SlideShare una empresa de Scribd logo
1 de 39
Descargar para leer sin conexión
1
Speakers
Anastasio Molano
SVP, Technology and
Solutions
Mario Bianchi
Gerente Unidad de
Desarrollo
Hernán Peroceschi
Gerente
Comercial
Quiénes somos
✓ + de 35 profesionales
✓ +de 12 años en el mercado corporativo IT
✓ Cobertura Regional en Latinoamérica
✓ Clientes de más de 10 años
✓ Crecimiento sostenido interanual
✓ Innovación y Conocimiento (ADN)
Dirección de Servicios de
Infraestructura
Dirección de Middleware e
Integraciones
Dirección de Desarrollo, IOT e
Innovación Digital
✓ Implementación de proyectos de Integración de
aplicaciones
✓ Consultoría s/ arquitecturas complejas – On premise
y Cloud
✓ Assessment de infraestructura y Middleware
✓ Tuning de performance y seguridad
✓ Consolidación de servidores
✓ Soporte y mantenimiento de plataformas
✓ Desarrollo de Apps Mobile y Web
✓ Desarrollo de integraciones (3 capas)
✓ Desarrollo e implementación de proyectos IOT
➢ Estamos transitando la era de la innovación (Supervivencia del más
Rápido)
➢ La Transformación digital dejo de ser un tema a futuro para las
empresas para transformarse en algo OBLIGATORIO.
➢ Cualquier estrategia de Transformación digital debe estar basada en
una Estrategia de los Datos
➢ Los datos son el Combustible de la transformación
➢ Los datos hablan de alguna manera de cual es el comportamiento
digital de una persona o una empresa.
➢ El desafío del manejo de los datos es convertirlos en valor para la
empresa; transformar esa información no estructurada, que no
tiene un parámetro y que está disgregada en diferentes sistemas y
formatos.
➢ La necesidad incentiva la innovación y en Latinoamérica están dadas
las condiciones para salir a cultivarla….
¿Por qué nos acercamos a Denodo?
Agenda
• La transición a la nube y desafíos
• La virtualización de datos: base para una arquitectura de
Fábrica de Datos lógica
• Casos de Uso y Ejemplos de Clientes
1. Migración a la Nube (sin disrupción ni riesgos)
2. Capa de Seguridad Unificada para fuentes Cloud
3. Data Hub analítico en la nube
4. Arquitectura Multi-nube basada en una fábrica de datos
5. Integración de Aplicaciones SaaS
• Demo: migración a la nube
• Siguientes pasos
• Preguntas y respuestas
La transición a la nube y desafíos
7
Fases típicas en la migración a la nube
All systems are on-premise.
Using traditional databases,
etc. – maybe an on-premise
Hadoop cluster. Lots of ETL
pipelines.
Systems are now on-premise and in the Cloud –
initially hosted by the preferred Cloud provider. The
data is balanced across the different environments
although the bulk of the data is initially on-premise.
ETL-style data movement is often used to move data
from on-premise systems to Cloud-based analytical
systems. The systems are more complex and users
need to be able to find and access data from on-
premise and Cloud locations.
In reality, this is a hybrid/multi-Cloud environment, with
systems in multiple Clouds (AWS, Azure, GCP, Salesforce,
etc.) and a few legacy systems still on-premise. The
environment is even more complex as workloads can
move between Cloud providers to take advantage of new
capabilities, cost optimization, etc. Users still need to find
and access data in this environment.
System modernization initiatives move applications and
data to the Cloud. For critical systems, this migration is
typically a phased approach over a period of months (or
years).
On-
Premise
Transition
to Cloud
Hybrid
Single
Cloud
Multi-
Cloud
Systems have moved to the Cloud (although some systems
are still on-premise and cannot be moved to the Cloud).
The ‘center of gravity’ for data is solidly in the Cloud. More
processing and data integration occurs in the Cloud. Data is
moved from on-premise systems to the Cloud using ETL.
User data access is predominantly from Cloud systems.
La Virtualización de Datos: base para una
arquitectura de Fábrica de Datos lógica
9
La Fábrica de Datos
10
La Fábrica de Datos
Según Forrester, el Data Fabric (tejido de datos) “ofrece una vista completa,
unificada y confiable de los datos de negocio, producida mediante la
coordinación de fuentes de datos de una manera automática, inteligente y
segura que puede procesar grandes volúmenes de datos”.
“La clave de una Fábrica de Datos es conseguir consolidar multitud de fuentes
de datos dispersas de una forma eficiente para permitir la entrega de datos
confiables desde las fuentes relevantes a las aplicaciones de negocio a través
de una capa de acceso común”.
11
Capa unificada de integración y de provisión de datos al negocio
4. Datos confiables: garantiza una
semántica consistente, el gobierno
de los datos y la seguridad de
acceso a la información
5. Acceso desde cualquier
herramienta / protocolo / API –
Catálogo activo: habilita un data
marketplace para el negocio
6. Hasta un 80% de reducción del time
to market para provisionar datos al
negocio, ahorro significativo en
costes
1. Único punto lógico de acceso a datos
– independencia de la ubicación de los
datos
2. Datos entregados en una forma
amigable para el negocio – capa
semántica
3. Datos adaptados a las necesidades de
cada línea de negocio, tipo de usuario
y aplicación
12
Capa Virtual de Provisión de Datos
Development
Lifecycle Mgmt
Monitoring & Audit
Governance
Security
Development Tools
and SDK
Scheduled Tasks
Data Caching
Query Optimizer
JDBC/ODBC/ADO.Net SOAP / REST WS
U
Customer 360
View
Virtual Data
Mart View
J
Application
Layer
Business
Layer
Unified View Unified View
Unified View
Unified View
A
J
J
Derived View Derived View
J
J
S
Transformation
& Cleansing
Data
Source
Layer
Base
View
Base
View
Base
View
Base
View
Base
View
Base
View
Base
View
Abstraction
¿Qué ofrece la virtualización de
datos para la nube híbrida/multi-
cloud?
Arquitectura de Referencia Virtualización de Datos
La arquitectura lógica es independiente de la ubicación de fuentes y consumidores de datos
14
Propuesta de Valor para la nube híbrida y multi-nube
La virtualización de datos facilita el acceso a los datos independientemente de dónde residan
15
• Independencia de localización: acceso a datos en cualquier ubicación (on-prem, nube); capa
semántica para el negocio que oculta toda la complejidad.
• Arquitectura jerárquica multi-ubicación para la nube:
