Mezclar BI y Big Data permite un análisis potente de una gran cantidad de datos que brinda una ventaja competitiva clave: la de transformar cualquier tipo de datos, (volumen, forma, ubicación) en informaciones de alto valor agregado para cada sector de la empresa.
Sin embargo, hay que saber explotar esta materia prima para que se transforme en el mayor capital de una organización: el conocimiento pertinente del negocio.
La alianza BI y Big Data permite entre otras cosas , medir el sentir de los consumidores, optimizar las cadenas de suministro y detectar el fraude.
QlikView ofrece dos modelos de gestión de datos Big Data, Memoria QlikView y Direct Discovery. Descubramos cómo ambos aportan una excelente experiencia al usuario.
BI y Big Data: Cuando La Unión hace la Fuerza
Hoy, existe una fuerte tendencia por parte de las organizaciones a complementar el uso del BI con la funcionalidad del Big Data. Esta unión tiene como fin facilitar a los usuarios la toma de decisiones ante el incremento constante de datos a analizar.
¿Cómo se complementan entre sí?
El BI es un sistema que analiza los datos estructurados de su organización con el fin de ayudarle a tomar mejores decisiones con un único objetivo: potenciar los resultados de su negocio.
El Big Data es un conjunto de tecnología, arquitectura, y procesos que permite captar, tratar y analizar rápidamente grandes volúmenes de datos y cantidades de contenidos heterogéneos, que están en constante evolución.
Big Data agrega a su solución BI el imprescindible poder de extraer las informaciones pertinentes, de manera sencilla y accesible para todos.
Para conocer si es posible hacer que Big Data resulte definitivamente útil en tema de toma de decisión, es indispensable saber cuáles son los procesos llevados a cabo por los ejecutivos.
El Proceso de Análisis BI y Big Data
El proceso de análisis de Big Data sigue un camino que se desarrolla en cuatro etapas;
1- Acceso a los Datos en bruto.
La primera etapa comienza con el acceso a los datos “frescos”. Se trata de información de gran volumen, velocidad y variedad, que generalmente se encuentran poco estructurada. (Por ejemplo, datos de transacciones, del sistema o de la nube, entre otros).
2- Primera Ronda de Procesamiento.
Los archivos a ser almacenados se copian a un clúster Hadoop, un sistema de archivos portátil y de sencilla utilidad diseñado para ejecutarse en un hardware. Esta herramienta, permite la manipulación de los datos en bruto con el fin de facilitar la interpretación por parte del usuario.
3- Más Procesamiento.
Las organizaciones además cuentan con los datos propios de la empresa que necesitan ser analizados mediante un almacén denominado EDW. A diferencia del Hadoop, es un sistema estructurado y que no trabaja con datos en bruto, razón que facilita la consulta del usuario.
4- Análisis.
Se trata de la etapa final. La herramienta de análisis que más se ajusta a las necesidades de un usuario de negocios, debe integrar con flexibilidad de datos desde múltiples fuentes y no hacer suposiciones acerca de dónde éstos proceden y cómo se organizan.
En síntesis, este proceso comienza con un análisis global de datos, la estructuración organizada hasta la final toma de decisiones. Darse cuenta de este proceso permite conocer las ventajas de implementar Big Data en su organización.
La Autogestión como Alternativa
Hoy, los profesionales de IT y líderes de negocios comenzaron a entender las ventajas que le proporciona la aplicación de Big Data, ya que consideran que es un medio propicio para la autogestión.
Desde su aparición, el Big Data se ha centrado en el análisis de grandes volúmenes de datos por medio de cálculos complejos.
Para que este proceso tenga lugar, se necesita contratar a un personal encargado de programar los algoritmos que cuente con el tiempo necesario para hacerlo y se requiere realizar inversiones masivas en software e infraestructuras.
Ante esta dificultad que presentó este modelo algorítmico, se produjo una novedosa alternativa: que los usuarios puedan acceder a los datos por su propia cuenta.
¿Cómo lo Hacen?
Combinando su capacidad intuitiva con un sistema BI y Big Data centrado en el uso del usuario, de modo que esta unión le permita tomar óptimas decisiones.
La Importancia de Lo Relevante
Los usuarios necesitan una manera fácil de navegar a través de las grandes cantidades de datos para encontrar lo que consideren relevante y así tomar decisiones con mayor rapidez.
En este aspecto, el enfoque de QlikView siempre ha estado orientado hacia las necesidades del usuario y no a imponer una metodología de acceso a la información inadecuada.
De esta forma, ellos pueden acceder, filtrar y analizar datos en forma eficiente sin necesidad de utilizar soluciones que requieran conocimientos especializados.
Esta capacidad única de QlikView hace que sea increíblemente fácil para un usuario de negocio centrarse sólo en la información que es relevante en un producto determinado vendido a un cliente en particular.
La Ventaja Asociativa del BI con el Big Data
Por otra parte, la experiencia asociativa de QlikView hace que cada uno de los datos se asocie de forma dinámica con otros.
Cada vez que el usuario realiza una selección en cualquiera de los cuadros de lista, todos los demás y los otros gráficos se actualizan al instante con las selecciones del usuario.
