YouTube2Text

Big Data Juan Zaffaroni — Transcript

by Grupo GEMIS · 2,609 words · 407 segments · language en · Watch on YouTube

Full transcript

  1. 0:00Hola, soy Ezequiel Díaz, ingeniero en
  2. 0:03sistemas de información y ayudante de
  3. 0:05cátedra de la materia Sistemas y
  4. 0:07Procesos de Negocio de la UTN Facultad
  5. 0:09Regional Buenos Aires. Sean todos
  6. 0:12bienvenidos a un nuevo vídeo de la serie
  7. 0:14sobre tecnologías disruptivas. El día de
  8. 0:17hoy contamos con la presencia de Juan
  9. 0:19Zaffaroni, ingeniero en sistemas de
  10. 0:21información de la UTN Facultad Regional
  11. 0:23Buenos Aires y CEO y cofundador de
  12. 0:26Deblandit, empresa especializada en
  13. 0:29manejo de datos. Esperamos que la
  14. 0:31disfruten.
  15. 0:34Bueno, bienvenido Juan, muchas gracias
  16. 0:36por sumarte.
  17. 0:38Primero que nada, queremos que te
  18. 0:39presentes y nos cuentes eh cuál es tu
  19. 0:42relación con Big Data de manera
  20. 0:45profesional y académica también.
  21. 0:48Dale, bueno, mi nombre es Juan
  22. 0:49Zaffaroni, yo soy
  23. 0:52docente de UTN desde hace 34 años de
  24. 0:55gestión de datos,
  25. 0:56desde hace ya unos 15 casi o 13
  26. 1:00de bases de datos NoSQL y fui docente un
  27. 1:03tiempo de diseño de sistemas,
  28. 1:05director de la diplomatura en
  29. 1:06arquitecturas de Big Data en UTN desde
  30. 1:09hace ya 6 7 años
  31. 1:11y desde el año 2013 fundé una empresa
  32. 1:13que se llama Deblandit que se dedica
  33. 1:15exclusivamente a lo que es Big Data y
  34. 1:16Analytics.
  35. 1:17Empezamos allá en el 2013 2014 cuando
  36. 1:20muy pocas empresas
  37. 1:22hablaban del tema y bueno, nosotros nos
  38. 1:23dedicamos exclusivamente a eso.
  39. 1:25Así que desde ahí a la fecha que vengo
  40. 1:27viendo tendencias y todo lo que pasa en
  41. 1:30el mercado venimos trabajando.
  42. 1:33Genial, o sea, empapadísimo de Big Data.
  43. 1:36Vamos entonces directamente con las
  44. 1:37preguntas. ¿Cómo describirías el estado
  45. 1:40actual de Big Data?
  46. 1:42Bien, si nosotros vemos estos últimos 13
  47. 1:4514 15 años, ha evolucionado mucho, en
  48. 1:48este momento está en un estado
  49. 1:50digamos de transformación debido a que
  50. 1:52las empresas que originariamente lo que
  51. 1:54hacían solamente era capturar datos y
  52. 1:58llevarlos a un data lake, o sea, un gran
  53. 2:00lago de datos, imaginemos una gran base
  54. 2:02de datos que contiene información de
  55. 2:04distinto tipo y color. Eh, esas empresas
  56. 2:07empezaron con esa con esos datos que que
  57. 2:10almacenaron a procesarlos y dar
  58. 2:12resultados y dar servicios a empresas.
  59. 2:15Entonces, de ahí que, digamos,
  60. 2:17actualmente en la industria hay muchos
  61. 2:18servicios y muchas herramientas que
  62. 2:20están pensadas y basadas en eh la
  63. 2:24captura y después posterior análisis de
  64. 2:25estos datos.
