Big Data Analytics - Information Builders

Big Data Analytics
Manuel del Pino
Presales Manager
Manuel_delpino@ibi.com
Situación
Big Data
Big Data: Un enorme volumen de datos estructurados y no
estructurados, que es tan grande que es difícil de procesar
con base de datos y las técnicas tradicionales de software
Los datos son una nueva clase de activos económicos, como
la moneda y el oro
Fuente: World Economic Forum 2012
Big Data
El Cliente demanda
Almacenar más datos
Entregar respuestas casi
tan rápido como aparecen
los datos
Reducir los gastos
operativos y de capital
Big Data
¿De donde viene los datos?
 Aplicaciones Web Online
 Para ejecutar aplicaciones(contenido, video, blogs, post)
 Para dar el contexto de los datos(amigos, medios sociales, colaboración)
 Para mantener aplicaciones(logs, métricas..)
 Cumplimiento regulatorio
 Iniciativa de Gobierno de datos
 Gestión del Riesgo




Archivos electrónico de la información.
Reunir y compartir experiencias.
Gestión de ciclo de vida de productos y catálogos online
Comunidad Móvil
Big Data
Internet of Things
“The Internet of Things has the potential to change the
world, just as the Internet did. Maybe even more so”
Kevin Ashton
Machine- Generated
Data
Almacenamiento
de datos
Human-Generated
Data
Tiempo
Gartner: Crecimiento mayor al 650% en 5 Años
Big Data
Más que solo “Big” Data
• Estructurados
• Desestructurado
• Semiestructurado
•
•
•
•
Datos
• Dinámico
• Estático
Pre-planificado
Ad-hoc
Estimadas
Aproximadas
Query
Refresco
de
Función
Datos
• Transaccional
• Análisis
Big Data
Gartner’s 2012 Hype Cycle for Emerging Technology
Big Data
Gartner’s 2013 Hype Cycle for Emerging Technology
Big Data
Gartner’s 2014 Hype Cycle for Emerging Technology
Big data: Trough of Disillusionment
Arquitectura de datos
APLICACIONES
Big Data
Arquitectura de datos empresarial. Tradicional
Business
Analytics
Custom
Applications
Packaged
Applications
Aproximación tradicional bajo presión
DATA SYSTEMS
2,8 ZB in 2012
85% from new data types
RDBMS
EDW
MPP
15x Machine Data by 2020
REPOSITORIES
40 ZB in 2020
DATA SOURCES
Source IDC
Traditional Sources
New Sources
(RDBMS, OLTP, OLAP)
(Sentiment, clickstream, geo, sensor..)
DATA SOURCES
DATA SYSTEMS
APLICACIONES
Big Data
Arquitectura de datos empresarial. Moderna
Business
Analytics
Custom
Applications
Packaged
Applications
Aproximación moderna de datos
para dar cabida a nuevos
formatos y volúmenes
RDBMS
EDW
MPP
REPOSITORIES
Data Lake
Traditional Sources
New Sources
(RDBMS, OLTP, OLAP)
(Sentiment, clickstream, geo, sensor..)
Big Data
Componentes de un data lake
Hadoop Distribution: Cloudera, Hortonworks, MapR, Pivotal-HD, IBM
• Herramientas
 Hive: Mapea datos a estructuras para sus uso con SQL
 Pig: Lenguaje de extracción de datos para big data
 Sqoop: Extrae de fuentes externas y carga en Hadoop
 Spark: Framework de propósito general para computación en cluster
 Storm: ETL en tiempo real
• NoSQL:
 Document: MongoDB, CouchDB
 Graph: Neo4j, Titan
 Key Value: Riak, Redis
 Columnar: Cassandra, Hbase
 Search: Lucene, Solr, ElasticSearch
• Lenguajes: Python, SciPy, Java, R, Scala
Big Data
Data Lake no es suficiente
Big Data
Arquitectura moderna de datos
Data Architects
System Operators
Engineers
Data Scientists
Analysts
Business Users
META DATA / ETL
TOOLS
HDFS MANAGER
DEVELOPER
TOOLS
DATA DISCOVERY
BI / ANALYTICS
ENTERPRISE
REPORTING
ENTERPRISE DATA
WAREHOUSE
ENTERPRISE DATA HUB
ONLINE SERVING SYSTEM
SYS LOGS
WEB LOGS
FILES
RDBMS
WEB/MOBILE APPLICATION
Customers & end users
Análisis de Datos
Análisis de datos
Analytics. Tipos
Analítica Descriptiva
• Performance Management
• Scorecards
• Dashboards
• Informes
¿Qué
Sucedió?
