¿A qué llamamos Big Data?
La “Nueva Analítica”: características diferenciales
Plataformastecnológicasen Big Data
¿Y todo esto, para qué? Ejemplos de casos de negocio
Riesgos y problemasdel Big Data
Yendo más allá: tendencias de futuro
| 12-05-2016 | Atos Codex
Big Dataes un nombre para los juegos de datos que son tan grandes o complejos que las aplicaciones tradicionales para procesado de datos no son adecuadas.
Plantean desafíos en el análisis, captura, filtrado, búsqueda, compartición, almacenamiento, transferencia, visualización, consulta, actualización, y privacidad. (Wikipedia USA)
4
¿A qué llamamos Big Data?Veamos qué dice la Wikipedia…
| 12-05-2016 | Atos Codex5
¿A qué llamamos Big Data?Obviamente, el tamaño SÍ importa…
2009 2011 2012 2013 2014 2016 2017 2018 2019 2021202020152010
En 2009 se empieza a usar el término zettabyte para los ingentes volúmenes de datos.
Disrupción porla Nube
El valor estimado de la Economía de los Datos Personales es de 1 billón de euros
Los datos M2M sobrepasan los personales en 2015
1.000 millones de contadores inteligentes en 2020
44 zettabytes
0.85zettabytes
Volumen estimado de los datos digitales(a nivel mundial)
Fuente: Atos Scientific Community
| 12-05-2016 | Atos Codex6
¿A qué llamamos Big Data? … pero también importa la heterogeneidad
Datosestructuradostradicionales
BIG DATA: TAMAÑO + DIVERSIDAD…
Gran Tamaño
No Estructurados
Multimedia
TiempoReal
“Basura”
Enlazados
Sociales
Abiertos
▶ Se amplía el “universo” de datos que podemos procesar en varias dimensiones:
– Tamaño
– Estructura (o falta de ella)
– Homogeneidad
– Contenido
– “Frescura”
– Orígenes
– Relaciones
Fuente: Atos Scientific Community
BIG DATA
| 12-05-2016 | Atos Codex7
¿A qué llamamos Big Data?Veamos un ejemplo: clientes de un comercio minorista
Transaccionescomerciales
Geolocalizacióndel móvil
Redes decomunicaciones
Sensores(NFC / RFID)
Cámarasde video
Estadísticassitios web
InformaciónLogística
Cartografíalocales
Redes Sociales
| 12-05-2016 | Atos Codex8
¿A qué llamamos Big Data?Veamos otro ejemplo: un parque eólico marino…
Supervisión ycontrol (SCADA)
Sensores dediversos tipos
Informaciónmeteorológica
Información deestado del mar
InformaciónLogística
Información demantenimiento
Informaciónoperacional
Informaciónde fabricación
| 12-05-2016 | Atos Codex10
La “Nueva Analítica”: características diferencialesExpandiendo el ámbito del análisis empresarial
Años Meses Días Horas Mins S
Zetta
Exa
Peta
Tera
Analítica Tiempo
Real
S Mins Horas Días Meses Años
Automati-zación
Procesos
Soporte Decisiones “Ad hoc”
Planificación Operacional
Planificación Estratégica
Analítica Tradicional
TiempoReal
Supervisión / Control y Mantenimiento Predictivo
Big
Data
Volumen de Datos(bytes) PASADO FUTURO
AHORA
Datos ExternosNo Estructurados
Datos Internos
NoEstructurados
Fuente: Forrester
| 12-05-2016 | Atos Codex11
La “Nueva Analítica”: características diferencialesExpandiendo el ámbito del análisis empresarial
▶ Analítica Descriptiva
– ¿Qué ha pasado?
▶ Analítica Diagnóstica
– ¿Por qué ha pasado?
▶ Analítica Predictiva
– ¿Qué puede pasar?
▶ Analítica Prescriptiva
– ¿Qué tengo que hacer?
