Tiempo Real y Big Data
Cada vez son más las fuentes de datos que se generan o distribuyen en tiempo real. Datos generados por sensores, archivos de logs, redes sociales u otras aplicaciones web colaborativas, como Wikipedia, son ejemplos de ello. La aplicación de las tecnologías Big Data Kafka, Flume y Spark Streaming nos permite la explotación de los datos en tiempo real, permitiendo reducir al mínimo el tiempo de aplicación del conocimiento extraído de los datos.
Ver Demos Volver
Redes Sociales y Big Data
Las redes sociales como Twitter representan una fuente continua de datos.
La aplicación de diversas tecnologías Big Data sobre datos obtenidos a través de la API de Twitter, nos permite analizar la influencia en la red social de personas, empresas, noticias, estudiar las relaciones entre los mismos, la detección de tendencias emergentes o grupos sociales o, incluso, la vigilancia tecnológica.
Analítica y Big Data
Las tecnologías de Business Intelligence nos permiten el análisis interactivo de los datos (OLAP) dando respuesta a consultas de agregación y desagregación de los datos, como sumas o medias, de forma casi instantánea. Sin embargo, con la llegada del Big Data, las tecnologías tradicionales resultan insuficientes para escenarios donde se manejan hasta billones de filas de datos. Tecnologías como Apache Kylin sobre Hadoop son la solución al problema.
Ver Demos Volver
Web Semántica y Big Data
Existen más de 1 billón de páginas web en el mundo y esta cifra no hace más que aumentar. El procesamiento de la información contenida en las mismas es un claro ejemplo de Big Data. Mediante la aplicación del Big Data para el procesamiento semántico, somos capaces de recolectar y procesar mucha más información de la web que Google o Bing nos proporcionan, para su integración en nuestras aplicaciones analíticas.
Ver Demos Volver
Análisis de Grafos
Vivimos en un mundo cada vez más relacionado, todo está interconectado de alguna forma, no importa lo distintos sean dos elementos, siempre encontraremos algo que los relaciona. Esto nos induce a usar grafos en el análisis de un conjunto de datos cuya base fundamental son las relaciones entre entidades. Usando BD y Algoritmos de grafos podemos hacer análisis muy interesantes que nos dan una dimensión diferente y muy útil de los datos.
Ver Demos Volver
Machine Learning
En muchas ocaciones la información más relevante a extraer de los datos no la puede brindar una consulta SQL o un algoritmo programado, generalmente porque requieren algún tipo de razonamiento para dar respuesta a lo solicitado. En estos casos, usamos técnicas de Machine Learning, que nos ayudan a elevar a una dimensión mayor el análisis de los datos. Algunos ejemplos son, Análisis Predictivo, Sistemas de Recomendación, Reconocimiento de Patrones, etc. En nuestra demo hemos expuesto algunos casos.
Ver Demos Volver
Internet de las Cosas
Usar la conectividad a internet de los dispositivos electrónicos con los que interactuamos a diario está revolucionando el modo en el que obtenemos y procesamos información. El hecho de que sensores puedan enviar datos de sus mediciones a un servidor remoto nos hace tener constancia en tiempo real de cómo se esta comportando cierto proceso, y así monitorizarlo o analizarlo en tiempo real. Existen varios casos de uso muy interesantes donde se aplica este tipo de solución, en esta sección mostramos y analizamos algunos.
Ver Demos Volver
Atrás
Siguiente
Spark Streaming
Kafka
Analítica OLAP 
Cuadro de Mando 
Cuadro de Mando 
Cuadro de Mando 
Twitter
Twitter Hashtag
Búsqueda en la Web 
Papeles de Panamá - Neo4j
