99 ¿Qué hay de nuevo atrás de Big Data?
1 recomendación971 vistas
Big Data ha estado en desarrollo durante al menos 20 años, pero solo recientemente se ha vuelto popular. El documento describe la historia y definiciones de Big Data, así como ejemplos de su uso en las industrias minorista y agrícola. Finalmente, señala que aunque la tecnología está disponible, los recursos humanos con habilidades de análisis de datos son fundamentales para extraer valor de grandes volúmenes y variedades de datos.
99 ¿Qué hay de nuevo atrás de Big Data?
- 1. #GX24 ¿Qué hay de nuevo atrás de Big Data? • Alvaro Pardo • @AlvaroPardoUy • apardo@ucu.edu.uy
- 2. #GX24 • Co-Fundador de dSense Technologies • Decano de la Facultad de Ingeniería y Tecnologías de la Universidad Católica del Uruguay Presentación
- 3. #GX24 • Historia de Big Data • Proyectos Big Data • Big Data en Retail • Big Data en Agro Agenda
- 4. Historia de Big Data
- 6. 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.
- 7. Big Data: 1990 - 2013 1997
- 8. Big Data: 1990 - 2013 2001
- 9. Big Data: 1990 - 2013 2004
- 10. Big Data: 1990 - 2013 2006
- 11. Big Data: 1990 - 2013 2012
- 12. 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.
- 13. Tendencias de búsqueda en Google 2012
- 14. ¿Big Data está creciendo? El crecimiento de Big Data es similar a otras áreas cercanas.
- 15. ¿Big Data está creciendo? Recién en 2011-2012 Big Data comienza a crecer por encima de otras áreas cercanas.
- 16. 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.
- 17. Reflexione: (3V + 1V) • VOLUMEN no es todo… • VELOCIDAD acorde al negocio… • VARIEDAD sobre todas las cosas… • VALOR el objetivo…
- 19. Pasos Adquisición •Captura •Almacenamiento Pre-procesamiento •Limpieza •Acondicionamiento •Extracción Integración •Agregación •Representación Análisis •Modelado Interpretación •Evaluación
- 20. Tecnología vs RRHH Volumen Tecnología RRHH Velocidad RRHH Algoritmos Tecnología Variedad RRHH “Curadores” Tecnología
- 21. RRHH Tecnología BBDD Sistemas Integración Metodología Modelado Análisis de Datos Algoritmos
- 22. Resumen • Tecnología disponible • RRHH un desafío (dominio específico) – Buscar fuera de TI…
- 23. Big Data en Retail
- 24. Retail • Negocio con tradición de uso de los datos para extraer valor. • ¿Volumen? • ¿Velocidad? • ¿Variedad? OK OK ¿?
- 25. 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
- 26. Conteo de Personas (video)
- 27. Big Data en Agro
- 28. 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
- 29. Ambientaciones • Identificación automática de heterogeneidad ambiental • Imágenes Satélite 1985-2012 • Modelo de Elevación • Carta de Suelos • Monitores Rendimiento (futuro)
- 30. 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
- 31. Agricultura Estimación de Rendimiento: Identificación automática de puntos de muestreo. Procesamiento Monitores Rendimiento
- 32. 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)
- 33. Alvaro Pardo – apardo@ucu.edu.uy - @AlvaroPardoUy