abordar big data carousel offer

Thought Leadership, documento tcnico

Junio de 2013IBM Software

Las cinco mejores formas de abordar big data

2 Las cinco mejores formas de abordar big data

Big data: una oportunidad de alto riesgoSe acuerda de cmo era el mundo antes de big data? Este trmino est tan extendido en el lenguaje empresarial que a veces nos cuesta recordar que big data es un fenmeno relativamente reciente. Algunos lo consideran como una moda pasajera; sin embargo el volumen de datos que generan las personas, los procesos y las mquinas no para de crecer, por lo que no parece que big data vaya a desaparecer.

No nos engaemos: los datos son valiosos, pero no cuando se pierde el control sobre ellos. En la actual era de la informacin, los recursos ms preciados tambin pueden convertirse en su perdicin si su organizacin no sabe cmo sacarles partido. Por lo tanto la pregunta es: qu se puede hacer con los datos?

Preste atencin a las siguientes situaciones reales:

El fraude en el sector de la atencin sanitaria supone un gasto anual de aproximadamente 250.000 millones de dlares. Se estima que para 2016, la cifra supere los 400.000 millones de dlares al ao.1 En EE.UU., este sector podra generar un valor anual de ms de 300.000 millones de dlares si utilizara big data para mejorar la eficacia y la calidad del servicio prestado.2

En una firma mundial de servicios financieros, un comercial deshonesto gener unas prdidas de 2.000 millones de dlares que casi suponen la quiebra de la empresa. Hoy en da, las instituciones financieras disponen de ms datos para evitar los fraudes externos (clientes, titulares de cuentas o plizas) e internos, as como las incidencias con los clientes.

En Europa, los gobiernos podran ahorrar ms de 100.000 millones de euros (149.000 millones de dlares) con las mejoras operativas que pueden obtenerse con el uso de big data3, sin incluir el uso de big data para reducir el fraude y los errores o mejorar la recaudacin de impuestos.

Los comerciantes minoristas pierden cada ao unos 93.000 millones de dlares por no tener existencias de los productos adecuados para satisfacer las demandas de los clientes. Se estima que gracias a big data, cada comerciante podra incrementar su margen operativo en ms de un 60%.4

En el sector de las telecomunicaciones, 6.000 millones de abonados (una cifra que registra un crecimiento anual de dos dgitos)5 demandan servicios exclusivos, personalizados y localizados que se ajusten a sus estilos de vida.

Ante estos costes y oportunidades, el mercado est preparado para las soluciones de big data. En un reciente estudio realizado por el IBM Institute for Business Value en colaboracin con el Sad Business School de la Universidad de Oxford, se analiz el nivel de actividades de big data realizadas actualmente en las organizaciones de los encuestados. Los resultados obtenidos indican que existen cuatro fases en la adopcin y progresin del big data: Educacin, Exploracin, Organizacin y Ejecucin (vea la figura 1).6

Ejecucin

24% 47% 22% 6%

Recopilacin de informacin y

datos del mercado

Porcentaje de encuestados




Total de encuestados = 1061La suma de los porcentajes no equivale al 100% debido al redondeo.

Identificacin del estado actual de las actividades de big data en las organizaciones de los encuestados.

Patrn de adopcin de big data

Exploracin OrganizacinEducacin

Desarrollo de estrategias y

hojas de ruta en base a los retos y

necesidades del negocio

Iniciativas piloto de big data

para validar los requisitos y el valor

Implementacin de dos o ms iniciativas

de big data y aplicacin de anlisis avanzados

Figura 1. Cuatro fases de la adopcin de big data

3IBM Software

Pese a que solo el 6% de los encuestados usa iniciativas de big data, una cuarta parte tiene en marcha iniciativas piloto, la mitad est en fase de desarrollo de estrategia y en vas de realizar compras de soluciones y otra cuarta parte se encuentra en la fase de recopilacin de informacin.

Si no utiliza ninguna estrategia de big data, tenga en cuenta que probablemente la competencia s la utilice. La dificultad est en determinar en cmo y dnde abordar el big data.

Casos de uso de big dataEn el pasado, gran parte de la actividad del mercado relacionada con big data se ha centrado en el aprendizaje de tecnologas de big data. Por ello, los proveedores no han realizado esfuerzos conjuntos en ayudar a las organizaciones a comprender los problemas que puede abordar big data. Sin embargo, IBM ha sido la excepcin.