• Denodo delega el proceso a instancias remotas que pueden realizar proceso local
minimizando el tránsito de datos entre las distintas localizaciones.
• La arquitectura de seguridad se simplifica ya que no es necesario abrir tantos puertos
(Denodo funciona como un gateway seguro).
• Capa de Gobierno y seguridad centralizadas: Denodo garantiza las reglas de gobierno de la
organización en la capa semántica. Las reglas de autorización pueden definirse en un solo
punto simplificando la arquitectura de seguridad.
Denodo en una arquitectura Híbrida / Multi-nube
16
17
Arquitectura jerárquica Multi-capa
El proceso local en regiones remotas minimiza el tránsito de datos entre sistemas on-prem y nube.
17
On-premise Amazon EC2
10 M
rows
5 M
rows
JOIN Result:
20,000 rows
Client
Local
Sources
18
Gestión centralizada en Denodo 8
Web-based Management
Development Data Catalog
Solution
Manager
Activity
Scaling &
Infrastructure
Web sockets
(No need to open
firewall on-prem)
On-prem
data center
Casos de Uso y Ejemplos de
Clientes
20
Fases típicas en la migración a la nube
All systems are on-premise.
Using traditional databases,
etc. – maybe an on-premise
Hadoop cluster. Lots of ETL
pipelines.
Systems are now on-premise and in the Cloud –
initially hosted by the preferred Cloud provider. The
data is balanced across the different environments
although the bulk of the data is initially on-premise.
ETL-style data movement is often used to move data
from on-premise systems to Cloud-based analytical
systems. The systems are more complex and users
need to be able to find and access data from on-
premise and Cloud locations.
In reality, this is a hybrid/multi-Cloud environment, with
systems in multiple Clouds (AWS, Azure, GCP, Salesforce,
etc.) and a few legacy systems still on-premise. The
environment is even more complex as workloads can
move between Cloud providers to take advantage of new
capabilities, cost optimization, etc. Users still need to find
and access data in this environment.
System modernization initiatives move applications and
data to the Cloud. For critical systems, this migration is
typically a phased approach over a period of months (or
years).
On-
Premise
Transition
to Cloud
Hybrid
Single
Cloud
Multi-
Cloud
Systems have moved to the Cloud (although some systems
are still on-premise and cannot be moved to the Cloud).
The ‘center of gravity’ for data is solidly in the Cloud. More
processing and data integration occurs in the Cloud. Data is
moved from on-premise systems to the Cloud using ETL.
User data access is predominantly from Cloud systems.
1 2 3
21
Cloud Data Warehouse Accelerator
Migración a la nube de un EDW
DATA
VIRTUALIZATION
EDW Cloud Data Lake
On-prem
data center
Actual Data Migration
(AWS DMS, Azure Data Factory, etc)
Sales (Interface View)
bv_edw_sales bv_snowflake_sales
22
Cloud Data Warehouse Accelerator
Migración a la nube (sin disrupción al negocio ni riesgos)
23
Cloud Data Warehouse Accelerator
Migración a la nube (sin disrupción al negocio ni riesgos)
24
Capa de Seguridad Unificada para fuentes Cloud
La virtualización hace de “gate
keeper to the cloud”
▪ Integración de usuarios (LDAP,
AD) con soporte para
proveedores de identidad en la
nube (Azure AD, Okta,
PingFederate, etc.)
▪ Seguridad granular con
enmascaramiento de datos
▪ Restricciones a nivel de fila y columna
▪ Masking
▪ Autenticación Multi-factor
Active
Directory
25
Secure Data Services Layer
Security Constraints
Geographical
Constraints
Contractual
Client
Obligations
PII Protection
Departmental
Restrictions
Fast Changing Hadoop & Cloud Technologies
Hive, Spark,
Redshift
Maintaining
different code
base
Discover, Co-relate, Enable Predictive
Analytics
Text, CSV, Voice, JSON,
Streaming, 3rd Party Data
60TB+ structured, 200TB+
telemetry & unstructured
data
26
Secure Data Service Layer
27
Data Hub Analítico en la Nube
Punto de acceso uniforme a fuentes en la
nube y on-prem
▪ Acceso mediante un único esquema de
datos sin replicación
▪ Permite la combinación de datos entre
fuentes independientemente de su
naturaleza y ubicación
▪ Definición de un modelo semántico
común
Active
Directory
Data Center
Cloud
28
Data Hub Analítico en la Nube
Analytics in the Azure Cloud
Logical Data Lake for Data Science
29
30
Arquitectura Multi-nube basada en una Fábrica de Datos
Amazon RDS,
Aurora
US East
Availability Zone
EMEA
Availability Zone
On-prem
data center
31
Cloud Data Warehouse Accelerator
Arquitectura Multi-nube basada en una Fábrica de Datos
32
Cloud Data Warehouse Accelerator
Arquitectura Multi-Nube basada en una Fábrica de Datos
33
Integración de aplicaciones SaaS
Permite a una aplicación de reporting
trabajar con cualquier API SaaS:
▪ SQL-to-SaaS: abstrae el API SaaS (REST)
como parte del model relacional
▪ Acceso en Tiempo Real: Evita la
replicación de datos en la nube hacia el
data center
▪ Enfoque relacional para integrar
diferentes aplicaciones SaaS
Cloud
Grupo Empresario Financial Services Latam
Caso de uso : Migracion multiples instancias ERP en grupo empresario, manteniendo Vistas de cliente 360
No SQL
MS SQL
Oracle
SAP 1
SAP 2
ERP 3
ERP 4
Virtualización Datos
Fuentes de datos
SAP 1
SAP 2
ERP 3
ERP 4
Aplicaciones enriquecidas
con vistas de cliente 360
Usuarios
negocio
Denodo
Connectar
Denodo
Consumir
Denodo
Combinar
REST API
Acceso
SQL
Self
Service
On
Prem
On
Prem
On Prem
Cloud
Demostración: Migración a la
Nube con Virtualización de Datos
1. La virtualización de datos simplifica la arquitectura en
entornos híbridos y multi-nube
1. Acelera la migración a la nube y minimiza los riesgos
asociados.
2. La virtualización juega un papel clave en todas las fases
de la migración a la nube:
1. Mitiga los riesgos y el impacto asociados a una migración a
la nube.
2. Facilita el acceso a los datos en entornos híbridos/multi-
nube
3. Ofrece una capa de Seguridad: unificada minimiza los
riesgos en la nube
4. Base para una Fábrica de Datos lógica con acceso global con
gestión centralizada
Conclusiones
Cómo seguimos…
Q&A
¡Gracias por vuestra participación!
Anastasio Molano
SVP, Technology and Solutions
DENODO
Mario Bianchi
Gerente Unidad de Desarrollo
VAULT IT
Hernán Peroceschi
Gerente Comercial
VAULT IT
www.denodo.com
info.la@denodo.com
(+34) 912 77 58 55
www.vault-it.com.ar/
info@vault-it.com.ar
+54 11 5368 9353

