SlideShare una empresa de Scribd logo
1 de 9
Instituto de Educación Superior
Tecnológico Privado CIBERTEC
CURSO: Big Data
Alumno: Luis Cuadra Midzuaray
1. Identificar una problemática en una
empresa u organización gubernamental.
Los procesos de Préstamos Multired y
tarjetas de crédito del Banco de la Nación no
es eficiente. Los usuarios tienen que ponerse
en contacto con atención al cliente o esperar
a fin de mes para comprobar su historial de
transacciones. Esto está provocando al
banco tener poco control de sus gastos y
también los hizo más vulnerables al fraude.
Además, ante el crecimiento de la banca
privada es importante que el Banco de la
Nación mejore su oferta para poder satisfacer
las necesidades cambiantes de esta nueva
generación.
2. Definición de Iniciativa de Proyecto de Big Data
Implementar una solución de Big Data que
permita hacer un análisis mucho más rápido ya
que hay más usuarios de banca digital quienes
producen información de manera constante. Con
estas mejoras el banco podrá brindar un mejor y
rápido servicio de préstamos a sus clientes,
disminuirá el tiempo de aprobación de los
créditos, y ofrecerá más seguridad y comodidad a
los usuarios de Préstamos Multired y tarjetas de
crédito.
3. Sustentar las 5 V's del Big Data en el Proyecto
 VOLUMEN: Se cuenta con la información de los millones de usuarios del banco. Datos históricos de hace 4 años sin procesar que ocupa
espacio en el almacenamiento, incluso si no se optimiza este espacio el banco necesitaría comprar más almacenamiento.
Se cuenta también con la interacción de los usurarios de redes sociales que siguen al banco, las llamadas telefónicas de atención, ventas
o reclamos de los clientes.
 VELOCIDAD: Actualmente hay mucho más usuarios de banca digital por lo que es necesario procesar la información en menos tiempo
posible. Ésta solución big data del Banco de la Nación podrá optimizar el procesamiento de datos (HDFS o Spark), como también permitirá
la liberación de espacio de almacenamiento y hacer análisis por lotes.
 VARIEDAD: los datos provienen de soportes, plataformas y herramientas, bases de datos, registros y hojas de cálculo, y también entre
otras fuentes como XML, JSON, imágenes o video
 VERACIDAD: Reportes de EEFF, estadísticas y estudios económicos que son publicados en la web de la Superintendencia de Banca y
Seguros y AFP
 VALOR: permitirá mejorar en la gestión y establecer estrategias óptimas, impulsará la aceptación por parte de los clientes de las nuevas
iniciativas de productos financieros del banco. También se liberará más espacio en el almacenamiento, lo que acelerará los informes al
hacer que haya más datos optimizados disponibles, reduciendo el tiempo de espera en un 50% aproximadamente.
4. Identificar las Fuentes de Origen, tipos de
datos y ubicación de almacenamiento
ITEM ORIGEN DEL DATO DATO TIPO DE DATO UBICACIÓN
1
registro de los clientes de cuentas
de ahorros, crédito, hipoteca,
pensionistas
estructurado base de datos TI
2 redes sociales del banco No estructurado html Operaciones
3 llamadas de satisfaccion estructurado json o xml TI
4
llamada de entrada y salida (lo
registra el operador)
estructurado json o xml TI
5
Audio de las llamadas de
atención, ventas o reclamos de
clientes
No estructurado TI
6 formularios de registro estructurado json o xml agencias fisicas
7 emails corporativos estructurado html Operaciones
5. Definir el tipo de Procesamiento a
utilizar (Lotes, Streaming, Lambda)
Teniendo en cuenta el costo, soporte y con la
tecnología e infraestructura que cuenta
actualmente el banco, los datos serán
procesados por lotes.
Registro de los
clientes
Redes sociales
Llamadas
telefónicas
Formulario de
registro
Emails
corporativos
INGESTA ALMACENAMIENTO PROCESAMIENTO TRATAMIENTO
6. Definir las herramientas a utilizar en cada fase del Proyecto
7. Desarrollar al menos 3 actividades o procesos
relacionados a la Iniciativa del Proyecto
 Con el auge de la banca privada y el compromiso digital, es necesario
que el Banco de la Nación mejoren sus ofertas para que sigan siendo
competitivos, para esto se contactará con la plataforma de datos
empresariales de Cloudera y ver las alternativas disponibles de
solución.
 Se visitará las instalaciones de los data centers del Banco que fue
inaugurado en el 2014, para constatar con qué hardware y software se
cuenta.
 Una vez contactado con Cloudera, se implementará una moderna
plataforma para el aprendizaje automático y que ayuda a mejorar el
servicio al cliente y la detección de fraudes, como también permite
servicios innovadores como prestamos automatizados.
 Comparar los créditos directos de los EEFF del primer semestre del
Banco de la Nación con el banco líder del sector. Con esto se podrá
saber la proporción de diferencia con el banco líder y conocer si se
podrá tener más alcance a nuevos clientes.
• LA IMPLEMENTACIÓN DE UNA SOLUCIÓN BIG DATA PERMITIRÁ UNA MAYOR
EFICIENCIA Y LIBERACIÓN EN EL ALMACENAMIENTO DE LOS DATOS, ASÍ COMO
TAMBIÉN UNA REDUCCIÓN EN EL GASTO POR EL MISMO.
• REDUCIRÁ LOS TIEMPOS DE ESPERA DE LOS INFORMES, HACIÉNDOLOS
DISPONIBLES EN UN SOLO DÍA Y NO EN MÁS
• LOS CLIENTES DE PRÉSTAMOS MULTIRED Y DE TARJETAS DE CRÉDITO
TENDRÁN UNA EXPERIENCIA MÁS SEGURA Y RÁPIDA
• EL USO DE HERRAMIENTAS DE BIG DATA PERMITE EL CONSUMO Y
PROCESAMIENTO DE GRANDES CANTIDADES DE INFORMACIÓN
• HABRÁ MÁS CLIENTES POTENCIALES Y ESTARÁN DISPUESTO A ACEPTAR
NUEVOS PRODUCTOS DEL BANCO
8. Conclusiones

