La Arquitectura Orientada a Servicios es un modelo de integración muy amplio, versátil y con grandes ventajas para mejorar la agilidad con la cual se mueve tu industria, permitiendo optimizar tus servicios e incrementar la capacidad de respuesta de operaciones empresariales.

Para lograr ello se necesita es una herramienta basada en estándares para integrar sistemas y aplicaciones heterogéneos, sobre una serie de plataformas y protocolos de comunicación con una metodología bien establecida, para lograr un nivel óptimo de integración, de manera que la infraestructura facilite  los cambios posteriores que puedan surgir como respuesta a la evolución en las necesidades de la empresa.

Plataformas de Integración
En el mercado actualmente existen varios fabricantes de software que cuentan con plataformas de integración de aplicaciones que permiten la implementación de este tipo de arquitecturas. Oracle SOA Suite es una suite integral de software conectable para crear, implementar y administrar Arquitecturas orientadas a servicios (SOA).

Oracle SOA Suite es un conjunto de software completo y con funcionamiento permanente para la creación, implementación y administración de una arquitectura orientada a servicios. Esto incluye el desarrollo de aplicaciones orientadas a servicios, la integración de sistemas de IT y aplicaciones orientadas a servicios y la administración de procesos de negocio orientados a servicios. Se conecta a las infraestructuras de IT heterogéneas y permite a las empresas adoptar SOA de manera gradual.

Los componentes de la suite se benefician con capacidades en común, con inclusión de un solo modelo de administración e implementación, herramientas consistentes, seguridad integral y administración de metadatos unificados.

Oracle SOA Suite mejora la capacidad de la empresa tanto para predecir los cambios mejorando la visibilidad de lo que ocurre en el entorno de los negocios, en tiempo real como para responder a esos cambios permitiendo a las empresas desarrollar y optimizar los procesos de negocio rápidamente. Simplifica el entorno de IT al ser abastecido, implementado, monitoreado y administrado como una sola infraestructura cohesiva. Aprovecha las inversiones existentes al ser modular, abierto y extensible.

Elaborado por:

Victor Guerra

Consultor BusinessMind Chile

La entrada EL RETO DE LA INTEGRACION – SOA se publicó primero en BusinessMind, Chile.

Pero, ¿qué es Machine Learning? ¿O Aprendizaje automático? Según Arthur Samuel (1959), “Es la ciencia de hacer que las computadoras actúen sin estar programadas explícitamente”.

En otras palabras, es la utilización de algoritmos basados en inteligencia artificial, de tal manera que las salidas que generen puedan ser respuestas predictivas, autónomas y retroalimentadas.

A pesar de ser una definición no tan trivial cada día podemos observar cómo se van integrando a nuestra vida cotidiana; como las búsquedas avanzadas según los hábitos de navegación en la web, pasar de soluciones reactivas a proactivas en servicios de telecomunicaciones, así como detección de patrones de comportamiento en la industria del marketing.

De ahí es donde hoy en día adquiere mayor relevancia el aprendizaje automático al ir teniendo progresivamente cabida en áreas de negocio y producción en las que se utilicen herramientas de TI para su aprovechamiento.

Dicho esto y según su utilidad, podemos categorizar el Aprendizaje Automático en tres grupos; aunque existen más categorías, nos enfocamos en los más relevantes:

– Supervised learning: Estos algoritmos pueden aplicar lo que se aprendió en el pasado a nuevos datos usando ejemplos etiquetados para predecir eventos futuros. A partir del análisis de un conjunto de datos de entrenamiento conocido, el algoritmo de aprendizaje produce una función inferida para hacer predicciones sobre los valores de salida. El sistema puede proporcionar objetivos para cualquier nueva entrada después de una capacitación suficiente. El algoritmo de aprendizaje también puede comparar su salida con la salida correcta y prevista, y encontrar errores para modificar el modelo en consecuencia.

