SlideShare une entreprise Scribd logo
1  sur  49
Télécharger pour lire hors ligne
Plataformas Analíticas como Soporte en la Era del Big Data
Plataformas Analíticas como Soporte en la Era del Big Data
Plataformas Analíticas como Soporte en la Era del Big Data
Plataformas Analíticas como Soporte en
la era del Big Data
Kesber Angulo Sánchez
Consultor de Proyectos
Informese Ltda. Suc. Perú
#ExperienciaAnalítica2015
Agenda
• Big Data
• Big Data Analytics
• El Análisis de Entidades
• La propuesta de IBM
• IBM SPSS Analytics
¿Qué entendemos por Big Data?
BigData
Gestión Inteligente con Analítica 8
Gestión Inteligente con Analítica 10
#ExperienciaAnalítica2015
Servicios
públicos
Comercio al detalle
Aplicación de
la ley
Transporte
Servicios
financieros
TI
Telecomunicaciones
Muchas áreas de oportunidad
Salud y Ciencia
#ExperienciaAnalítica2015
Servicios
Financieros
Predecir comportamiento
de cliente.
 PLA, identificar fraudes
 360° vista del Cliente
 Estudio de las colas largas
de actividad de
transacciones.
 Análisis de los logs de
datos para auditoría interna
y cumplimiento.
Sistemas de
recomendación
Análisis de Entidades
Muchas áreas de oportunidad
¿Qué entendemos por Big Data?
#ExperienciaAnalítica2015
Big Data se define como el conjunto de
herramientas informáticas destinadas a la
manipulación, gestión y análisis de grandes
volúmenes de datos de todo tipo los cuales no
pueden ser gestionados por las herramientas
informáticas tradicionales.
BIG DATA
#ExperienciaAnalítica2015
¿Las 3 V’s del Big Data?
Gestión Inteligente con Analítica 15
Gestión Inteligente con Analítica 16
#ExperienciaAnalítica2015
Hadoop es un sistema de
código abierto que se utiliza
para almacenar, procesar y
analizar grandes volúmenes
de datos
Hadoop es capaz de
almacenar toda clase de
datos: estructurados, no
estructurados,
semiestructurados; archivos
de registro, imágenes, video,
audio, comunicación, etc.
¿Qué es HADOOP?
Gestión Inteligente con Analítica 17
#ExperienciaAnalítica2015
Sistema de fichero
distribuido, escalabilidad
y disponibilidad debido a
la replicación de los
datos y tolerancia a
fallos.
Arquitectura:
Gestión Inteligente con Analítica 18
Proceso batch creado
para el proceso distribuido
de los datos. Permite
paralelizar el trabajo sobre
los grandes volúmenes de
datos.
#ExperienciaAnalítica2015
Arquitectura de Hadoop
Gestión Inteligente con Analítica 19
Query es enviado
al nodo master
Nodo Master usa el
proceso “Map” para
asignar los sub-job a los
nodos esclavos
Nodos Esclavos pueden
aun asignar a otros nodos
esclavos
Los sub-job son ejecutados
en paralelo en cada nodo en
los cluster contra los datos en
los nodos locales
Los esclavos completan su
trabajo y devuelven los
resultados al nodo maestro
El nodo maestro
“ensambla” los resultados
usan el proceso “Reduce”
Usuario envía un
query via una
interface/aplicación
Datos es dividido
y almacenado en
HDFS
Datos en HDFS
es distribuido en
numerosos
nodos (sistema
tolerante a fallos)
HDFS tiene un
nodo maestro y
numerosos
nodos esclavos
Nodo Maestro
almacena el meta
dato y nodos
esclavos los
bloques de datos
Nodo Maestro y
nodos esclavos/datos
residen en sevidores
commodity
Cada nodo/servidor
ofrece
almacenamiento y
procesamiento local
Social
Feeds
GIS Data
Imagenes
Social
Feeds
World
Events
Document
s, XML
Email,
otros no-
estr.
Logs
Auditoria
Market
Events
Web logs
Data
Fields,
RFID
CCTV
Footage
Name Node &
Job Tracker
(master)
#ExperienciaAnalítica2015
Gestión Inteligente con Analítica 20
¿Qué es Big Data Analytics?
Gestión Inteligente con Analítica 21
#ExperienciaAnalítica2015
Big data analytics is the process of examining big data to
uncover hidden patterns, unknown correlations and other useful
information that can be used to make better decisions.
With big data analytics, data scientists and others can analyze
huge volumes of data that conventional analytics and business
intelligence solutions can't touch.
Big Data Analytics
Gestión Inteligente con Analítica 22
#ExperienciaAnalítica2015
Las 3 V’s del Big Data
Gestión Inteligente con Analítica 23
#ExperienciaAnalítica2015
La cuarta “V”: La Veracidad
• Nivel de fiabilidad
• Requisito y reto importante
• La imprevisibilidad no se puede eliminar
#ExperienciaAnalítica2015
Un problema…
¿Cómo toma esa
decisión?
¿Es posible cuantificar
ese riesgo?
¿Qué fuentes dispone?
¿Cuán confiables son?
#ExperienciaAnalítica2015
Un problema…
Unificación y
consistencia de datos
#ExperienciaAnalítica2015
Información en contexto…y acumulado
Bases de
datos
judiciales
joseT@spss.com
Perfil Redes
Sociales
Centrales de
Riesgo
Base de datos
clientes
Bases de datos
migraciones
#ExperienciaAnalítica2015
Retos
• Información faltante
• Coherencia
• Análisis de datos
El Análisis de Entidades
Entity Analytics
#ExperienciaAnalítica2015
Entity Analytics
El análisis de entidades se centra en mejorar la coherencia de los datos
actuales mediante la resolución de conflictos de identidades dentro de los
propios registros.
#ExperienciaAnalítica2015
¿Cómo se puede aplicar?
• Fraude
• Reclamaciones de seguros
• Solicitud de prestamos
• Cobro de cheque en ventanillas
• Reclutamiento e investigación
• Contratación de funcionarios.
• Investigación de declaraciones.
• Calidad de datos
• Unificación de la cartera de clientes
#ExperienciaAnalítica2015
De esa forma…
Mr. Joseph Carbella
55 Church Street
New York, NY 10007
Tel#: 212-693-5312
DOB: 07/08/66
SID#: 068588345
DL#: 544 210 836
ACCT # 2310322
DDA
Registros
Civiles Dep.
#ExperienciaAnalítica2015
Mr. Joseph Carbella
55 Church Street
New York, NY 10007
Tel#: 212-693-5312
DOB: 07/08/66
SID#: 068588345
DL#: 544 210 836
ACCT # 2310322
DDA
Mr. Joe Jones
APT 4909
Bethesda, MD 20814
Tel#: 978-365-6631
DOB: 09/07/66
TRUST FUND
Mr. Joe Carbello
1 Bourne St
Clinton MA 01510
TEL#: 978-365-6631
DL#: 544 210 836
DOB: 07/09/66
ACCT #3292322
CREDIT CARDS
Mr. Joey Carbello
555 Church Ave
New York, NY 10070
Tel#: 212-693-5312
DL#: 544 210 836
PPN#: 086588345
ACCT #494202
MORTGAGE Coincidencia Cercana
Coincidencia Exacta
De esa forma…
Registros
Civiles Dep.
Registros
Públicos
Ente
Recaudador
Seguro Social
#ExperienciaAnalítica2015