Más contenido relacionado

La actualidad más candente

BW Adjusting settings and monitoring data loads
BW Adjusting settings and monitoring data loadsBW Adjusting settings and monitoring data loads
BW Adjusting settings and monitoring data loadsLuc Vanrobays
 
Cloud-native Semantic Layer on Data Lake
Cloud-native Semantic Layer on Data LakeCloud-native Semantic Layer on Data Lake
Cloud-native Semantic Layer on Data LakeDatabricks
 
Data warehouse
Data warehouseData warehouse
Data warehouseMarian C.
 
Data Vault Vs Data Lake
Data Vault Vs Data LakeData Vault Vs Data Lake
Data Vault Vs Data LakeCalum Miller
 
SAP MDG PRESENTATION
SAP MDG PRESENTATIONSAP MDG PRESENTATION
SAP MDG PRESENTATIONEraedgeElearn
 
Recomendaciones y técnicas para la configuración de puertos de span
Recomendaciones y técnicas para la configuración de puertos de spanRecomendaciones y técnicas para la configuración de puertos de span
Recomendaciones y técnicas para la configuración de puertos de spanFundación Proydesa
 
Atelier IBM avec témoignage L'Oréal - Part 2
Atelier IBM avec témoignage L'Oréal - Part 2Atelier IBM avec témoignage L'Oréal - Part 2
Atelier IBM avec témoignage L'Oréal - Part 2Micropole Group
 
Analyst field reports on top 20 multi domain MDM solutions - Aaron Zornes (NY...
Analyst field reports on top 20 multi domain MDM solutions - Aaron Zornes (NY...Analyst field reports on top 20 multi domain MDM solutions - Aaron Zornes (NY...
Analyst field reports on top 20 multi domain MDM solutions - Aaron Zornes (NY...Aaron Zornes
 
Parametrizaciones basicas de Sap
Parametrizaciones basicas de SapParametrizaciones basicas de Sap
Parametrizaciones basicas de Sapgiancarlo
 
Talend Open Studio Data Integration
Talend Open Studio Data IntegrationTalend Open Studio Data Integration
Talend Open Studio Data IntegrationRoberto Marchetto
 
Dwdm 2(data warehouse)
Dwdm 2(data warehouse)Dwdm 2(data warehouse)
Dwdm 2(data warehouse)Er Bansal
 
Distributed unique id generation
Distributed unique id generationDistributed unique id generation
Distributed unique id generationTung Nguyen
 
Why Data Virtualization? An Introduction
Why Data Virtualization? An IntroductionWhy Data Virtualization? An Introduction
Why Data Virtualization? An IntroductionDenodo
 
Denodo Data Virtualization Platform: Overview (session 1 from Architect to Ar...
Denodo Data Virtualization Platform: Overview (session 1 from Architect to Ar...Denodo Data Virtualization Platform: Overview (session 1 from Architect to Ar...
Denodo Data Virtualization Platform: Overview (session 1 from Architect to Ar...Denodo
 
Principios de diseño para procesos de ETL
Principios de diseño para procesos de ETLPrincipios de diseño para procesos de ETL
Principios de diseño para procesos de ETLSpanishPASSVC
 
SAP Migration Overview
SAP Migration OverviewSAP Migration Overview
SAP Migration OverviewSitaram Kotnis
 

La actualidad más candente (20)

BW Adjusting settings and monitoring data loads
BW Adjusting settings and monitoring data loadsBW Adjusting settings and monitoring data loads
BW Adjusting settings and monitoring data loads
 
Diapositivas olap
Diapositivas olapDiapositivas olap
Diapositivas olap
 
Cloud-native Semantic Layer on Data Lake
Cloud-native Semantic Layer on Data LakeCloud-native Semantic Layer on Data Lake
Cloud-native Semantic Layer on Data Lake
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Data Vault Vs Data Lake
Data Vault Vs Data LakeData Vault Vs Data Lake
Data Vault Vs Data Lake
 
SAP MDG PRESENTATION
SAP MDG PRESENTATIONSAP MDG PRESENTATION
SAP MDG PRESENTATION
 
Recomendaciones y técnicas para la configuración de puertos de span
Recomendaciones y técnicas para la configuración de puertos de spanRecomendaciones y técnicas para la configuración de puertos de span
Recomendaciones y técnicas para la configuración de puertos de span
 
Atelier IBM avec témoignage L'Oréal - Part 2
Atelier IBM avec témoignage L'Oréal - Part 2Atelier IBM avec témoignage L'Oréal - Part 2
Atelier IBM avec témoignage L'Oréal - Part 2
 
Analyst field reports on top 20 multi domain MDM solutions - Aaron Zornes (NY...
Analyst field reports on top 20 multi domain MDM solutions - Aaron Zornes (NY...Analyst field reports on top 20 multi domain MDM solutions - Aaron Zornes (NY...
Analyst field reports on top 20 multi domain MDM solutions - Aaron Zornes (NY...
 
Parametrizaciones basicas de Sap
Parametrizaciones basicas de SapParametrizaciones basicas de Sap
Parametrizaciones basicas de Sap
 
Fleet(2)
Fleet(2)Fleet(2)
Fleet(2)
 
Talend Open Studio Data Integration
Talend Open Studio Data IntegrationTalend Open Studio Data Integration
Talend Open Studio Data Integration
 
Dwdm 2(data warehouse)
Dwdm 2(data warehouse)Dwdm 2(data warehouse)
Dwdm 2(data warehouse)
 
Etl
EtlEtl
Etl
 
Distributed unique id generation
Distributed unique id generationDistributed unique id generation
Distributed unique id generation
 
Snowflake Overview
Snowflake OverviewSnowflake Overview
Snowflake Overview
 
Why Data Virtualization? An Introduction
Why Data Virtualization? An IntroductionWhy Data Virtualization? An Introduction
Why Data Virtualization? An Introduction
 
Denodo Data Virtualization Platform: Overview (session 1 from Architect to Ar...
Denodo Data Virtualization Platform: Overview (session 1 from Architect to Ar...Denodo Data Virtualization Platform: Overview (session 1 from Architect to Ar...
Denodo Data Virtualization Platform: Overview (session 1 from Architect to Ar...
 
Principios de diseño para procesos de ETL
Principios de diseño para procesos de ETLPrincipios de diseño para procesos de ETL
Principios de diseño para procesos de ETL
 
SAP Migration Overview
SAP Migration OverviewSAP Migration Overview
SAP Migration Overview
 

Similar a Cómo simplificar las arquitecturas híbridas y multi-cloud con la virtualización de datos (LATAM)

Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...
Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...
Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...Denodo
 
Transición a la Nube: Retos y Estrategias
Transición a la Nube: Retos y EstrategiasTransición a la Nube: Retos y Estrategias
Transición a la Nube: Retos y EstrategiasDenodo
 
Computación en la Nube
Computación en la  NubeComputación en la  Nube
Computación en la NubeAnyeni Garay
 
Presentacion perpectiva 1
Presentacion perpectiva 1Presentacion perpectiva 1
Presentacion perpectiva 1Gary Carvajal
 
Presentacion perpectiva
Presentacion perpectivaPresentacion perpectiva
Presentacion perpectivaGary Carvajal
 
Computacion en la nube
Computacion en la nubeComputacion en la nube
Computacion en la nubeCesar Lara
 
Guia power data_transicion_cloud
Guia power data_transicion_cloudGuia power data_transicion_cloud
Guia power data_transicion_cloudEfrain Diaz
 
Ex Mba S3 Por La Nube Grupo B
Ex Mba S3 Por La Nube Grupo BEx Mba S3 Por La Nube Grupo B
Ex Mba S3 Por La Nube Grupo BCarlos V
 
