SlideShare ist ein Scribd-Unternehmen logo
1 von 37
Downloaden Sie, um offline zu lesen
BigData en
Ibermática.
Tecnología I3B

Noviembre 2013

G R U P O

I B E R M Á T I C A
Áreas de especialización

Eco/Energí
a

Turim o
s

Sm art t
ci y

Si s t em
as
Expert os

Noviembre 2013 / 2

H
eal t hc ar
e y
Soc i al
As s i s t .

Bi
o
i or át ca
nf m i

M l i da
ovi
d y
Tráf i c o

Servi c i os
i nt el i gent es
pers onal i zados
ori ent ados al
c ont ext o

Bg D a
i
at

Georef erenc i ac i
ón y
Cart ograf í a

Grandes
s i s t em
as
TIC

M
2M
( Int ernet
de l as
c os as )

Sem i c
ánt
a y
Soc i al
M a
edi
Áreas de especialización

H
eal t hc are y

Soc i al

Ec o- Energí a Turi s m
o
As s i s t .

 Envejecimiento y

Dependencia
 Teleasistencia
 Monitorización
 Detección
precoz
 Acceso
avanzado
(avatar, etc.)

 SmartGrid
SmartMetering
SmartHome
 Edificación
Sostenible
 Perfil –mejora
consumos
 Vehículo
eléctrico

Si s t em
as
Expert os
 Sistemas
automáticos de
Simulación
 Sistemas expertos
de autoaprendizaje
 Optimización de
procesos
 Serious games

Noviembre 2013 / 3

 Guías digitales
 Servicios
contextuales
 Turismo 2.0
 Trazabilidad
 Accesibilidad
patrimonio y
museos

Bg D a
i
at
 Big Data
 Data mining
 Sistemas de apoyo a
la decisión
 Detección de pautas
y predicción

Grandes
M l i dad
ovi
Sm Ci t y y Tráf i c o
art
Inf orm i c a i s t em
át
s
as TIC

Bo
i

 Soluciones de
Laboratorios
 Plataformas de
información
 Servicios
medicina
personalizada
 Seguridad
agroalimentaria

 Productividad
desarrollo
software
 Seguridad
 Movilización
aplicaciones
 Conocimiento
clientescontexto

Georef erenc i ac i ón
y Cart ograf í a

 Georeferenciación
 Sistemas de
Información
Geográfica-GIS
 GeoWeb 2.0

 Servicios
sociales,
Sanidad, Cultura,
Seguridad, Medio
ambiente, Ocio y
turismo, Tráfico

 Modelización
necesidades
recursos
públicos

M
2M

Int ernet de l as Cos as
 Sensórica
 Dispositivos móviles
(in-out)
 Sistemas
inteligentes
 Comunicación M2M,
H2M y M2H
 Conectividad (Cloud,
RFID, ...)

 Captación y
trazabilidad de
flujos
 Gestión de
incidencias
 Predicción
 Modelización y
optimización de
flujos

Sem i c a
ánt
y Soc i al M a
edi
 Open data
 Link data
 Ontologías
 Buscadores
semánticos
 Redes Sociales
 Sentiment Analisys
Big Data en Industria

Mantenimiento Predictivo. Adelantándonos a las incidencias
Análisis automático del OEE (Overall Equipment Effectiveness)

Noviembre 2013 / 4
Big Data en Industria

Mantenimiento Predictivo. Adelantándonos a las incidencias
Análisis automático del OEE (Overall Equipment Effectiveness)

Noviembre 2013 / 5
Big Data en Industria

Mantenimiento Predictivo. Adelantándonos a las incidencias
Análisis automático del OEE (Overall Equipment Effectiveness)

Noviembre 2013 / 6
Big Data en Industria

Mantenimiento Predictivo. Adelantándonos a las incidencias
Explicación automática de las reglas que modelan el OEE

Noviembre 2013 / 7
Big Data en Industria

Mantenimiento Predictivo. Adelantándonos a las incidencias
Explicación automática de las reglas que modelan el OEE

Noviembre 2013 / 8
Big Data en Industria

Mantenimiento Predictivo. Adelantándonos a las incidencias
Explicación automática de las reglas que modelan el OEE

Noviembre 2013 / 9
Big Data en Tráfico

Gestión del Tráfico. Modelado de flujo y predicciones automáticas.
-Predicción del flujo futuro del tráfico
-Predicción de incidencias (obras, colapsos, densidad, accidentes)

Presente

Noviembre 2013 / 10

Futuro
Big Data en Tráfico

Gestión del Tráfico. Modelado de flujo y predicciones automáticas.
-Predicción del flujo futuro del tráfico
-Predicción de incidencias (obras, colapsos, densidad, accidentes)

Presente

Pasado
Noviembre 2013 / 11

Futuro
Big Data en Salud

Salud. Ánalítica avanzada en entornos clínicos.
Resúmenes automáticos sobre Evolutivos médicos
Relaciones entre diagnósticos / tratamientos y efectos sobre la salud.

Noviembre 2013 / 12
Big Data en Salud: Analítica Avanzada

Salud. Ánalítica avanzada en entornos clínicos.
Resúmenes automáticos sobre Evolutivos médicos
Relaciones entre diagnósticos / tratamientos y efectos sobre la salud.

Noviembre 2013 / 13
Big Data en Salud: Analítica Avanzada

Salud. Ánalítica avanzada en entornos clínicos.
Resúmenes automáticos sobre Evolutivos médicos
Relaciones entre diagnósticos / tratamientos y efectos sobre la salud.

