SlideShare une entreprise Scribd logo
1  sur  16
[+34] 902 20 25 52 hablemos@beeva.com www.beeva.com
2014 2
Transformación
modelo de negocio
Aplicación a
procesos actuales de manera masiva
Diseño de estrategia y
creacion de capacidades
Tiempo
%Competenciasanalíticas
Situación
actual
2014-15 2016-18 2018+
2014 3
IDENTIFICACIÓN DE
VALOR
APROVISIONAMIENTO
DEL DATO
INFRAESTRUCTURA
TECNOLÓGICA
RECURSOS INTERNOS Y
OPERATIVA
Los proyectos de Big Data
deben estar asociados a un
ROI. El valor de los
resultados obtenidos es el
driver principal, junto con la
Innovación
Los aspectos técnicos en la
extracción del dato, junto
con los requerimientos
legales en protección de la
información, son elementos
clave en los proyectos Big
Data
Los proyectos Big Data
requieren una infraestructura
IT muy avanzada. La nube
permite realizar proyectos
sin inversión previa y
fácilmente operativizables
Es necesario definir las
necesidades en cuanto a
capacidades internas de los
RRHH. Los requerimientos
de la operativa Big Data
obligan también a redefinir
procesos
2014 4
2014 5
• Incertidumbre tecnológica
• Falta de certeza estratégica acerca del ecosistema de vendors
• Altos costes iniciales y reducción drásticas a medio plazo
• Compañias embrionarios o de nicho
• “Clientes por primera vez”
• Ausencia de estandarización
• Confusión de clientes
• Regulatorios y políticos
CARACTERÍSTICAS ESTRUCTURALES COMUNES – VISTA CLIENTE
2014 6
• Costes de volver a formar al equipo técnico
• Costes de adquisión de nuevos sistemas
• Costes de investigación y desarrollo del cambio
• Costes de modificar la cadena de producción o aspectos conexos
del negocio, cambios en la operativa
• Servicios de soporte internos
• Recursos para el cambio, cambio de proceso interno de IT: capital,
ingeniería y personal especializado
INTRODUCCIÓN DE TECNOLOGÍA EMERGENTE
2014 7
2014 8
2014 9
• Identificación de fuentes de datos de valor en silos no integrados
• Quién es el dueño del dato
• De dónde procede el dato
• Cómo se transforma el dato
• Limitaciones técnicas para su exportación
• Integración de fuentes de distintos silos
Aspectos técnicos y operativos
Aspectos de seguridad y legales
• Protección de datos
• Seguridad de la información
• Cumplimiento de normativas internas de seguridad lógica
• Estándares de seguridad y especificaciones para Cloud
2014 10
2014 11
2014 12
• Formación de grupo de trabajo para PoC
• Identificar pequeña PoC con alcance acotado
• Elección del caso de uso según necesidades de negocio
• Duración acotada: recomendable entre 3 y 6 semanas.
• Identificación KPIs finales PoC
• Ejecución de la PoC
• Valoración de KPI’s y modelos de integración
Implementando la PoCDefiniendo la POC
2014 13
Map Reduce
ETL Tradicional
ERP CRM
SW de
3ºs
Data Warehouse
RDBMS
Nuevos
Canales
Nuevas
Fuentes
Logs,
text, IoT
HDFS
Core Info.
Reporting
Volumen
Coste
Procesamiento
Nuevas fuentes
Nueva analítica
Analytics Platform
MPP y NoSQL
2014 14
Grupos de trabajo
• Creación Grupo de Big Data
• Definición de valor de negocio
• Definición de fuentes de datos
• Definición de skills y competencias
• Creación Grupo Governance del dato: BI + Big Data
• Asegurar independencia de ambos sistemas en cuanto a recursos e interrelación para integración
• Establecimiento de políticas de monitorización y gobernabilidad del BI y Big Data
• Identificación del líder-departamento de la iniciativa Big Data. Opciones principales:
1. Dep. de BI: si la iniciativa es de optimización tecnológica para un caso de uso claramente definido
2. Dep. ad-hoc: si la iniciativa emerge de negocio y permite cierta independencia de IT
Liderando Big Data en la organización
2014 15
• Definición de objetivos de negocio
• Descubrimiento del dato
• Networking con sistemas: plataforma tecnológica
• Definición de KPI’s
• Prueba y evalúa en rendimiento: POC
• Define los modelos de integración con los sistemas analíticos actuales
• Evalúa tu nueva estructura organizativa
Integración de la tecnología BigData en tu organización
Presentación corporativa BEEVA 2014 16
@

Contenu connexe

Tendances

J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...COIICV
 
Big data con SQL Server 2014
Big data con SQL Server 2014Big data con SQL Server 2014
Big data con SQL Server 2014Eduardo Castro
 
Big Data en el entorno Bancario
Big Data en el entorno BancarioBig Data en el entorno Bancario
Big Data en el entorno BancarioMartín Cabrera
 
Big Data con Sql Server 2014 y la nube
Big Data con Sql Server 2014 y la nubeBig Data con Sql Server 2014 y la nube
Big Data con Sql Server 2014 y la nubeEduardo Castro
 
Virtualización de datos: las claves para el análisis de datos en tiempo real ...
Virtualización de datos: las claves para el análisis de datos en tiempo real ...Virtualización de datos: las claves para el análisis de datos en tiempo real ...
Virtualización de datos: las claves para el análisis de datos en tiempo real ...Denodo
 