  65. 2:27Dejando de lado eso, las herramientas
  66. 2:29que se crearon en la industria para
  67. 2:31manejar Big Data se fueron llevando a
  68. 2:34través de las nubes a empresas que no
  69. 2:36tienen problemas de Big Data. Digamos,
  70. 2:38si vamos a la definición de Big Data,
  71. 2:39son datos que vienen a mucho volumen,
  72. 2:40mucha mucha velocidad, son muy variados
  73. 2:44y son difíciles de procesar con bases de
  74. 2:46datos y sistemas tradicionales. Eso es
  75. 2:48lo que es Big Data.
  76. 2:49Entonces, eh llevar tecnologías que
  77. 2:51están pensadas para procesar Big Data a
  78. 2:53empresas que no tienen Big Data, lo que
  79. 2:55hacen es que puedan procesar más rápido
  80. 2:58los datos que ellos tienen normalmente o
  81. 3:01tener una herramienta que permita
  82. 3:03manejar historia de su empresa en
  83. 3:05volumen cuando eh no lo podían hacer de
  84. 3:07otra manera.
  85. 3:09Clarísimo. Y bueno, acá ya ya
  86. 3:12mencionaste un par de cosas de de las
  87. 3:14bondades de Big Data. Si tuvieras que
  88. 3:17destacar uno, ¿cuál dirías que es el
  89. 3:19mayor beneficio de Big Data?
  90. 3:22Bien, obviamente que dependiendo el
  91. 3:25grado de madurez de la empresa, eh
  92. 3:28dependiendo el nivel de madurez que
  93. 3:30tengan, obviamente, todo lo que es el
  94. 3:31procesamiento de grandes volúmenes de
  95. 3:33datos para eh lo que es un análisis
  96. 3:36predictivo o prescriptivo, es un poco a
  97. 3:38lo que uno apunta, digamos, ¿no?
  98. 3:40Pero también hay muchas empresas que lo
  99. 3:42usan para sus sistemas legacy
  100. 3:44históricos, poder llevarlos a una
  101. 3:46plataforma donde los puedan consultar
  102. 3:48habitualmente y no tener que tenerlos
  103. 3:50por ahí en backups o en datos que no los
  104. 3:52consultan, que no los pueden consultar
  105. 3:54casi nunca. Entonces, digamos, como
  106. 3:55beneficio, yo veo todo lo que es la las
  107. 3:58posibilidades de analítica avanzada,
  108. 4:01llamémosle así, y eh todo lo que es el
  109. 4:03tratamiento de datos históricos que de
  110. 4:05otra manera los tenían guardados,
  111. 4:06almacenados en backups, y nunca los
  112. 4:08podían consumir porque no tienen dónde
  113. 4:09guardarlos.
  114. 4:12Buenísimo.
  115. 4:13Vamos entonces ahora con algo del libro.
  116. 4:15Yo acá tengo anotado que nosotros
  117. 4:17mencionamos tres dimensiones de
  118. 4:18análisis, el análisis descriptivo, el
  119. 4:21análisis predictivo y el análisis
  120. 4:23prescriptivo.
  121. 4:24¿Cuál es la dimensión que consideras que
  122. 4:27puede aportarle más valor a una
  123. 4:28organización?
