Embed Size (px)
Citation preview
Santiago Portela García‐MiguelUniversidad Alfonso X el Sabio
para la educación superior
Jornadas CRUETIC Málaga21 y 22 de abril 2016
1
Big Data no es una novedad sino una nueva realidad IT, identificada por los analistas como uno de los
grandes motores para el desarrollo y la innovación, y formando parte
de la estrategia industrial de Europa y de EEUU. Su impacto está dando paso a un nueva
economía y agilizando la aparición de innovaciones fuertemente
disruptivas como Fintech, Inteligencia Artificial, o eLearning
Analytics.
2
https://goo.gl/pRwX6ghttps://goo.gl/pRwX6g
1.‐Describe una realidad emergente
La acumulación exponencial de información, 90% no estructural y externa a las organizaciones
http://files.technologyreview.com/whitepapers/MIT_Oracle+Report‐The_Rise_of_Data_Capital.pdf
La concentración de valor en los datos, no en la infraestructura… y en la capacidad de análisis
Realidad emergente
Ejemplo: crecimiento de la imagen diagnóstica digital
Ejemplo: IBM compra TWC en febrero 2016
3
Huaweii – Global Conectivity Index: incremento de 1 punto en uno de los 5 pilaresconlleva un 2,3% en la productividad del país
19/4/2016La Comisión Europeamovilizarinversionespúblicas y privadas por 50.000 millones de euros para digitalizar todos los ámbitos de la industria europea e impulsar tecnologías “prioritarias” como las redes móviles 5G, la computación en la nube, las tecnologías de datos o la ciberseguridad.
7/3/2016 La Casa Blanca lanza el ‘Opportunity Project’que mezcla datos federales y locales abriéndose a aplicaciones abiertas, publicas y privadas, para el desarrollo sostenible con protagonismo localhttp://opportunity.census.gov/
Realidad de impacto global
4
21/4/2016 La red GEANT lanza un concurso para IaaSpaneuropea
world spain
Aparición de nuevas tecnologías aceleradamente2014
España lleva 1 año de retraso5
… muy aceleradamente2016
6
…generando un potencial disruptor nunca visto
7
Esto impacta a las Universidades en cuatro aspectos
FORMACIÓNSe ha generado una gran demanda de especialistas en Big Data y Data Science, a la que se da respuesta con una explosión de oferta de formación desde la Universidad
INVESTIGACIÓNHa aparecido todo tipo de herramientas , plataformas e inciativas de gran escala que impulsan la investigación
PROCESOS TILa demanda de almacenamiento, captura , proceso y conservación de datos en los datacentersuniversitarios se ve multiplicada por todo tipo de casos de aplicación
ANALÍTICALa madurez de la Analítica de todo tipo aplicada a los procesos y a la enseñanza crean un potencial disruptivo en la gestión y en el aprendizaje
8
Demanda de Skills específicos
Hoy, en Infojobs Spain , 230 puestos ‘Big Data’
En U.S. 206.000http://www.forbes.com/sites/louiscolumbus/2015/11/16/where‐big‐data‐jobs‐will‐be‐in‐2016/#72ed6c86f7f1
Se está cubriendo sólo el 18% y se tarda 45 días en cubrir un puesto
La demanda de especialistas en tecnologías Big Data crece
… 24.000 contratos al mes
9
Demanda de Skills específicosLa escasez de especialistas genera altos salarios
Forbes
LinkedIn, 201610
https://www.oreilly.com/ideas/2015‐data‐science‐salary‐survey
Se distribuye por todos los sectores de actividad
11
Son skills variados pero pesa mucho el legacy
12
Y se agrupan en ‘clusters’ de tecnologías afines
13
Las U. españolas han respondido con postgrados
Hasta 35 cursos y masters de analítica y Big Data14
Una visión distinta desde…
Keedio es una empresa enfocada a Big Data, con 14 especialistas ,realizando proyectos profesionales para terceros y construyendo assets open source.Iniciado en 2014
Se trata de adquirir experiencia directa y competitiva
15
Impacto en la ANALITICA universitaria
Rodríguez et al (2016) Apoyando la formulación de políticas públicas y toma de decisiones en educación utilizando técnicas de análisis de datos masivos: el caso de Chile . http://yogobierno.org/out/ganadores/27_apoyando‐la‐formulacion‐de‐politicas‐publicas.pdf
