Empezamos utilizando Knime simplemente como una herramienta para conseguir nuestro objetivo, pero hoy en día es algo más.

Si primero, como reflejamos en una entrada de post anterior "Knime, un minero para la montaña de datos" hablábamos de la facilidad que aporta dicho software a aquellos usuarios de negocio, hoy en día podemos decir sin temor a dudas que Knime aporta mucho a cualquier tipo de usuario, ya que cada vez es más fácil y sencilla de utilizar.

KNIME Analytics Platform

 Hoy vamos a evaluar y analizar las nuevas opciones que incorpora este software en su nueva actualización.

En primer lugar, destacaremos la incorporación de nuevos gráficos a esta herramienta. Si bien es cierto que para la visualización de datos no es una herramienta potente, como lo pueden ser Qlik o Tableau, estamos viendo como poco a poco las visualizaciones van tomando peso dentro de Knime. Se han añadido tres nuevas formas de visualizar los datos que reciben el nombre de “Network Viewer” que representa los datos en forma de grafo, “Sunburst Chart” gráfico que se divide en porciones y subporciones dentro de cada una de ellas donde va clasificando los datos y “Streamgraph” que representa los datos en forma de corriente. Vemos a continuación una representación de datos con el modelo “Sunburst Chart”.

knime sunburst

 

Además de ver el gráfico podemos seleccionar las regiones que nos interesen y podemos ver los datos que se corresponden en con cada sección como podemos ver en la siguiente imagen.

knime sunburst 2

Aplicado al mundo de los negocios, si pensamos en un almacén con un gran número de referencias podríamos representar en la circunferencia más pequeña las diferentes familias de productos. En la circunferencia más inmediata, podríamos representar los grupos dentro de cada familia y, por último, en una tercera circunferencia representaríamos cada uno de los elementos pertenecientes a cada uno de los grupos. Así, podríamos identificar de manera rápida y eficaz a qué grupo y a qué familia pertenece un artículo de manera visual. También podríamos ver si dos artículos pertenecen al mismo grupo o a la misma familia. 

Control de versiones

Otra de las mejoras que nos depara Knime en esta actualización es la posibilidad de comparar los cambios realizados en un workflow con el paso de las versiones y ver de manera fácil, rápida y cómoda qué hemos cambiado a lo largo del tiempo. De este modo, si el resultado ha variado y no es el resultado esperado, podremos volver atrás sabiendo en qué paso nos hemos equivocado.

En Knime es fácil tener de utilizar varias veces un mismo Metanodo y hasta ahora copiábamos el metanodo y le pegábamos donde era conveniente. Con la nueva actualización, podemos guardar dichos metanodos como si de una plantilla de Word se tratase. Les guardamos dentro del apartado plantillas y simplemente cuando queramos utilizarles arrastramos igual que hacíamos hasta ahora con los nodos. Arrastramos hasta el workflow y enlazamos con los nodos necesarios. Esta nueva actualización nos ahorrará tiempo y en consecuencia dinero. 

Nuevos nodos

Se ha añadido un nuevo nodo llamado “Call Local Workflow” utilizado para hacer una llamada desde un workflow a otro existente en local. Hasta ahora la única forma de ejecutar dos workflows que dependiera uno del otro era ejecutar uno primero que preparase los datos para el segundo y al acabar este llamar al segundo workflow. Nos evitamos así el arduo proceso de hacer coincidir todos los nodos y buscar la forma de unirlos.

knime wf link

 

Por último, mencionamos el reconocimiento y análisis de voz: en esta actualización Knime incorpora un procesador de voz que es capaz de escucharse archivos de audio desde Knime, extraer características acústicas y reconocimiento de voz.

 

knime audio processing

De este modo, sin tener grandes conocimientos de informática, podemos utilizar grabaciones como si fuera un simple csv y, a partir de ahí, realizar nuestro propio análisis de los resultados y extraer conclusiones. Esta nueva inclusión podría servirnos incluso para crear un pequeño sistema de activación de funciones por medio de la voz.

Con esta nueva actualización Knime sigue a la cabeza como herramienta para Big Data y sigue acercándose cada vez más a un público más amplio, debido a que es capaz de hacer de la tecnología más compleja y puntera como es el Big Data algo sencillo y fácil para cualquier perfil que se encuentre en la empresa.

