Microsoft Business Analytics 2013
Descargar como PPTX, PDF3 recomendaciones1,444 vistas
El documento de Microsoft Business Analytics 2013 presenta la importancia del análisis empresarial en el contexto actual de big data, enfatizando la necesidad de una plataforma de BI potente y accesible. Se destacan aplicaciones específicas de big data en diversos sectores y la integración de tecnologías tradicionales con soluciones en la nube para mejorar el análisis y la toma de decisiones. Finalmente, se concluye que la combinación de Microsoft HDInsight y herramientas de BI tradicionales resulta en poderosas capacidades analíticas.
![Contador de Palabras en JS
MapReduce
• var map = function (key, value, context) {
• var words = value.split(/[^a-zA-Z]/);
• for (var i = 0; i < words.length; i++) {
• if (words[i] !== "") {
•
context.write(words[i].toLowerCase(), 1);
• }
• }
• };
• var reduce = function (key, values, context) {
• var sum = 0;
• while (values.hasNext()) {
• sum += parseInt(values.next());
• }
• context.write(key, sum);
• };](https://image.slidesharecdn.com/microsoftbusinessanalytics2013-130820134235-phpapp01/85/Microsoft-Business-Analytics-2013-36-320.jpg)
![Ejemplo de Pig Latin
Esto es Paralelismo!!!
raw = LOAD ’search.log' USING PigStorage('t') AS (user, time, query);
houred = FOREACH raw GENERATE user, org.apache.pig.tutorial.ExtractHour(time) as hour, query;
ngramed1 = FOREACH houred GENERATE user, hour, flatten(org.apache.pig.tutorial.NGramGenerator(query)) as ngram;
ngramed2 = DISTINCT ngramed1;
hour_frequency1 = GROUP ngramed2 BY (ngram, hour);
… [see http://pig.apache.org/docs/r0.7.0/tutorial.html]
STORE ordered_uniq_frequency INTO '/tmp/tutorial-results' USING PigStorage();](https://image.slidesharecdn.com/microsoftbusinessanalytics2013-130820134235-phpapp01/85/Microsoft-Business-Analytics-2013-37-320.jpg)
![Expresiones DAX
= [First Name] & " " & [Last Name] Concatenación de cadenas, como en Excel
= SUM (Sales[Amount]) Creación de SUM en contextos de agregaciones
= RELATED (Product[Cost]) Sigue relaciones entre tablas, como las uniones
No se hace referencia
a celdas o rangos
individuales
Las funciones siempre
se refieren a las
columnas o tablas](https://image.slidesharecdn.com/microsoftbusinessanalytics2013-130820134235-phpapp01/85/Microsoft-Business-Analytics-2013-67-320.jpg)
Microsoft Business Analytics 2013
- 1. Microsoft Business Analytics 2013 José Redondo - @redondoj CL SQL PASS Venezuela, Caracas Chapter – DPA SolidQ – SC SynergyTPC jredondo@synergytpc.com http://redondoj.wordpress.com
- 2. AGENDA • Análisis Empresarial en el Nuevo Mundo de Datos • Análisis del Big Data • Demo • Plataforma Analítica On-Premise, Cloud y Híbrida • Demo • Análisis Avanzado • Demo • Conclusiones
- 3. Microsoft Business Analytics 2013 Poder y Simplicidad
- 4. Análisis Empresarial en el Nuevo Mundo de Datos
- 6. El mundo de los datos es cambiante
- 7. Propósito del Análisis Empresarial
- 8. Análisis Empresarial Almacenes de datos (DW) Big data BI
- 9. Valores de análisis modernos Nuevo mundo de datos En 2015, las organizaciones han de integrar alto valor, diversificándose, generando nuevos tipos y fuentes de información en una infraestructura de gestión de información coherente, superando a sus colegas del sector financieramente por más de 20 %. Gartner, Regina Casonato et al., “Information Management in the 21st Century”
- 10. Una buena Plataforma BI es la clave para el Análisis Empresarial
- 15. Que acontece?