Más contenido relacionado

Similar a PPT BN.pptx

Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjarmendipg
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjarmendipg
 
Opensession: Como medir nuestro ecosistema digital de sitios web y apps
Opensession: Como medir nuestro ecosistema digital de sitios web y appsOpensession: Como medir nuestro ecosistema digital de sitios web y apps
Opensession: Como medir nuestro ecosistema digital de sitios web y appsMultiplica
 
Opensession: Como medir nuestro ecosistema digital de sitios web y apps
Opensession: Como medir nuestro ecosistema digital de sitios web y appsOpensession: Como medir nuestro ecosistema digital de sitios web y apps
Opensession: Como medir nuestro ecosistema digital de sitios web y appsMultiplica
 
BIG DATA Transformando las industrias
BIG DATA Transformando las industriasBIG DATA Transformando las industrias
BIG DATA Transformando las industriasRollup Consulting
 
BIG DATA Transformando las industrias
BIG DATA Transformando las industriasBIG DATA Transformando las industrias
BIG DATA Transformando las industriasRollup Consulting
 
Case Study Venca Gauss
Case Study Venca GaussCase Study Venca Gauss
Case Study Venca GaussRaona
 
Case Study Venca Gauss
Case Study Venca GaussCase Study Venca Gauss
Case Study Venca GaussRaona
 
Desarrollo y sistematizacion de creditos del banco caja mundial2
Desarrollo y sistematizacion de creditos del banco caja mundial2Desarrollo y sistematizacion de creditos del banco caja mundial2
Desarrollo y sistematizacion de creditos del banco caja mundial2Daniel A. Lopez Ch.
 
Desarrollo y sistematizacion de creditos del banco caja mundial2
Desarrollo y sistematizacion de creditos del banco caja mundial2Desarrollo y sistematizacion de creditos del banco caja mundial2
Desarrollo y sistematizacion de creditos del banco caja mundial2Daniel A. Lopez Ch.
 
Fernando Marco - BI al servicio de las Instituciones
Fernando Marco - BI al servicio de las InstitucionesFernando Marco - BI al servicio de las Instituciones
Fernando Marco - BI al servicio de las InstitucionesCOIICV
 
Fernando Marco - BI al servicio de las Instituciones
Fernando Marco - BI al servicio de las InstitucionesFernando Marco - BI al servicio de las Instituciones
Fernando Marco - BI al servicio de las InstitucionesCOIICV
 
Datos, tecnología y finanzas en un nuevo ecosistema digital.
Datos, tecnología y finanzas en un nuevo ecosistema digital.Datos, tecnología y finanzas en un nuevo ecosistema digital.
Datos, tecnología y finanzas en un nuevo ecosistema digital.Gerard Garcia Esteve
 
Datos, tecnología y finanzas en un nuevo ecosistema digital.
Datos, tecnología y finanzas en un nuevo ecosistema digital.Datos, tecnología y finanzas en un nuevo ecosistema digital.
Datos, tecnología y finanzas en un nuevo ecosistema digital.Gerard Garcia Esteve
 

