APIs predictivas

PredicSis AI,
PredictionIO y Seldon01
Firebase: cómo Google quiere
mejorar las aplicaciones a
través de los datos
02
Las APIs de los rivales
de Google Analytics03
Watson Discovery, la API de IBM
para dar valor a los datos
de las empresas
04
APIs predictivas
Un nuevo nivel para dar valor a los datos

01
PredicSis AI,
PredictionIO y Seldon,
servicios de analítica basados en APIs predictivas
Estas tres plataformas usan interfaces de desarrollo de aplicaciones para
recabar y gestionar grandes volúmenes de datos agregados que sirven,
posteriormente, para la creación de modelos predictivos. Estas son
algunas de sus principales características técnicas.
www.bbvaopen4u.com

El valor de la analítica como elemento clave en la
toma de decisiones de negocio está fuera de toda
duda. Las empresas han ido incorporando poco a
poco la analítica y el concepto de métricas del éxito
dentro de sus procesos de decisión, aunque aún no
se pueda hablar de democratización ni
universalización. Todavía hay muchas compañías
que basan todas sus decisiones en la intuición de
sus profesionales sénior y con más experiencia o
directamente en las decisiones de sus CEOs.
www.bbvaopen4u.com 01. PredicSis AI, PredictionIO y Seldon
Dentro de la analítica, existen algunas herramientas
interesantes que dan un salto añadido: basan sus
análisis en el poder de las APIs predictivas, aquellas
que generan valor a partir del aprendizaje
automático y el aprendizaje continuo.

www.bbvaopen4u.com
Las APIs predictivas son las que están
permitiendo el uso del aprendizaje automático
(machine learning) de forma accesible. Son estas
interfaces de desarrollo de aplicaciones las que
detectan patrones de datos y asignan la
probabilidad de que un hecho futuro pertenezca
a ese patrón concreto y generar un modelo
de predicción eficiente. Estas APIs permiten que
los desarrolladores puedan crear estos modelos a
partir de la información histórica en instituciones
financieras para detectar el fraude, las grandes
corporaciones para controlar la política de
precios, las eléctricas para anticiparse a la
demanda… Hay numerosos ejemplos.
Hoy existen dentro del mercado algunos
softwares de analítica que utilizan el aprendizaje
automático y los datos para cumplir los objetivos
de negocio.

PredicSis AI es una plataforma destinada,
esencialmente, a algunos perfiles técnicos,
de análisis y de negocio dentro de cualquier
compañía: ejecutivos de la compañía, ingenieros
de software, ejecutivos de cuentas, analistas de
negocio, equipos DevOps y científicos de datos.
Para probarlo, cualquier empresa tiene la
posibilidad de hacer una petición de prueba a
través de un formulario en su página web.
El proceso por el que establece predicciones de
negocio tiene cuatro pasos:
• Implementación de indicadores: PredicSis AI
permite recoger una gran cantidad de datos
agregados desde numerosas fuentes distintas.
Ese gran conjunto de información es la base a
partir de las que se tomarán decisiones
• Construcción de segmentos: es esencial para
los profesionales en general, pero mucho más
para aquellos que no tienen formación técnica,
establecer segmentos óptimos para descubrir las
relaciones reales entre los datos, sobre todo si
de esas relaciones salen decisiones de negocio.
Se trata de mostrar el volumen de información a
través de ideas simples y relevantes.
• Modelo de predicción: en esta fase, PredicSis AI
genera una fórmula o modelo que sirve para
predecir el comportamiento futuro. En este
proceso, es importante controlar la desviación
de esa predicción. Si la desviación de los valores
es muy grande, las decisiones empresariales
pueden ser erróneas.
• Predicción final: a partir de los tres pasos
previos, el modelo utiliza los datos más recientes
para generar la predicción a partir de la
audiencia objetivo. El modelo predictivo puede
mejorar el rendimiento de campañas y
procesos.

