¡Felices Fiestas Patrias!

.

¡Viva el Perú!

Aceptan limpiar inodoros para obtener WiFi porque no leyeron los términos

Tim Berners-Lee, el padre de la World Wide Web, a principios de este año enumeró sus principales preocupaciones por el futuro de su creación. Una de la más alarmante, es el cada vez más denso contrato de servicios que las compañías piden firmar a los usuarios. Una empresa pública de WiFi ha demostrado lo peligroso que resultan estos complicados acuerdos, mediante la inserción de condiciones absurdas que miles de personas aceptaron, sin darse cuenta.

Purple es una empresa con sede en Manchester que se especializa en la ejecución de puntos de accesos WiFi, para marcas como Legoland, Outback Steakhouse y Pizza Express. Hace poco, la compañía fue transparente para realizar un experimento de dos semanas, en el que insertó una Cláusula de Servicio Comunitario en sus términos de acuerdo de servicio. Más de 22,000 personas se inscribieron para realizar 1,000 horas de trabajo de mano de obra, por la oportunidad de acceder a su Facebook y tal vez buscar algunas otras páginas web.

En un blog de su site, un portavoz de Purple explica que el acuerdo requiere que los usuarios realicen cualquiera de las siguientes acciones:

• Limpieza de desechos de animales en los parques locales
• Proporcionar abrazos a perros y gatos callejeros
• Aliviar manualmente los bloqueos de alcantarillado
• Limpieza de lavabos portátiles en festivales y eventos locales
• Pintar conchas de caracol para alegrar su existencia
• Raspar chicles de las calles

También hubo una oferta de premios para cualquier persona que contacte con la compañía y señale la cláusula. Sólo una persona recibió un premio.

No está claro si Purple podría estar legalmente autorizado para hacer cumplir la cláusula, pero dijeron que ni siquiera lo intentarán. Esta campaña pretende aumentar la conciencia sobre la necesidad de leer las condiciones de servicio, además de hacer un poco de marketing para anunciar que Purple es el primer proveedor de WiFi, compatible con el nuevo Reglamento General de Protección de Datos (GDPR - General Data Protection Regulation).

Las directrices del GDPR serán aplicables desde el 25 de mayo de 2018 para los países que forman parte de la Unión Europea. Los nuevos reglamentos pretenden simplificar los términos y condiciones, así como proporcionar más transparencia a los consumidores para entender cómo se utilizarán sus datos personales.

En los EEUU y la mayoría de países sudamericanos, las protecciones al consumidor son muy ambiguas, por lo tanto, es posible que desee tener cuidado.

Fuente: Rhett Jones. @rhettjonez

Inteligencia artificial y gestión de decisiones

AI (Artificial Intelligence: Inteligencia artificial) y los sistemas de gestión de decisiones, pueden ayudar a las empresas a tomar decisiones válidas, proporcionando información actualizada y relevante, realizando funciones analíticas.

Las empresas basan sus decisiones en los datos disponibles de los sistemas de información de gestión, ya que reflejan la información que proviene de las operaciones de su empresa. La combinación de AI y sistemas de gestión de decisiones, puede llevar la toma de decisiones a diferentes niveles. Las capacidades de AI ayudan a estos sistemas de gestión de decisiones, a traducir datos de clientes en modelos predictivos de tendencias clave. Esto ha ayudado a los departamentos de marketing y consumo, a personalizar sus esfuerzos de acuerdo con la demografía clave.

AI y Gestión de Decisiones: Beneficios

• Decisiones más rápidas
• Reconociendo los riesgos
• Procesos de automatización

Desde sus inicios, AI ha jugado un papel revolucionario en la automatización de actividades basadas y no basadas en el conocimiento. Hoy en día, una gran cantidad de datos se utilizan para generar varios modelos sobre una base semanal o incluso sobre una base diaria, que ayudan a una organización en la toma de decisiones en cantidades fraccionarias de tiempo. Esto ha ayudado a obtener grandes ingresos para las empresas. Pero, los seres humanos tienen su capacidad para hacer el trabajo, no pueden ser estresados ​​más allá de esos límites. Aquí es donde AI ha desempeñado un papel fundamental en la ampliación de estos límites, aumentando los beneficios. Por ejemplo, algunas compañías médicas están integrando sus sistemas de gestión de decisiones con AI para proporcionar recomendaciones en el tratamiento de pacientes específicos.

