Conozca cómo tratar y analizar enormes cantidades de datos en Data Analytics
Conozca cómo tratar y analizar enormes cantidades de datos en Data Analytics
En Data Analytics convergen varios campos de la computación, las ciencias y la administración como análisis de texto, bases de datos, minería de datos, aprendizaje automático, estadística y procesamiento de lenguaje natural, entre otros. Data Analytics ha permitido que las empresas puedan tomar rápidas y mejores decisiones, al usar para ello datos que antes eran inaccesibles o que la tecnología no permitía procesar.
En Data Analytics convergen varios campos de la computación, las ciencias y la administración como análisis de texto, bases de datos, minería de datos, aprendizaje automático, estadística y procesamiento de lenguaje natural, entre otros. Data Analytics ha permitido que las empresas puedan tomar rápidas y mejores decisiones, al usar para ello datos que antes eran inaccesibles o que la tecnología no permitía procesar.
Hoy, esto es posible principalmente por el abaratamiento del hardware y la disponibilidad de los servicios de computación en la nube accesibles a las organizaciones. Con este tipo de infraestructura, ahora se pueden tratar y analizar enormes cantidades de datos (denominados Big Data) provenientes de dispositivos inteligentes, Internet, redes sociales, sensores e incluso de dispositivos que se encuentran fuera de la tierra.
El propósito de este ciclo de conferencias es dar a conocer el estado de apropiación de Data Analytics, su aplicación, así como mostrar casos exitosos.
Inscripciones en línea
Octubre 15, 3 - 8PM, Hemiciclo - Biblioteca
IBM: del Analytics a la Computación Cognitiva (más) | IBM | |
Fraud Analytics: detección y prevención de fraudes en la era de Big Data(más) | Colombia | |
Cloud Computing: Trends and Challenges - Español (más) | Colombia | |
Big Data, ¿Qué tan Grande es? (más) | UK | |
Data Driven Analytics - A success story (más) | USA | |
Big Data & Analytics, Transformando los Negocios (más) | USA | |
Semantic Big Data: Conectando y explotando grandes volúmenes de datos(más) | España |
Resumen de conferencias
IBM: del Analytics a la Computación Cognitiva. El 80% de todo el universo de datos que genera la sociedad digital son datos no estructurados (texto escrito, tweets, imágenes, posts, etc.), un mundo que escapa a la capacidad de análisis de los sistemas tradicionales y que es el ámbito para el que Watson está especialmente diseñado, al entender el lenguaje natural y poseer una enorme capacidad de análisis de la información.
Watson es una plataforma tecnológica pionera, capaz de entender el lenguaje natural, procesar grandes datos para descubrir patrones y conocimiento ocultos en ellos y aprender de cada interacción. Estas características hacen que Watson represente una nueva era de la computación en la que los humanos y los ordenadores interactúan de forma más natural.
Watson imita la forma de razonar de las personas: ante una pregunta, formula hipótesis y escoge la respuesta en la que tiene un mayor nivel de confianza. Muestra los pasos que ha dado para llegar a esta respuesta de una forma clara y sencilla, es decir, presenta su razonamiento. Y, además, aprende de su experiencia, de cada interacción, así que cada vez es más inteligente.
IBM presentará la evolución de las herramientas analíticas, su uso y las más recientes tendencias incluyendo Computación Cognitiva, en especial Watson.
Fraud Analytics: detección y prevención de fraudes en la era de Big Data.
Durante el 2012 el nivel de fraude en tarjeta de crédito llego a 11.3 billones de dólares, un aumento de casi un 15% comparado con el 2011, esto demuestra el problema que el fraude representa no solo a las instituciones financieras sino también para la sociedad.
Tradicionalmente la prevención del fraude consistía en proteger físicamente la infraestructura, sin embargo con cada vez más medios y canales de pago disponibles, la información financiera se ha vuelto más susceptible a ser hurtada. Otra opción para prevenir y controlar el fraude consiste en determinar si una transacción está siendo realizada por el cliente de acuerdo con sus patrones históricos de comportamiento, este es el enfoque de Fraud Analytics.
En esta presentación se mostrara cómo es posible por medio de Fraud Analytics, determinar la probabilidad que una transacción sea o no realizada por el cliente, utilizando la información de compra de los clientes, sus interacciones con la entidad financiera, y por medio de análisis de redes sociales, unido genera bastante información. Adicionalmente, se discutirán y compararan los resultados de las comúnmente utilizadas reglas de decisión y modelos avanzados de Machine Learning.