– Unsupervised learning: Se utilizan cuando la información utilizada para entrenar no está ni clasificada ni etiquetada. El aprendizaje no supervisado estudia cómo los sistemas pueden inferir una función para describir una estructura oculta a partir de datos no etiquetados. El sistema no encuentra el resultado correcto, pero explora los datos y puede sacar inferencias de conjuntos de datos para describir estructuras ocultas de datos no etiquetados.

– Reinforcement learning: Son un método de aprendizaje que interactúa con su entorno al producir acciones y descubre errores o recompensas. La búsqueda de prueba y error y la recompensa retrasada son las características más relevantes del aprendizaje de refuerzo. Este método permite que las máquinas y los agentes de software determinen automáticamente el comportamiento ideal dentro de un contexto específico para maximizar su rendimiento. Se requiere una retroalimentación simple de recompensa para que el agente sepa qué acción es mejor; esto se conoce como la señal de refuerzo.

¿Qué esperar de Machine Learning?

Más de qué esperar, podríamos mencionar los desafíos a los que se enfrenta Machine Learning, desde un punto de vista de las empresas que quieran implementarlo u optimizarlo, se hace mención en un artículo publicado en el siguiente blog:   https://blogs.oracle.com/machine-learning-challenges%3a-what-to-know-before-getting-started,  en el cual se refiere a tres grandes desafíos, principalmente enfocado a Big Data:

– Abordar la brecha de habilidades de aprendizaje de máquinas: La importancia de que el recurso dedicado a la implementación sea calificada y constantemente entrenada y de lo determinante que es el apoyo de los ejecutivos de las empresas como factor de éxito.

– Saber cómo administrar tus datos (en Big Data): Ya que como factor crítico del negocio, hay que saber adaptarse a las necesidades, innovar y estar planificado para administrar grandes volúmenes de datos.

– Operacionalizando los datos (en Big Data): Llevar el modelo a la factibilidad de que tus datos sean realmente utilizados eficientemente y poder obtener tendencias y comportamientos acordes a la realidad y necesidad del negocio.

Cabe destacar, que el aprendizaje automático permite el análisis de cantidades masivas de datos. Aunque generalmente brinda resultados más rápidos y precisos para identificar oportunidades rentables o riesgos peligrosos, también puede requerir tiempo y recursos adicionales para capacitarlo adecuadamente. La combinación del aprendizaje automático con Inteligencia Artificial y las tecnologías cognitivas puede hacer que sea aún más eficaz en el procesamiento de grandes volúmenes de información.

Fuentes:

Blog pagina Oracle
https://blogs.oracle.com/machine-learning-challenges%3a-what-to-know-before-getting-started

Genetic IA
https://www.genetic.ai/machine-learning-i/

Expert System
http://www.expertsystem.com/machine-learning-definition/

Adext
https://blog.adext.com/es/machine-learning-guia-completa

Elaborado por:

Omar Villarroel

Consultor BusinessMind Chile

La entrada Machine Learning o Aprendizaje Automático: ¿Qué es? ¿Y qué esperar de él? se publicó primero en BusinessMind, Chile.

• ¿Existe un correcto manejo de la información de sus sistemas de información?
• ¿El personal está informado de cuáles son los procesos internos y qué información manejan?
• ¿Las áreas/departamentos de la organización manejan varias realidades de los datos, o existe un repositorio central?
• ¿Los analistas ocupan más tiempo en obtener los datos que en analizarlos para aportar con información y conocimiento a la operación de la organización?

Si por lo menos una de las respuestas a las preguntas anteriores es afirmativa, debería considerar dedicar mayor esfuerzo a analizar cómo se están manejando los procesos internos y qué tan responsables son con el manejo de los datos.

En su definición más simple, la gestión de datos maestros es el método mediante el cual se enlazan todos los datos críticos de una organización en un archivo único, llamado “archivo maestro”. MDM ha tomado fuerza en el último tiempo apoyado en gran medida por los modelos de negocio B2B, la integración de datos de fuentes heterogéneas, internet de las cosas (IOT)  y también gracias a la estrategia SOA. Muchos fabricantes a nivel mundial están apostando por soluciones de este tipo para dar respuesta a las necesidades de las organizaciones, y no es para menos, de acuerdo con un estudio realizado por la consultora Zion Market Research este mercado crecerá hasta rentabilizar USD 37.900 millones para el año 2022, esto es una muestra de que las grandes corporaciones se han tomado en serio el tratamiento ordenado de sus datos.

