Your SlideShare is downloading. ×
0
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Microsoft Business Analytics 2013
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Microsoft Business Analytics 2013

1,045

Published on

Breve exposición sobre la panoramica visión de Microsoft sobre Big Data, Hadoop, BI y la nube en general.

Breve exposición sobre la panoramica visión de Microsoft sobre Big Data, Hadoop, BI y la nube en general.

2 Comments
3 Likes
Statistics
Notes
No Downloads
Views
Total Views
1,045
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
43
Comments
2
Likes
3
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  1. Microsoft Business Analytics 2013 José Redondo - @redondoj CL SQL PASS Venezuela, Caracas Chapter – DPA SolidQ – SC SynergyTPC jredondo@synergytpc.com http://redondoj.wordpress.com
  2. AGENDA • Análisis Empresarial en el Nuevo Mundo de Datos • Análisis del Big Data • Demo • Plataforma Analítica On-Premise, Cloud y Híbrida • Demo • Análisis Avanzado • Demo • Conclusiones
  3. Microsoft Business Analytics 2013 Poder y Simplicidad
  4. Análisis Empresarial en el Nuevo Mundo de Datos
  5. Propósito de BI
  6. El mundo de los datos es cambiante
  7. Propósito del Análisis Empresarial
  8. Análisis Empresarial Almacenes de datos (DW) Big data BI
  9. Valores de análisis modernos Nuevo mundo de datos En 2015, las organizaciones han de integrar alto valor, diversificándose, generando nuevos tipos y fuentes de información en una infraestructura de gestión de información coherente, superando a sus colegas del sector financieramente por más de 20 %. Gartner, Regina Casonato et al., “Information Management in the 21st Century”
  10. Una buena Plataforma BI es la clave para el Análisis Empresarial
  11. Microsoft Business Analytics
  12. Microsoft Business Analytics
  13. Microsoft Business Analytics Compartir Limpieza Mash-up Explorar Visualizar Reportar
  14. Familiar, análisis poderoso
  15. Que acontece?
  16. Mobilidad
  17. Rápido, Avanzado In-Memory
  18. Conectando con el mundo de los datos IDENTIDAD CONTEXTO DOCUMENTAL GRAFICACIÓN SOCIAL EXPLORADOR DE DATOS DATA HUB
  19. Data Quality, EUC, End-User Computing (Spreadmart)
  20. Cualquier dato, cualquier tamaño, en cualquier lugar
  21. Cualquier dato, cualquier tamaño, en cualquier lugar Relacional, Estructurado
  22. Cualquier dato, cualquier tamaño, en cualquier lugar Complejidad, No Relacional, No Estructurado
  23. Análisis del Big Data
  24. Big data, o sólo datos complejos? Velocidad Variedad Complejidad volume InterpretandoPreparando
  25. Big data de hoy, pocos datos del mañana Complejidad vs. Capacidades actuales
  26. Dominio Escenarios comunes de Big Data Servicios Financieros Modelando riesgos reales Detección de fraude y análisis de amenazas Vigilancia del comercio Credit scoring y análisis Medios & Entretenimientos Motores de recomendación Ad targeting Calidad de búsqueda Abuso y haga clic en detección de fraude Ventas Punto de análisis de transacciones de ventas Análisis de abandono de clientes Sentimiento analítico Telecomunicaciones Prevención de abandono de clientes Optimización de rendimiento de la red Análisis Call Detail Record (CDR) Predicción de fallas de redes Gobierno Seguridad cibernética (botnets, fraudes) Congestión de tráfico y desvíos Monitoreo ambiental Monitorización antisocial a través de los medios de comunicación social Salud Investigación genómica Investigación del cáncer Detección temprana de las pandemias de salud Monitoreo de la calidad del aire
