En esta sesión analizaremos los principales retos que enfrentan las organizaciones para aumentar su agilidad, y veremos cómo se pueden superar por medio de una combinación de personas, procesos y tecnología.

1. Data as a Service
Alberto Méndez

2. Agenda Evolución del Big Data
Data as a Service
¿Y MongoDB?
35 minutos

3. Evolución del Big Data

4. Revolución Cognitiva
Desarrollo del lóbulo prefrontral
Razonamiento
Lenguaje
70,000
A.C.
Era Recolector-Cazador
Aparecen las primeras pinturas
rupestres y con ello la primera prueba
de almacenaje de información.
35,000
A.C.

5. Expandir conocimiento rapidamente
Preservar conocimiento sobre generaciones
Construir sobre el conocimiento ya almacenado

6. Revolución de la
agricultura
Se desarrolla la escritura
Al principio eran scripts
5,000 -
3,000
A.C.
Biblioteca de Alejandría
1er DataSet de la humanidad
Alejandría es una gran ejemplo de ala
importancia de la acumulación de la
información
300 A.C.
DataSets
Astronómico
Microscopico
Quantum
1,600 - 1,900
D.C.

7. Era de la Información
Nacimiento de la Web
1986 - 2.6 Exabytes
1993 - 15.8 Exabytes
Aparecen los primeros
buscadores
1990
Web 2.0
2007 - 300 Exabytes (Web 2.0)
2007
Popularización de los
Sensores
2000 - 55 Exabytes
Popularización de la Web 1.0
2000

8. Punto de Inflexión para el Big Data
2020 - 44 Zetabytes
2025 - 200 Zetabytes
2020
IoT
2013 - 4.5 Zetabyes
2013

9. Link Data
Democratización de la información
2030 - 1 Yotabytes
2030

10. Data as a Service

11. ¿Qué es Data as a Service?
Consolidación Disponibilidad

12. Cómo simplificar lo complejo

13. Cuando hablamos de generar ingresos a partir de datos, no estamos
hablando de vender conjuntos de datos en efectivo. La monetización de
datos es mucho más profunda que eso. Se trata de recopilar y empaquetar
información de datos de manera que ofrezca y permita los mejores
resultados de su clase - Jonathan Greene
DaaS para monetizar el Big Data

14. DaaS para monetizar el Big Data

15. DaaS para monetizar el Big Data

16. DaaS para monetizar el Big Data

17. ¿Y MongoDB?

18. MongoDB ODL

19. ODL para DaaS
Realización de la capa de datos de
MongoDB:
• Desbloquea el valor de los datos
almacenados en silos y sistemas
legados.
• impulsa la integración rápida e
iterativa de las fuentes de datos
para nuevas aplicaciones y
existentes
• apoya los esfuerzos del gobierno de
datos empresariales
• Desarrolla una experiencia profunda
y de mejores prácticas
Integración
de fuentes
de datos
Construcción
de APIs
Carga de
datos y
Streaming
Offload de
sistemas
legados
Análisis de
datos
Gobierno de
datos

20. Discover
Develop
& Deploy
ODL is a system of innovation
for iterating on new
requirements.
Repeat these steps to:
Add new access patterns and
consuming apps
Enrich with additional
data sources
Modify
Consuming
Systems
Merge, Test &
Reconcile
Load &
Standardize
Evolve
ODL
Capabilities
Maintenance
Processes
Deployment
Validation
Development
Validation
Infrastructure
Design
Develop
Data Model
Appoint
Data Stewards
Identify
Data
Producers
Identify
Data
Consumers
Define Scope
Metodología para la construcción del ODL

21. • Una moderna capa de datos operacionales es un
trampolín para la implementación ágil de nuevos
requisitos del negocio.
• Los servicios profesionales de MongoDB ayudan a
impulsar la innovación a través de un programa
estructurado que facilita la creación de prototipos y
el desarrollo de nuevas funciones y aplicaciones.
Scope Generate
Refine
ImplementValidate
Optimize
Establish Optimize
Application
Activities
Program Activities
Sistema de Innovación

22. Ridículamente
sencillo trabajar con
datos
Inteligentemente
poner los datos
donde se necesite
Libertad
Plataforma Inteligente Operacional de Datos
Tecnología:
La Plataforma MongoDB

23. La mejor forma de trabajar con datos
Fácil FlexibleRápido Versátil

24. Fácil
La mejor forma de trabajar con datos

25. Rápido
La mejor forma de trabajar con datos

26. Flexible
La mejor forma de trabajar con datos

27. Versátil
La mejor forma de trabajar con datos

28. Disponibilidad Escalabilidad Cargas de trabajo
aisladas
Data Locality
Poner los datos donde se necesiten

29. Poner los datos donde se necesiten
Disponibilidad

30. Escalabilidad
Poner los datos donde se necesiten

31. Cargas de trabajo
aisladas
Poner los datos donde se necesiten

32. Data Locality
Poner los datos donde se necesiten

33. Libertad de correr en cualquier lugar
Portabilidad Cobertura Global No Vendor Lock-
In

34. Portabilidad
Libertad de correr en cualquier lugar

35. Cobertura Global
Libertad de correr en cualquier lugar

36. No Vendor Lock-
In
Libertad de correr en cualquier lugar

37. Beneficios de mejorar tu estrategia DaaS
3-5x
Productividad del
desarollador y
velocidad de
innovación
Hasta 70%
reducción de
costos y riesgos
en los sistemas
críticos

39. Bibliografia
• Rocket Source (www.rocketsource.com)
• Leading change (www.emarketer.com)
• Internet Trends Report 2018 de Kleiner Perkins
• Retail Systems & Accenture Research
• Wikipedia (https://en.wikipedia.org/wiki/Linked_data)
• Wikipedia (https://en.wikipedia.org/wiki/bigdata)
• Wikipedia (https://en.wikipedia.org/wiki/scurve)
• MongoDB Inc. infografias (www.mongodb.com)
• El poder de los hábitos por Charles Duhigg
• Sapiens: A Brife History of Humankind by Yuval Noah Harari

40. Gracias!

41. Apéndice

42. Casos de uso
Analytics
Mainframe
Offloading
Single View
New apps

43. Single View
Make unified data available
for real-time visibility across
the business
Casos de uso

44. Mainframe
Offload
Reduce workload on legacy
systems to improve
performance, cut costs, and
deliver new applications
Casos de uso

45. Analytics
Spark integration enables
stream processing. Serves
analytics into live
operational processes.
Provides real-time insights
based on freshest data
Casos de uso

46. New apps
Mobile apps, AI/ML,
recommendation engines,
and more – new innovations
from existing data are in
reach
Casos de uso

47. ● Be the disruptor, not the disrupted
● Unleash innovation
● Leverage all of your data
● Optimize cost, risk, and ROI
Beneficios de conseguir DaaS