Estos sistemas ayudan a superar información compleja y dinámica para generar hipótesis. En el sector financiero, los sistemas de gestión de decisiones con IA también actúan como un detector de fraude. AI puede desempeñar un papel determinante en los sistemas de gestión de decisiones automatizando los requerimientos de los mercados financieros, empujando los límites actuales y llevando la competencia al siguiente nivel.

AI puede hacer que su sistema de gestión de decisiones sea fiable y eficiente, y por lo tanto, le ayudará a hacer productos innovadores y obtener buenos beneficios.

Los expertos se centran ahora en desarrollar tecnología comercial de IA para sistemas de gestión de decisiones en tres sectores particulares: 

• El comercio electrónico
• El comercio de los mercados financieros
• Los seguros

La inteligencia artificial se ha vuelto omnipresente desde la perspectiva tanto de los consumidores como de las organizaciones. Las empresas han aumentado su dependencia de AI para la recopilación de datos, el desarrollo de métodos informáticos para la percepción automatizada, el aprendizaje, la comprensión y el razonamiento con los datos recogidos. Las organizaciones ahora deben centrarse en priorizar el cultivo de la innovación tecnológica y tomar esfuerzos para mantenerse por delante de los competidores en el mercado. Es un hecho conocido ahora que esas empresas, que implementan inteligencia artificial y pueden utilizarla eficazmente, eventualmente serán más valoradas.

Fuente: Naveen Joshi. Especialista en Big Data. Powered de IoT.

POR QUÉ LAS EMPRESAS DEBEN CONSIDERAR MACHINE LEARNING

Si aún no está seguro de Machine Learning (aprendizaje automático) y de sus beneficios, considere estos escenarios.

El 2016, se informó que el patrimonio neto de Google era de $ 336 mil millones, y esto se debe en gran parte a los algoritmos de aprendizaje avanzado que la empresa emplea. Google fue la primera empresa en darse cuenta de la importancia de incorporar Machine Learning en los procesos de negocio. Y la potencia tecnológica no se detiene en ningún punto, sigue modificando sus algoritmos para adaptarse mejor a las necesidades de sus usuarios de forma continua.

¿Y cómo se logra la difícil tarea de observar el patrón de navegación de miles (o millones) de sus usuarios?

La respuesta es simple. Mediante el análisis de los datos, que se ha acumulado mediante la introducción de Machine Learning a su modelo operativo de negocio.

Este es sólo un ejemplo de cómo los procesos de Machine Learning en la grabación y procesamiento de datos pueden ayudar a las empresas a crecer.

Aquí hay otras tres maneras en las que Machine Learning puede ayudar a varios sectores empresariales:

1. Elimina las restricciones físicas.

Si hemos logrado algo al automatizar y digitalizar los procesos de negocio, es que hemos eliminado las limitaciones físicas que restringen el crecimiento. Antes de la era tecnológica, ¿Cuál era el mayor problema que enfrentaban las empresas? Operar dentro de un espacio limitado, accesible sólo para un número limitado de personas. Para un diseñador, era necesario limpiar completamente el inventario anterior antes de utilizar el espacio de la estantería para los nuevos diseños. Al considerar Machine Learning y moverse en el mundo del comercio electrónico, usted no tiene que preocuparse de quedarse sin estantes.

2. Proporciona una comprensión más profunda de sus consumidores.

Con la introducción de procesos automatizados, las empresas se han centrado mas en el consumidor. Para poder sobrevivir a la competencia de satisfacer las necesidades de sus clientes, usted como propietario de un negocio tiene que entender las necesidades de sus consumidores.

Si usted no entrega lo que los consumidores están buscando, hay una alta probabilidad de perder clientes potenciales frente a la competencia. Machine Learning juega un papel importante en la solución del misterio de las preferencias de los consumidores. Toda la información requerida se oculta detrás de los datos acumulados por el negocio. Usted sólo tiene que exprimir los códigos, y descubrirá lo que sus clientes están buscando activamente.

3. Procesos automatizados, aumentando la eficiencia.

Imagine estar en una fila larga de un supermercado. Alguien está parado delante de usted y la máquina del cajero se rompe repentinamente. Es una pesadilla, ¿verdad? Usted podría estar pasando esos preciosos minutos viendo su serie favorita en Netflix.

Ahora imagine que la máquina no está rota, pero de hecho nunca fue inventada. El cajero tiene que introducir manualmente cada compra y compararla con el stock existente. La incorporación de procesos automatizados para registrar el stock de inventario y los datos de pedidos no es un lujo, es una necesidad en el mundo de hoy. Machine Learning ha aumentado la eficiencia de las empresas y ha minimizado el margen de error.

