Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 343 vistas

    Caso Practico 2

    Cargado por

    dennis carrillo
    El documento describe el proceso de transformación de John Deere para adoptar la inteligencia artificial y la internet de las cosas. John Deere está en la etapa de analítica del modelo de madurez de big data, analizando grandes cantidades de datos de sus máquinas agrícolas para mejorar el rendimiento. La empresa probablemente avanzará a las etapas de gobierno y organización para administrar y monitorear efectivamente sus soluciones de big data a gran escala.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Caso Practico 2

    Cargado por

    dennis carrillo
    343 vistas16 páginas
    El documento describe el proceso de transformación de John Deere para adoptar la inteligencia artificial y la internet de las cosas. John Deere está en la etapa de analítica del modelo de madurez de big data, analizando grandes cantidades de datos de sus máquinas agrícolas para mejorar el rendimiento. La empresa probablemente avanzará a las etapas de gobierno y organización para administrar y monitorear efectivamente sus soluciones de big data a gran escala.

    Descripción original:

    BIG DATA E INTERNET DE LAS COSAS

    Título original

    CASO PRACTICO 2

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe el proceso de transformación de John Deere para adoptar la inteligencia artificial y la internet de las cosas. John Deere está en la etapa de analítica del modelo de madurez de big data, analizando grandes cantidades de datos de sus máquinas agrícolas para mejorar el rendimiento. La empresa probablemente avanzará a las etapas de gobierno y organización para administrar y monitorear efectivamente sus soluciones de big data a gran escala.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    343 vistas16 páginas

    Caso Practico 2

    Cargado por

    dennis carrillo
    El documento describe el proceso de transformación de John Deere para adoptar la inteligencia artificial y la internet de las cosas. John Deere está en la etapa de analítica del modelo de madurez de big data, analizando grandes cantidades de datos de sus máquinas agrícolas para mejorar el rendimiento. La empresa probablemente avanzará a las etapas de gobierno y organización para administrar y monitorear efectivamente sus soluciones de big data a gran escala.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 16

    Hoja de respuestas

    Módulo: Impacto y valor del Big Data


    Nombre y apellidos: Dennis Patricio Carrillo Coello
    Fecha de entrega:
    Caso 1. Diseño de arquitectura para visión cliente 360 º

    Enunciado

    Diseñar la arquitectura funcional de una plataforma big data que proporcione


    una visión 360 º de los clientes. En ella, deberían reflejarse:

    ● Las fuentes de datos que se van a procesar como entrada. Explicar cuáles de
    estas fuentes son estructuradas, semiestructuradas y no estructuradas.
    ● Diferenciar todas las capas de almacenamiento que tendrá la solución.
    Explicar y justificar el porqué de cada una de ellas.

    IMF Business School


    Big Data se refiere a datos masivos que al ser relacionados entre si, dan información
    relevante del comportamiento de datos mas complejos

    Con LoT o internet de las cosas, es posible interactuar con todos los datos desde
    cualquier lugar y en cualquier maquina

    Para diseñar una arquitectura eficiente de Big Data nos hemos enfocado en las siguientes
    funciones:

    • Procesamiento de datos en tiempo real


    • Eficiencia de Procesos
    • Almacenamiento de datos van siendo generado y procesados
    • Análisis de incidencias a partir de datos generados por dispositivos IoT.
    • Optimización de procesos

    IMF Business School


    IMF Business School
    Bases de datos corporativas y Archivo de datos externos: Aquí puede ir catalogado datos
    estructurados y semiestructurados ya que se almacenara todos los datos que las empresas
    tienen registrados y los datos externos que tienen importancia en los datos finales como
    coste de proveedores, datos del sector, etc.
    Datos no estructurados: Datos de redes sociales que son difíciles de separar, al igual que
    datos del internet de las cosas y datos de dispositivos, como patrones en el chat o datos de
    navegación.

    Para llegar a esa arquitectura es necesario evaluar cuales y cuantos dispositivos pueden
    ofrecer estos datos o pueden convertirse en inteligentes a través de sensores capaces de
    recopilar los datos el análisis requerido.

    Almacenes de datos especializados, Hadoop, diseñado para aportar necesidades de análisis


    específicas para un único departamentode la empresa, por ejemplo Marketing,
    Gerenciamiento, Acontecimientos y sucesos, etc…

    IMF Business School


    Apache Sqoop es la librería que hemos elegido ya nos permite importar datos desde un
    almacenamiento de datos estructurado, a Hadoop. Igualmente una vez que hayamos procesado los
    datos con Hadoop podemos exportar el resultado a un base de datos relacional.
    Sqoop nos permite importar datos a otras bases de datos como Hive, además que suministra una
    herramienta desde línea de comando a través de la cual se puede realizar todo el proceso de
    importación y exportación de datos desde una base de datos relacional a un sistema de ficheros
    distribuidos y viceversa.

