| dc.contributor |
Chiner Sanz, Esteban |
| dc.contributor |
Guitart Bravo, Francesc |
| dc.contributor |
Universitat de Lleida. Escola Politècnica Superior |
| dc.contributor.author |
Kin Tat, Tan |
| dc.date |
2020-01-30T11:32:14Z |
| dc.date |
2020-01-30T11:32:14Z |
| dc.date |
2019-07 |
| dc.identifier |
http://hdl.handle.net/10459.1/67910 |
| dc.identifier.uri |
http://hdl.handle.net/10459.1/67910 |
| dc.description |
Actualmente con el aumento de los datos en general, la capacidad de
producir información ha avanzado en los últimos años. De acuerdo con SINTEF1
(Stiftelsen for Industriell og Teknisk Forskning) todos los días creamos 2,5 trillones
de bytes en datos por lo cual el 90% de los datos del mundo se han creado solo en
los últimos dos años. Según IBM2
, el 90% de todos los datos que generan en los
dispositivos conectados como smartphones, tabletas, vehículos y electrodomésticos
nunca se analiza y el 60% de estos datos empiezan a perder valor en cuestión de
milisegundos3
. El procesamiento en tiempo real es de total importancia en las
empresas para identificar a través de análisis de datos, un seguimiento de valores
para cualquier toma de decisiones. Con la evolución de las herramientas de
comunicación e información todo está conectado entre diferentes tipos y fuentes de
información (dispositivos móviles, sistemas inteligentes y Internet de las Cosas
[Internet of Things o IoT]). Muchas empresas han visto la necesidad de conectar
estas fuentes de datos en tiempo real para poder adaptar su operativa de negocio y
de este modo procesar y dar respuesta de una manera instantánea. Principalmente,
el sector financiero tiene la necesidad de crear productos y servicios para ofrecer
para los clientes estrategias innovadoras con una atención personalizada, para
atraer satisfacción y fidelización. Un ejemplo de éxito fue planteado por BBVA, que
puso en marcha en 2014 la BBVA Data & Analytics, una división de 50 personas,
desarrollaron una aplicación llamada Commerce360, una herramienta web de
inteligencia de negocio que era capaz de estudiar formas de navegación de los
usuarios para mejorar y simplificar los procesos4
. Otro factor de preocupación en las
empresas es reducir el tiempo de mantenimiento e inconsistencias en sus proyectos,
debido los esfuerzos y costos que son necesarios para realizar el desarrollo.
Actualmente muchas empresas se apoyan en sistema de gestión de las reglas de
negocio debidos los grandes esfuerzos en el mantenimiento y desarrollo. Los
cambios constantes en las reglas de negocios variables, afecta al departamento de TI que la gran mayoría las veces requiere un esfuerzo para investigar y mantener la
compatibilidad del sistema.
Este trabajo tiene como foco en definir una arquitectura de procesamiento de
datos en tiempo real, mejorando la satisfacción de los clientes, identificando sus
necesidades en tiempo real, aplicando reglas de negocio a fin de reducir la
dependencia de los departamentos de información y negocios. |
| dc.language |
spa |
| dc.rights |
cc-by-nc-nd |
| dc.rights |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights |
info:eu-repo/semantics/openAccess |
| dc.subject |
Internet of Things |
| dc.subject |
IoT |
| dc.subject |
Business Rules Management System |
| dc.subject |
Internet de les coses |
| dc.subject |
Dades massives |
| dc.title |
Arquitectura Big Data para la ejecución de Reglas de Negocio en Tiempo Real |
| dc.type |
info:eu-repo/semantics/masterThesis |