Modelos de datos relacionales y no relacionales
Modelos de datos relacionales y no relacionalesModelos de datos relacionales y no relacionales
Modelos de datos relacionales y no relacionalesBEEVA_es
 
Building The Modern Architecture of Hybrid Data for Big Data with Microsoft D...
Building The Modern Architecture of Hybrid Data for Big Data with Microsoft D...Building The Modern Architecture of Hybrid Data for Big Data with Microsoft D...
Building The Modern Architecture of Hybrid Data for Big Data with Microsoft D...Joseph Lopez
 
Steelmood: Big Data
Steelmood: Big DataSteelmood: Big Data
Steelmood: Big DataSteelmood
 
Big data, Big Objects
Big data, Big ObjectsBig data, Big Objects
Big data, Big ObjectsNimacloud
 
Nuevos escenarios BI con SQL Server 2014
Nuevos escenarios BI con SQL Server 2014Nuevos escenarios BI con SQL Server 2014
Nuevos escenarios BI con SQL Server 2014Ruben Pertusa Lopez
 
Big Data Architecture con Pentaho
Big Data Architecture con PentahoBig Data Architecture con Pentaho
Big Data Architecture con PentahoDatalytics
 
Customer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
Customer Analytics; qué se necesita y cómo conseguirlo by Josep CurtoCustomer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
Customer Analytics; qué se necesita y cómo conseguirlo by Josep CurtoSngular Meaning
 
Experiencia de Implantación de una Fábrica de Datos: Air Europa
Experiencia de Implantación de una Fábrica de Datos: Air EuropaExperiencia de Implantación de una Fábrica de Datos: Air Europa
Experiencia de Implantación de una Fábrica de Datos: Air EuropaDenodo
 
¿Cuál es el futuro de la estrategia de datos?
¿Cuál es el futuro de la estrategia de datos?¿Cuál es el futuro de la estrategia de datos?
¿Cuál es el futuro de la estrategia de datos?Denodo
 
9 problemas en proyectos Data Analytics
9 problemas en proyectos Data Analytics9 problemas en proyectos Data Analytics
9 problemas en proyectos Data AnalyticsStratebi
 
2016 ULL Cabildo KEEDIO - IT y BANCA
2016 ULL Cabildo KEEDIO - IT y BANCA2016 ULL Cabildo KEEDIO - IT y BANCA
2016 ULL Cabildo KEEDIO - IT y BANCAKEEDIO
 
Destinos turisticos inteligentes
Destinos turisticos inteligentesDestinos turisticos inteligentes
Destinos turisticos inteligentesStratebi
 
M04 09 20_v06_aplicaciones_bd
M04 09 20_v06_aplicaciones_bdM04 09 20_v06_aplicaciones_bd
M04 09 20_v06_aplicaciones_bdrussellmrr
 
M04 09 20_v01_arquitectura_sbd
M04 09 20_v01_arquitectura_sbdM04 09 20_v01_arquitectura_sbd
M04 09 20_v01_arquitectura_sbdrussellmrr
 
7.6 El Cloud y el Big Data (II).
7.6 El Cloud y el Big Data (II).7.6 El Cloud y el Big Data (II).
7.6 El Cloud y el Big Data (II).Brox Technology
 

Tendances (20)

J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
J. Verdura. Big Data: la nueva frontera de la revolución digital. Semanainfor...
 
Big data con SQL Server 2014
Big data con SQL Server 2014Big data con SQL Server 2014
Big data con SQL Server 2014
 
Big Data en el entorno Bancario
Big Data en el entorno BancarioBig Data en el entorno Bancario
Big Data en el entorno Bancario
 
Big Data con Sql Server 2014 y la nube
Big Data con Sql Server 2014 y la nubeBig Data con Sql Server 2014 y la nube
Big Data con Sql Server 2014 y la nube
 
Virtualización de datos: las claves para el análisis de datos en tiempo real ...
Virtualización de datos: las claves para el análisis de datos en tiempo real ...Virtualización de datos: las claves para el análisis de datos en tiempo real ...
Virtualización de datos: las claves para el análisis de datos en tiempo real ...
 
Modelos de datos relacionales y no relacionales
Modelos de datos relacionales y no relacionalesModelos de datos relacionales y no relacionales
Modelos de datos relacionales y no relacionales
 
Building The Modern Architecture of Hybrid Data for Big Data with Microsoft D...
Building The Modern Architecture of Hybrid Data for Big Data with Microsoft D...Building The Modern Architecture of Hybrid Data for Big Data with Microsoft D...
Building The Modern Architecture of Hybrid Data for Big Data with Microsoft D...
 
