Tengo especial ilusión en hacer éste artículo ya que, en un solo post y en una sola empresa, podremos descubrir/resumir lo que se ha venido trabajando durante meses en la web. Es decir, conceptos como los comentados en unos cuantos posts anteriores, veamos el listado:

• Distributed Real-Time Stream Processing,
• Data Ingestion & Distribution by Pipeline Process,
• Una Estrategia Data Centric para nuestra Transformacion Digital,
• DataOps & Data As A Service (or DaaS),
• Data Scaling Architectures & Data Caching Architectures en AWS (Hazelcast vs Elasticsearch vs Memcached),
• Data Transformation Pipelines (Apache Nifi, Flink, Kafka y MongoDB).

Es por eso que estoy orgulloso de poder presentar a Bitphy.com, una startup de Barcelona, lanzada en 2017 y que proporciona análisis predictivo basado en una arquitectura totalmente orientada a Microservicios, que utiliza el poder Real del Big Data y sistemas de Machine Learning. Bitphy Analytics está orientado o, mejor dicho, tiene su nicho de mercado en el sector Retail y viene a mejorar las operaciones diarias o customer transactions a partir del aumento de nuestra facturación.

Lo hacen mediante cuatro simples pasos, que son:

1. Acceso a las fuentes de información, es decir, acceso a los datos almacenados en dispositivos de venta como los TPV.
2. Mediante procesos ELT extraes los datos origen y se los lleva a su infraestructura (en un posterior diagrama podremos verlo representado lógicamente).
3. Mediante algoritmos de inteligencia artificial se procesan los datos de una manera muy escalable.
4. Y, por último, estos datos ya tratados y junto con su Valor Añadido, están disponibles ya sea mediante API o a través del portal web disponible.

En el diagrama anterior, por ejemplo, podemos ver como los datos pasan de una etapa más RAW o en crudo (izquierda) a ser un Valor para sus clientes, derecha del diagrama. Es cierto que han pasado por diferentes estados y aquí es donde es emocionante poder plasmar que la lógica de los posts anteriormente mencionados: se hace realidad. La arquitectura de Bitphy.com está lista para tratar con grandes lotes de datos en tiempo real ya que: existen distintos procesos que canalizan la información, el flujo de los datos, y que traducen la información del esquema de su cliente a las necesidades concretas que ellos requieren para que sus algoritmos puedan, realmente, hacer magia. Vemos rápidamente procesos de entrada mediante Apache Kafka, pipelines de transformación de datos, sistemas de historización de datos o, en Streaming, para poder obtener en Real-time aquellos datos más importantes y requeridos para su análisis en los algoritmos.

Una particularidad del sector es que cada fabricante de software de TPV tiene su lógica en la base de datos de su producto TPV. Así que por cada nuevo partner se debe fabricar una nueva ETL para adaptar Bitphy.com a su lógica, sin embargo una pipeline como la descrita permite que una vez hecha la traducción entre el esquema origen y el esquema interno de BitPhy todo el sistema de algoritmos y microservicios funcione indiferente al nuevo fabricante y así añadir nuevos partners con miles de tiendas en su cartera de clientes sea cuestión de pocos días.

¿Qué nos ofrece Bitphy?

Bien, siempre he defendido que el Big Data como tal nace para dar solución a los grandes movimientos y procesamiento de datos, pero, está claro, el Big Data como tal “no sirve para nada” sin la generación de Valor como el que ofrecen la gente de Bitphy.com. Que tras el procesamiento de millones de datos son capaces de ofrecernos un servicio a nosotros, a nosotros y nuestras concretas necesidades no generalizaciones o perfiles “tipo”. Veamos algunas de sus ventajas:

• Heat map. Nos van a permitir el poder identificar las horas pico de nuestro comercio. Pudiendo ajustar así la apertura y los turnos de los empleados.
• Pricing trends. Como la vida, los precios también pueden darnos tendencias y así poder dar un precio por cada producto de forma individual o en cadena y, a nivel de tienda o de forma grupal.
• Forecast (short/long). Las empresas viven de su facturación, por lo tanto, el poder hacer previsión sobre ella es vital y uno de sus Valores es el poder dar pronóstico a 7 días o 1 mes y gestionar de una forma eficiente tanto el Stock como la cadena de suministros (logística) que pueda estar (o no) relacionada.
• Prescripción de Venta. ¿Qué daríamos por poder averiguar aquellos, 2 o 6 productos, que tienen mejor aceptación entre nuestros clientes? ¿Cómo podríamos interferir en la venta (prescripción) de productos productos complementários o relacionados?.

En siguientes post continuaremos trabajando en la línia iniciada ya hace un tiempo, pero, antes de terminar el post actual, quisiera hacer un especial agradecimiento a Sergi Ortiz, CDO en Bitphy.com, que me facilitó tanto una entrevista personal como la documentación necesária para poder escribirlo. Muchas gracias.

Autor: Joakim Vivas