big data, ¿hacia dónde vamos? · 15 uso de niveles de analítica en las organizaciones...

www.iic.uam.es27 de mayo de 2016

Big Data, ¿hacia dónde vamos?

www.iic.uam.es 2

www.iic.uam.es 3

Gartner`s Hype Cycle of emerging technologies

www.iic.uam.es 4

Ciclo de la tecnología según Gartner

www.iic.uam.es 5

Ciclo de la tecnología según Gartner

www.iic.uam.es 6

Ciclo de la tecnología según Gartner

www.iic.uam.es 7

www.iic.uam.es 8

Visión estratégica

Niveles de

analítica

Analítica prescriptiva

Cuál es la mejor estrategia

Analítica predictiva

Qué va a pasar

Analítica descriptiva

Qué pasa ahora

www.iic.uam.es 9

Analítica descriptiva

www.iic.uam.es 10

Analítica descriptiva

www.iic.uam.es 11

Analítica descriptiva

www.iic.uam.es 12

Analítica predictiva

www.iic.uam.es 13

Analítica predictiva

www.iic.uam.es 14

Analítica predictiva

www.iic.uam.es 15

Uso de niveles de analítica en las organizaciones

Analítica

predictiva13%

Analítica prescriptiva

3%

Analítica descriptiva

84%

Uso niveles

de analítica

www.iic.uam.es 16

Analítica prescriptiva

www.iic.uam.es 17

Analítica prescriptiva

www.iic.uam.es 18

Analítica prescriptiva

www.iic.uam.es 19

Analítica prescriptiva

www.iic.uam.es 20

Analítica prescriptiva

www.iic.uam.es 21

Analítica prescriptiva

www.iic.uam.es 22

¿Cuánto efectivo ha de tener un cajero?

? ?

Predicción a futuro de la

demanda de efectivo

Optimización de los transportes

a realizar

durante los próximos días

??

www.iic.uam.es 23

Garantizar oferta en todas las sucursales

Optimizar transportes

Predicciones Optimización global Planificaciones

Minimizar costes del inmovilizado

www.iic.uam.es 24

www.iic.uam.es 25

www.iic.uam.es 26

Integración de fuentes de datos open

www.iic.uam.es 27

El cortex visual (simplificado)

www.iic.uam.es 28

Neuronas auto-aprendidas en una red neuronal artificial de varias capas

www.iic.uam.es 29

Ejemplos en reconocimiento de imágenes

https://www.microsoft.com/cognitive-services/en-us/emotion-api

www.iic.uam.es 30

Combinación de estilos artísticos

https://github.com/jcjohnson/neural-style

www.iic.uam.es 31

Combinación de estilos artísticos

www.iic.uam.es 32

Combinación de estilos artísticos

www.iic.uam.es 33

Combinación de estilos artísticos

www.iic.uam.es 36

Combinación de estilos artísticos

www.iic.uam.es 37

Redes neuronales profundas para análisis de textos

High dimensional

representation of

a sequence

0.1

0.5

1.0

0.0

2.4

The lazy brown fox jumped over the…

www.iic.uam.es 38

Redes neuronales profundas para análisis de textos

Traducción automática

0.1

0.5

1.0

0.0

2.4

The quick brown fox jumped over the…

Le renard brun rapide saute par dessus…

www.iic.uam.es 39

0.1

0.5

1.0

0.0

2.4

En un lugar de la Mancha

está en su amada,

Generación de lenguaje

Neurocervantes

http://www.iic.uam.es/digital/inteligencia-artificial-escribe-el-quijote/

www.iic.uam.es 40

Redes neuronales profundas para análisis de textos

Descripción de imágenes

0.1

0.5

1.0

0.0

2.4

“A close up of a child holding a stuffed animal”

www.iic.uam.es 41

Generación de descripciones en texto para imágenes

Deep Visual-Semantic

Alignments for Generating

Image Descriptions

http://cs.stanford.edu/people/ka

rpathy/deepimagesent/

www.iic.uam.es 42

Detección de objetos y relaciones en imágenes

Deep Visual-Semantic

Alignments for Generating

Image Descriptions

http://cs.stanford.edu/people/ka

rpathy/deepimagesent/

www.iic.uam.es 43

Aplicaciones

www.iic.uam.es 44

www.iic.uam.es 45

Lynx: Detección de fraude en medios de pago

Objetivo:

Operaciones no financieras:

- Consulta de saldo

- Cambio de PIN

- Consulta de movimientos, etc.

Operaciones financieras:

- Compras

- Retirada de efectivo

- Transferencias

Banca por internet

Banca telefónica Cajeros

OficinasComercios

Minimizar el impacto del fraude en los resultados de las entidades bancarias.

- Recibos

- Recarga de móviles

- Préstamos, etc.

www.iic.uam.es 46

Lynx: Detección de fraude en medios de pago

Más de 23.000 de transacciones procesadas al año

Cifras Lynx:

- Brasil (3)

- Chile (1)

- México (2)

- España (4)

- Reino Unido (2)

- Alemania (1)

- Estados Unidos (2)

Países(Instalaciones )

www.iic.uam.es 47

Detección de anomalías

Detección en tiempo real de patrones fuera de lo común

Lecturas extrañas en medidores

Comportamientos sospechos de componentes o usuarios

Prevención contra ataques del “día cero”

Optimización de campañas de inspección

www.iic.uam.es 48

Detección de anomalías: caudal del sector vs contador

www.iic.uam.es 49

www.iic.uam.es 50

Detección de anomalías: prescripción de mantenimientos

Re

nd

imie

nto

Rendimiento ideal

Tiempo

www.iic.uam.es 51

Detección de anomalías: prescripción de mantenimientos

Mantenimiento

Re

nd

imie

nto

Tiempo

www.iic.uam.es 52

Detección de anomalías: prescripción de mantenimientos

Co

ste

Coste del mantenimiento

Tiempo

Punto ideal

de

mantenimiento

www.iic.uam.es 53

Detección de anomalías: prescripción de mantenimientos

Análisis de sensores Análisis de costes

Prescripciones de mantenimiento

www.iic.uam.es 54

Visión de futuro

www.iic.uam.es 55

Visión de futuro

Mayor uso de las técnicas de análisis de datos en todos los sectores

Evolución y renovación constante en las tecnologías utilizadas

Soluciones de datos de mayor nivel de análisis: predicitivas y

prescriptivas

Integración de toda clase de fuentes de datos, incluyendo imágenes,

textos, GIS, …

www.iic.uam.es

www.iic.uam.es

C/ Francisco Tomás y Valiente, nº 11

EPS, Edificio B, 5ª planta

UAM Cantoblanco. 28049 Madrid

Tel.: (+34) 91 497 2323

Elementos gráficos de apoyo obtenidos en: