PDF de programación - Big Data y Business Intelligence: Nuevas tendencias y viejos conocidos

Big
 Data
 y
 Business
 Intelligence:
 

Nuevas
 tendencias
 y
 viejos
 conocidos
 

QUIÉNES
 SOMOS
 

MÁS
 DE
 UNA
 DÉCADA
 TRANSFORMANDO
 EMPRESAS
 
Desde
 2001
 nuestra
 misión
 es
 la
 de
 acompañar
 en
 la
 
transformación
 tecnológica
 a
 las
 empresas.
 

PIONEROS
 EN
 ESPAÑA
 EN
 SOLUCIONES
 BIG
 DATA
 
INTEGRADAS
 EN
 SERVICIOS
 CLOUD
 
Implantamos
 proyectos
 Big
 Data
 desde
 2012
 y
 
creamos
 nuestra
 propia
 arquitectura
 basada
 en
 una
 
amplia
 experiencia.
 

EQUIPO
 HUMANO
 Y
 FUERTES
 ALIANZAS
 


 

●  Más
 de
 250
 personas
 
● 
● 
● 

Partner
 de
 AWS,
 Azure
 y
 Google
 Cloud.
 
Empresa
 con
 más
 cerLficados
 AWS
 en
 Europa
 
1ª
 empresa
 europea
 en
 ser
 partner
 de
 AWS
 RedshiQ.
 

QUÉ
 HACEMOS
 

Products

Innovation

Enterprise

Cloud

Computing

(Big) Data
Intelligence

GENOA&

Api$Manager$

$
$

$
$

$
&

Means&of&payment&

Mobile$payments;$Cloud$

PCI8DSS$compliant$

Roadmap&2015816&

User8driven&Inno.&

Design$thinking,$Lean,$

Innova@ve&Areas&

IoT,$Linked$Data,$NLP,$
Agentes$Inteligentes$

Innova@ve&IT&

NoSQL,$Docker,$Cloud$
Brokerage,$Real8Time$

Innova@ve&

Methodologies&
DevOps,$Agile$

$

$

&

$
$
$
$

Cloud&Advisory&
Cloud$adopGon,$

roadmap,$governance$

Cloud&Architectyre&
Cloud$integraGon,$
migraGon,$HA,$BRS$

Cloud&Development&

Cloud$readyness,$

development$

&

&

&

$
$
$
$

Big&Data&Advisory&
Big$Data$adopGon,$

roadmap,$governance$

Big&Data&Services&
Machine$learning,$
predicGve,$UX$report$

Big&Data&for&B.I.&
B.I.$Ecosystem$

integraGon$

$

$

$

$
$
$
$

Extended&data&services&
Managed$Cloud,$ANS$

Big&Data&development&

NoSQL$Databases$

NUESTRAS
 ALIANZAS
 

Advanced
 ConsulKng
 Partner
 

Competencia
 Big
 Data
 

Partner
 de
 Amazon
 

RedshiQ
 

100%

de nuestros JPs
certificados
Scrummaster

+

The
 computer
 industry
 is
 the
 only
 
industry
 that
 is
 more
 fashion-­‐driven
 
than
 women's
 fashion.
 
 

Larry
 Ellison
 -­‐
 2008
 ”

BIG
 DATA:
 WHAT’S
 IN
 A
 NAME?
 

BUSINESS
 INTELLIGENCE
 

 
DATA
 MINING
 

 
PATTERN
 MATCHING
 

BIG
 DATA
 

 
DATA
 SCIENCE
 

 
MACHINE
 LEARNING
 

DE
 QUÉ
 HABLAMOS
 CUANDO
 HABLAMOS
 DE
 BIG
 DATA
 

datascience@berkeley
 -­‐
 What
 Is
 Big
 Data?
 ”

Jon
 Bruner,
 Editor-­‐at-­‐Large,
 O’Reilly
 Media
 

Big
 Data
 es
 el
 resultado
 de
 obtener
 
información
 al
 nivel
 más
 granular:
 son
 
las
 capacidades
 derivadas
 de
 extraer
 
datos
 de
 un
 sistema,
 almacenando
 
todos
 los
 que
 pueden
 conseguirse.
 

http://datascience.berkeley.edu/what-is-big-data/

DE
 QUÉ
 HABLAMOS
 CUANDO
 HABLAMOS
 DE
 BIG
 DATA
 

datascience@berkeley
 -­‐
 What
 Is
 Big
 Data?
 ”

Jon
 Bruner,
 Editor-­‐at-­‐Large,
 O’Reilly
 Media
 

Big
 Data
 es
 el
 resultado
 de
 obtener
 
información
 al
 nivel
 más
 granular:
 son
 
las
 capacidades
 derivadas
 de
 extraer
 
datos
 de
 un
 sistema,
 almacenando
 
todos
 los
 que
 pueden
 conseguirse.
 

http://datascience.berkeley.edu/what-is-big-data/

TECNOLOGÍAS
 BIG
 DATA:
 COMPUTACIÓN
 DISTRIBUIDA
 +
 NOSQL
 

ECOSISTEMA
 DE
 HADOOP
 

BASES
 DE
 DATOS
 NOSQL
 Y
 MPP
 
 

DynamoDB

Amazon Redshift

LA
 EXPLOSIÓN
 DE
 LOS
 APPLIANCES
 EN
 2013
 

LA
 EXPLOSIÓN
 DE
 LOS
 APPLIANCES
 EN
 2013
 

* Fuente:
 Opera,onalizing
 the
 Buzz:
 Big
 Data
 2013.
 