Noviembre 2013 / 14
Big Data en Salud: Analítica Avanzada

Salud. Ánalítica avanzada en entornos clínicos.
Resúmenes automáticos sobre Evolutivos médicos
Relaciones entre diagnósticos / tratamientos y efectos sobre la salud.

Noviembre 2013 / 15
Big Data en Salud: Analítica Avanzada

Salud. Ánalítica avanzada en entornos clínicos.
Resúmenes automáticos sobre Evolutivos médicos
Relaciones entre diagnósticos / tratamientos y efectos sobre la salud.

Noviembre 2013 / 16
Big Data en Salud: Analítica Avanzada

Salud. Ánalítica avanzada en entornos clínicos.
Resúmenes automáticos sobre Evolutivos médicos
Relaciones entre diagnósticos / tratamientos y efectos sobre la salud.

Noviembre 2013 / 17
Big Data en Salud: TeleAsistencia

Salud. Teleasistencia Personalizada.
Seguimiento de puntos vitales en pacientes en domicilio
Alertas personalizadas automáticas en función del paciente

Noviembre 2013 / 18
Big Data en Salud: Proteómica

Proteómica: descubrimiento de relaciones proteómicas
Clasificación automática de péptidos
Relaciones no evidentes entre indicadores y secuencias
¿Coverage?
¿PepOccur?

Noviembre 2013 / 19
Big Data en Salud: Proteómica

Proteómica: descubrimiento de relaciones proteómicas
Clasificación automática de péptidos
Relaciones no evidentes entre indicadores y secuencias

Noviembre 2013 / 20
Big Data en la Gestión de la Demanda

Gestión de la Demanda en Centros de Atención al Cliente
Análisis de Series Temporales
Optimización de curvas de Demanda en función de
Llamadas/Incidencias/Agentes

Noviembre 2013 / 21
Big Data en la Gestión de la Demanda

Gestión de la Demanda en Centros de Atención al Cliente
Análisis de Series Temporales
Optimización de curvas de Demanda en función de
Llamadas/Incidencias/Agentes

Noviembre 2013 / 22
Big Data en la Gestión de la Demanda

Gestión de la Demanda en Centros de Atención al Cliente
Análisis de Series Temporales
Optimización de curvas de Demanda en función de
Llamadas/Incidencias/Agentes

Noviembre 2013 / 23
Big Data en Comercio Electrónico
Segmentación de clientes y comportamientos anómalos

Segmentación
CRM / ERP

Noviembre 2013 / 24

Normalidad / Anomalías
Big Data en Comercio Electrónico
Segmentación de clientes y comportamientos anómalos

Segmentación
CRM / ERP

Reglas de Negocio Automáticas
Noviembre 2013 / 25
Big Data en entornos Bancarios
Segmentación de clientes y comportamientos anómalos

Contrato fuera de área
Noviembre 2013 / 26
Big Data en Administraciones
Gestión de ayudas y control del fraude

La tecnología actual permite construir
modelos
predictivos
basados
en
comparativas estadísticas de patrones de
actuación, así como el análisis de redes
sociales que muestran, de forma gráfica y
geoposicionada, vínculos entre agentes y su
posible estado fraudulento.
Además, los sistemas tienen una gran
capacidad de aprendizaje sobre las
actuaciones generadas en base a las alertas
detectadas.

Los objetivos de GuiDes Fraude son los siguientes:
 Toma de decisión en tiempo real.
 Ayuda en la instrumentación de reglas para el seguimiento y
control de la concesión de prestamos.
 Detección de anomalías en las pautas de comportamiento.
 Sistema de alertas sobre casos inciertos.
 Sistema de representación gráfica de zonas con
probabilidad alta de fraude.
 Integración de información y seguimiento de la evolución de
los clientes.
 Aprendizaje automático ante nuevos casos de fraude.
Noviembre 2013 / 27
Big Data en Lenguaje Natural: Text Analytics

Análisis inteligente de la información no estructurada
Vigilancia Tecnológica
Medicina Basada en la Evidencia

Noviembre 2013 / 28
Herramientas para generar conocimiento del usuario
Interrelación con el usuario en base a lenguaje natural por voz

Resultado: Interacción con el usuario de forma natural (voz)
 Sistema de guiado en base a
preguntas-respuesta.
 Compresión de intencionalidad del
usuario.
 Conocimiento del usuario y
contexto.
Necesidades:
o Caso de Uso.
o “FAQs” de interés.
o Árboles de decisión (si existen) en
guiado de productos/servicios.

Noviembre 2013 / 29
ICR y catalogación automática de contenidos

• Texto Manuscrito a formato digital.
• Clasificación automática de documentos.