Iniciativas como, por ejemplo, las encuestas, el estudio de conclusiones de analistas, las conversaciones mantenidas con ms de 300 clientes y clientes potenciales, as como la implementacin de cientos de soluciones de big data, ha permitido a IBM identificar cinco casos de uso que pueden servir de gua a la hora de adoptar big data:

1. Exploracin de big data: bsqueda, visualizacin ycomprensin de big data para mejorar la toma de decisiones.

2. Perspectiva integral mejorada del cliente: ampliacin de laperspectiva actual de los clientes con la incorporacin defuentes de informacin internas y externas.

3. Mejora de la inteligencia/seguridad: reduccin de riesgos yfraudes y supervisin de la ciberseguridad en tiempo real.

4. Anlisis de operaciones: anlisis de datos informticos paraobtener mejores resultados de negocio y aumentar la eficacia.

5. Modernizacin de los data warehouse: integracin de bigdata con las capacidades de almacenamiento para obtenerperspectivas de negocio y optimizar la infraestructuraexistente.

Caso de uso 1: exploracin de big dataEl primer paso para abordar big data es determinar los recursos de los que dispone y usarlos para mejorar la toma de decisiones, as como las operaciones del da a da. Esto se conoce como exploracin de big data.

La mayora de las conversaciones sobre big data giran en torno a tres dimensiones: volumen, velocidad y variedad. Estos valores identifican las dimensiones de los retos a los que se enfrentan a diario las organizaciones para extraer valor de los recursos de informacin, tomar decisiones ms acertadas, mejorar las operaciones y reducir el riesgo. Toda decisin importante, interaccin con clientes o anlisis requiere informacin de distintas fuentes de datos. La solucin IBM InfoSphere Data Explorer, que forma parte de la plataforma IBM Big Data, permite navegar fcilmente tanto por la informacin de sistemas empresariales como por los datos externos a la organizacin.

El crecimiento del volumen de datos brutos de sensores, registros de sistemas, secuencias de clics, sitios web, etc. plantea otro reto: cmo pueden las organizaciones aadir contexto a estos datos para mejorar los procesos de anlisis y toma de decisiones? Nuevamente, la capacidad de InfoSphere Data Explorer y de otras funciones de la plataforma IBM Big Data para fusionar la informacin de estas fuentes semiestructuradas con los datos empresariales puede aportar contexto que ayuda a las organizaciones a obtener mayor valor de los datos.

Las capacidades de exploracin de big data de IBM ayudan a contener el riesgo. Las organizaciones que no tienen capacidad para explorar su propia informacin corren el riesgo de perder datos confidenciales como, por ejemplo, la informacin de identificacin personal (PII), revelar secretos comerciales o de estrategia a la competencia, as como de no poder recuperar ni comprobar la informacin cuando sea necesario en caso de litigios u otras situaciones de gestin corporativa.


Caso de uso 2: perspectiva integral mejorada del clienteObtener una perspectiva detallada de los clientes (preferencias de hbitos de compra, motivos de cambio, artculos preferidos o razones para recomendar una empresa a otros clientes) es importante para todas las empresas. Sin embargo, esto requiere utilizar las fuentes de informacin internas y externas para evaluar el nimo de los clientes, as como para comprender qu acciones permitirn consolidar las relaciones con estos.

Un reciente informe del IBM Institute for Business Value sobre el uso de big data recomienda a las organizaciones canalizar sus esfuerzos en materia de big data sobre todo en el anlisis de clientes para poder comprender las necesidades de los clientes y anticiparse a futuros comportamientos. En este caso, el trmino cliente se utiliza en sentido general: pacientes en el sector de la atencin sanitaria, funcionarios de la administracin o proveedores del sector de la fabricacin.

Adems de estos anlisis que proporcionan perspectivas estratgicas sobre el comportamiento del cliente, la importancia del enfoque integral se aplica a los empleados de primera lnea. Las organizaciones ms innovadoras reconocen la necesidad de proporcionar a estos profesionales informacin que ayude a comprometer a los clientes, consolidar las relaciones y obtener resultados positivos como, por ejemplo, al solucionar problemas de clientes o fomentar las ventas cruzadas y complementarias de productos. Para ello, estos empleados deben contar con medios para analizar rpidamente grandes volmenes de informacin e identificar las necesidades especficas de los clientes.