PredicSis AI es un software de
aprendizaje automático que
utiliza algoritmos de
aprendizaje supervisado para
la creación de modelos. Los
profesionales que usen la
plataforma pueden acceder a
ella a través de una interfaz
gráfica en un navegador web,
como si estuviera navegando
por internet, o mediante una
interfaz de programación,
con el uso de su SDK en
Python o a través de llamadas
a su API REST.
Apache PredictionIO
Servidor
de eventos
Motor 1 Motor 2
Motor 3 Motor 4
App móvil
Campaña
por correo
electrónico
Website
Data Query via REST Resultado previsto

Apache PredictionIO es un servidor de aprendizaje
automático de código abierto construido en la
parte superior de la pila para que desarrolladores y
científicos de datos puedan crear motores y
modelos predictivos con objetivos de negocio. Si
nos fijamos en el esquema anteior, PredictionIO
podría incluir modelos de predicción y procesos de
machine learning en una aplicación móvil. Hacerlo
desde cero exige mucho esfuerzo, tiempo y
mayor coste en el entrenamiento de un
algoritmo. PredictionIO no es nada más que algo
parecido a un servidor LAMP para el análisis de
datos a través de modelos predictivos, que se
encarga de todo el proceso engorroso de
gestionar los algoritmos, su entrenamiento, su
implementación en la parte superior de una
aplicación donde se ejecuta, las distintas
dependencias…

Este servicio tienes las siguientes características:
• Responder a las consultas dinámicas en
tiempo real.
• Unificar los datos de distintas plataformas en
lotes o en tiempo real.
• Dispone de bibliotecas de machine learning y
procesamiento de datos como Spark MLLib y
OpenNLP. Spark MLLib contiene algoritmos de
regresión logística y máquinas de vectores de
soporte (SVM), modelos de árbol de regresión
bayesiana; técnicas de mínimos cuadrados;
modelos de mezclas gausianas; análisis de
conglomerados de K medias; asignación
latente de Dirichlet (LDA); descomposición en
valores singulares (SVD); análisis de
componentes principales (ACP); regresión
lineal; regresión isotónica….
• Facilitar la gestión de la infraestructura de
datos.
Apache PredictionIO puede ser
instalado como una pila de
aprendizaje automático completa,
con Apache Spark, MLLib,
HBase, Spray y
Elasticsearch.

Seldon es una plataforma predictiva que
proporciona recomendaciones de contenido que
está montado sobre un clúster Kubernetes.
Kubernetes es un sistema de código abierto creado
por Google para programar el despliegue, el
escalado y la monitorización de aplicaciones
empaquetadas en contenedores, alojadas en la
nube y con necesidad de computación. Este
sistema está presente en proyectos del buscador
tan importantes como Google Drive o Google
Maps. El empaquetado que facilita Kubernetes
Seldon
permite llevar las aplicaciones a cualquier
plataforma y ejecutarlas, ya sea Amazon Web
Services, Google Cloud Platform o Microsoft Azure.

Algunas de las características más importantes de
Seldon:
• Recomendaciones de contenido y productos:
Seldon permite capturar y registrar las acciones
del usuario a través de su API REST, y después
usar esa información para entregar
recomendaciones personalizadas a los usuarios.
La infraestructura de Seldon está formada por un
conjunto de distintas capas: una capa en tiempo
real, responsable de manejar las solicitudes de la
API predictiva en tiempo real; la capa de
almacenamiento, que gestiona el
almacenamiento de los distintos componentes
de la infraestructura; y la capa de estadísticas,
que monitoriza y analiza el sistema en
funcionamiento.

• Realización de predicciones: los datos
agregados, la base de cualquier modelo
predictivo, se envían a la plataforma a través
de la API REST en tiempo real. Es la interfaz de
desarrollo de aplicaciones quien recaba datos
de múltiples fuentes para la elaboración del
modelo predictivo. Normalmente esos datos se
envían en formato JSON y después se produce
un proceso de modelado de los datos
mediante algoritmos, entre otros motivos por
JSON no es el mejor formato para crear
modelos de aprendizaje automático.