Por estos y muchos otros motivos no evaludos en esta entrada, desde LIS-Solutions  seguimos apostando por herramientas tan versátiles, útiles y que están en constante evolución como es el caso de Knime.

SAP HANA es una plataforma integrada (consta tanto de hardware como de software) que combina innovadoras tecnologías de bases de datos. Es una plataforma que trabaja en memoria (“in-memory”) para aplicaciones de alto rendimiento, como herramientas de análisis y simulación en tiempo real.

SAP HANA es una parte de SAP preparada para hacer computación en la nube (“in-memory computing”).

Este sistema es tan rápido gracias al motor de búsqueda que tiene. Usa una base de datos convencional, pero está muy optimizada y además es capaz de trabajar de manera paralela.

SAP HANA 3

SAP HANA Y EL BUSINESS INTELLIGENCE

Gracias a la velocidad de procesamiento que desarrolla SAP HANA su fuerte es el Business Intelligence.

Hoy en día, debido a la gran cantidad de datos que generan las empresas, uno de los puntos más importantes para dichas empresas es el Business Intelligence. Cada vez se hacen operaciones más complejas para obtener ciertos KPI´s (Key Performance Indicator) y con un mayor volumen de datos lo que conlleva un gran gasto computacional. SAP HANA es capaz de calcular estos datos mucho más rápido y fácil gracias al procesamiento en paralelo y a la optimización de todos los procesos de cálculo.

sap-hana 4

CARACTERÍSTICAS DE SAP HANA

Una de las bondades de esta plataforma es la posibilidad de realizar todas las operaciones en la memoria RAM. Gracias al abaratamiento de estas memorias y a la gran potencia que tienen hoy en día, podemos realizar muchos cálculos de manera íntegra en esta memoria eliminando así escribir en el disco duro y aumentando por tanto la velocidad de cálculo.

Es importante destacar que SAP HANA está pensado para poder escalarse, tanto de manera vertical como de forma horizontal.

SAP HANA tiene una infinidad de aplicaciones que se tratarán en los siguientes posts, haremos especial incapié en las capacidades que tiene SAP HANA para hacer desarrollos predictivos.

¿Quieres conocer más? Contacta con nosotros! 

Blockchain en la cadena de suministro

Siguiendo la entrada en este blog sobre la revolución que está suponiendo y supondrá la entrada de la Blockchain  en la industria, vamos abordar los beneficios de su aplicación a la cadena de suministros, un caso de uso en la industria y un ejemplo de fallo en la cadena en el que de haber estado implantada podría haberse detectado y solucionado de otra manera.

 

Supply chain control background

 

Actualmente todo producto esta elaborado con materias primas y componentes que proceden de lugares y compañias diferentes. La cadena de suministros a veces es tan extensa que realizar un seguimiento del proceso completo resulta tarea casi imposible.

La tecnología Blockchain permite hacer este seguimiento a la vez que garantiza la procedencia de cada uno de los componentes. Permitiendo facilitar la trazabilidad de los productos asi como asegurando la incorruptibilidad de la cadena.

Beneficios de la Blockchain para la Cadena de Suministros 

  1. Conocer la procedencia de las materias primas: La Blockchain trae transparencia a toda la cadena de suministros. Pudiendo conocer y rastrear cada uno de los componentes de un producto en cuestión desde su procedencia hasta que llega al usuario final o consumidor.
  2. Confianza en la compra: Consecuencia del conocimiento de la procedencia de las materias primas, Blockchain además tiene el potencial de mejorar la visibilidad de los contratos entre compradores y vendedores para un negocio más rápido con mejores resultados para ambas partes en muchas industrias.
  3. Desintermediación. Gracias a la confianza en la compra, Blockchain irá eliminando intermediarios y posibilitará la confianza y el comercio de igual a igual (peer-to-peer).

 

blockchain LIS

 

Dos aplicaciones de la Blockchain en la Cadena de Suministro

A continuación exponemos dos maneras de como la Blockchain puede aplicarse en la cadena de suministro.

  1. En primer lugar, puede utilizarse para rastrear productos e inventario confirmando acusos de recibo y realizando pagos automáticamente. En una palabra, puede ayudar a rastrear los productos a través de una red descentralizada. También pueden ayudar a reducir las tarifas de transacción, así como acelerar los pagos. Por lo general, las transacciones se procesan en dos o tres días. Con Blockchain, esto podría hacerse en cuestión de horas.
  2. En segundo lugar, la Blockchain puede añadir transparencia a las cadena de suministro. Pueden ser adaptados para rastrear información sobre el producto y en última instancia, abriendo todo el registro al público. Usando un sitio web o aplicación, los consumidores serán capaces de rastrear la información sobre el producto que deseen hasta el origen de la materia prima que lo componen.