- 16. Mobilidad
- 18. Conectando con el mundo de los datos IDENTIDAD CONTEXTO DOCUMENTAL GRAFICACIÓN SOCIAL EXPLORADOR DE DATOS DATA HUB
- 19. Data Quality, EUC, End-User Computing (Spreadmart)
- 20. Cualquier dato, cualquier tamaño, en cualquier lugar
- 21. Cualquier dato, cualquier tamaño, en cualquier lugar Relacional, Estructurado
- 22. Cualquier dato, cualquier tamaño, en cualquier lugar Complejidad, No Relacional, No Estructurado
- 23. Análisis del Big Data
- 24. Big data, o sólo datos complejos? Velocidad Variedad Complejidad volume InterpretandoPreparando
- 25. Big data de hoy, pocos datos del mañana Complejidad vs. Capacidades actuales
- 26. Dominio Escenarios comunes de Big Data Servicios Financieros Modelando riesgos reales Detección de fraude y análisis de amenazas Vigilancia del comercio Credit scoring y análisis Medios & Entretenimientos Motores de recomendación Ad targeting Calidad de búsqueda Abuso y haga clic en detección de fraude Ventas Punto de análisis de transacciones de ventas Análisis de abandono de clientes Sentimiento analítico Telecomunicaciones Prevención de abandono de clientes Optimización de rendimiento de la red Análisis Call Detail Record (CDR) Predicción de fallas de redes Gobierno Seguridad cibernética (botnets, fraudes) Congestión de tráfico y desvíos Monitoreo ambiental Monitorización antisocial a través de los medios de comunicación social Salud Investigación genómica Investigación del cáncer Detección temprana de las pandemias de salud Monitoreo de la calidad del aire
- 27. Big Data + BI Tradicional = Power & Simplicidad Grandes, rápido, o datos complejos Microsoft HDInsight SQL Server tabular, multidimensional, DW relacional, o PDW 010101010101010101 1010101010101010 01010101010101 101010101010 Interacción, exploración, visualiz ación
- 28. Microsoft HDInsight Distribución de Apache Hadoop Desarrollado por Hortonworks & Microsoft Integrado con Microsoft BI
- 29. Principios de Hadoop Método práctico para paralelización masiva de procesamiento de datos analítico
- 30. Principios de Hadoop: Datos
- 31. Principios de Hadoop: MapReduce Reducir resultados en agregados de alto nivel (conquistar)
- 32. Hadoop Clúster
- 33. Hadoop Clúster Buster Cluster, es un proyecto de investigación temprana creado por Miles Osborne, University of Edinburgh, School of Informatics.
- 34. Hadoop Clúster Cloud rent-a-Hadoop-cluster, o: “Supercomputer for cents” Windows Azure HD Insight
- 36. Contador de Palabras en JS MapReduce • var map = function (key, value, context) { • var words = value.split(/[^a-zA-Z]/); • for (var i = 0; i < words.length; i++) { • if (words[i] !== "") { • context.write(words[i].toLowerCase(), 1); • } • } • }; • var reduce = function (key, values, context) { • var sum = 0; • while (values.hasNext()) { • sum += parseInt(values.next()); • } • context.write(key, sum); • };
- 37. Ejemplo de Pig Latin Esto es Paralelismo!!! raw = LOAD ’search.log' USING PigStorage('t') AS (user, time, query); houred = FOREACH raw GENERATE user, org.apache.pig.tutorial.ExtractHour(time) as hour, query; ngramed1 = FOREACH houred GENERATE user, hour, flatten(org.apache.pig.tutorial.NGramGenerator(query)) as ngram; ngramed2 = DISTINCT ngramed1; hour_frequency1 = GROUP ngramed2 BY (ngram, hour); … [see http://pig.apache.org/docs/r0.7.0/tutorial.html] STORE ordered_uniq_frequency INTO '/tmp/tutorial-results' USING PigStorage();
- 38. Procesamiento lógico reutilizable - Librerías Filtrado colaborativo, Recomendadores, Cl ustering, La descomposición en valores simple, Parallel frequent pattern mining, Naive Bayes, Árbol de decisión
- 39. Desde HDInsight haciendo mas atractivo Microsoft BI
- 40. Operacionalizando Hadoop Aprovisionamiento y gestión de clústeres Asignación de Jobs Seguridad Escalabilidad
- 41. DEMO
- 42. Plataforma Analítica On-Premise, Cloud y Híbrida
- 43. Evolución de la Infraestructura IT
- 44. Seis infraestructuras en cuatro categorías
- 45. Tradicional Centro de Datos
- 46. Centro de Datos Virtualizados
- 47. Nube Privada
- 48. Nube Pública con VMs
- 49. Nube Pública es un nuevo OS, no VMs
- 50. IT Híbrido: Privada + Publica
- 51. Opciones para una Plataforma Análitica
- 53. Todas las caractéristicas Analisis moderno
- 54. Porqué Microsoft para IT Híbridos
- 55. Nube en nuestros términos
- 56. Nube Pública: Dos opciones
- 57. Aplicaciones Híbridas (VM) Business App Connect SQL Server ON-PREM WINDOWS AZURE Windows Azure Virtual Network Extend Flexibility & Control Low TCO for Existing Apps Full SQL Server Capability Managed SQL Server in VM