#ExperienciaAnalítica2015
 EA les permitirá…
 Personas, Asociaciones
políticas, empresas.
 Se pueden agregar nuevas
entidades y características
 IBM SPSS Única tecnología
comercial de este tipo que
se puede desplegar el
mismo día que se instala.
En Resumen…
La propuesta de IBM
#ExperienciaAnalítica2015
BI /
Reporting
BI /
Reporting
Exploration /
Visualization
Functional
App
Industry
App
Predictive
Analytics
Content
Analytics
Analytic Applications
IBM Big Data Platform
Systems
Management
Application
Development
Visualization
& Discovery
Accelerators
Information Integration, Data Quality &
Governance
Hadoop
System
Stream
Computing
Data
Warehouse
Volume, Variety
Cost-effectively
process and analyze
any type of data
Velocity
Analyze data-in-motion
to produce insights in
micro-seconds
Visibility
Understand, find, and
navigate federated big
data
Volume
Purpose-built offerings
High-performance
appliances and software
Veracity
Trusted information
Parallel processing for
high-volume integration
Analytics
Analyze, predict and
automate for more
accurate answers
Estrategia de IBM Big Data
#ExperienciaAnalítica2015
BI /
Reporting
BI /
Reporting
Exploration /
Visualization
Functional
App
Industry
App
Predictive
Analytics
Content
Analytics
Analytic Applications
IBM Big Data Platform
Systems
Management
Application
Development
Visualization
& Discovery
Accelerators
Information Integration, Data Quality &
Governance
Hadoop
System
Stream
Computing
Master Data Management
Databases & Tools
Data
Warehouse
IBM proporciona una plataforma complete para soportar esta evolución.
Visualization
& Discovery
Hadoop
System
Volume, Variety
• InfoSphere BigInsights
• Pure Data for Hadoop
Velocity
• InfoSphere Streams
Visibility
InfoSphere Data Explorer
Data
Warehouse
Volume
• Pure Data for Analytics
• DB2 BLU
• InfoSphere Warehouse
Veracity
• IBM InfoSphere
Information Server
• Data Quality
Analytics
• Cognos BI (in-memory)
• Cognos Real-Time
• SPSS Modeler
• SPSS Analytic Server
• Social Media Analytics
IBM SPSS Analytics para Big Data
Gestión Inteligente con Analítica 39
#ExperienciaAnalítica2015
• SPSS Modeler
• SPSS C&D Services
• SPSS Analytic Server
• SPSS Analytic Catalyst (*)
Plataforma IBM SPSS: Integran a Big Data
#ExperienciaAnalítica2015
IBM SPSS Modeler
Gestión Inteligente con Analítica 41
#ExperienciaAnalítica2015
IBM SPSS Collaboration & Deployment
(C&D)
Gestión Inteligente con Analítica 42
▪ Colaborativo
– Comparte y almacene rutas,
modelos o resultados.
– Trabajar con multiples fuentes
de datos (históricas y en
tiempo real)
 Automatizado
– Programe modelos analíticos
basado en tiempo o eventos
– Controle procesos analiticos y
auditelos.
– Actualice y reconstruya
modelos para asegurar el
rendimiento.
 Despligue
– Implemente analitica con sus
procesos de negocios
– Calificación en tiempo real o
por lotes
#ExperienciaAnalítica2015
• Permite aprovechar los datos almacenados en Hadoop
mediante el uso de IBM SPSS Modeler, permitiendo
capacidades de Big Data Analytics.
• Proporciona:
• Soporte para las diversas distribuciones de Hadoop
(InfoSphereBigInsigths, Cloudera, Hortonsworks y Apache)
• Interface que permite incorporar algoritmos estadísticos
diseñados para ir a los datos.
• Una interface familiar que oculta el entorno de big data para
que el analista se enfoque en analizar los datos.
• Una solución escalable a problemas de casi cualquier tamaño.
IBM SPSS Analytic Server
#ExperienciaAnalítica2015
IBM SPSS Analytic Server
Gestión Inteligente con Analítica 44
Big Data
Request
Stream File
Modeler Client Modeler Server
IBM SPSS Modeler
IBM SPSS
Analytic Server
Hadoop Job
Analytics
IBM InfoSphere BigInsights
& Other Hadoop Distributions
Relational Database
SQL / UDF
IBM SPSS Analytic Catalyst
Analytic Catalyst
Browser Client
Analytic Catalyst
Tablet Client
#ExperienciaAnalítica2015
• Proporciona una plataforma analítica predictiva integrada
y accesible que fue diseñada para big data.
• Distribución de procesamiento analítico en ambientes de
Hadoop con soporte para IBM InfoSphere BigInsights,
Cloudera, Hortonworks y Apache
• Permite a los usuarios acceder a data estructurada y no
estructurada (RDBMS, Hadoop, social media, etc).
IBM SPSS Modeler y Analytic Server
Gestión Inteligente con Analítica 45
#ExperienciaAnalítica2015
Ejemplo de IBM SPSS Modeler con IBM SPSS
Analytic Server mostrando la integración con R.
Casos de Éxito: Big Data Analytics
#ExperienciaAnalítica2015
• Necesidad:
• Evitar los casos de fraude mediante
una aplicación que pueda hacerlo en
tiempo real.
• Manejan información a través de PC,
teléfonos como medios de pago en
miles de sitios web.
• Poder predecir donde podría suceder
fraude antes que…en alguno de los
90MM de navegadores conectados al
sitio en un día dado.
• Situación Actual:
• PayPal maneja filtros de administración de
fraudes: revisión por su monto, origen u
otros factores.
• PayPal (y Amazon) desarrollaron
herramientas que dependen de grandes
conjuntos de datos (IP, información del
navegador, y demás datos técnicos para
refinar los modelos para predecir, identificar
y prevenir actividades fraudulentas.
#ExperienciaAnalítica2015
• Firma global de servicios
financieros
estadounidense, sede New
York.
• 42 países, + 1300 oficinas,
+ 60K empleados.
• Corporaciones
multinacionales,
gobiernos, instituciones
financieras y particulares.
• + US$ 300MM en activos
• Hadoop desde 2010
• Usan Hadoop para rastrear toda su
web y bases de datos en busca de
registros que indiquen la posibilidad
de que aparezca cualquier
problema…Los problemas se
descubren en tiempo real y se
dispone de la trazabilidad completa
sobre: quien hizo que, cómo, cuándo
y qué causo el problema.
• Morgan Stanley Smith Barney
(MSSB), creada 2009 y gestiona 1.7
trillones de dólares en activos para
los 4M de clientes.
• Recomienda sus inversiones en
acciones, bonos, y renta fija.
• Informes de analistas, datos públicos y
sociales.
• Todo se emplea en recomendaciones
de comprar y vender accione sobre la
base de las posiciones en tiempo real y
las condiciones del mercado.
Plataformas Analíticas como Soporte en la Era del Big Data