02
Firebase, cómo Google quiere mejorar
las aplicaciones a través de los datos
Firebase es una plataforma de back-end como servicio, que dispone
de una serie de herramientas para el desarrollo de aplicaciones:
el almacenamiento y sincronización de datos en la nube, medición
del comportamiento del usuario y soluciones para monetizar productos.
www.bbvaopen4u.com

Decir que Google tiene intereses importantes en el
consumo de contenidos y servicios en dispositivos
móviles es una obviedad. Tiene una tienda de
aplicaciones, Google Play. Tiene un sistema
operativo móvil como Android. Ha lanzado
recientemente un terminal como Google Pixel.
Antes llegaron los dispositivos de su gama Nexus.
Desde comienzos de octubre de 2015, el buscador
puso en el mercado las Accelerated Mobile Pages
(Páginas Móviles Aceleradas), su estándar abierto y
carga rápida para el consumo de información en la
web móvil. También dispone de su proyecto
Progressive Web Apps, la mezcla entre webs y
apps, y de Google Firebase, su plataforma SaS
(Software como Servicio) para el almacenamiento y
sincronización de datos en la nube para
aplicaciones.
www.bbvaopen4u.com 02. Firebase

Google basa el posicionamiento de producto de
Firebase en cuatro grandes patas de negocio, que
pretende que sean un catalizador del alojamiento
de apps de terceros:
• Una serie de características para el desarrollo
de aplicaciones móviles: Google ofrece
almacenamiento de datos en la nube, procesos
de autenticación de usuarios, servicio de base
de datos, reporte de errores…
• Servicio de analítica: Google dispone de
Firebase Analytics, una solución de analítica
incluida dentro del servicio gratuito para medir
el comportamiento del usuario dentro de los
productos desde un mismo panel de métricas.
• Recursos para el crecimiento: el buscador
presta atención a la distribución para el
crecimiento de la audiencia. Por ejemplo, a
través de notificaciones. Aquí también entraría
todo lo relacionado con publicidad dentro de
Adwords.
• Monetización: Firebase está integrada con una
herramienta de monetización a través de la
inclusión de publicidad en las aplicaciones
llamada AdMob.

Para desarrollar un proyecto con Google Firebase
lo único que es necesario es disponer de una
cuenta de correo electrónico Gmail, como casi
todos los productos del buscador. Firebase da a los
desarrolladores de aplicaciones una plataforma que
almacena y sincroniza con cada aplicación la
información alojada en una base de datos NoSQL
en la nube. Esos datos siempre se sincronizan en
tiempo real y siguen estando disponibles cuando la
aplicación pierde la conexión a internet.
Cómo desarrollar apps con Firebase

Esa base de datos NoSQL recibe el nombre de
Firebase Realtime Database. En ella se
almacenan los datos en formato JSON y se
sincronizan con cada uno de los clientes que se
encuentran conectados en ese momento. La
idea es que, cuando un equipo de desarrollo
crea una aplicación con los SDKs de Android,
iOS o JavaScript de Firebase, todos esos clientes
comparten una misma instancia dentro de esa
base de datos NoSQL y las peticiones que
hacen los usuarios reciben siempre como
respuesta los datos actualizados para su petición
en tiempo real.
Una vez creada una cuenta gratuita en la
consola de Firebase, cada nueva app en la
consola se identificará con una URL única que
servirá tanto para almacenar y sincronizar los
datos en la base de datos como autenticar
usuarios. Dentro de esa consola, se pueden dar
de alta nuevas aplicaciones, pero también
administrarlas o borrarlas. Ahí también se
pueden hacer cambios en la BD o administrar la
autenticación de usuarios en cada uno de los
proyectos. Es el centro de operaciones de
Firebase.