Similar a PPT BN.pptx (20)

Implementación Sistema BI
Implementación Sistema BIImplementación Sistema BI
Implementación Sistema BI
 
Implementación Sistema BI
Implementación Sistema BIImplementación Sistema BI
Implementación Sistema BI
 
Laboratorio #9
Laboratorio #9   Laboratorio #9
Laboratorio #9
 
Laboratorio #9
Laboratorio #9   Laboratorio #9
Laboratorio #9
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Opensession: Como medir nuestro ecosistema digital de sitios web y apps
Opensession: Como medir nuestro ecosistema digital de sitios web y appsOpensession: Como medir nuestro ecosistema digital de sitios web y apps
Opensession: Como medir nuestro ecosistema digital de sitios web y apps
 
Opensession: Como medir nuestro ecosistema digital de sitios web y apps
Opensession: Como medir nuestro ecosistema digital de sitios web y appsOpensession: Como medir nuestro ecosistema digital de sitios web y apps
Opensession: Como medir nuestro ecosistema digital de sitios web y apps
 
BIG DATA Transformando las industrias
BIG DATA Transformando las industriasBIG DATA Transformando las industrias
BIG DATA Transformando las industrias
 
BIG DATA Transformando las industrias
BIG DATA Transformando las industriasBIG DATA Transformando las industrias
BIG DATA Transformando las industrias
 
Case Study Venca Gauss
Case Study Venca GaussCase Study Venca Gauss
Case Study Venca Gauss
 
Case Study Venca Gauss
Case Study Venca GaussCase Study Venca Gauss
Case Study Venca Gauss
 
Desarrollo y sistematizacion de creditos del banco caja mundial2
Desarrollo y sistematizacion de creditos del banco caja mundial2Desarrollo y sistematizacion de creditos del banco caja mundial2
Desarrollo y sistematizacion de creditos del banco caja mundial2
 
Desarrollo y sistematizacion de creditos del banco caja mundial2
Desarrollo y sistematizacion de creditos del banco caja mundial2Desarrollo y sistematizacion de creditos del banco caja mundial2
Desarrollo y sistematizacion de creditos del banco caja mundial2
 
Fernando Marco - BI al servicio de las Instituciones
Fernando Marco - BI al servicio de las InstitucionesFernando Marco - BI al servicio de las Instituciones
Fernando Marco - BI al servicio de las Instituciones
 
Fernando Marco - BI al servicio de las Instituciones
Fernando Marco - BI al servicio de las InstitucionesFernando Marco - BI al servicio de las Instituciones
Fernando Marco - BI al servicio de las Instituciones
 
Datos, tecnología y finanzas en un nuevo ecosistema digital.
Datos, tecnología y finanzas en un nuevo ecosistema digital.Datos, tecnología y finanzas en un nuevo ecosistema digital.
Datos, tecnología y finanzas en un nuevo ecosistema digital.
 
Datos, tecnología y finanzas en un nuevo ecosistema digital.
Datos, tecnología y finanzas en un nuevo ecosistema digital.Datos, tecnología y finanzas en un nuevo ecosistema digital.
Datos, tecnología y finanzas en un nuevo ecosistema digital.
 
Final
FinalFinal
Final
 
Caso de Negocio
Caso de NegocioCaso de Negocio
Caso de Negocio
 

Más de Germán Cayo Morales

Proyecto Big Data en VUCE MINCETUR
Proyecto Big Data en VUCE MINCETURProyecto Big Data en VUCE MINCETUR
Proyecto Big Data en VUCE MINCETURGermán Cayo Morales
 
Arquitectura Data Warehousing PaaS de Azure #sqlsatbi905
Arquitectura Data Warehousing PaaS de Azure #sqlsatbi905Arquitectura Data Warehousing PaaS de Azure #sqlsatbi905
Arquitectura Data Warehousing PaaS de Azure #sqlsatbi905Germán Cayo Morales
 
Linux en Microsoft Azure - Global Azure Bootcamp 2019
Linux en Microsoft Azure - Global Azure Bootcamp 2019Linux en Microsoft Azure - Global Azure Bootcamp 2019
Linux en Microsoft Azure - Global Azure Bootcamp 2019Germán Cayo Morales
 
Primeros pasos con Azure database for MySQL
Primeros pasos con Azure database for MySQLPrimeros pasos con Azure database for MySQL
Primeros pasos con Azure database for MySQLGermán Cayo Morales
 
Linux en Microsoft Azure Global Azure Lima
Linux en Microsoft Azure Global Azure LimaLinux en Microsoft Azure Global Azure Lima
Linux en Microsoft Azure Global Azure LimaGermán Cayo Morales
 