Contenu connexe

Tendances

Big Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidadesBig Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidadesJuan Quispe Culqui
 
BDAS-2017 | Big Data y Retail: fidelizando a mis clientes en un entorno compe...
BDAS-2017 | Big Data y Retail: fidelizando a mis clientes en un entorno compe...BDAS-2017 | Big Data y Retail: fidelizando a mis clientes en un entorno compe...
BDAS-2017 | Big Data y Retail: fidelizando a mis clientes en un entorno compe...Big-Data-Summit
 
Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"
Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"
Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"DMC Perú
 
BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin p...
BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin p...BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin p...
BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin p...Big-Data-Summit
 
BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción econó...
BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción econó...BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción econó...
BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción econó...Big-Data-Summit
 
Social Intelligence, BI para Social (español)
Social Intelligence, BI para Social  (español)Social Intelligence, BI para Social  (español)
Social Intelligence, BI para Social (español)Stratebi
 
Data Science - Analítica Predictiva y Evolución de BI
Data Science - Analítica Predictiva y Evolución de BIData Science - Analítica Predictiva y Evolución de BI
Data Science - Analítica Predictiva y Evolución de BIPatricio Del Boca
 
Paradigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadas
Paradigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadasParadigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadas
Paradigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadasBig-Data-Summit
 
2016 ULL Cabildo KEEDIO - Como se empieza
2016 ULL Cabildo KEEDIO - Como se empieza2016 ULL Cabildo KEEDIO - Como se empieza
2016 ULL Cabildo KEEDIO - Como se empiezaKEEDIO
 
BDAS-2017 | IoT Analytics: Analítica de datos provenientes del Internet de la...
BDAS-2017 | IoT Analytics: Analítica de datos provenientes del Internet de la...BDAS-2017 | IoT Analytics: Analítica de datos provenientes del Internet de la...
BDAS-2017 | IoT Analytics: Analítica de datos provenientes del Internet de la...Big-Data-Summit
 
Big data la explosión de datos que está cambiando el marketing y los negocios...
Big data la explosión de datos que está cambiando el marketing y los negocios...Big data la explosión de datos que está cambiando el marketing y los negocios...
Big data la explosión de datos que está cambiando el marketing y los negocios...Juan Carlos Mejía Llano
 
BDAS-2017 | Deep Learning para Extracción de Valor en Contenidos Digitales
BDAS-2017 | Deep Learning para Extracción de Valor en Contenidos DigitalesBDAS-2017 | Deep Learning para Extracción de Valor en Contenidos Digitales
BDAS-2017 | Deep Learning para Extracción de Valor en Contenidos DigitalesBig-Data-Summit
 
2016 ULL Cabildo KEEDIO - BigData
2016 ULL Cabildo KEEDIO - BigData2016 ULL Cabildo KEEDIO - BigData
2016 ULL Cabildo KEEDIO - BigDataKEEDIO
 
Big data en entornos corporativos - CommCorp
Big data en entornos corporativos - CommCorpBig data en entornos corporativos - CommCorp
Big data en entornos corporativos - CommCorpGrupo DIRCOM
 
CRM y Big Data: el nuevo cliente vitaminado
CRM y Big Data: el nuevo cliente vitaminadoCRM y Big Data: el nuevo cliente vitaminado
CRM y Big Data: el nuevo cliente vitaminadoAndres Karp
 
Evolución a Big Data en la empresa no tecnológica
Evolución a Big Data en la empresa no tecnológicaEvolución a Big Data en la empresa no tecnológica
Evolución a Big Data en la empresa no tecnológicaUOC Sede de Madrid
 

Tendances (20)

Big Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidadesBig Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidades
 
BDAS-2017 | Big Data y Retail: fidelizando a mis clientes en un entorno compe...
BDAS-2017 | Big Data y Retail: fidelizando a mis clientes en un entorno compe...BDAS-2017 | Big Data y Retail: fidelizando a mis clientes en un entorno compe...
BDAS-2017 | Big Data y Retail: fidelizando a mis clientes en un entorno compe...
 
Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"
Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"
Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"
 
BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin p...
BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin p...BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin p...
BDAS-2017 | Conozca la plataforma ideal para un procesamiento analítico sin p...
 
BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción econó...
BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción econó...BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción econó...
BDAS-2017 | Big Bilbao: Big Data e Internet of Things para la promoción econó...
 
Social Intelligence, BI para Social (español)
Social Intelligence, BI para Social  (español)Social Intelligence, BI para Social  (español)
Social Intelligence, BI para Social (español)
 
Business Intelligence vs. BiG Data
Business Intelligence vs. BiG DataBusiness Intelligence vs. BiG Data
Business Intelligence vs. BiG Data
 
Data Science - Analítica Predictiva y Evolución de BI
Data Science - Analítica Predictiva y Evolución de BIData Science - Analítica Predictiva y Evolución de BI
Data Science - Analítica Predictiva y Evolución de BI
 
Paradigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadas
Paradigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadasParadigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadas
Paradigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadas
 
2016 ULL Cabildo KEEDIO - Como se empieza
2016 ULL Cabildo KEEDIO - Como se empieza2016 ULL Cabildo KEEDIO - Como se empieza
2016 ULL Cabildo KEEDIO - Como se empieza
 
BDAS-2017 | IoT Analytics: Analítica de datos provenientes del Internet de la...
BDAS-2017 | IoT Analytics: Analítica de datos provenientes del Internet de la...BDAS-2017 | IoT Analytics: Analítica de datos provenientes del Internet de la...
BDAS-2017 | IoT Analytics: Analítica de datos provenientes del Internet de la...
 