IBM InfoSphere Data Explorer trabaja con IBM InfoSphere Master Data Management (MDM) para combinar la informacin en contexto procedente de todas las aplicaciones y repositorios que contienen informacin sobre el cliente (CRM, ECM, cadena de suministro, bases de datos de seguimiento de pedidos, correo electrnico, etc.) y mostrar una perspectiva completa del cliente, sin que el usuario tenga que iniciar sesin y realizar bsquedas en distintos sistemas.

En esta perspectiva unificada, los profesionales en contacto con el cliente tienen acceso a toda la informacin: productos comprados, incidencias recientes, noticias sobre sus empresas, conversaciones recientes, etc. Las noticias de actividad muestran, en el centro de la pantalla, las actualizaciones ms recientes del cliente, el producto u otras entidades. Tambin se muestran anlisis de InfoSphere BigInsights, InfoSphere Streams, IBM Cognos Business Intelligence e IBM SPSS con el contexto de las analticas definidas por la aplicacin. De este modo, el empleado dispone de ms tiempo para interactuar con el cliente de forma personalizada. A su vez, esto ayuda a ofrecer las respuestas adecuadas y a recomendar oportunidades de ventas complementarias. Esta mayor visibilidad fomenta la lealtad del cliente, mejora su satisfaccin y, en ltima instancia, incrementa los ingresos.

Tal como se muestra en la figura 2, la gestin de datos maestros mejora la precisin y fiabilidad de los datos en todos los sistemas de la organizacin. Esta homogeneidad garantiza que las

Es la exploracin de big data el caso de uso adecuado para usted?

Hgase las preguntas siguientes:

Cmo separa el ruido del contenido til? Cmo explora los datos en volmenes de informacin

grandes y complejos? Cmo extrae perspectivas de tipos datos nuevos y no

estructurados (medios sociales y correo electrnico)? Utilizan los usuarios la informacin para tomar decisiones

de negocio acertadas o supone la incapacidad paraacceder a la informacin una traba para las buenasprcticas de negocio?

De qu medios disponen sus empleados para navegar yexplorar contenido de la empresa y externo? Puedeaunarlos en una nica interfaz de usuario?

Cmo identifica las reas de riesgo para los datos antes deque se conviertan en un problema?

Cul es su punto de partida en las iniciativas de big data?

5IBM Software

perspectivas que ofrezca InfoSphere Data Explorer contarn con datos homogneos y precisos sobre las entidades. En cierto modo, InfoSphere Data Explorer proporciona a los usuarios de negocio una interfaz de datos maestros fiables que se combina con otros orgenes de datos estructurados y no estructurados.

Caso de uso 3: mejora de la inteligencia/seguridadPara combatir las nuevas amenazas de seguridad cada vez ms sofisticadas, las organizaciones deben adoptar enfoques que ayuden a detectar anomalas e indicadores de ataques imperceptibles. Muchas de las organizaciones de hoy en da usan tecnologas de big data para argumentar y desarrollar las soluciones de seguridad tradicionales con el fin de mejorar la inteligencia, la seguridad y el cumplimiento de las normativas.

El enfoque de mejora de la seguridad/inteligencia permite a las organizaciones:

Filtrar los datos (tanto internos como externos) para detectarrelaciones ocultas y patrones, as como para evitar amenazas deseguridad.

Detectar casos de fraude al correlacionar el historial deactividad de las cuentas con los datos en tiempo real y, de estemodo, localizar transacciones o comportamientos sospechosos.

Examinar nuevas fuentes de datos para obtener pruebas deactividades delictivas como, por ejemplo, Internet, losdispositivos mviles, las transacciones, el correo electrnico olos medios sociales.

El caso de uso de mejora de la seguridad/inteligencia tiene tres aplicaciones:

1. Mejora de la inteligencia y la vigilancia: las organizacionespueden analizar los datos en movimiento y estticos paralocalizar asociaciones o detectar patrones. Esta perspectiva entiempo real tiene un valor incalculable e incluso vital.