Data Mesh: ¿Qué es y qué tecnologías facilitan su implementación?
Data Mesh: ¿Qué es y qué tecnologías facilitan su implementación?Data Mesh: ¿Qué es y qué tecnologías facilitan su implementación?
Data Mesh: ¿Qué es y qué tecnologías facilitan su implementación?Denodo
 
NubeAzure.pdf
NubeAzure.pdfNubeAzure.pdf
NubeAzure.pdfhefloca
 
Computación en nube
Computación en nubeComputación en nube
Computación en nubemdcanabal
 
Computación en nube
Computación en nubeComputación en nube
Computación en nubemdcanabal
 
Computación en la nube
Computación en la nubeComputación en la nube
Computación en la nubeMafer29
 
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...Denodo
 
CLOUD COMPUTING.pdf
CLOUD COMPUTING.pdfCLOUD COMPUTING.pdf
CLOUD COMPUTING.pdfalfredo14849
 
Computacion en la nube y pocisionamiento web
Computacion en la nube y pocisionamiento webComputacion en la nube y pocisionamiento web
Computacion en la nube y pocisionamiento webargenisulloa3
 

Similar a Cómo simplificar las arquitecturas híbridas y multi-cloud con la virtualización de datos (LATAM) (20)

Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...
Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...
Caso Walmart y Denodo: ¿Cómo afrontar con éxito la transición a la nube de la...
 
Transición a la Nube: Retos y Estrategias
Transición a la Nube: Retos y EstrategiasTransición a la Nube: Retos y Estrategias
Transición a la Nube: Retos y Estrategias
 
Computación en la Nube
Computación en la  NubeComputación en la  Nube
Computación en la Nube
 
Presentacion perpectiva 1
Presentacion perpectiva 1Presentacion perpectiva 1
Presentacion perpectiva 1
 
Presentacion perpectiva
Presentacion perpectivaPresentacion perpectiva
Presentacion perpectiva
 
Cedes cloud 2013 ronald vargas quesada
Cedes cloud 2013 ronald vargas quesadaCedes cloud 2013 ronald vargas quesada
Cedes cloud 2013 ronald vargas quesada
 
Computacion en la nube
Computacion en la nubeComputacion en la nube
Computacion en la nube
 
Guia power data_transicion_cloud
Guia power data_transicion_cloudGuia power data_transicion_cloud
Guia power data_transicion_cloud
 
Ex Mba S3 Por La Nube Grupo B
Ex Mba S3 Por La Nube Grupo BEx Mba S3 Por La Nube Grupo B
Ex Mba S3 Por La Nube Grupo B
 
Data Mesh: ¿Qué es y qué tecnologías facilitan su implementación?
Data Mesh: ¿Qué es y qué tecnologías facilitan su implementación?Data Mesh: ¿Qué es y qué tecnologías facilitan su implementación?
Data Mesh: ¿Qué es y qué tecnologías facilitan su implementación?
 
NubeAzure.pdf
NubeAzure.pdfNubeAzure.pdf
NubeAzure.pdf
 
Computación en la nube
Computación en la nubeComputación en la nube
Computación en la nube
 
Computación en nube
Computación en nubeComputación en nube
Computación en nube
 
Computación en nube
Computación en nubeComputación en nube
Computación en nube
 
Cloud computing
Cloud computingCloud computing
Cloud computing
 
Computación en la nube
Computación en la nubeComputación en la nube
Computación en la nube
 
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
Mejorar la toma de decisiones y reducir costes con el Logical Data Warehouse ...
 
CLOUD COMPUTING.pdf
CLOUD COMPUTING.pdfCLOUD COMPUTING.pdf
CLOUD COMPUTING.pdf
 
Nube internet
Nube internetNube internet
Nube internet
 
Computacion en la nube y pocisionamiento web
Computacion en la nube y pocisionamiento webComputacion en la nube y pocisionamiento web
Computacion en la nube y pocisionamiento web
 

Más de Denodo

Enterprise Monitoring and Auditing in Denodo
Enterprise Monitoring and Auditing in DenodoEnterprise Monitoring and Auditing in Denodo
Enterprise Monitoring and Auditing in DenodoDenodo
 
Lunch and Learn ANZ: Mastering Cloud Data Cost Control: A FinOps Approach
Lunch and Learn ANZ: Mastering Cloud Data Cost Control: A FinOps ApproachLunch and Learn ANZ: Mastering Cloud Data Cost Control: A FinOps Approach
Lunch and Learn ANZ: Mastering Cloud Data Cost Control: A FinOps ApproachDenodo
 
Achieving Self-Service Analytics with a Governed Data Services Layer
Achieving Self-Service Analytics with a Governed Data Services LayerAchieving Self-Service Analytics with a Governed Data Services Layer
Achieving Self-Service Analytics with a Governed Data Services LayerDenodo
 
What you need to know about Generative AI and Data Management?
What you need to know about Generative AI and Data Management?What you need to know about Generative AI and Data Management?
What you need to know about Generative AI and Data Management?Denodo
 
Mastering Data Compliance in a Dynamic Business Landscape
Mastering Data Compliance in a Dynamic Business LandscapeMastering Data Compliance in a Dynamic Business Landscape
Mastering Data Compliance in a Dynamic Business LandscapeDenodo
 
Denodo Partner Connect: Business Value Demo with Denodo Demo Lite
Denodo Partner Connect: Business Value Demo with Denodo Demo LiteDenodo Partner Connect: Business Value Demo with Denodo Demo Lite
Denodo Partner Connect: Business Value Demo with Denodo Demo LiteDenodo
 
Expert Panel: Overcoming Challenges with Distributed Data to Maximize Busines...
Expert Panel: Overcoming Challenges with Distributed Data to Maximize Busines...Expert Panel: Overcoming Challenges with Distributed Data to Maximize Busines...
Expert Panel: Overcoming Challenges with Distributed Data to Maximize Busines...Denodo
 
Drive Data Privacy Regulatory Compliance
Drive Data Privacy Regulatory ComplianceDrive Data Privacy Regulatory Compliance
Drive Data Privacy Regulatory ComplianceDenodo
 
Знакомство с виртуализацией данных для профессионалов в области данных
Знакомство с виртуализацией данных для профессионалов в области данныхЗнакомство с виртуализацией данных для профессионалов в области данных
Знакомство с виртуализацией данных для профессионалов в области данныхDenodo
 
Data Democratization: A Secret Sauce to Say Goodbye to Data Fragmentation
Data Democratization: A Secret Sauce to Say Goodbye to Data FragmentationData Democratization: A Secret Sauce to Say Goodbye to Data Fragmentation
Data Democratization: A Secret Sauce to Say Goodbye to Data FragmentationDenodo
 
Denodo Partner Connect - Technical Webinar - Ask Me Anything
Denodo Partner Connect - Technical Webinar - Ask Me AnythingDenodo Partner Connect - Technical Webinar - Ask Me Anything
Denodo Partner Connect - Technical Webinar - Ask Me AnythingDenodo
 