  124. 4:30Bien, volviendo un poco a lo que te
  125. 4:31decía antes, eh cuando uno eh analiza
  126. 4:34una empresa
  127. 4:35el nivel de madurez que tiene la misma
  128. 4:38con respecto a la analítica de datos,
  129. 4:41dependiendo del estadio que esté la
  130. 4:42empresa, le va a convenir una analítica
  131. 4:44descriptiva tradicional, o sea, la
  132. 4:46analítica que es descriptiva es que lo
  133. 4:48la cual me plantea lo que está pasando o
  134. 4:50lo que pasó, eh y después puede ser una
  135. 4:53una predictiva, eh si está en un un
  136. 4:55estadio de madurez mayor, y una
  137. 4:57prescriptiva ya cuando ya viene
  138. 4:59trabajando con predictiva hace tiempo,
  139. 5:01porque básicamente se basa en la
  140. 5:02predicción para decirte qué es lo que la
  141. 5:04empresa debería hacer en función de lo
  142. 5:06que eh va a ocurrir. Entonces, si vos me
  143. 5:10decís, depende del estado de madurez de
  144. 5:12la empresa, o le va a salir mucho más la
  145. 5:14la descriptiva, porque hay empresas que
  146. 5:16uno dice, "Qué raro que todavía no tiene
  147. 5:18tableros, todavía no." Y sí, muchas
  148. 5:19empresas que les pasa que tienen un
  149. 5:21Excel y van tomando datos de donde
  150. 5:23pueden, eh eh y hay otras que ya están
  151. 5:26mucho más avanzadas, porque tienen
  152. 5:27muchos años de Business Intelligence,
  153. 5:29para lo cual la capa descriptiva la
  154. 5:30tienen cubierta, y ahí es donde la
  155. 5:32predictiva entra fuerte, y la
  156. 5:35prescriptiva, obviamente, los que ya
  157. 5:36venían más avanzados aún.
  158. 5:39Buenísimo.
  159. 5:40Ahora, ya hablamos de que, bueno, Big
  160. 5:42Data tiene que ver con altos volúmenes
  161. 5:45de datos. ¿Te enfrentaste alguna vez a
  162. 5:47alguna complejidad propia de tener que
  163. 5:50manejar de manejar volúmenes
  164. 5:52excesivamente altos de datos e
  165. 5:54información?
  166. 5:56Sí, mira, nosotros cuando empezamos y yo
  167. 5:58te comentaba año 2013, 2014, las pocas
  168. 6:01empresas que nos podían contratar eran
  169. 6:02hotelcos
  170. 6:04eh o algo de gobierno puntualmente.
  171. 6:06Nosotros empezamos trabajando con las
  172. 6:08telcos más importantes del país y con eh
  173. 6:10algunos gobiernos latinoamericanos
  174. 6:12haciendo trabajos puntuales.
  175. 6:14Eh ahora, de los problemas más comunes
  176. 6:17uno se uno cuando se van a la nube es el
  177. 6:19costo.
  178. 6:20Digamos, cuando uno va a cualquier nube,
  179. 6:22la nube es un taxi en definitiva y que
  180. 6:25cuando vos estás diciendo, "Ah, mira,
  181. 6:27pero está bueno irme a la a la nube X,
  182. 6:29no importa, eh me sale tanto." Bueno,
  183. 6:32eso multiplicarlo por petabyte de
  184. 6:34información y vas a ver el costo cómo se
  185. 6:36te va a multiplicar. Eso por un lado.
  186. 6:38Otro lado es la calidad del dato, la
  187. 6:40calidad que se tiene en función a los
  188. 6:42volúmenes que vas teniendo que es muy
  189. 6:44difícil poder ingestar y validar calidad
  190. 6:46a la vez, para lo cual tenés que hacer
  191. 6:47trabajos de que eh en distintas
  192. 6:50pipelines jugar por un lado con la
  193. 6:52calidad cuando vas jugando con la
  194. 6:53ingesta en tiempos, digamos,
  195. 6:55asincrónicos, ¿no? O sea, estás
  196. 6:58moviéndote como en líneas distintas.
  197. 7:00Eh después obviamente también el
  198. 7:02almacenamiento, sobre todo en las
  199. 7:04empresas que estaban on prem.
  200. 7:06Cuando vos decís, eh tiene sus
  201. 7:07plataformas de manejo de big data on
  202. 7:09prem, eh bueno, en algún momento esas
  203. 7:11plataformas van a tener que escalar.