2. Prediccin y lucha contra ataques en tiempo real: Elcreciente nmero de delitos de alta tecnologa (terrorismociberntico, el espionaje, los accesos no autorizados a sistemaso el fraude ciberntico) es una amenaza real. Gracias al anlisisdel trfico de red, las organizaciones pueden anticiparse yactuar casi en tiempo real.

Es la perspectiva integral del cliente el caso de uso adecuado para usted?


Cmo identifica y proporciona datos sobre clientes,productos o competidores a aquellos usuarios que losnecesitan?

Cmo combina los datos estructurados y no estructuradospara ejecutar anlisis e identificar perspectivas?

Qu hace para fomentar la homogeneidad en sus recursosde informacin al representar a clientes y socios?

Ofrece una perspectiva completa del cliente que permite alos usuarios de la lnea de negocio obtener mejoresresultados?

Cmo aplica las perspectivas y lleva a cabo acciones?

Figura 2. Informacin sobre el cliente mostrada en una aplicacin creada con InfoSphere Data Explorer Application Builder, que utiliza InfoSphere Master Data Management para mostrar una perspectiva fiable de los datos del cliente.


3. Prediccin y prevencin del crimen: la capacidad paraanalizar datos de telecomunicaciones (por ejemplo, registrosde detalles de llamadas) y de los medios sociales ayuda a lasautoridades a localizar amenazas criminales y recopilarpruebas. De este modo, en lugar de esperar a que se cometa elcrimen, pueden evitar que se produzca y arrestar a losresponsables de una forma ms proactiva.

Dependiendo del escenario, las organizaciones pueden necesitar una de las siguientes plataformas de seguridad/inteligencia: Criminal Information Tracking System, Surveillance Monitoring System o Security Information and Event Management (SIEM).

Hoy en da, estas plataformas acceden a datos de una amplia gama de orgenes de datos estructurados (de transacciones, bases de datos, redes, cortafuegos y otros). Los datos de la plataforma se almacenan y administran en una base de datos o warehouse

propios. Sin embargo, estos sistemas no pueden gestionar las nuevas tendencias de big data que requieren del anlisis de datos en tiempo real o de tipos de datos no estructurados (vea la figura 3).

Las tecnologas de big data como la informtica de flujos (InfoSphere Streams) y el anlisis empresarial Apache Hadoop (InfoSphere BigInsights) mejoran estas plataformas tradicionales de anlisis de inteligencia y seguridad al acceder de forma nativa a los orgenes de datos no estructurados o de flujos de big data como, por ejemplo, los registros de telecomunicaciones, dispositivos inteligentes, flujos de Twitter, publicaciones de Facebook, correo electrnico, supervisin de puntos de ventas, sensores basados en ubicaciones, vdeo, audio o datos generados por otros sistemas.

Figura 3. Creacin de perspectivas de seguridad detalladas mediante conjuntos de datos integrales.

Informacinde configuracin

Registros de auditora de sistemas

Tecnologa y operaciones tradicionales de seguridad

Texto de pgina web

Transacciones de los clientes

Analtica debig data

Identificacin y proteccin contra las amenazas gracias a las perspectivas obtenidas de conjuntos de datos

RegistrosEventos Alertas

Anomalas y flujos de red

Datos de inteligencia sobre

amenazas externas

Datos de vigilancia de vdeo/audio

Datos de procesos de negocio

Correo electrnico y medios sociales

Nuevas consideracionesRecopilacin, almacenamiento y procesamiento Recopilacin e integracin Tamao y velocidad Correlacin y enriquecimiento

Analtica y flujos de trabajo Visualizacin Anlisis de datos no estructurados Aprendizaje y prediccin Personalizacin Uso compartido y exportacin

Contexto de identidad

7IBM Software

Los datos en tiempo real se pueden procesar y analizar mediante InfoSphere Streams y el resultado puede guardarse en un datawarehouse o InfoSphere BigInsights. Los clientes que usan la solucin IBM i2 Analysts Notebook pueden ver y analizar directamente los datos en tiempo real gracias a la integracin de InfoSphere Streams.

Caso de uso 4: anlisis de operacionesLa abundancia y el aumento de los datos de sistemas (generados por equipos y dispositivos de red, sensores, medidores y dispositivos GPS) es otro factor clave para las soluciones de big data. Estos datos se generan en grandes volmenes y en una amplia gama de formatos, incluidos los datos en movimiento o de flujo. Esta informacin requiere complejas funciones de anlisis y correlacin en distintos conjuntos de datos, as como capacidades de visualizacin exclusivas segn el tipo de datos, el sector o la aplicacin.