Lunch and Learn ANZ: Key Takeaways for 2023!
Lunch and Learn ANZ: Key Takeaways for 2023!Lunch and Learn ANZ: Key Takeaways for 2023!
Lunch and Learn ANZ: Key Takeaways for 2023!Denodo
 
It’s a Wrap! 2023 – A Groundbreaking Year for AI and The Way Forward
It’s a Wrap! 2023 – A Groundbreaking Year for AI and The Way ForwardIt’s a Wrap! 2023 – A Groundbreaking Year for AI and The Way Forward
It’s a Wrap! 2023 – A Groundbreaking Year for AI and The Way ForwardDenodo
 
Quels sont les facteurs-clés de succès pour appliquer au mieux le RGPD à votr...
Quels sont les facteurs-clés de succès pour appliquer au mieux le RGPD à votr...Quels sont les facteurs-clés de succès pour appliquer au mieux le RGPD à votr...
Quels sont les facteurs-clés de succès pour appliquer au mieux le RGPD à votr...Denodo
 
Lunch and Learn ANZ: Achieving Self-Service Analytics with a Governed Data Se...
Lunch and Learn ANZ: Achieving Self-Service Analytics with a Governed Data Se...Lunch and Learn ANZ: Achieving Self-Service Analytics with a Governed Data Se...
Lunch and Learn ANZ: Achieving Self-Service Analytics with a Governed Data Se...Denodo
 
How to Build Your Data Marketplace with Data Virtualization?
How to Build Your Data Marketplace with Data Virtualization?How to Build Your Data Marketplace with Data Virtualization?
How to Build Your Data Marketplace with Data Virtualization?Denodo
 
Webinar #2 - Transforming Challenges into Opportunities for Credit Unions
Webinar #2 - Transforming Challenges into Opportunities for Credit UnionsWebinar #2 - Transforming Challenges into Opportunities for Credit Unions
Webinar #2 - Transforming Challenges into Opportunities for Credit UnionsDenodo
 
Enabling Data Catalog users with advanced usability
Enabling Data Catalog users with advanced usabilityEnabling Data Catalog users with advanced usability
Enabling Data Catalog users with advanced usabilityDenodo
 
Denodo Partner Connect: Technical Webinar - Architect Associate Certification...
Denodo Partner Connect: Technical Webinar - Architect Associate Certification...Denodo Partner Connect: Technical Webinar - Architect Associate Certification...
Denodo Partner Connect: Technical Webinar - Architect Associate Certification...Denodo
 
GenAI y el futuro de la gestión de datos: mitos y realidades
GenAI y el futuro de la gestión de datos: mitos y realidadesGenAI y el futuro de la gestión de datos: mitos y realidades
GenAI y el futuro de la gestión de datos: mitos y realidadesDenodo
 

Más de Denodo (20)

Enterprise Monitoring and Auditing in Denodo
Enterprise Monitoring and Auditing in DenodoEnterprise Monitoring and Auditing in Denodo
Enterprise Monitoring and Auditing in Denodo
 
Lunch and Learn ANZ: Mastering Cloud Data Cost Control: A FinOps Approach
Lunch and Learn ANZ: Mastering Cloud Data Cost Control: A FinOps ApproachLunch and Learn ANZ: Mastering Cloud Data Cost Control: A FinOps Approach
Lunch and Learn ANZ: Mastering Cloud Data Cost Control: A FinOps Approach
 
Achieving Self-Service Analytics with a Governed Data Services Layer
Achieving Self-Service Analytics with a Governed Data Services LayerAchieving Self-Service Analytics with a Governed Data Services Layer
Achieving Self-Service Analytics with a Governed Data Services Layer
 
What you need to know about Generative AI and Data Management?
What you need to know about Generative AI and Data Management?What you need to know about Generative AI and Data Management?
What you need to know about Generative AI and Data Management?
 
Mastering Data Compliance in a Dynamic Business Landscape
Mastering Data Compliance in a Dynamic Business LandscapeMastering Data Compliance in a Dynamic Business Landscape
Mastering Data Compliance in a Dynamic Business Landscape
 
Denodo Partner Connect: Business Value Demo with Denodo Demo Lite
Denodo Partner Connect: Business Value Demo with Denodo Demo LiteDenodo Partner Connect: Business Value Demo with Denodo Demo Lite
Denodo Partner Connect: Business Value Demo with Denodo Demo Lite
 
Expert Panel: Overcoming Challenges with Distributed Data to Maximize Busines...
Expert Panel: Overcoming Challenges with Distributed Data to Maximize Busines...Expert Panel: Overcoming Challenges with Distributed Data to Maximize Busines...
Expert Panel: Overcoming Challenges with Distributed Data to Maximize Busines...
 
Drive Data Privacy Regulatory Compliance
Drive Data Privacy Regulatory ComplianceDrive Data Privacy Regulatory Compliance
Drive Data Privacy Regulatory Compliance
 
Знакомство с виртуализацией данных для профессионалов в области данных
Знакомство с виртуализацией данных для профессионалов в области данныхЗнакомство с виртуализацией данных для профессионалов в области данных
Знакомство с виртуализацией данных для профессионалов в области данных
 
Data Democratization: A Secret Sauce to Say Goodbye to Data Fragmentation
Data Democratization: A Secret Sauce to Say Goodbye to Data FragmentationData Democratization: A Secret Sauce to Say Goodbye to Data Fragmentation
Data Democratization: A Secret Sauce to Say Goodbye to Data Fragmentation
 
Denodo Partner Connect - Technical Webinar - Ask Me Anything
Denodo Partner Connect - Technical Webinar - Ask Me AnythingDenodo Partner Connect - Technical Webinar - Ask Me Anything
Denodo Partner Connect - Technical Webinar - Ask Me Anything
 
Lunch and Learn ANZ: Key Takeaways for 2023!
Lunch and Learn ANZ: Key Takeaways for 2023!Lunch and Learn ANZ: Key Takeaways for 2023!
Lunch and Learn ANZ: Key Takeaways for 2023!
 
It’s a Wrap! 2023 – A Groundbreaking Year for AI and The Way Forward
It’s a Wrap! 2023 – A Groundbreaking Year for AI and The Way ForwardIt’s a Wrap! 2023 – A Groundbreaking Year for AI and The Way Forward
It’s a Wrap! 2023 – A Groundbreaking Year for AI and The Way Forward
 
Quels sont les facteurs-clés de succès pour appliquer au mieux le RGPD à votr...
Quels sont les facteurs-clés de succès pour appliquer au mieux le RGPD à votr...Quels sont les facteurs-clés de succès pour appliquer au mieux le RGPD à votr...
Quels sont les facteurs-clés de succès pour appliquer au mieux le RGPD à votr...
 
Lunch and Learn ANZ: Achieving Self-Service Analytics with a Governed Data Se...
Lunch and Learn ANZ: Achieving Self-Service Analytics with a Governed Data Se...Lunch and Learn ANZ: Achieving Self-Service Analytics with a Governed Data Se...
Lunch and Learn ANZ: Achieving Self-Service Analytics with a Governed Data Se...
 
