Smart Analysis

ANALISIS Y PREDICCION DE DATOS

 Datos

Es una representación simbólica (numérica,

alfabética, algorítmica, espacial, etc.) de un
atributo o variable cuantitativa o cualitativa. Los
datos describen hechos empíricos, sucesos y
entidades.
Microsoft Azure (anteriormente Windows
Azure y Azure Services Platform) es un servicio
en la nube ofrecida como servicio y alojado en
los Data Centers de Microsoft.
 Características
• Almacenamiento: objetos binarios grandes (blobs)
proporcionan colas para la comunicación entre los
componentes de las aplicaciones de Microsoft Azure y ofrece
un tipo de tablas con un lenguaje de consulta simple.

• Controlador de tejido: Microsoft Azure se ejecuta en un gran

número de máquinas. El trabajo del controlador de tejido es
combinar las máquinas en un solo centro de datos de
Windows Azure formando un conjunto armónico.
 Componentes
• Microsoft Azure Storage tiene servicios de básicos como
parte de la cuenta de almacenamiento de Microsoft Azure.

• Microsoft SQL Azure es un servicio de base de datos en la

nube basado en las tecnologías de SQL Server.

• Azure Market Place es un mercado en línea global compartir,

comprar y vender aplicaciones SaaS completas y conjuntos de
datos.
 Servicios
• Event Hubs namespaces proporciona un contenedor de
alcance único, al que hace referencia su nombre de dominio
completo, en el que crea uno o más Event Hubs.

• Event Hubs es una plataforma de transmisión de Big Data y un

servicio de ingesta de eventos, capaz de recibir y procesar
millones de eventos por segundo. Los centros de eventos
pueden procesar y almacenar eventos, datos o telemetría
producidos por software y dispositivos distribuidos.
 Servicios
• Azure Stream Analytics es un motor de procesamiento de
eventos que le permite examinar grandes volúmenes de
transmisión de datos desde dispositivos. Los datos entrantes
pueden ser de dispositivos, sensores, sitios web, feeds de
redes sociales, aplicaciones y más. También permite extraer
información de flujos de datos, identificar patrones y
relaciones.
Flujo funcional de Azure Stream Analytics
 Percepción de una marca usando
un análisis sentimental de Twitter
Con la aparición de las redes sociales, la alta calidad de
la información estructurada y no estructurada se
comparte a través de diversas fuentes, como los datos
generados por Twitter o Facebook, que representan los
sentimientos de los usuarios. La capacidad de procesar
esta información se ha vuelto importante para
profundizar en la percepción de la marca mediante el
análisis de sentimiento de Twitter.
Análisis de llamadas fraudulentas de
una empresa de telecomunicaciones
Las empresas de telecomunicaciones reciben llamadas
fraudulentas muy a menudo en cualquiera de sus
instalaciones por lo que un detector de tales llamadas
son de suma importancia para este tipo de situaciones.
Un ejemplo de un detector se puede realizar fácilmente
mediante los recursos, componentes y servicios de
Azure a tiempo a real.
Flujo funcional para análisis sentimental de Twitter
 NUESTRAS
APLICACIONES
Almacenamiento de llamadas fraudulentas

Herramienta TELCODATAGENERATOR
Análisis a tiempo real de llamadas fraudulentas
Almacenamiento de Tweets y sus respectivos autores

Herramienta TwitterWPFCliente
Análisis a tiempo real de Tweets y la percepción publica
Reporte del análisis de Twitter
Azure Machine Learning Studio es un entorno de desarrollo integrado
basado en GUI para construir y poner en funcionamiento flujos de trabajo
de aprendizaje automático. La unidad computacional básica de un flujo de
trabajo (o Experimento) de Azure ML Studio es un módulo que
implementa algoritmos de aprendizaje automático, conversión de datos y
funciones de transformación, etc. Los módulos se pueden conectar
mediante flujos de datos, implementando así un canal de aprendizaje
automático.
 Azure Machine Learning

Aprender en este contexto quiere decir identificar

patrones complejos en millones de datos. La máquina
que realmente aprende es un algoritmo que revisa los
datos y es capaz de predecir comportamientos futuros.
Tras cada recomendación y sugerencia que nos
hace este proveedor, se esconde un algoritmo
de aprendizaje automático. Esto no es solo
positivo para el usuario de la plataforma, sino
que la compañía consiguió un ahorro de mil
millones de dólares en 2017.
Un impacto positivo se encuentra en el envío en
el mismo día de Amazon. Gracias al uso de
Machine Learning, el tiempo que se emplea en
hacer “clic para enviar” ha disminuido en un
225%.
Under Armour integra el machine learning en su
aplicación Record. Esta app rastrea las condiciones físicas de un
usuario utilizando los datos de varias fuentes como aplicaciones
de terceros, smart watches, datos que el usuario haya registrado
directamente, etc. Una vez recogidos todos estos datos, la app
personaliza consejos de alimentación y ejercicio para cada
usuario. La aplicación funciona como un entrenador personal
móvil y, cuanto más lo usemos, más datos recogerá y más
personalizados serán los consejos y recomendaciones para
alcanzar objetivos particulares.
Dónde puedo aplicar el Machine Learning?

Puede que nuestra empresa no sea del tamaño

de Netflix o Amazon, pero sí que podemos
aplicar Machine Learning para su mejora. Esta
tecnología puede utilizarse para definir y aplicar
estrategias, predecir acciones futuras y
optimizar y automatizar procesos en áreas tan
diversas como: marketing, operaciones, recursos
humanos o finanzas.
Dónde puedo aplicar el Machine Learning?

Por ejemplo, en marketing y atención al cliente. No

basta con tener una buena (y actualizada) base de
datos: cuanto más y mejor conozcamos a nuestros
clientes, mejor respuesta podremos dar a sus
necesidades. Pero no nos debemos quedar en aquello
que nos cuentan, sino que gracias a esta tecnología
podemos descubrir patrones de comportamiento que
de otra manera podrían pasar desapercibidos.
Dónde puedo aplicar el Machine Learning?

Podemos optimizar al máximo los perfiles de clientes,

lo que nos permite identificarlos y comprenderlos
mejor, pudiendo tomar las medidas necesarias para
retenerlos o mejorarles los servicios. Además, es
posible predecir los ingresos que en el futuro nos va a
aportar cada cliente específico. Esto permite
personalizar las acciones de marketing y atención al
cliente, apoyándonos en un mayor conocimiento sobre
ellos.
VENTAJAS
 Ventajas
• Mayor conocimiento de las necesidades,
gustos y hábitos de compra de los clientes.
• Mejora de la relación y de la comunicación
con el cliente.
• Predicción de tendencias y necesidades.
• Favorece la innovación y la búsqueda de
nuevas soluciones
 Ventajas
• Mejor toma de decisiones, así como para la
automatización de los procesos.
• Indispensable para la ciberseguridad de las
empresas.
• Mejora y optimización de los procesos de
selección.
• Optimización de los sistemas y procesos
logísticos de la empresa
 NUESTRAS
APLICACIONES
Sistema de recomendaciones (Data)
Sistema de recomendaciones (Resultado)
Sistema de pronostico de ventas
semanales (Experimento y data)
Sistema de pronostico de ventas
semanales (Resultado)
NBA
39