SlideShare a Scribd company logo
1 of 30
Download to read offline
“En astrofísica y cosmología física, se denomina materia oscura a un tipo
de materia que corresponde al 80% de la materia del universo …”
(*) Materia Oscura – Wikipedia – cúmulo de galaxias CL0024+17 tomada por el telescopio espacial Hubble muestra la
creación de un efecto de lente gravitacional.
“Las relaciones son la materia oscura de nuestras BBDD actuales. El mayor
conocimiento de la realidad surge del entendimiento de las relaciones entre
los datos”
Un mundo hiperconectado, con
organizaciones Data Driven que no
usan el potencial de las relaciones.
Utilizar la “materia oscura” que une
los datos, para así obtener
conocimiento de alto valor para el
negocio.
P 3 V
E l
k  B
z E o7
o T 3 9
Development &
Administration
Analytics
Tooling
Graph
Analytics
Graph
Transactions
Data Integration
Discovery & VisualizationDrivers & APIs
AI
Neo4j Database 3.4
• 70% faster Cypher
• Native String Indexes
(up to 5x faster writes)
• 100B+ bulk importer
Improved Admin Experience
• Rolling upgrades
• 2x faster backups
• Cache Warming on startup
• Improved diagnostics
Morpheus for Apache Spark
• Graph analytics in the data lake
• In-memory Spark graphs from
Apache Hadoop, Hive,
Gremlin and Spark
• Save graphs into Neo4j
• High-speed data exchange
between Neo4j & data lake
• Progressive analysis using
named graphs
Graph Data Science
• High speed graph
algorithms
Neo4j Bloom
• New graph illustration and
communication tool for non-
technical users
• Explore and edit graph
• Search-based
• Create storyboards
• Foundation for graph data
discovery
• Integrated with graph platform
Multi-Cluster routing built into Bolt drivers
• Date/Time data type
• 3-D Geospatial search
• Secure, Horizontal Multi-Clustering
• Property-value Security
Neo4j: Plataforma completa de grafos
Linux RH
Neo4j
APICypher
Transaction Control
Object
Cache
FS Cache
Transaction Log
Disk
Linux RH
Linkurious
API
HTTP
Neo
Connect
Elastic
Search
MySQL
Security
LDAP/AD
ETL
DWH
Trsacc
…
Native
http
Audit
Cypher
k T 
• Orientado al usuario final. Facilidad de uso
• Integración nativa con Neo4j
• Búsquedas
• Exploración
• Visualización
• Exportación y Publicación
• Seguridad
• Analistas negocio:
• Blanqueo
• Riesgo/Fraude
• Investigadores - Inteligencia
• Exploración de los datos
• Personalización colores, …
• Layout
• Filtrado, …
• Capacidades avanzadas:
• Búsquedas
• Publicación visualizaciones
• Compartir visualizaciones
• Alertas
• Basadas en los patrones identificados
• Graph Analytics
• Detección de comunidades
• Patrones similares
• Basada en Elastic Search
• Fuzzy integrado
• Búsqueda por categorías
• Texto, números, rangos, …
• Ejemplo: Personas que
comparten un teléfono
• Modos: Best/Top-Bottom/…
• Exportación de datos
• Excel
• Imagen
• Compartir visualizaciones
• Publicar
• Mostrar/Esconder
• Nodos
• Relaciones
• Filtros por valores
• Filtros por fechas
• Visualización de nodos y
relaciones basada en
coordenadas
• Integración sistemas de
cartografía:
• Open Street Map
• Múltiples capas
• Algoritmo Shortest Path integrado
• Gestión integrada del workflow de
alertas
• Seguridad
• Seguridad LDAP – AD integrada
• Visibilidad datos según
roles/grupos
• Monitorización
• Integrado con sistemas
Corporativos
• LOG
• Integrado SIEM
• Auditoría
• Control sobre todos los datos
visualizados por cualquier
usuario
La potencia de la analítica y la visualización de datos
La potencia de la analítica y la visualización de datos

More Related Content

Similar to La potencia de la analítica y la visualización de datos

Esp #001-no son los documentos; son los datos-traducido
 Esp #001-no son los documentos; son los datos-traducido Esp #001-no son los documentos; son los datos-traducido
Esp #001-no son los documentos; son los datos-traducido
J T "Tom" Johnson
 
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine Learning
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine LearningArquitectura de Data Fabric: Clave en proyectos de Big Data y Machine Learning
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine Learning
Denodo
 

Similar to La potencia de la analítica y la visualización de datos (20)

Webinar Vault IT: Analítica avanzada y Machine Learning con virtualización de...
Webinar Vault IT: Analítica avanzada y Machine Learning con virtualización de...Webinar Vault IT: Analítica avanzada y Machine Learning con virtualización de...
Webinar Vault IT: Analítica avanzada y Machine Learning con virtualización de...
 