De acuerdo a este reporte, el principal gatillador de esta tendencia es la masiva introducción del Internet de las Cosas (IoT) en el mercado. Las organizaciones están obteniendo grandes beneficios en campos como computación en la nube, manejo de Big Data y redes sociales; pero sin una correcta metodología de administración de datos el conocimiento esperado podría quedar truncado en buenas intenciones. Este análisis se ve apalancado por la publicación del cuadrante Gartner del 2017 con los principales proveedores de MDM, en donde se puede ver que los grandes fabricantes de software están intensificando sus esfuerzos para disponer de plataformas con altas prestaciones que se adapten a las necesidades y realidades de las empresas.

Impulsando el crecimiento integral

En las organizaciones, las grandes motivaciones para la adopción de MDM están relacionadas a incrementar el conocimiento del mercado, identificar tendencias, integrar procesos, incrementar las ventas, evaluar posibles riesgos, entre otros. Dichas necesidades no se podrían realizar correctamente en entornos desordenados en donde no exista responsabilidad por el dato en sí. Empresarialmente la administración de datos es la disciplina que permite realizar una correcta y minuciosa gestión de los datos maestros (clientes, proveedores, productos, cuentas, etc.) con la finalidad de ofrecer una fuente fidedigna a los distintos departamentos ofreciendo una visión actualizada y unificada.

Carmen Artígas, en su artículo Master Data Management: Hacia la verdadera visión integral de los datos y… ¡más allá! introduce el concepto de “Dato como servicio”, un principio revolucionario en el  que los datos se pueden desacoplar de las aplicaciones, conciliarlos sintáctica y semánticamente en un repositorio central de referencia y distribuirlos como un servicio a las aplicaciones empresariales.

Un cambio en este sentido lleva a las organizaciones a crecer estratégicamente, desarrollando una visión de “Gobierno de datos”, permitiendo el crecimiento integral y una mejora en los resultados operativos, siempre y cuando se cuente con el compromiso a nivel directivo y la colaboración de todos los departamentos.

Si bien con la implementación de la metodología de Business Intelligence se lograba contextualizar los datos empresariales y transformarlos en información útil (ayudado en gran medida por el concepto de Data Warehouse), la implementación de MDM permite ver por fin a los datos como un activo estratégico, en donde, al igual que los activos contables, si no se gestionan correctamente pueden deteriorarse hasta perder valor.

Datos -> Información -> Conocimiento -> Mejores Decisiones -> Rentabilidad -> Crecimiento  

Elaborado por: Paul Berrones – Consultor Especialista

Fuentes:

Sitios Web

https://www.zionmarketresearch.com/news/master-data-management-market

https://www.orchestranetworks.com/2017-Gartner-Magic-Quadrant-Master-Data-Management/

http://www.b-eye-network.com/view/2918

Artículos

Master Data Management: como crear una visión única de cliente (Power Data, 2015)
GETTING STARTED WITH MASTER DATA MANAGEMENT Find out how to successfully start a master data management program, with best practices, expert advice and more. (J EFF K ELLY & H ANNAH S MALLTREE, 2010)

Apoyo:  Patricio Moreno – Arquitecto Empresarial

La entrada Los datos en el centro de las organizaciones se publicó primero en BusinessMind, Chile.

Independientemente de la arquitectura de sus aplicaciones, OpenShift le permite crear, desarrollar e implementar de manera rápida y sencilla en casi cualquier infraestructura, ya sea en nube pública o privada ya que cuenta con una plataforma que lo ayudará a llevar su próxima gran idea al mercado, por delante de su competencia.

Las industrias modernas son cada vez más competitivas, y los departamentos de TI deben ser ágiles para satisfacer las necesidades empresariales, las cuales están utilizando analíticas y otras herramientas para soportar esta transformación mediante la automatización de procesos y la adopción de plataformas flexibles a través de infraestructuras en la nube híbridas.

