Arquitectura de la Internet del Futuro

1
 Internet de los Servicios y sus
especializaciones

Una multitud de servicios IT

conectados, que son ofrecidos,
comprados, vendidos, utilizados,
adaptados y compuestos por una
red universal de proveedores,
consumidores y agregadores de
servicios o brokers
- resultando en -
una nueva manera de ofrecer,
utilizar, y organizar
funcionalidad soportada por IT
SAP Reseach , Seedka

2
La senda del Big Data

Toda esta evolución va

generando cada vez más y
más datos en cantidades
inimaginablemente grandes
con una población
internauta cada vez más
numerosa e implicada

[Link]/every-minute-internet-2020/

3
 La senda del Big Data

¿De dónde sale toda esa información hoy en día?

Principalmente dos fuentes:

La vida de las personas Sensores y sistemas empresariales

4
 La senda del Big Data

Big Data podría definirse como el creciente volumen de datos a lo largo de los
últimos 10 años de la mano de las nuevas capacidades de almacenamiento y
procesamiento.

Big Data
Small Data

Software interno de la IoT, comportamiento

compañía como ERP, de clientes y sus
CRM, contabilidad… operaciones

Datos estructurados Datos estructurados y

no estructurados
De GBytes o TBytes
De TBytes a PBytes
Presencia frecuente
en la empresa Nueva tecnología

5
 Big Data y toma de decisiones
basada en datos (DDDM)
¿Y para qué queremos tanto dato? Uno de los usos más universales es el poder
de tomar decisiones basándonos en datos (DDDM) que tiene inherentes
ventajas:

 Es una estrategia consistente y determinada en el tiempo.

 Ausencia de emociones y sesgos personales.
 Conciencia continua de la realidad de los sucesos.
 Respuesta rápida en base a modelos predictivos.
 Seguridad y justificación objetiva en la toma de decisiones.

Las técnicas de Big Data permiten procesar adecuadamente y de forma

continua interacciones con los clientes o con terceros, profundizando en sus
motivaciones y preferencias que mejoran la toma de decisiones.

6
 Big Data y toma de decisiones
basada en datos (DDDM)
Eso no se consigue normalmente de la noche a la mañana, se necesitan
recursos e implicación y voluntad de toda la estructura empresarial.

Fases hacia una

cultura DDDM
en la empresa

[Link]/data-driven-decision-making-management

7
 Ejemplos de Big Data para DDDM:
casos de uso en Facebook
Según el director de análisis de Facebook ([Link]/Articles/2013/04/02/QA-Big-Data-at-
[Link]) hay tres grandes casos de uso:

 Potenciar el producto con recomendaciones tipo “Gente que quizá

conoces” o análisis de mensajería para publicidad (ahora también con
Whatsapp)

 Detección automatizada del fraude, fake news, Spam, abuso…

 El último –y de lejos el más importante- el análisis de miles de tests A/B

para nuevas funcionalidades que permitan mejorar la experiencia y que el
usuario permanezca “enganchado”.

8
 Ejemplos de Big Data para DDDM:
Netflix y House of cards
Es bien conocido el caso de la serie “House of cards” (ecommerce-
[Link]/hause-of-cards-y-el-big-data) que fue producida a partir de grandes cantidades de
datos de preferencia de usuario: temática, género, actor, director… dando
como resultado un producto de garantizado éxito.

Lamentablemente, también utilizan los mismos algoritmos para

cancelar series en un momento dado..
9
 Ejemplos de Big Data para DDDM:
toma de decisiones en Amazon
En Amazon se monitorizan constantemente los KPI (indicadores clave de
rendimiento) para ver si los resultados cumplen las expectativas a corto y
medio plazo, implicando no sólo a la ejecutiva sino a trabajadores de todos
los niveles y priorizando la evidencia basada en datos en lugar de
la experiencia o influencia personal.

La cantidad de información es tan grande y difícil de tratar que clasifican las

decisiones que se pueden tomar como irreversibles o reversibles,
de forma que sólo merece la pena modelar y recabar toda la información para
tomar una decisión si esta es irreversible. Si por el contrario es reversible,
basta con una evidencia aproximada, ya que se podrá revertir después
en caso de error y se deja algo de libertad para equivocarse y aprender del
error.
[Link]/data-driven-decision-making-management

10
 Infraestructura Virtualizada: Cloud
Computing

Recursos IT orientados a Internet compartidos en demanda,

creados y eliminados eficientemente y de modo escalable a
través de una variedad de interfaces programáticos facturados en
base a su uso

Fuente: Gartner

11
Soluciones hardware tradicionales vs
Cloud Computing

12
 Soluciones hardware tradicionales
TCO: Coste total de la propiedad

A la hora de comparar una solución tradicional con una solución cloud es

necesario tener en cuenta todos los aspectos directos e indirectos que
comprenden el TCO:

Para comparar eficazmente, los proveedores de cloud suelen tener

herramientas de cálculo de TCO y comparación de coste mensual:
[Link] [Link]