Proyecto lectura y álgebra
Proyecto lectura y álgebraProyecto lectura y álgebra
Proyecto lectura y álgebra
 
IX Encuentros de Centros de Documentación de Arte Contemporáneo en Artium - O...
IX Encuentros de Centros de Documentación de Arte Contemporáneo en Artium - O...IX Encuentros de Centros de Documentación de Arte Contemporáneo en Artium - O...
IX Encuentros de Centros de Documentación de Arte Contemporáneo en Artium - O...
 
Esp #001-no son los documentos; son los datos-traducido
 Esp #001-no son los documentos; son los datos-traducido Esp #001-no son los documentos; son los datos-traducido
Esp #001-no son los documentos; son los datos-traducido
 
Bibliotecari@s en la ‪Big Data‬
Bibliotecari@s en la ‪Big Data‬Bibliotecari@s en la ‪Big Data‬
Bibliotecari@s en la ‪Big Data‬
 
Data as a Service
Data as a ServiceData as a Service
Data as a Service
 
VI Foro Evidencias Electrónicas en la Investigación Policial. Análisis forens...
VI Foro Evidencias Electrónicas en la Investigación Policial. Análisis forens...VI Foro Evidencias Electrónicas en la Investigación Policial. Análisis forens...
VI Foro Evidencias Electrónicas en la Investigación Policial. Análisis forens...
 
Introduccion a OpenData
Introduccion a OpenDataIntroduccion a OpenData
Introduccion a OpenData
 
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine Learning
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine LearningArquitectura de Data Fabric: Clave en proyectos de Big Data y Machine Learning
Arquitectura de Data Fabric: Clave en proyectos de Big Data y Machine Learning
 
Curso_Analisis_Datos_UFBA
Curso_Analisis_Datos_UFBACurso_Analisis_Datos_UFBA
Curso_Analisis_Datos_UFBA
 
Curso integración Web Semántica
Curso integración Web Semántica Curso integración Web Semántica
Curso integración Web Semántica
 
Ejemplos de Proyectos de Ciencia de Datos y Big Data en el INEGI
Ejemplos de Proyectos de Ciencia de Datos y Big Data en el INEGIEjemplos de Proyectos de Ciencia de Datos y Big Data en el INEGI
Ejemplos de Proyectos de Ciencia de Datos y Big Data en el INEGI
 
Charla II Congreso de Bibliotecas Universitarias y Especializadas
Charla II Congreso de Bibliotecas Universitarias y EspecializadasCharla II Congreso de Bibliotecas Universitarias y Especializadas
Charla II Congreso de Bibliotecas Universitarias y Especializadas
 
Datos abiertos enlazados: situación actual y perspectivas
Datos abiertos enlazados: situación actual y perspectivasDatos abiertos enlazados: situación actual y perspectivas
Datos abiertos enlazados: situación actual y perspectivas
 
Introducción a NoSQL
Introducción a NoSQLIntroducción a NoSQL
Introducción a NoSQL
 
Webinario sobre Periodismo de Datos
Webinario sobre Periodismo de DatosWebinario sobre Periodismo de Datos
Webinario sobre Periodismo de Datos
 
Conceptos en Ciencia de Datos
Conceptos en Ciencia de DatosConceptos en Ciencia de Datos
Conceptos en Ciencia de Datos
 
Retos actuales y futuros del Cómputo en la Nube - Un enfoque académico
Retos actuales y futuros del Cómputo en la Nube - Un enfoque académicoRetos actuales y futuros del Cómputo en la Nube - Un enfoque académico
Retos actuales y futuros del Cómputo en la Nube - Un enfoque académico
 
Proyecto SMART: Arquitectura para Big Data
Proyecto SMART: Arquitectura para Big DataProyecto SMART: Arquitectura para Big Data
Proyecto SMART: Arquitectura para Big Data
 
"Casos de uso del Big Data" por Wolfram Rozas
"Casos de uso del Big Data" por Wolfram Rozas"Casos de uso del Big Data" por Wolfram Rozas
"Casos de uso del Big Data" por Wolfram Rozas
 

More from Neo4j

More from Neo4j (20)

Workshop - Best of Both Worlds_ Combine KG and Vector search for enhanced R...
Workshop - Best of Both Worlds_ Combine  KG and Vector search for  enhanced R...Workshop - Best of Both Worlds_ Combine  KG and Vector search for  enhanced R...
Workshop - Best of Both Worlds_ Combine KG and Vector search for enhanced R...
 
