Recommandé
Recommandé
Contenu connexe
En vedette
En vedette (9)
Similaire à Cassandra Motores de recomendación Isthari - Datastax
Similaire à Cassandra Motores de recomendación Isthari - Datastax (20)
Dernier
Dernier (15)
Cassandra Motores de recomendación Isthari - Datastax
- 1. Motores recomendación Jerome Ruiz - Datastax Franscisco Ros - Isthari José Hernández - Isthari
- 2. Founded in April 2010 500+ Santa Clara, Austin, New York, London, Paris, Berlin, Tokyo, Melbourne 450+ Employees Customers 30+ Percent DataStax Corporate Overview
- 3. No Vertical Market Concentration
- 4. © 2015 DataStax, All Rights Reserved. DataStax Enterprise is the database for cloud applications (Web, IoT, Mobile) Company Confidential Attributes of a Cloud Application Continuously Available Geographically Distributed Operationally Low Latency Linearly Scalable Immediately Decisive
- 5. 2013 2014 2015 Magic Quadrant for Operational Database Management Systems
- 6. DataStax Use Cases • MDM: Customer 360, Product Catalog • Personalization and Recommendation • Internet of Things (IoT) and Time Series • Computer Security and Fraud Detection • List Management • Messaging • Inventory Management • Authentication © 2015 DataStax, All Rights Reserved. 6
- 7. Netflix Delights Customers with Personal Recommendations World’s leading streaming media provider with digital revenue $1.5BN+ Tailors content delivery based on viewing preference data captured in Cassandra Increased market cap by 600% since 2012 Introduction of ‘Profiles’ drove throughput to over 10M transactions per second Replaced Oracle in six data centers, worldwide, 100% in the cloud Use Case: Personalization 7
- 8. Sistemas de recomendación On-line • Diseño de filtros sobre colecciones de items que interesan a un usuario para sugerir, en tiempo real, productos o contenidos no visualizados. - Creación de perfiles de usuarios, completos, de consumo y navegación. - Implicitos: Registro de acciones de usuario y análisis de items accedidos - Explicitos: Respuestas de usuario sobre temas o productos de interés - Se realizan comparativas entre colecciones de datos de usuarios/productos similares, ofreciendo al usuario recomendaciones de contenidos no vistos
- 9. Sistemas de recomendación On-line. Tipos - Basados en conocimiento, el sistema conoce las preferencias del usuario en base a sus respuestas a cuestiones directas - Contenido, recomendando items no visualizados de un catálogo de items similares - Filtros colaborativos, sugerencias en base a acciones de usuarios con perfiles de consumo similares - Híbridos
- 10. Sistemas de recomendación On-line. Ventajas - Adquirir conocimiento profundo sobre los hábitos de nuestros clientes - Tipo de compra - Reacción ante ofertas - Sensibilidad ante precios, productos, campañas - Predicción y anticipación de las necesidades - Facilita la localización de productos/contenidos, incentivando su consumo - Favorece los procesos de Venta Cruzada - Fidelización de clientes, mejorando la experiencia de usuario
- 11. Estadísticas Netflix: ⅔ películas vistas son recomendadas Amazon: 35% ventas Google News: 38% de clickthroug a partir de recomendación Fuente: Xavier Amatriain, Recommended Systems
- 12. Negocio: Acciones • Recomendaciones en tiempo real (durante la sesión) de productos – Relacionados – Venta cruzada • Parametrización de entornos por cliente • Mailing selectivo con recomendaciones basadas en navegación
- 13. Demo
- 16. Messaging middleware Captura de datos
- 17. Messaging middleware Captura de datos
- 18. Messaging middleware Captura de datos
- 19. Tendencias
- 20. Tendencias
- 22. ITEM - ITEM COLLABORATIVE FILTERING B A
- 23. ITEM - ITEM COLLABORATIVE FILTERING B BA A
- 24. ITEM - ITEM COLLABORATIVE FILTERING B BA A AB
- 25. ITEM - ITEM COLLABORATIVE FILTERING Item 1 Item 2 Item 3 Item 4 User 1 1 1 1 User 2 1 1 1 User 3 1 1 User 4 1
- 27. COEFICIENTE TANIMOTO Item 1 Item 2 Item 3 Item 4 Item 1 1 0.33 0.625 0.625 Item 2 0.33 1 0.375 0.375 Item 3 0.625 0.375 1 0.714 Item 4 0.625 0.375 0.714 1 Na - Han comprado A Nb - Han comprado B Nc - Han comprado A y B
- 28. COEFICIENTE COSENO Item 1 Item 2 Item 3 Item 4 Item 1 1 0.507 0.772 0.772 Item 2 0.507 1 0.707 0.707 Item 3 0.772 0.707 1 0.833 Item 4 0.772 0.707 0.833 1 Na - Han comprado A Nb - Han comprado B Nc - Han comprado A y B
- 29. Recomendaciones usuario Item 1 Item 2 Item 3 Item 4 Item 1 1 0.33 0.625 0.772 Item 2 0.33 1 0.375 0.375 Item 3 0.625 0.375 1 0.714 Item 4 0.625 0.375 0.714 1 X 1 0 0 1 1.772 1.214 1.605 1.772 = Usuario Recomendación
- 31. Ventajas de Cassandra • Escalabilidad lineal
- 32. Ventajas de Cassandra • Escalabilidad lineal • Multi-datacenter
- 33. Ventajas de Cassandra • Escalabilidad lineal • Multi-datacenter • Separación de cargas
- 34. Ventajas de Cassandra • Escalabilidad lineal • Multi-datacenter • Separación de cargas • Wide rows item-10 item-20 ... item-n item-1 3 20 ... 1