Ejemplo Primark

Primark anunció anteayer la retirada del mercado de miles de chanclas para hombre que desde enero habían sido vendidas en sus tiendas de Reino Unido por temor a que contengan un nivel peligroso de un elemento cancerígeno, el criseno.

De haber utlizado la tecnología Blockchain en su cadena de suministro la firma irlandesa, una vez detectado el problema, podría haber seguido el registro y detectado el origen de ese elemento, ahorrando tiempos, costes y retirando solo aquellas chanclas afectadas, en lugar de la linea completa de calzado.

 

Supply Chain Systems backgroun

 

Conclusion

En conclusión, Blockchain promoverá la confianza y la transparencia en la cadena de suministro. Ayudan a identificar y rastrear elementos desde la fabricación hasta la entrega. Cada vez que se mueve un producto, la transacción se registra en la base de datos y en la Blockchain. Como un registro seguro y común de intercambio, los consumidores pueden rastrear lo que está pasando con los productos y quién lo maneja en el camino. En pocas palabras, Blockchain crea nuevas oportunidades de participación.


Blockchain nació de la mano de Satoshi Nakamoto, a día de hoy no se sabe a ciencia cierta si Nakamoto es una persona o un grupo de personas. Lo que si se sabe es que será la revolución industrial de Internet.

lis blockchain

¿Qué es la Blockchain?

Imagine un archivo que se encuentra compartido entre miles de usuarios a lo largo y ancho del mundo pero que, no existe una versión centralizada del mismo sino que, esos miles de usuarios tienen acceso al mismo archivo al mismo tiempo y además una única versión del mismo es visible para todos. En pocas palabras, podríamos decir que lo que se encuentra compartido no es el archivo en sí, sino un registro del mismo.

¿Para qué Sirve la Blockchain?

Blockchain tiene aplicaciones que van mucho más de las monedas digitales y transferencias de dinero. Desde la votación electrónica, contratos inteligentes hasta la gestión de registros de salud de pacientes y prueba de propiedad de los contenidos digitales.

Blockchain e Industria 4.0

Blockchain irrumpirá en toda industria en la que existan intermediarios, entre ellas la logística, la banca y finanzas, bienes raíces, seguros, asistencia jurídica, la sanidad y el sector público, entre otros muchos. Esto se traducirá en una transformación completa de la industria, la cuarta revolución industrial.

blockchain supply

Esta eliminación de intermediarios traerá consigo muchos beneficios. La tecnología blockchain permitirá a un mayor número de personas y empresas comerciar de manera más eficiente y con mayor frecuencia, impulsando significativamente el comercio local e internacional.

¿Aplicación de la Blockchain en la Cadena de suministros?

Actualmente todo producto esta elaborado con materias primas y componentes que proceden de lugares y compañias diferentes. La cadena de suministros a veces es tan extensa que realizar un seguimiento del proceso completo resulta tarea casi imposible.

blockchain supply chain

La tecnología blockchain permite hacer este seguimiento a la vez que garantiza la procedencia de cada uno de los componentes. Permitiendo facilitar la trazabilidad de los productos asi como asegurando la incorruptibilidad de la cadena.

¿Por qué hacer uso de la blockchain?

  • Automática: Rapidez en las transacciones. Basa su enfoque en el P2P evitando intermediarios.
  • Global: Tecnología descentralizada ya que el registro puede ser auditado por todo aquel que lo desee.
  • Segura: Toda transacción realizada en la cadena queda registrada y la información circula de manera encriptada.

En la actualidad se habla mucho del análisis de datos y de los árboles de decisión, pero...

 ¿Qué es realmente un árbol de decisión?

Es difícil entender realmente qué es un árbol de decisión, pero pocos sabemos que usábamos árboles de decisión desde niños en algo tan sencillo como un juego: ¿Quién es quién?

Este juego, cuyas reglas y funcionamiento conocemos todos, utiliza árboles de decisión de la siguiente forma.