Steelmood: Big Data
Steelmood: Big DataSteelmood: Big Data
Steelmood: Big Data
 
Big data, Big Objects
Big data, Big ObjectsBig data, Big Objects
Big data, Big Objects
 
Nuevos escenarios BI con SQL Server 2014
Nuevos escenarios BI con SQL Server 2014Nuevos escenarios BI con SQL Server 2014
Nuevos escenarios BI con SQL Server 2014
 
Big Data Architecture con Pentaho
Big Data Architecture con PentahoBig Data Architecture con Pentaho
Big Data Architecture con Pentaho
 
Customer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
Customer Analytics; qué se necesita y cómo conseguirlo by Josep CurtoCustomer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
Customer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
 
Experiencia de Implantación de una Fábrica de Datos: Air Europa
Experiencia de Implantación de una Fábrica de Datos: Air EuropaExperiencia de Implantación de una Fábrica de Datos: Air Europa
Experiencia de Implantación de una Fábrica de Datos: Air Europa
 
¿Cuál es el futuro de la estrategia de datos?
¿Cuál es el futuro de la estrategia de datos?¿Cuál es el futuro de la estrategia de datos?
¿Cuál es el futuro de la estrategia de datos?
 
9 problemas en proyectos Data Analytics
9 problemas en proyectos Data Analytics9 problemas en proyectos Data Analytics
9 problemas en proyectos Data Analytics
 
2016 ULL Cabildo KEEDIO - IT y BANCA
2016 ULL Cabildo KEEDIO - IT y BANCA2016 ULL Cabildo KEEDIO - IT y BANCA
2016 ULL Cabildo KEEDIO - IT y BANCA
 
Destinos turisticos inteligentes
Destinos turisticos inteligentesDestinos turisticos inteligentes
Destinos turisticos inteligentes
 
M04 09 20_v06_aplicaciones_bd
M04 09 20_v06_aplicaciones_bdM04 09 20_v06_aplicaciones_bd
M04 09 20_v06_aplicaciones_bd
 
M04 09 20_v01_arquitectura_sbd
M04 09 20_v01_arquitectura_sbdM04 09 20_v01_arquitectura_sbd
M04 09 20_v01_arquitectura_sbd
 
7.6 El Cloud y el Big Data (II).
7.6 El Cloud y el Big Data (II).7.6 El Cloud y el Big Data (II).
7.6 El Cloud y el Big Data (II).
 

En vedette

Hadoop en la nube: ETL a ELT
Hadoop en la nube: ETL a ELT Hadoop en la nube: ETL a ELT
Hadoop en la nube: ETL a ELT BEEVA_es
 
Bases de Datos no relacionales
Bases de Datos no relacionalesBases de Datos no relacionales
Bases de Datos no relacionalesBEEVA_es
 
Estudio de Clima Laboral en América Latina 2014-2015
Estudio de Clima Laboral en América Latina 2014-2015Estudio de Clima Laboral en América Latina 2014-2015
Estudio de Clima Laboral en América Latina 2014-2015Acsendo
 
Guia para el camino hacia un Clima Laboral exitoso
Guia para el camino hacia un Clima Laboral exitosoGuia para el camino hacia un Clima Laboral exitoso
Guia para el camino hacia un Clima Laboral exitosoAcsendo
 
Medicion del clima_laboral
Medicion del clima_laboralMedicion del clima_laboral
Medicion del clima_laboralalexander_hv
 
Ejercicio 2 Casos Propuestos Capitulo 3 Clima De Trabajo En Las Organizaciones
Ejercicio 2  Casos Propuestos Capitulo 3 Clima De Trabajo En Las OrganizacionesEjercicio 2  Casos Propuestos Capitulo 3 Clima De Trabajo En Las Organizaciones
Ejercicio 2 Casos Propuestos Capitulo 3 Clima De Trabajo En Las Organizacionesozkar
 
Proyecto atencion en salud oral
Proyecto atencion en salud oralProyecto atencion en salud oral
Proyecto atencion en salud oralmrmava
 
Proyecto de odontologia Odontologia Sonrisas saludables de : PROF. MIGUEL HER...
Proyecto de odontologia Odontologia Sonrisas saludables de : PROF. MIGUEL HER...Proyecto de odontologia Odontologia Sonrisas saludables de : PROF. MIGUEL HER...
Proyecto de odontologia Odontologia Sonrisas saludables de : PROF. MIGUEL HER...pùblica
 

En vedette (9)

Hadoop en la nube: ETL a ELT
Hadoop en la nube: ETL a ELT Hadoop en la nube: ETL a ELT
Hadoop en la nube: ETL a ELT
 
Bases de Datos no relacionales
Bases de Datos no relacionalesBases de Datos no relacionales
Bases de Datos no relacionales
 
Estudio de Clima Laboral en América Latina 2014-2015
Estudio de Clima Laboral en América Latina 2014-2015Estudio de Clima Laboral en América Latina 2014-2015
Estudio de Clima Laboral en América Latina 2014-2015
 
Guia para el camino hacia un Clima Laboral exitoso
Guia para el camino hacia un Clima Laboral exitosoGuia para el camino hacia un Clima Laboral exitoso
Guia para el camino hacia un Clima Laboral exitoso
 
Medicion del clima_laboral
Medicion del clima_laboralMedicion del clima_laboral
Medicion del clima_laboral
 
Ejercicio 2 Casos Propuestos Capitulo 3 Clima De Trabajo En Las Organizaciones
Ejercicio 2  Casos Propuestos Capitulo 3 Clima De Trabajo En Las OrganizacionesEjercicio 2  Casos Propuestos Capitulo 3 Clima De Trabajo En Las Organizaciones
Ejercicio 2 Casos Propuestos Capitulo 3 Clima De Trabajo En Las Organizaciones
 
Caso 1 clima laboral
Caso 1 clima laboralCaso 1 clima laboral
Caso 1 clima laboral
 
Proyecto atencion en salud oral
Proyecto atencion en salud oralProyecto atencion en salud oral
Proyecto atencion en salud oral
 
Proyecto de odontologia Odontologia Sonrisas saludables de : PROF. MIGUEL HER...
Proyecto de odontologia Odontologia Sonrisas saludables de : PROF. MIGUEL HER...Proyecto de odontologia Odontologia Sonrisas saludables de : PROF. MIGUEL HER...
Proyecto de odontologia Odontologia Sonrisas saludables de : PROF. MIGUEL HER...
 

