SlideShare ist ein Scribd-Unternehmen logo
1 von 34
Un apasionante viaje hacia la
Analítica Avanzada
DESAYUNOS DE TRABAJO
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
2
NEGOCIOS INTELIGENTES
Aproximación al BI, metodologías y prácticas.
3
BI DE NUEVA GENERACIÓN -> BIG DATA
Como evoluciona un sistema de BI, hacia una
compañía Data Driven.
1
INTRODUCCIÓN CICLO DE VIDA DEL DATO
Los proyectos con datos.
4
IA & MACHINE LEARNING
Mirando hacia el futuro.
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
INTRODUCCIÓN
CICLO DE VIDA DEL
DATO
1
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Introducción
“Desde atSistemas, entendemos los proyectos asociados a los datos
como un viaje que compartimos con nuestros clientes.
En muchas ocasiones comenzamos el camino desde el inicio, en otras
nos encontramos en alguna de las estaciones, pero para nosotros, lo
más importante es llegar al destino cumpliendo con todas las
expectativas, disfrutando conjuntamente del proceso de cambio y
mejora que se experimenta en todos los proyectos de este tipo”.
Carlos Ortiz Cotillo.
Licenciado en CC Biológicas.
Responsable de la Linea de
Negocio de Data & Analytics
en atSistemas.
Más de 15 años de
experiencia Como Director de
IT.
Master en BI y Big Data
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Conociendo a los ponentes
Manuel García-
Villarrubia
Ingeniero en informática.
CE de Bi-Big Data en
atSistemas.
Más de 10 años de
experiencia como Ingeniero
de Datos y
consultor de BI, experto en la
suit de Microsoft BI.
Manuel Barba Ramos
Ingeniero en
Telecomunicaciones.
CE de Bi-Big Data en atSistemas.
Más de 15 años de experiencia
como Arquitecto software, y
experto en diseño e
implementación de arquitecturas
Big Data
Encarnacion Folgado Zuñiga
Doctora en Inteligencia Artificial
CE de Bi-Big Data en atSistemas.
Más de 20 años de experiencia
como Científica de Datos
aplicando algoritmos orientados a
visión artificial aplicada a la
robótica.
David García Muñoz
Doctor en Inteligencia
Artificial.
CE de Bi-Big Data en
atSistemas.
Más de 10 años de
experiencia como Científico
de datos y
Docente en el instituto
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
atSistemas
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
atSistemas
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
atSistemas
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Introducción
EL departamento de Policía de Chicago contrata a atSistemas
para analizar la delincuencia de la ciudad
Gracias al sistema de información actual de la Policía de Chicago, se ha compartido información sobre el
registro de delitos en la ciudad desde el año 2001 hasta la actualidad. el departamento
En total se dispone de un total de 6.860.589 registros sobre las denuncias realizadas en el periodo así como su desenlace. Para cada
uno de los delitos se informan 30 variables como por ejemplo: la tipología del delito, la posición geográfica, el día del suceso, el
resultado del mismo, etc.
Los objetivos del estudio se orientan hacia, el conocimiento de la situación actual de la actividad delictiva, la capacidad del sistema
para escalar en número de variables y registros, la predicción y evolución de los delitos para dimensionar el departamento y las
capacidades de la IA para reconocer a delincuentes habituales a través de las cámaras de vigilancia del departamento.
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
NEGOCIOS
INTELIGENTES2
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Los sistemas de Business Intelligence
Cualquier actividad, cualquier proceso, genera, consume o procesa
datos.
El estudio de estos datos nos permite transformarlos en
conocimiento de valor para las compañías, entendiendo mejor su
situación y ayudándolas a tomar mejores decisiones.
Para conseguir este hito, es esencial construir un sistema de
información que permita incorporar toda información relevante para
los usuarios, que sea capaz de escalar ante nuevas necesidades,
que ofrezca las capacidades analíticas y de consulta en tiempo y
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Los sistemas de Business Intelligence
Para atSistemas es fundamental invertir en el proceso
de adecuación de los datos de forma que representen
el negocio de la forma más fiel posible.
Para conseguirlo seguimos la metodología CRISP-DM.
Esta metodología se fundamenta en el conocimiento de
la actividad o proceso objeto del sistema (negocio) a
partir de ese conocimiento y de las necesidades de los
usuarios, se construye el sistema. El proceso es
iterativo ya que se adapta a la evolución de toda
actividad, a la disponibilidad de nuevos datos e incluso
a los cambios en los objetivos de las compañías.
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Los sistemas de Business Intelligence
Un modelado especialmente diseñado para la analítica.
Siguiendo las recomendaciones de Ralph Kimball,
en el proceso de reestructuración de los datos,
optamos por reordenarlos según las diferentes
dimensiones de análisis y los hechos o medidas que
