2. Founded in April 2010
500+
Santa Clara, Austin, New York, London,
Paris, Berlin, Tokyo, Melbourne
450+
Employees Customers
30+
Percent
DataStax Corporate Overview
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
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.