Adaptaciónretro-
aliment.A
lta
Baja Informe
Estándar
Consulta”Drill
Down”
Fore-casting
AnálisisImpactoDecisión
AnálisisEstadístico
PredicciónEscenarios
InformeAdHoc
Analítica Reactiva Analítica Proactiva
Impacto en la toma de decisiones
Tasade cambioy volumen
de datos
Descriptiva Diagnóstica Predictiva Prescriptiva
Fuente: Atos Scientific Community
| 12-05-2016 | Atos Codex12
La “Nueva Analítica”: características diferencialesHacia una “Economía del Dato” basada en “Plataformas Analíticas”
AnalíticaPredictiva
Uso demis datos
InnovationValue Webs
Deep Learning
ModelosNegocio
Digital
DatosProducción
DatosUso
DatosConsumidor
PrivacidadSeguridad
ECONOMÍADE LOSDATOS
INTERNET OFEVERYTHING
Refinar
Interpretar
Datosútiles
Rentabilidad
Fuente: Atos Scientific Community
SocioNegocio
ActivosDigitales
Usuarios
Dispositivos Conectados
Smart meter
PLATFORMPLATAFORMA
Proveedor Energético
Uso Datos Servicios
PLATAFORMAS ANALÍTICASDE MERCADOS MULTILATERALESCÍRCULO “VIRTUOSO” ECONOMÍA DEL DATO
| 12-05-2016 | Atos Codex14
Plataformas tecnológicas en Big DataBienvenidos al “zoo” tecnológico. (No den de comer a los animales )
Data Integration
Data Management
AnalyticsLayer
Data Sources
Real TimeSensor Data
Smart gridPlatforms
Other Data(External)
• AMM RT Events• IEC 61850• IEC 60870-5-104• Data historians (PI)• Other sensor
protocols
• Weather• Demographics• Housing• Social media• …
• AMI/AMM
• MDM• DMS /
SCADA• GIS• EAM• CIS
AnalyticsApps
SQL
Multi-sidedMarket
Use case
Revenue ProtectionUse case
Other Use Cases
SpeedLayer
Batch Layer
Turbo LayerServingLayer
Web ServiceAPIs
Web Apps
MobileApps
IntegrationwithBI / DWH
Integrationexternal Apps
Reporting &Visualization
Data Scientist Workbench
End UserApplications
Fuente: Atos Codex
| 12-05-2016 | Atos Codex16
¿Y todo esto, para qué? Casos de negocioPara resolver los desafíos de las empresas
Crear nuevos modelos denegocio, e innovar en productos y servicios
Anticipar necesidades,demandas y
comportamientosdel cliente
Utilizar la potencia de la analítica para protegersus activos
Mejorar la eficiencia yla agilidad con procesosgestionados con los datos
Experienciade Cliente
Reinvencióndel Negocio
ExcelenciaOperacional
Confianza yCumplimiento
| 12-05-2016 | Atos Codex17
¿Y todo esto, para qué? Casos de negocioAtos Codex: la familia de soluciones analíticas de Atos.
Con Atos Codex, proporcionamos un
conjunto extensivo de soluciones analíticasfocalizadas en el
negocio
Atos Analyticsfor Finance
Atos Analyticsfor Transports
Atos Analyticsfor Public Sector
Atos Analyticsfor Health
Atos Analyticsfor Telco
Atos Analyticsfor Media
Atos Analytics for Utilities
Atos Analyticsfor
Manufacturing
Atos Analyticsfor Retail
| 12-05-2016 | Atos Codex18
¿Y todo esto, para qué? Casos de negocioEjemplo: potenciando la Excelencia Operacional
Impacto de negocio:
Capacidad de producción incrementada al mejorar la eficiencia operacional
QUE HEMOS HECHO PARA UNACOMPAÑIA DE SERVICIOS
PETROLÍFEROS
El equipo de Atos ha creado una solución analítica de mantenimiento predictivo que permite al cliente mejorar la fiabilidad de equipamiento y reducir el mantenimiento y los costes de recambios en equipamiento de alto coste
Los datos se recogen desde 120 sensores que analizan el rendimiento de la cabeza de perforación en tiempo real, para observar anomalías y predecir fallos potenciales.
| 12-05-2016 | Atos Codex19
¿Y todo esto, para qué? Casos de negocioEjemplo: mejorando la Experiencia de Cliente
QUÉ HEMOS HECHO PARA UN GRAN OPERADOR MÓVIL
El sector de las Telecomunicaciones es uno de los más ricos en datos, 90% en tiempo real.
Atos ha desarrollado una solución que usa analítica en tiempo real para innovar en tres áreas:
▶Nuevos ingresos, por microsegmentación en tiempo real, basada de la experiencia y comportamiento del consumidor.
▶Mejora de la interacción con el cliente, al entender mejor la “experiencia de usuario”
▶ Eficiencia de coste por la optimización de red, adaptada a las demandas del cliente.
Impacto de Negocio:
Mejorar la generación y protección de ingresos
| 12-05-2016 | Atos Codex20
¿Y todo esto, para qué? Casos de negocioEjemplo: mejorando la Experiencia de Cliente
| 12-05-2016 | Atos Codex21
¿Y todo esto, para qué? Casos de negocioEjemplo: mediante la Reinvención de los Negocios
QUÉ HACEMOS PARA LAS EMPRESAS COMERCIALIZADORAS DE SERVICIOS
(ELECTRICIDAD, GAS, AGUA)
El negocio de estas empresas está sujeto a fuertes presiones en márgenes, y necesita poder ofrecer nuevos servicios a sus clientes.
Atos ha desarrollado una plataforma que usa analítica de datos propios (contadores inteligentes) y de terceros, y que permite:
▶Ofrecer nuevos productos (como eficiencia energética o domótica) para fidelizar al cliente.
▶Colaborar con socios comerciales, para nuevos servicios combinados en B2C y B2B.
Impacto de Negocio:
Obtención de ingresos mediante nuevos servicios
| 12-05-2016 | Atos Codex22
¿Y todo esto, para qué? Casos de negocioEjemplo: mediante la Reinvención de los Negocios
Socios de negocio
Curva de consumo horaria
▶ Fabricantes de electrodomésticos
▶ Servicios de renovación técnica
▶ ONGs y asociaciones
Platform
InformaciónDomicilio
Socios de Negocio
Fijación de límitede consumo y
cálculo de EcoPuntos
Isabel ha intentado muchas veces reducir su factura eléctrica sin mucho éxito. Por lo que se ha suscrito al servicio “Asistente Verde”,
que la ofrece sugerencias personalizadas a su consumo real.