How to Build Your Data Marketplace with Data Virtualization?
How to Build Your Data Marketplace with Data Virtualization?How to Build Your Data Marketplace with Data Virtualization?
How to Build Your Data Marketplace with Data Virtualization?
 
Webinar #2 - Transforming Challenges into Opportunities for Credit Unions
Webinar #2 - Transforming Challenges into Opportunities for Credit UnionsWebinar #2 - Transforming Challenges into Opportunities for Credit Unions
Webinar #2 - Transforming Challenges into Opportunities for Credit Unions
 
Enabling Data Catalog users with advanced usability
Enabling Data Catalog users with advanced usabilityEnabling Data Catalog users with advanced usability
Enabling Data Catalog users with advanced usability
 
Denodo Partner Connect: Technical Webinar - Architect Associate Certification...
Denodo Partner Connect: Technical Webinar - Architect Associate Certification...Denodo Partner Connect: Technical Webinar - Architect Associate Certification...
Denodo Partner Connect: Technical Webinar - Architect Associate Certification...
 
GenAI y el futuro de la gestión de datos: mitos y realidades
GenAI y el futuro de la gestión de datos: mitos y realidadesGenAI y el futuro de la gestión de datos: mitos y realidades
GenAI y el futuro de la gestión de datos: mitos y realidades
 

Último

AREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf SantiagoAREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf SantiagoSantiagoRodriguezLoz
 
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRILPREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRILeluniversocom
 
Módulo mapa de riesgos de tienda de abarrotes
Módulo mapa de riesgos de tienda de abarrotesMódulo mapa de riesgos de tienda de abarrotes
Módulo mapa de riesgos de tienda de abarrotessald071205mmcnrna9
 
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRILPREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRILeluniversocom
 
El guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptxEl guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptxAngelaMarquez27
 
que son los planes de ordenamiento predial POP.pptx
que son los planes de ordenamiento predial  POP.pptxque son los planes de ordenamiento predial  POP.pptx
que son los planes de ordenamiento predial POP.pptxSergiothaine2
 
2024 2024 202420242024PPT SESIÓN 03.pptx
2024 2024 202420242024PPT SESIÓN 03.pptx2024 2024 202420242024PPT SESIÓN 03.pptx
2024 2024 202420242024PPT SESIÓN 03.pptxccordovato
 
MAPA DE RIESGOS DE UN ZOOLOGICO ..pdf
MAPA DE RIESGOS DE UN ZOOLOGICO    ..pdfMAPA DE RIESGOS DE UN ZOOLOGICO    ..pdf
MAPA DE RIESGOS DE UN ZOOLOGICO ..pdfCamilaArzate2
 
Análisis de un mapa de riesgos de una tortillería
Análisis de un mapa de riesgos de una tortillería Análisis de un mapa de riesgos de una tortillería
Análisis de un mapa de riesgos de una tortillería yocelynsanchezerasmo
 
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADORPREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOReluniversocom
 
Niveles de organización biologica clase de biologia
Niveles de organización biologica clase de biologiaNiveles de organización biologica clase de biologia
Niveles de organización biologica clase de biologiatongailustraconcienc
 
Mapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdfMapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdfhees071224mmcrpna1
 
Croquis de riesgo de trabajo gasolinera.pdf
Croquis de riesgo de trabajo gasolinera.pdfCroquis de riesgo de trabajo gasolinera.pdf
Croquis de riesgo de trabajo gasolinera.pdfhernestosoto82
 
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdfINTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdfmaryisabelpantojavar
 
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docxmarthaarroyo16
 
PREGUNTA I DE LA CONSULTA POPULAR DEL 21 DE ABRIL
PREGUNTA I DE LA CONSULTA POPULAR DEL 21 DE ABRILPREGUNTA I DE LA CONSULTA POPULAR DEL 21 DE ABRIL
PREGUNTA I DE LA CONSULTA POPULAR DEL 21 DE ABRILeluniversocom
 
Las familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdfLas familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdfJC Díaz Herrera
 
FORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASOFORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASOsecundariatecnica891
 
Mapa de riesgos de un taller mecánico 405
Mapa de riesgos de un taller mecánico 405Mapa de riesgos de un taller mecánico 405
Mapa de riesgos de un taller mecánico 405rodrimarxim
 
stellaire vinos de mora SAS proyecto de vino mora
stellaire vinos de mora SAS proyecto de vino morastellaire vinos de mora SAS proyecto de vino mora
stellaire vinos de mora SAS proyecto de vino moraYessicaBrigithArdila
 

Último (20)

AREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf SantiagoAREA TECNOLOGIA E INFORMATICA.pdf Santiago
AREA TECNOLOGIA E INFORMATICA.pdf Santiago
 
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRILPREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA H DE CONSULTA POPULAR 21 DE ABRIL
 
Módulo mapa de riesgos de tienda de abarrotes
Módulo mapa de riesgos de tienda de abarrotesMódulo mapa de riesgos de tienda de abarrotes
Módulo mapa de riesgos de tienda de abarrotes
 
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRILPREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
PREGUNTA G DE CONSULTA POPULAR 21 DE ABRIL
 
El guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptxEl guion museográfico. definición. componentes. parte 1.pptx
El guion museográfico. definición. componentes. parte 1.pptx
 
que son los planes de ordenamiento predial POP.pptx
que son los planes de ordenamiento predial  POP.pptxque son los planes de ordenamiento predial  POP.pptx
que son los planes de ordenamiento predial POP.pptx
 
2024 2024 202420242024PPT SESIÓN 03.pptx
2024 2024 202420242024PPT SESIÓN 03.pptx2024 2024 202420242024PPT SESIÓN 03.pptx
2024 2024 202420242024PPT SESIÓN 03.pptx
 
MAPA DE RIESGOS DE UN ZOOLOGICO ..pdf
MAPA DE RIESGOS DE UN ZOOLOGICO    ..pdfMAPA DE RIESGOS DE UN ZOOLOGICO    ..pdf
MAPA DE RIESGOS DE UN ZOOLOGICO ..pdf
 
Análisis de un mapa de riesgos de una tortillería
Análisis de un mapa de riesgos de una tortillería Análisis de un mapa de riesgos de una tortillería
Análisis de un mapa de riesgos de una tortillería
 
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADORPREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
PREGUNTA E REFÉRENDUM 21 DE ABRIL ECUADOR
 
Niveles de organización biologica clase de biologia
Niveles de organización biologica clase de biologiaNiveles de organización biologica clase de biologia
Niveles de organización biologica clase de biologia
 
Mapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdfMapa de riesgos de un cine, equipo 4.pdf
Mapa de riesgos de un cine, equipo 4.pdf
 
Croquis de riesgo de trabajo gasolinera.pdf
Croquis de riesgo de trabajo gasolinera.pdfCroquis de riesgo de trabajo gasolinera.pdf
Croquis de riesgo de trabajo gasolinera.pdf
 
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdfINTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
INTRODUCCION A LA ESTADISTICA RECOLECCION DE DATOS.pdf
 
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
17 PRACTICAS - MODALIDAAD FAMILIAAR.docx
 
