El documento aborda la implementación de sistemas de Big Data y Business Analytics (BD-BA), destacando la necesidad de gestionar grandes volúmenes de datos de manera rápida y eficiente para obtener información valiosa para la toma de decisiones. Presenta las 3 V's del Big Data (volumen, velocidad, variedad) y la cuarta V (valor), así como los desafíos y mejores prácticas para una implementación exitosa. Resalta la importancia de alinear las iniciativas de BD con los objetivos de negocio y de contar con un compromiso directo de la dirección para asegurar el éxito del sistema.

1. 0
Sistemas Big Data-Business
Analytics
Claves para implementar un Sistema BD-BA
Madrid , 30 abril de 2015

2. © Copyright 2015 FUJITSU Pág. 1 de 25
4 Implementación de un Sistema BD-BA
6 Arquitectura Lógica de los Datos
Agenda
7 Los Retos en la Estrategia Big Data
8 Identificar Iniciativas, Plan de Acción y Pilares
1 BD-BA Descripción: 3 V’s + La 4ª V
2 Contexto y magnitudes
3 La estructura Básica de un sistema BD-BA
5 7 Mejores Prácticas de Implementación BD-BA

3. © Copyright 2015 FUJITSU Pág. 2 de 25
Conjunto de Tecnologías que extraen, almacenan, procesan y
analizan grandes volúmenes de información a altísima velocidad,
que no podrían ser gestionadas con las técnicas tradicionales,
obteniendo información exacta y útil de carácter predictivo y de
soporte para la toma de decisiones.
¿De qué estamos hablando cuando decimos BD-BA?
1 BD-BA Descripción: Modelo de las 3 V’s …..y la 4ª V
1 Volumen 2 Velocidad 3 Variedad 4 Valor Incremental

4.  Datos Internos
 Estructurados/Relacionales
 Misma fuente de datos
 GB y TB
 Reportes históricos
 Alto coste de Almacenamiento
 Datos Internos & Externos
 No- / semi- / poly- / estructurados
 Muchas fuentes de datos
 TB & PB
 Predicciones
 Reducción coste
almacenamiento
 Tiempo-real (analizar, decidir,
actuar!)
 Muchos Ususarios directos
 Cualquier sitio y dispositivo
BI uso tradicional Demanda hoy Big Data
Herramientas rápidas para capturar, almacenar, descubrir y analizar los datos
Valor al Negocio
Análisis comparativo: como se hacía y cómo se hace
1 BD-BA Descripción: Análisis tradicional vs. Big Data
 Batch
 Pocos Usuarios directos
 Estático

5. © Copyright 2015 FUJITSU Pág. 4 de 25
La evolución tecnológica. Contexto imprescindible
2 Contexto y Magnitudes
Inmensa generación de datos Desarrollo de Nuevas Tecnologías Redución costes de pertenencia
IoT
Dispositivos
Móviles
Consumeriza
ción
Redes
Sociales
Cloud Microproc.Proceso
paralelizado
Map &
Reduce
Proceso in
Memory
Sensores
Open
SourceProceso
Eventos
Virtualización
Consumeri
zacion
Capacidad
Disponible
Internet
User
Experience
Voz
Imagen
Geográfica Big Data

6. © Copyright 2015 FUJITSU Pág. 5 de 25
Big
39% En la actualidad
hay casi 3 mil millones de
usuarios de Internet a
nivel general, el 39% de la
población
mundial.
78% de los consumidores
piensa que su información
personal permite a las
empresas obtener mayores
beneficios.
208.300 fotografías.
datos no estructurados:
Cada minuto se
suben a Facebook 208.300
fotografías, y 350.000
Tweets son divulgados en
Twitter
80% Ochenta por ciento
de las organizaciones está
dando los primeros pasos
en la adopción de
iniciativas de Big
Data
96% Existen casi 7 mil
millones de suscripciones
activas de telefonía móvil,
equivalente al 96% de la
población mundial
6 zettabytes
datos generados o
procesados en 2014
incrementándose hasta
40 zettabytes en 2020.
1021
Data
¿Cuántos datos e Información se genera y cómo se transmite?
2 Contexto y Magnitudes
(*) Fuente: Estudio Ernst & Young Octubre 2014

7. © Copyright 2015 FUJITSU Pág. 6 de 25
Cuatro Grandes bloques
3 Estructura básica de una Solución BD-BA
1 Integración de Datos: Diversidad
Fuentes. Transformación-
Monitorización
1
2 Procesamiento Masivo “Tiempo
real” y/o almacenamiento
2
3 Disponibilidad de Datos: cedidos
o vendidos. Datos=Activos
3
4 Visualización: Texto y/o Gráfico.
Multidispositivo
4

8. © Copyright 2015 FUJITSU Pág. 7 de 25
¿Cuales son las preguntas que debemos hacernos para definir el modelo?
4 Implementación exitosa de un sistema BD-BA
Tenemos la solución…. Ahora hay que definir el problema….
Es clave para implementar una solución de éxito de BD-BA el identificar previamente
los beneficios y las dificultades, asegurando que el sistema da respuestas a los
objetivos de la organización, diseñando sobre unas bases tecnológicas y de negocio
que permitirán realizar una explotación mas extensa de los datos en el futuro