Similaire à Siete "consejos" para abordar un proyecto con tecnologías Big Data

Tecnologías para PyMEs, nuevas oportunidades de negocio
Tecnologías para PyMEs, nuevas oportunidades de negocioTecnologías para PyMEs, nuevas oportunidades de negocio
Tecnologías para PyMEs, nuevas oportunidades de negocioVi_Olivares
 
Keepler Data Tech | The cloud data driven partner
Keepler Data Tech | The cloud data driven partnerKeepler Data Tech | The cloud data driven partner
Keepler Data Tech | The cloud data driven partnerKeepler Data Tech
 
Ucv sesion 15 diseño optimiz -redes
Ucv sesion 15 diseño optimiz -redesUcv sesion 15 diseño optimiz -redes
Ucv sesion 15 diseño optimiz -redesTaringa!
 
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...Denodo
 
Impacto de Cloud Computing en la Gestión de Servicios de TI
Impacto de Cloud Computing en la Gestión de Servicios de TIImpacto de Cloud Computing en la Gestión de Servicios de TI
Impacto de Cloud Computing en la Gestión de Servicios de TIEXIN
 
Cómo agilizar la integración de datos y el análisis de la información en el s...
Cómo agilizar la integración de datos y el análisis de la información en el s...Cómo agilizar la integración de datos y el análisis de la información en el s...
Cómo agilizar la integración de datos y el análisis de la información en el s...Denodo
 
Programa Superior en Big Data
Programa Superior en Big DataPrograma Superior en Big Data
Programa Superior en Big DataICEMD
 
Acelere la velocidad de migración a la nube - MXO214 - Mexico City Summit
Acelere la velocidad de migración a la nube - MXO214 - Mexico City SummitAcelere la velocidad de migración a la nube - MXO214 - Mexico City Summit
Acelere la velocidad de migración a la nube - MXO214 - Mexico City SummitAmazon Web Services
 
Adaptive Big Data Pipelines
Adaptive Big Data PipelinesAdaptive Big Data Pipelines
Adaptive Big Data PipelinesCarlos Fuentes
 
Optimizando con Open Source y Postgres en espanol
Optimizando con Open Source y Postgres en espanolOptimizando con Open Source y Postgres en espanol
Optimizando con Open Source y Postgres en espanolEDB
 
Mejora el Rendimiento y la Gobernanza de tus Datos con un Data Fabric Lógico
Mejora el Rendimiento y la Gobernanza de tus Datos con un Data Fabric LógicoMejora el Rendimiento y la Gobernanza de tus Datos con un Data Fabric Lógico
Mejora el Rendimiento y la Gobernanza de tus Datos con un Data Fabric LógicoDenodo
 
Autoservicio BI
Autoservicio BI Autoservicio BI
Autoservicio BI NexTReT
 
Entregable final Analítica de Datos
Entregable final Analítica de DatosEntregable final Analítica de Datos
Entregable final Analítica de Datosale sierra
 
La nube hoy, presente y futuro de cloud
La nube hoy, presente y futuro de cloudLa nube hoy, presente y futuro de cloud
La nube hoy, presente y futuro de cloudOpenDireito
 

Similaire à Siete "consejos" para abordar un proyecto con tecnologías Big Data (20)

Tecnologías para PyMEs, nuevas oportunidades de negocio
Tecnologías para PyMEs, nuevas oportunidades de negocioTecnologías para PyMEs, nuevas oportunidades de negocio
Tecnologías para PyMEs, nuevas oportunidades de negocio
 
Keepler Data Tech | The cloud data driven partner
Keepler Data Tech | The cloud data driven partnerKeepler Data Tech | The cloud data driven partner
Keepler Data Tech | The cloud data driven partner
 
Ucv sesion 15 diseño optimiz -redes
Ucv sesion 15 diseño optimiz -redesUcv sesion 15 diseño optimiz -redes
Ucv sesion 15 diseño optimiz -redes
 
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
 
Impacto de Cloud Computing en la Gestión de Servicios de TI
Impacto de Cloud Computing en la Gestión de Servicios de TIImpacto de Cloud Computing en la Gestión de Servicios de TI
Impacto de Cloud Computing en la Gestión de Servicios de TI
 
Cómo agilizar la integración de datos y el análisis de la información en el s...
Cómo agilizar la integración de datos y el análisis de la información en el s...Cómo agilizar la integración de datos y el análisis de la información en el s...
Cómo agilizar la integración de datos y el análisis de la información en el s...
 