Noviembre 2013 / 30
Herramientas para generar conocimiento del usuario
Cuantificador de estados subjetivos en base a comentarios en Redes Sociales

Sistema evaluador de "sensaciones"
subjetivas:
•Baja Laboral
•Paro
•Buscando Trabajo
•Cambios en las relaciones sociales
•Imprevistos
•Cambios en gustos, preferencias
•Descontento con la Entidad / Fiel

Resultado: Acciones correctivas preventivas
y personalizadas.
Necesidades:
oRedes sociales
oWeb
oBlogs
oWikis relacionadas con la entidad, etc.
Noviembre 2013 / 31
Recomendación personalizada por producto

Noviembre 2013 / 32
Big Data en Política: Gis-Geopolítico

Análisis inteligente de la intención de voto
Agregación de numerosas fuentes por sección censal
Reglas y predicción de intención del voto en base a comportamientos
pasados

Noviembre 2013 / 33
Big Data en Política: Gis-Geopolítico

Análisis inteligente de la intención de voto
Agregación de numerosas fuentes por sección censal
Reglas y predicción de intención del voto en base a comportamientos
pasados

Noviembre 2013 / 34
Big Data en Política: Gis-Geopolítico

Análisis inteligente de la intención de voto
Agregación de numerosas fuentes por sección censal
Reglas y predicción de intención del voto en base a comportamientos
pasados

Noviembre 2013 / 35
Big Data en Política: Gis-Geopolítico

Análisis inteligente de la intención de voto
Agregación de numerosas fuentes por sección censal
Reglas y predicción de intención del voto en base a comportamientos
pasados

Noviembre 2013 / 36
Aitor Moreno Fernández de Leceta
Sistemas Inteligentes de Control y Gestión
www.ibermatica.com/ai.moreno

Blog: rtdibermatica.com

Noviembre 2013 / 37

Weitere ähnliche Inhalte

Andere mochten auch

IBM Predictive analytics IoT Presentation
IBM Predictive analytics IoT PresentationIBM Predictive analytics IoT Presentation
IBM Predictive analytics IoT PresentationIan Skerrett
 
Multimodal Deep Learning (D4L4 Deep Learning for Speech and Language UPC 2017)
Multimodal Deep Learning (D4L4 Deep Learning for Speech and Language UPC 2017)Multimodal Deep Learning (D4L4 Deep Learning for Speech and Language UPC 2017)
Multimodal Deep Learning (D4L4 Deep Learning for Speech and Language UPC 2017)Universitat Politècnica de Catalunya
 
9/9/16 Top 5 Deep Learning
9/9/16 Top 5 Deep Learning9/9/16 Top 5 Deep Learning
9/9/16 Top 5 Deep LearningNVIDIA
 
Textos instructivos y predictivos.
Textos instructivos y predictivos.Textos instructivos y predictivos.
Textos instructivos y predictivos.lpalaci3
 
Process Mining based on the Internet of Events
Process Mining based on the Internet of EventsProcess Mining based on the Internet of Events
Process Mining based on the Internet of EventsRising Media Ltd.
 
Mantenimiento predictivo
Mantenimiento predictivoMantenimiento predictivo
Mantenimiento predictivoMASTER54
 
Modelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicacionesModelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicacionesÁngel M. Felicísimo
 
Top 5 Deep Learning 12/8
Top 5 Deep Learning 12/8Top 5 Deep Learning 12/8
Top 5 Deep Learning 12/8NVIDIA
 
Predictive Analytics: Context and Use Cases
Predictive Analytics: Context and Use CasesPredictive Analytics: Context and Use Cases
Predictive Analytics: Context and Use CasesKimberley Mitchell
 
Top 5 Deep Learning and AI Stories 2/10
Top 5 Deep Learning and AI Stories 2/10Top 5 Deep Learning and AI Stories 2/10
Top 5 Deep Learning and AI Stories 2/10NVIDIA
 
Predictive Analytics - An Overview
Predictive Analytics - An OverviewPredictive Analytics - An Overview
Predictive Analytics - An OverviewMachinePulse
 
AWS re:Invent 2016: Deep Learning, 3D Content Rendering, and Massively Parall...
AWS re:Invent 2016: Deep Learning, 3D Content Rendering, and Massively Parall...AWS re:Invent 2016: Deep Learning, 3D Content Rendering, and Massively Parall...
AWS re:Invent 2016: Deep Learning, 3D Content Rendering, and Massively Parall...Amazon Web Services
 
Deep Learning and the state of AI / 2016
Deep Learning and the state of AI / 2016Deep Learning and the state of AI / 2016
Deep Learning and the state of AI / 2016Grigory Sapunov
 
Deep Learning - The Past, Present and Future of Artificial Intelligence
Deep Learning - The Past, Present and Future of Artificial IntelligenceDeep Learning - The Past, Present and Future of Artificial Intelligence
Deep Learning - The Past, Present and Future of Artificial IntelligenceLukas Masuch
 
The Next Generation of AI and Deep Learning - GTC17
The Next Generation of AI and Deep Learning - GTC17The Next Generation of AI and Deep Learning - GTC17
The Next Generation of AI and Deep Learning - GTC17NVIDIA
 

Andere mochten auch (16)

IBM Predictive analytics IoT Presentation
IBM Predictive analytics IoT PresentationIBM Predictive analytics IoT Presentation
IBM Predictive analytics IoT Presentation
 
Multimodal Deep Learning (D4L4 Deep Learning for Speech and Language UPC 2017)
Multimodal Deep Learning (D4L4 Deep Learning for Speech and Language UPC 2017)Multimodal Deep Learning (D4L4 Deep Learning for Speech and Language UPC 2017)
Multimodal Deep Learning (D4L4 Deep Learning for Speech and Language UPC 2017)
 
9/9/16 Top 5 Deep Learning
9/9/16 Top 5 Deep Learning9/9/16 Top 5 Deep Learning
9/9/16 Top 5 Deep Learning
 
Textos instructivos y predictivos.
Textos instructivos y predictivos.Textos instructivos y predictivos.
Textos instructivos y predictivos.
 