¿Qué es lo
mejor que
suceda?
Analítica Prescriptiva
(Optimización)
• What-if
• Rstat
• Scoring Systems
Analítica Diagnóstica
• Query & Analysis
• (InfoAssist)
• Data Discovery
• (e.g. Visual Discovery)
¿Por qué
Sucedió?
¿Qué
sucederá?
Analítica Predictiva
• Estadística
• Rstat
Análisis de datos
El trabajo mas “sexy” actual
Análisis de datos
Adopción del BI por debajo del 22%
“BI adoption as a percentage of employees
remains flat at 22%.”
(Source: BI Scorecard)
¿Cuáles son las
barreras para ofrecer
BI de uso general y
Analytics para el otro
78 % ?
Análisis de datos
¿Todo el mundo es un analista?
“[In the beginning], I was thinking that everyone would want to be a data analyst,
and that Yellowfin would enable that process,” said Rabie. “But in reality, only around
five percent of users will actually build content and conduct sophisticated data
analysis in the majority of deployments – especially large implementations. The other
95 percent of people are information consumers, using the insights afforded by prebuilt dashboards and reports to improve decision-making.”
Análisis de datos
Empleados sin perfil analítico
“Solo un 22% de lo empleados
en una compañía usan una
herramienta de BI”
(Source: BI Scorecard)
Los empleados sin perfiles
matemáticos sin suficiente
servicio.
1%
Diferentes perfiles/
Diferentes necesidades
Campeón Analítico
Lidera iniciativas analíticas
Contribución indirecta a los resultados
5-10%
Profesional Analítico
Construye modelos analíticos y algoritmos
Necesitan
herramientas
para analizar y
descubrir.
Contribución indirecta a los resultados
BI cut-off point @ 22%
15-20%
Semi-profesionales Analíticos
Aplica modelos analíticos a problemas de negocio
Contribución directa a los resultados
70-80%
Analistas Amateurs
Ponen los resultados de los modelos a trabajar
Contribución directa a los resultados
Source of Skills Distribution Statistics: Accenture Institute for High Performance | Copyright © 2010 Accenture.
Necesitan
apps para
tomar
decisiones
en el
momento.
Análisis de datos
Herramientas adecuadas y apps para cada decisor
Para el Analista de Negocio
Sólida cartera de herramientas
para descubrir ideas
Para Managers/Ejecutivos
Dashboards para medir y
monitorizar el rendimiento
operativo
Para empleados operacionales,
socios , proveedores y clientes
InfoApps para obtener
respuestas a preguntas de
negocio
Análisis de datos
Crear una experiencia como AppStore en BI & Analytics
Análisis de datos
Auto-servicio de información para anunciantes
Páginas Amarillas sirve a cerca de 260.000
pequeñas y medianas empresas en Canadá.
El grupo de Análisis de Clientes y
Anunciantes proporciona a los anunciantes
información para medir el rendimiento de
sus inversiones en publicidad y rastrear el
éxito de sus campañas.
- Aproximadamente 52 mil millones de filas
(9TB) de datos en bruto se cargan y se
procesan cada día
- Tiempo de respuesta de 2 a 10 segundos
Análisis de datos
Auto-servicio de venta de información de benchmarking
Una InfoApp de Information
Builders, "Scoreboard" , permite
a más de 1.000.000 de titulares
de tarjetas de pequeños
negocios hacer un bechmark de
los datos de ventas en
comparación a otras
organizaciones similares y tomar
mejores decisiones de gestión de
caja y de compras .