Autenticación de usuarios con Firebase
Todo el proceso de autenticación de la identidad de
los usuarios en Firebase, bajo el servicio Firebase
Authentication, se hace bajo estándares del mercado
como OAuth 2.0 y OpenID Connect. La idea es que
las aplicaciones sean capaces de reconocer la
identidad del usuario, guardar sus datos personales y
ofrecer la misma experiencia personalizada desde
cualquier dispositivo y desde cualquier sistema
operativo.
Para iniciar sesión de usuario en una aplicación
alojada en la nube como Firebase es necesario
facilitar unas credenciales que te identifiquen como
ese usuario concreto, a través de un correo
electrónico y una contraseña o mediante el uso de
un token OAuth de un proveedor de identidades
federadas si el login se produce a través de servicios
externos populares como Facebook y Twitter o
Google Plus.

Almacenamiento y analítica con Firebase
Los otros dos grandes pilares de Firebase son el
almacenamiento y el servicio de analítica pensado
para las métricas relacionadas con el
comportamiento del usuario. El primero de los
productos, Firebase Storage, ofrece la posibilidad de
hospedar imágenes, audio, vídeo y cualquier otro
contenido generado por el propio usuario. Detrás de
Firebase Storage está Google Cloud Storage, un
servicio mayor que le sirve de respaldo. La idea de
este almacenamiento es dar servicio a aquellas
aplicaciones que almacenan y proporcionan
contenido creado por sus usuarios.
Aunque Firebase Storage está respaldado por detrás
por Google Cloud Storage, eso no significa que
estemos ante un servicio no escalable, todo lo
contrario. Esa escalabilidad, siempre y cuando sea
requerida por el cliente, se hace de forma
automática. El acceso y la administración de los
datos acumulados en Firebase Storage se hace

a través de sus SDKs o a través de las APIs de Google
Cloud, que gestionan toda esa información en dos
formatos habituales: XML y JSON.
Sobre Firebase Analytics hay que decir que es una
solución gratuita y casi ilimitada. De hecho, dispone
de la capacidad de generar informes de métricas a
partir de un total de 500 eventos, un número
bastante elevado para un servicio totalmente gratuito.
Esos eventos se pueden implementar en cualquier
aplicación nativa, sea para el entorno que sea (iOS o
Android), a través del SDK del servicio de analítica.

www.bbvaopen4u.com
03
Las APIs de los rivales
de Google Analytics
Chartbeat, Webtrends y KISSmetrics son tres buenos ejemplos de
herramientas que pueden competir perfectamente con Google Analytics,
aunque el escenario de competencia no sea especialmente sencillo. Esto
es posible gracias a sus interfaces de desarrollo de aplicaciones.

Google Analytics es uno de los líderes del mercado
de la analítica web, tal vez por la gran compañía
que está detrás del producto y por las elevadas
posibilidades de su servicio gratuito. Pero no es el
único. Existen otras empresas que tienen
plataformas de analítica web realmente
competitivas y con algunas características
interesantes. Incluso, en un terreno especialmente
delicado, pueden competir con el gran buscador:
son herramientas que disponen de sus propias
interfaces de desarrollo de aplicaciones para la
extracción, gestión y tratamiento de los datos de
terceros. Con lo que tienen más problemas sus
rivales es con la capacidad que tiene Google de
vincular Analytics con otros productos como
Adwords, la gran gallina de los huevos de oro y la
plataforma de referencia en PPC (Pay Per Click) en
todo el mundo, o Audience, la herramienta de
medición del comportamiento humano.
Al final Google permite centralizar en una
herramienta como Analytics todas las métricas
importantes tanto por el lado del producto como
del lado comercial. De todas formas, existe vida
más allá de Google Analytics. Este listado lo
prueba:
www.bbvaopen4u.com 03. Las APIs de los rivales de Google Analytics