Process Mining based on the Internet of Events
Process Mining based on the Internet of EventsProcess Mining based on the Internet of Events
Process Mining based on the Internet of Events
 
Mantenimiento predictivo
Mantenimiento predictivoMantenimiento predictivo
Mantenimiento predictivo
 
Modelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicacionesModelos predictivos: datos, métodos, problemas y aplicaciones
Modelos predictivos: datos, métodos, problemas y aplicaciones
 
Mantenimiento predictivo
Mantenimiento predictivoMantenimiento predictivo
Mantenimiento predictivo
 
Top 5 Deep Learning 12/8
Top 5 Deep Learning 12/8Top 5 Deep Learning 12/8
Top 5 Deep Learning 12/8
 
Predictive Analytics: Context and Use Cases
Predictive Analytics: Context and Use CasesPredictive Analytics: Context and Use Cases
Predictive Analytics: Context and Use Cases
 
Top 5 Deep Learning and AI Stories 2/10
Top 5 Deep Learning and AI Stories 2/10Top 5 Deep Learning and AI Stories 2/10
Top 5 Deep Learning and AI Stories 2/10
 
Predictive Analytics - An Overview
Predictive Analytics - An OverviewPredictive Analytics - An Overview
Predictive Analytics - An Overview
 
AWS re:Invent 2016: Deep Learning, 3D Content Rendering, and Massively Parall...
AWS re:Invent 2016: Deep Learning, 3D Content Rendering, and Massively Parall...AWS re:Invent 2016: Deep Learning, 3D Content Rendering, and Massively Parall...
AWS re:Invent 2016: Deep Learning, 3D Content Rendering, and Massively Parall...
 
Deep Learning and the state of AI / 2016
Deep Learning and the state of AI / 2016Deep Learning and the state of AI / 2016
Deep Learning and the state of AI / 2016
 
Deep Learning - The Past, Present and Future of Artificial Intelligence
Deep Learning - The Past, Present and Future of Artificial IntelligenceDeep Learning - The Past, Present and Future of Artificial Intelligence
Deep Learning - The Past, Present and Future of Artificial Intelligence
 
The Next Generation of AI and Deep Learning - GTC17
The Next Generation of AI and Deep Learning - GTC17The Next Generation of AI and Deep Learning - GTC17
The Next Generation of AI and Deep Learning - GTC17
 

Ähnlich wie Análisis Predictivo en i3B - Casos de Uso (BigData/Smalldata) en Ibermática

Afc module 1 translated
Afc module 1 translatedAfc module 1 translated
Afc module 1 translatedSoniaNaiba
 
Big Data y su impacto en la Inteligencia de Negocios
Big Data y su impacto en la Inteligencia de NegociosBig Data y su impacto en la Inteligencia de Negocios
Big Data y su impacto en la Inteligencia de NegociosLuis Joyanes
 
II Encuentro ASD. ¿Hay ejemplos prácticos de aplicación de los datos al secto...
II Encuentro ASD. ¿Hay ejemplos prácticos de aplicación de los datos al secto...II Encuentro ASD. ¿Hay ejemplos prácticos de aplicación de los datos al secto...
II Encuentro ASD. ¿Hay ejemplos prácticos de aplicación de los datos al secto...SaludDigital
 
Revista TicNews Edición Mayo 2014
Revista TicNews Edición Mayo 2014Revista TicNews Edición Mayo 2014
Revista TicNews Edición Mayo 2014Edicion Ticnews
 
Industria 4.0 y Big Data
Industria 4.0 y Big DataIndustria 4.0 y Big Data
Industria 4.0 y Big DataEnrique Puertas
 
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).pptxJavierNavarrete43
 
Nt_c2_2015_a9_castro_valeria
Nt_c2_2015_a9_castro_valeriaNt_c2_2015_a9_castro_valeria
Nt_c2_2015_a9_castro_valeriaValeria Castro
 
Big data
Big data Big data
Big data JazenyB
 
Análisis de puestos con perfiles que demanden al 2025 o 2030
Análisis de puestos con perfiles que demanden al 2025 o 2030Análisis de puestos con perfiles que demanden al 2025 o 2030
Análisis de puestos con perfiles que demanden al 2025 o 2030JessCadena3
 
Poggi analytics - intro - 1c
Poggi   analytics - intro - 1cPoggi   analytics - intro - 1c
Poggi analytics - intro - 1cGaston Liberman
 

Ähnlich wie Análisis Predictivo en i3B - Casos de Uso (BigData/Smalldata) en Ibermática (20)

Afc module 1 translated
Afc module 1 translatedAfc module 1 translated
Afc module 1 translated
 
Big data sames
Big data samesBig data sames
Big data sames
 
Data Science: Correlación curricular
Data Science: Correlación curricularData Science: Correlación curricular
Data Science: Correlación curricular
 
Big Data y su impacto en la Inteligencia de Negocios
Big Data y su impacto en la Inteligencia de NegociosBig Data y su impacto en la Inteligencia de Negocios
Big Data y su impacto en la Inteligencia de Negocios
 
II Encuentro ASD. ¿Hay ejemplos prácticos de aplicación de los datos al secto...
II Encuentro ASD. ¿Hay ejemplos prácticos de aplicación de los datos al secto...II Encuentro ASD. ¿Hay ejemplos prácticos de aplicación de los datos al secto...
II Encuentro ASD. ¿Hay ejemplos prácticos de aplicación de los datos al secto...
 