9. © Copyright 2015 FUJITSU Pág. 8 de 25
Paso a paso construiremos un sistema eficiente, escalable y que de respuestas a las necesidades del
negocio
4 Áreas de atención implementación del Sistema BD-BA
Big
Evitar los Silos
de Información.
Link Data
Definir los Ciclos
de Vida de los
Datos
Empezar a
pequeña escala
con Piloto
Identificar y actuar
sobre las
prioridades de Big
Data
Elegir las
herramientas
adecuadas
Identificar qué
necesito saber
para aportar
valor al Negocio.
Data
Determinar las
fuentes de
Datos y
fiabilidad

10. © Copyright 2015 FUJITSU Pág. 9 de 25
 Planificación Estratégica
1. Alinear los objetivos de BD con objetivos específicos de
Negocio
2. Enfocar las iniciativas de BD desde una perspectiva
de Negocio
3. Entender el marco General pero empezar por
proyectos pequeños. Utilizar metodologías ágiles
4. Considerar la creación de un Centro de Competencia
para minimizar errores y acelerar el know-how
5. Utilizar “SandBoxes” y servicios Cloud para la
creación de Pruebas de Concepto
6. Asociar Big Data con Datos de empresa
7. Revisar los procesos y las políticas de gestión de
Datos
Desde la perspectiva de Negocio resumimos las mejores prácticas
5 Las 7 Mejores Prácticas en la Implementación de BD-BA

11. © Copyright 2015 FUJITSU Pág. 10 de 25
 Mejores prácticas para una arquitectura Big Data
1. Planificar la “autopista de datos” lógica (*)
2. Uso del análisis BD como una entidad extractora para mover datos al siguiente
“caché”
3. Esperar mejor calidad del Dato al avanzar en la “autopista” (Latencia vs. Calidad)
4. Aplicar filtros, limpieza, recorte, conformidad, coincidencias, uniones y diagnóstico
en el punto mas temprano posible
5. Implementar flujos de relaciones, especialmente desde EDW, en las fases
tempranas de la “autopista de datos”
*Newly Emerging Best Practices for Big Data“, Kimball Group
Fuentes
Primarias
(Acceso
Inmediato)
Cache
Tiempo real
(Segundos)
Cache
Actividad de
Negocio
(Minutos)
Cache
Mngrs. Alto
Nivel
(24hr)
EDW y Series Largas
(Daily, periodic, yearly)
Desde una perspectiva Tecnológica las mejores prácticas del valor agregado a los datos
6 Mejores Prácticas en Implementación de Arquitectura lógica de Datos

12. © Copyright 2015 FUJITSU Pág. 11 de 25
1. Preguntas antes que Contestaciones
2. Conocer lo Desconocido puede inducir grandes cambios
3. No confiar en todas las fuentes de datos de la misma
manera
4. Dependencias de las fuentes y sus cambios en el tiempo
5. Evitar la parálisis por el análisis
6. Gestionar el ciclo de vida de la información
7. Superar la resistencia de los empleados
8. Elegir las herramientas adecuadas
Grandes Retos a afrontar en una Estrategia de BD
7 Los Retos de Big Data

13. © Copyright 2015 FUJITSU Pág. 12 de 25
Completar coloreando según el valor de cada iniciativa
8 Identificar y Actuar sobre las Iniciativas de BD

14. © Copyright 2015 FUJITSU Pág. 13 de 25
Acciones concretas tras el análisis de valor de las iniciativas
8 El Plan de Acción de Big Data

15. © Copyright 2015 FUJITSU Pág. 14 de 25
Bases sobre las que ha de construirse la solución de Big Data: Recursos
8 Los Pilares para el éxito de BD
 Dirección comprometida CIO
• IT Como activadora de negocio (ej. Utilities, Manufacturing o Telco)
 Capacidad TI
• Capturar, Almacenar, procesar y publicar datos
 Conocimiento del Negocio
• Capacidad para definir y articular los resultados deseados por el
negocio, esponsorizar las iniciativas, generar conocimiento del
negocio y asegurar recursos
 Científico/s de Datos
• Entender los Retos de negocio
• Identificar los Datos útiles para afrontar los retos, definiendo su
mejor uso, refinando y procesando dichos datos
Los Pilares
Los Datos
son el
“nuevo
Petroleo”

16. © Copyright 2015 FUJITSU Pág. 15 de 25
Inicio:
Entender la situación actual
Paso 1 analizar los procesos de negocio que soporta la
situacion actual (HW – SW)
Paso 2
Detectar carencias y necesidades
actuales
Paso 4
Identificar QUÉ queremos ver y PARA QUÉ
Paso 3
Buscar la clave de mejora
Paso 5
Definir necesidades objetivo
Paso 6
Decidimos reusabilidad SW y
reutilización HW
Paso 7
Analizar el coste de la inversión BIG DATA (SW-HW) a largo plazo
Paso 8
Definición del Escenario BIG DATA Objetivo
Paso 9
Definición del Proyecto
e Hitos con metodologías ágiles de
desarrollo
Paso 12
Descubrimiento del Dato
Paso 11
Entrenamiento,
Retroalimentación y Ajustes del
modelo.
Paso 10
Valoración primeros
resultados
Paso 13
Obtención de Valor para el
negocio.
Paso
Nuevos retos
∞
Paso a paso construiremos un sistema eficiente, escalable y que de respuestas a las necesidades del
negocio
8 Plan de Proyecto: Implementación del Sistema BD-BA

17. © Copyright 2015 FUJITSU Pág. 16 de 25

18. 17
Gracias!!