Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Deber01 AnguloL AlejandroF
Deber01 AnguloL AlejandroF
lin.wang@epn.edu.ec
I.
INTRODUCCIN
II. ANTECEDENTES
Las principales definiciones relacionadas con el
documento han sido:
A. Big Data
2
framework, uno es libre para adaptarlo, con el fin de adaptarse
a los propsitos especficos, empleando varios procesos,
tecnicas.
3
herramientas necesarias. Esta mquina virtual pre-configurada
permiti a los miembros de los tres cursos realizar pruebas en
una mquina local antes de enviar su cdigo a un repositorio
remoto en Github.
Una vez definida la arquitectura, los POs produjeron el
product backlog. Para la priorizacin, se utiliz la tcnica de
Business Value Game y, para estimar el esfuerzo, el Planning
Poker.
B. Sprint 1
Una vez elegida la distribucin de Cloudera Hadoop y
definida el product backlog, los estudiantes sugirieron una
reduccin en el alcance de las herramientas utilizadas. Esta
reduccin se sugiri para disminuir el nivel de complejidad
dentro del desarrollo. Despus de eso, una nueva versin de la
arquitectura ha surgido, incluyendo Cloudera y dos fuentes de
datos, una estructurada y una no estructurada, como se
muestra en la Fig 4.
C. Sprint 2
El Sprint 2 tena como objetivo desarrollar procedimientos
para todas las tecnologas utilizadas en el diseo y la prctica
del desarrollo de Scrum, con el fin de entender cmo realizar
el desarrollo del software, utilizando un mtodo gil.
Durante la Sprint Planning#2, se propusieron cuatro
caractersticas para apoyar a los estudiantes a mejorar el
conocimiento de las tecnologas. Todas estas caractersticas se
documentaron y puso a disposicin en el Portal del proyecto.
Estas caractersticas ayudaron a los estudiantes a crear un
ambiente de desarrollo y prueba. Adems, dos nuevas historias
de usuario, User Stories (USs), fueron creados en el Sprint
Backlog # 2. Tres USs no fueron finalizados en Sprint 1. Las
divisiones del equipo fueron los mismos que en Sprint 1.
En Sprint 2, se defini la Reunin Semanal en Lnea
(Weekly Meeting Online ,WKO). Cada grupo de estudiantes
debe conducir una WKO. Los WKO consistir de al menos un
estudiante de cada curso para cada semana. Esto ha permitido
a los estudiantes trabajar de manera colaborativa y
cooperativa, aunque a distancia.
En este Sprint 2, todos los equipos comenzaron a revisar e
inspeccionar sus propios calendarios de desarrollo de hojas de
clculo (i.e. Google Sheets) disponibles a travs del portal y
Burndown Charts. Las hojas de clculo tenan informacin
4
relacionada con el Sprint Backlog, las prioridades de las USs,
la planificacin de las USs OLAP y OLTP, los casos de
prueba. Adems, se public una hoja de clculo para cada
equipo con el mtodo Kanban dividido en tres fases (i.e.
Hacer, Hacer y Hecho). El uso de Kanban ha permitido un
control detallado de las actividades con informacin
relacionada con los miembros de cada equipo y USs.
5
present identificacin de fraude en tiempo real en mapas del
mundo.
6
E. La presentation final
El 18 de junio de 2014, los estudiantes realizaron una
presentacin final del proyecto a una audiencia compuesta por
los profesores e invitados de algunas instituciones financieras.
Los asistentes han sealado como un punto positivo, el uso de
herramientas gratuitas para el desarrollo y la gestin. Tambin
destacaron el uso transparente de las tecnologas de Big Data,
convirtindolo en una excelente herramienta para los analistas
de transacciones financieras.
V. CONCLUSIN
El objetivo de este trabajo fue describir el desarrollo de un
proyecto acadmico interdisciplinario utilizando el mtodo
Scrum agile y sus mejores prcticas, para desarrollar un
prototipo de aplicacin Java basado en Big Data, IoT y
deteccin de fraudes de tarjetas de crdito para una prueba de
concepto(Proof of Concept, PoC ), utilizando recursos de
computacin en la nube.
Este resultado exitoso se deriv de un conjunto de
elementos:
(i) el uso de un PBL alineado con las necesidades reales del
mercado; (ii) la integracin de equipos de estudiantes de otras
disciplinas de posgrado; iii) la utilizacin de mtodos giles;
(iv) el enfoque en la entrega de software; y (v) la eleccin de
herramientas de cdigo abierto result ser un xito a gran
escala.
Se sugiere la explotacin de herramientas especficas para
proporcionar automatizacin de pruebas para Big Data, De
esta manera, es posible explorar y verificar que estas
herramientas pueden convertir la aplicacin en una ms
segura. Como trabajo futuro, tambin se sugiere continuar la
investigacin sobre Big Data, IoT, y fraudes de tarjetas de
crdito, centrndose en distribuir su arquitectura creada con
escalabilidad, y mejorar el volumen de conjunto de datos para
trabajar con petabytes, haciendo que el proyecto up-to-date
con las necesidades del mercado.
VI. REFERENCIAS
[1] Maria, R. E., Junior, L. A. R., de Vasconcelos, L. E.
G., Pinto, A. F. M., Tsoucamoto, P. T., Silva, H. N. A., ... &
Dias, L. A. V. (2015, April). Applying Scrum in an
Interdisciplinary Project Using Big Data, Internet of
Things, and Credit Cards. In Information TechnologyNew Generations (ITNG), 2015 12th International
Conference on (pp. 67-72). IEEE.