Big Problem Data
Big Problem DataBig Problem Data
Big Problem Data
 
Clase especial
Clase especialClase especial
Clase especial
 
Nt c1 2015-a9_giudice
Nt c1 2015-a9_giudiceNt c1 2015-a9_giudice
Nt c1 2015-a9_giudice
 
Revista TicNews Edición Mayo 2014
Revista TicNews Edición Mayo 2014Revista TicNews Edición Mayo 2014
Revista TicNews Edición Mayo 2014
 
Soluciones para Smart Cities
Soluciones para Smart Cities Soluciones para Smart Cities
Soluciones para Smart Cities
 
Industria 4.0 y Big Data
Industria 4.0 y Big DataIndustria 4.0 y Big Data
Industria 4.0 y Big Data
 
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
 
Nt_c2_2015_a9_castro_valeria
Nt_c2_2015_a9_castro_valeriaNt_c2_2015_a9_castro_valeria
Nt_c2_2015_a9_castro_valeria
 
Bibliotemas: Big data
Bibliotemas: Big dataBibliotemas: Big data
Bibliotemas: Big data
 
Salud digital
Salud digitalSalud digital
Salud digital
 
Big data
Big data Big data
Big data
 
Big data
Big data Big data
Big data
 
Big Data
Big Data Big Data
Big Data
 
Análisis de puestos con perfiles que demanden al 2025 o 2030
Análisis de puestos con perfiles que demanden al 2025 o 2030Análisis de puestos con perfiles que demanden al 2025 o 2030
Análisis de puestos con perfiles que demanden al 2025 o 2030
 
Poggi analytics - intro - 1c
Poggi   analytics - intro - 1cPoggi   analytics - intro - 1c
Poggi analytics - intro - 1c
 

Kürzlich hochgeladen

La Electricidad y La Electrónica por el grado 10-5
La Electricidad y La Electrónica por el grado 10-5La Electricidad y La Electrónica por el grado 10-5
La Electricidad y La Electrónica por el grado 10-5CamilaCordoba30
 
De Código a Ejecución: El Papel Fundamental del MSIL en .NET
De Código a Ejecución: El Papel Fundamental del MSIL en .NETDe Código a Ejecución: El Papel Fundamental del MSIL en .NET
De Código a Ejecución: El Papel Fundamental del MSIL en .NETGermán Küber
 
Inteligencia artificial dentro de la contabilidad
Inteligencia artificial dentro de la contabilidadInteligencia artificial dentro de la contabilidad
Inteligencia artificial dentro de la contabilidaddanik1023m
 
taller de la electricidad y electrónica
taller de  la electricidad y electrónicataller de  la electricidad y electrónica
taller de la electricidad y electrónicaErickAlegria3
 
Trabajo de La Electricidad y La Electrónica
Trabajo de La Electricidad y La ElectrónicaTrabajo de La Electricidad y La Electrónica
Trabajo de La Electricidad y La ElectrónicaCamilaCordoba30
 
Matriz de integración de tecnologías- Paola Carvajal.docx
Matriz de integración de tecnologías- Paola Carvajal.docxMatriz de integración de tecnologías- Paola Carvajal.docx
Matriz de integración de tecnologías- Paola Carvajal.docxPaolaCarolinaCarvaja
 
La Electricidad y La Electrónica.pdf....
La Electricidad y La Electrónica.pdf....La Electricidad y La Electrónica.pdf....
La Electricidad y La Electrónica.pdf....Aaron Betancourt
 
PPT de introducción a la unidad 1 de 5 Basico.pptx
PPT de introducción a la unidad 1 de 5 Basico.pptxPPT de introducción a la unidad 1 de 5 Basico.pptx
PPT de introducción a la unidad 1 de 5 Basico.pptxProfeVivianaRS
 
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOSPRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOSLincangoKevin
 
El diseño de Algoritmos Paralelos.pdf - analisis de algortimos
El diseño de Algoritmos Paralelos.pdf - analisis de algortimosEl diseño de Algoritmos Paralelos.pdf - analisis de algortimos
El diseño de Algoritmos Paralelos.pdf - analisis de algortimosLCristinaForchue
 
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...OLGAMILENAMONTAEZNIO
 
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdfPresentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdfymiranda2
 
¡Cookiegeddon! Bye a las cookies de terceros y cómo afectará a tu software
¡Cookiegeddon! Bye a las cookies de terceros y cómo afectará a tu software¡Cookiegeddon! Bye a las cookies de terceros y cómo afectará a tu software
¡Cookiegeddon! Bye a las cookies de terceros y cómo afectará a tu softwareFrancisco Javier Barrena
 
Análisis de artefactos tecnologicos .pdf
Análisis de artefactos tecnologicos .pdfAnálisis de artefactos tecnologicos .pdf
Análisis de artefactos tecnologicos .pdfcastrodanna185
 
DESARROLLO BLOG Y ANÁLISIS DE ARTEFACTOS
DESARROLLO BLOG Y ANÁLISIS DE ARTEFACTOSDESARROLLO BLOG Y ANÁLISIS DE ARTEFACTOS
DESARROLLO BLOG Y ANÁLISIS DE ARTEFACTOSreinamanuela20
 
Carta de Premio y Excel angeline 11-2pdf
Carta de Premio y Excel angeline 11-2pdfCarta de Premio y Excel angeline 11-2pdf
Carta de Premio y Excel angeline 11-2pdfangelinebocanegra1
 
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...RaymondCode
 
Actividad 14_ Diseño de Algoritmos Paralelos.pdf
Actividad 14_ Diseño de Algoritmos Paralelos.pdfActividad 14_ Diseño de Algoritmos Paralelos.pdf
Actividad 14_ Diseño de Algoritmos Paralelos.pdfalejandrogomezescoto
 