Quien es quien arbol de decision

Si tenemos que adivinar que la carta del contrario es Jake realizaremos las siguientes preguntas a nuestro compañero de juego:

  • ¿Es mujer?
  • ¿Tiene bigote/barba?
  • ¿Es moreno?
  • ¿Tiene el pelo rubio?

De donde obtendríamos las siguientes respuestas:

  • No
  • Si
  • No
  • Si

Jake arbol de decision

De la primera pregunta obtendríamos que la persona que buscamos es un hombre, por lo tanto, podríamos eliminar todas las mujeres. Es decir, con una única pregunta hemos eliminado del tablero de juego 6 posibilidades.

Con la segunda de las preguntas, obtenemos que los ojos del personaje buscado son marrones, por lo tanto, con esta pregunta, nos quedamos con sólo 10 opciones posibles.

Gracias a la tercera pregunta obtenemos que la persona buscada no es morena, por lo tanto, nos quedamos con sólo 4 opciones.

Por la cuarta y última pregunta, vemos que la única persona de las que quedaban como posibles opciones es Jake.

Veamos por consiguiente cómo sería el árbol de decisión que hemos seguido para obtener el resultado deseado.

Arbol de decision quien es quien

 

¿Cómo aplicamos árboles de decisión a la Logística?

Esta técnica es fácilmente aplicable a muchos sectores y negocios. Por ejemplo, si somos una compañía de mensajería y tenemos que enviar un paquete de un determinado tamaño a un lugar concreto, podemos decidir que furgoneta de las que va a pasar lo más cerca posible tiene espacio suficiente para llevar este paquete. Por lo tanto, podemos asignar a nuestro paquete una furgoneta específica, que se adapte a las características y necesidades de cada paquete.

A modo de resumen podemos decir que los árboles de decisión, aun siendo los grandes desconocidos de este mundo plagado de datos con tendencias activas como puede ser el BigData o el Business Intelligence, son una herramienta muy útil con grandes aplicaciones y que facilita mucho la asignación de una solución (como hemos visto con el ejemplo anterior, la furgoneta) a un problema concreto (el reparto de un paquete con unas necesidades y características específicas.

Apache Spark es un software que se encarga de distribuir o paralelizar los datos a la hora de analizarlos.

Hoy en día se habla mucho de la paralelización de los datos en diferentes máquinas para procesar la información más rápido, ¿pero realmente que es eso? Paralelizar los datos en diferentes máquinas no es más que dividir los datos en archivos más pequeños. Estos archivos más pequeños son enviados cada uno a una máquina diferente. De esta forma, cada máquina procesará una pequeña parte del fichero inicial en lugar de analizar el fichero completo.

spark consumos

Si tenemos el siguiente archivo: consumos.csv con 2 columnas, la primera indica la hora a la que se recogieron los datos y la segunda indica el consumo de KW/h. Este fichero tiene 10 momentos diferentes en las que se han recogido los datos. Creamos un clúster con Spark como vemos en la siguiente figura:

Spark - master . trabajador

Una de las máquinas es la encargada de controlar las operaciones, que recibe el nombre de máster, y las otras dos máquinas comunicadas con el máster, reciben el nombre de trabajadores. Si mandamos hallar la suma de KW/h a nuestro clúster, que procede de la siguiente forma:

  1. Divide el fichero consumos.csv en 2 ficheros, particion1.csv y particion2.csv, cada uno de ellos de 5 filas
  2. Manda a una máquina del clúster el fichero particion1.csv y a la otra el fichero particion2.csv
  3. Cada máquina del clúster hace la suma de la segunda columna y devuelve el resultado al master
  4. Una vez que el master ha recibido los resultados de cada máquina, suma las dos cantidades recibidas
  5. Spark devuelve la suma total de la columna de los consumos.

Ahora bien, si queremos hallar la media del consumo, cada máquina devuelve la suma como ha hecho antes y, también, devuelve el número de filas que tenía el fichero que ha analizado. En nuestro ejemplo, se actuaría de la siguiente forma:

  1. La máquina que procesa el fichero particion1.csv devolvería una suma de consumos de 0.981 y el número de filas que ha analizado: 5
  2. La máquina que procesa el fichero particion2.csv devolvería una suma de consumos de 0.864 y el número de filas que ha analizado: 5.
  3. La máquina master, suma el número de filas que envía cada máquina y suma cada una de las sumas que recibe de cada una de las máquinas y hace la siguiente división:

spark - media

Veamos de manera gráfica cómo calcularía la media de los consumos:

spark ejemplo

 

Concluimos por lo tanto la simplicidad y velocidad que nos aporta Spark ante un problema de grandes dimensiones. Divide y vencerás!