representan el proceso.
Este tipo de modelo se conoce como “modelo en
estrella” y ayuda a que la información se consulte de
forma más rápida y que sea más fácilmente consumible
por los usuarios.
Esta forma de estructurar la información se conoce
como Data Warehousing.
De forma evolutiva se añaden procesos al sitsema,
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Los sistemas de Business Intelligence
Arquitectura del modelo para la Policía de Chicago
Orígenesdeinformación
ETL
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Los sistemas de Business Intelligence
Demo 1: Business
Intelligence
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
BI DE NUEVA
GENERACIÓN ->
BIG DATA
3
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Big Data
La evolución natural de un sistema de información en la
actualidad pasa por alguno de los siguientes aspectos:
ü Aumento del Volumen.
ü Incremento de la Velocidad de procesamiento.
ü Nuevos orígenes y Variedad de tipología de datos.
Mantenemos dos de las características principales de un
sistema de información:
ü Veracidad de los datos que ofrece el sistema.
ü Valor extra aportado a las compañías en forma de
conocimiento.
Obtenemos las 5 V´s de un sistema
BIG DATA
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Big Data
La arquitectura tradicional, orientada a BI no
asume por si sola el nuevo reto:
Nuevos paradigmas:
ü Elevado volumen de datos.
ü Múltiples tipos de fuentes.
ü Tiempo real.
ü Nuevas necesidades de consumo de
datos.
Business Intelligence
tradicional:
ü Volumen de datos bajo/medio.
ü Sistemas empresariales (Oracle,
SAP).
ü Datos estructurados.
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Big Data
Es necesario dotal a la organización
de herramientas y tecnología para
permitir abordar cualquier necesidad
analítica.
El termino compañía DATA DRIVEN
como filosofía organizativa y de
gestión, tomando al dato como eje
principal y activo imprescindible en el
proceso de toma de decisiones.
Tecnológicamente, es necesario
dotar de las herramientas
necesarias, para que todas las
capacidades analíticas se vean
El acceso y herramienta que ofrece los datos a los usuarios
consumidores, debe ser totalmente transparente para ellos,
dependerá del proceso y del nivel de agregación que la información
se suministre desde un repositorio determinado.
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Big Data
Conexión al DWH BI
Tradicional
Conexión al Data
Lake Arq. Big Data
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Big Data
Demo 2: Evolución a
BIG DATA
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & MACHINE
LEARNING4
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Definición de Inteligencia Artificial (IA): “Simulación por parte
de una máquina de los procesos de inteligencia humanos.
Estos procesos incluyen el aprendizaje, razonamiento y auto-
corrección”.
Alan Turing (1912-1954). Dartmouth Conference (1956).
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Definición de Aprendizaje Automático “Capacidad de un
agente de mejorar su rendimiento en tareas futuras tras
hacer observaciones en el mundo real”.
Inteligencia
Artificial (IA)
Machine
Learning (ML)
Deep Learning
(DL)
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Definición de Aprendizaje Automático “Capacidad de un
agente de mejorar su rendimiento en tareas futuras tras
hacer observaciones en el mundo real”.
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Tipos de aprendizaje automático:
Supervisado: Los ejemplos del
conjunto de entrenamiento
aparecen etiquetados con la clase a
la que corresponden.
Clasificación
Regresión
No Supervisado: No se conocen
las clases de los ejemplos del
conjunto de entrenamiento.
Segmentación
(clustering)
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Algoritmos de Aprendizaje Automático:
SUPERVISADO NO SUPERVISADO
CLASIFICACIÓN REGRESIÓN
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Entrenamiento de los algoritmos de Aprendizaje Automático:
2
3
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Demo 3: Machine Learning
prediciendo el futuro
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Reconocimiento facial
OCEAN’S ELEVEN
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Reconocimiento facial
Los sistemas de reconocimiento facial se
encuentran dentro de la disciplina de la IA,
a este tipo de sistemas que tratan
imágenes se les agrupa como algoritmos
de “visión porcomputador”.
Estos algoritmos determinan patrones en la
disposición de ciertos puntos característicos
de la fisionomía de la cara humana
(LandMarks), este patrón, es único para
cada individuo de forma que nos permite su
identificación.
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
IA & Machine Learning
Demo 4: Deep Learning
reconocimiento facial
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
¡Muchas gracias!
DESAYUNOS DE TRABAJO
Un apasionante viaje hacia la
Analítica Avanzada
Madrid
C/Valle de Alcudia, 3
Edificio 2, planta 1.
28232 Las Rozas, Madrid