Information Builders
Information Builders
Nuestro stack de soluciones
Integración de Datos
Information Builders
Information Asset Management Platform
Data Sources
Inbound
Integration
Data Quality and Master Data Management
Outbound
Integration
iWay Information Asset Management
Information Assets:
Reliable, Accurate,
Timely, Meaningful
Metadata Management
Schedule
Stewardship
Data Dictionary
Hierarchies
Master Data
Remediation
Database
Downstream
Apps
Enterprise
Analytics
Queue
Protocol
eMail
Schedule
DELTA
eMail
Match
Merge
View
Manage
Hierarchy
Profiling
File
BATCH
Protocol
Profile
Cleanse
Transform
Validate
Enrich
REAL-TIME
DELTA
Systems
Database
Queue
BATCH
Partners
File
DATA QUALITY FIREWALL
Data
REAL-TIME
Upstream
Apps
Web Apps
Portals
Information Builders
iWay Integration Suite
Data Sources
Inbound
Integration
Database
Downstream
Apps
Queue
Protocol
eMail
Schedule
Metadata Management
Legacy
CRM
Delta
Schedule
File
Batch
eMail
Information Assets
ERP Data
Real-Time
Systems
HR
Delta
Financial
Protocol
ROUTING
Partners
Batch
CRM
D ATA L O A D I N G
Queue
ENRICHMENT
Database
T R A N S F O R M AT I O N
File
PRE-PROCESSING
Real-Time
Legacy
Outbound
Integration
iWay Integration Suite
ERP Data
Upstream
Apps
Data Integration Process
Financial
HR
Enterprise
Analytics
Web Apps
Portals
Information Builders
iWay Data Governance Suite
Master Data Apps
iWay Master Data Suite
Metadata Management
Customers
Services
Server
Data Profiler
Partners
Stewards
Data Governance Portal
Master Data
Operations
Business Rules
Fuzzy Logic
External Registers
Externl Algorithms
Scoring
Extensions
Profile
Cleanse
Transform
Validate
Enrich
360 Viewer
Hierarchy Manager
Managers
Match
Merge
View
Manage
Hierarchy
Master Data
Hierarchies
Stewardship
Data Dictionary
Administrators
Custom Apps
Remediation
Information Builders
Integración de datos. Adaptadores a datos gestionados Hadoop
Tecnología
Descripción
Estándar de- facto para el acceso SQL
Open Source Hortonworks y todos.
Nueva versión más rápida. TEZ
Rendimiento en-memoria Hive Metadata, Supports most HQL
Para Cloudera, MapR, Amazon
Motor de consultas baja latencia
Para Hadoop y NoSQL
Patrocinado por MapR
Usa ANSI SQL
Para HBase – La base de datos NoSQL de Hadoop
Pone el SQL en NoSQL
Compartir Red de Ficheros
Lectura/escritura directa a MapR-FS
Information Builders
Integración de datos. Adaptadores a datos gestionados Hadoop
Tecnología
Descripción
Data extracted from HDFS to MPP database
Processing split between Hadoop and SQL Server
IBM Big SQL
ORACLE BigData SQL
Teradata Aster SQL-H
Mongo DB
Information Builders
Integración de datos. Adaptadores a datos gestionados Hadoop
Tecnología
Descripción
Uses PostgresSQL
Hive replacement…
From Facebook
Fastest SQL on Hadoop
Index on Hadoop Nodes
Uses Derby SQL
Tez Alternative
Information Builders
Integración de datos. Data Migrator
•
•
•
•
•
•
Data Management Console probé una interfaz gráfica
Cualquier fuente de datos
Genera metadato de Hive y Sinónimos de DataMigrator/WebFOCUS
Genera fichero delimitados
Uso de FTP cuando se necesita acceder a servidores remotos
Ejecuta comandos de carga para copiar en HDFS
• Extraer datos desde Hadoop
• Filtrar y/o agregar datos
• Escenarios de datos en HyperStage o RDBMS para análisis
Information Builders
Integración de datos. Data Migrator
Information Builders
Integración de datos. iWay Service Manager
WebFOCUS Analytics
WebFOCUS Analytics
RStat
WebFOCUS Analytics
RStat
 Asegura la toma de la mejor
decisión por el uso de análisis
predictivos y estadísticos
 Construye sistemas de “scoring”
fácilmente
 Permite aplicaciones predictivas
a un coste mucho menor que
otra soluciones o paquetes
estadísticos
 Basado en el Open Source “R”
WebFOCUS Analytics
RStat. Preparación de datos y exploración
• Particiones de los datos de entrada en datos de Entrenamiento y Test
• Crea datos de ejemplo para replicación o revisión de particiones
• Botones para definición de roles de variables
• Input, target, ID, ignore
• Estadística Descriptiva: Resúmenes, distribuciones, correlaciones
• Reducción de variables a través de análisis de componentes principales
• Visualizaciones en Caja, barras, gráficos de puntos, histogramas, Benford y mosaicos
• Pruebas de Hipótesis: T-Test, F-Test
• Transformación de Datos:
• Normalizaciones, entrada de valores perdidos, analizar basura, limpieza
WebFOCUS Analytics
RStat. Construcción y test de modelos
•
Técnicas de modelado supervisadas para la clasificación y la predicción
• Decision Tree
• Boosting
• Random Forests
• Regression – Linear, GLM, Logistic, Poisson and Multinomial
• Support Vector Machines
• Feed Forward Neural Network
• Survival Analysis – Cox PH and Parametric
• Técnicas de modelado sin supervisión de trabajos exploratorios
• Clustering – K-means and Hierarchical clustering for grouping records
• Association Rules - apriori algorithm for finding co-occurrences of items
• Evaluación de Modelos
• Error matrix, risk chart, lift chart, ROC Curve, precision and sensitivity charts, predicted vs. observed
charts
WebFOCUS Analytics
InfoDiscovery
WebFOCUS Analytics
InfoDiscovery
Capacidades
Acceder
Acceso a Datos
Empresariales,
Web y Propios
(pc)
Preparar
Visualizar
Descubrir
Blend, Limpiar,
Calcular
Representación
Visual
Identificar
tendencias,
patrones,
relaciones,
atípicos
Compartir
Publicar e Informar
WebFOCUS Analytics
InfoDiscovery
Acceder
 Acceder a los datos desde hojas de cálculo a Big Data.