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
 
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and BioinformaticiansQIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
 
EY_Graph Database Powered Sustainability
EY_Graph Database Powered SustainabilityEY_Graph Database Powered Sustainability
EY_Graph Database Powered Sustainability
 
SIEMENS: RAPUNZEL – A Tale About Knowledge Graph
SIEMENS: RAPUNZEL – A Tale About Knowledge GraphSIEMENS: RAPUNZEL – A Tale About Knowledge Graph
SIEMENS: RAPUNZEL – A Tale About Knowledge Graph
 
Build your next Gen AI Breakthrough - April 2024
Build your next Gen AI Breakthrough - April 2024Build your next Gen AI Breakthrough - April 2024
Build your next Gen AI Breakthrough - April 2024
 
Connecting the Dots for Information Discovery.pdf
Connecting the Dots for Information Discovery.pdfConnecting the Dots for Information Discovery.pdf
Connecting the Dots for Information Discovery.pdf
 
ISDEFE - GraphSummit Madrid - ARETA: Aviation Real-Time Emissions Token Accre...
ISDEFE - GraphSummit Madrid - ARETA: Aviation Real-Time Emissions Token Accre...ISDEFE - GraphSummit Madrid - ARETA: Aviation Real-Time Emissions Token Accre...
ISDEFE - GraphSummit Madrid - ARETA: Aviation Real-Time Emissions Token Accre...
 
BBVA - GraphSummit Madrid - Caso de éxito en BBVA: Optimizando con grafos
BBVA - GraphSummit Madrid - Caso de éxito en BBVA: Optimizando con grafosBBVA - GraphSummit Madrid - Caso de éxito en BBVA: Optimizando con grafos
BBVA - GraphSummit Madrid - Caso de éxito en BBVA: Optimizando con grafos
 
Graph Everywhere - Josep Taruella - Por qué Graph Data Science en tus modelos...
Graph Everywhere - Josep Taruella - Por qué Graph Data Science en tus modelos...Graph Everywhere - Josep Taruella - Por qué Graph Data Science en tus modelos...
Graph Everywhere - Josep Taruella - Por qué Graph Data Science en tus modelos...
 
GraphSummit Madrid - Product Vision and Roadmap - Luis Salvador Neo4j
GraphSummit Madrid - Product Vision and Roadmap - Luis Salvador Neo4jGraphSummit Madrid - Product Vision and Roadmap - Luis Salvador Neo4j
GraphSummit Madrid - Product Vision and Roadmap - Luis Salvador Neo4j
 
Neo4j_Exploring the Impact of Graph Technology on Financial Services.pdf
Neo4j_Exploring the Impact of Graph Technology on Financial Services.pdfNeo4j_Exploring the Impact of Graph Technology on Financial Services.pdf
Neo4j_Exploring the Impact of Graph Technology on Financial Services.pdf
 
Rabobank_Exploring the Impact of Graph Technology on Financial Services.pdf
Rabobank_Exploring the Impact of Graph Technology on Financial Services.pdfRabobank_Exploring the Impact of Graph Technology on Financial Services.pdf
Rabobank_Exploring the Impact of Graph Technology on Financial Services.pdf
 
Webinar - IA generativa e grafi Neo4j: RAG time!
Webinar - IA generativa e grafi Neo4j: RAG time!Webinar - IA generativa e grafi Neo4j: RAG time!
Webinar - IA generativa e grafi Neo4j: RAG time!
 
IA Generativa y Grafos de Neo4j: RAG time
IA Generativa y Grafos de Neo4j: RAG timeIA Generativa y Grafos de Neo4j: RAG time
IA Generativa y Grafos de Neo4j: RAG time
 
Neo4j: Data Engineering for RAG (retrieval augmented generation)
Neo4j: Data Engineering for RAG (retrieval augmented generation)Neo4j: Data Engineering for RAG (retrieval augmented generation)
Neo4j: Data Engineering for RAG (retrieval augmented generation)
 
Neo4j Graph Summit 2024 Workshop - EMEA - Breda_and_Munchen.pdf
Neo4j Graph Summit 2024 Workshop - EMEA - Breda_and_Munchen.pdfNeo4j Graph Summit 2024 Workshop - EMEA - Breda_and_Munchen.pdf
Neo4j Graph Summit 2024 Workshop - EMEA - Breda_and_Munchen.pdf
 