Fuente: Ronald van Loon. Director Adversitement. Top10 Big Data, Data Science, IoT, BI Influencer.

En el Internet de las cosas no hay reglas

En el salvaje oeste no había leyes, pero había un "código de vaquero" y tenía un conjunto de reglas de conducta. Algo así como:

• Cuidado con los suyos.
• Siempre llena el vaso de whisky hasta el borde.
• Practica la gratitud.
• Ayudar a alguien en la necesidad, incluso si es un extraño o un enemigo.

Cuando se trata del Internet de las cosas (Internet of things), no hay ninguna ley. No hay directrices. No hay un lenguaje estándar. No hay código.

La seguridad, la privacidad y el Internet de las cosas (IoT) son tres entidades separadas. Con una adopción masiva de la IoT, hay un potencial de estos tres mundos colisionando.

El objetivo de IoT es mejorar la calidad de vida y proporcionar beneficios a las empresas. Sin embargo, el IoT es una tecnología emergente que se está expandiendo rápidamente, con grandes lagunas de seguridad. Está plagado de vulnerabilidades, malware y el potencial de interrumpir la infraestructura.

Para 2020, habrá 8 mil millones de dispositivos en IoT. Incluyendo automóviles, rastreadores de actividad, entre otros. El impacto comercial es enorme. El Internet nos ha dado la oportunidad de conectar estas cosas de manera que nunca pensamos posible. Además, las interacciones entre los dispositivos están creando nuevos tipos de oportunidades tales como transporte y ciudades inteligentes, y salud y casas inteligentes.

Muchos de nosotros no somos conscientes de cómo la IoT va a cambiar la forma en que vivimos el trabajo y el juego. El objetivo de IoT es mejorar la calidad de vida y proporcionar beneficios a las empresas.

Cada día, el IoT recoge pasivamente petabytes de datos. Con eso, hay mucho que puede ir mal, y hay muchos desafíos de seguridad. Los datos pueden caer en manos equivocadas, afectando nuestra privacidad. Todos necesitamos ser más conscientes de la necesidad de seguridad en el IoT.

Algunas maneras de abordar la gran brecha en la seguridad de IoT incluyen:

• Garantizar la confidencialidad proporcionando flujos de comunicación cifrados.
• Garantizar la integridad al proporcionar almacenamiento de datos cifrados y utilizar controles de integridad.
• Proporcionar métodos de autenticación para que los dispositivos se comuniquen con entidades conocidas y de confianza.
• Proporcione actualizaciones de seguridad en forma de parches y correcciones de errores.

La Unión Europea ha empezado a investigar la posibilidad de requisitos de seguridad, ya que han reconocido que los dispositivos tienen poca o ninguna seguridad. La medida es una revisión de las leyes actuales de telecomunicaciones. La propuesta incluirá una práctica de etiquetado que identificará que el dispositivo está aprobado y seguro, esto podría proporcionar que los consumidores tomen decisiones educadas sobre la selección de dispositivos.

Es muy probable que los consumidores paguen más como compensación. La industria del IoT sigue evolucionando. Lograr el objetivo de la seguridad no será fácil sin desafíos. A medida que nos movemos en un mundo completamente nuevo, habrá dolores de crecimiento.

Fuente: Lisa Bock. Author: Ethical Hacking: Penetration testing.

¡Feliz día del padre!

Este domingo 18 de junio, celebramos el día del padre y no queremos dejar de saludarlos, deseándoles un feliz día junto a sus familiares.

Estrategias CIO: 5 consejos para implementar inteligencia de negocios

Como responsable de los sistemas de tecnologías de información de una empresa, a nivel de procesos y desde el punto de vista de la planificación, el CIO (Chief Information Officer) tiene nuevos retos y uno de los más importantes es conseguir que el uso correcto de la inteligencia de negocios sea más que construir un almacén de datos.

Martin Draper, Director de Tecnología del retail Liberty, dice que su gran prioridad para 2017 es la inteligencia de negocios. La empresa reúne información de diversas fuentes y Draper quiere crear una estrategia basada en datos que ayude a los ejecutivos de la empresa, a tomar decisiones más inteligentes de manera rápida y eficaz.

Draper se unió a este retail de renombre mundial en marzo del 2016, después de haber sido responsable 13 años en el área de IT (Information Technologies) en Harrods. A lo largo de su carrera, Draper ha estado ansioso por impulsar la transformación a través de la información. Pasó una década dirigiendo su propia consultora de inteligencia de negocios (Business Intelligence) antes de convertirse en un CIO minorista, ayudando a las organizaciones de todos los sectores a transformar los datos en información.