- 58. Nuevos diseños de Apps en la Nube SQL Database Mobile Web Managed Platform & Infra. Low TCO for New Apps Dynamic Scalability Based on SQL Server Technology
- 59. Apps Híbridos (no VM) On-Prem Business App SQL Database On-Prem SQL Server Connect Connect Managed Platform & Infra. Low TCO for New Apps Dynamic Scalability Based on SQL Server Technology
- 61. Todas las características Nube Privada Analítica System Center para la administración y aprovisionamiento de la nube privada
- 62. SQL Server para la Nube Privada
- 63. Soluciones para la Nube Privada Rápido Tiempo de solución Bueno Muy bueno Excelente Ejecución a escala Flexible en componentes Rápido Tiempo de solución Bueno Muy bueno Excelente Ejecución a escala Flexible en componentes Rápido Tiempo de solución Bueno Muy bueno Excelente Ejecución a escala Flexible en componentes Construido sobre DW relacional Arquitectura de Referencia Fast Track DW Infraestructura PDW & BDW
- 64. DEMO
- 66. DAX Microsoft Analytics Lenguaje Estilo Excel, Expresiones tabulares Campos calculados & KPI’s Contextos & filtros consistentes
- 67. Expresiones DAX = [First Name] & " " & [Last Name] Concatenación de cadenas, como en Excel = SUM (Sales[Amount]) Creación de SUM en contextos de agregaciones = RELATED (Product[Cost]) Sigue relaciones entre tablas, como las uniones No se hace referencia a celdas o rangos individuales Las funciones siempre se refieren a las columnas o tablas
- 68. Modelo Semántico BI Data Model Business Logic & Queries Data Access ROLAP MOLAP xVelocity MDX, soon: “DAXMD” DAX Multidimensional Tabular Applications Power View Excel PowerPivot SharePoint Direct query
- 69. Entregando Power View y PowerPivot a los usuarios Archivos Standalone Excel Excel en SharePoint, SharePoint Online, SkyDrive Power View, PowerPivot directamente en SSAS Modo SharePoint Modelo tabular SSAS nativo + Archivo de conexión SharePoint BISM
- 70. SQL Server 2012 Analysis Services Tabular Mode
- 71. Power View Exploración de datos interactivos y presentación visual Experiencia de usuario Excel 2013 SharePoint 2013 SQL 2012 SP1 Reporting Service
- 72. Visualización de datos Power View Tablas, matrices, small multiples, cards, tiles, filters, slicers Chart, scatter plot, bubble animation Interacción Geoespacial y Mapas con Bing
- 73. Qué hace la Minería de Datos?
- 74. Qué es la Minería de Datos?
- 75. Minería de Datos Análisis de rentabilidad Entender las necesidades del cliente Anticipar acciones Predecir ventas & inventario Construir efectivamen te campañas de mercadeo Detectar y prevenir fraudes Corregir datos durante procesos ETL
- 76. SQL Server Analysis Services Server Tus modelos de mineria de datos Algoritmos de mineria de datos Origen datos Excel, Visio, SSRS Tu aplicación Despliegue Excel Visio SSDT SSMS App Data Arquitectura de la Minería de Datos
- 77. Data Mining Add-Ins para Office 2013
- 78. Decision Trees Finds the odds of an outcome, great for visualising relationships between values Association Rules Identifies causal relationships between cases, good for market basket analysis and recommendation engines Clustering Classifies cases into distinctive groups based on any attribute sets Naïve Bayes Shows the differences in a particular variable for various data elements Sequence Clustering Groups or clusters data based on a sequence of previous events Time Series Analyzes and forecasts time-based data combining the powerof ARTXP for accurate short-term predictions with ARIMA Neural Nets Uncovers non-intuitive relationships Linear Regression Determines mathematical linear relationship between inputs and an outcome Logistic Regression Determines the relationship between columns in order to evaluate the probability that a column will contain a specific state
- 79. DEMO
- 80. CONCLUSIONES • Análisis de negocios en el nuevo mundo de los datos: Conectados, inmersivo, de cualquier tamaño • Plataforma Microsoft más poderosa y sencilla • Big data = Datos demasiado complejos para los métodos tradicionales • Microsoft HDInsight + Sencillez de BI tradicional = Potentes herramientas de análisis • Desde el centro de datos tradicional a la nube OS: Su opción flexible para el análisis • Nube en sus propios términos: Está bien cambiar de opinión • Advanced Analytics no es complejo hoy día • Microsoft Business Analytics: Potencia y simplicidad
- 81. Muchas gracias por su participación