Hablemos de Big Data
Hablemos de Big DataHablemos de Big Data
Hablemos de Big Data
 
Big data la explosión de datos que está cambiando el marketing y los negocios...
Big data la explosión de datos que está cambiando el marketing y los negocios...Big data la explosión de datos que está cambiando el marketing y los negocios...
Big data la explosión de datos que está cambiando el marketing y los negocios...
 
BDAS-2017 | Deep Learning para Extracción de Valor en Contenidos Digitales
BDAS-2017 | Deep Learning para Extracción de Valor en Contenidos DigitalesBDAS-2017 | Deep Learning para Extracción de Valor en Contenidos Digitales
BDAS-2017 | Deep Learning para Extracción de Valor en Contenidos Digitales
 
2016 ULL Cabildo KEEDIO - BigData
2016 ULL Cabildo KEEDIO - BigData2016 ULL Cabildo KEEDIO - BigData
2016 ULL Cabildo KEEDIO - BigData
 
Big data en entornos corporativos - CommCorp
Big data en entornos corporativos - CommCorpBig data en entornos corporativos - CommCorp
Big data en entornos corporativos - CommCorp
 
CRM y Big Data: el nuevo cliente vitaminado
CRM y Big Data: el nuevo cliente vitaminadoCRM y Big Data: el nuevo cliente vitaminado
CRM y Big Data: el nuevo cliente vitaminado
 
Business intelligence y Big Data en la ciudad
Business intelligence y Big Data en la ciudadBusiness intelligence y Big Data en la ciudad
Business intelligence y Big Data en la ciudad
 
Big data
Big dataBig data
Big data
 
Evolución a Big Data en la empresa no tecnológica
Evolución a Big Data en la empresa no tecnológicaEvolución a Big Data en la empresa no tecnológica
Evolución a Big Data en la empresa no tecnológica
 

En vedette

Métodos Predictivos: Aplicación a la Detección de Fraudes en Tarjetas De Crédito
Métodos Predictivos: Aplicación a la Detección de Fraudes en Tarjetas De CréditoMétodos Predictivos: Aplicación a la Detección de Fraudes en Tarjetas De Crédito
Métodos Predictivos: Aplicación a la Detección de Fraudes en Tarjetas De CréditoDMC Perú
 
Soluciones de Big Data en el Entorno Analítico de SAS
Soluciones de Big Data en el Entorno Analítico de SASSoluciones de Big Data en el Entorno Analítico de SAS
Soluciones de Big Data en el Entorno Analítico de SASDMC Perú
 
Big Data Analytics: Automatización de Modelos Predictivos
Big Data Analytics: Automatización de Modelos PredictivosBig Data Analytics: Automatización de Modelos Predictivos
Big Data Analytics: Automatización de Modelos PredictivosDMC Perú
 
Data Visualization & Data Storytelling
Data Visualization & Data StorytellingData Visualization & Data Storytelling
Data Visualization & Data StorytellingBig-Data-Summit
 
Modelos Predictivos, Big Data Retos y Generación de nuevas soluciones
Modelos Predictivos, Big Data Retos y Generación de nuevas solucionesModelos Predictivos, Big Data Retos y Generación de nuevas soluciones
Modelos Predictivos, Big Data Retos y Generación de nuevas solucionesBig-Data-Summit
 
Big Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo Cambiante
Big Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo CambianteBig Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo Cambiante
Big Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo CambianteBig-Data-Summit
 
Big y Open Data para las Smart Cities
Big y Open Data para las Smart CitiesBig y Open Data para las Smart Cities
Big y Open Data para las Smart CitiesBig-Data-Summit
 
Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...
Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...
Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...Big-Data-Summit
 
Explorando los Límites de la Predicción
Explorando los Límites de la PredicciónExplorando los Límites de la Predicción
Explorando los Límites de la PredicciónBig-Data-Summit
 
Big Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidadesBig Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidadesBig-Data-Summit
 
Data Science: De la Matemática a la Práctica
Data Science: De la Matemática a la PrácticaData Science: De la Matemática a la Práctica
Data Science: De la Matemática a la PrácticaBig-Data-Summit
 
Convergencia de Analítica con la Experiencia Digital
Convergencia de Analítica con la Experiencia DigitalConvergencia de Analítica con la Experiencia Digital
Convergencia de Analítica con la Experiencia DigitalBig-Data-Summit
 

En vedette (12)

Métodos Predictivos: Aplicación a la Detección de Fraudes en Tarjetas De Crédito
Métodos Predictivos: Aplicación a la Detección de Fraudes en Tarjetas De CréditoMétodos Predictivos: Aplicación a la Detección de Fraudes en Tarjetas De Crédito
Métodos Predictivos: Aplicación a la Detección de Fraudes en Tarjetas De Crédito
 
Soluciones de Big Data en el Entorno Analítico de SAS
Soluciones de Big Data en el Entorno Analítico de SASSoluciones de Big Data en el Entorno Analítico de SAS
Soluciones de Big Data en el Entorno Analítico de SAS
 
Big Data Analytics: Automatización de Modelos Predictivos
Big Data Analytics: Automatización de Modelos PredictivosBig Data Analytics: Automatización de Modelos Predictivos
Big Data Analytics: Automatización de Modelos Predictivos
 
Data Visualization & Data Storytelling
Data Visualization & Data StorytellingData Visualization & Data Storytelling
Data Visualization & Data Storytelling
 
Modelos Predictivos, Big Data Retos y Generación de nuevas soluciones
Modelos Predictivos, Big Data Retos y Generación de nuevas solucionesModelos Predictivos, Big Data Retos y Generación de nuevas soluciones
Modelos Predictivos, Big Data Retos y Generación de nuevas soluciones
 
Big Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo Cambiante
Big Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo CambianteBig Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo Cambiante
Big Data e Internet de las Cosas: Nuevas Tecnologías para un Mundo Cambiante
 
Big y Open Data para las Smart Cities
Big y Open Data para las Smart CitiesBig y Open Data para las Smart Cities
Big y Open Data para las Smart Cities
 
Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...
Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...
Descubrimiento de Insights a través de Text Mining: cómo y para qué analizar ...
 