  204. 7:13Cuando escalan ahí tenés que requerir
  205. 7:15compra de hardware o evaluar plataformas
  206. 7:18que
  207. 7:19te permitan escalar horizontalmente,
  208. 7:21también dan crecer en mayor cantidad de
  209. 7:22servidores. Digamos, resumiendo, costos
  210. 7:25en función a la nube y también en el on
  211. 7:27prem cuando vos tenés que comprar,
  212. 7:29escalamiento horizontal que es crecer en
  213. 7:31uno o más servidores y no crecer
  214. 7:33solamente verticalmente en un servidor
  215. 7:35eh y tercero todo lo que hace a los
  216. 7:38tiempos de ingesta, sobre todo cuando es
  217. 7:40línea real time eh y la la validez de la
  218. 7:43calidad del dato.
  219. 7:46Clarísimo. Y me gustó que ya lo
  220. 7:47mencionaste un poco el la complejidad
  221. 7:50sobre la calidad de los datos. ¿Alguna
  222. 7:52vez te enfrentaste a problemas de
  223. 7:55veracidad o validez de los datos?
  224. 7:58Sí, cuando uno trabaja en el mundo de
  225. 8:00data, sabe que uno de los puntos clave
  226. 8:02es asegurar la la calidad del dato.
  227. 8:06Acá eh en estos últimos 10 años eh fue
  228. 8:09tomando mucha más fuerza toda la parte
  229. 8:11de de governance, de data governance,
  230. 8:13que hace no solamente a poder evaluar la
  231. 8:16calidad del dato, sino también a evaluar
  232. 8:19eh y a conocer el dato en sí, de qué
  233. 8:21estás tratando y lo que sería eh el el
  234. 8:24linaje teatro, de dónde viene, hacia
  235. 8:26dónde va. Eh obviamente que a nivel de
  236. 8:29calidad de datos continuamente estamos
  237. 8:30viendo y estamos teniendo problemas
  238. 8:33desde desajustes por eh ingestas de
  239. 8:36datos que se cortan, desde eh datos que
  240. 8:39te vienen mal de la fuente, para lo cual
  241. 8:41a veces que la calidad del dato no es
  242. 8:43inherente a Big Data, no es inherente al
  243. 8:45Data Lake, eh sino que es inherente a la
  244. 8:47fuente de datos. Entonces, eh
  245. 8:50sinceramente es un tema que que afecta
  246. 8:52mucho, sobre todo cuando eh el tipo
  247. 8:56de datos que estás almacenando
  248. 8:58posteriormente va a ser producto de un
  249. 9:00reporte eh gerencial o un informe de
  250. 9:03repente para un desregulador, en el caso
  251. 9:05de alguna utilities, por ese tipo de
  252. 9:07cosas son son clave. Entonces, eh ahí es
  253. 9:10donde nosotros tenemos que trabajar muy
  254. 9:12fuertemente, es o con herramientas de
  255. 9:14mercado, lo cual se permiten manejar y
  256. 9:16saber de esta calidad del dato continua,
  257. 9:18eh y con procesos adhoc desarrollados
  258. 9:20para asegurar que este dato eh sea sea
  259. 9:24correcto y coherente. No sé, te puedo
  260. 9:26decir un caso de una Telco, en la cual
  261. 9:28los volúmenes de datos estás hablando de
  262. 9:3012,000 millones de filas por día, por
  263. 9:32ejemplo, en algunas tablas, eh imagínate
  264. 9:34cómo aseguras la calidad de un dato eh
  265. 9:36en ese volumen de datos. Y ahí, por
  266. 9:38ejemplo, tenés que hacer a veces eh
  267. 9:40hablar de porcentajes, decir, bueno, si
  268. 9:42el porcentaje de datos da más menos
  269. 9:44esto, dalo como bueno. Eh y estamos
  270. 9:46hablando, por ejemplo, de decir si la
  271. 9:48cantidad de de de filas que tenías que
  272. 9:50cargar son las correctas. Estás hablando
  273. 9:52de 12,000 millones, bueno, eh depende
  274. 9:55del día de la semana, entonces se hace
  275. 9:57se hace, digamos, eh un un trabajo
  276. 9:59estadístico para hacer un análisis por
  277. 10:02muestreo o por por volumen, por
  278. 10:04porcentaje, ¿no?