Entre otro ejemplo, un ejecutivo puede estar interesado en una cantidad reducida de datos acerca de las líneas de producto de una empresa, mientras que un director de producto o de una área geográfica específica puede necesitar más detalle de aquellas áreas supervisadas. Hasta en determinadas ocasiones, puede ser necesario revisar los datos en bruto, sin tener que procesarlos.
Con QlikView, el contexto y relevancia van de la mano y tomar rápidamente lo que parece ser un problema grande de datos a algo que es muy manejable y sin ningún tipo de programación o habilidades avanzadas de visualización.
BI y Big Data: Potenciar al Máximo el Rendimiento
Big Data es un término relativo ya que los requisitos de datos difieren en cada organización. QlikView ofrece dos enfoques para gestionar los Big Data: 100 % in Memory y Direct Discovery. Los dos permiten al usuario administrar de manera óptima las relaciones entre performance, volumen de datos, variedad y velocidad de proceso.
Analice Big Data con la Arquitectura 100% en memoria de QlikView
QlikView puede hacer frente a los volúmenes de datos necesarios para asegurar la pertinencia de la aplicación para los usuarios de negocios. He aquí cómo:
-
Avances de Hardware.
QlikView está optimizado para aprovechar al máximo toda la potencia del hardware multiprocesador, maximizando así el rendimiento y la inversión en hardware.
Las tendencias recientes de gran capacidad de memoria disponible en el hardware estándar de Intel permiten a QlikView manejar volúmenes cada vez mayores de datos en la memoria (que proporciona a los usuarios una experiencia interactiva de alta velocidad).
Además, QlikView distribuye el procesamiento de datos numéricos a través de todos los núcleos de procesador para maximizar el rendimiento del usuario.
-
Compresión de QlikView.
El motor de búsqueda patentado de datos en memoria de QlikView comprime los datos habituales en un factor de 1 a 10, lo cual significa que un único servidor de 256GB de RAM puede cargar más de 2TB de datos no comprimidos. Esto representa miles de millones de filas, al tiempo que ofrece una tasas de respuesta únicamente posibles con arquitecturas en memoria.
-
Arquitectura de Varios Niveles.
Con servidores distribuidos en un entorno de clúster, las aplicaciones pueden ser alojadas en diferentes servidores. Por ejemplo, una aplicación que contiene una menor cantidad de datos agregados se puede ejecutar en un servidor con menos memoria, mientras que una aplicación de grandes cantidades de datos detallados podría ser configurado para ejecutarse en un servidor más grande, todo ello sin que el usuario tenga que saber dónde las aplicaciones se alojan físicamente.
QlikView puede implementarse de tal manera que varios servidores puedan ejecutar sus análisis por separado.
Carga incremental. Los administradores pueden configurar QlikView para cargar sólo los datos que son nuevos o han cambiado desde la última carga, lo que reduce considerablemente el ancho de banda necesaria de cualquier fuente de datos.
-
Encadenamiento de Documentos.
Las aplicaciones QlikView pueden procesarse en diferentes servidores, en forma separada y compartir estados de selección. De este modo el usuario tiene la posibilidad de ejecutar una función en un pequeño panel de control así como de pasar simultáneamente a una aplicación más grande con mayor nivel de detalle.
El encadenamiento de documentos y la carga binaria aceleran aún más la exploración de conjuntos de datos muy extensos.
Esta es la ruta elegida por muchos clientes QlikView para el análisis de terabytes de datos almacenados en data warehouses o clusters Hadoop y otros repositorios similares.
Sumérjase en el Mundo Direct Discovery
El Direct Discovery está pensado para empresas que hayan invertido en un gran data warehouse u otra infraestructura de Big Data y no desean cargar todos los datos en memoria en QlikView.
El Direct Discovery consiste en un modelo híbrido que aprovecha por igual los datos en memoria y los datos que se consultan de manera dinámica desde una fuente externa.
Estos conocimientos pueden ser aprovechados por los usuarios de negocios para crear estrategias más informadas y tomar mejores decisiones.
QlikView Direct Discovery hace tres cosas:
-
Consulta datos de repositorios Big Data al instante y sobre la marcha.
-
Envía los resultados de la consulta a la memoria para una recuperación de datos al instante.
-
Mantiene las asociaciones entre todos los datos, independientemente de su ubicación.
Este enfoque híbrido aporta al usuario las siguientes ventajas:
-
Alivia los silos de datos, dando a los usuarios la información que necesitan cuando la necesitan.
-
Puede acceder a Big Data sin conocimientos de programación
-
Aporta significado y contexto a Big Data
-
Permite profundizar hasta un nivel granular de detalle cuando sea necesario.
Con QlikView Direct Discovery,los usuarios pueden seguir para explorar la información libremente y por lo general no notarán la diferencia entre los datos en memoria y los datos en el lugar.
BI y Big Data: La Potencia Analítica Hecha Realidad
El valor de la analítica Big Data radica en colocar sencillamente a disposición del usuario sólo la información que importa y afecta de manera contextual al problema que esté manejando en ese momento.
Los profesionales de TI se ven constantemente ante el desafío de tener que proporcionar la infraestructura adecuada y además ayudar a dar sentido a los datos de Big Data.