jornada: “mitos y realidades del big data” -introducción

Jornada: “Mitos y Realidades del Big Data”

-Introducción al Big Data-

Urko Zurutuza Dpto. Electrónica e Informática

Mondragon Goi Eskola Politeknikoa JMA Mondragon Unibertsitatea

Agenda

•  Introducción al Big Data (Urko Zurutuza) •  Caso Práctico 1: (Adolfo Cortés)

– Big Data para eficiencia energética en PYMEs

•  Caso Práctico 2 (Mario Íñiguez/Pedro ) – Big Data para prever modelos de fuga de clientes – Big Data para eficiencia en hornos y procesos industriales en

condiciones extremas de temperatura

Índice

1.  Introducción 2.  Instalo y uso una BBDD NoSQL. ¿Hago Big Data? 3.  Tengo una plataforma basada en Hadoop instalada en mi

equipo, ¿Tengo Big Data? 4.  Conozco y aplico técnicas de Machine Learning y Data Mining

en la empresa. ¿Soy Big Data? 5.  Entonces, cómo hago, tengo y soy Big Data?

Data

50 x

CRECIMIENTO DE DATOS PARA EL 2020

Big Data

“Big Data” hace referencia al conjunto de información que es demasiado compleja como para ser procesada mediante

TI tradicionales de manera aceptable

–Min Chen, Shiwen Mao, and Yunhao Liu. Big Data: A Survey. Mobile Networks and Applications, 19(2):171–209, 2014.

Big Data

“Big Data hace referencia al conjunto de información que es demasiado compleja como para ser procesada mediante

TI tradicionales de manera aceptable

–Min Chen, Shiwen Mao, and Yunhao Liu. Big Data: A Survey. Mobile Networks and Applications, 19(2):171–209, 2014.

Big Data

Velocityariety

olume

Instalo y uso una BBDD NoSQL. ¿Hago Big Data?

NoSQL (Not Only SQL)

•  Base de Datos de nueva generación que en su mayoría aborda algunas de las siguientes características: – no relacional,

– distribuida, – open-source, y – horizontalmente escalable

[fuente: http://nosql-database.org/]

NoSQL (Not Only SQL) - Tipos

Tipo Descripción Ejemplo

Clave-Valor Cada elemento tiene una clave y su valor asociado. emcached

Familias de Columnas

Para consultas sobre grandes conjuntos de datos. Enfoque en columnas no en filas

Documentos Empareja una clave con una estructura de datos o documento.

Grafos Guarda nodos y sus relaciones. RRSS, estructuras de redes,…

Instalo y uso una BBDD NoSQL. ¿Hago Big Data?

Tengo una plataforma basada en Hadoop instalada en mi equipo, ¿Tengo Big Data?

Hadoop

•  Sistema que permite una computación – Fiable, – Escalable, y – Distribuida

•  Un Framework que permite el procesamiento distribuido de grandes conjuntos de datos sobre clusters de ordenadores.

Ecosistema Hadoop (simplificado)

Apache Pig: Scripting

Almacenamiento redundante y fiable

YARN Gestiona recursos del Cluster

Procesamiento Distribuido de datos

Zookeeper: Coordina la distribución

Data Warehouse

Machine Learning

Colector de datos

Conector BBDDR-HDFS

S.O. S.O. S.O. S.O. S.O. S.O. S.O. S.O. S.O.

Map-Reduce

, 4, 2, 4, 3

, 4

, 2

, 4

, 3

Split MapShuffle

&Sort

Reduce

Masterassig

nsassigns

Tengo una plataforma basada en Hadoop instalada en mi equipo, ¿Tengo Big Data?

Conozco y aplico técnicas de Machine Learning y Data Mining en la empresa. ¿Soy Big Data?

Conozco y aplico técnicas de Machine Learning y Data Mining en la empresa. ¿Soy Big Data?

•  El fin del Big Data es extraer valor de tantos datos •  Análisis de Datos (Big Data Analytics)

– Recomendación basada en el comportamiento de usuarios – Agrupación de documentos de texto parecidos (por ejemplo)

– Clasificación o predicción en base a casos anteriores

Conozco y aplico técnicas de Machine Learning y Data Mining en la empresa. ¿Soy Big Data?

•  In-Memory Analytics vs. In-Hadoop Analytics •  El fondo es el mismo, pero ahora:

–  Distribuido –  Escalable

•  Herramientas –  R –  Spark (Mllib) –  TODOS: RapidMiner, SAS, Teradata,…

Conozco y aplico técnicas de Machine Learning y Data Mining en la empresa. ¿Soy Big Data?

Entonces, cómo hago, tengo y soy Big Data?

1.  Objetivos: ¿Qué valor añadido quiero obtener? 2.  Selecciona la infraestructura: en la empresa, o en la

nube (IaaS, PaaS, SaaS) 3.  Fórmate/contrata expertos 4.  Une las piezas (requisitos técnicos) 5.  Realiza implementaciones ágiles e iterativas 6.  Empieza con objetivos simples e integra los resultados

Objetivos: ¿Qué valor añadido quiero obtener?

•  Alinea la necesidad de Big Data con los objetivos de negocio

•  Implementar Big Data es decisión de negocio, no de TI •  Evalúa los requisitos de los datos (V’s!)

Selecciona la infraestructura

•  En casa? – Hardware (mínimo): 2*6core CPU, 24-64GB RAM, 1-2TB HDD – Distribuciones Hadoop: Cloudera, MapR, Hortonworks

•  En la nube? –  IaaS (Amazon Elastic Compute Cloud, Azure,…) – PaaS (Amazon Elastic MapReduce, Azure HDInsight,…) – SaaS (Teradata, sqlstream,…)

Fórmate

•  Administración del cluster •  NoSQL •  Desarrollo (Java, Python, R, …) •  Machine Learning / Data Mining •  Visual analytics (d3.js, CartoDB, Gephi, Tableu,…)

Une las piezas

•  ¿Qué preguntas debo responder? •  ¿Cómo recojo los datos? •  ¿Cómo los almaceno? •  ¿Cómo los analizo? •  ¿Cómo muestro los resultados?

Realiza implementaciones ágiles e iterativas

Empieza con objetivos simples e integra los resultados

•  Según se van obteniendo pequeños resultados, aparecen nuevas preguntas a responder.

•  Integrar resultados con el Sistema de Producción/Sistema de Gestión actual

Conclusiones

•  Objetivos, estrategia, ROI •  Datos: ¿Estamos preparados? •  Infraestructura Local o en la Nube? •  Big Data está relacionado con:

Análisis de Datos = Data Science

•  Analizas tus datos en “Small Data” ahora?

Eskerrik asko

www.mondragon.edu

Urko Zurutuza Mondragon Unibertsitatea uzurutuza@mondragon.edu https://es.linkedin.com/in/uzurutuza/ @urkovain