Weitere ähnliche Inhalte

Was ist angesagt?

Big data y la inteligencia de negocios
Big data y la inteligencia de negociosBig data y la inteligencia de negocios
Big data y la inteligencia de negocios
nnakasone
 

Was ist angesagt? (20)

Big Data, Big Customer Value, Big Results
Big Data, Big Customer Value, Big ResultsBig Data, Big Customer Value, Big Results
Big Data, Big Customer Value, Big Results
 
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...
 
Profesión: Big Data
Profesión: Big DataProfesión: Big Data
Profesión: Big Data
 
Big data
Big dataBig data
Big data
 
Big data y Redes Sociales
Big data y Redes SocialesBig data y Redes Sociales
Big data y Redes Sociales
 
20141027 Bienvenidos al BigData - inBeacon
20141027 Bienvenidos al BigData - inBeacon20141027 Bienvenidos al BigData - inBeacon
20141027 Bienvenidos al BigData - inBeacon
 
Paradigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadas
Paradigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadasParadigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadas
Paradigmas de Procesamiento en Big Data: Arquitecturas y Tecnologías aplicadas
 
BIG DATA: Un nuevo reto para la estadística pública
BIG DATA: Un nuevo reto para la estadística públicaBIG DATA: Un nuevo reto para la estadística pública
BIG DATA: Un nuevo reto para la estadística pública
 
Big Data y el sector salud
Big Data y el sector saludBig Data y el sector salud
Big Data y el sector salud
 
Big data y la inteligencia de negocios
Big data y la inteligencia de negociosBig data y la inteligencia de negocios
Big data y la inteligencia de negocios
 
Big data
Big dataBig data
Big data
 
Business intelligence
Business intelligenceBusiness intelligence
Business intelligence
 
Big Data para Dummies
Big Data para DummiesBig Data para Dummies
Big Data para Dummies
 
Customer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
Customer Analytics; qué se necesita y cómo conseguirlo by Josep CurtoCustomer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
Customer Analytics; qué se necesita y cómo conseguirlo by Josep Curto
 
Act.1 definiciones de inteligencia de negocios
Act.1 definiciones de inteligencia de negociosAct.1 definiciones de inteligencia de negocios
Act.1 definiciones de inteligencia de negocios
 
Big data y Marketing digital
Big data y Marketing digitalBig data y Marketing digital
Big data y Marketing digital
 
Plataformas Analíticas como Soporte en la Era del Big Data
Plataformas Analíticas como Soporte en la Era del Big DataPlataformas Analíticas como Soporte en la Era del Big Data
Plataformas Analíticas como Soporte en la Era del Big Data
 
BigDataSummitPeru - Big Data y Hadoop
BigDataSummitPeru - Big Data y HadoopBigDataSummitPeru - Big Data y Hadoop
BigDataSummitPeru - Big Data y Hadoop
 
Ensayo tutoria 1 sep
Ensayo tutoria 1 sepEnsayo tutoria 1 sep
Ensayo tutoria 1 sep
 
Transformación Digital
Transformación DigitalTransformación Digital
Transformación Digital
 

Ähnlich wie Presentaciones Desayuno de Trabajo " Un apasionate viaje hacia la Analítica Avanzada

Ähnlich wie Presentaciones Desayuno de Trabajo " Un apasionate viaje hacia la Analítica Avanzada (20)

Marcos Macedo Entregable final Analítica de Datos
Marcos Macedo Entregable final Analítica de DatosMarcos Macedo Entregable final Analítica de Datos
Marcos Macedo Entregable final Analítica de Datos
 
Big-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptxBig-Data-aplicado-a-los-Negocios (1).pptx
Big-Data-aplicado-a-los-Negocios (1).pptx
 