  279. 10:06Clarísimo. Suena muy muy complejo, sin
  280. 10:10dudas.
  281. 10:11Para ir cerrando y como última pregunta,
  282. 10:14ya hablamos de nos contaste, bueno, de
  283. 10:16tu amplia experiencia, hablamos del
  284. 10:18presente,
  285. 10:19¿qué se viene? ¿Cuáles son las
  286. 10:20tendencias emergentes que ves en el
  287. 10:22campo de la Big Data?
  288. 10:24Bien, eh en mi caso, yo me recibí de
  289. 10:27ingeniero en el año 90 y mi última
  290. 10:29materia fue Inteligencia Artificial.
  291. 10:31Pero en esa en esa época se veía
  292. 10:32Inteligencia Artificial como algo eh que
  293. 10:35vos veías en la eh por ahí o escuchabas
  294. 10:38que IBM tenía una una mega
  295. 10:41supercomputadora que le ganaba al
  296. 10:43campeón de ajedrez, veías esas cosas en
  297. 10:45ese momento.
  298. 10:46Eh creo que la Inteligencia Artificial,
  299. 10:48claramente, eh eh en el día de hoy está
  300. 10:52eh con muchas más aplicaciones y se está
  301. 10:55dando eh la posibilidad de tener
  302. 10:57respuestas a a problemas reales de
  303. 11:00industrias eh y creo que el camino va
  304. 11:02por ese lado, por más que
  305. 11:04como todo, como todo en en sistema y en
  306. 11:07la vida, hay modas, hay modas y hay
  307. 11:09tendencias, bueno, claramente
  308. 11:11Inteligencia Artificial es una tendencia
  309. 11:12que está para que vino para quedarse. No
  310. 11:14sé, casos de Nosotros hicimos una
  311. 11:16aplicación que sacándole fotografías a
  312. 11:19una a una herida te hace eh eh la
  313. 11:21sugerencia diagnóstica, por ejemplo. Eh
  314. 11:24heridas heridas de la piel, lesiones por
  315. 11:25presión, escaras, eh úlceras eh venosas,
  316. 11:28arteriales, eh por ejemplo. O tuvimos
  317. 11:32que analizar documentos escritos para
  318. 11:34sacar información y de eso poblar una
  319. 11:36base de datos con indicadores que salían
  320. 11:38de esos documentos. Ese tipo de trabajos
  321. 11:40cada vez se hace más o analizar las
  322. 11:43bases de datos de la empresa y tomar
  323. 11:44información para después con algún motor
  324. 11:47del LM como puede ser chat GPT, llama o
  325. 11:50mistral, eh poder ante preguntas que una
  326. 11:53persona de la empresa hace, bucear en
  327. 11:55bases de datos vectoriales y tener la
  328. 11:57información. O sea, cada vez más eh lo
  329. 12:00que es eh
  330. 12:02la inteligencia artificial está dando
  331. 12:04respuestas a problemas que tienen las
  332. 12:06empresas diariamente. Entonces creo que
  333. 12:08por ese lado eh viene más toda la
  334. 12:10tendencia. Dejando de lado que lo que es
  335. 12:13la captura, almacenamiento,
  336. 12:15procesamiento más tradicional está muy
  337. 12:18fuerte y las nubes están muy fuertes por
  338. 12:20más que en este último tiempo ya empieza
  339. 12:23a ver un mix entre el procesamiento en
  340. 12:26nube versus el procesamiento on premise
  341. 12:28como un trabajo mixto. Así como hace 5 o
  342. 12:316 años todos estaban yendo a las nubes
  343. 12:34eh y y y y muchas empresas estaban
  344. 12:37llevando todo todo su su área de data a
  345. 12:39la nube, todavía ahora se está viendo
  346. 12:42que empresas sobre todo más grandes, por
  347. 12:43lo que hablamos al principio, los
  348. 12:44costos, están empezando a eh a tener
  349. 12:47parte on premise y parte en la nube
  350. 12:49jugando con depende qué es lo que yo
  351. 12:51necesito hacia mis clientes finales o
  352. 12:54qué necesito que crezca por ahí por un
  353. 12:56producto o proyecto nuevo que yo no sé
  354. 12:58cómo va a escalar entonces juego en la
  355. 13:00nube y cuando ya lo tengo eh más maduro
  356. 13:02lo bajo al on premise. O sea, tenés está
  357. 13:05viendo eh de de las dos opciones. Con
  358. 13:07esto un poco eh creo yo que son los dos
  359. 13:10puntos que que que más tenemos, todo lo
  360. 13:12que es inteligencia artificial, sobre
  361. 13:14todo con inteligencia artificial
  362. 13:15generativa, y la ya el posicionamiento
  363. 13:19del procesamiento de big data en las
  364. 13:21empresas medianas y grandes.
