Este documento presenta una introducción al entorno de datos en Microsoft Azure. Explica la evolución de la inteligencia de negocios a través de las versiones 1.0, 2.0 y 3.0. También describe los principales servicios como Data Lake y almacén de datos, y realiza demostraciones de herramientas como Big Data Analytics y Microsoft Data Factory. El objetivo es ayudar a las organizaciones a comprender mejor cómo aplicar la arquitectura de datos adecuada para satisfacer sus necesidades empresariales.

1. Entorno de Datos en
Microsoft Azure
JOSE REDONDO
CEO | DATA ARCHITECT - ENTORNODB LLC
MICROSOFT DATA PLATFORM MVP

2. Quien soy?
Microsoft Data Platform MVP
CEO | Data Architect - EntornoDB LLC
Twitter: @redondoj
LinkedIn: linkedin.com/in/redondoj
Blog: redondoj.wordpress.com
E-Mail: redondoj@entornodb.onmicrosoft.com

3. Agenda
• Evolución
• Arquitectura
• Servicios
• Escenarios

4. - Evolución
• Inteligencia de Negocios
• Versiones
• Requerimientos y
Necesidades de Negocios
• Herramientas

5. -- Inteligencia de Negocio
• Conjunto de técnicas para la
transformación de datos.
• Conjunto de herramientas
tecnológicas para extraer y
obtener el significado de los
datos
• Entorno de información para
propósitos analíticos.

6. --- Versiones
• 1.0
• Requerimiento de
información empresarial
• Consultas en bases de
datos y bodegas de datos
• Provisionar de reportes
empresariales
• Entrada de datos a Clientes
(Reportes Stand Alone)
• Procesamiento por lotes
• Uso de herramientas BI
(Sola para grupos o
comunidades de personas)
• Control exclusivo IT

7. --- Versiones
• 2.0
• Explorar rangos de datos
• Permite combinaciones de datos sin obtener resultado interactivos
• Escenarios tecnológicos
• ERP
• CRM
• Bodegas de datos
• Validar información desde un punto de vista
• Herramientas BI centralizadas en reportes
• BI 2.0 – Creación y entrega por usuarios finales (Analistas BI)
• En tiempo real desde cualquier dispositivo con Web Portal
• Explorar datos
• Control Hibrido

8. Web 2.0
Web Portal
Explorar
Predecir

9. --- Versiones
• 2.5
• Puede utilizar cualquier herramienta BI
• Puede mezclar datos rápidamente (Si se encuentran disponibles)
• Desarrollo sencillo y simple
PERO AHORA
• BI 2.0 ++
• Agile BI, SOA, Búsquedas empresariales, Visualización
• Dar mas poder con las herramientas BI
• Mas dinámico para IT
CONJUNCION DE DATOS EN MARCHA

10. --- Versiones
• 3.0
• Colaborativo desde cualquier dispositivo con contenido
• Aprovecha la información sobre la marcha
• Conduce a resultados inmediatos
• Centralizado en grupos de trabajo de colaboración
• Gestión de datos administrados automáticamente
• Interactivo entre clientes, empleados y terceros
• No genera cuellos de botella a IT
• Escenarios de datos incluidos: Big Data, Cloud, etc
• Creación, Entrega y Gestión para consumidores de datos

11. EnriquecerAnticipar
Seft-Service BI con Analytic 3.0

12. Mapa en el Tiempo
BI 1.0 BI 2.0 BI 3.0
Funcionalidad
Presentada /
Agregada
Explorable /
Predectible
Anticipada /
Enriquecida
Frecuencia
Mensualmente /
Detallada
Semanalmente /
Diariamente /
Sumarizada
En tiempo real /
Procesada
Nivel de enfoque Comunidad Empresarial Colaborativa
Procesamiento Por lotes Cerca al Tiempo real En Proceso
Productos en Datos Informacion Inteligencia Conocimiento
Base / Influencia Entregada solamente Creada y Entregada
Creada, Entregada y
Automatizada

