Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Rosario I/O

Datalytics
October 14, 2015

Rosario I/O

Charla que dimos en Rosario I/O el pasado 14 de Octubre de 2015 acerca de Big Data, organizaciones orientadas a la información, desafíos y recomendaciones.

Datalytics

October 14, 2015
Tweet

More Decks by Datalytics

Other Decks in Technology

Transcript

  1. Qué hacemos Estrategia Roadmap Arquitectura Gestión Integración Limpieza Enriquecimiento Migración

    Análisis de calidad Reportes Cubos Tableros Mapas Multidispositivo Exploratorio Descriptivo Predictivo Mentoring Arquitectura 1st Project Mentoring Big Data as a Service Solutions Assessment
  2. 2015 Hoy 1960 1967 1974 1981 1988 1995 2002 2009

    Primeros discos rígidos Lenguaje SQL DBMS, modelo relacional Nace el concepto Business Intelligence "Building the Data Warehouse", Bill Inmon "The Data Warehouse Toolkit“, Ralph Kimball Hadoop Bases de datos NoSQL Manifiesto ágil Cloud Computing (masificación de AWS EC2) Breve síntesis del paso del tiempo
  3. Denominador común • Trabajamos con múltiples tecnologías. Ya no existe

    una bala de plata. • Tecnología sin o de muy bajo costo. OSS / SaaS / Cloud -> ROI +cerca • Agilismo Sucio y desprolijo pero funcional, en base a resultados optimizamos • Cultura analítica. De otra forma, todo lo anterior sería inútil.
  4.  Extracción, transformación y carga  Limpieza y calidad 

    Almacenamiento  Acceso en tiempo y forma  Transformar datos en información  Programas de retención  Optimización acciones de MKT  Análisis de riesgo y rentabilidad  Detección de fraudes  Transaccionales  Operacionales  Demográficos  Financieros  Económicos  Gubernamentales  Asociaciones Datos Información Conocimiento / Acción La historia de siempre
  5. • Implementación, aplicación, uso de la solución. • Único criterio

    de éxito de una solución analítica. • La definición tecnológica, no le importa a nadie…. Sólo lo que hagamos con esta cuenta. • La calidad del análisis esta directamente relacionada con la calidad de los datos. • Pocos datos/historia, ruido, valores anómalos, … El desafío está en resolver estos inconvenientes. • Simplicidad vs. Complejidad (Keep It Simple, Stupid) • Un modelo simple es más fácil de implementar, de interpretar, de monitorear, de… todo. • Correlación no implica causalidad. Desafíos
  6. • Plataforma elástica. • 100% Nube Infraestructura • Esquema de

    formación formal joven • Cursos online, documentación, foros • Prueba y error. Know-how • Mayormente tecnologías open-source • 100% elástico Costo • Diverso y heterogéneo. • No existe una herramienta para todo ni para siempre. Ecosistema de herramientas • Debe ser ágil o de iteraciones incrementales • Trabajar a través de PoCs refinadas • Compartir el problema Metodología de gestión • Dependerá de la organización y su cultura analítica. • Uso de la solución • Evangelización de usuarios Valor Agregado Cambio de mentalidad! Drivers