OpenShift combinado con Red Hat JBoss Middleware nos ofrece servicios nativos que incluye herramientas del desarrollador, integración, automatización de negocio, gestión de datos y más. Para que de esta manera se pueda desarrollar aplicaciones más rápido, con más inteligencia y flexibilidad, y pueda superar los retos de desarrollo de sistemas con microservicios.

Openshift es una plataforma creada por Red Hat para desplegar aplicaciones en distintos lenguajes como Node.js, Ruby, Python, PHP, Perl, Java con algunas Bases de datos soportadas tales como: MySQL, PostgreSQL, MongoDB, CouchBase. Con frameworks de aplicaciones web mediante integración con una API al lenguaje preferido, por el cual no requiere cambios del código de los frameworks.

Existen 3 versiones de Openshift:

• Openshift Origin: Openshift de codigo abierto
• Openshift Online: Openshift Público
• Openshift Enterprise: Openshift para instalación en servidores o cloud privado

Elaborado por:   Scarlet Rey – Gerente de Cuenta
Fuente https://www.redhat.com

La entrada Desarrollo de Aplicaciones más rápidas a menor costo con Red Hat OpenShift se publicó primero en BusinessMind, Chile.

Dentro de cada área del negocio es importante tener agentes de cambios, profesionales que tengan una conciencia y visión digital motivados que ayudan a conducir la transformación digital y establecer la estrategia de la empresa para poder tener una mejora continua una vez implementada la transformación digital.

Los elementos a considerar dentro de un proceso de transformación digital en una empresa son los que se indican a continuación, Dado que esto se debe realizar de manera progresiva, en función del estado de la empresa se selecciona el punto con el cual se debe comenzar:

Clientes: Se establecen canales de comunicación directos con el cliente, creación de encuestas para saber que percepción tiene el mismo, se establecen perfiles y comportamientos de compra con el fin de poder ofrecer nuevos productos y contar con el stock necesario.

• Comprensión del cliente
• Crecimiento de primera línea
• Puntos de contacto del cliente

Procesos: Se levantan los procesos de la empresa, se afinan y se crean flujos de trabajo automatizando tareas y actividades, se lleva un control del proceso y se mejoran rendimientos.

• Digitalización de procesos
• Habilitación de trabajadores
• Gestión del rendimiento

Modelos de Negocios: Se establecen las formas de adaptación a los diferentes mercados, lo cual contribuye a establecer innovaciones en la organización para poder sobresalir y generar valor en sus productos o servicios.

• Negocios modificados digitalmente
• Nuevos negocios digitales
• Globalización digital

Una vez establecido cuales son los puntos con los que se dará inicio a este proceso de transformación digital, se puede acceder a soluciones de diferentes tamaños y costos. No es necesario ser una gran empresa u organización para poder realizar una transformación digital, ya que hoy en día el mercado cuenta con variadas soluciones entre ella están los servicios en la nube, lo cual les permite a las empresas, sin tener un área de TI muy grande, contar con varios elementos tecnológicos a un menor costo. Así también, dentro de las grandes empresas se las utilizan como ambientes de desarrollo o pruebas, dejando únicamente en sus Datacenters su ambiente productivo. También se debe considerar que debido a la rápida evolución y gran oferta de la tecnología los precios son más accesibles.

Al tener las áreas de la empresa digitalizadas, se obtienen los datos necesarios y disponibles para transformarlos en información, es decir, para procesarlos y consolidarlos, y así obtener diferentes paneles de control e indicadores claves de rendimiento y gestión de toda la organización. Esto permitirá identificar donde se está fallando como compañía y así implementar correcciones o mejoras.

En el mundo globalizado que existe en la actualidad, la transformación digital es la clave para que las empresas puedan ser más ágiles, más receptivas a los cambios en el mercado y poder mantener y aumentar su posición en el mismo. Del otro lado del mundo hay una empresa que hace lo mismo que tu empresa y está realizando la transformación digital lo que le permite conocer a los clientes, reducir costos, globalizarse y tarde o temprano puede llegar a desplazar a tu compañía del mercado.