Chartbeat es el rey de las métricas en tiempo real,
un sector en el que Google Analytics todavía no ha
encontrado su sitio. Sí es cierto que Analytics
dispone de un informe de accesos en ese tiempo
real, pero no al nivel que tiene Chartbeat. A día de
hoy, Google Analytics es una herramienta con la
que los clientes deben esperar 24 horas para
obtener el resultado del día anterior y que está
enfocada a obtener insights a partir de la
contextualización temporal de las métricas. La idea
es buscar elementos que generen patrones en los
últimos seis meses, un año o dos años. Lo
importante en métricas, y aún más en Google
Analytics, es la tendencia de los datos y la
explicación de la realidad que ofrece la relación de
toda esa información. De igual forma, Chartbeat
tiene informes en tiempo real y de corte histórico.
Esta subdivisión es importante porque, de igual
forma, funciona la API REST de Charbeat. La
interfaz de desarrollo de aplicaciones de la
plataforma opera con la actualización de datos en
estos dos sentidos: los datos en tiempo
real contenidos dentro de la API se actualizan cada
tres segundos -por tanto ese es el margen de error
de las métricas en vivo- y luego está la información
que se acumula y se muestra en función de
periodos de tiempo determinados por el propio
usuario.
La API REST de Chartbeat permite a los equipos de
desarrolladores acceder a los datos que contienen
a través de sencillas solicitudes HTTP (GET). Fruto
de esas peticiones, al cliente siempre se le
devuelve un paquete de datos en formato JSON.
1. Chartbeat

Además, la API REST de Charbeat devuelve
datos específicos del consumo de contenidos en
vídeo. Por poner un par de ejemplos prácticos
de la API de vídeo:
• Esta llamada GET devolvería los vídeos
más exitosos de una web:
http://api.chartbeat.com/live/video/videos
/v1/?host={domain}&apikey={apikey}
• Esta llamada, en cambio, devuelve
información específica de cada vídeo:
http://api.chartbeat.com/live/metrics/?hos
t={domain}&apikey={apikey}&names={na
mes}

Webtrends es otra de las plataformas que rivaliza
con Google Analytics dentro del sector de la
analítica. Esta herramienta tiene algunas
características interesantes:
• Unificación de los datos procedentes de
distintas fuentes para la creación de informes
ad hoc que faciliten una visión de conjunto a
los clientes.
• Recogida de un número ilimitado de variables.
Esas variables se pueden usar cuando se
deseen en todo tipo de informes de analítica
dentro de Webtrends.
• Capacidad para hacer informes personalizados,
que se pueden compartir entre las distintas
vistas o compartirse con otros usuarios de la
herramienta.
• Posibilidad de crear segmentos, que se pueden
guardar en una biblioteca personal para
recuperarlos cuando sean necesarios a lo largo
del tiempo.
• Webtrends dispone de varias interfaces de
desarrollo de aplicaciones para dar servicio a
terceras empresas, entre ellas una API
para la extracción de datos, otra para
el envío de información a los servidores de
Webtrends y otra API dedicada a la
gestión de los datos en el tiempo real.
2. Webtrends

La API para la extracción de datos de Webtrends
Analytics es una API REST que permite a los
desarrolladores la recolección de información a
partir de una única URL. La interfaz proporciona
macros que permiten pedir datos en periodos de
tiempo concretos, soporta información en
numerosos formatos como JSON, XML, HTML o
CSV y permite la creación de aplicaciones AJAX.
Además, esta API facilita el cacheo de los datos,
una característica interesante para mejora mucho el
rendimiento.