PREGUNTA I DE LA CONSULTA POPULAR DEL 21 DE ABRIL
PREGUNTA I DE LA CONSULTA POPULAR DEL 21 DE ABRILPREGUNTA I DE LA CONSULTA POPULAR DEL 21 DE ABRIL
PREGUNTA I DE LA CONSULTA POPULAR DEL 21 DE ABRIL
 
Las familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdfLas familias más ricas dentro del sionismo (2024).pdf
Las familias más ricas dentro del sionismo (2024).pdf
 
FORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASOFORMATO INVENTARIO MOBILIARIO PASO A PASO
FORMATO INVENTARIO MOBILIARIO PASO A PASO
 
Mapa de riesgos de un taller mecánico 405
Mapa de riesgos de un taller mecánico 405Mapa de riesgos de un taller mecánico 405
Mapa de riesgos de un taller mecánico 405
 
stellaire vinos de mora SAS proyecto de vino mora
stellaire vinos de mora SAS proyecto de vino morastellaire vinos de mora SAS proyecto de vino mora
stellaire vinos de mora SAS proyecto de vino mora
 

Cómo simplificar las arquitecturas híbridas y multi-cloud con la virtualización de datos (LATAM)

  • 1. 1
  • 2. Speakers Anastasio Molano SVP, Technology and Solutions Mario Bianchi Gerente Unidad de Desarrollo Hernán Peroceschi Gerente Comercial
  • 3. Quiénes somos ✓ + de 35 profesionales ✓ +de 12 años en el mercado corporativo IT ✓ Cobertura Regional en Latinoamérica ✓ Clientes de más de 10 años ✓ Crecimiento sostenido interanual ✓ Innovación y Conocimiento (ADN) Dirección de Servicios de Infraestructura Dirección de Middleware e Integraciones Dirección de Desarrollo, IOT e Innovación Digital ✓ Implementación de proyectos de Integración de aplicaciones ✓ Consultoría s/ arquitecturas complejas – On premise y Cloud ✓ Assessment de infraestructura y Middleware ✓ Tuning de performance y seguridad ✓ Consolidación de servidores ✓ Soporte y mantenimiento de plataformas ✓ Desarrollo de Apps Mobile y Web ✓ Desarrollo de integraciones (3 capas) ✓ Desarrollo e implementación de proyectos IOT
  • 4. ➢ Estamos transitando la era de la innovación (Supervivencia del más Rápido) ➢ La Transformación digital dejo de ser un tema a futuro para las empresas para transformarse en algo OBLIGATORIO. ➢ Cualquier estrategia de Transformación digital debe estar basada en una Estrategia de los Datos ➢ Los datos son el Combustible de la transformación ➢ Los datos hablan de alguna manera de cual es el comportamiento digital de una persona o una empresa. ➢ El desafío del manejo de los datos es convertirlos en valor para la empresa; transformar esa información no estructurada, que no tiene un parámetro y que está disgregada en diferentes sistemas y formatos. ➢ La necesidad incentiva la innovación y en Latinoamérica están dadas las condiciones para salir a cultivarla…. ¿Por qué nos acercamos a Denodo?
  • 5. Agenda • La transición a la nube y desafíos • La virtualización de datos: base para una arquitectura de Fábrica de Datos lógica • Casos de Uso y Ejemplos de Clientes 1. Migración a la Nube (sin disrupción ni riesgos) 2. Capa de Seguridad Unificada para fuentes Cloud 3. Data Hub analítico en la nube 4. Arquitectura Multi-nube basada en una fábrica de datos 5. Integración de Aplicaciones SaaS • Demo: migración a la nube • Siguientes pasos • Preguntas y respuestas
  • 6. La transición a la nube y desafíos
  • 7. 7 Fases típicas en la migración a la nube All systems are on-premise. Using traditional databases, etc. – maybe an on-premise Hadoop cluster. Lots of ETL pipelines. Systems are now on-premise and in the Cloud – initially hosted by the preferred Cloud provider. The data is balanced across the different environments although the bulk of the data is initially on-premise. ETL-style data movement is often used to move data from on-premise systems to Cloud-based analytical systems. The systems are more complex and users need to be able to find and access data from on- premise and Cloud locations. In reality, this is a hybrid/multi-Cloud environment, with systems in multiple Clouds (AWS, Azure, GCP, Salesforce, etc.) and a few legacy systems still on-premise. The environment is even more complex as workloads can move between Cloud providers to take advantage of new capabilities, cost optimization, etc. Users still need to find and access data in this environment. System modernization initiatives move applications and data to the Cloud. For critical systems, this migration is typically a phased approach over a period of months (or years). On- Premise Transition to Cloud Hybrid Single Cloud Multi- Cloud Systems have moved to the Cloud (although some systems are still on-premise and cannot be moved to the Cloud). The ‘center of gravity’ for data is solidly in the Cloud. More processing and data integration occurs in the Cloud. Data is moved from on-premise systems to the Cloud using ETL. User data access is predominantly from Cloud systems.
  • 8. La Virtualización de Datos: base para una arquitectura de Fábrica de Datos lógica
  • 10. 10 La Fábrica de Datos Según Forrester, el Data Fabric (tejido de datos) “ofrece una vista completa, unificada y confiable de los datos de negocio, producida mediante la coordinación de fuentes de datos de una manera automática, inteligente y segura que puede procesar grandes volúmenes de datos”. “La clave de una Fábrica de Datos es conseguir consolidar multitud de fuentes de datos dispersas de una forma eficiente para permitir la entrega de datos confiables desde las fuentes relevantes a las aplicaciones de negocio a través de una capa de acceso común”.
  • 11. 11 Capa unificada de integración y de provisión de datos al negocio 4. Datos confiables: garantiza una semántica consistente, el gobierno de los datos y la seguridad de acceso a la información 5. Acceso desde cualquier herramienta / protocolo / API – Catálogo activo: habilita un data marketplace para el negocio 6. Hasta un 80% de reducción del time to market para provisionar datos al negocio, ahorro significativo en costes 1. Único punto lógico de acceso a datos – independencia de la ubicación de los datos 2. Datos entregados en una forma amigable para el negocio – capa semántica 3. Datos adaptados a las necesidades de cada línea de negocio, tipo de usuario y aplicación
  • 12. 12 Capa Virtual de Provisión de Datos Development Lifecycle Mgmt Monitoring & Audit Governance Security Development Tools and SDK Scheduled Tasks Data Caching Query Optimizer JDBC/ODBC/ADO.Net SOAP / REST WS U Customer 360 View Virtual Data Mart View J Application Layer Business Layer Unified View Unified View Unified View Unified View A J J Derived View Derived View J J S Transformation & Cleansing Data Source Layer Base View Base View Base View Base View Base View Base View Base View Abstraction
  • 13. ¿Qué ofrece la virtualización de datos para la nube híbrida/multi- cloud?
  • 14. Arquitectura de Referencia Virtualización de Datos La arquitectura lógica es independiente de la ubicación de fuentes y consumidores de datos 14
