Data Management

SAS FORUM ARGENTINA
15 DE MAYO 2014
SAS DATA MANAGEMENT
SAS DATA INTEGRATION
+ SAS DATA QUALITY
+ SAS MASTER DATA MANAGEMENT
Sergio Uassouf
Líder de Práctica de
Gestión de Información e Infraestructura
v1.0 20140514
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
QUE ES INFORMATION MANAGEMENT?
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
BUSINESS
ANALYTICS
FRAMEWORK
SOLUCIONES
LLAVE EN MANO
HERRAMIENTAS
PARA DESARROLLOS
DE ANALÍTICA
DE NEGOCIOS
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
BUSINESS
ANALYTICS
FRAMEWORK
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
WHY SAS?
A LEADER IN DATA MANAGEMENT
•
36 Years of Information Management Experience
•
•
•
•
Analyst Validation
•
•
•
•
Leader in Gartner Data Quality Magic Quadrant
Leader in Gartner Data Integration Magic Quadrant
Leader in Forrester Wave for Enterprise ETL
Leader in Big Data Analytics & Visualization
•
•
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
Customers in 60,000 sites across 134 countries
90% of the Fortune 500 companies use SAS
24% reinvestment in R&D
Only vendor with integrated analytical scoring
Best-in-Class Data Access Technology
LA PREPARACION DE LOS DATOS ES LA TAREA QUE REQUIERE MAYOR
ESFUERZO EN LA MAYORÍA DE LOS PROYECTOS ANALÍTICOS
PROBLEMAS
DE NEGOCIO
DECISIONES
80%
Preparando
para
resolver el problema
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
20%
Resolviendo
el
problema
DATA
MANAGEMENT
VALIDACIONES DE ANALISTAS
“Mala calidad de datos de clientes – solamente datos de
clientes – cuestan a empresas de los EE.UU. más de
$600.000 millones al año.”
“Hasta el 40% de todas las iniciativas
comerciales que fracasan son el resultado de la
calidad deficiente de los datos.”
Debido a la mala gestión de datos "83% de los consumidores
están condicionados a no volver a hacer negocios con una
empresa cuando la resolución del problema está por debajo de
las expectativas".
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
764
DESAFIO MAXIMIZAR EL VALOR DE SU ECOSISTEMA DATOS
DEMASIADOS DATOS
en demasiados lugares
DATOS DE MALA CALIDAD
no son confiables
DATOS INCONSISTENTES
a través de diversas fuentes
La estrategia de datos no es capaz de apoyar la estrategia de negocio cumplimiento, aumento de los ingresos, eficiencia operativa.
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
DATA MANAGEMENT SAS ESTÁ TRABAJANDO PARA CAMBIAR LA ECUACIÓN …
PROBLEMAS
DE NEGOCIO
DECISIONES
20%
Preparando
para
resolver el
problema
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
80%
Resolviendo
el
problema
SAS
INFORMATION
MANAGEMENT
CAPACIDADES: - DATA MANAGEMENT
DATA SERVICES
STRATEGY & IMPLEMENTATION SUPPORT
INFORMATION GOVERNANCE
Data
Management
DATA
INTEGRATION
DATA
QUALITY
MASTER DATA
MANAGEMENT
DECISION
MANAGEMENT
Events,
Workflow &
Business Rules
MODEL
MANAGEMENT
&
MONITORING
MODEL
DEPLOYMENT
&
INTEGRATION
INFRASTRUCTURE SUPPORT:
Text & Unstructured Data Support, Security, Meta-data & Lineage, Monitoring & Deployment
ENTERPRISE DATA ACCESS
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
Infrastructure
Support
DATA
MANAGEMENT
Gobernar, mover,
integrar, limpiar,
monitorar y administrar
datos y datos maestros
para proporcionar
decisiones de negócios
Vision única de
datos de alto valor
entre datos de
multiples fuentes
Acceder, Extraer,
Integrar,
Transformar e
Cargar
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
Master Data
Management
Data
Management
Data Integration
Profiling, Cleasing,
Estandarizacion y
Monitoramento
Data Quality
DATA INTEGRATION
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
ENTERPRISE DATA
ACCESS
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
GRAN VARIEDAD DE FUENTES Y FORMATOS
MS SQL
Server HADOOP Greenplum
Oracle
Teradata
XML
CSV
Text
EBCDIC
VSAM
COBOL
CADatacom
SAP BW
SAP R3
Oracle
Apps
Siebel
Delimited
ODBC
MySQL
EXCEL
ADABAS IBM DB2
SFDC
Informix
SAS® DATA
INTEGRATION
STUDIO
Interface visual Java
Para construcción, implementación y gestión de procesos de
ETL fuente/target
Gran conjunto de bloques de transformaciones
para reducir el esfuerzo de programación especifica y
permitir foco en desarrollo y mantención de procesos
Inigualable capacidad de acceso a datos
para obtener datos de diferentes fuentes, rápida y
facilmente
Inigualable capacidad de almacenamiento de datos
para cargar datos a diferentes destinos, rápida y facilmente
Desarrollo multi-usuarios
para procesos de desarrollo y mantención de ETL basados
en tiempos de proceso, etc
Análisis de impacto de punta a punta
para entender, tracing y mantener procesos de ETL y BI
desde el origen de los datos hasta las estructuras de
reportes
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
Analítica
de Negocios
Trabajo con
Clusters
Hadoop
Procesos
Condicionados,
Iterativos
y en Paralelo
Actualización de
Slowly Changing
Dimensions
Todo tipo de
operaciones SQL
y Sorts
Administración
de output
Carga Masiva /
Incremental /
Optimizada
para Appliances
Transformaciones
de datos
Análisis de
datos
Acceso a fuentes
de datos
BLOQUES DE
TRANSFORMACIONES
Posibilidad de extensión
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
BLOQUES DE
TRANSFORMACIONES
CONSTRUCCION DE OPERACIONES SQL
“Seleccionar clientes de England – Oxfordshire que no
hayan comprado >= $50 en el año 2000”
•
•
•
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
“England – Oxfordshire” customers selected by first query
Transactions for 2000 for >= $50 selected by second query
EXCEPT operator used to produce final result
BLOQUES DE
TRANSFORMACIONES

