Lo que opina nuestro cliente
“Morris & Opazo ha sido un colaborador importante en el apoyo a nuestras iniciativas para aprovechar los recursos en la nube y aprovechar al máximo las tecnologías en la nube para Big Data y Analytics”. – Francois Toubol, VP of Technology, SIM Partners
El problema
La solución final tenía que ser lo suficientemente escalable para recopilar, almacenar, procesar y visualizar las métricas de diferentes redes sociales. También esta información debía quedar disponible para distintos consumidores de la plataforma.
Solución propuesta
La solución de Big Data representó una mejora en seguridad, tiempos de desarrollo más cortos, amplia disponibilidad, actualizaciones más frecuentes, más elasticidad, una mayor cobertura geográfica, todo esto minimizando los costos finales.
Beneficios:
- Velocidad: El data lake nos permitió importar cantidades significativas de datos que se originaban en tiempo real. Los datos se recuperaban desde diferentes fuentes, y fueron movidos a un data lake en su formato original. Este proceso permitió escalar a datos de cualquier tamaño y a la vez ahorrar tiempo.
- Economía de escala: Los servicios de la nube de AWS siguen un modelo de precios por capa y descuentos por volumen. Esto nos ha permitido crecer sin llegar a situaciones de facturación inesperadas, teniendo la tranquilidad de pagar el menor costo posible por los servicios consumidos.
- Integración de servicios: Al implementar nuestro Data Lake nos fue posible acceder a múltiples servicios de la nube de AWS, entre ellos Machine Learning, lo que nos permitió mejorar nuestros productos y entregar valor agregado en nuestra oferta de servicios.
Tecnologías usadas
Morris & Opazo created a Data Producer which streamed (via Amazon Kinesis) the metrics data from Social Network APIs to a Data Lake implemented in Amazon S3. This first stage represented a significative savings in costs for storage-related components, with an optimal performance and speed.
- Amazon Kinesis
- Amazon Redshift
- AWS S3
Resultados:
El data lake nos permitió importar cantidades significativas de datos que se originaban en tiempo real. Los datos se recuperaban desde diferentes fuentes, y fueron movidos a un data lake en su formato original. Este proceso permitió escalar a datos de cualquier tamaño y a la vez ahorrar tiempo.
Los servicios de la nube de AWS siguen un modelo de precios por capa y descuentos por volumen. Esto nos ha permitido crecer sin llegar a situaciones de facturación inesperadas, teniendo la tranquilidad de pagar el menor costo posible por los servicios consumidos.
Al implementar nuestro Data Lake nos fue posible acceder a múltiples servicios de la nube de AWS, entre ellos Machine Learning, lo que nos permitió mejorar nuestros productos y entregar valor agregado en nuestra oferta de servicios.