 

Con la infoxicación que existe hoy en día, muchas organizaciones necesitan de alguien que controle, filtre, limpie y estructure sus datos  maestros.

Muchas veces hemos oído que quien controla los datos controla el poder, pero también hay que recordar que un gran poder conlleva una gran responsabilidad… Entonces, ¿en manos de quién dejamos la correcta gestión de nuestros datos maestros?

MDM 2

¿Qué son los datos maestros?

La mayoría de los sistemas de software tienen listas de datos que son compartidos y utilizados por varias de las aplicaciones que componen el sistema. Por ejemplo, un sistema ERP  como mínimo tendrá un maestro de cliente, un maestro de artículos y un maestro de cuentas. Estos datos maestros son a menudo uno de los activos clave de una empresa.

¿Qué es la Gestión de Datos Maestros? - MDM

MDM es el acrónimo de Master Data Management. Esta importante y cada vez más popular disciplina empresarial, está diseñada para eliminar el elevado número de errores, redundancias e inconsistencias que existen en los diversos y fragmentados entornos de información de hoy en día. MDM puede ayudar a las organizaciones a mejorar la productividad e impulsar el rendimiento operativo mejorando la precisión de la información y el intercambio de datos dentro y fuera de la empresa.

MDM 3

El MDM  se ocupa del quién, qué, cómo y dónde, tanto de actividades comerciales como de las venta, las compras, las diferentes interacciones con clientes, proveedores y empleados.

Cada vez vemos más retos recurrentes en los negocios que exigen la creación de un centro de datos que se extiende a través de aplicaciones, procesos de negocio, líneas de negocio, etc. Estos son los casos típicos de uso y las razones por las cuales nuestros clientes están necesitando su propio MDM.

MDM 4

¿Qué herramientas utilizamos para crear una lista Maestra y gestionar nuestros Datos Maestros?

Considerando las implementaciones MDM que existen en el mercado, LIS-Solutions intenta buscar una solución que ofrezca las siguientes características clave:

  • Gestión de datos unificada para MDM, integración de datos y gestión de procesos de negocio (BPM).
  • Manejo de múltiples dominios en un solo conjunto de tecnología y hardware.
  • Un  amplio conjunto de conectores de integración de datos OOTB.
  • Implementaciones flexibles, como MDM en instalaciones  en la nube  y como servicio.
  • Integración con Big Data
  • Escalibilidad horizontal y verticalmente
  • Un enfoque de plataforma que evite el bloqueo de proveedores

MDM 5

Talend es el único proveedor que ofrece un completo MDM, ETL, data quality, BPM, Enterprise Service Bus (ESB) y una solución de integración de datos en una sola plataforma tecnológica, compatible con muchas de nuestras herramientas de Business Intelligence como Qlik o Tableu.

Además es el único proveedor que ofrece un perfil de datos en una gran solución de datos a través de una plataforma unificada, con un repositorio de código común y herramientas para programar metadatos.

MDM 1

 

Una solución de MDM es el pináculo de las tecnologías de integración de datos, y además tiene la capacidad de trabajar con múltiples dominios, proveer mejores mecanismos para el mantenimiento de la calidad de los datos y proporcionar su funcionalidad en forma de servicios, que permiten integrarla con mayor facilidad a ambientes heterogéneos. MDM puede ayudar a cualquier tipo de organización a cumplir el objetivo de contar con un repositorio central de información, necesaria tanto para operaciones como para la toma de decisiones.

Si desea tener más información sobre Master Data Management  (MDM), contacte con nosotros.

 

LISIL

El Salón Internacional de la Logística vuelve a contar con LIS-Solutions para aportar su experiencia en el congreso internacional dedicado a la Logística Inteligente.

Aquí debatiremos las últimas tendencias del Big Data aplicado a la logística y al e-commerce, que nos gustaría compartir con vosotros.

  cabecera sil 2017

SMART LOGISTICS

8 DE JUNIO DE 2017   9:30 h -13:00 h.  SALA PRÍNCIPE

ponentes sil 2017 Ecommerce BigData

Para ver programa completo y acreditación:

http://www.silbcn.com/es/actos_jornadas/seccion.php?id=14

Después de una larga semana en cuanto al mundo del deporte se refiere, volvemos para analizar la vuelta de semifinal de la Champions entre dos de los grandes: Atlético de Madrid - Real Madrid. 