La tablet trabajo en grupo del grado 9-2
La tablet trabajo en grupo del grado 9-2La tablet trabajo en grupo del grado 9-2
La tablet trabajo en grupo del grado 9-2montoyagabriela340
 

Kürzlich hochgeladen (20)

La Electricidad y La Electrónica por el grado 10-5
La Electricidad y La Electrónica por el grado 10-5La Electricidad y La Electrónica por el grado 10-5
La Electricidad y La Electrónica por el grado 10-5
 
De Código a Ejecución: El Papel Fundamental del MSIL en .NET
De Código a Ejecución: El Papel Fundamental del MSIL en .NETDe Código a Ejecución: El Papel Fundamental del MSIL en .NET
De Código a Ejecución: El Papel Fundamental del MSIL en .NET
 
Inteligencia artificial dentro de la contabilidad
Inteligencia artificial dentro de la contabilidadInteligencia artificial dentro de la contabilidad
Inteligencia artificial dentro de la contabilidad
 
taller de la electricidad y electrónica
taller de  la electricidad y electrónicataller de  la electricidad y electrónica
taller de la electricidad y electrónica
 
Trabajo de La Electricidad y La Electrónica
Trabajo de La Electricidad y La ElectrónicaTrabajo de La Electricidad y La Electrónica
Trabajo de La Electricidad y La Electrónica
 
Matriz de integración de tecnologías- Paola Carvajal.docx
Matriz de integración de tecnologías- Paola Carvajal.docxMatriz de integración de tecnologías- Paola Carvajal.docx
Matriz de integración de tecnologías- Paola Carvajal.docx
 
La Electricidad y La Electrónica.pdf....
La Electricidad y La Electrónica.pdf....La Electricidad y La Electrónica.pdf....
La Electricidad y La Electrónica.pdf....
 
PPT de introducción a la unidad 1 de 5 Basico.pptx
PPT de introducción a la unidad 1 de 5 Basico.pptxPPT de introducción a la unidad 1 de 5 Basico.pptx
PPT de introducción a la unidad 1 de 5 Basico.pptx
 
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOSPRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
PRESENTACION DEL TEMA LOS MEJORES SIMULADORES DE CIRCUITOS ELCTRONICOS
 
El diseño de Algoritmos Paralelos.pdf - analisis de algortimos
El diseño de Algoritmos Paralelos.pdf - analisis de algortimosEl diseño de Algoritmos Paralelos.pdf - analisis de algortimos
El diseño de Algoritmos Paralelos.pdf - analisis de algortimos
 
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
Actividad 1-PRESENTACIÓN ANIMADA.pptxPreservación y conservación de los docum...
 
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdfPresentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
Presentación - Diseño de Algoritmos Paralelos - Grupo 2.pdf
 
¡Cookiegeddon! Bye a las cookies de terceros y cómo afectará a tu software
¡Cookiegeddon! Bye a las cookies de terceros y cómo afectará a tu software¡Cookiegeddon! Bye a las cookies de terceros y cómo afectará a tu software
¡Cookiegeddon! Bye a las cookies de terceros y cómo afectará a tu software
 
Análisis de artefactos tecnologicos .pdf
Análisis de artefactos tecnologicos .pdfAnálisis de artefactos tecnologicos .pdf
Análisis de artefactos tecnologicos .pdf
 
DESARROLLO BLOG Y ANÁLISIS DE ARTEFACTOS
DESARROLLO BLOG Y ANÁLISIS DE ARTEFACTOSDESARROLLO BLOG Y ANÁLISIS DE ARTEFACTOS
DESARROLLO BLOG Y ANÁLISIS DE ARTEFACTOS
 
Carta de Premio y Excel angeline 11-2pdf
Carta de Premio y Excel angeline 11-2pdfCarta de Premio y Excel angeline 11-2pdf
Carta de Premio y Excel angeline 11-2pdf
 
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
Actividad 14: Diseño de Algoritmos Paralelos Actividad 14: Diseño de Algoritm...
 
Actividad 14_ Diseño de Algoritmos Paralelos.pdf
Actividad 14_ Diseño de Algoritmos Paralelos.pdfActividad 14_ Diseño de Algoritmos Paralelos.pdf
Actividad 14_ Diseño de Algoritmos Paralelos.pdf
 
La tablet trabajo en grupo del grado 9-2
La tablet trabajo en grupo del grado 9-2La tablet trabajo en grupo del grado 9-2
La tablet trabajo en grupo del grado 9-2
 
BEDEC Proyecto y obra , novedades 2024 - Xavier Folch
BEDEC Proyecto y obra , novedades 2024 - Xavier FolchBEDEC Proyecto y obra , novedades 2024 - Xavier Folch
BEDEC Proyecto y obra , novedades 2024 - Xavier Folch
 

