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