Explorando los Límites de la Predicción
Explorando los Límites de la PredicciónExplorando los Límites de la Predicción
Explorando los Límites de la Predicción
 
Big Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidadesBig Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidades
 
Data Science: De la Matemática a la Práctica
Data Science: De la Matemática a la PrácticaData Science: De la Matemática a la Práctica
Data Science: De la Matemática a la Práctica
 
Convergencia de Analítica con la Experiencia Digital
Convergencia de Analítica con la Experiencia DigitalConvergencia de Analítica con la Experiencia Digital
Convergencia de Analítica con la Experiencia Digital
 

Similaire à Plataformas Analíticas como Soporte en la Era del Big Data

J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...COIICV
 
Presentacion A10 Big Data_Alteryx_Cloudera
Presentacion A10 Big Data_Alteryx_Cloudera Presentacion A10 Big Data_Alteryx_Cloudera
Presentacion A10 Big Data_Alteryx_Cloudera Analytics10
 
01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptx01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptxJuanCarlosRomanPerez1
 
Big-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxBig-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxJavierNavarrete43
 
Industrializacionde la IA Maria Borbones
Industrializacionde la IA Maria BorbonesIndustrializacionde la IA Maria Borbones
Industrializacionde la IA Maria BorbonesWiMLDS_Madrid
 
Operations & Data Graph
Operations & Data GraphOperations & Data Graph
Operations & Data GraphNeo4j
 
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...Pentaho
 
Big Data: conceptos generales e impacto en los negocios
Big Data: conceptos generales e impacto en los negociosBig Data: conceptos generales e impacto en los negocios
Big Data: conceptos generales e impacto en los negociosCelestino Güemes Seoane
 
Programa Superior en Big Data
Programa Superior en Big DataPrograma Superior en Big Data
Programa Superior en Big DataICEMD
 
Entregable final Analítica de Datos
Entregable final Analítica de DatosEntregable final Analítica de Datos
Entregable final Analítica de Datosale sierra
 
Marcos Macedo Entregable final Analítica de Datos
Marcos Macedo Entregable final Analítica de DatosMarcos Macedo Entregable final Analítica de Datos
Marcos Macedo Entregable final Analítica de DatosMarcos Macedo
 
Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015Peter Kroll
 
Inteligencia de Negocios BI
Inteligencia de Negocios BIInteligencia de Negocios BI
Inteligencia de Negocios BIfabian fernandez
 

Similaire à Plataformas Analíticas como Soporte en la Era del Big Data (20)

J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
 
Presentacion A10 Big Data_Alteryx_Cloudera
Presentacion A10 Big Data_Alteryx_Cloudera Presentacion A10 Big Data_Alteryx_Cloudera
Presentacion A10 Big Data_Alteryx_Cloudera
 
01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptx01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptx
 
Big-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxBig-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptx
 
Industrializacionde la IA Maria Borbones
Industrializacionde la IA Maria BorbonesIndustrializacionde la IA Maria Borbones
Industrializacionde la IA Maria Borbones
 
Operations & Data Graph
Operations & Data GraphOperations & Data Graph
Operations & Data Graph
 
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...
 
Business Analytics 101
Business Analytics 101Business Analytics 101
Business Analytics 101
 
Introducción Business Intelligence
Introducción Business IntelligenceIntroducción Business Intelligence
Introducción Business Intelligence
 
ppt inteligencia de trabajo.pdf
ppt inteligencia de trabajo.pdfppt inteligencia de trabajo.pdf
ppt inteligencia de trabajo.pdf
 
Big Data: conceptos generales e impacto en los negocios
Big Data: conceptos generales e impacto en los negociosBig Data: conceptos generales e impacto en los negocios
Big Data: conceptos generales e impacto en los negocios
 
Juantomás - Unir PDP en Inteligencia Artificial 2020
Juantomás - Unir PDP en Inteligencia Artificial 2020Juantomás - Unir PDP en Inteligencia Artificial 2020
Juantomás - Unir PDP en Inteligencia Artificial 2020
 
BigData.pptx
BigData.pptxBigData.pptx
BigData.pptx
 
BigData.pptx
BigData.pptxBigData.pptx
BigData.pptx
 
Programa Superior en Big Data
Programa Superior en Big DataPrograma Superior en Big Data
Programa Superior en Big Data
 
Entregable final Analítica de Datos
Entregable final Analítica de DatosEntregable final Analítica de Datos
Entregable final Analítica de Datos
 
2.3
2.32.3
2.3
 
Marcos Macedo Entregable final Analítica de Datos
Marcos Macedo Entregable final Analítica de DatosMarcos Macedo Entregable final Analítica de Datos
Marcos Macedo Entregable final Analítica de Datos
 
Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015
 
Inteligencia de Negocios BI
Inteligencia de Negocios BIInteligencia de Negocios BI
Inteligencia de Negocios BI
 

Plus de DMC Perú

DMC Talk - Blockchain Stamping
DMC Talk - Blockchain StampingDMC Talk - Blockchain Stamping
DMC Talk - Blockchain StampingDMC Perú
 
DMC Talk - Presentacion Voicebots
DMC Talk - Presentacion VoicebotsDMC Talk - Presentacion Voicebots
DMC Talk - Presentacion VoicebotsDMC Perú
 
Perfiles profesionales en analytics - DMC Perú
Perfiles profesionales en analytics - DMC Perú Perfiles profesionales en analytics - DMC Perú
Perfiles profesionales en analytics - DMC Perú DMC Perú
 
Sistema recomendador - DMC 2018
Sistema recomendador - DMC 2018Sistema recomendador - DMC 2018
Sistema recomendador - DMC 2018DMC Perú
 
Democratización de ciencia de datos
Democratización de ciencia de datosDemocratización de ciencia de datos
Democratización de ciencia de datosDMC Perú
 
Relación Entre Big Data, Data Mining y Estadística
Relación Entre Big Data, Data Mining y EstadísticaRelación Entre Big Data, Data Mining y Estadística
Relación Entre Big Data, Data Mining y EstadísticaDMC Perú
 
Relación Entre Big Data, Data Mining y Estadística
Relación Entre Big Data, Data Mining y EstadísticaRelación Entre Big Data, Data Mining y Estadística
Relación Entre Big Data, Data Mining y EstadísticaDMC Perú
 