DevHangout Microsoft Azure como Infraestructura para emprendedores de Tecnolo...
DevHangout Microsoft Azure como Infraestructura para emprendedores de Tecnolo...DevHangout Microsoft Azure como Infraestructura para emprendedores de Tecnolo...
DevHangout Microsoft Azure como Infraestructura para emprendedores de Tecnolo...Germán Cayo Morales
 
Temporal Tables SQL Server 2016 CTP 2
Temporal Tables SQL Server 2016 CTP 2Temporal Tables SQL Server 2016 CTP 2
Temporal Tables SQL Server 2016 CTP 2Germán Cayo Morales
 

Más de Germán Cayo Morales (13)

Proyecto Big Data en VUCE MINCETUR
Proyecto Big Data en VUCE MINCETURProyecto Big Data en VUCE MINCETUR
Proyecto Big Data en VUCE MINCETUR
 
Arquitectura Data Warehousing PaaS de Azure #sqlsatbi905
Arquitectura Data Warehousing PaaS de Azure #sqlsatbi905Arquitectura Data Warehousing PaaS de Azure #sqlsatbi905
Arquitectura Data Warehousing PaaS de Azure #sqlsatbi905
 
Linux en Microsoft Azure - Global Azure Bootcamp 2019
Linux en Microsoft Azure - Global Azure Bootcamp 2019Linux en Microsoft Azure - Global Azure Bootcamp 2019
Linux en Microsoft Azure - Global Azure Bootcamp 2019
 
Gestionando Azure SQL Database
Gestionando Azure SQL DatabaseGestionando Azure SQL Database
Gestionando Azure SQL Database
 
Primeros pasos con Azure database for MySQL
Primeros pasos con Azure database for MySQLPrimeros pasos con Azure database for MySQL
Primeros pasos con Azure database for MySQL
 
Linux en Microsoft Azure Global Azure Lima
Linux en Microsoft Azure Global Azure LimaLinux en Microsoft Azure Global Azure Lima
Linux en Microsoft Azure Global Azure Lima
 
Presentacion
PresentacionPresentacion
Presentacion
 
DevHangout Microsoft Azure como Infraestructura para emprendedores de Tecnolo...
DevHangout Microsoft Azure como Infraestructura para emprendedores de Tecnolo...DevHangout Microsoft Azure como Infraestructura para emprendedores de Tecnolo...
DevHangout Microsoft Azure como Infraestructura para emprendedores de Tecnolo...
 
Temporal Tables SQL Server 2016 CTP 2
Temporal Tables SQL Server 2016 CTP 2Temporal Tables SQL Server 2016 CTP 2
Temporal Tables SQL Server 2016 CTP 2
 
Sql mug delima
Sql mug delimaSql mug delima
Sql mug delima
 
Modulo 2
Modulo 2Modulo 2
Modulo 2
 
Modulo I Fundamentos BD - MTA
Modulo I Fundamentos BD - MTAModulo I Fundamentos BD - MTA
Modulo I Fundamentos BD - MTA
 
Workshop adminsql ica
Workshop adminsql icaWorkshop adminsql ica
Workshop adminsql ica
 