Basándose en su experiencia, Draper ofrece cinco consejos de mejores prácticas para ejecutar un BI de éxito imitativo:

1. Vea su iniciativa como un potente enfoque cultural.

Los analistas están dispuestos a hablar de la continua inversión en BI y analítica. Gartner dice que el 48% de las empresas invirtieron en Big data en 2016 y un 3% desde 2015. IDC (International Data Corporation), por su parte, espera que el gasto global en Big Data y análisis de negocios crezca de 130.100 millones de dólares en 2016 a más de 203.000 millones de dólares en 2020.

Sin embargo, Draper dice que la tecnología es sólo un elemento de un enfoque de BI fuerte. Él dice que el éxito en BI es mucho más que la suma de herramientas y procesos. Demasiados CIOs todavía no reconocen que el elemento cultural es esencial. "He hecho una vida buena de los tecnólogos que construyen plataformas de datos y luego el beneficio no ha regresado", dice, refiriéndose a su experiencia anterior como consultor de BI.

"Tienes que tener la tecnología adecuada y un mapa de la arquitectura de datos claro, pero también tienes que tener una organización que puede consumir información y desarrollar la visión. Si no ves tu proyecto de BI como un potente acercamiento cultural al negocio, no se moleste en comenzar".

2. Obtenga un respaldo de alto nivel para sus objetivos a largo plazo.

Draper dice que los CIOs deben reconocer que una iniciativa de análisis es mucho más que alcanzar metas a corto plazo. "La inteligencia de negocios es para siempre", dice. "Si usted va a hacerlo correctamente, tiene que entender todos los aspectos de su organización y planificar un plan de trabajo para la implementación en la medida de lo que pueda ver."

Los CIO, dice Draper, deberían ver su proyecto de BI como un programa, en lugar de una intervención. "En algunos casos puede tomar años crear un programa de BI", dice. La naturaleza prolongada (y a veces costosa) de una iniciativa analítica, requiere esencialmente el apoyo de alto nivel.

"Asegúrese de que la persona número uno de su organización sea el patrocinador clave para su programa de BI", dice Draper. "La idea de que vas a usar los datos para decir la verdad y tomar decisiones, significa que el apoyo del jefe ejecutivo es absolutamente clave".

3. Utilizar la capacidad del especialista para desarrollar éxitos rápidos para el negocio.

Aunque Draper cree que BI debe ser visto como un "programa para siempre", también reconoce que los éxitos rápidos pueden ayudar a demostrar los beneficios de sus ideas a los que dudan, en particular en los primeros días de una iniciativa. Estas ganancias tempranas pueden ayudar a dictar la dirección futura.

"La belleza de la capacidad y la tecnología de hoy en día es que las personas con experiencia, ya sea interna o externamente, pueden ayudar a su empresa a ofrecer algunos beneficios de BI con bastante rapidez", dice Draper.

"Siempre debe pensar en términos de objetivos a largo plazo, pero también puede obtener éxito a corto plazo rápidamente, si crea un equilibrio eficaz entre la tecnología, la capacidad de IT, el talento comercial y la arquitectura de datos." Debemos reconocer que el mundo es un conjunto de procesos de negocios y nuestro trabajo en tecnología, es automatizar tantos procesos como podamos y dejar los elementos creativos a los expertos.

4. Recuperar la demanda organizacional de forma continua.

Draper dice que los CIOs deben definir lo que es el éxito en términos de BI. Para algunas personas, el éxito se trata de informes empresariales. Para otros, podría implicar autoservicio, capacidades analíticas avanzadas, o una sola versión de la verdad.

"La realidad es que, dependiendo de la audiencia, puede ser todos esos elementos o sólo uno", dice Draper. "Darse cuenta de que el BI es un facilitador para una mejor toma de decisiones y definir lo que necesita para ofrecer esa visión, es absolutamente crítico".

Las expectativas de los ejecutivos en torno al poder potencial de la analítica siguen siendo altas. Draper dice que los requisitos del negocio pueden flexionar y cambiar, por lo que los CIO deben asegurarse de que sus programas de BI coincidan con la capacidad técnica y la conciencia comercial. "Tendrá que volver a conectarse al negocio continuamente, y para siempre".

"BI no se trata sólo de crear un almacén de datos de SQL Server, sino de crear beneficios en un punto definible de la línea, de lo contrario, es sólo otra plataforma y su negocio no verá el valor de su inversión".