Transformación Digital – Ciencia de datos el siguiente nivel
Transformación Digital – Ciencia de datos el siguiente nivelTransformación Digital – Ciencia de datos el siguiente nivel
Transformación Digital – Ciencia de datos el siguiente nivel
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Conferència Inaugural Jornades Big Data Institucions - Clarisa Martínez
Conferència Inaugural Jornades Big Data Institucions - Clarisa MartínezConferència Inaugural Jornades Big Data Institucions - Clarisa Martínez
Conferència Inaugural Jornades Big Data Institucions - Clarisa Martínez
 
Análisis de Datos.pdf
Análisis de Datos.pdfAnálisis de Datos.pdf
Análisis de Datos.pdf
 
Presentacion A10 Big Data_Alteryx_Cloudera
Presentacion A10 Big Data_Alteryx_Cloudera Presentacion A10 Big Data_Alteryx_Cloudera
Presentacion A10 Big Data_Alteryx_Cloudera
 
Ciencia de datos
Ciencia de datosCiencia de datos
Ciencia de datos
 
01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptx01. Introducción a la Analítica de Datos.pptx
01. Introducción a la Analítica de Datos.pptx
 
Process intelligence ed.2
Process intelligence ed.2Process intelligence ed.2
Process intelligence ed.2
 
Diseñando la Experiencia de los Usuarios - Facultad de Informática - UNLP
Diseñando la Experiencia de los Usuarios - Facultad de Informática - UNLPDiseñando la Experiencia de los Usuarios - Facultad de Informática - UNLP
Diseñando la Experiencia de los Usuarios - Facultad de Informática - UNLP
 
Introduccion datawarehouse
Introduccion datawarehouseIntroduccion datawarehouse
Introduccion datawarehouse
 
Analisis predictivo con microsoft azure
Analisis predictivo con microsoft azureAnalisis predictivo con microsoft azure
Analisis predictivo con microsoft azure
 
introduccion aministracion industrial con inteligencia de negocios
introduccion aministracion industrial con inteligencia de negociosintroduccion aministracion industrial con inteligencia de negocios
introduccion aministracion industrial con inteligencia de negocios
 
Herramientas para la inteligencia de negocios
Herramientas para la inteligencia de negociosHerramientas para la inteligencia de negocios
Herramientas para la inteligencia de negocios
 
Business Intelligence
Business Intelligence Business Intelligence
Business Intelligence
 
Copy of Charla Cibertec DAT.ppt
Copy of Charla Cibertec DAT.pptCopy of Charla Cibertec DAT.ppt
Copy of Charla Cibertec DAT.ppt
 
BUSINESS INTELLIGENCE
BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE
 
Analítica web & CRO webinar.pptx.pdf
Analítica web & CRO webinar.pptx.pdfAnalítica web & CRO webinar.pptx.pdf
Analítica web & CRO webinar.pptx.pdf
 
Tema 3.3 introduccion al data science
Tema 3.3 introduccion al data scienceTema 3.3 introduccion al data science
Tema 3.3 introduccion al data science
 

Mehr von atSistemas

Mehr von atSistemas (20)

Agile itsm con atlassian
Agile itsm con atlassianAgile itsm con atlassian
Agile itsm con atlassian
 
Bizz Chat metamorfosis digital
Bizz Chat metamorfosis digital Bizz Chat metamorfosis digital
Bizz Chat metamorfosis digital
 
Webinar 5 net5-2021
Webinar 5 net5-2021Webinar 5 net5-2021
Webinar 5 net5-2021
 
Webinar Speed Up Academy: Acelera la incorporación de talento.
Webinar Speed Up Academy: Acelera la incorporación de talento.Webinar Speed Up Academy: Acelera la incorporación de talento.
Webinar Speed Up Academy: Acelera la incorporación de talento.
 
Webinar: Descubre los diferentes servicios Cloud Native en Azure
Webinar: Descubre los diferentes servicios Cloud Native en AzureWebinar: Descubre los diferentes servicios Cloud Native en Azure
Webinar: Descubre los diferentes servicios Cloud Native en Azure
 
El futuro del trabajo en equipo
El futuro del trabajo en equipoEl futuro del trabajo en equipo
El futuro del trabajo en equipo
 
La tecnología al servicio de la agilidad empresarial
La tecnología al servicio de la agilidad empresarialLa tecnología al servicio de la agilidad empresarial
La tecnología al servicio de la agilidad empresarial
 
Transformación Agile
Transformación AgileTransformación Agile
Transformación Agile
 