 Escritorio , Enterprise y fuentes basadas en la Web.
 Desde tiempo real, transacciones latencia cero a
escenarios de datos.
 Conectores / Adaptadores:
 Optimizados para aumentar el rendimiento
 Aprovechar las capacidades particulares de cada
fuente de datos
 Cumplir los protocolos de seguridad
WebFOCUS Analytics
InfoDiscovery
Preparar
 Preparar - Limpiar, Manipular, y Enriquecer los Datos.
 Join/Blen de datos de múltiples fuentes.
• Proteger a los usuarios de resultados incorrectos.
 Agregaciones y respuestas rápidas no pesadas
• Un “área de trabajo analítico” de alta velocidad par
almacenar grandes volúmenes de Datos
• Compresiones del 90%
• Sin necesidad de índices ni pre-agregaciones
WebFOCUS Analytics
InfoDiscovery
Visualizar
 Librería de gráficos HTML 5
 Gráficos Matriciales, uso de colores, tamaño de los gráficos
para análisis multidimensionales
 Análisis Geográficos y Demográficos
WebFOCUS Analytics
InfoDiscovery
Descubrir
 Query visual de los datos
 Ver patrones que normalmente no se detectan
 Comprender porqué exciten valores atípicos
WebFOCUS Analytics
InfoDiscovery
Compartir en toda la empresa ….
Crear Storyboards ….  Storyboard - Construir un modelo de
negocio visual que apoya las decisiones
 Publicar –Compartir las visualizaciones
interactivas con otros usuarios de negocios
 Refrescar –Planificar actualizaciones de
datos para un análisis continuo
WebFOCUS Analytics
Magnify
WebFOCUS Analytics
Magnify. Buscador empresarial
 Provee de indexación en tiempo real
de información transaccional
 Trabaja con cualquier fuente de datos
 Búsqueda y categorización de
información estructurada y
desestructurada
 Fácil de usar por cualquier tipo de
usuario
 Basado en el Open Source Lucene,
dando como resultado un alto valor a
un bajo coste de implementación
 Buscar y encontrar datos desde el nivel
más bajo de detalle hasta el mayor
informe de resumen
WebFOCUS Analytics
Magnify. Buscador empresarial
Magnify
Especialidad
Otros Vendedores
Especialidad
Web Search
Enterprise BI Search
Database
Mainframe
Servidores
Informes
Registros /Transacciones
Parámetros
Más de 300 Aplicaciones y Fuentes de Datos
Multi
Media
Informes
Más de 300 Formatos de Ficheros
Crawling
Indexación Transaccional
Magnify Diferenciador
Documentos Imágenes
Ficheros
Compañías BI
Compañías de Búsqueda
WebFOCUS Analytics
Magnify. Datos estructurados y no estructurados
Estructurado
Desestructurado
Contenido Mixto
 Documentos Etiquetados
 Campos Clobs/Memo
 Documentos/Workflow MS
WebFOCUS Analytics
Magnify. Proceso
Contenido Empresarial
Transformar contenido en
información de búsqueda
1
2
3
Search Request
Magnify Results
Report Request
WF Report
Proceso Magnify
• Captura contenido en tiempo real
como información a editar o añadir.
• Cataloga el contenido con un motos
de búsquedas indexando usando
tags para categorizar, securizar,
clasificar y presentar resultados
almacenados.