Tras un primer análisis, que puedes encontrar aqui, vamos a realizar la segunda parte, con técnicas de text mining llevadas a cabo por LIS-Solutions, mediante el Software de mineria de datos Knime recogiendo los datos através de Twitter.

 

¿Cuál es el sentimiento predominante?

Bien, como podemos ver en la nube de palabras podemos deducir que algo ha pasado con Karim Benzema, ¿tal vez fuera su increible jugada? y además sacamos como claros ganadores en cuanto a actividad en twitter se refiere a la hinchada merengue pues su color predomina en nuestra nube.

 

 nube palabra atletico real madrid

 

Cuadros de mandos para una mejor visualización

Una vez capturada la información relacionada con el partido, pasamos a mostrarla de manera intuitiva utilizando para ello la herramienta de Qlik (Qlik Sense). Esta herramienta nos permite la creación de cuadros de mandos para optimizar la visualización de los datos recogidos antes.

partido completo

 

En este primer cuadro de mandos podemos ver la actividad a lo largo de todo el partido. Destacar que la gran mayoría de los tweets ocurren al final de cada parte.

En la parte inferior del cuadro de mandos podemos ver un gráfico de bloques en los que se representan las nacionalidades de los usuarios analizados. Siendo China el pais en el que más seguidores del fútbol español existen parece curioso que que no aparezca en la gráfica. No es que el análisis este fallando, la respuesta esta en que allí la red social utilizada es Weibo, no Twitter.

Primera parte

En este segundo cuadro de mandos, podemos ver la actividad de twitter en la primera mitad del derbi madrileño. Se observa una gran cantidad de actividad en los momentos clave del Atlético de Madrid, si bien es cierto que cuando Isco mete el gol del Madrid la actividad en twitter vuelve a crecer equiparandose a los momentos de gloria del Atlético.

Esto ha sido un ejemplo simple con un partido de fútbol, pero las posibilidades son infinitas, ya sea para análisis de mercados, penetración de cierta marca en cierto territorio nacional/internacional o visualizar como miles de personas perciben un tema en concreto.

¿En qué puede beneficiar el Big Data al sector textil?

El Big Data nos permite identificar patrones ocultos en los datos, aplicando técnicas avanzadas de análisis de datos se pueden resolver preguntas de negocio del sector textil como:

  • ¿Cómo se va a comportar determinada familia de producto? (bolsos, chaquetas, zapatos)
  • ¿Qué color de bolso se va a llevar la próxima temporada?
  • Predecir la demanda en función del comportamiento de los compradores
  • Podré calcular mis stocks de maniobra y seguridad para satisfacer la demanda
  • ¿Cómo va afectar la meteorología a mis ventas?

Mucha de esta información ya se encuentra en nuestros sistemas, pero… además…! Gracias al Big Data para el sector textil, podremos vincular información aparentemente no relacionada como pueden ser bases de datos meteorológicas, redes sociales, bases de datos abiertas (open data)…

textil tendencias

VER, PREDECIR, AVISAR (Predicción con alarmas)

Con las herramientas y las técnicas adecuadas, el Big Data nos permite:

  • Ver lo que sucede en nuestra empresa, en nuestro entorno. Mucha información ya la tenemos, oculta entre una montaña de datos. El Big Data nos permite hacerla visible.
  • Predecir lo que puede pasar, integrando todas aquellas variables que de manera crucial nos influyen en las estimaciones de nuestros productos textiles.
  • Avisar de anomalías y comportamientos extraños. Monitorizar nuestras actuaciones y descubrir cuando nos estamos saliendo de los parámetros adecuados de forma preventiva.

Todas estas preguntas y muchas más, se pueden contestar mediante análisis de datos con técnicas “Big Data”. El Big Data puede ayudar a resolver muchas preguntas de negocio del sector textil.

Si quieres ver algún ejemplo de proyectos de big data para el sector textil, no dudes en ponerte en contacto con nosotros en Esta dirección de correo electrónico está protegida contra spambots. Usted necesita tener Javascript activado para poder verla.

Página 3 de 9