Transformación cultural
Transformación culturalTransformación cultural
Transformación cultural
 
Technical considerations for Blockchain networks with AWS
Technical considerations for Blockchain networks with AWSTechnical considerations for Blockchain networks with AWS
Technical considerations for Blockchain networks with AWS
 
Blockchain Spain II Edición - Ángel Miguel Martínez
Blockchain Spain II Edición - Ángel Miguel MartínezBlockchain Spain II Edición - Ángel Miguel Martínez
Blockchain Spain II Edición - Ángel Miguel Martínez
 
Blockchain Spain - Néstor Gándara
Blockchain Spain - Néstor GándaraBlockchain Spain - Néstor Gándara
Blockchain Spain - Néstor Gándara
 
Blockchain Spain - Juan Luis Gozalo
Blockchain Spain - Juan Luis GozaloBlockchain Spain - Juan Luis Gozalo
Blockchain Spain - Juan Luis Gozalo
 
Blockchain Spain - Ramón Abruña
Blockchain Spain - Ramón AbruñaBlockchain Spain - Ramón Abruña
Blockchain Spain - Ramón Abruña
 
Blockchain Spain - Santiago Chamat
Blockchain Spain - Santiago ChamatBlockchain Spain - Santiago Chamat
Blockchain Spain - Santiago Chamat
 
Blockchain Spain - Antonio Gómez
Blockchain Spain - Antonio GómezBlockchain Spain - Antonio Gómez
Blockchain Spain - Antonio Gómez
 
Blockchain Spain - Miguel Ángel Rojas
Blockchain Spain - Miguel Ángel RojasBlockchain Spain - Miguel Ángel Rojas
Blockchain Spain - Miguel Ángel Rojas
 
Blockchain Spain - Andrés Sánchez
Blockchain Spain - Andrés SánchezBlockchain Spain - Andrés Sánchez
Blockchain Spain - Andrés Sánchez
 
Blockchain Spain II Edición - Autoridad Portuaria de Cartagena, Ilboc, Repsol
Blockchain Spain II Edición - Autoridad Portuaria de Cartagena, Ilboc, RepsolBlockchain Spain II Edición - Autoridad Portuaria de Cartagena, Ilboc, Repsol
Blockchain Spain II Edición - Autoridad Portuaria de Cartagena, Ilboc, Repsol
 
Blockchain Spain II Edición - Juan Manuel Martínez
Blockchain Spain II Edición - Juan Manuel MartínezBlockchain Spain II Edición - Juan Manuel Martínez
Blockchain Spain II Edición - Juan Manuel Martínez
 

Kürzlich hochgeladen

metodo SOAP utilizado para evaluar el estado de un paciente
metodo SOAP utilizado para evaluar el estado de un pacientemetodo SOAP utilizado para evaluar el estado de un paciente
metodo SOAP utilizado para evaluar el estado de un paciente
MedicinaInternaresid1
 
Metodos de esterilizacion _20240418_181249_0000.pdf
Metodos de esterilizacion _20240418_181249_0000.pdfMetodos de esterilizacion _20240418_181249_0000.pdf
Metodos de esterilizacion _20240418_181249_0000.pdf
arteagaara
 
ETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministroETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministro
IrisMoreno27
 

Kürzlich hochgeladen (20)

Trabajo Final de Powerbi DMC Indicadores.pptx
Trabajo Final de Powerbi DMC Indicadores.pptxTrabajo Final de Powerbi DMC Indicadores.pptx
Trabajo Final de Powerbi DMC Indicadores.pptx
 
Panorama Sociodemográfico de México 2020: GUANAJUATO
Panorama Sociodemográfico de México 2020: GUANAJUATOPanorama Sociodemográfico de México 2020: GUANAJUATO
Panorama Sociodemográfico de México 2020: GUANAJUATO
 
Sistema Nacional de Vigilancia en Salud Pública SIVIGILA
Sistema Nacional de Vigilancia en Salud Pública SIVIGILASistema Nacional de Vigilancia en Salud Pública SIVIGILA
Sistema Nacional de Vigilancia en Salud Pública SIVIGILA
 
metodo SOAP utilizado para evaluar el estado de un paciente
metodo SOAP utilizado para evaluar el estado de un pacientemetodo SOAP utilizado para evaluar el estado de un paciente
metodo SOAP utilizado para evaluar el estado de un paciente
 
COMUNICADO PARA TODO TIPO DE REUNIONES .
COMUNICADO PARA TODO TIPO DE REUNIONES .COMUNICADO PARA TODO TIPO DE REUNIONES .
COMUNICADO PARA TODO TIPO DE REUNIONES .
 