Las organizaciones que desestiman esta amplia fuente de informacin toman sus decisiones de negocio en base a un pequeo subconjunto de los datos que tienen a su disposicin. La combinacin de los datos de sistemas con los datos empresariales existentes mediante anlisis de operaciones permite a las organizaciones:

Obtener visibilidad en tiempo real de las operaciones, laexperiencia del cliente, las transacciones y loscomportamientos.

Realizar una planificacin proactiva para incrementar laeficacia operativa.

Identificar e investigar las anomalas. Supervisar la infraestructura para evitar de forma proactiva las

incidencias o la degradacin de los servicios.

Es la mejora de la inteligencia/seguridad el caso de uso adecuado para su empresa?


Necesita enriquecer sus sistemas de seguridad ointeligencia con datos en tiempo real procedentes deorgenes de datos no usados (vdeo, audio, dispositivosinteligentes, redes, registros de datos de llamadas o mediossociales)?

Necesita sistemas de deteccin, identificacin y resolucininmediata para amenazas fsicas o en lnea?

Necesita vigilar las actividades de criminales o terroristas? Necesita correlacionar grandes volmenes de orgenes y

datos de inteligencia tcnica o humana para buscar patroneso asociaciones (anlisis de big data)?

Necesita mejorar su solucin SIEM con datos noestructurados (correo electrnico y medios sociales) paramejorar la deteccin y neutralizacin de amenazascibernticas?


Tal como se muestra en la figura 4, su organizacin puede manejar grandes volmenes de datos de sistemas en mltiples formatos o datos de flujos que llegan al Hadoop Distributed File System (HDFS) y que no funcionan como es debido. La solucin InfoSphere BigInsights, que incorpora un acelerador de datos de sistemas, es capaz de gestionar y procesar grandes volmenes de datos de sistemas para ofrecer perspectivas de negocio detalladas. Esto permite correlacionar la informacin de sistemas con otros datos empresariales como, por ejemplo, de clientes o productos.

Al combinar los datos de sistemas con los de negocio, podr ponerlos a disposicin de los responsables de las decisiones operativas, lo que redunda en una mayor eficacia e inteligencia operativa. Por su parte, los responsables de las decisiones pueden visualizar datos de mltiples sistemas para obtener perspectivas basadas en datos y reaccionar rpidamente ante sucesos y cambios.

Figura 4. El anlisis de operaciones combina los datos empresariales y de sistemas para proporcionar perspectivas detalladas..

Datos empresariales Indexacin, bsquedas

Dat

os d

e si

stem

as

Zona de recepcin Preprocesamiento Analtica Almacenamiento

Estructurados

No estructurados

Flujo Analtica entiempo real

Sistema Hadoop

Modelado de estadsticas

Deteccin y navegacin federada

Anlisis de causa raz

Es el anlisis de operaciones el caso de uso adecuado para usted?


Trabaja con grandes volmenes de datos de sistemascomo, por ejemplo, datos sin procesar de registros,sensores, medidores inteligentes, colas de mensajes,sistemas de suministros, sistemas de instalaciones, datosde secuencias de clics, archivos de configuracin, registrosde auditora de bases de datos y tablas?

Es capaz de realizar anlisis complejos para correlacionarinformacin e indicadores claves de rendimiento en distintosconjuntos de datos y sucesos en tiempo real?

Puede realizar bsquedas y acceder a todos los datos desus sistemas?

Es capaz de visualizar datos de flujos y reaccionar entiempo real?

Es capaz de utilizar dichos datos para analizar la raz de losproblemas?

9IBM Software

La segunda necesidad bsica es la optimizacin de la infraestructura de data warehouse. Los volmenes de datos de hoy en da estn llegando a niveles de big data, lo que incrementa la carga que soporta el almacenamiento. Esta infraestructura en s no es costosa, pero el almacenamiento y el anlisis de todo el contenido del entorno s repercuten en el rendimiento y los costes.