  27. Big Data + BI Tradicional = Power & Simplicidad Grandes, rápido, o datos complejos Microsoft HDInsight SQL Server tabular, multidimensional, DW relacional, o PDW 010101010101010101 1010101010101010 01010101010101 101010101010 Interacción, exploración, visualiz ación
  28. Microsoft HDInsight Distribución de Apache Hadoop Desarrollado por Hortonworks & Microsoft Integrado con Microsoft BI
  29. Principios de Hadoop Método práctico para paralelización masiva de procesamiento de datos analítico
  30. Principios de Hadoop: Datos
  31. Principios de Hadoop: MapReduce Reducir resultados en agregados de alto nivel (conquistar)
  32. Hadoop Clúster
  33. Hadoop Clúster Buster Cluster, es un proyecto de investigación temprana creado por Miles Osborne, University of Edinburgh, School of Informatics.
  34. Hadoop Clúster Cloud rent-a-Hadoop-cluster, o: “Supercomputer for cents” Windows Azure HD Insight
  35. Procesamiento lógico en HDInsight
  36. Contador de Palabras en JS MapReduce • var map = function (key, value, context) { • var words = value.split(/[^a-zA-Z]/); • for (var i = 0; i < words.length; i++) { • if (words[i] !== "") { • context.write(words[i].toLowerCase(), 1); • } • } • }; • var reduce = function (key, values, context) { • var sum = 0; • while (values.hasNext()) { • sum += parseInt(values.next()); • } • context.write(key, sum); • };
  37. Ejemplo de Pig Latin Esto es Paralelismo!!! raw = LOAD ’search.log' USING PigStorage('t') AS (user, time, query); houred = FOREACH raw GENERATE user, org.apache.pig.tutorial.ExtractHour(time) as hour, query; ngramed1 = FOREACH houred GENERATE user, hour, flatten(org.apache.pig.tutorial.NGramGenerator(query)) as ngram; ngramed2 = DISTINCT ngramed1; hour_frequency1 = GROUP ngramed2 BY (ngram, hour); … [see http://pig.apache.org/docs/r0.7.0/tutorial.html] STORE ordered_uniq_frequency INTO '/tmp/tutorial-results' USING PigStorage();
  38. Procesamiento lógico reutilizable - Librerías Filtrado colaborativo, Recomendadores, Cl ustering, La descomposición en valores simple, Parallel frequent pattern mining, Naive Bayes, Árbol de decisión
  39. Desde HDInsight haciendo mas atractivo Microsoft BI
  40. Operacionalizando Hadoop Aprovisionamiento y gestión de clústeres Asignación de Jobs Seguridad Escalabilidad
  41. DEMO
  42. Plataforma Analítica On-Premise, Cloud y Híbrida
  43. Evolución de la Infraestructura IT
  44. Seis infraestructuras en cuatro categorías
  45. Tradicional Centro de Datos
  46. Centro de Datos Virtualizados
  47. Nube Privada
  48. Nube Pública con VMs
  49. Nube Pública es un nuevo OS, no VMs
  50. IT Híbrido: Privada + Publica
  51. Opciones para una Plataforma Análitica
  52. Todas las caractéristicas Analisis moderno
  53. Porqué Microsoft para IT Híbridos
  54. Nube en nuestros términos
  55. Nube Pública: Dos opciones
  56. Aplicaciones Híbridas (VM) Business App Connect SQL Server ON-PREM WINDOWS AZURE Windows Azure Virtual Network Extend Flexibility & Control Low TCO for Existing Apps Full SQL Server Capability Managed SQL Server in VM
  57. Nuevos diseños de Apps en la Nube SQL Database Mobile Web Managed Platform & Infra. Low TCO for New Apps Dynamic Scalability Based on SQL Server Technology
  58. Apps Híbridos (no VM) On-Prem Business App SQL Database On-Prem SQL Server Connect Connect Managed Platform & Infra. Low TCO for New Apps Dynamic Scalability Based on SQL Server Technology
  59. Todas las características Nube Privada Analítica System Center para la administración y aprovisionamiento de la nube privada
  60. SQL Server para la Nube Privada
  61. Soluciones para la Nube Privada Rápido Tiempo de solución Bueno Muy bueno Excelente Ejecución a escala Flexible en componentes Rápido Tiempo de solución Bueno Muy bueno Excelente Ejecución a escala Flexible en componentes Rápido Tiempo de solución Bueno Muy bueno Excelente Ejecución a escala Flexible en componentes Construido sobre DW relacional Arquitectura de Referencia Fast Track DW Infraestructura PDW & BDW
