99 ¿Qué hay de nuevo atrás de Big Data?
33
-
Upload
genexus -
Category
Technology
-
view
249 -
download
0
description
¿Qué hay de nuevo atrás de Big Data?
Transcript of 99 ¿Qué hay de nuevo atrás de Big Data?
#GX24
• Co-Fundador de dSense Technologies • Decano de la Facultad de Ingeniería y Tecnologías de la Universidad Católica del Uruguay
Presentación
#GX24
• Historia de Big Data • Proyectos Big Data • Big Data en Retail • Big Data en Agro
Agenda
Historia de Big Data
Big Data: Definiciones • Gartner: Big data is high-volume, high-velocity and
high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making.
• Grandes volúmenes de información, típicamente heterogéneos y complejos que deben ser procesados para extraer valor.
Big Data: 1990 - 2013
1997
Big Data: 1990 - 2013
2001
Big Data: 1990 - 2013
2004
Big Data: 1990 - 2013
2006
Big Data: 1990 - 2013
2012
Big Data: 1990 - 2013
2012
2006 2004
2001 1997
En 2011–2012 se rompe la tendencia exponencial con la que venía creciendo el número de publicaciones. Big Data se hace popular.
Tendencias de búsqueda en Google
2012
¿Big Data está creciendo?
El crecimiento de Big Data es similar a otras áreas cercanas.
¿Big Data está creciendo?
Recién en 2011-2012 Big Data comienza a crecer por encima de otras áreas cercanas.
Reflexiones… • Big Data es el resultado de:
– (al menos) 20 años de desarrollo tecnológico – muchísimos años de investigación y desarrollo en:
estadística, pattern recognition, data mining, machine learning, etc.
• (-) Big Data es un nombre “marketinero” para cosas conocidas por la academia y la industria.
• (+) Lo nuevo de Big Data: combinación de grandes volúmenes de datos heterogéneos para extraer valor.
Reflexione: (3V + 1V) • VOLUMEN no es todo…
• VELOCIDAD acorde al negocio… • VARIEDAD sobre todas las cosas…
• VALOR el objetivo…
Proyectos Big Data
Pasos Adquisición • Captura • Almacenamiento
Pre-procesamiento • Limpieza • Acondicionamiento • Extracción
Integración • Agregación • Representación
Análisis • Modelado
Interpretación • Evaluación
Tecnología vs RRHH
Volumen
Tecnología
RRHH
Velocidad
RRHH Algoritmos
Tecnología
Variedad
RRHH “Curadores”
Tecnología
RRHH Tecnología
BBDD
Sistemas
Integración
Metodología
Modelado
Análisis de Datos
Algoritmos
Resumen • Tecnología disponible • RRHH un desafío (dominio específico)
– Buscar fuera de TI…
Big Data en Retail
Retail • Negocio con tradición de uso de los datos para
extraer valor. • ¿Volumen? • ¿Velocidad? • ¿Variedad?
OK
OK
¿?
Retail: Variedad • Redes Sociales (estados de ánimo, otros eventos,…) • Dispositivos • Clima • Conteo de personas (video) • Reconocimiento de género y edad a partir de imágenes (video) • Seguimiento a partir de cámaras (video) • Identificación de “hot spots” • Marketing de proximidad (¿beacons?) • etc.
DATOS NO ESTRUCTURADOS
Conteo de Personas (video)
Big Data en Agro
Agricultura: Datos + Imágenes Satelitales (series históricas) + Clima (series históricas) + Suelos + Datos de Cultivos + Recorridas a Campo Georeferenciadas + Monitores de Rendimiento (cosecha: rendimiento,
humedad, elevación, temperatura,…) + etc. Variedad – Volumen – Velocidad
Ambientaciones • Identificación automática de
heterogeneidad ambiental • Imágenes Satélite 1985-2012 • Modelo de Elevación • Carta de Suelos • Monitores Rendimiento (futuro)
Ambientaciones: Proceso Adquisición • Imágenes Satélite • Monitores Rend.
Pre-procesamiento • Selección Imágenes • Extracción de bandas
de interés
Integración • Agregación • Representación de
información
Análisis • Identificación de
ambientes
Interpretación • Evaluación
Agronómica
Agricultura
Estimación de Rendimiento: Identificación automática de puntos de muestreo.
Procesamiento Monitores Rendimiento
Resumen Final • Volumen no lo es todo… depende de la
aplicación • Velocidad también depende de la aplicación • Variedad es el mayor desafío (novedad) • Tecnología disponible • RRHH factor clave (análisis de datos)
Alvaro Pardo – [email protected] - @AlvaroPardoUy
