Keynote Summit Panama 2016 - La revolución de los datos
•Descargar como PPTX, PDF•
0 recomendaciones•419 vistas
http://pa.summit.solidq.com Presentación durante el SolidQ Summit Panama City 2016
Recomendados
Recomendados
Más contenido relacionado
Más de SolidQ
Más de SolidQ (20)
Último
Último (10)
Keynote Summit Panama 2016 - La revolución de los datos
- 1. #SQSummit La Revolución de los Datos Antonio Soto Corporate COO asoto@solidq.com
- 2. Sponsors del SolidQ Summit Panamá
- 3. Contenido de la sesión • Tendencias y retos • La Analítica Avanzada • La quinta V • Predicciones de Gartner • Analytics of Things
- 4. Tendencias que están cambiando el mundo
- 5. El reto en la gestión de datos Los usuarios necesitan acceso más rápido a más datos. Necesitamos tener en línea mucho histórico ¿Y si no es posible esperar a cerrar el día para analizar ventas? Más histórico para comparar y detector patrones Billones de filas por Segundo que debemos de analizar rápidamente Muchos más datosConsultas más Rápidas Transacciones más rápidas
- 6. ¿Por qué nos debemos de preocupar por los datos? 59% De las empresas consideran los datos y la analítica vitales para el funcionamiento de sus organizaciones 60% Dicen que sus datos están generando ingresos dentro de sus organizaciones 69% Dice que disponen de casos de negocio para invertir en explorar nuevas vías de añadir valor a través de los datos 83% Dicen los datos convierten a servicios y productos existentes más rentables
- 8. La Analítica avanzada Más allá de Business Intelligence ¿Qué pasó? ¿Por qué pasó? ¿Qué pasará? ¿Cómo podemos lograr que ocurra? BI Tradicional Advanced Analytics
- 10. Las 4 V….. Volumen Velocidad Variedad Variabilidad … y la quinta V: Visualización
- 11. La quinta V… Visualización
- 12. Nube de Predicciones de Gartner
- 13. Estrategia de la información • En 2020 el 10% de las empresas tendrá un área encargada de producir y comercializar sus activos de información • Hasta 2019, el 90% de las grandes organizaciones tendrá un CDO (Chief Data Officer) • En 2020, IoT y el negocio digital liderarán los requisitos en un 25% de la gobernanza de información
- 14. Analytics of Things • Analítica descriptiva • Analítica de diagnosis • Predicción • Prescripción • Analítica automatizada
- 15. También puedes preguntar tus dudas con el hashtag #SQSummit en Twitter ADAPTIVE BI FRAMEWORK Te ayudaremos a mejorar la velocidad de desarrollo de tu plataforma de analítica de negocio basada en nuestra experiencia: •Diseña antes de construir •Automatización de procesos por ETL •Servicios de mentoring para ayudarte a conseguir mejores prácticas para la construcción de procesos específicos y plataformas de analítica de negocio •Muy fácil de mantener SOLIDQ FLEX SERVICES Con SolidQ Flex Services evitarás sustos, consiguiendo que tus sistemas sean estables. Desde una solución sencilla de monitorización, hasta un servicio de atención de incidencias 24/7, mantenimiento proactivo, resolución de problemas y línea de soporte. Todo con un coste fijo mensual… y tú dedica el tiempo a las cosas importantes. ¡Gracias!
- 16. AGENDA
Notas del editor
- Cada vez más datos, en menos tiempo, de diferentes tipos y requiriendo resultados en cada vez menos tiempo (tiempo real). ¿Solución? ¿es posible con tecnologías existentes?
- The IoT already produces massive amounts of data. It’s time to start dealing with it. Is Fog and Edge Computing inevitable? What happens when the cloud isn’t enough? This is a modern problem if there ever was one. Experts are saying 2016 will mark the rise of a new system: fog computing. Fogging involves extending cloud computing to the edge of a network. It helps end devices and data centers work together better. Fog computing is one answer to several questions. In fact, the term “fog computing” is a recent creation of Cisco, and is often interchanged with “edge computing”. The “edge” simply refers to points nearer where data is produced than to the database and centralized processing centers. This means the edge of a network, or even access-providing devices like routers The Role and Effect of The Fog The IoT and interest in big data means that the future will hold a lot of data, physically. Many are already wondering where to put all of it. From smart phones to driverless cars to wearables, everything is generating exponentially more information. The current life of regular web server hardware is almost six years. For components related to cloud servers, that number plummets to around two years. For the businesses gathering and harnessing data, that is not only cumbersome, but expensive. It means dealing with more parts more often. It means being stuck in upkeep instead of investing. In a proper edge computing system, regular web server components could live up to eight years. A study from Wikibon also found that cloud-only computing was far costlier than cloud with edge computing. For companies large and small, that could make a huge difference, both in the short and long run of technology. Another problem within cloud computing is speed. The people fully analyzing data aren’t average folks, but major enterprises looking for quick insight and help in making split-second decisions. Some data is most useful right after it is collected. Days or weeks later, it may not hold the same weight. Edge computing affords the chance to analyze data before sending it off for collection, making that data exponentially more valuable. For example, a hacker or breach will be caught much more quickly when analysis occurs near the source. Waiting for that data to transfer back to a centralized data center wastes precious time. Data thinning is the process of removing unnecessary data. It strips away the noise to show what really matters. Given that we create 2.5 quintillion bytes of data every day, that small step may become invaluable in the future. Driverless cars, for example, create a lot of data that doesn’t need to be stored forever. One car might create petabytes of data a year—images of every single line and bumper it crosses—and that’s not necessarily useful. Especially when it comes to the IoT, more will not always equal better. Fog computing can also address problems in robotics. Drones examining an area collect vast amounts of data. Transmitting that data quickly, however, is not easy. Receiving instructions from the control center simply wastes time. Pacific Northwest National Laboratory research scientist, Ryan LaMothe, explained some of the perks of edge computing to Government Technology. He argues that computations need to happen on devices, themselves, rather than the center they relay data to: “[Devices] need to be able to figure out who is in their area and they need to understand the context of their mission, and then take that data and send it to the human in the field who needs that data right at that time. It’s ultimately to make the human emergency response significantly more efficient.” Fog computing also allows for better overall remote management. Companies in charge of oil, gas or logistics may find that computing at the edge saves time, money, and creates new opportunities. The speed with which data can be analyzed also adds a level of safety. Any information that may indicate a hazardous situation should be analyzed as close to the edge as possible. For some, the future of the cloud will inevitably involve fog computing. Princeton already boasts their own Edge Lab, directed by Mung Chiang, co-founder of the Open Fog Consortium. His paper on Fog Networking offers four reasons that fog computing is necessary in today’s world: it offers real-time processing and cyber-physical system control, helps apps better fulfill users’ requirements, pools local resources, and allows for rapid innovation and affordable scaling. Will The Fog Take Over The Cloud? There will be drawbacks with fog computing, not the least of which is slow industry adaption. With some companies vying to reach the finish line first, and others dragging their feet, it will be some time before the fog is fully and properly implemented. Denny Strigl, former CEO of Verizon Wireless and lecturer in the Princeton electrical engineering department, notes that it took nearly 20 years for the industry to adopt a proper, easily maneuvered wireless system. He even describes the process as “very painful.” While fog computing may be here to stay, it will not be implemented overnight. Questions about security make up the brunt of remaining qualms against the fog. Safety will continue to be a major topic in data and the IoT, and adding even more points of vulnerability along the chain makes companies and consumers nervous. Without a doubt, there is certain amount of safety achieved when all data can be kept together. That is something the fog will have to face. The final problem is far more human in nature: confusion. Adding yet another layer of complexity makes some worry that people and systems simply won’t be prepared to handle it. Though businesses may be wary to adapt, it is unlikely to slow the fog down in the long run. Fog computing is one of those solutions that affects nearly everyone—from technology to entertainment to retail and advertising. There is no doubt it will continue to develop, the real question is how, and who will the major players be.
- http://data-informed.com/microsofts-shridhar-talks-excel-2013-big-data-trends/ http://www.tylervigen.com/ Correlación vs. Causalidad: Es suficiente solo con buscar correlaciones entre datos? Podemos ir más allá? Debemos de ir más allá? Qué valor aporta al negocio correlaciones de datos sin causalidad? Esa es la diferencia entre el análisis de datos y la “Ciencia de Datos” ese es el motivo por el que son tan difíciles de encontrar profesionales de Data Science y por lo que están bien pagados. Conjugan el conocimiento del dominio con el conocimiento de técnicas de análisis de datos. Es probable que en el verano los datos de consumo de helados y de ahogados estén correlacionados, pero difícilmente existe una causalidad entre ellos
- Big data spans three dimensions: Volume, Velocity ,Variety , Variability Volume – Big data comes in one size: large. Enterprises are awash with data, easily amassing terabytes and even petabytes of information. Velocity – Often time-sensitive, big data must be used as it is streaming in to the enterprise in order to maximize its value to the business. Variety – Big data extends beyond structured data, including unstructured data of all varieties: text, audio, video, click streams, log files and more. Variability 1. Volumen: Ahí va un ejemplo que particularmente me encanta: un motor a reacción de un avión comercial genera aproximadamente 10Tb cada 30 minutos de vuelo. De este modo, un Boing 747 con 4 motores podría generar unos 640Tb en un vuelo transatlántico de 8 horas. Repito, ¡un único vuelo! No está nada mal, ¿verdad? :) 2. Velocidad: Algunos datos tienen una latencia del orden de milisegundos (streams financieros, información de sensores) mientras que otros tienen latencia de horas (datos agregados de orígenes externos). 3. Variedad: Integración de datos estructurados (bases de datos relacionales, hojas de Excel) con datos no estructurados o semi-estructurados, como pueden ser información de logs, información transaccional de diferentes sistemas, documentos de texto o imágenes y sonidos en formato binario. Todo ello forma parte de los datos usados en un entorno de Big Data.
- http://dupress.com/articles/five-types-of-analytics-of-things/ Desde SolidQ llevamos años predicando en las organizaciones a moverse desde la analítica descriptiva (Reporting, BI) a otros tipos de analítica más avanzados (predictivo y prescriptivo).