  62. DEMO
  63. ANALÍSIS AVANZADO
  64. DAX Microsoft Analytics Lenguaje Estilo Excel, Expresiones tabulares Campos calculados & KPI’s Contextos & filtros consistentes
  65. Expresiones DAX = [First Name] & " " & [Last Name] Concatenación de cadenas, como en Excel = SUM (Sales[Amount]) Creación de SUM en contextos de agregaciones = RELATED (Product[Cost]) Sigue relaciones entre tablas, como las uniones No se hace referencia a celdas o rangos individuales Las funciones siempre se refieren a las columnas o tablas
  66. Modelo Semántico BI Data Model Business Logic & Queries Data Access ROLAP MOLAP xVelocity MDX, soon: “DAXMD” DAX Multidimensional Tabular Applications Power View Excel PowerPivot SharePoint Direct query
  67. Entregando Power View y PowerPivot a los usuarios Archivos Standalone Excel Excel en SharePoint, SharePoint Online, SkyDrive Power View, PowerPivot directamente en SSAS Modo SharePoint Modelo tabular SSAS nativo + Archivo de conexión SharePoint BISM
  68. SQL Server 2012 Analysis Services Tabular Mode
  69. Power View Exploración de datos interactivos y presentación visual Experiencia de usuario Excel 2013 SharePoint 2013 SQL 2012 SP1 Reporting Service
  70. Visualización de datos Power View Tablas, matrices, small multiples, cards, tiles, filters, slicers Chart, scatter plot, bubble animation Interacción Geoespacial y Mapas con Bing
  71. Qué hace la Minería de Datos?
  72. Qué es la Minería de Datos?
  73. Minería de Datos Análisis de rentabilidad Entender las necesidades del cliente Anticipar acciones Predecir ventas & inventario Construir efectivamen te campañas de mercadeo Detectar y prevenir fraudes Corregir datos durante procesos ETL
  74. SQL Server Analysis Services Server Tus modelos de mineria de datos Algoritmos de mineria de datos Origen datos Excel, Visio, SSRS Tu aplicación Despliegue Excel Visio SSDT SSMS App Data Arquitectura de la Minería de Datos
  75. Data Mining Add-Ins para Office 2013
  76. Decision Trees Finds the odds of an outcome, great for visualising relationships between values Association Rules Identifies causal relationships between cases, good for market basket analysis and recommendation engines Clustering Classifies cases into distinctive groups based on any attribute sets Naïve Bayes Shows the differences in a particular variable for various data elements Sequence Clustering Groups or clusters data based on a sequence of previous events Time Series Analyzes and forecasts time-based data combining the powerof ARTXP for accurate short-term predictions with ARIMA Neural Nets Uncovers non-intuitive relationships Linear Regression Determines mathematical linear relationship between inputs and an outcome Logistic Regression Determines the relationship between columns in order to evaluate the probability that a column will contain a specific state
  77. DEMO
  78. CONCLUSIONES • Análisis de negocios en el nuevo mundo de los datos: Conectados, inmersivo, de cualquier tamaño • Plataforma Microsoft más poderosa y sencilla • Big data = Datos demasiado complejos para los métodos tradicionales • Microsoft HDInsight + Sencillez de BI tradicional = Potentes herramientas de análisis • Desde el centro de datos tradicional a la nube OS: Su opción flexible para el análisis • Nube en sus propios términos: Está bien cambiar de opinión • Advanced Analytics no es complejo hoy día • Microsoft Business Analytics: Potencia y simplicidad
  79. Muchas gracias por su participación

×