13
 The “Cloud” = 10X Improvement =
Mejora de un orden de magnitud
• Fácil de usar: hazlo tu mismo remotamente de cualquier lugar en
cualquier momento
Escalable: controla tu infraestructura con tu aplicación
Riesgo: nada que comprar, cancela inmediatamente
Robustez: basado en gran hardware empresarial Coste:
paga sólo por lo que uses

14
 Escenarios de transición y
adopción de cloud
Como en todo lo nuevo, no se puede pasar de un paradigma a otro de la
noche a la mañana, hay tres escenarios típicos:

El “todo en la nube” suele utilizarse en proyectos nuevos o en la actualización

de cero de los existentes. Abarca implementaciones que sólo utilizan recursos
de bajo nivel (redes, servidores, etc) o bien servicios de alto nivel (serverless,
base de datos administradas…)

15
 Escenarios de transición y
adopción de cloud
Como en todo lo nuevo, no se puede pasar de un paradigma a otro de la
noche a la mañana, hay tres escenarios típicos:

El híbrido es el más habitual, donde los servicios se van migrando poco a

poco (buscando primero ampliar o resolver carencias) coexistiendo con la
infraestructura actual que está en la organización, normalmente conectada
mediante VPN y enlaces dedicados.

16
 Escenarios de transición y
adopción de cloud
Como en todo lo nuevo, no se puede pasar de un paradigma a otro de la
noche a la mañana, hay tres escenarios típicos:

La implementación de nube local, es decir, una virtualización en

infraestructura estrictamente propia de la empresa, es poco frecuente ya que
suele ser mucho más costosa económicamente, pero a veces es necesaria si se
deben cumplir ciertos estándares de conformidad.

17
 Equivalencias básicas de transición
desde infraestructura local a cloud

Cualquier elemento local es susceptible de migrar a cloud. A modo de

ejemplo básico, tomando como referencia AWS:

Amazon Web Services

18
 Ventajas del paradigma “todo en la nube”

Una de las principales ventajas es la adaptación rápida y flexible a la

demanda real del negocio: sólo lo necesario en cada momento

Amazon Web Services

19
 Ventajas del paradigma “todo en la nube”

Es posible alcanzar dimension global con un alto grado de innovación, pero

sin inversión inicial y con costes periódicos bajos y predecibles

20
 Evolución hacia Cloud Computing

La coexistencia y limitaciones de
cluster computing y supercomputing
dieron lugar a grid computing
De grid computing progresamos
hacia utility computing, i.e.
Servicios computacionales
empaquetados como agua,
electricidad, etc.
Esto derivó en Cloud
Computing, es
decir, todo como servicio
(XaaS) :
• Plataforma como Servicio
• Software como Servicio
• Infraestructura como
Servicio 21
Arquitectura Cloud Computing

22
 Aplicaciones Cloud

Corresponden con lo que se denomina como SaaS

Manifestación de cloud más popular
Ejemplos: SalesForce, Gmail – G Suite, DropBox,
scribd, slideshare, iCloud, PayPal…
Ventajas: Libre, Fácil, Adopción de consumo
Desventajas: funcionalidad limitada, no hay control de
acceso a la tecnología subyacente

23
 Plataformas Cloud

Contenedores de aplicaciones
Entornos cerrados
Ejemplos: App Engine, Azure (al
comienzo era sólo PaaS),
Heroku, Mosso, Joyent, Amazon
Beanstalk
Ventajas: buenas para desarrolladores, más control que en las
aplicaciones cloud, configuradas estrechamente
Desventajas: restringidas a lo que está disponible, otras
dependencias, dependencia tecnológica

24
 Infraestructura Cloud

Proveen nubes de computación y almacenamiento

Ofrecen capas de virtualización (hardware/software)
Ejemplos: AWS, Azure, Google Compute Engine,
Century Link, Digital Ocean, Rackspace
Ventajas: control completo del entorno y la
infraestructura
Desventajas: precio más elevado, competencia
limitada

25
 Resumen de ventajas de Cloud Computing

Ahorros de costes en IT empresariales

– Ordenadores de bajo coste para los usuarios
– Costes más bajos en infraestructura IT
– Costes de software más bajos
Mejora del rendimiento global
– Elasticidad para conseguir una escalabilidad superior
Menos problemas en mantenimiento Actualizaciones
inmediatas de software Capacidad de
almacenamiento ilimitada Incremento de la
seguridad de los datos (safety)

26
 Resumen desventajas de Cloud Computing

Requiere una conexión a Internet continua y rápida

Puede ofrecer bastante latencia en híbridos

Falta de confianza
– Los datos guardados pueden ser accedidos por otros
– Nuestros datos ya no están en la empresa
– Problemas legales como pasó con Safe Harbor

Dependencia tecnológica en otras compañías ajenas

– Si la nube pierde los datos, ¡estás perdido!

27