(7) strelia cloud 23 nov pablo raez (hp)
(7) strelia cloud 23 nov pablo raez (hp)(7) strelia cloud 23 nov pablo raez (hp)
(7) strelia cloud 23 nov pablo raez (hp)
 
Programa Superior en Big Data
Programa Superior en Big DataPrograma Superior en Big Data
Programa Superior en Big Data
 
Acelere la velocidad de migración a la nube - MXO214 - Mexico City Summit
Acelere la velocidad de migración a la nube - MXO214 - Mexico City SummitAcelere la velocidad de migración a la nube - MXO214 - Mexico City Summit
Acelere la velocidad de migración a la nube - MXO214 - Mexico City Summit
 
Adaptive Big Data Pipelines
Adaptive Big Data PipelinesAdaptive Big Data Pipelines
Adaptive Big Data Pipelines
 
Grupo 2.pptx
Grupo 2.pptxGrupo 2.pptx
Grupo 2.pptx
 
Principios De Cobit
Principios De CobitPrincipios De Cobit
Principios De Cobit
 
Universidad la salle presentacion examen de grado
Universidad la salle presentacion examen de gradoUniversidad la salle presentacion examen de grado
Universidad la salle presentacion examen de grado
 
Datco - Cloud Data Exploration
Datco - Cloud Data ExplorationDatco - Cloud Data Exploration
Datco - Cloud Data Exploration
 
Optimizando con Open Source y Postgres en espanol
Optimizando con Open Source y Postgres en espanolOptimizando con Open Source y Postgres en espanol
Optimizando con Open Source y Postgres en espanol
 
Mejora el Rendimiento y la Gobernanza de tus Datos con un Data Fabric Lógico
Mejora el Rendimiento y la Gobernanza de tus Datos con un Data Fabric LógicoMejora el Rendimiento y la Gobernanza de tus Datos con un Data Fabric Lógico
Mejora el Rendimiento y la Gobernanza de tus Datos con un Data Fabric Lógico
 
El MOOC de Business Intelligence de la UOC en MiriadaX
El MOOC de Business Intelligence de la UOC en MiriadaXEl MOOC de Business Intelligence de la UOC en MiriadaX
El MOOC de Business Intelligence de la UOC en MiriadaX
 
Autoservicio BI
Autoservicio BI Autoservicio BI
Autoservicio BI
 
Entregable final Analítica de Datos
Entregable final Analítica de DatosEntregable final Analítica de Datos
Entregable final Analítica de Datos
 
La nube hoy, presente y futuro de cloud
La nube hoy, presente y futuro de cloudLa nube hoy, presente y futuro de cloud
La nube hoy, presente y futuro de cloud
 

Plus de BEEVA_es

BEEVA | The reality of IoT as of today
BEEVA | The reality of IoT as of todayBEEVA | The reality of IoT as of today
BEEVA | The reality of IoT as of todayBEEVA_es
 
JustGiving | Serverless Data Pipelines, API, Messaging and Stream Processing
JustGiving | Serverless Data Pipelines, API, Messaging and Stream ProcessingJustGiving | Serverless Data Pipelines, API, Messaging and Stream Processing
JustGiving | Serverless Data Pipelines, API, Messaging and Stream ProcessingBEEVA_es
 
BEEVA | Introducción a Docker
BEEVA | Introducción a DockerBEEVA | Introducción a Docker
BEEVA | Introducción a DockerBEEVA_es
 
BEEVA | Diseño UX para chatbots
BEEVA | Diseño UX para chatbotsBEEVA | Diseño UX para chatbots
BEEVA | Diseño UX para chatbotsBEEVA_es
 
BEEVA | Crear bots avanzados
BEEVA | Crear bots avanzadosBEEVA | Crear bots avanzados
BEEVA | Crear bots avanzadosBEEVA_es
 
BEEVA | Ruling the world galaxy with your voice and the cloud
 BEEVA | Ruling the world galaxy with your voice and the cloud BEEVA | Ruling the world galaxy with your voice and the cloud
BEEVA | Ruling the world galaxy with your voice and the cloudBEEVA_es
 
WORKSHOP II: API REST
WORKSHOP II: API RESTWORKSHOP II: API REST
WORKSHOP II: API RESTBEEVA_es
 
WORKSHOP I: Introducción a API REST
WORKSHOP I: Introducción a API RESTWORKSHOP I: Introducción a API REST
WORKSHOP I: Introducción a API RESTBEEVA_es
 
[API Days] Cooking with apis
[API Days] Cooking with apis[API Days] Cooking with apis
[API Days] Cooking with apisBEEVA_es
 
Como ganar un hackathon
Como ganar un hackathonComo ganar un hackathon
Como ganar un hackathonBEEVA_es
 
Bases de Datos No Relacionales
Bases de Datos No RelacionalesBases de Datos No Relacionales
Bases de Datos No RelacionalesBEEVA_es
 
Curso de Responsive Web Design de BEEVA
Curso de Responsive Web Design de BEEVACurso de Responsive Web Design de BEEVA
Curso de Responsive Web Design de BEEVABEEVA_es
 
Push comercial ANS BEEVA v1.0
Push comercial ANS BEEVA v1.0Push comercial ANS BEEVA v1.0
Push comercial ANS BEEVA v1.0BEEVA_es
 
Gestión del software con Maven y Jenkins
Gestión del software con Maven y JenkinsGestión del software con Maven y Jenkins
Gestión del software con Maven y JenkinsBEEVA_es
 
El presente del mundo del retail
El presente del mundo del retailEl presente del mundo del retail
El presente del mundo del retailBEEVA_es
 