    Posteriormente usamos Apache Spark, por su velocidad al procesar datos a gran escala, asi como
    también posee Api fáciles de usar para procesamiento de datos a gran escala.
    Tiene gran apertura con lenguajes como Java, R, Phyton y esto facilita la manipulación de datos
    estructurados y semiestructurados.

    Finalmente tenemos a MongoDB que lo hemos elegido por su bajo costo, su veracidad al tener una
    base de datos muy amplia.
    Cualquier ordenador o servidor es ideal para MongoDB y tener un buen servidor para los proyectos

    IMF Business School


    Para el canal de distribución de datos hemos elegido apache Apache Kafka por su baja latencia, alta
    escalabilidad y tolerancia a fallos ; tiene algunos beneficios como:

    - Permite a aplicaciones distribuidas publicar datos en tiempo real a los canales Kafka.
    - Permite a los sistemas consumir datos en tiempo real.
    - Ofrece un catálogo de conectores, que están englobados en Kafka Connect, que te permite de
    manera muy cómoda ingestar datos a tópicos de Kafka o enviar datos desde tópicos de Kafka a otros
    sistemas.

    Incluye un componente para procesado de datos en tiempo real llamado Spark Streams, que no hemos
    utilizado en la implementación que estamos mostrando, que ofrece muy baja latencia y permite aplicar
    transformación de datos.

    IMF Business School


    Trabajamos con tecnologías punteras de procesamiento de datos tales como Kafka y Spark de la suite
    Apache Hadoop, así como tecnologías de visualización en cuadros de mando como Qlik Sense, Power BI .
    Estas tecnologías permiten realizar sistemas de procesamiento de datos capaces de ofrecer a clientes
    información relevante sobre sus procesos productivos que les han permitido analizar y optimizar el
    funcionamiento de su negocio.

    Las ventajas de por ejemplo Power BI y Qlink como visualización es que:


    • Unifica los procesos analíticos: gestiona de manera simultánea los datos e información procedentes
    de diversas plataformas.
    • Es una herramienta visual: La interfaz de Power BI y Qlink nos permite interpretar los datos
    visualizadas con mucha facilidad y de manera ágil.
    • Seguridad y privacidad: se garantiza la seguridad de los datos, ofreciendo rigurosos controles de
    accesibilidad
    • Control y rentabilida: pueden tener el control de todo lo que sucede en la compañía, analizar su
    rendimiento, optimizar su productividad e impulsar su rentabilidad.

    IMF Business School


    Caso 2. Analizar el índice de madurez del modelo de negocio de big data en el
    caso de John Deere.

    Enunciado

    Al final del ejercicio, se proporciona la traducción al español del siguiente artículo:

    Ferguson, S. “John deere bets the farm on AI, IoT”; 2018. [En línea]

    En el texto, se habla del proceso de transformación abordado por el fabricante de


    equipamiento agrícola John Deere. Leer el artículo y, utilizando el índice de madurez del
    modelo de negocio de big data de la figura, hacer un análisis explicando y justificando en
    qué etapa estaría John Deere en el momento que se describe en el artículo y qué etapas
    crees que ha seguido la empresa hasta llegar ahí o, en su caso, qué etapas seguirá
    posteriormente para completar las etapas descritas en el modelo.

    IMF Business School


    IMF Business School
    ORGANIZACION

    IMF Business School


    INFRAESTRUCTURA

    IMF Business School


    ADMINISTRACION DE DATOS

    IMF Business School


    ANALITICA

    IMF Business School


    GOBIERNO

    IMF Business School


    BIBLIOGRAFIA

    - John Deere: facturación neta mundial 2001-2020, https://es.statista.com/estadisticas/600694/ventas-netas-e-


    ingresos-de-john-deere-a-nivel-mundial/
    - “¿Qué Es Power Bi?: Ventajas y Tipos De Licencias - EVOTIC: Transformación Digital Inteligente.” EVOTIC, 17 Sept.
    2021, https://evotic.es/business-intelligence-bi/que-es-power-bi-ventajas-y-tipos-de-licencias/.
    - Admin. “Business Intelligence Archivos - Página 2 De 2 - EVOTIC: Transformación Digital Inteligente.” EVOTIC,
    https://evotic.es/category/business-intelligence-bi/page/2/.
    - Ilabaca, Sebastian. “¿Qué Es Apache Spark?” Analytics10, 6 Feb. 2019, https://www.analytics10.com/que-es-
    apache-spark/.
    - Ventajas y desventajas de MongoDB, https://openwebinars.net/blog/ventajas-y-desventajas-de-mongodb/

    IMF Business School

    También podría gustarte