Los primeros 60 países por IDH en el año (2024).pdf
Los primeros 60 países por IDH en el año (2024).pdfLos primeros 60 países por IDH en el año (2024).pdf
Los primeros 60 países por IDH en el año (2024).pdf
 
Posiciones del IDH a nivel global en México (1982-2024).pdf
Posiciones del IDH a nivel global en México (1982-2024).pdfPosiciones del IDH a nivel global en México (1982-2024).pdf
Posiciones del IDH a nivel global en México (1982-2024).pdf
 
Las familias más ricas del sionismo en el siglo XXI.pdf
Las familias más ricas del sionismo en el siglo XXI.pdfLas familias más ricas del sionismo en el siglo XXI.pdf
Las familias más ricas del sionismo en el siglo XXI.pdf
 
Metodos de esterilizacion _20240418_181249_0000.pdf
Metodos de esterilizacion _20240418_181249_0000.pdfMetodos de esterilizacion _20240418_181249_0000.pdf
Metodos de esterilizacion _20240418_181249_0000.pdf
 
PIB PERÚ datos y análisis de los últimos años
PIB PERÚ datos y análisis de los últimos añosPIB PERÚ datos y análisis de los últimos años
PIB PERÚ datos y análisis de los últimos años
 
Investigacion cualitativa y cuantitativa....pdf
Investigacion cualitativa y cuantitativa....pdfInvestigacion cualitativa y cuantitativa....pdf
Investigacion cualitativa y cuantitativa....pdf
 
Reservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdf
Reservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdfReservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdf
Reservas de divisas y oro en México en sexenio de AMLO (2018-2024).pdf
 
P.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptx
P.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptxP.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptx
P.P ANÁLISIS DE UN TEXTO BÍBLICO. TEMA 10.pptx
 
Cesar Vilchis Vieyra Cesar Vilchis Vieyra
Cesar Vilchis Vieyra  Cesar Vilchis VieyraCesar Vilchis Vieyra  Cesar Vilchis Vieyra
Cesar Vilchis Vieyra Cesar Vilchis Vieyra
 
CALENDARIZACIÓN ACTUALIZADA DEL 2024 alt.pdf
CALENDARIZACIÓN ACTUALIZADA DEL 2024 alt.pdfCALENDARIZACIÓN ACTUALIZADA DEL 2024 alt.pdf
CALENDARIZACIÓN ACTUALIZADA DEL 2024 alt.pdf
 
llllllllllllllllllllllllllllllllllllllllllllllllllllllllll
llllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllllll
llllllllllllllllllllllllllllllllllllllllllllllllllllllllll
 
EPIDEMIO CANCER PULMON resumen nnn.pptx
EPIDEMIO CANCER PULMON  resumen nnn.pptxEPIDEMIO CANCER PULMON  resumen nnn.pptx
EPIDEMIO CANCER PULMON resumen nnn.pptx
 
Posiciones en el IDH global de EUA (1950-2024).pdf
Posiciones en el IDH global de EUA (1950-2024).pdfPosiciones en el IDH global de EUA (1950-2024).pdf
Posiciones en el IDH global de EUA (1950-2024).pdf
 
ETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministroETICA EN LA CADENAS la cadena de suministro
ETICA EN LA CADENAS la cadena de suministro
 
Evolución de la fortuna de la familia Slim (1994-2024).pdf
Evolución de la fortuna de la familia Slim (1994-2024).pdfEvolución de la fortuna de la familia Slim (1994-2024).pdf
Evolución de la fortuna de la familia Slim (1994-2024).pdf
 

Presentaciones Desayuno de Trabajo " Un apasionate viaje hacia la Analítica Avanzada