El presente del mundo telco
El presente del mundo telcoEl presente del mundo telco
El presente del mundo telcoBEEVA_es
 
Foro innovacion beeva 28 01-2014 -open business and the business of APIs
Foro innovacion beeva 28 01-2014 -open business and the business of APIsForo innovacion beeva 28 01-2014 -open business and the business of APIs
Foro innovacion beeva 28 01-2014 -open business and the business of APIsBEEVA_es
 
Big Data y el sector salud
Big Data y el sector saludBig Data y el sector salud
Big Data y el sector saludBEEVA_es
 
Introducción a NodeJS
Introducción a NodeJSIntroducción a NodeJS
Introducción a NodeJSBEEVA_es
 

Plus de BEEVA_es (19)

BEEVA | The reality of IoT as of today
BEEVA | The reality of IoT as of todayBEEVA | The reality of IoT as of today
BEEVA | The reality of IoT as of today
 
JustGiving | Serverless Data Pipelines, API, Messaging and Stream Processing
JustGiving | Serverless Data Pipelines, API, Messaging and Stream ProcessingJustGiving | Serverless Data Pipelines, API, Messaging and Stream Processing
JustGiving | Serverless Data Pipelines, API, Messaging and Stream Processing
 
BEEVA | Introducción a Docker
BEEVA | Introducción a DockerBEEVA | Introducción a Docker
BEEVA | Introducción a Docker
 
BEEVA | Diseño UX para chatbots
BEEVA | Diseño UX para chatbotsBEEVA | Diseño UX para chatbots
BEEVA | Diseño UX para chatbots
 
BEEVA | Crear bots avanzados
BEEVA | Crear bots avanzadosBEEVA | Crear bots avanzados
BEEVA | Crear bots avanzados
 
BEEVA | Ruling the world galaxy with your voice and the cloud
 BEEVA | Ruling the world galaxy with your voice and the cloud BEEVA | Ruling the world galaxy with your voice and the cloud
BEEVA | Ruling the world galaxy with your voice and the cloud
 
WORKSHOP II: API REST
WORKSHOP II: API RESTWORKSHOP II: API REST
WORKSHOP II: API REST
 
WORKSHOP I: Introducción a API REST
WORKSHOP I: Introducción a API RESTWORKSHOP I: Introducción a API REST
WORKSHOP I: Introducción a API REST
 
[API Days] Cooking with apis
[API Days] Cooking with apis[API Days] Cooking with apis
[API Days] Cooking with apis
 
Como ganar un hackathon
Como ganar un hackathonComo ganar un hackathon
Como ganar un hackathon
 
Bases de Datos No Relacionales
Bases de Datos No RelacionalesBases de Datos No Relacionales
Bases de Datos No Relacionales
 
Curso de Responsive Web Design de BEEVA
Curso de Responsive Web Design de BEEVACurso de Responsive Web Design de BEEVA
Curso de Responsive Web Design de BEEVA
 
Push comercial ANS BEEVA v1.0
Push comercial ANS BEEVA v1.0Push comercial ANS BEEVA v1.0
Push comercial ANS BEEVA v1.0
 
Gestión del software con Maven y Jenkins
Gestión del software con Maven y JenkinsGestión del software con Maven y Jenkins
Gestión del software con Maven y Jenkins
 
El presente del mundo del retail
El presente del mundo del retailEl presente del mundo del retail
El presente del mundo del retail
 
El presente del mundo telco
El presente del mundo telcoEl presente del mundo telco
El presente del mundo telco
 
Foro innovacion beeva 28 01-2014 -open business and the business of APIs
Foro innovacion beeva 28 01-2014 -open business and the business of APIsForo innovacion beeva 28 01-2014 -open business and the business of APIs
Foro innovacion beeva 28 01-2014 -open business and the business of APIs
 
Big Data y el sector salud
Big Data y el sector saludBig Data y el sector salud
Big Data y el sector salud
 
Introducción a NodeJS
Introducción a NodeJSIntroducción a NodeJS
Introducción a NodeJS
 

Dernier

PREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRILPREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRILeluniversocom
 
TEORIA DEL DEFICIT DEL AUTOCUIDADO .pptx
TEORIA DEL DEFICIT DEL AUTOCUIDADO .pptxTEORIA DEL DEFICIT DEL AUTOCUIDADO .pptx
TEORIA DEL DEFICIT DEL AUTOCUIDADO .pptxmarinosudarioneyer
 
FORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASOFORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASOsecundariatecnica891
 
TABLERO-DE-CONTROL-SOFOMES-ENR_08012024.pdf
TABLERO-DE-CONTROL-SOFOMES-ENR_08012024.pdfTABLERO-DE-CONTROL-SOFOMES-ENR_08012024.pdf
TABLERO-DE-CONTROL-SOFOMES-ENR_08012024.pdfMartinRodriguezchave1
 
El sistema solar el gran descubrimiento del sistema solar .pptx
El sistema solar el gran descubrimiento del sistema solar .pptxEl sistema solar el gran descubrimiento del sistema solar .pptx
El sistema solar el gran descubrimiento del sistema solar .pptxYoladsCabarcasTous
 
El guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptxEl guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptxAngelaMarquez27
 