  • 15. Propuesta de Valor para la nube híbrida y multi-nube La virtualización de datos facilita el acceso a los datos independientemente de dónde residan 15 • Independencia de localización: acceso a datos en cualquier ubicación (on-prem, nube); capa semántica para el negocio que oculta toda la complejidad. • Arquitectura jerárquica multi-ubicación para la nube: • Denodo delega el proceso a instancias remotas que pueden realizar proceso local minimizando el tránsito de datos entre las distintas localizaciones. • La arquitectura de seguridad se simplifica ya que no es necesario abrir tantos puertos (Denodo funciona como un gateway seguro). • Capa de Gobierno y seguridad centralizadas: Denodo garantiza las reglas de gobierno de la organización en la capa semántica. Las reglas de autorización pueden definirse en un solo punto simplificando la arquitectura de seguridad.
  • 16. Denodo en una arquitectura Híbrida / Multi-nube 16
  • 17. 17 Arquitectura jerárquica Multi-capa El proceso local en regiones remotas minimiza el tránsito de datos entre sistemas on-prem y nube. 17 On-premise Amazon EC2 10 M rows 5 M rows JOIN Result: 20,000 rows Client Local Sources
  • 18. 18 Gestión centralizada en Denodo 8 Web-based Management Development Data Catalog Solution Manager Activity Scaling & Infrastructure Web sockets (No need to open firewall on-prem) On-prem data center
  • 19. Casos de Uso y Ejemplos de Clientes
  • 20. 20 Fases típicas en la migración a la nube All systems are on-premise. Using traditional databases, etc. – maybe an on-premise Hadoop cluster. Lots of ETL pipelines. Systems are now on-premise and in the Cloud – initially hosted by the preferred Cloud provider. The data is balanced across the different environments although the bulk of the data is initially on-premise. ETL-style data movement is often used to move data from on-premise systems to Cloud-based analytical systems. The systems are more complex and users need to be able to find and access data from on- premise and Cloud locations. In reality, this is a hybrid/multi-Cloud environment, with systems in multiple Clouds (AWS, Azure, GCP, Salesforce, etc.) and a few legacy systems still on-premise. The environment is even more complex as workloads can move between Cloud providers to take advantage of new capabilities, cost optimization, etc. Users still need to find and access data in this environment. System modernization initiatives move applications and data to the Cloud. For critical systems, this migration is typically a phased approach over a period of months (or years). On- Premise Transition to Cloud Hybrid Single Cloud Multi- Cloud Systems have moved to the Cloud (although some systems are still on-premise and cannot be moved to the Cloud). The ‘center of gravity’ for data is solidly in the Cloud. More processing and data integration occurs in the Cloud. Data is moved from on-premise systems to the Cloud using ETL. User data access is predominantly from Cloud systems. 1 2 3
  • 21. 21 Cloud Data Warehouse Accelerator Migración a la nube de un EDW DATA VIRTUALIZATION EDW Cloud Data Lake On-prem data center Actual Data Migration (AWS DMS, Azure Data Factory, etc) Sales (Interface View) bv_edw_sales bv_snowflake_sales
  • 22. 22 Cloud Data Warehouse Accelerator Migración a la nube (sin disrupción al negocio ni riesgos)
  • 23. 23 Cloud Data Warehouse Accelerator Migración a la nube (sin disrupción al negocio ni riesgos)
  • 24. 24 Capa de Seguridad Unificada para fuentes Cloud La virtualización hace de “gate keeper to the cloud” ▪ Integración de usuarios (LDAP, AD) con soporte para proveedores de identidad en la nube (Azure AD, Okta, PingFederate, etc.) ▪ Seguridad granular con enmascaramiento de datos ▪ Restricciones a nivel de fila y columna ▪ Masking ▪ Autenticación Multi-factor Active Directory
  • 25. 25 Secure Data Services Layer Security Constraints Geographical Constraints Contractual Client Obligations PII Protection Departmental Restrictions Fast Changing Hadoop & Cloud Technologies Hive, Spark, Redshift Maintaining different code base Discover, Co-relate, Enable Predictive Analytics Text, CSV, Voice, JSON, Streaming, 3rd Party Data 60TB+ structured, 200TB+ telemetry & unstructured data
  • 27. 27 Data Hub Analítico en la Nube Punto de acceso uniforme a fuentes en la nube y on-prem ▪ Acceso mediante un único esquema de datos sin replicación ▪ Permite la combinación de datos entre fuentes independientemente de su naturaleza y ubicación ▪ Definición de un modelo semántico común Active Directory Data Center Cloud
  • 29. Analytics in the Azure Cloud Logical Data Lake for Data Science 29
  • 30. 30 Arquitectura Multi-nube basada en una Fábrica de Datos Amazon RDS, Aurora US East Availability Zone EMEA Availability Zone On-prem data center
  • 31. 31 Cloud Data Warehouse Accelerator Arquitectura Multi-nube basada en una Fábrica de Datos
  • 32. 32 Cloud Data Warehouse Accelerator Arquitectura Multi-Nube basada en una Fábrica de Datos
  • 33. 33 Integración de aplicaciones SaaS Permite a una aplicación de reporting trabajar con cualquier API SaaS: ▪ SQL-to-SaaS: abstrae el API SaaS (REST) como parte del model relacional ▪ Acceso en Tiempo Real: Evita la replicación de datos en la nube hacia el data center ▪ Enfoque relacional para integrar diferentes aplicaciones SaaS
  • 34. Cloud Grupo Empresario Financial Services Latam Caso de uso : Migracion multiples instancias ERP en grupo empresario, manteniendo Vistas de cliente 360 No SQL MS SQL Oracle SAP 1 SAP 2 ERP 3 ERP 4 Virtualización Datos Fuentes de datos SAP 1 SAP 2 ERP 3 ERP 4 Aplicaciones enriquecidas con vistas de cliente 360 Usuarios negocio Denodo Connectar Denodo Consumir Denodo Combinar REST API Acceso SQL Self Service On Prem On Prem On Prem Cloud
  • 35. Demostración: Migración a la Nube con Virtualización de Datos
  • 36. 1. La virtualización de datos simplifica la arquitectura en entornos híbridos y multi-nube 1. Acelera la migración a la nube y minimiza los riesgos asociados. 2. La virtualización juega un papel clave en todas las fases de la migración a la nube: 1. Mitiga los riesgos y el impacto asociados a una migración a la nube. 2. Facilita el acceso a los datos en entornos híbridos/multi- nube 3. Ofrece una capa de Seguridad: unificada minimiza los riesgos en la nube 4. Base para una Fábrica de Datos lógica con acceso global con gestión centralizada Conclusiones
  • 38. Q&A
  • 39. ¡Gracias por vuestra participación! Anastasio Molano SVP, Technology and Solutions DENODO Mario Bianchi Gerente Unidad de Desarrollo VAULT IT Hernán Peroceschi Gerente Comercial VAULT IT www.denodo.com info.la@denodo.com (+34) 912 77 58 55 www.vault-it.com.ar/ info@vault-it.com.ar +54 11 5368 9353