  • 1. Un apasionante viaje hacia la Analítica Avanzada DESAYUNOS DE TRABAJO
  • 2. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada 2 NEGOCIOS INTELIGENTES Aproximación al BI, metodologías y prácticas. 3 BI DE NUEVA GENERACIÓN -> BIG DATA Como evoluciona un sistema de BI, hacia una compañía Data Driven. 1 INTRODUCCIÓN CICLO DE VIDA DEL DATO Los proyectos con datos. 4 IA & MACHINE LEARNING Mirando hacia el futuro.
  • 3. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada INTRODUCCIÓN CICLO DE VIDA DEL DATO 1
  • 4. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Introducción “Desde atSistemas, entendemos los proyectos asociados a los datos como un viaje que compartimos con nuestros clientes. En muchas ocasiones comenzamos el camino desde el inicio, en otras nos encontramos en alguna de las estaciones, pero para nosotros, lo más importante es llegar al destino cumpliendo con todas las expectativas, disfrutando conjuntamente del proceso de cambio y mejora que se experimenta en todos los proyectos de este tipo”. Carlos Ortiz Cotillo. Licenciado en CC Biológicas. Responsable de la Linea de Negocio de Data & Analytics en atSistemas. Más de 15 años de experiencia Como Director de IT. Master en BI y Big Data
  • 5. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Conociendo a los ponentes Manuel García- Villarrubia Ingeniero en informática. CE de Bi-Big Data en atSistemas. Más de 10 años de experiencia como Ingeniero de Datos y consultor de BI, experto en la suit de Microsoft BI. Manuel Barba Ramos Ingeniero en Telecomunicaciones. CE de Bi-Big Data en atSistemas. Más de 15 años de experiencia como Arquitecto software, y experto en diseño e implementación de arquitecturas Big Data Encarnacion Folgado Zuñiga Doctora en Inteligencia Artificial CE de Bi-Big Data en atSistemas. Más de 20 años de experiencia como Científica de Datos aplicando algoritmos orientados a visión artificial aplicada a la robótica. David García Muñoz Doctor en Inteligencia Artificial. CE de Bi-Big Data en atSistemas. Más de 10 años de experiencia como Científico de datos y Docente en el instituto
  • 6. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada atSistemas
  • 7. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada atSistemas
  • 8. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada atSistemas
  • 9. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Introducción EL departamento de Policía de Chicago contrata a atSistemas para analizar la delincuencia de la ciudad Gracias al sistema de información actual de la Policía de Chicago, se ha compartido información sobre el registro de delitos en la ciudad desde el año 2001 hasta la actualidad. el departamento En total se dispone de un total de 6.860.589 registros sobre las denuncias realizadas en el periodo así como su desenlace. Para cada uno de los delitos se informan 30 variables como por ejemplo: la tipología del delito, la posición geográfica, el día del suceso, el resultado del mismo, etc. Los objetivos del estudio se orientan hacia, el conocimiento de la situación actual de la actividad delictiva, la capacidad del sistema para escalar en número de variables y registros, la predicción y evolución de los delitos para dimensionar el departamento y las capacidades de la IA para reconocer a delincuentes habituales a través de las cámaras de vigilancia del departamento.
  • 10. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada NEGOCIOS INTELIGENTES2
  • 11. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Los sistemas de Business Intelligence Cualquier actividad, cualquier proceso, genera, consume o procesa datos. El estudio de estos datos nos permite transformarlos en conocimiento de valor para las compañías, entendiendo mejor su situación y ayudándolas a tomar mejores decisiones. Para conseguir este hito, es esencial construir un sistema de información que permita incorporar toda información relevante para los usuarios, que sea capaz de escalar ante nuevas necesidades, que ofrezca las capacidades analíticas y de consulta en tiempo y
  • 12. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Los sistemas de Business Intelligence Para atSistemas es fundamental invertir en el proceso de adecuación de los datos de forma que representen el negocio de la forma más fiel posible. Para conseguirlo seguimos la metodología CRISP-DM. Esta metodología se fundamenta en el conocimiento de la actividad o proceso objeto del sistema (negocio) a partir de ese conocimiento y de las necesidades de los usuarios, se construye el sistema. El proceso es iterativo ya que se adapta a la evolución de toda actividad, a la disponibilidad de nuevos datos e incluso a los cambios en los objetivos de las compañías.
  • 13. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Los sistemas de Business Intelligence Un modelado especialmente diseñado para la analítica. Siguiendo las recomendaciones de Ralph Kimball, en el proceso de reestructuración de los datos, optamos por reordenarlos según las diferentes dimensiones de análisis y los hechos o medidas que representan el proceso. Este tipo de modelo se conoce como “modelo en estrella” y ayuda a que la información se consulte de forma más rápida y que sea más fácilmente consumible por los usuarios. Esta forma de estructurar la información se conoce como Data Warehousing. De forma evolutiva se añaden procesos al sitsema,
