 6): Incremento de Iniciativas de Gobierno de Datos Chief Data Officer La Visualización Simplificada de los Datos está haciendo que Advanced Analytics sea más accesible a usuarios y se convierte en un requerimiento de negocio. Flujos de datos en tiempo real, y el Internet de las cosas ejecutan Analytics mientras los datos están en movimiento. Aumento en el montaje de Servicios Analíticos en la Nube. La tendencia de In-Database Analytics evita el esfuerzo del ETL Más compañías están adoptando PMML (Predictive Model Markup Language)

Flujos de datos en tiempo real, y el Internet de las cosas ejecutan Analytics mientras los datos están en movimiento.

12 Data Mining, Data Science y Big Data

13 Data Mining No solamente son algoritmos. También llamado por algunos como Business Analytics Predict the Future Resolver problemas de negocio de manera automatizada e inteligente a partir del análisis de los datos Se trabaja sobre altos volúmenes de datos, desde antes del boom de Big Data, pero no TAN altos El enfoque de negocio es la clave.

problemas de negocio de manera automatizada e inteligente a partir del análisis de

14 Data Science Nueva era de TI? Evolución del rol de analista de negocio y de datos. Fuerte visión de negocio, con la habilidad de comunicar hallazgos tanto a líderes de Negocio como de TI, de modo que puede influenciar cómo una organización enfrenta un reto de negocio. No solamente resuelve problemas de negocio, selecciona el problema adecuado que tiene mayor valor para la organización.

como de TI, de modo que puede influenciar cómo una organización enfrenta un reto de negocio.

15 Data Science Enfocada a emplear un conjunto de técnicas y metodologías para proporcionar y comunicar insights valiosos y accionables a partir de los datos crudos(9). Busca optimizar procesos y soportar toma de decisiones mejoradas basada en datos informados(9). Es común la programación en Phyton, R, scripts para preparación de datos, SQL y JavaScript.

Busca optimizar procesos y soportar toma de decisiones mejoradas basada en datos

16 Big Data

17 Big Data Crecimiento exponencial de los datos, generados por humanos y máquinas. 85% de los datos son no estructurados millones de usuarios generando 2,5 millones de publicaciones por minuto (7) Cualquier fuente de datos que tiene al menos estas tres características: Extremadamente altos Volúmenes Extremadamente alta Velocidad Extremadamente amplia Variedad Y la Veracidad?

1300 millones de usuarios generando 2,5 millones de publicaciones por minuto (7) Cualquier

18 Big Data Fuentes de Datos(9) Social Media Big Data Datos Públicos Datos Empresariales Transacciones Datos Sensores

19 Big Data 4 Fases de Adopción (2)

20 Big Data Cómo las empresas se están moviendo(2) La analítica aplicada a Clientes está liderando las iniciativas de Big Data. Big Data está basada en un fundamento escalable y extensible de información. Los esfuerzos iniciales están enfocados en lograr insights a partir de las fuentes internas tanto existentes como nuevas. Big Data requiere fuertes capacidades analíticas. El patrón emergente de la adopción de Big Data se enfoca de proporcionar valor de negocio medible. No se trata de una sola herramienta o tecnología. Se trata de cómo diferentes tecnologías se integran para proporcionar los insights correctos, en el momento correcto, basados en la data correcta. (8)

Los esfuerzos iniciales están enfocados en lograr insights a partir de las fuentes internas tanto existentes como nuevas.

21 Big Data Elementos Clave(8) Virtualización, Procesamiento Paralelo, sistemas distribuidos, bases de datos en memoria, analítica avanzada, han estado disponibles hace años. Hadoop, MapReduce son nuevos Negocios, Ciencias, Investigación, gobierno, han sido disparadores de Big Data. Data en movimiento o data en reposo?

22 Big Data Elementos Clave(8) Análisis en tiempo real sobre datos en movimiento es fuente de ventaja competitiva. Ej. Análisis de calidad de productos durante el proceso de producción. Es la capacidad de manejar altos volúmenes de datos dispersos, a la velocidad adecuada, con el apropiado marco de tiempo para permitir análisis en tiempo real y reacción. Dependiendo del problema que está tratando de resolver se definen los datos necesarios y la arquitectura más relevante.

23 Big Data Ciclo de Gestión (8) Capture Actúe Organice Analice Integre

24 Big Data Ejemplo Arquitectura (8) Antes de diseñarla considerar: Los requerimientos funcionales de negocio a soportar. Desempeño requerido. Tener la redundancia apropiada. Cuánta data a manejar hoy y en el futuro? Data en tiempo real o cercano al tiempo real? Cuánto riesgo se puede tolerar? Qué tan importante es la velocidad para mi necesidad de manejo de datos? Qué tan precisa debe ser la data?

25 Interfaces y fuentes desde/hacia Internet El análisis correcto El paso indicado La mejor decisión» Un solo lugar Big Data Arquitectura(8) Elementos técnicos Big Data Aplicaciones de Big Data Reporteo y Visualización Analítica (Tradicional y Avanzada) Bodegas de Datos (DWH) Analíticas y Data Marts Organizando Bases de datos y Herramientas Bases de datos Operativas (Estructuradas, No Estructuradas, Semi-Estructuradas) Infraestructura de Seguridad Infraestructura Redundante Física Interfaces y fuentes desde/hacia Aplicaciones Internas

26 Big Data Tipos de Análisis (8) Analítica Básica para Insights Analítica Avanzada para Insights Analítica Integrada en Operaciones Analítica Monetizada Análisis multidimensional, reportes, visualización simple, monitoreo básico. Análisis más complejo, como modelado predictivo y otras técnicas para reconocimiento de patrones, sentimientos, redes sociales. Analítica como parte del proceso de negocio. La Analítica es empleada para manejar directamente el ingreso.

27 Aplicaciones Analíticas

28 Aplicaciones Analíticas Nueva tendencia en el SW: Requerimientos funcionales de negocio con analítica. Inclusión de analítica en el core de negocio. Más allá de la operación tradicional, se pretende generar insights en el día a día. Aplicaciones predictivas desplegadas sobre diversas iniciativas.

29 Qué Sigue?

30 Qué Sigue? Pensar, Planear, Actuar (2): Hay opciones en la actualidad para avanzar en su camino analítico. Determine cuál opción tendrá el mayor retorno para su organización. Obtenga lo correcto Información correcta, a la gente apropiada, en el momento preciso, en el adecuado modelo de operación. Considere acceder a datos textuales para dar insights enriquecidos. Alcance Información que no había tenido chance de acceder: Está allí, esperando ser entendida; inicie con datos listos para ser accedidos, con arquitecturas abiertas y escalables. Encuentre el Valor la clave para el éxito analítico.

31 Preguntas y Respuestas

32 Referencias (1) Analytics--What-is-the-Future-of-Business-Analytics.aspx (2) (3) (4) (5) (6) (7) (8) Hurwitz, Nugen, Halper, Kaufman - Big Data For Dummies (2013) (9) Pierson Data Science for Dummies (2015)

Documentos relacionados

Minería de datos en la nube. Patricia Rayón Villela

Minería de datos en la nube. Patricia Rayón Villela Minería de datos en la nube Patricia Rayón Villela 1 Contenido Big-Data BI en la nube Analítica Texto Video Visual 2 Big data Problemas que eran difíciles o imposibles de resolver antes de ahora son manejables.