• Informes de BI que presentan
diferentes formas de ver el
contenido encontrado.
• Los índices en cluster mantienen
búsqueda dentro de una aplicación
a medida que más información esté
disponible.
WebFOCUS Analytics
Magnify. Valores
Integración
Metadata
GUI
Aplicación IDE
Seguridad
Conexión a 300 fuentes de datos; captura cambios en
documentos en tiempo real, unión de documentos; y más …
Uso de datos para clasificar documentos, e incrementar su
encuentro, y hacer filtros dinámicos de búsqueda …
Acceso simple, potente categorización dinámica, vista tabular
interactiva, “multi-drill” a información adicional …
Herramienta GUI de acceso a todos los componentes de la
búsqueda, personalizar documentos en tiempo real…
Seguridad para cada fuente de datos, incluyendo niveles de fila y
columna para datos estructurados… Integración con otros
sistemas de integración empresarial.
WebFOCUS Analytics
Hyperstage
Big Data
WebFOCUS Hyperstage
Las soluciones de Análisis de Big Data necesitan bajas
alteraciones, alta capacidad, alta densidad y modelos de
despliegue de bajo coste.
WebFOCUS Hyperstage es una base de datos de alto
rendimiento analítico que está diseñada para gestionar las
consultas generadas por las empresas en grandes volúmenes
de datos, sin intervención de TI. Fácil de implementar y
administrar, Hyperstage ofrece las respuestas que los usuarios
de su empresa necesitan a un precio que puede pagar.
WebFOCUS Hyperstage
Arquitectura
Base de Datos
Columnar
Inteligencia,
no Hardware
Administración
Simplificada
Diseñado para
análisis rápidos
Arquitectura
Matriz de
Conocimientos
Sin Tunning
manual
Compresión de
datos
adaptativa
Motor de
query Iterativo
Mínima
administración
continuada
WebFOCUS Hyperstage
Robustez al análisis Big Data
Consultas más
rápidas sin trabajo
Sin índices, particiones de datos, proyecciones o cubos
Cargas rápidas /
Alta compresión
Cargas distribuidas por servidores
Bajos
costes
Menos almacenamiento, servidores y 90% menos administración
Más rápida puesta
en producción
Despliegue en días
WebFOCUS Hyperstage
Bases de Datos de Columnas vs Filas
Tradicional / OLTP
Guarda los valores de un
registro como una sola
entidad
COLUMNAR
Almacena los datos de un
registro en columnas
WebFOCUS Hyperstage
Columnas vs. Filas: ¿Cuál es el mejor caso de uso?
Orientado a Filas
Orientado a Columnas
Todas las columnas son
necesarias
Solo se necesitas las
columnas pertinentes
Lo requiere un
procesamiento
transaccional
Informes son
agregaciones(sumas,
cuentas, medias, etc.)
WebFOCUS Hyperstage
Columnas vs. Filas: Cómo Funciona
30 Columnas
50M Registros
 50 días de datos, 1 millón de
registros diarios
 I/O a disco, primer factor limitador
 Un diseño orientado a filas fuerza a
la BD a recuperar todas las
columnas de datos
 El tamaño de las tablas crecen
debido a los índices
 La velocidad de carga se degrada
debido a la necesidad de recrear
índices al añadir datos, esto
provoca grandes ordenaciones (otra
operación muy lenta)
WebFOCUS Hyperstage
Columnas vs. Filas: Cómo Funciona
Query:
Select Columna 11 ,
Where Columna 17
sea la 3ª semana
(día 15 – día 21)
50M Registros
30 Columnas
WebFOCUS Hyperstage
Columnas vs. Filas: Cómo Funciona
30 Columnas
– Elimina 43 días
– Recupera 7 millones de
registros
– 210 millones de elementos
de datos
50M Registros
Resultado basado en filas
WebFOCUS Hyperstage
Columnas vs. Filas: Cómo Funciona
30 Columnas
– Elimina 43 días
– Elimina 28 de las 30
columnas
– 14 millones de
elementos de datos
50M Registros
Resultado basado en
columnas
WebFOCUS Hyperstage
Arquitectura de Nodos de Conocimiento