13. -- Requerimientos y Necesidades de Negocios
Conjunto de herramientas y técnicas
• Entrega automática sin gestión de usuarios
• Entrega la información a los usuarios en
tiempo real
• Enfocado en escalabilidad y usabilidad
• Provee autogestión en la creación, entrega y
análisis de contenido
• Soporta innumerable interfaces de usuarios
multidispositivo en cualquier lugar y momento
• Construida sobre la metodología de
colaboración
• Incluye Analytics 3.0, Data Discovery,
Advanced Visualization, Visual Analytics,
Business Discovery, Self Serve Business entre
otros

14. -- Requerimientos y Necesidades de Negocios
Comprendiendo la necesidades
• La tecnología debe estar en su lugar para
permitir a la organización adquirir, almacenar,
combinar y enriquecer enormes volúmenes
de datos “no estructurados” y “estructurados”
en formato RAW
• Capacidad de realizar análisis, escalar datos
en tiempo real y casi en tiempo real, sobre
estos enormes volúmenes de forma iterativa

15. -- Herramientas
• Hojas de cálculos
• Bases de datos
• Data Mart
• Bodegas de datos

17. 2017

18. DEMO

19. - Arquitectura
• Herramientas emergentes del Big Data
• Big Data Hadoop
• Plataforma Analítica
• Bodega de datos
• Tradicional
• Moderna

20. -- Herramientas emergentes del Big Data

21. -- Big Data Hadoop

22. Plataforma Analítica
• Mineria de datos

23. -- Plataforma Analítica
• Visualizacion y Data Discovery

24. Como aplicar el entorno apropiado a nuestras
necesidades empresariales

25. -- Bodega de datos TradicionalOLTPDataSources
Staging
Area 1
Staging
Area 2
Staging
Area 3
Data Warehouse
Áreas Empresariales
Esquema Estrella
Data Mart 1
Data Mart 2
Multi
Dimensional
Tabular
CapadeVisualización
SSIS
SSIS
SSIS
SSIS
SSIS
Procesamiento de
Cubos
Data Atómica
Procesamientode
Cubos
Staging
MirrorOLTP
EDW
Data Warehouse
(Normalizado)
Corporate Information
Factory (CIF)
Datos Atómicos
SSIS
SSIS
SSIS

26. -- Bodega de datosModerna

27. -- Bodega de datos

28. DEMO

29. - Servicios
• Data Lake
• Bodega de datos

30. -- Data Lake

31. -- Data Lake

32. -- Data Lake

33. -- Data Lake

34. -- Data Lake
Tenemos que olvidarnos de las bodegas de datos?
Data Lake se esta convirtiendo en la prioridad corporativa de las grandes
empresas puesto que llenan una brecha critica
Que es Data Lake?
Un único lugar para almacenar todo tipo de datos en su formato nativo, sin
límites fijos en el tamaño de la cuenta o del archivo, teniendo alto
rendimiento en el aumento de la ejecución analítica y la integración nativa
con el ecosistema de Hadoop

35. -- Data Lake

36. -- Data Lake
ComotrabajaDataLake?

37. -- Bodega de datos

38. -- Bodega de datos

39. -- Bodega de datos
BODEGA DE DATOS
“DATA WAREHOUSE”
vs.
LAGO DE DATOS
“DATA LAKE”
Estructurado, Procesado DATA
Estructurado,
Semi-Estructurado,
No estructurado,
RAW
Schema-On-Write PROCESAMIENTO Schema-On-Read
Costoso para grandes
volumenes de datos
ALMACENAMIENTO
Diseñado para
almacenamiento de bajo
costo
Configuración ligera y fija FACILIDAD DE USO
Configuración altamente
robusta y reconfiguración
necesaria según
requerimientos
Maduro SEGURIDAD Madurando
Profesionales empresariales USUARIOS Científicos de datos

40. Origenes de
Datos
Adquisición de Datos
Almacenamiento de
Datos
Análisis de
Datos
Reporte y Visualización
ERM
CRM OLAP
ETL Almacen de
Datos BI Analytics
TRADICIONAL BODEGA DE DATOS EMPRESARIAL

42. - Escenarios
• Big Data Analytics
• Microsoft Data Factory

43. -- Big Data Analytics

44. -- Microsoft Data Factory

45. -- Microsoft Data Factory

46. DEMO

47. Preguntas y Respuestas

48. Muchas gracias por su atención