Caso netflix
Caso netflixCaso netflix
Caso netflixDMC Perú
 
Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.
Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.
Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.DMC Perú
 
Tendencias Recientes en Data Mining
Tendencias Recientes en Data MiningTendencias Recientes en Data Mining
Tendencias Recientes en Data MiningDMC Perú
 
¿Que es el Text Mining?
¿Que es el Text Mining?¿Que es el Text Mining?
¿Que es el Text Mining?DMC Perú
 

Plus de DMC Perú (12)

DMC Talk - Blockchain Stamping
DMC Talk - Blockchain StampingDMC Talk - Blockchain Stamping
DMC Talk - Blockchain Stamping
 
DMC Talk - Presentacion Voicebots
DMC Talk - Presentacion VoicebotsDMC Talk - Presentacion Voicebots
DMC Talk - Presentacion Voicebots
 
Perfiles profesionales en analytics - DMC Perú
Perfiles profesionales en analytics - DMC Perú Perfiles profesionales en analytics - DMC Perú
Perfiles profesionales en analytics - DMC Perú
 
Sistema recomendador - DMC 2018
Sistema recomendador - DMC 2018Sistema recomendador - DMC 2018
Sistema recomendador - DMC 2018
 
Democratización de ciencia de datos
Democratización de ciencia de datosDemocratización de ciencia de datos
Democratización de ciencia de datos
 
Relación Entre Big Data, Data Mining y Estadística
Relación Entre Big Data, Data Mining y EstadísticaRelación Entre Big Data, Data Mining y Estadística
Relación Entre Big Data, Data Mining y Estadística
 
Relación Entre Big Data, Data Mining y Estadística
Relación Entre Big Data, Data Mining y EstadísticaRelación Entre Big Data, Data Mining y Estadística
Relación Entre Big Data, Data Mining y Estadística
 
Caso netflix
Caso netflixCaso netflix
Caso netflix
 
Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.
Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.
Text Mining: Segmentaciónd de Usuarios de Twitter. Lima Metropolitana.
 
Web Mining
Web MiningWeb Mining
Web Mining
 
Tendencias Recientes en Data Mining
Tendencias Recientes en Data MiningTendencias Recientes en Data Mining
Tendencias Recientes en Data Mining
 
¿Que es el Text Mining?
¿Que es el Text Mining?¿Que es el Text Mining?
¿Que es el Text Mining?
 

Dernier

Familias más ricas de AL en la historia (2024).pdf
Familias más ricas de AL en la historia (2024).pdfFamilias más ricas de AL en la historia (2024).pdf
Familias más ricas de AL en la historia (2024).pdfJC Díaz Herrera
 
Familias más ricas de México en la historia (2024) .pdf
Familias más ricas de México en la historia (2024) .pdfFamilias más ricas de México en la historia (2024) .pdf
Familias más ricas de México en la historia (2024) .pdfJC Díaz Herrera
 
RED DE PARQUES NACIONALES DANIELA CASAS 4ºB
RED DE PARQUES NACIONALES DANIELA CASAS 4ºBRED DE PARQUES NACIONALES DANIELA CASAS 4ºB
RED DE PARQUES NACIONALES DANIELA CASAS 4ºBdanihouses0609
 
BOLETÍN HEMEROGRÁFICO-FEBRERO 2024, ICV-.pdf
BOLETÍN HEMEROGRÁFICO-FEBRERO 2024, ICV-.pdfBOLETÍN HEMEROGRÁFICO-FEBRERO 2024, ICV-.pdf
BOLETÍN HEMEROGRÁFICO-FEBRERO 2024, ICV-.pdfIrapuatoCmovamos
 
Países el alto ingreso y stock per cápita en América Latina (1819-2024).pdf
Países el alto ingreso y stock  per cápita en América Latina (1819-2024).pdfPaíses el alto ingreso y stock  per cápita en América Latina (1819-2024).pdf
Países el alto ingreso y stock per cápita en América Latina (1819-2024).pdfJC Díaz Herrera
 
Tinkercad Mikaela Lagos- Skarleth Ayala .
Tinkercad Mikaela Lagos- Skarleth Ayala .Tinkercad Mikaela Lagos- Skarleth Ayala .
Tinkercad Mikaela Lagos- Skarleth Ayala .mikalagos1roa
 
Trabajo herramientas informáticas trabajo pestel.pdf
Trabajo herramientas informáticas trabajo pestel.pdfTrabajo herramientas informáticas trabajo pestel.pdf
Trabajo herramientas informáticas trabajo pestel.pdfjggaratep
 

Dernier (7)

Familias más ricas de AL en la historia (2024).pdf
Familias más ricas de AL en la historia (2024).pdfFamilias más ricas de AL en la historia (2024).pdf
Familias más ricas de AL en la historia (2024).pdf
 
Familias más ricas de México en la historia (2024) .pdf
Familias más ricas de México en la historia (2024) .pdfFamilias más ricas de México en la historia (2024) .pdf
Familias más ricas de México en la historia (2024) .pdf
 
RED DE PARQUES NACIONALES DANIELA CASAS 4ºB
RED DE PARQUES NACIONALES DANIELA CASAS 4ºBRED DE PARQUES NACIONALES DANIELA CASAS 4ºB
RED DE PARQUES NACIONALES DANIELA CASAS 4ºB
 
BOLETÍN HEMEROGRÁFICO-FEBRERO 2024, ICV-.pdf
BOLETÍN HEMEROGRÁFICO-FEBRERO 2024, ICV-.pdfBOLETÍN HEMEROGRÁFICO-FEBRERO 2024, ICV-.pdf
BOLETÍN HEMEROGRÁFICO-FEBRERO 2024, ICV-.pdf
 
Países el alto ingreso y stock per cápita en América Latina (1819-2024).pdf
Países el alto ingreso y stock  per cápita en América Latina (1819-2024).pdfPaíses el alto ingreso y stock  per cápita en América Latina (1819-2024).pdf
Países el alto ingreso y stock per cápita en América Latina (1819-2024).pdf
 
Tinkercad Mikaela Lagos- Skarleth Ayala .
Tinkercad Mikaela Lagos- Skarleth Ayala .Tinkercad Mikaela Lagos- Skarleth Ayala .
Tinkercad Mikaela Lagos- Skarleth Ayala .
 
Trabajo herramientas informáticas trabajo pestel.pdf
Trabajo herramientas informáticas trabajo pestel.pdfTrabajo herramientas informáticas trabajo pestel.pdf
Trabajo herramientas informáticas trabajo pestel.pdf
 

Plataformas Analíticas como Soporte en la Era del Big Data

  • 4. Plataformas Analíticas como Soporte en la era del Big Data Kesber Angulo Sánchez Consultor de Proyectos Informese Ltda. Suc. Perú
  • 5. #ExperienciaAnalítica2015 Agenda • Big Data • Big Data Analytics • El Análisis de Entidades • La propuesta de IBM • IBM SPSS Analytics
  • 9. Gestión Inteligente con Analítica 10
  • 10. #ExperienciaAnalítica2015 Servicios públicos Comercio al detalle Aplicación de la ley Transporte Servicios financieros TI Telecomunicaciones Muchas áreas de oportunidad Salud y Ciencia
  • 11. #ExperienciaAnalítica2015 Servicios Financieros Predecir comportamiento de cliente.  PLA, identificar fraudes  360° vista del Cliente  Estudio de las colas largas de actividad de transacciones.  Análisis de los logs de datos para auditoría interna y cumplimiento. Sistemas de recomendación Análisis de Entidades Muchas áreas de oportunidad
  • 13. #ExperienciaAnalítica2015 Big Data se define como el conjunto de herramientas informáticas destinadas a la manipulación, gestión y análisis de grandes volúmenes de datos de todo tipo los cuales no pueden ser gestionados por las herramientas informáticas tradicionales. BIG DATA
  • 14. #ExperienciaAnalítica2015 ¿Las 3 V’s del Big Data? Gestión Inteligente con Analítica 15
  • 15. Gestión Inteligente con Analítica 16
  • 16. #ExperienciaAnalítica2015 Hadoop es un sistema de código abierto que se utiliza para almacenar, procesar y analizar grandes volúmenes de datos Hadoop es capaz de almacenar toda clase de datos: estructurados, no estructurados, semiestructurados; archivos de registro, imágenes, video, audio, comunicación, etc. ¿Qué es HADOOP? Gestión Inteligente con Analítica 17
  • 17. #ExperienciaAnalítica2015 Sistema de fichero distribuido, escalabilidad y disponibilidad debido a la replicación de los datos y tolerancia a fallos. Arquitectura: Gestión Inteligente con Analítica 18 Proceso batch creado para el proceso distribuido de los datos. Permite paralelizar el trabajo sobre los grandes volúmenes de datos.
  • 18. #ExperienciaAnalítica2015 Arquitectura de Hadoop Gestión Inteligente con Analítica 19 Query es enviado al nodo master Nodo Master usa el proceso “Map” para asignar los sub-job a los nodos esclavos Nodos Esclavos pueden aun asignar a otros nodos esclavos Los sub-job son ejecutados en paralelo en cada nodo en los cluster contra los datos en los nodos locales Los esclavos completan su trabajo y devuelven los resultados al nodo maestro El nodo maestro “ensambla” los resultados usan el proceso “Reduce” Usuario envía un query via una interface/aplicación Datos es dividido y almacenado en HDFS Datos en HDFS es distribuido en numerosos nodos (sistema tolerante a fallos) HDFS tiene un nodo maestro y numerosos nodos esclavos Nodo Maestro almacena el meta dato y nodos esclavos los bloques de datos Nodo Maestro y nodos esclavos/datos residen en sevidores commodity Cada nodo/servidor ofrece almacenamiento y procesamiento local Social Feeds GIS Data Imagenes Social Feeds World Events Document s, XML Email, otros no- estr. Logs Auditoria Market Events Web logs Data Fields, RFID CCTV Footage Name Node & Job Tracker (master)
  • 20. ¿Qué es Big Data Analytics? Gestión Inteligente con Analítica 21
  • 21. #ExperienciaAnalítica2015 Big data analytics is the process of examining big data to uncover hidden patterns, unknown correlations and other useful information that can be used to make better decisions. With big data analytics, data scientists and others can analyze huge volumes of data that conventional analytics and business intelligence solutions can't touch. Big Data Analytics Gestión Inteligente con Analítica 22
  • 22. #ExperienciaAnalítica2015 Las 3 V’s del Big Data Gestión Inteligente con Analítica 23
  • 23. #ExperienciaAnalítica2015 La cuarta “V”: La Veracidad • Nivel de fiabilidad • Requisito y reto importante • La imprevisibilidad no se puede eliminar
  • 24. #ExperienciaAnalítica2015 Un problema… ¿Cómo toma esa decisión? ¿Es posible cuantificar ese riesgo? ¿Qué fuentes dispone? ¿Cuán confiables son?
  • 26. #ExperienciaAnalítica2015 Información en contexto…y acumulado Bases de datos judiciales joseT@spss.com Perfil Redes Sociales Centrales de Riesgo Base de datos clientes Bases de datos migraciones
  • 28. El Análisis de Entidades Entity Analytics
  • 29. #ExperienciaAnalítica2015 Entity Analytics El análisis de entidades se centra en mejorar la coherencia de los datos actuales mediante la resolución de conflictos de identidades dentro de los propios registros.
  • 30. #ExperienciaAnalítica2015 ¿Cómo se puede aplicar? • Fraude • Reclamaciones de seguros • Solicitud de prestamos • Cobro de cheque en ventanillas • Reclutamiento e investigación • Contratación de funcionarios. • Investigación de declaraciones. • Calidad de datos • Unificación de la cartera de clientes
  • 31. #ExperienciaAnalítica2015 De esa forma… Mr. Joseph Carbella 55 Church Street New York, NY 10007 Tel#: 212-693-5312 DOB: 07/08/66 SID#: 068588345 DL#: 544 210 836 ACCT # 2310322 DDA Registros Civiles Dep.
  • 32. #ExperienciaAnalítica2015 Mr. Joseph Carbella 55 Church Street New York, NY 10007 Tel#: 212-693-5312 DOB: 07/08/66 SID#: 068588345 DL#: 544 210 836 ACCT # 2310322 DDA Mr. Joe Jones APT 4909 Bethesda, MD 20814 Tel#: 978-365-6631 DOB: 09/07/66 TRUST FUND Mr. Joe Carbello 1 Bourne St Clinton MA 01510 TEL#: 978-365-6631 DL#: 544 210 836 DOB: 07/09/66 ACCT #3292322 CREDIT CARDS Mr. Joey Carbello 555 Church Ave New York, NY 10070 Tel#: 212-693-5312 DL#: 544 210 836 PPN#: 086588345 ACCT #494202 MORTGAGE Coincidencia Cercana Coincidencia Exacta De esa forma… Registros Civiles Dep. Registros Públicos Ente Recaudador Seguro Social