ENTERPRISE
 MANAGEMENT
 ASSOCIATES®
 (EMA™)
 

LA
 LEY
 DEL
 PÉNDULO
 EN
 IT
 

(UN
 INCISO)
 

LA
 LEY
 DEL
 PÉNDULO
 EN
 IT
 

CENTRALIZADO
 

DISTRIBUIDO
 

LA
 ERA
 DE
 LOS
 MAINFRAMES
 

CENTRALIZADO
 

LA
 IRRUPCIÓN
 DEL
 ORDENADOR
 PERSONAL
 

DISTRIBUIDO
 

LA
 WEB
 1.0
 

CENTRALIZADO
 

LA
 WEB
 2.0
 
 

DISTRIBUIDO
 

LA
 LEY
 DEL
 PÉNDULO
 EN
 BI/BIG
 DATA:
 LOS
 ORÍGENES
 

CENTRALIZADO
 

DISTRIBUIDO
 

LA
 LEY
 DEL
 PÉNDULO
 EN
 BI/BIG
 DATA:
 LA
 DEMOCRATIZACIÓN
 

CENTRALIZADO
 

DISTRIBUIDO
 

LA
 LEY
 DEL
 PÉNDULO
 EN
 BI/BIG
 DATA:
 EL
 DATA
 WAREHOUSE
 

CENTRALIZADO
 

LA
 LEY
 DEL
 PÉNDULO
 EN
 BI/BIG
 DATA:
 LA
 APARICIÓN
 DE
 BIG
 DATA
 

CENTRALIZADO
 

DISTRIBUIDO
 

…FIN
 DEL
 INCISO.
 TECNOLOGÍAS
 BIG
 DATA
 

ECOSISTEMA
 DE
 HADOOP
 

BASES
 DE
 DATOS
 NOSQL
 Y
 MPP
 
 

DynamoDB

Amazon Redshift

Amazon EMR

TECNOLOGÍAS
 BIG
 DATA
 

1.
 HADOOP
 
2.
 MPP
 
3.
 NOSQL
 
4.
 REAL-­‐TIME
 

 

TECNOLOGÍAS
 BIG
 DATA
 

1.
 HADOOP
 
2.
 MPP
 
3.
 NOSQL
 
4.
 REAL-­‐TIME
 

 

Menores
 costes
 

Menor
 Lempo
 de
 
implementación
 

Regulación
 sobre
 
protección
 de
 datos
 

Tránsito
 de
 datos
 

Cloud

On-premise

TECNOLOGÍAS
 BIG
 DATA
 

1.
 HADOOP
 
2.
 MPP
 
3.
 NOSQL
 
4.
 REAL-­‐TIME
 

 

ETL masiva

Consultas sobre
dato crudo

Analítica en Spark

1.
 HADOOP
 
•  Filesystem
 distribuido
 (HDFS)
 +
 framework
 de
 programación
 (MapReduce).
 Ahora
 mucho
 más…
 
•  Paralelización
 automáLca
 de
 la
 ejecución
 en
 clústeres
 de
 servidores.
 
•  Aísla
 al
 programador
 de
 la
 definición
 de
 la
 paralelización;
 es
 tolerante
 a
 fallos.
 

1.
 HADOOP(-­‐AS-­‐A-­‐SERVICE)
 

Amazon EMR

TECNOLOGÍAS
 BIG
 DATA
 

1.
 HADOOP
 
2.
 MPP
 
3.
 NOSQL
 
4.
 REAL-­‐TIME
 

 

Consultas SQL
masivas seg/min

ETL en SQL

Data Warehouse

2.
 MPP
 

On-premise

TECNOLOGÍAS
 BIG
 DATA
 

1.
 HADOOP
 
2.
 MPP
 
3.
 NOSQL
 
4.
 REAL-­‐TIME
 

 

Consultas y escrituras
con alto throughput

APIs para
terceros

3.
 NOSQL
 

DynamoDB

On-premise

TECNOLOGÍAS
 BIG
 DATA
 

1.
 HADOOP
 
2.
 MPP
 
3.
 NOSQL
 
4.
 REAL-­‐TIME
 

 

Procesamiento
en streaming

Data Quality y
analítica en
tiempo real

4.
 REAL-­‐TIME
 

/

EL
 RETO
 1:
 INTEGRACIÓN
 CON
 SISTEMA
 DE
 BI
 

EL
 RETO
 1:
 INTEGRACIÓN
 CON
 SISTEMA
 DE
 BI
 

EL
 RETO
 2:
 DATA
 GOVERNANCE
 

* Fuente:
 West
 Monroe
 Partners.
 Adaptado
 de
 Data
 
Management
 Associa,on
 (Data
 Management
 Disciplines)
 

EL
 RETO
 3:
 NUEVAS
 CAPACIDADES
 

+

+

NUESTRA
 PROPUESTA:
 PROTOTIPADO
 RÁPIDO
 EN
 AWS
 



i

n
ó
c
a
v
o
n
n
i

o
t
c
e
y
o
r
P


)
s
C
o
P

(



T

I


o
t
c
e
y
o
r
P

i


)
n
ó
c
c
u
d
o
r
P

(

¿TIENE
VALOR DE
NEGOCIO?

El
  objeLvo
  es
  validar
  el
  piloto
 
rápido
  para
  decidir
  si
  Lene
 
senLdo
  conLnuar
  o
  se
  congela
 
(con
  posibilidad
  de
  reabrir).
  Es
 
Negocio
 quien
 aprueba.
 

Identificación

del piloto

Ejecución del piloto

6 semanas

Proceso
  para
  pasar
  el
 
protoLpo
  a
  una
  Beta
 
producLva,
 con
 soporte.
 
Se
  involucra
  a
  IT
  para
  ir
 
saliendo
  del
  ámbito
  de
 
Innovación.
 

Productivización del piloto

9-12-16 semanas

Producción 100%

ANS y evolutivos

tiempo

[email protected]
 
 
 

www.beeva.com