Cloud Computing: Trends and Challenges. El estudio Making advanced analytics work for you de Harvard Business Review muestra tres estrategias para explotar totalmente las capacidades de Big Data y Analytics en una organización, estas son: 1) identificar, combinar y manejar múltiples fuentes de datos. 2) Construir modelos analíticos avanzados para predecir y optimizar resultados. 3) Transformar las capacidades de la organización de tal forma que los datos utilizados y el análisis de los mismos lleven a tomar mejores decisiones. En esta charla se mostrará como el modelo de Cloud Computing sirve para implementar cada una de las estrategias anteriormente mencionadas.
Big Data, ¿Qué tan Grande es?. Actualmente el volumen de datos a nivel mundial está creciendo un 50% al año. Una definición del término Big Data se emplea para describir conjuntos de datos cuyo volumensobrepasa lo que las herramientas tradicionales de bases de datos pueden capturar, almacenar, gestionar y analizar. Sin embargo, yo prefiero otra definición de Big Data que considera otras dimensiones aparte del volumen, y caracteriza a Big Data mediante las tres Vs: volumen, velocidad y variedad. La velocidad hace alusión a que los flujos de datos deben ser analizados en tiempo real para que un empresa obtenga la mayor ventaja ante sus competidores. La variedad se debe a que los datos provienen de diversas fuentes, y que los datos generados son cada más heterogéneos y complejos: comprenden texto libre, datos semi-estructurados, BD relacionales e incluso flujos de video. En esta charla, se caracterizan en mayor detalle las dimensiones que comprenden Big Data, y los retos que surgen a partir de ellas.
Big Data & Analytics, Transformando los Negocios. La incorporación y el uso de las tecnologías de la información en las organizaciones afecta su estrategia a corto mediano y largo plazo. La exposición a nuevas tendencias y manejo de gran cantidad de datos (Big Data) afectan directamente sus objetivos de sostenibilidad. Al mismo tiempo estos modelos de negocio se han visto afectados debido a la tendencia creciente de los reglamentos, las amenazas y los beneficios mostrados por la falta, uso y análisis de datos, tanto de la propias organizaciones como la de sus directos competidores.
El Dr. Rabelo presenta un marco para entender, analizar, gestionar la información en una organización (Business Analytics) y exponer las metodologías y técnicas que permiten definir el rendimiento de referencia en tecnologías de la información, la determinación de las mejores prácticas, establecer metas específicas, medir los impactos financieros y evaluar, por último, los ciclos de vida de las iniciativas basadas en las prioridades de la organización.
Para muchas organizaciones sus datos están dispersos entre numerosos tipos de software en diferentes aplicaciones, a veces en diferentes geografías y en muchos formatos diferentes, sumando a esto la gran cantidad de origen de recolección de datos (Internet de las cosas) y en consecuencia encuentran dificultad a la hora de consolidar y analizar los datos. El Dr. Rabelo muestra las técnicas de Big Data Analytics que en la última década, ha sido una preocupación para muchas organizaciones (empezando por los pioneros de Google) por saber obtener una visión más clara, entendiendo su pasado y presente con el objetivo de poder predecir de manera mas adecuada su futuro.
Data Driven Analytics - A success story.
Semantic Big Data: Conectando y explotando grandes volúmenes de datos. La cantidad de datos que se generan hoy día es tan grande, y está creciendo tan rápido, que es casi imposible utilizar herramientas convencionales para trabajar con estos nuevos conjuntos de datos. Ante este crecimiento continuado de los datos, el surgimiento de Big Data está proporcionando un nuevo escenario para llevar a cabo los procesos de captura, almacenamiento, gestión y análisis de los mismos.
Uno de los mayores obstáculos para el desarrollo del Data Analytics es la variedad de los datos, algunos estructurados, algunos numéricos, algunos totalmente desestructurados (por ejemplo, vídeo, audio).
El factor del éxito de este nuevo escenario no va a residir únicamente en cuestiones tecnológicas y/o de infraestructura, sino en la capacidad de las organizaciones de conectar los grandes y heterogéneos silos de datos que se están produciendo en la actualidad para llevar a cabo un análisis integrado de su realidad.
Esto es lo que se va a convertir en un factor clave y diferenciador para la competencia, que sustenta las nuevas oleadas de crecimiento de la productividad, y la innovación. Ante esta realidad, la combinación de Big Data y la Web Semántica se convierten en una necesidad para todas las organizaciones que traten con grandes cantidades de datos, ya que permiten disponer de masivas cantidades de datos, conectados e identificables de forma unívoca.
Así, Big Data y la Web Semántica serán fuerzas impulsoras cruciales en las economías de la próxima generación y ayudarán a tomar mejores decisiones en tiempo real.