Análisis Predictivo en i3B - Casos de Uso (BigData/Smalldata) en Ibermática

  • 1. BigData en Ibermática. Tecnología I3B Noviembre 2013 G R U P O I B E R M Á T I C A
  • 2. Áreas de especialización Eco/Energí a Turim o s Sm art t ci y Si s t em as Expert os Noviembre 2013 / 2 H eal t hc ar e y Soc i al As s i s t . Bi o i or át ca nf m i M l i da ovi d y Tráf i c o Servi c i os i nt el i gent es pers onal i zados ori ent ados al c ont ext o Bg D a i at Georef erenc i ac i ón y Cart ograf í a Grandes s i s t em as TIC M 2M ( Int ernet de l as c os as ) Sem i c ánt a y Soc i al M a edi
  • 3. Áreas de especialización H eal t hc are y Soc i al Ec o- Energí a Turi s m o As s i s t .  Envejecimiento y Dependencia  Teleasistencia  Monitorización  Detección precoz  Acceso avanzado (avatar, etc.)  SmartGrid SmartMetering SmartHome  Edificación Sostenible  Perfil –mejora consumos  Vehículo eléctrico Si s t em as Expert os  Sistemas automáticos de Simulación  Sistemas expertos de autoaprendizaje  Optimización de procesos  Serious games Noviembre 2013 / 3  Guías digitales  Servicios contextuales  Turismo 2.0  Trazabilidad  Accesibilidad patrimonio y museos Bg D a i at  Big Data  Data mining  Sistemas de apoyo a la decisión  Detección de pautas y predicción Grandes M l i dad ovi Sm Ci t y y Tráf i c o art Inf orm i c a i s t em át s as TIC Bo i  Soluciones de Laboratorios  Plataformas de información  Servicios medicina personalizada  Seguridad agroalimentaria  Productividad desarrollo software  Seguridad  Movilización aplicaciones  Conocimiento clientescontexto Georef erenc i ac i ón y Cart ograf í a  Georeferenciación  Sistemas de Información Geográfica-GIS  GeoWeb 2.0  Servicios sociales, Sanidad, Cultura, Seguridad, Medio ambiente, Ocio y turismo, Tráfico  Modelización necesidades recursos públicos M 2M Int ernet de l as Cos as  Sensórica  Dispositivos móviles (in-out)  Sistemas inteligentes  Comunicación M2M, H2M y M2H  Conectividad (Cloud, RFID, ...)  Captación y trazabilidad de flujos  Gestión de incidencias  Predicción  Modelización y optimización de flujos Sem i c a ánt y Soc i al M a edi  Open data  Link data  Ontologías  Buscadores semánticos  Redes Sociales  Sentiment Analisys
  • 4. Big Data en Industria Mantenimiento Predictivo. Adelantándonos a las incidencias Análisis automático del OEE (Overall Equipment Effectiveness) Noviembre 2013 / 4
  • 5. Big Data en Industria Mantenimiento Predictivo. Adelantándonos a las incidencias Análisis automático del OEE (Overall Equipment Effectiveness) Noviembre 2013 / 5
  • 6. Big Data en Industria Mantenimiento Predictivo. Adelantándonos a las incidencias Análisis automático del OEE (Overall Equipment Effectiveness) Noviembre 2013 / 6
  • 7. Big Data en Industria Mantenimiento Predictivo. Adelantándonos a las incidencias Explicación automática de las reglas que modelan el OEE Noviembre 2013 / 7
  • 8. Big Data en Industria Mantenimiento Predictivo. Adelantándonos a las incidencias Explicación automática de las reglas que modelan el OEE Noviembre 2013 / 8
  • 9. Big Data en Industria Mantenimiento Predictivo. Adelantándonos a las incidencias Explicación automática de las reglas que modelan el OEE Noviembre 2013 / 9
  • 10. Big Data en Tráfico Gestión del Tráfico. Modelado de flujo y predicciones automáticas. -Predicción del flujo futuro del tráfico -Predicción de incidencias (obras, colapsos, densidad, accidentes) Presente Noviembre 2013 / 10 Futuro
  • 11. Big Data en Tráfico Gestión del Tráfico. Modelado de flujo y predicciones automáticas. -Predicción del flujo futuro del tráfico -Predicción de incidencias (obras, colapsos, densidad, accidentes) Presente Pasado Noviembre 2013 / 11 Futuro
  • 12. Big Data en Salud Salud. Ánalítica avanzada en entornos clínicos. Resúmenes automáticos sobre Evolutivos médicos Relaciones entre diagnósticos / tratamientos y efectos sobre la salud. Noviembre 2013 / 12
  • 13. Big Data en Salud: Analítica Avanzada Salud. Ánalítica avanzada en entornos clínicos. Resúmenes automáticos sobre Evolutivos médicos Relaciones entre diagnósticos / tratamientos y efectos sobre la salud. Noviembre 2013 / 13
  • 14. Big Data en Salud: Analítica Avanzada Salud. Ánalítica avanzada en entornos clínicos. Resúmenes automáticos sobre Evolutivos médicos Relaciones entre diagnósticos / tratamientos y efectos sobre la salud. Noviembre 2013 / 14
  • 15. Big Data en Salud: Analítica Avanzada Salud. Ánalítica avanzada en entornos clínicos. Resúmenes automáticos sobre Evolutivos médicos Relaciones entre diagnósticos / tratamientos y efectos sobre la salud. Noviembre 2013 / 15
  • 16. Big Data en Salud: Analítica Avanzada Salud. Ánalítica avanzada en entornos clínicos. Resúmenes automáticos sobre Evolutivos médicos Relaciones entre diagnósticos / tratamientos y efectos sobre la salud. Noviembre 2013 / 16
  • 17. Big Data en Salud: Analítica Avanzada Salud. Ánalítica avanzada en entornos clínicos. Resúmenes automáticos sobre Evolutivos médicos Relaciones entre diagnósticos / tratamientos y efectos sobre la salud. Noviembre 2013 / 17