5. Objetivo de una comprensión matizada de la información que proporciona.

Draper advierte a los ejecutivos que no se centren únicamente en la representación visual de los datos. El verdadero entendimiento, dice, proviene de un nivel más detallado de comprensión.

"A menos que su organización pueda mirar el tablero, y entender cómo convertir el indicador rojo en naranja y verde, entonces las ganancias serán pequeñas", dice. "El nuevo enfoque en Big Data y en tiempo real es potencialmente brillante, pero si su organización no puede reaccionar ante la visión, entonces la información es inútil".

Draper dice que a principios de su carrera los jefes de finanzas le enseñaron que la conversación en torno a los datos debería centrarse siempre en los objetivos. "BI es entender lo que ustedes y sus colegas van a hacer diferente mañana debido a la visión que tienen hoy", dice.

"Es muy fácil de producir números y opiniones, es muy difícil de ejecutar".

Fuente: Mark Samuels. Periodista de negocios especializado en temas de liderazgo de IT. www.zdnet.com

Big Data Analytics como un servicio

Las organizaciones IT (Information Technology Organizations) han generado, recopilado y almacenado grandes cantidades de datos; y ahora se les viene pidiendo que proporcionen una infraestructura para analizar estos datos. Pero esta tarea es una propuesta de uso intensivo de recursos y está siendo resuelta por la tecnología de la nube en forma de Big Data-as-a-Service (BDaaS).

La nube es un recurso fantástico para Big Data debido a su escalabilidad, y también porque es extremadamente económico. A medida que los conjuntos de datos crecen, algunas organizaciones están moviendo sus conjuntos de datos hacia y desde la nube; y esto se conoce como (BDaaS).

¿Qué es Big Data-as-a-Service?

Actualmente, BDaaS es un término algo nebuloso que a menudo se utiliza para describir la externalización de varias funciones de Big Data a la nube. Estas funciones pueden ir desde el suministro de datos hasta el suministro de herramientas analíticas para interrogar los datos, realizar el análisis real y presentar informes.

¿Qué tipos de BDaaS están disponibles?

Existen tres tipos de competencia:

Core BDaaS: Emplea una plataforma mínima de Hadoop junto con YARN y HDFS y algunos otros servicios como Hive. Este servicio fue encontrado útil por varias compañías que lo utilizan como parte de una arquitectura más grande o para cargas de trabajo irregulares. Un ejemplo destacado de BDaaS básico es el Elastic Map Reduce (EMR) de Amazon Web Service. Se integra fácilmente con la tienda NoSQL, almacenamiento S3, DynamoDB y otros servicios. La naturaleza genérica del servicio EMR de Amazon permite a las empresas combinar otros servicios a su alrededor para construir cualquier cosa, desde infraestructuras de la empresa hasta tuberías de datos completas.

Rendimiento BDaaS: Como su nombre indica, este servicio se centra en ayudar a las organizaciones que ya están trabajando con Hadoop, en racionalizar su infraestructura y optimizar el rendimiento de Hadoop. Las organizaciones que están creciendo rápidamente se encuentran limitadas por la complejidad y, al mismo tiempo, se muestran reticentes a asumir la formidable tarea de construir su propia arquitectura de datos. Al subcontratar sus necesidades de infraestructura y plataforma a un proveedor externo, las organizaciones pueden centrarse en procesos específicos de dominio, lo que agrega valor y elimina muchos de los dolores de cabeza que están asociados con complejos despliegues de Big Data.

Función BDaaS: Las empresas que requieren características adicionales, que van más allá de las ofrecidas en el ecosistema común de Hadoop, encuentran respuestas en BDaas. Centrándose en la abstracción y la productividad, el enfoque BDaaS esta diseñado para poner a los usuarios en funcionamiento con grandes datos de forma más rápida y económica.

El término "Big Data-as-a -Service" puede ser bastante difícil de manejar, pero el concepto es sólido. A medida que más empresas están realizando el valor de la implementación de estrategias Big Data, más servicios están surgiendo para apoyarlos. El análisis de datos trae cambios positivos a cualquier organización que lo tome en serio. Con el crecimiento de la popularidad del software como un servicio, las empresas están cada vez más acostumbradas a trabajar en un entorno virtualizado a través de una interfaz web, y la integración del análisis de Big Data en este proceso es un paso natural siguiente. Ya podemos ver que BdaaS está haciendo que los proyectos de Big Data sean viables para muchas empresas que antes los consideraban fuera de su alcance, por lo que BDaaS se considera, con razón, la siguiente gran cosa en esta industria.

Fuente: Naveen Joshi. Experto en Big Data e IoT.