Topics about Data Sciences and BI
Foto de Usuario
lbenitoc

Ranking Troomes
Mensajes: 2
Registrado: 10 Feb 2020, 17:43
Contactar:

Tecnologías Emergentes en Business Intelligence y Casos de Éxtio

Mensaje por lbenitoc » 15 Ago 2020, 14:51

TECNOLOGÍAS EMERGENTES EN BUSINESS INTELLIGENCE Y CASOS DE ÉXITO

I. DESCRIPCIÓN DEL ROBLEMA
El entorno empresarial actual es más competitivo que nunca debido a la naturaleza global de los negocios, de ahí que las organizaciones necesitan tomar decisiones comerciales informadas de cómo está cambiando su entorno.
Las empresas recopilan datos y luego los pasan a un almacén de datos para diversas necesidades y futuros análisis. Siempre hay una necesidad por acceder a estos datos de forma rápida y en el momento que sea necesario. Por otro lado, las empresas también buscan reducir el presupuesto de TI, aún cuando un almacén y herramientas de datos requieren grandes inversiones que las empresas pequeñas y medianas no pueden pagar. Es así que las organizaciones han comenzado a moverse del servidor tradicional de almacenamiento de datos al desafío de la nube privada, que representa una alternativa con muchos beneficios, como el pago por uso.
Cada año crecen los datos de las empresas y en consecuencia también la necesidad de almacenamiento y recuperación de información; es así, que se requieren sistemas más potentes. Afortunadamente se han desarrollado sistemas de procesamiento paralelo en los motores de base de datos. Otro desafío está en que las empresas han encontrado valor comercial en los datos no estructurados, los cuales abundan en volumen. Estos datos vienen de dispositivos móviles, redes sociales, videos, sensores, etc. y a su tratamiento se le ha llamado ‘big data’.
Las bases de datos convencionales se utilizan para almacenar, procesar y gestionar datos estructurados. El big data, para datos desestructurados y en gran volúmen, para éstos han surgido un nuevo grupo de tecnologías informáticas.
Las organizaciones empresariales necesitan desplegar tecnologías emergentes de BI con gran capacidad de memoria y procesamiento, es necesario para facilitar la toma de decisiones en el momento adecuado.

II. HERRAMIENTAS

2.1 Procesamiento Paralelo
A continuación una descripción general de la arquitectura de procesamiento paralelo de Teradata (pionera en esta arquitectura).
Imagen
En la imagen se muestra el engine parsing en la parte superior de la jerarquía (PE). El PE analiza y optimiza las consultas SQL, luego distribuye la consulta optimizada a las AMPs a través de BYNET. Después de procesar la solicitud SQL, los resultados de la consulta se devuelven al usuario solicitante a través de BYNET. El BYNET de Teradata acopla libremente nodos de multiprocesamiento simétrico (SMP) en un sistema de múltiples nodos. Hay dos enlaces de red para cada nodo. Los AMP y PE envían y reciben mensajes usando BYNET; es así que, proporciona una ruta de comunicación entre nodos. Así es como se combinan los conjuntos de respuestas SQL de nuevo a PE. El BYNET permite paralelismo en Teradata.
Los AMP están diseñados para funcionar en paralelo y devolver los resultados en el menor tiempo posible.
Las AMP solo son responsables de las filas que almacena; es decir, no puede extraer filas que pertenecen a un AMP diferente.
Esta tecnología es clave para manejar, almacenar, cargar y recuperar grandes volúmenes de datos.

2.2 Big Data
Big Data se refiere al conjunto de datos que una DBMS convencional no podría almacenar, administrar o analizar. Big Data no solo se limita a eso, sino también trata de cuidar todo, la recopilación, almacenamiento, organización, análisis y uso compartido de los datos.
Los datos provienen de muchas fuentes, incluidos sensores, datos operativos, imágenes, videos, documentos, dispositivos móviles e internet.
Siempre hubo la necesidad de analizar grandes volúmenes de datos; sin embargo, luego de años, con el avance del poder de procesamiento y las herramientas de BI, las organizaciones ya pueden evaluar nuevas oportunidades de negocio para lograr mejores decisiones.
Estudios muestran que las organizaciones que utilizan Big Data, aumentan su productividad en 5-6% más que la competencia. El Big Data se utiliza para apoyar a las organizaciones a mejorar su capacidad predictiva.
El Big Data se identifica por cinco factores:
Volumen: Big Data maneja grandes volúmenes de datos.
Velocidad: Dado el volúmen de datos, es importante la capacidad de recibir, procesar y almacenar datos más rápido.
Variedad: Big Data también refiere a los datos que provienen de muchas fuentes y en diferentes formatos. Es importante mencionar que más del 90% de datos no están estructurados.
Veracidad: Dado que, que los datos son principalmente no estructurados, se estima un problema de consistencia
Valor: Las empresas encuentran valor siempre que haya trazabilidad y datos. Las organizaciones encuentran oportunidad de negocio con big data, un ejemplo de esto el análisis predictivo utilizando Big Data.
Big Data se trata de un conjunto de nuevas tecnologías, herramientas y técnicas para recibir grandes volúmenes de datos, procesarlos, organizar, almacenar y mostrar.

III. APLICACIONES

3.1 Al comparar todos los pares de unos pocos millones de proteínas, estas actividades de búsqueda y comparación sobrecargan las tablas de bases de datos convencionales. Más tarde tuvimos que hacer esta comparación entre 20 millones de proteínas. Nos dimos cuenta de que esto no se puede lograr con la tecnología existente. Aquí las tecnologías de Big Data entran en escena: Hadoop, MapReduce, Hbase, Hive, etc.
Nuestros experimentos muestran que las tecnologías de Big Data tienen que hacer dicha comparación y análisis reduciendo el tiempo de procesamiento de días a horas.

3.2 Tratar con datos de monitoreo médico para mejorar los resultados del paciente. "Los pacientes están habitualmente conectados a equipos que monitorean continuamente signos vitales, como presión arterial, frecuencia cardíaca y temperatura. El equipo emite una alerta cuando sale cualquier signo vital del rango normal, lo que lleva al personal del hospital a tomar medidas inmediatamente. El resultado del caso de uso es una advertencia temprana que brinda a los cuidadores la capacidad de lidiar proactivamente con potenciales complicaciones, como la detección de infecciones en prematuros lactantes hasta 24 horas antes de que presenten síntomas ".

IV. CONCLUSIONES
1. Se exploraron las tecnologías emergentes en almacenamiento de datos e inteligencia de negocios: Big data, procesamiento paralelo,
2. Las tecnologías emergentes y métodos serán adoptados de manera constante en el futuro cercano por las organizaciones empresariales.
3. El uso de las nuevas tecnologías de almacenamiento de datos e inteligencia empresarial ayudará a las organizaciones a tomar decisiones estratégicas en base a la información generada y tácticas en el momento adecuado, asegurando un aumento de ingresos.

V. REFERENCIAS
Rahman, N., Aldhaban, F. & Akther, S. 2013. Emerging Technologies in Business Inteligence. Technology Management for Emerging Technologies.
Bertha Mazon-Olivo, J.P.N. Vicuña, Wilmer Rivas-Asanza, C.Flores. 2019. Análisis de producción avícola mediante técnicas de inteligencia de negocios y minería de datos. Universidad Técnica de Machala.


Responder