  • 14. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Los sistemas de Business Intelligence Arquitectura del modelo para la Policía de Chicago Orígenesdeinformación ETL
  • 15. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Los sistemas de Business Intelligence Demo 1: Business Intelligence
  • 16. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada BI DE NUEVA GENERACIÓN -> BIG DATA 3
  • 17. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Big Data La evolución natural de un sistema de información en la actualidad pasa por alguno de los siguientes aspectos: ü Aumento del Volumen. ü Incremento de la Velocidad de procesamiento. ü Nuevos orígenes y Variedad de tipología de datos. Mantenemos dos de las características principales de un sistema de información: ü Veracidad de los datos que ofrece el sistema. ü Valor extra aportado a las compañías en forma de conocimiento. Obtenemos las 5 V´s de un sistema BIG DATA
  • 18. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Big Data La arquitectura tradicional, orientada a BI no asume por si sola el nuevo reto: Nuevos paradigmas: ü Elevado volumen de datos. ü Múltiples tipos de fuentes. ü Tiempo real. ü Nuevas necesidades de consumo de datos. Business Intelligence tradicional: ü Volumen de datos bajo/medio. ü Sistemas empresariales (Oracle, SAP). ü Datos estructurados.
  • 19. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Big Data Es necesario dotal a la organización de herramientas y tecnología para permitir abordar cualquier necesidad analítica. El termino compañía DATA DRIVEN como filosofía organizativa y de gestión, tomando al dato como eje principal y activo imprescindible en el proceso de toma de decisiones. Tecnológicamente, es necesario dotar de las herramientas necesarias, para que todas las capacidades analíticas se vean El acceso y herramienta que ofrece los datos a los usuarios consumidores, debe ser totalmente transparente para ellos, dependerá del proceso y del nivel de agregación que la información se suministre desde un repositorio determinado.
  • 20. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Big Data Conexión al DWH BI Tradicional Conexión al Data Lake Arq. Big Data
  • 21. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Big Data Demo 2: Evolución a BIG DATA
  • 22. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & MACHINE LEARNING4
  • 23. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Definición de Inteligencia Artificial (IA): “Simulación por parte de una máquina de los procesos de inteligencia humanos. Estos procesos incluyen el aprendizaje, razonamiento y auto- corrección”. Alan Turing (1912-1954). Dartmouth Conference (1956).
  • 24. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Definición de Aprendizaje Automático “Capacidad de un agente de mejorar su rendimiento en tareas futuras tras hacer observaciones en el mundo real”. Inteligencia Artificial (IA) Machine Learning (ML) Deep Learning (DL)
  • 25. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Definición de Aprendizaje Automático “Capacidad de un agente de mejorar su rendimiento en tareas futuras tras hacer observaciones en el mundo real”.
  • 26. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Tipos de aprendizaje automático: Supervisado: Los ejemplos del conjunto de entrenamiento aparecen etiquetados con la clase a la que corresponden. Clasificación Regresión No Supervisado: No se conocen las clases de los ejemplos del conjunto de entrenamiento. Segmentación (clustering)
  • 27. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Algoritmos de Aprendizaje Automático: SUPERVISADO NO SUPERVISADO CLASIFICACIÓN REGRESIÓN
  • 28. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Entrenamiento de los algoritmos de Aprendizaje Automático: 2 3
  • 29. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Demo 3: Machine Learning prediciendo el futuro
  • 30. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Reconocimiento facial OCEAN’S ELEVEN
  • 31. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Reconocimiento facial Los sistemas de reconocimiento facial se encuentran dentro de la disciplina de la IA, a este tipo de sistemas que tratan imágenes se les agrupa como algoritmos de “visión porcomputador”. Estos algoritmos determinan patrones en la disposición de ciertos puntos característicos de la fisionomía de la cara humana (LandMarks), este patrón, es único para cada individuo de forma que nos permite su identificación.
  • 32. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada IA & Machine Learning Demo 4: Deep Learning reconocimiento facial
  • 33. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada ¡Muchas gracias!
  • 34. DESAYUNOS DE TRABAJO Un apasionante viaje hacia la Analítica Avanzada Madrid C/Valle de Alcudia, 3 Edificio 2, planta 1. 28232 Las Rozas, Madrid