C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
PREPARACION DE DATOS
PARA PROCESOS ANALÍTICOS
SAS DI Transpose transforma los datos en la forma
necesaria para los procesos analíticos.
BLOQUES DE
TRANSFORMACIONES

C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
COMPARACION DE FUENTES DE DATOS
SAS DI hace que sea fácil para comparar las fuentes
de datos
ANÁLISIS DE
IMPACTO “DE
PUNTA A PUNTA”
Use los metadatos para entender,
realizar mantenimiento y revisar
sus procesos de gestión de
Information
Maps
datos de ETL e BI.
OLAP
Cubes
Solución Completa.
Tables
De los sistemas fuente a los
Datamarts, cubos e estructuras
de reports.
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
DATA QUALITY
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
DATA QUALITY UASSOUF = CRISIS DE IDENTIDAD
UASSOUF
VASSOUF
VASOUFF
UASOUF
WASUF
UASOFF
UASUF
UASOUFF
VASSOVE
LIASSOLIF
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
DATA QUALITY
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
CICLO DE EJECUCION
DATA QUALITY
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
ANALIZAR

Determinación del perfil de datos para
luego evaluar sus problemas de calidad.
DATA QUALITY
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
ANALIZAR
DATA QUALITY
Metadata
Analysis
Visualization
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
ANALIZAR
Pattern
Recognition
DATA QUALITY
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
MEJORAR

La fase de mejoramiento
se compone de procesos
para corregir, consolidar
y enriquecer los datos.

Tres componentes:
 Calidad
 Integración
 Enriquecimiento
DATA QUALITY
MEJORAR: FASE DE CALIDAD





C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
Análisis de género
Análisis de identificación
Estandarización
Parsing (Mini-Demo)
Construcción automática
de reglas
DATA QUALITY
Standardization
MEJORAR: FASE DE CALIDAD
Casing
Identification
Parsing
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
DATA QUALITY
MEJORAR: FASE DE INTEGRACION

C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
Combinación de múltiples registros
en un único mejor registro
DATA QUALITY
MEJORAR: FASE DE ENRIQUECIMIENTO

Verificación de
direcciones

Validación de punto de
entrega
Análisis de teléfonos
Análisis de código de
área
Georeferenciación



C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
DATA QUALITY
CONTROL




C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
Validación contínua de datos
contra las reglas de negocio
Identificación automática de
datos inválidos
Análisis de tendencias
Publicación de análisis de datos
en la Web
DATA QUALITY
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
MDM
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
MDM CASO DE USO:
LOOKUP DE
CLIENTE
Cliente se
contacta a
traves de un
canal.
2
Real-time Interaction
1
Hub identifica cliente y
devuelve el perfil del cliente y
los IDs en tiempo real.
Call Center
MDM
ERP
Kiosk
• Informações de produto
Web
Mobile
3
La información
detallada extraído
de los sistemas
individuales según
sea necesario.
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
Marketing
Future
CRM
• Preferências de contato
Billing
DW
• História, Transações
• Recomendação de
produto
• Detalhes de resposta
da campanha
SURVIVING CONTRIBUTORS INTO MASTER RECORD
ConsumerID First Name Middle
LOANS
30391-244 William
James
Last Name DOB
Crown
04/12/39
SSN
Address
563-49-1234123 Oak St., Eves, IL 30319
Last Name DOB
Crowne
4-12-39
SSN
Address
563491234 123 Oak St., Eves, IL
DW
30391244
First Name Middle
William
J.
WEB
Person ID
14239
First Name Middle
Bubba
J.
Last Name DOB
April 12
SSN
Address
[email protected]
ID
First Name Middle
Last Name DOB
SSN
Address
3721B
Willaim
Corp.
56349123 3224 Pkwy G, Los Osos
Member ID
CHECKING
ID
First Name Middle
30391-244 William
James
CARDS
Source Keys
EID
1001
James
30391-244 30391244
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
14239
April 12
Last Name DOB
SSN
Address
Crown
04/12/1939 563-49-1234123 Oak St., Eves, IL 30319
Survived Fields
3721B 30391244 William James Crowne 04/12/1939 563491234 123 Oak Street Eves
CA
91403
SAS QMDM MASTER DATA MANAGEMENT
Basada en navegador
Basada en
roles
Resultados de la
búsqueda: Revise el
"mejor" o el “Golden
Record" y sus registros
contribuyentes.
Gestión de jerarquias
con drag-and-drop
Criterios de
búsqueda
dinámica
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
Solución de
múltiples
dominios, no sólo
MDM de Clientes
ESTAMOS A SU DISPOSICION PARA
COMENZAR SU PROYECTO DE
- INTEGRACION DE DATOS
- CALIDAD DE DATOS
- MASTER DATA MANAGEMENT
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
www.SAS.com