LÍNEA DE TIEMPO- ANTROPOLOGIA jsjudhdv.pdf
LÍNEA DE TIEMPO- ANTROPOLOGIA jsjudhdv.pdfLÍNEA DE TIEMPO- ANTROPOLOGIA jsjudhdv.pdf
LÍNEA DE TIEMPO- ANTROPOLOGIA jsjudhdv.pdfFranyeskaMagallanes
 
PREGUNTAS Y ANEXOS CONSULTA POPULAR 2024
PREGUNTAS Y ANEXOS CONSULTA POPULAR 2024PREGUNTAS Y ANEXOS CONSULTA POPULAR 2024
PREGUNTAS Y ANEXOS CONSULTA POPULAR 2024eluniversocom
 
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRILPREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRILeluniversocom
 
Las familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdfLas familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdfJC Díaz Herrera
 
AREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf SantiagoAREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf SantiagoSantiagoRodriguezLoz
 
Mapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdfMapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdfhees071224mmcrpna1
 
CONTROLES Y EXPERIMENTACION presentacion
CONTROLES Y EXPERIMENTACION presentacionCONTROLES Y EXPERIMENTACION presentacion
CONTROLES Y EXPERIMENTACION presentacionJosueVallejo10
 
Presentación informe 'Fondos Next Generation European Union destinados a actu...
Presentación informe 'Fondos Next Generation European Union destinados a actu...Presentación informe 'Fondos Next Generation European Union destinados a actu...
Presentación informe 'Fondos Next Generation European Union destinados a actu...Ivie
 
Módulo mapa de riesgos de tienda de abarrotes
Módulo mapa de riesgos de tienda de abarrotesMódulo mapa de riesgos de tienda de abarrotes
Módulo mapa de riesgos de tienda de abarrotessald071205mmcnrna9
 
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docxmarthaarroyo16
 
4958documentodeaptitud_PUENTE PIEDRA.pdf
4958documentodeaptitud_PUENTE PIEDRA.pdf4958documentodeaptitud_PUENTE PIEDRA.pdf
4958documentodeaptitud_PUENTE PIEDRA.pdfcristianojedac11
 
2.8 CRONOGRAMA TALLER DE INVESTIGACION 1 .pptx
2.8 CRONOGRAMA TALLER DE INVESTIGACION 1 .pptx2.8 CRONOGRAMA TALLER DE INVESTIGACION 1 .pptx
2.8 CRONOGRAMA TALLER DE INVESTIGACION 1 .pptxceliajessicapinedava
 
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADORPREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOReluniversocom
 
Secuencia Uso del calendario. Segundo ciclo.docx
Secuencia Uso del calendario. Segundo ciclo.docxSecuencia Uso del calendario. Segundo ciclo.docx
Secuencia Uso del calendario. Segundo ciclo.docxcandevillarruel
 

Dernier (20)

PREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRILPREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
 
TEORIA DEL DEFICIT DEL AUTOCUIDADO .pptx
TEORIA DEL DEFICIT DEL AUTOCUIDADO .pptxTEORIA DEL DEFICIT DEL AUTOCUIDADO .pptx
TEORIA DEL DEFICIT DEL AUTOCUIDADO .pptx
 
FORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASOFORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASO
 
TABLERO-DE-CONTROL-SOFOMES-ENR_08012024.pdf
TABLERO-DE-CONTROL-SOFOMES-ENR_08012024.pdfTABLERO-DE-CONTROL-SOFOMES-ENR_08012024.pdf
TABLERO-DE-CONTROL-SOFOMES-ENR_08012024.pdf
 
El sistema solar el gran descubrimiento del sistema solar .pptx
El sistema solar el gran descubrimiento del sistema solar .pptxEl sistema solar el gran descubrimiento del sistema solar .pptx
El sistema solar el gran descubrimiento del sistema solar .pptx
 
El guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptxEl guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptx
 
LÍNEA DE TIEMPO- ANTROPOLOGIA jsjudhdv.pdf
LÍNEA DE TIEMPO- ANTROPOLOGIA jsjudhdv.pdfLÍNEA DE TIEMPO- ANTROPOLOGIA jsjudhdv.pdf
LÍNEA DE TIEMPO- ANTROPOLOGIA jsjudhdv.pdf
 
PREGUNTAS Y ANEXOS CONSULTA POPULAR 2024
PREGUNTAS Y ANEXOS CONSULTA POPULAR 2024PREGUNTAS Y ANEXOS CONSULTA POPULAR 2024
PREGUNTAS Y ANEXOS CONSULTA POPULAR 2024
 
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRILPREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA J DE CONSULTA POPULAR 21 DE ABRIL
 
Las familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdfLas familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdf
 
AREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf SantiagoAREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf Santiago
 
Mapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdfMapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdf
 
CONTROLES Y EXPERIMENTACION presentacion
CONTROLES Y EXPERIMENTACION presentacionCONTROLES Y EXPERIMENTACION presentacion
CONTROLES Y EXPERIMENTACION presentacion
 
Presentación informe 'Fondos Next Generation European Union destinados a actu...
Presentación informe 'Fondos Next Generation European Union destinados a actu...Presentación informe 'Fondos Next Generation European Union destinados a actu...
Presentación informe 'Fondos Next Generation European Union destinados a actu...
 