  365. 13:25Buenísimo. Y la verdad que es muy
  366. 13:27interesante que hayan mencionado justo
  367. 13:28inteligencia artificial y y tanto
  368. 13:31hincapié en lo que es la nube y cloud
  369. 13:34computing porque son invitaciones
  370. 13:36también para todos a ver los vídeos de
  371. 13:38la serie eh sobre los temas así que todo
  372. 13:41todo todo está conectado y está
  373. 13:43buenísimo. Juan, agradecerte muchísimo
  374. 13:46por tu participación, por tu tiempo y te
  375. 13:49cedo unos últimos instantes para el
  376. 13:52cierre que quieras hacer y últimos
  377. 13:53comentarios.
  378. 13:56Bueno bien, eh yo digamos lo que
  379. 13:58nosotros tratamos siempre de hablar
  380. 14:00cuando hablamos sobre todo con empresas
  381. 14:01y obviamente en el mundo académico
  382. 14:03también, es es el hecho de entender de
  383. 14:07las tecnologías que necesitamos para
  384. 14:09digamos para nuestro caso puntual, o sea
  385. 14:11poder eh no no ir a a a lo que es el
  386. 14:14genérico o o o o lo el estándar, sino
  387. 14:18ver qué casos tenemos, qué caso de
  388. 14:20negocio tenemos y a partir del caso de
  389. 14:21negocio o el caso de uso que yo tenga,
  390. 14:24ver cuál es la mejor solución. O sea,
  391. 14:26pasa pasa muchas veces que siempre hay
  392. 14:28hay empresas que van ah bueno, eh esto
  393. 14:30es lo que está usando todo el mundo. No,
  394. 14:32creo que está bueno y cada vez más está
  395. 14:34pasando que viendo nuestros casos de
  396. 14:36negocio, por eso hay que trabajar
  397. 14:38primero en eso, a partir de ahí veas
  398. 14:40cuál es la mejor tecnología que te lo va
  399. 14:41a resolver. Y puede ser tecnologías
  400. 14:43pensadas para big data o no. No todo no
  401. 14:46todo eh no todas las empresas requieren
  402. 14:49de tecnologías orientadas a big data.
  403. 14:52Buenísimo. Gracias Juan una vez más.
  404. 14:55Gracias a todos los que están del otro
  405. 14:56lado. Esperamos que les haya gustado el
  406. 14:58vídeo y los invitamos a seguir viendo
  407. 15:01los vídeos de la serie. Gracias a todos.

About this transcript

This page contains the full transcript of Big Data Juan Zaffaroni by Grupo GEMIS, generated from the public captions YouTube serves with the video. The transcript has 2,609 words across 407 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to choose a caption track available on the video.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, caption language selection, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.