Existen tres formas de modernizar los data warehouse (vea la figura 5):

1. Hub de preprocesamiento: se utiliza en instalaciones Hadoop empresariales (InfoSphere BigInsights) cuando se necesita una rea de espera o zona de recepcin para los datos antes de determinar qu informacin debe moverse al data warehouse. InfoSphere Data Explorer puede utilizarse para la exploracin anticipada con el fin de determinar qu datos deben moverse a soluciones de analticas detalladas o a sistemas de almacenamiento de menor coste. Este paso no es obligatorio, pero puede usarse en reas en las que las organizaciones deseen conservar datos.

Figura 5. La modernizacin de los data warehouse ayuda a maximizar el valor de los datos.

Entorno de datos empresariales existente

Entorno de big data

Gestin e integracin de la informacin

Analtica en tiempo real

Entorno Hadoop

Informesyanalticas

Zona de recepcin/

hub de preprocesamiento

Almacn LOB/fragmentado

Almacn de deteccin/exploracin

MDM Otros sistemas de datos relacionales

Deteccin/analtica

Consultas en almacn de datos

Datos estructurados y no estructuradosDatos de flujo

Caso de uso 5: modernizacin de los data warehouseEl ltimo caso de uso, la modernizacin de los data warehouse, se basa en la infraestructura de los data warehouse existente para aplicar las tecnologas de big data e incrementar su valor. No se trata de reemplazar el entorno de los data warehouse existente, sino de maximizar su valor.

La modernizacin de los data warehouse surge de dos necesidades bsicas. La primera es la necesidad de utilizar los datos para obtener nuevas perspectivas de negocio. Las organizaciones necesitan analizar datos multiestructurados; sin embargo, los data warehouse no estn diseados para ello. Al depender solo de los data warehouse, las empresas se ven obligadas a descartar informacin muy valiosa. Adems, las organizaciones demandan cada vez ms una menor latencia: necesitan la informacin en horas o minutos, no en semanas o meses. Por ltimo, las organizaciones requieren acceso de consulta a los datos.


La informtica de flujos (InfoSphere Streams) tambin puede usarse como componente en tiempo real de procesamiento y anlisis de datos de flujos, sin tener que almacenar la informacin a priori para determinar qu datos deben guardarse en el HDFS o en el data warehouse. En algunos casos los datos no se guardarn, lo que implica que podr procesar y emprender acciones en base a la informacin sobre la marcha, reduciendo el volumen en el data warehouse. Con este enfoque de zona de recepcin, podr depurar y transformar la informacin antes de cargarla al data warehouse.

2. Deteccin/analtica: este enfoque se basa en la analtica de datos en movimiento de la informtica de flujos, lo que proporciona a las organizaciones capacidad para realizar analticas que antes se hacan en el data warehouse. Esto redunda en la optimizacin del data warehouse y en laposibilidad de realizar nuevos tipos de anlisis. Al podercombinar distintos tipos de datos con la informacin del data warehouse, es posible realizar anlisis ms detallados yobtener perspectivas que antes no eran factibles. Adems, lainformtica de flujos puede actuar como un filtro capaz delocalizar datos de gran valor que pueden almacenarse enInfoSphere BigInsights o en el data warehouse.

3. Almacn de datos habilitados consultables: con este enfoque, los datos antiguos o no usados con frecuencia se pueden descargar del data warehouse y de las bases de

Es el caso de uso de la modernizacin del data warehouse el punto de partida ms adecuado para su organizacin?


Tiene problemas para controlar grandes conjuntos dedatos (terabytes o petabytes)?

Utiliza su entorno de data warehouse como repositorio paratoda la informacin?

Almacena grandes cantidades de datos poco relevantes? Desecha datos porque no es capaz de almacenarlos o

procesarlos? Necesita analizar los datos en movimiento para determinar,

en tiempo real, qu informacin debe almacenar? Necesita explorar grandes volmenes de datos complejos? Quiere analizar datos no operativos? Le interesa usar los datos para realizar nuevos tipos de

analticas y analticas tradicionales?

datos de aplicaciones mediante herramientas y programas de integracin de informacin. Esto ayuda a las organizaciones a almacenar los datos poco relevantes en sistemas de almacenamiento de bajo coste sin que dejen de estar disponibles en InfoSphere BigInsights gracias a las herramientas BI o de consulta. InfoSphere Data Explorer puede usarse para visualizar y desplazarse por los datos almacenados en InfoSphere BigInsights.