KISSmetrics es otro de los grandes rivales de
Google Analytics. KISSmetrics tiene una ventaja
competitiva con respecto a otras soluciones del
mercado: se centra en dar una solución de análisis
a sus clientes que haga una representación visual
de cuál es el ciclo de vida de un usuario con un
producto o en un servicio determinado. Esto sólo
es posible a través de las funcionalidades de la API
de KISSmetrics.
• Seguimiento automático de identidades de
usuario, sin que esos datos lleven
forzosamente a su identificación real,
normalmente a través de su correo electrónico
o nombre de usuario, elementos muy
utilizados en páginas web o aplicaciones
nativas, tanto en iOS como en Android. La API
también es capaz de cotejar y resolver cuándo
el email y el nombre de usuario pertenecen a
la misma persona para evitar la duplicación
errónea de métricas. De ese seguimiento se
extraen datos e información a partir del
traqueo de los eventos más utilizados dentro
de una herramienta de métricas.
• Además, KISSmetrics tiene una API de test A/B,
una herramienta esencial para establecer
prioridades cuando una empresa tiene un
proyecto online.
3. KISSmetrics

04
Watson Discovery, la API de IBM
para dar valor a los datos de las empresas
Discovery permite a las empresas estructurar y comprender, con cierta
facilidad, la gran masa de datos de las que disponen, en muchas ocasiones
de fuentes muy dispares (documentos de aplicaciones de ofimática,
documentos HTML o formato JSON o PDF).
www.bbvaopen4u.com

Siempre se habla de los datos como la llave que
abre todas las puertas. Y no es una comparación
equivocada. Pero los datos son algo más que la
obtención de información agregada, y es necesario
que una empresa tenga la capacidad de generar
verdadero valor de negocio con ellos. Lograrlo no
es nada fácil. En España hay algunas empresas,
muy pocas, que están extrayendo valor de negocio
de sus datos; otras están en proceso de disponer
de información agregada de la que extraer ese
beneficio; y el resto buscan soluciones para
disponer de esa información. Soluciones a nivel de
infraestructura y back y también en el front.
Igual que existen empresas en busca de ese valor
añadido, hay otras compañías que ofrecen
productos y servicios a esos terceros para ser
capaces de monetizar sus datos. IBM es,
posiblemente, una de las principales empresas en
el mundo en inteligencia artificial y en la creación
de productos y servicios en campos como el
procesamiento de lenguaje natural y aprendizaje
automático. La mayoría de estos productos giran
en torno a su core Watson, el sistema informático
de inteligencia artificial desarrollado en torno a la
tecnología DeepQA (Deep Question Answers).
Watson no es nada más que un sistema
informático para búsqueda de respuestas.
www.bbvaopen4u.com 04. Watson Discovery

Esta búsqueda de respuestas está basada en el
procesamiento de lenguaje natural, una ciencia
de la computación y la inteligencia artificial que
estudia y mejora la interacción entre las máquinas
y los seres humanos, sobre todo a nivel del
lenguaje. Watson puede, gracias a eso, entender el
mundo de los seres humanos a través de los
sentidos, el aprendizaje y la experiencia propios de
las personas. ¿Cómo hace IBM Watson para
resolver preguntas dando respuestas relativamente
acertadas?
• Watson bucea dentro de millones de
documentos para encontrar respuestas a las
preguntas que se le plantean. Eso es posible
porque acumula cientos de datos de fuentes
diversas como Microsoft Word, páginas webs,
documentos en PDF o formato JSON,
documentos en aplicaciones en la nube...
• Utiliza un algoritmo de puntuación para valorar
la calidad de la respuesta.

Dentro de todos los productos relacionados
con Watson, uno de los servicios más
interesantes es Discovery. La meta
fundamental de este producto es conseguir
que las empresas puedan comprender sus
grandes datos con algo menos de esfuerzo.
Esto es posible gracias a tres situaciones
que no son nada sencillas en IA:
Discovery, producto
interesante en Watson

• Analizar grandes volúmenes de datos que, en
un primer momento, pueden estar en un
formato o en unas condiciones que no son las
mejores. Normalmente la información llega de
las fuentes totalmente desestructurada
procedente de fuentes locales tan dispares
como correos electrónicos o chats. La mayoría
de científicos de datos usa gran parte de su
tiempo en la recogida, limpieza y organización
de los datos no estructurados. Este es un
trabajo arduo, complejo y necesario para
obtener información de valor real.
• IBM Watson también es capaz de analizar
información estructurada y semiestructurada
procedente de otras fuentes como bases de
datos o sistemas de gestión de contenidos
(CMS) habituales en las empresas.
• Normalmente la inteligencia artificial tiene
capacidad para dar una única respuesta
determinista a una pregunta o consulta. Lo
realmente difícil es que un sistema o
plataforma sea capaz de contextualizar y
ofrecer alternativas. El objetivo de Watson
Discovery es contextualizar datos y dar
respuestas.