  • 18. Big Data en Salud: TeleAsistencia Salud. Teleasistencia Personalizada. Seguimiento de puntos vitales en pacientes en domicilio Alertas personalizadas automáticas en función del paciente Noviembre 2013 / 18
  • 19. Big Data en Salud: Proteómica Proteómica: descubrimiento de relaciones proteómicas Clasificación automática de péptidos Relaciones no evidentes entre indicadores y secuencias ¿Coverage? ¿PepOccur? Noviembre 2013 / 19
  • 20. Big Data en Salud: Proteómica Proteómica: descubrimiento de relaciones proteómicas Clasificación automática de péptidos Relaciones no evidentes entre indicadores y secuencias Noviembre 2013 / 20
  • 21. Big Data en la Gestión de la Demanda Gestión de la Demanda en Centros de Atención al Cliente Análisis de Series Temporales Optimización de curvas de Demanda en función de Llamadas/Incidencias/Agentes Noviembre 2013 / 21
  • 22. Big Data en la Gestión de la Demanda Gestión de la Demanda en Centros de Atención al Cliente Análisis de Series Temporales Optimización de curvas de Demanda en función de Llamadas/Incidencias/Agentes Noviembre 2013 / 22
  • 23. Big Data en la Gestión de la Demanda Gestión de la Demanda en Centros de Atención al Cliente Análisis de Series Temporales Optimización de curvas de Demanda en función de Llamadas/Incidencias/Agentes Noviembre 2013 / 23
  • 24. Big Data en Comercio Electrónico Segmentación de clientes y comportamientos anómalos Segmentación CRM / ERP Noviembre 2013 / 24 Normalidad / Anomalías
  • 25. Big Data en Comercio Electrónico Segmentación de clientes y comportamientos anómalos Segmentación CRM / ERP Reglas de Negocio Automáticas Noviembre 2013 / 25
  • 26. Big Data en entornos Bancarios Segmentación de clientes y comportamientos anómalos Contrato fuera de área Noviembre 2013 / 26
  • 27. Big Data en Administraciones Gestión de ayudas y control del fraude La tecnología actual permite construir modelos predictivos basados en comparativas estadísticas de patrones de actuación, así como el análisis de redes sociales que muestran, de forma gráfica y geoposicionada, vínculos entre agentes y su posible estado fraudulento. Además, los sistemas tienen una gran capacidad de aprendizaje sobre las actuaciones generadas en base a las alertas detectadas. Los objetivos de GuiDes Fraude son los siguientes:  Toma de decisión en tiempo real.  Ayuda en la instrumentación de reglas para el seguimiento y control de la concesión de prestamos.  Detección de anomalías en las pautas de comportamiento.  Sistema de alertas sobre casos inciertos.  Sistema de representación gráfica de zonas con probabilidad alta de fraude.  Integración de información y seguimiento de la evolución de los clientes.  Aprendizaje automático ante nuevos casos de fraude. Noviembre 2013 / 27
  • 28. Big Data en Lenguaje Natural: Text Analytics Análisis inteligente de la información no estructurada Vigilancia Tecnológica Medicina Basada en la Evidencia Noviembre 2013 / 28
  • 29. Herramientas para generar conocimiento del usuario Interrelación con el usuario en base a lenguaje natural por voz Resultado: Interacción con el usuario de forma natural (voz)  Sistema de guiado en base a preguntas-respuesta.  Compresión de intencionalidad del usuario.  Conocimiento del usuario y contexto. Necesidades: o Caso de Uso. o “FAQs” de interés. o Árboles de decisión (si existen) en guiado de productos/servicios. Noviembre 2013 / 29
  • 30. ICR y catalogación automática de contenidos • Texto Manuscrito a formato digital. • Clasificación automática de documentos. Noviembre 2013 / 30
  • 31. Herramientas para generar conocimiento del usuario Cuantificador de estados subjetivos en base a comentarios en Redes Sociales Sistema evaluador de "sensaciones" subjetivas: •Baja Laboral •Paro •Buscando Trabajo •Cambios en las relaciones sociales •Imprevistos •Cambios en gustos, preferencias •Descontento con la Entidad / Fiel Resultado: Acciones correctivas preventivas y personalizadas. Necesidades: oRedes sociales oWeb oBlogs oWikis relacionadas con la entidad, etc. Noviembre 2013 / 31
  • 32. Recomendación personalizada por producto Noviembre 2013 / 32
  • 33. Big Data en Política: Gis-Geopolítico Análisis inteligente de la intención de voto Agregación de numerosas fuentes por sección censal Reglas y predicción de intención del voto en base a comportamientos pasados Noviembre 2013 / 33
  • 34. Big Data en Política: Gis-Geopolítico Análisis inteligente de la intención de voto Agregación de numerosas fuentes por sección censal Reglas y predicción de intención del voto en base a comportamientos pasados Noviembre 2013 / 34
  • 35. Big Data en Política: Gis-Geopolítico Análisis inteligente de la intención de voto Agregación de numerosas fuentes por sección censal Reglas y predicción de intención del voto en base a comportamientos pasados Noviembre 2013 / 35
  • 36. Big Data en Política: Gis-Geopolítico Análisis inteligente de la intención de voto Agregación de numerosas fuentes por sección censal Reglas y predicción de intención del voto en base a comportamientos pasados Noviembre 2013 / 36
  • 37. Aitor Moreno Fernández de Leceta Sistemas Inteligentes de Control y Gestión www.ibermatica.com/ai.moreno Blog: rtdibermatica.com Noviembre 2013 / 37