  • 34. #ExperienciaAnalítica2015  EA les permitirá…  Personas, Asociaciones políticas, empresas.  Se pueden agregar nuevas entidades y características  IBM SPSS Única tecnología comercial de este tipo que se puede desplegar el mismo día que se instala. En Resumen…
  • 36. #ExperienciaAnalítica2015 BI / Reporting BI / Reporting Exploration / Visualization Functional App Industry App Predictive Analytics Content Analytics Analytic Applications IBM Big Data Platform Systems Management Application Development Visualization & Discovery Accelerators Information Integration, Data Quality & Governance Hadoop System Stream Computing Data Warehouse Volume, Variety Cost-effectively process and analyze any type of data Velocity Analyze data-in-motion to produce insights in micro-seconds Visibility Understand, find, and navigate federated big data Volume Purpose-built offerings High-performance appliances and software Veracity Trusted information Parallel processing for high-volume integration Analytics Analyze, predict and automate for more accurate answers Estrategia de IBM Big Data
  • 37. #ExperienciaAnalítica2015 BI / Reporting BI / Reporting Exploration / Visualization Functional App Industry App Predictive Analytics Content Analytics Analytic Applications IBM Big Data Platform Systems Management Application Development Visualization & Discovery Accelerators Information Integration, Data Quality & Governance Hadoop System Stream Computing Master Data Management Databases & Tools Data Warehouse IBM proporciona una plataforma complete para soportar esta evolución. Visualization & Discovery Hadoop System Volume, Variety • InfoSphere BigInsights • Pure Data for Hadoop Velocity • InfoSphere Streams Visibility InfoSphere Data Explorer Data Warehouse Volume • Pure Data for Analytics • DB2 BLU • InfoSphere Warehouse Veracity • IBM InfoSphere Information Server • Data Quality Analytics • Cognos BI (in-memory) • Cognos Real-Time • SPSS Modeler • SPSS Analytic Server • Social Media Analytics
  • 38. IBM SPSS Analytics para Big Data Gestión Inteligente con Analítica 39
  • 39. #ExperienciaAnalítica2015 • SPSS Modeler • SPSS C&D Services • SPSS Analytic Server • SPSS Analytic Catalyst (*) Plataforma IBM SPSS: Integran a Big Data
  • 41. #ExperienciaAnalítica2015 IBM SPSS Collaboration & Deployment (C&D) Gestión Inteligente con Analítica 42 ▪ Colaborativo – Comparte y almacene rutas, modelos o resultados. – Trabajar con multiples fuentes de datos (históricas y en tiempo real)  Automatizado – Programe modelos analíticos basado en tiempo o eventos – Controle procesos analiticos y auditelos. – Actualice y reconstruya modelos para asegurar el rendimiento.  Despligue – Implemente analitica con sus procesos de negocios – Calificación en tiempo real o por lotes
  • 42. #ExperienciaAnalítica2015 • Permite aprovechar los datos almacenados en Hadoop mediante el uso de IBM SPSS Modeler, permitiendo capacidades de Big Data Analytics. • Proporciona: • Soporte para las diversas distribuciones de Hadoop (InfoSphereBigInsigths, Cloudera, Hortonsworks y Apache) • Interface que permite incorporar algoritmos estadísticos diseñados para ir a los datos. • Una interface familiar que oculta el entorno de big data para que el analista se enfoque en analizar los datos. • Una solución escalable a problemas de casi cualquier tamaño. IBM SPSS Analytic Server
  • 43. #ExperienciaAnalítica2015 IBM SPSS Analytic Server Gestión Inteligente con Analítica 44 Big Data Request Stream File Modeler Client Modeler Server IBM SPSS Modeler IBM SPSS Analytic Server Hadoop Job Analytics IBM InfoSphere BigInsights & Other Hadoop Distributions Relational Database SQL / UDF IBM SPSS Analytic Catalyst Analytic Catalyst Browser Client Analytic Catalyst Tablet Client
  • 44. #ExperienciaAnalítica2015 • Proporciona una plataforma analítica predictiva integrada y accesible que fue diseñada para big data. • Distribución de procesamiento analítico en ambientes de Hadoop con soporte para IBM InfoSphere BigInsights, Cloudera, Hortonworks y Apache • Permite a los usuarios acceder a data estructurada y no estructurada (RDBMS, Hadoop, social media, etc). IBM SPSS Modeler y Analytic Server Gestión Inteligente con Analítica 45
  • 45. #ExperienciaAnalítica2015 Ejemplo de IBM SPSS Modeler con IBM SPSS Analytic Server mostrando la integración con R.
  • 46. Casos de Éxito: Big Data Analytics
  • 47. #ExperienciaAnalítica2015 • Necesidad: • Evitar los casos de fraude mediante una aplicación que pueda hacerlo en tiempo real. • Manejan información a través de PC, teléfonos como medios de pago en miles de sitios web. • Poder predecir donde podría suceder fraude antes que…en alguno de los 90MM de navegadores conectados al sitio en un día dado. • Situación Actual: • PayPal maneja filtros de administración de fraudes: revisión por su monto, origen u otros factores. • PayPal (y Amazon) desarrollaron herramientas que dependen de grandes conjuntos de datos (IP, información del navegador, y demás datos técnicos para refinar los modelos para predecir, identificar y prevenir actividades fraudulentas.
  • 48. #ExperienciaAnalítica2015 • Firma global de servicios financieros estadounidense, sede New York. • 42 países, + 1300 oficinas, + 60K empleados. • Corporaciones multinacionales, gobiernos, instituciones financieras y particulares. • + US$ 300MM en activos • Hadoop desde 2010 • Usan Hadoop para rastrear toda su web y bases de datos en busca de registros que indiquen la posibilidad de que aparezca cualquier problema…Los problemas se descubren en tiempo real y se dispone de la trazabilidad completa sobre: quien hizo que, cómo, cuándo y qué causo el problema. • Morgan Stanley Smith Barney (MSSB), creada 2009 y gestiona 1.7 trillones de dólares en activos para los 4M de clientes. • Recomienda sus inversiones en acciones, bonos, y renta fija. • Informes de analistas, datos públicos y sociales. • Todo se emplea en recomendaciones de comprar y vender accione sobre la base de las posiciones en tiempo real y las condiciones del mercado.