La API de Watson Discovery
IBM presume de tener un
servicio que no necesita perfiles
con un doctorado. Con saber
hacer una llamada a una API
REST es necesario. Esa es la
forma en la que se hace todo el
proceso de extracción,
transformación y carga (ETL) de
contenido y poder integrarlo
directamente con las
capacidades que tiene Watson
en la importación de
documentos y grandes
volúmenes de datos. Desde ahí
los desarrolladores pueden
identificar tareas, análisis de
datos, exploración de
información, búsqueda…
Al final, el gran bloque de APIs
de Watson lo que permite es lo
siguiente:
• Rastrear, convertir,
enriquecer y normalizar
los datos.
• Explorar el contenido del
cliente, pero también de
fuentes de contenido
público y totalmente libre o
bien contenido que está
bajo licencia.
• Añadir a la información
recogida un nuevo valor:
Watson usa el
procesamiento de lenguaje
natural para extraer
conceptos, establecer
relaciones y vincular
sentimientos a los datos
que se han recogido.
• Simplificar el desarrollo sin
dejar de ofrecer acceso a
las APIs.

El objetivo de Discovery es poner todas las
capacidades que tiene IBM Watson en tecnologías
como la computación y el procesamiento de
lenguaje natural en un servicio más accesible para
todos, con la idea de dar soporte a todo tipo de
sectores y contenidos, sobre todos aquellos que
manejan grandes datos como la salud. Con
Discovery, la idea es que la preparación de los
datos no estructurados, hacer las consultas
necesarias para localizar la información que se
desea e integrar todo eso dentro de una nueva
aplicación, una plataforma o una solución, sea muy
sencillo.

Watson Discovery tiene tres formas distintas de relacionar,
contextualizar, conectar o encontrar ideas brillantes entre todo el
volumen de datos que tiene una empresa después del proceso
de rastreo y organización de esa información no estructurada:
• A través de la API: esta es la mejor fórmula posible si la
carga del contenido está integrada directamente con una
aplicación o servicio ya existente.
• Herramientas de Discovery: el método ideal si lo que se
quiere es subir directamente ese contenido a un servicio
local para su consulta y uso.
• Mediante el rastreador de datos: el rastreador de datos
es una herramienta de línea de comandos que ayuda
a los desarrolladores a coger sus documentos desde los
repositorios en los que se encuentran (puede ser por
ejemplo una base de datos) y empujarlos a la nube
para ser usados por Watson Discovery.
Cómo se añade contenido con Watson Discovery

compartir
SUSCRÍBETE
para recibir la newsletter de
BBVA Open4U: noticias,
novedades, consejos, artículos…
y los eventos más innovadores
www.bbvaopen4u.com
Otros ebooks en BBVA Open4U
Ebook: Las APIs, clave en el
desarrollo de apps en la nube
Ebook: Fintech: Visión de futuro Ebook: Big Data en el ecosistema
‘fintech’

“
“
Customers Accounts PayStats
Payments Cards Notifications
A veces tienes que ser el cambio que quieres ver en el mundo
SHAMIR KARKAL
36BBVA no es responsable de las opiniones expresadas en este ebook
Prueba las APIs de BBVA en www.bbvaapimarket.com

APIs predictivas

Recommandé

Recommandé

Contenu connexe

Dernier

Dernier (20)

En vedette

En vedette (20)

APIs predictivas