PAQUETES DE DATOS
AQUITECTURA INTELIGENTE
 Datos almacenados en
tamaños manejables,
paquetes de datos altamente
comprimidos
 Datos comprimidos usando
algoritmos adaptados al tipo
de datos
 Carga de datos y listo
 Sin índices o particiones a
construir y mantener
 Nodos de conocimiento
automáticamente actualizados al
crear o actualizar paquetes de
datos
 Datos súper-comprimidos
pueden aprovechar hardware
estándar
NODOS DE CONOCIMIENTO
 Estadísticas y metadatos que
“describen” los datos súpercomprimidos
WebFOCUS Hyperstage
Carga de Datos: Paquetes de Datos
B1
C1
64K
A2
B2
C2
64K
A3
B3
C3
…
…
…
Carga masiva de datos
A1
A-n
B-n
C-n
Paquetes de Datos
64K
64K
WebFOCUS Hyperstage
Carga de Datos: Compresión & Nodos de Conocimiento
64K
Paquetes de
Datos
Comprimidos
Almacenamiento
en Disco
64K
64K
…
…
…
64K
Nodos de Conocimiento
en Memoria
WebFOCUS Hyperstage
Que Apariencia Tienen los Datos Ahora
Datos Originales
10 TB
Datos Comprimidos
500 GB
WebFOCUS Hyperstage
Nodos de Conocimiento: Cómo Funcionan
 Los nodos de conocimiento
responden a la consulta
directamente, o
 Identifican los paquetes de
datos requeridos, reduciendo
al mínimo la descompresión,
y
 Predicen los datos necesarios
de antemano sobre la base
de la carga de trabajo
 Todo gestionado por un
motor de computación
granular
WebFOCUS Hyperstage
Consultas con Nodos de Conocimiento: Cómo Funcionan
 Consulta: ¿Cómo van mis ventas
este año?
 Motor granular interacciona
iterativamente sobre los Nodos de
Conocimiento
 Cada paso elimina Paquetes de
Datos
 Si algún Paquete de Datos es
necesario para resolver la consulta,
solo estos son descomprimidos
Nodo Conocimiento
Datos Comprimidos
WebFOCUS Hyperstage
Consultas con Nodos de Conocimiento: Cómo Funcionan
SELECT count(*)
FROM employees
WHERE salary > 100000
AND age < 35
AND job = ‘DBA’
AND state = ‘TX’
salary
age
No Match
job
Suspect
state
All Match
WebFOCUS Hyperstage
Consultas con Nodos de Conocimiento: Cómo Funcionan
SELECT count(*)
FROM employees
WHERE salary > 100000
AND age < 35
AND job = ‘DBA’
AND state = ‘TX’
salary
age
job
state
Todos los
paquetes
ignorados
Todos los
paquetes
ignorados
Solo este paquete
será
descomprimido
Todos los
paquetes
ignorados
No match
Suspect
All Match
WebFOCUS Hyperstage
Rápido Time-to-Market: Flexibilidad Arquitectónica
HYPERSTAGE & POSTGRES
WebFOCUS Hyperstage
Valor de Solución Incrementado
 Velocidad de Carga:
– Cargas concurrentes en tablas individuales o
múltiples
– +100gb por hora
Knowledge Grid
 Rendimiento de Consultas
– Consultas ad hoc que pueden tardar horas
con otras bases de datos se ejecutan en
minutos;
– Las consultas que tardan minutos en otras
bases de datos se ejecutan en segundos
 Escalabilidad
– +50TB por servidor
Compressed Data
WebFOCUS Hyperstage
Benchmark
Seguros Performance Mngmt
SQL
Server
10-25 mins
Registro Vehículos
Financias Análisis de Redess
Hyperstage
SQL
Server
3X
Faster
Up to 30 mins
Gobierno
Oracle
Hyperstage
Hyperstage
23
seconds
DB2
1.5 Minutes
Análisis CDR Móviles
SAS
Hyperstage
1.5 Minutes
15 mins to
2 hours
15
seconds
>20 Minutes
2
seconds
Hyperstage
0.5 – 2
seconds
Big Data
Arquitectura moderna de datos
Data Architects
System Operators
Engineers
Data Scientists
Analysts
Business Users
META DATA / ETL
TOOLS
HDFS MANAGER
DEVELOPER
TOOLS
DATA DISCOVERY
BI / ANALYTICS
ENTERPRISE
REPORTING
Hyperstage
ENTERPRISE DATA
WAREHOUSE
ENTERPRISE DATA HUB
ONLINE SERVING SYSTEM
SYS LOGS
WEB LOGS
FILES
RDBMS
WEB/MOBILE APPLICATION
Customers & end users
Conclusiones
Big Data Analytics
Conclusiones
Big Data Analytics
Manuel del Pino
Presales Manager
Manuel_delpino@ibi.com