11IBM Software

Plataforma IBM Big DataLos cinco casos de uso de big data descritos en este documento ofrecen valiosos puntos de partida a aquellas empresas que quieran empezar a aprovechar big data. La plataforma IBM Big Data puede desempear un papel muy importante en esta transformacin.

Los casos de uso de big data requieren tecnologas especficamente diseadas para abordar los retos del trabajo con grandes volmenes de datos variados y de alta velocidad. No se trata de problemas nicos que requieren soluciones nicas: la plataforma de IBM ayuda a las empresas a reducir el plazo y los costes de los proyectos de big data a la vez que ofrece una rpida recuperacin de la inversin (ROI) mediante el uso de componentes previamente integrados. Adems, los servicios avanzados y basados en estndares proporcionan slidas bases para la implementacin. De este modo, puede comenzar por un caso de uso inicial y continuar con otros casos a medida que progresa con big data.

Ms informacinPara obtener ms informacin sobre los casos y sobre la plataforma IBM Big Data, pngase en contacto con su representante de IBM o socio empresarial de IBM, o visite: ibm.com/software/data/bigdata/use-cases.html

Adems, IBM Global Financing puede ayudarle en la adquisicin de las capacidades de software que su empresa necesita de la forma ms rentable y estratgica posible. IBM Global Financing se ala con clientes de crdito para personalizar una solucin de financiacin que se ajuste a sus objetivos de desarrollo y empresariales, facilite la gestin de flujo de efectivo y mejore el coste total de adquisicin. IBM Global Financing proporciona los recursos de inversin de TI crticos que necesita para que su negocio siga avanzando. Para obtener ms informacin, visite: ibm.com/financing

IMW14710-ESES-00

Copyright IBM Corporation 2013

IBM Corporation Software Group Route 100 Somers, Nueva York 10589

Producido en los Estados Unidos de Amrica Junio de 2013

IBM, el logotipo de IBM, ibm.com, Analyst's Notebook, BigInsights, Cognos, i2, InfoSphere y SPSS son marcas comerciales de International Business Machines Corp, registradas en muchas jurisdicciones de todo el mundo. El resto de nombres de servicios y productos pueden ser marcas comerciales de IBM o de otras empresas. Encontrar una lista actualizada de las marcas registradas de IBM en la web, en el apartado sobre informacin de Copyright y marcas registradas en ibm.com/legal/copytrade.shtml

Este documento est actualizado a la fecha inicial de publicacin e IBM puede modificarlo en cualquier momento.

LA INFORMACIN DE ESTE DOCUMENTO SE PROPORCIONA TAL CUAL SIN NINGN TIPO DE GARANTA, TANTO EXPRESA COMO IMPLCITA DE COMERCIABILIDAD, IDONEIDAD PARA UN FIN DETERMINADO Y SIN NINGN TIPO DE GARANTA O CONDICIN DE NO INFRACCIN. Los productos de IBM se garantizan segn los trminos y condiciones de los acuerdos en virtud de los cuales se proporcionan.

El cliente es responsable del cumplimiento de las leyes y normativas aplicables. IBM no presta ningn servicio de asesoramiento legal ni garantiza que la utilizacin de sus servicios o productos por parte del cliente est conforme a ninguna ley o normativa.

1 Financial Crimes Report to the Public: Fiscal Years 2010-2011. www.fbi.gov/stats-services/publications/financial-crimes-report-2010-2011

2 McKinsey Global Institute. Big data: The next frontier for innovation, competition, and productivity. Mayo de 2011. www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation



5 International Telecommunication Union. Measuring the Information Society. Septiembre de 2012.

Recicle este documento

6 IBM Institute for Business Value in collaboration with the Sad Business School at the University of Oxford. Analytics: The real-world use of big data. Noviembre de 2012. http://www-935.ibm.com/services/us/gbs/thoughtleadership/ibv-big-data-at-work.html

7 IBM Institute for Business Value in collaboration with the Sad Business School at the University of Oxford. Analytics: The real-world use of big data. Noviembre de 2012. http://www-935.ibm.com/services/us/gbs/thoughtleadership/ibv-big-data-at-work.html

abordar big data carousel offer

Documents