PPT BN.pptx

  • 1. Instituto de Educación Superior Tecnológico Privado CIBERTEC CURSO: Big Data Alumno: Luis Cuadra Midzuaray
  • 2. 1. Identificar una problemática en una empresa u organización gubernamental. Los procesos de Préstamos Multired y tarjetas de crédito del Banco de la Nación no es eficiente. Los usuarios tienen que ponerse en contacto con atención al cliente o esperar a fin de mes para comprobar su historial de transacciones. Esto está provocando al banco tener poco control de sus gastos y también los hizo más vulnerables al fraude. Además, ante el crecimiento de la banca privada es importante que el Banco de la Nación mejore su oferta para poder satisfacer las necesidades cambiantes de esta nueva generación.
  • 3. 2. Definición de Iniciativa de Proyecto de Big Data Implementar una solución de Big Data que permita hacer un análisis mucho más rápido ya que hay más usuarios de banca digital quienes producen información de manera constante. Con estas mejoras el banco podrá brindar un mejor y rápido servicio de préstamos a sus clientes, disminuirá el tiempo de aprobación de los créditos, y ofrecerá más seguridad y comodidad a los usuarios de Préstamos Multired y tarjetas de crédito.
  • 4. 3. Sustentar las 5 V's del Big Data en el Proyecto  VOLUMEN: Se cuenta con la información de los millones de usuarios del banco. Datos históricos de hace 4 años sin procesar que ocupa espacio en el almacenamiento, incluso si no se optimiza este espacio el banco necesitaría comprar más almacenamiento. Se cuenta también con la interacción de los usurarios de redes sociales que siguen al banco, las llamadas telefónicas de atención, ventas o reclamos de los clientes.  VELOCIDAD: Actualmente hay mucho más usuarios de banca digital por lo que es necesario procesar la información en menos tiempo posible. Ésta solución big data del Banco de la Nación podrá optimizar el procesamiento de datos (HDFS o Spark), como también permitirá la liberación de espacio de almacenamiento y hacer análisis por lotes.  VARIEDAD: los datos provienen de soportes, plataformas y herramientas, bases de datos, registros y hojas de cálculo, y también entre otras fuentes como XML, JSON, imágenes o video  VERACIDAD: Reportes de EEFF, estadísticas y estudios económicos que son publicados en la web de la Superintendencia de Banca y Seguros y AFP  VALOR: permitirá mejorar en la gestión y establecer estrategias óptimas, impulsará la aceptación por parte de los clientes de las nuevas iniciativas de productos financieros del banco. También se liberará más espacio en el almacenamiento, lo que acelerará los informes al hacer que haya más datos optimizados disponibles, reduciendo el tiempo de espera en un 50% aproximadamente.
  • 5. 4. Identificar las Fuentes de Origen, tipos de datos y ubicación de almacenamiento ITEM ORIGEN DEL DATO DATO TIPO DE DATO UBICACIÓN 1 registro de los clientes de cuentas de ahorros, crédito, hipoteca, pensionistas estructurado base de datos TI 2 redes sociales del banco No estructurado html Operaciones 3 llamadas de satisfaccion estructurado json o xml TI 4 llamada de entrada y salida (lo registra el operador) estructurado json o xml TI 5 Audio de las llamadas de atención, ventas o reclamos de clientes No estructurado TI 6 formularios de registro estructurado json o xml agencias fisicas 7 emails corporativos estructurado html Operaciones
  • 6. 5. Definir el tipo de Procesamiento a utilizar (Lotes, Streaming, Lambda) Teniendo en cuenta el costo, soporte y con la tecnología e infraestructura que cuenta actualmente el banco, los datos serán procesados por lotes.
  • 7. Registro de los clientes Redes sociales Llamadas telefónicas Formulario de registro Emails corporativos INGESTA ALMACENAMIENTO PROCESAMIENTO TRATAMIENTO 6. Definir las herramientas a utilizar en cada fase del Proyecto
  • 8. 7. Desarrollar al menos 3 actividades o procesos relacionados a la Iniciativa del Proyecto  Con el auge de la banca privada y el compromiso digital, es necesario que el Banco de la Nación mejoren sus ofertas para que sigan siendo competitivos, para esto se contactará con la plataforma de datos empresariales de Cloudera y ver las alternativas disponibles de solución.  Se visitará las instalaciones de los data centers del Banco que fue inaugurado en el 2014, para constatar con qué hardware y software se cuenta.  Una vez contactado con Cloudera, se implementará una moderna plataforma para el aprendizaje automático y que ayuda a mejorar el servicio al cliente y la detección de fraudes, como también permite servicios innovadores como prestamos automatizados.  Comparar los créditos directos de los EEFF del primer semestre del Banco de la Nación con el banco líder del sector. Con esto se podrá saber la proporción de diferencia con el banco líder y conocer si se podrá tener más alcance a nuevos clientes.
  • 9. • LA IMPLEMENTACIÓN DE UNA SOLUCIÓN BIG DATA PERMITIRÁ UNA MAYOR EFICIENCIA Y LIBERACIÓN EN EL ALMACENAMIENTO DE LOS DATOS, ASÍ COMO TAMBIÉN UNA REDUCCIÓN EN EL GASTO POR EL MISMO. • REDUCIRÁ LOS TIEMPOS DE ESPERA DE LOS INFORMES, HACIÉNDOLOS DISPONIBLES EN UN SOLO DÍA Y NO EN MÁS • LOS CLIENTES DE PRÉSTAMOS MULTIRED Y DE TARJETAS DE CRÉDITO TENDRÁN UNA EXPERIENCIA MÁS SEGURA Y RÁPIDA • EL USO DE HERRAMIENTAS DE BIG DATA PERMITE EL CONSUMO Y PROCESAMIENTO DE GRANDES CANTIDADES DE INFORMACIÓN • HABRÁ MÁS CLIENTES POTENCIALES Y ESTARÁN DISPUESTO A ACEPTAR NUEVOS PRODUCTOS DEL BANCO 8. Conclusiones