Enabling GenAI Breakthroughs with Knowledge Graphs
Enabling GenAI Breakthroughs with Knowledge GraphsEnabling GenAI Breakthroughs with Knowledge Graphs
Enabling GenAI Breakthroughs with Knowledge Graphs
 
Neo4j_Anurag Tandon_Product Vision and Roadmap.Benelux.pptx.pdf
Neo4j_Anurag Tandon_Product Vision and Roadmap.Benelux.pptx.pdfNeo4j_Anurag Tandon_Product Vision and Roadmap.Benelux.pptx.pdf
Neo4j_Anurag Tandon_Product Vision and Roadmap.Benelux.pptx.pdf
 
Neo4j Jesus Barrasa The Art of the Possible with Graph
Neo4j Jesus Barrasa The Art of the Possible with GraphNeo4j Jesus Barrasa The Art of the Possible with Graph
Neo4j Jesus Barrasa The Art of the Possible with Graph
 

La potencia de la analítica y la visualización de datos

  • 1.
  • 2.
  • 3. “En astrofísica y cosmología física, se denomina materia oscura a un tipo de materia que corresponde al 80% de la materia del universo …” (*) Materia Oscura – Wikipedia – cúmulo de galaxias CL0024+17 tomada por el telescopio espacial Hubble muestra la creación de un efecto de lente gravitacional.
  • 4. “Las relaciones son la materia oscura de nuestras BBDD actuales. El mayor conocimiento de la realidad surge del entendimiento de las relaciones entre los datos”
  • 5. Un mundo hiperconectado, con organizaciones Data Driven que no usan el potencial de las relaciones. Utilizar la “materia oscura” que une los datos, para así obtener conocimiento de alto valor para el negocio.
  • 7.
  • 10. o T 3 9
  • 11. Development & Administration Analytics Tooling Graph Analytics Graph Transactions Data Integration Discovery & VisualizationDrivers & APIs AI Neo4j Database 3.4 • 70% faster Cypher • Native String Indexes (up to 5x faster writes) • 100B+ bulk importer Improved Admin Experience • Rolling upgrades • 2x faster backups • Cache Warming on startup • Improved diagnostics Morpheus for Apache Spark • Graph analytics in the data lake • In-memory Spark graphs from Apache Hadoop, Hive, Gremlin and Spark • Save graphs into Neo4j • High-speed data exchange between Neo4j & data lake • Progressive analysis using named graphs Graph Data Science • High speed graph algorithms Neo4j Bloom • New graph illustration and communication tool for non- technical users • Explore and edit graph • Search-based • Create storyboards • Foundation for graph data discovery • Integrated with graph platform Multi-Cluster routing built into Bolt drivers • Date/Time data type • 3-D Geospatial search • Secure, Horizontal Multi-Clustering • Property-value Security Neo4j: Plataforma completa de grafos
  • 12.
  • 13. Linux RH Neo4j APICypher Transaction Control Object Cache FS Cache Transaction Log Disk Linux RH Linkurious API HTTP Neo Connect Elastic Search MySQL Security LDAP/AD ETL DWH Trsacc … Native http Audit Cypher
  • 14.
  • 15.
  • 16.
  • 17.
  • 19.
  • 20. • Orientado al usuario final. Facilidad de uso • Integración nativa con Neo4j • Búsquedas • Exploración • Visualización • Exportación y Publicación • Seguridad
  • 21. • Analistas negocio: • Blanqueo • Riesgo/Fraude • Investigadores - Inteligencia • Exploración de los datos • Personalización colores, … • Layout • Filtrado, … • Capacidades avanzadas: • Búsquedas • Publicación visualizaciones • Compartir visualizaciones • Alertas • Basadas en los patrones identificados • Graph Analytics • Detección de comunidades • Patrones similares
  • 22. • Basada en Elastic Search • Fuzzy integrado • Búsqueda por categorías • Texto, números, rangos, …
  • 23. • Ejemplo: Personas que comparten un teléfono • Modos: Best/Top-Bottom/… • Exportación de datos • Excel • Imagen • Compartir visualizaciones • Publicar
  • 24. • Mostrar/Esconder • Nodos • Relaciones • Filtros por valores • Filtros por fechas
  • 25. • Visualización de nodos y relaciones basada en coordenadas • Integración sistemas de cartografía: • Open Street Map • Múltiples capas
  • 26. • Algoritmo Shortest Path integrado
  • 27. • Gestión integrada del workflow de alertas
  • 28. • Seguridad • Seguridad LDAP – AD integrada • Visibilidad datos según roles/grupos • Monitorización • Integrado con sistemas Corporativos • LOG • Integrado SIEM • Auditoría • Control sobre todos los datos visualizados por cualquier usuario