El objetivo individual de ahorro se fija cada mes. Si no se excede, Isabel gana
“EcoPuntos”, que puede utilizar en productos recomendados según su patrón de consumo.
Incluso puede donar sus puntos a ONGs o programas para paliar la “Pobreza Energética”
| 12-05-2016 | Atos Codex23
¿Y todo esto, para qué? Casos de negocioEjemplo: mediante la Reinvención de los Negocios
| 12-05-2016 | Atos Codex
Las Pérdidas No Técnicas (PNT) son una causa creciente de preocupación para las distribuidoras eléctricas.
Significan unas pérdidas de 3.700 M€/año en Europa
Atos ha creado una solución basada en tecnología Big Dataque utiliza algoritmos de aprendizaje-máquina para
detectar patrones asociados a PNT.
Las reglas de detección se mejoran de forma continua con información de las inspecciones de campo, para mejorar su
efectividad predictiva. Además, se incluyen herramientas de campo para la gestión de los procesos asociados a PNT
24
¿Y todo esto, para qué? Casos de negocioEjemplo: potenciando la Confianza y el Cumplimiento
La mejora en las predicciones reduce las pérdidas no técnicas y mejora la eficiencia de las inspecciones, creciendo del 5% al 40%
Impacto de Negocio:
Reducción de pérdidas originadas por fraude y otras causas BENEFICIO DE NEGOCIO
| 12-05-2016 | Atos Codex25
¿Y todo esto, para qué? Casos de negocioEjemplo: potenciando la Confianza y el Cumplimiento
| 12-05-2016 | Atos Codex26
¿Y todo esto, para qué? Casos de negocioEjemplo: potenciando la Confianza y el Cumplimiento
Execution of analytic processesfor NTL detection
Configuration of model for NTL detection
Revision by Atos experts
Field inspectionsby utility
Data capture
Optimization
ExternalData
UtilitiesData
UnsupervisedMachineLearning
BusinessHeuristics
SupervisedMachineLearning
NetworkBalance
Analytical Toolbox
??
?
?Customized Analytical Workflows
DescriptiveAnalytics
•k-Nearest Neighbours•Support Vector Machines•Random Forest•Neural Networks
•Clustering•Consumption Patterns
•Heuristic Queries•Increasing / decreasing factors
•Descriptive statistics•Visual exploration
•Consumption balance•Voltage balance
| 12-05-2016 | Atos Codex28
Riesgos y problemas del Big DataNo todo es de color de rosas…
Privacidad
Seguridad
“Prejuicioalgorítmico”
Correlación !=Causalidad
Personal especializado
Calidad del dato
Complejidad
Modelos de Gobierno
Predicción !=Predeterminación
| 12-05-2016 | Atos Codex30
Yendo más allá: tendencias de futuroExisten muchas líneas de trabajo para contar con nuevas capacidades
CONVERGENCIAHPC-BIG DATA
ANALÍTICADISTRIBUIDA
ANALÍTICA “RÁPIDA”(EN MEMORIA)
COMPUTACIÓNCOGNITIVA
ACCESO A DATOSCON SOPORTE A
PRIVACIDAD
ENTORNOS COLABORATIVOSCIENCIA DATOS
GOBIERNOBIG DATA
1 2 3 4 5 6 7
Visión unificada de la
computación de alta capacidad
permitiendo flujos analíticos sin fisuras que
aprovechan las características de
cada mundo.
Combinación de la Analítica y
los modelos de Nube
distribuida(“fog
computing”). Proporciona
analítica predictiva y
prescriptiva cerca del sensor.
Analítica “en Memoria” que
soporta proceso en tiempo real.
Tanto SAP HANA como
soluciones de código abierto.
El campo más activo del
Aprendizaje Máquina y la Inteligencia
Artificial, usando técnicas como
Deep Learning y ReinforcedLearning
Capas de acceso a datos que aplican
de forma transparente
restricciones asociadas a la privacidad en
aplicaciones que acceden a
repositorios Big Data
Combinación de Redes Sociales
Empresariales con
herramientas de Análisis de
Datos para ciencia de datos
colaborativa
Mejores métodos y
herramientas para el
Gobierno de Datos:
data lineage, reproducibilidad
de análisis, calidad del dato.
Atos, the Atos logo, Atos Codex, Atos Consulting, Atos Worldgrid, Worldline, BlueKiwi, Bull, Canopy the Open Cloud Company, Unify, Yunano, Zero Email, Zero Email Certified and The Zero Email Company are registered trademarks of the Atos group. April 2016. © 2016 Atos. Confidential information owned by Atos, to be used by the recipient only. This document, or any part of it, may not be reproduced, copied, circulated and/or distributed nor quoted without prior written approval from Atos.
GraciasPara más información contacte con:Celestino Güemes SeoaneR&D SmartUtilitiesAtos Worldgrid [email protected]
Top Related