La entrada Transformación Digital: ¿Por qué Implantarla? se publicó primero en BusinessMind, Chile.

El comportamiento del ser humano ha ido cambiando con el tiempo, actualmente la tendencia es que cuando quiere algo lo quiere en ese mismo instante, lo cual ha generado que el nivel de exigencia sea cada vez más elevado para las empresas. Esta exigencia, es un aspecto importante no sólo para los servicios que ofrecen las empresas, sino también va a impactar en los análisis de los datos que se hagan en tiempo real.

Sin lugar a duda, Big Data ha demostrado ser beneficioso para innumerables empresas y organizaciones comerciales. Pero, todos estos esfuerzos quedan relegados a menos que las organizaciones estén completamente informadas sobre las formas de implementarlas.

Big Data o el análisis de grandes volúmenes de datos se ha convertido en  una herramienta fundamental en nuestro día a día. Sin embargo ¿realmente sabemos cómo afrontar todos los retos y desafíos que supone el Big Data y el análisis de datos?

En el año 2018 podremos ver funcionar todos los avances que Big Data nos ha prometido este año. Una de las prioridades para las empresas es la gestión de datos y recursos, integrando múltiples tecnologías.

Expertos coinciden que  será el año en que el Big Data logrará una evolución tecnología considerable dentro del contexto económico y social.

En este contexto, el área tecnológica relacionada con Big Data aborda las herramientas, métodos, técnicas de solución y optimización que permiten el control y manejo de grandes volúmenes de datos, sean estos estructurados y no estructurados. Para ello, se utiliza la solución de cómputo exhaustivo e intensivo, que permite explotar eficientemente los recursos computacionales usados y así obtener una significativa reducción del tiempo empleado en el análisis de los datos sin sacrificar su confiabilidad y seguridad.

Toda la versatilidad ofrecida por este campo de conocimientos está abriendo la posibilidad de nuevos modelos de negocios y nuevas oportunidades que no eran posibles con las tecnologías de información convencionales.

Entre las principales tendencias tecnológicas usadas tenemos:

• Los sistemas de almacenamiento distribuido NoSQL,tan importantes para grandes necesidades de datos e infraestructura.
• Los sistemas distribuidos para la ingesta, procesamiento y análisis de señales y eventos IoT en tiempo real, que permiten analizar a la inmediatez gran cantidad de datos.
• Las bases de datos con procesamiento basado en GPUs, que aceleran el cálculo sobre información masiva y ayuda a reducir tiempos de entrenamiento de modelos y proyectos de machine learning.
• Los chatbots, que permiten contestar consultas y realizar acciones sencillas de forma automática y mediante un lenguaje natural. Durante este año terminarán de perfeccionarse tanto en funcionamiento como en diseño.

Lo que sin duda veremos es como el auge de las tecnologías digitales, el almacenamiento de datos a un menor coste, el hardware de alto rendimiento y el software integrado fomentarán el cambio tanto en las grandes como en las pequeñas empresas.

La necesidad de las empresas por realizar un análisis de datos fomentará la innovación tecnológica (TI) dentro de ésta y al mismo tiempo su integración en el ecosistema de Big Data. Estos avances serán obligatorios para todas las empresas que no quieran quedarse atrás en el mercado. Por lo tanto, el modelo Business Intelligence comenzará a ser una realidad desde las grandes multinacionales hasta los pequeños startups.

La importancia de este tema para las empresas es evidente. La información que se extrae de los datos y el uso de los datos como servicio, ha permitido triunfar a muchas organizaciones, transformando sus datos en información realmente útil. Hay que ser capaces de conjugar datos de clientes con datos financieros, de ventas, de productos, de marketing, de redes sociales, datos demográficos, de la competencia… y extraer de ellos un análisis valioso y efectivo.

La entrada Análisis con Big Data: El futuro de la Analítica Digital se publicó primero en BusinessMind, Chile.