- 35. Ventajas de Cassandra • Escalabilidad lineal • Multi-datacenter • Separación de cargas • Wide rows item-10 item-20 ... item-n item-1 3 20 ... 1 item-10 user-22 ... item-n user-1 3 20 ... 1
- 36. Actualización Real-time Item 1 Item 2 Item 3 Item 4 Item 1 1 0.33 0.625 0.772 Item 2 0.33 1 0.375 0.375 Item 3 0.625 0.375 1 0.714 Item 4 0.625 0.375 0.714 1 X 1 1 0 1 1.772 1.214 1.605 1.772 = Usuario Recomendación 0.33 1 0.375 0.375 + Incremento
Notes de l'éditeur
- Buenas tardes a todos y muchas gracias por atender el webinar organizado por nuestro partner Isthari sobre los motores de recomendacion. . Me presento. Soy Jerome Ruiz, y llevo el canal para Datastax en Europa del Oeste. Datastax es la compania detras de la famosa base de datos open source Apache Cassandra. Nuestra compania esta basada en Santa Clara, California y tenemos oficinas en Europa en Londres, Paris y Berlin. Ademas, contamos con una red de partners « certificados », como lo es Isthari en Espana al nivel « Silver », que llamamos «Strategic GTM partners » Fundada en 2010 por Jonathan Ellis y Matt Pfeil, DataStax tiene ya casi quinientos empleados y cuenta como clientes con las empresas mas grandes del mundo en todos los sectores (bancos, distribuccion, energia,etc…).
- Aqui tienen una lista non exhaustiva de clientes globales Es interesante notar que tenemos los grandes del « internet », gente como ebay, Netflix, Google come empresas « tradicionales » como los bancos BNPP ; ING o UB
- Datastax brinda al mercado Datastax Enterprise, la plataforma de base de datos basada en la tecnologia open source Apache Cassandra con funccionalidades y herramientas avanzadas, soporte tecnico (mantenimiento) y certificacion que necesitan las empresas. Nos gusta presentar a Datastax Enterprise como la plataforma de base de datos completa para las aplicaciones « cloud » (en la nube). Me explico ; Que es lo que llamamos una aplicacion « Cloud » ? Es una aplicacion que provee valor en tiempo real y que sea escalable. Esta aplicacion se puede atacar desde diferentes « endpoints » como un « browser », mobiles o maquinas geograficamente distribuidos, tiene muchas transaciones, esta siempre disponible y instantaneamente responsiva. Eso es lo que permite Datastax Enterprise por su arquitectura (Peer to Peer) unica y sus caracteristicas tecnicas : Siempre disponible, (hablamos de « disaster avoidance » , nunca se para ) con Escalabilidad linear, Distribuidida a travers de diferente data centers o en la nube Alto rendimiento tanto en escritura como en lectura de los datos Y facil de operar
- Es increible pensar que solo despues de dos años Datastax has sido nombrado ‘lider’ en el Gartner Magic Quadrant para los Sistemas Administradores de Base de Datos operacionales ! Lo que sale de esta encuesta es que el 72% de los clientes de referencia planean ampliar su compromiso con DataStax durante los próximos 12 meses . Casi la mitad de los clientes de referencia DataStax declaró que DataStax Enterprise es un Sistema Administrador de Base de Datos operacional estándar en su empresa. Esto refleja que DataStax responde a los desafíos modernos de gestión de datos.
- Las aplicaciones creadas usando Datastax Enterprise caen de manera general en uno de los casos de uso siguientes : Internet of Things and Time Series Master Data Management, Product Catalog and Omnichannel Personalization and Recommendations Authentication, Authorization and Entitlements Anti-Fraud and Security Inventory Messaging Lists Estos casos de uso pueden ser considerados como los bloques básicos para construir las aplicaciones. Por ejemplo un sistema de recomendación para servicios financieros podrá combinar el caso de uso Internet of Things (Time Series), el caso de uso MDM, y también el caso de uso de Personalización y Recomendaciones. Las aplicaciones de personalización aprovechan de los datos en tiempo real para crear valor para el negocio. Esto podría manifestarse como una recomendación o experiencia personalizada cuando se trata de seres humanos, o en el caso de maquinas, se trata de vigilancia proactiva disparando alertas para anticipar la falla de los equipos.
- Netflix ha revolucionado la experiencia de sus usuarios con su nuevo servicio de streaming “Watch Now” lanzado en 2007. Netflix recoge y almacena todos los detalles sobre el suscriptor incluyendo los títulos de los que juegan, qué títulos se juegan antes y después, por que abandonan al cabo de cinco minutos de visualización, y donde se detienen. Netflix recoge todos estos puntos de datos para adaptar la experiencia para cada cliente. Netflix adapta entrega de contenido basado en la visualización de los datos de preferencia capturados en DataStax Enterprise. Netflix almacena todo el historial de visualización de los 36 millones de miembros, en DataStax Enterprise. La introducción de "perfiles" impulsó el rendimiento a más de 10 millones de transacciones por segundo. Oracle sustituido en 6 centros de datos, en todo el mundo, 100% en la nube.