AWS Innovate 2020 - Aprenda cómo el Data Flywheel puede ayudarle en su estrategia de datos - Alejandro Flores

© 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.
Entienda cómo Data Flywheel puede
apoyarlo en su estrategia de datos
Alejandro Flores
Data Specialist Solutions Architect
Amazon Web Services

Agenda
1. Data Flywheel
2. Migración de datos y aplicaciones hacia la nube
3. Optimización de su ambiente de Bases de Datos a través de Servicios
Administrados
4. Contrucción de aplicación orientadas a datos utilizando Bases de Datos de
propósito específico
5. Construcción de lagos de datos escalables
6. Innovación a través de Machine Learning y Blockchain

DataFlywheel

Beneficios

Migración dedatos yaplicaciones haciala nube

ServiciosAdministrados de Bases deDatos
Menor costo
de administración de
Bases de Datos con
respecto a On Premise
Mayor
Disponibilidad
manteniendo
operativa su Base de
Datos 7/24
Optimización de
Tiempo
de sus administradores de
Bases de Datos, eliminando
tareas que no agregan valor
Escalabilidad
Enterprise
cuando el crecimiento no
agrega hardware o
tiempo de administración.
Los pequeños negocios
pueden escalar también
Mayor potencial
Fácilmente agregue
nuevos servicios
como
Datawarehouses,
Bases de Datos en
memoria, series de
tiempo, etc.

Requerimientos de lasaplicaciones hoy en día
Usuarios: 1 millón+
Volúmen: TB–PB–EB
Alcance: Global
Desempeño: milisegundos,
microsegundos
Peticiones: millones
Acceso: Web, Mobile, IoT
Escalabilidad: Up-down, Out-In
Economía: pague por lo que usa
Desarrollo: Acceso por API’s

¿Cómo?
Cambie su estrategia
de Bases de Datos
el modelo de navaja-suiza (una
bases de datos para todo) no
es suficiente
Divida aplicaciones
complejas
Para el aseguramiento de una
buena arquitectura y
accesibilidad, se necesita
examinar cada componente.
Construcción de
aplicaciones
distribuidas
Divida su aplicación en
microservicios

Opciones deBases deDatos
Relacional Llave-Valor Documentos En Memoria Grafos
Integridad
referencial,
transacciones
ACID, schema-on-
write
Baja latencia,
búsquedas por
llave con alto
throughput y
rápida ingesta de
datos
Indexación y
almacenamiento
de documentos
con soporte para
consulta con
cualquier atributo
Latencia de
microsegundos,
consultas
basadas en llaves
y estructuras de
datos
especializadas
Creación y
enrutamiento de
relación de datos
de forma rápida
Lift and shift, ERP,
CRM, finanzas
RTB, carritos de
compras
Administración de
contenido
personalizado,
dispositivos
móviles
Leaderboards,
analítica en
tiempo real,
almacenamiento
en caché
Detección de
fraudes, redes
sociales, motores
de recomendación
Búsquedas
Indexación y
búsquedas de
logs en datos
semiestructurado
s
Catálogo de
productos,
ayuda y FAQs,
Series de
Tiempo
Registro
inmutable
Recolectar,
almacenar y
procesar datos
organizados en
series de tiempo
Aplicaciones IoT,
rastreo de
eventos
Histórico completo,
inmutable y
verificable de todas
las modificación de
los datos
Sistemas
de registro, cadena
de suplementos,
cuidado de salud,
catastros,
finanzas

Lagos de Datos
Los clientes quieren:
Un almacenamiento único que sea escalable y económico
Para almacenar datos de forma segura
Analizar sus datos de diferentes manerasLago de Datos en la nube
Infraestructura
Almacenamiento desacoplado y
Recursos de Cómputo
Seguridad y Gobierno
Migración de
Datos
Servicios de
streaming
Data
Warehouse
Procesos de Big
Data
Procesamiento
serverless
Análisis en
Tiempo Real
Análisis
Análisis
Predictivoy Catálogo ETL
Administración de datos

Lago de Datos
Mayor
alcance
Más
seguro
Más fácil de
construir
Mejor
costo-
beneficio
Ampliamente
utilizado

Portafolio deServicios enAWS
Movimiento de Datos
Análisis
Redshift
EMR (Spark
& Hadoop)
Athena
Elasticsearch
Service
Kinesis Data
Analytics
Glue (Spark
& Python)
S3/Glacier GlueLake
Formation
Visualización, Compromiso y Machine Learning
QuickSight SageMaker Comprehen
d
Le
x
Polly Rekognition Translate Transcrib
e
Database Migration Service | Snowball | Snowmobile | Kinesis Data Firehose | Kinesis Data Streams | Managed Streaming for Kafka
Infraestructura y Administración
Pinpoint

Machine Learning
Inicie con una
estrategia de datos
Machine Learning requiere de
datos preparados y accesibles
Identifique los
problemas de negocio
Encuentre los mejores casos de
uso, aumente la eficiencia de
productividad y de direccionar
la innovación.
Ejecute un piloto
Evalúe posibles pilotos para
casos de uso prioritarios y
determine las herramientas,
habilidades y presupuestos
necesarios.

Insights predictivos con serviciosde ML yAI enAWS
Servicios de IA llave en mano
para una fácil integración de IA en
sus aplicativos
Servicios de plataforma ML que
permiten a cualquier desarrollador
profundizar en ML
Estructuras e interfaces ML
para profesionales de ML
Amazon S3
Datos crudos Datos de información
inicial y etiquetados
Modelo de aprendizaje
entrenado a partir de datos
limpios y etiquetados
Datos ambiguos son enviados
a clasificación manual con humanos
Los datos etiquetados por humanos,
son enviados de vuelta para el
reentrenamiento del modelo de ML.
Datos de entrenamiento
del modelo
Datos de entrenamiento precisos
listos para uso con
Amazon Sagemaker

Blockchain
Amazon QLDB
Centralizada – Autoridad centralizada confiable, “libro
contable” de transacciones
Inmutable – cada transacción es un bloque secuencialmente
encadenado
Verificable – linaje de datos en el libro contable
Transparente – log de información completa y transparente
Rápida – no requiere consenso distribuido, escalado y
ejecución más rápidos
Ejemplo: RH y nómina
Amazon Managed Blockchain
Descentralizada – varias partes pueden realizar transacciones
con un nodo emparejado en la red
Inmutable – bloques encadenados criptográficamente
Verificable – cada miembro copia el libro mayor y puede
garantizar y verificar que el contenido sea exacto
Transparente – estructuras autorizadas de Blockchain como el
Hyperledger Fabric y Ethereum.
Sin intermediarios – cada organización inicia una nueva
transacción, la transacción se replica y puede ser válida para
múltiples partes.
Ejemplo: consorcio minorista con bancos y programas de
fidelización

Gracias

AWS Innovate 2020 - Aprenda cómo el Data Flywheel puede ayudarle en su estrategia de datos - Alejandro Flores

Más contenido relacionado

La actualidad más candente (9)

Similar a AWS Innovate 2020 - Aprenda cómo el Data Flywheel puede ayudarle en su estrategia de datos - Alejandro Flores (20)

Más de Amazon Web Services LATAM (20)

Último (20)

AWS Innovate 2020 - Aprenda cómo el Data Flywheel puede ayudarle en su estrategia de datos - Alejandro Flores