Módulo mapa de riesgos de tienda de abarrotes
Módulo mapa de riesgos de tienda de abarrotesMódulo mapa de riesgos de tienda de abarrotes
Módulo mapa de riesgos de tienda de abarrotes
 
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
 
4958documentodeaptitud_PUENTE PIEDRA.pdf
4958documentodeaptitud_PUENTE PIEDRA.pdf4958documentodeaptitud_PUENTE PIEDRA.pdf
4958documentodeaptitud_PUENTE PIEDRA.pdf
 
2.8 CRONOGRAMA TALLER DE INVESTIGACION 1 .pptx
2.8 CRONOGRAMA TALLER DE INVESTIGACION 1 .pptx2.8 CRONOGRAMA TALLER DE INVESTIGACION 1 .pptx
2.8 CRONOGRAMA TALLER DE INVESTIGACION 1 .pptx
 
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADORPREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
 
Secuencia Uso del calendario. Segundo ciclo.docx
Secuencia Uso del calendario. Segundo ciclo.docxSecuencia Uso del calendario. Segundo ciclo.docx
Secuencia Uso del calendario. Segundo ciclo.docx
 

Siete "consejos" para abordar un proyecto con tecnologías Big Data

  • 1. [+34] 902 20 25 52 hablemos@beeva.com www.beeva.com
  • 2. 2014 2 Transformación modelo de negocio Aplicación a procesos actuales de manera masiva Diseño de estrategia y creacion de capacidades Tiempo %Competenciasanalíticas Situación actual 2014-15 2016-18 2018+
  • 3. 2014 3 IDENTIFICACIÓN DE VALOR APROVISIONAMIENTO DEL DATO INFRAESTRUCTURA TECNOLÓGICA RECURSOS INTERNOS Y OPERATIVA Los proyectos de Big Data deben estar asociados a un ROI. El valor de los resultados obtenidos es el driver principal, junto con la Innovación Los aspectos técnicos en la extracción del dato, junto con los requerimientos legales en protección de la información, son elementos clave en los proyectos Big Data Los proyectos Big Data requieren una infraestructura IT muy avanzada. La nube permite realizar proyectos sin inversión previa y fácilmente operativizables Es necesario definir las necesidades en cuanto a capacidades internas de los RRHH. Los requerimientos de la operativa Big Data obligan también a redefinir procesos
  • 5. 2014 5 • Incertidumbre tecnológica • Falta de certeza estratégica acerca del ecosistema de vendors • Altos costes iniciales y reducción drásticas a medio plazo • Compañias embrionarios o de nicho • “Clientes por primera vez” • Ausencia de estandarización • Confusión de clientes • Regulatorios y políticos CARACTERÍSTICAS ESTRUCTURALES COMUNES – VISTA CLIENTE
  • 6. 2014 6 • Costes de volver a formar al equipo técnico • Costes de adquisión de nuevos sistemas • Costes de investigación y desarrollo del cambio • Costes de modificar la cadena de producción o aspectos conexos del negocio, cambios en la operativa • Servicios de soporte internos • Recursos para el cambio, cambio de proceso interno de IT: capital, ingeniería y personal especializado INTRODUCCIÓN DE TECNOLOGÍA EMERGENTE
  • 9. 2014 9 • Identificación de fuentes de datos de valor en silos no integrados • Quién es el dueño del dato • De dónde procede el dato • Cómo se transforma el dato • Limitaciones técnicas para su exportación • Integración de fuentes de distintos silos Aspectos técnicos y operativos Aspectos de seguridad y legales • Protección de datos • Seguridad de la información • Cumplimiento de normativas internas de seguridad lógica • Estándares de seguridad y especificaciones para Cloud
  • 12. 2014 12 • Formación de grupo de trabajo para PoC • Identificar pequeña PoC con alcance acotado • Elección del caso de uso según necesidades de negocio • Duración acotada: recomendable entre 3 y 6 semanas. • Identificación KPIs finales PoC • Ejecución de la PoC • Valoración de KPI’s y modelos de integración Implementando la PoCDefiniendo la POC
  • 13. 2014 13 Map Reduce ETL Tradicional ERP CRM SW de 3ºs Data Warehouse RDBMS Nuevos Canales Nuevas Fuentes Logs, text, IoT HDFS Core Info. Reporting Volumen Coste Procesamiento Nuevas fuentes Nueva analítica Analytics Platform MPP y NoSQL
  • 14. 2014 14 Grupos de trabajo • Creación Grupo de Big Data • Definición de valor de negocio • Definición de fuentes de datos • Definición de skills y competencias • Creación Grupo Governance del dato: BI + Big Data • Asegurar independencia de ambos sistemas en cuanto a recursos e interrelación para integración • Establecimiento de políticas de monitorización y gobernabilidad del BI y Big Data • Identificación del líder-departamento de la iniciativa Big Data. Opciones principales: 1. Dep. de BI: si la iniciativa es de optimización tecnológica para un caso de uso claramente definido 2. Dep. ad-hoc: si la iniciativa emerge de negocio y permite cierta independencia de IT Liderando Big Data en la organización
  • 15. 2014 15 • Definición de objetivos de negocio • Descubrimiento del dato • Networking con sistemas: plataforma tecnológica • Definición de KPI’s • Prueba y evalúa en rendimiento: POC • Define los modelos de integración con los sistemas analíticos actuales • Evalúa tu nueva estructura organizativa Integración de la tecnología BigData en tu organización