16
Qué dicen los grandes actores
17
Qué dicen los grandes actores
18
Qué dicen los grandes actores
19
Qué dicen los grandes actores
20
Qué dicen los grandes actores
En 2014 Google adquirió DeepMind
En 2016 DeepMind AlphaGo venció al campeón de GO
En 2004 se publicó el algoritmo MapreduceEn 2011 apareció Hadoop
21
Qué dicen los grandes actores
22
Impacto en la ANALITICA universitaria
Brynjolfsson, Erik and Hitt, Lorin M. and Kim, Heekyung Hellen, Strength in Numbers: How Does Data‐Driven Decisionmaking Affect Firm Performance? http://ssrn.com/abstract=1819486
El uso de sistemas de toma de decisiones basadas en datos incrementa un 6% la productividad
La expansión de uso de CRM requiere mayor actividad analítica y genera oportunidades
eLearning AnalyticsPrevención del fracaso académicoAnálisis de población y acceso a la educaciónApoyo a los procesos de aprendizajeModelado de los procesos de enseñanza y aprendizajeAutomatización de la evaluaciónRecomendaciones de curriculum
Objetivos analíticos
ADMISION
APRENDIZAJE
ACTIVIDAD
PRODUCTIVIDAD
S.A.TOMA DECISIONES
SEGURIDAD
INNOVACION
23Degree Compass , Austin Peay State Univesity
La capacidad de obtener valor del análisis tiene un recorrido
Recolección pasiva de datosMedida específica de datos y refinamiento de métricas
Desarrollo de experimentos dirigidos24
Además de un reto tecnológico se trata de un reto cultural
vs
25
Madurez analítica en las Universidades
UNIVERSITIC 2015
26
Benchmark de madurez analítica en las UniversidadesAnalytics Maturity IndexEDUCAUSE Core Data Service
27
http://net.educause.edu/ir/library/pdf/AnalyticsMI.pdf
Qué están haciendo otros
Purdue University : SIGNALS10 años evolucionando un
semáforo feedbackAdquirido por Ellucian
Sistemas de RETENCION
Claves• La detección temprana es
fundamental• Buscar feedback directo • Implica procesos, gente y
cultura de toda la Universidad
28
Qué están haciendo otros
29
Análisis de JISC en UK
http://repository.jisc.ac.uk/5657/1/Learning_analytics_report.pdf
Gran dispersión, y técnicas convencionales
30
BIG DATA – primeros pasos
31
BIG DATA – primeros pasos
Arquitectura DatawareHouse
tradicional(BD +OLAP)
HW caroProyectos largos
Arquitectura BigData
HW economicoProyectos rápidos e
iterativos
StageCubos
Data LakeData River
• La arquitectura Big Data convive con el DWH• Los métodos para obtener la información y para explotarla son muy distintos • Conviene que dicha arquitectura venga provista por un tercero, y en nube• Es preferible empezar de inmediato la ingesta y proyectos quick win• La metodología es Agil FORZOSAMENTE
32
CALIPER como mejor apuesta
Caliper Framework
• Estandar de interoperabilidad para la analítica de aprendizaje
• Provee modelos y MetricProfiles
• Provee un API de sensores
• Se basa y extiende LTI
33
CALIPER como mejor apuesta
34
CRM SocialN IoT
PentahoOBIEEQlikRPowerBIWatsonTableau
CALIPER ejemplo de despliegue
http://learninganalytics.caen preparación…
35
LRS – Learning Record System
36
La siguiente Gran Cosa es invisible
Oral Roberts University, Oklahoma37
Al tercer paso se requieren análisis éticos y jurídicos
Oral Roberts University, Oklahoma
Oral Roberts University traza toda la actividad física y salud de sus estudiantes y la cruza con los registros de actividad académica. Mens Sana in Corpore Sano. Además los estudiantes pueden usar su entrenador deportivo Fitbit como coucher para el estudio.Es obligatorio para los nuevos desde 2015
38
Conclusiones
• Big Data es sumamente importante • Nuestro país lleva retraso y las universidades más• La analÍtica avanzada aporta productividad y ventajas competitivas
• Es tan difícil adquirir la madurez organizacional como la tecnología
• Múltiples aspectos jurídicos, sociales, culturales y éticos
• El modelo de aprendizaje puede ser muy impactado• Definitivamente, en la nube• Definitivamente, metodología ágil
39
Conclusiones
• Inicia la recolección de datos• Nombra un CDO
40
